Analyse numérique matricielle et optimisation (1)
Public Concerné
- Avoir obligatoirement suivi des cours d'analyse et d'algèbre linéaire de Cycle Licence (L1-L2) (typiquement UE MVA101 ou MVA006).
- Avoir des rudiments en programmation (maîtrise des notions essentielles de programmation et/ou d'algorithmique)
- Avoir des rudiments en programmation (maîtrise des notions essentielles de programmation et/ou d'algorithmique)
Présence et réussite aux examens
Pour l'année universitaire 2023-2024 :
- Nombre d'inscrits : 18
- Taux de présence à l'évaluation : 39%
- Taux de réussite parmi les présents : 100%
Objectifs pédagogiques
Familiariser les auditeurs avec les techniques d'analyse numérique et les outils logiciels du calcul scientifique.
Les travaux pratiques seront faits en Python grâce à interface Jupyter du Cnam.
Lorsque l'UE est ouverte en FOAD (formation à distance), un regroupement hebdomadaire en visio-conférence est inclus dans la formation.
Les travaux pratiques seront faits en Python grâce à interface Jupyter du Cnam.
Lorsque l'UE est ouverte en FOAD (formation à distance), un regroupement hebdomadaire en visio-conférence est inclus dans la formation.
Capacité et compétences acquises
Initier les élèves aux techniques modernes de la modélisation numérique pour les sciences de l'ingénieur.
Contenu de la formation
Notions algorithmiques
Initiation à la structuration et la complexité
Résolution de systèmes linéaires
Notion de conditionnement numérique, méthodes directes de résolution des systèmes linéaires, méthodes itératives pour les systèmes linéaires.
Calcul des valeurs propres et des vecteurs propres des matrices
Méthodes globales, méthodes sélectives.
Optimisation quadratique
Méthodes de gradient (simple, gradient à pas optimal, gradient conjugué). Prise en compte des contraintes.
Initiation à la structuration et la complexité
Résolution de systèmes linéaires
Notion de conditionnement numérique, méthodes directes de résolution des systèmes linéaires, méthodes itératives pour les systèmes linéaires.
Calcul des valeurs propres et des vecteurs propres des matrices
Méthodes globales, méthodes sélectives.
Optimisation quadratique
Méthodes de gradient (simple, gradient à pas optimal, gradient conjugué). Prise en compte des contraintes.
Description des modalités de validation
Examen final écrit
En alternance ou en formation continue en journée :
Merci de consulter directement le secrétariat pédagogique de votre formation pour obtenir le planning.
En formation « à la carte Hors Temps de Travail », en présentiel, à distance ou hybride :
Voir les dates, les lieux d'enseignement et les modalités d'inscription sur les sites internet des centres régionaux qui proposent cette formation.
- Liban
- Liban
- 2026-2027 2nd semestre: Formation en présentiel soir ou samedi
- 2027-2028 2nd semestre: Formation en présentiel soir ou samedi
- Liban
- Paris
- Paris
- 2027-2028 1er semestre: Formation ouverte et à distance soir ou samedi
- Paris
