Analyse numérique matricielle et optimisation (2)
Public Concerné
- Avoir des rudiments en programmation (maîtrise des notions essentielles de programmation et/ou d'algorithmique)
L'avis des auditeurs
Les dernières réponses à l'enquête d'appréciation pour cet enseignement :
Objectifs pédagogiques
Les travaux pratiques seront réalisés dans le langage Python (via l'interface Jupyter).
Capacité et compétences acquises
Contenu de la formation
Méthodes directes et itératives pour la résolution des systèmes linéaires.
Calcul des valeurs propres et des vecteurs propres des matrices
Méthodes globales, méthodes sélectives.
Optimisation quadratique
Recherche de directions de descente, méthodes de gradient (simple, gradient à pas optimal, gradient conjugué). Prise en compte des contraintes.
Optimisation dans le cas général
Cas général de fonctionnelles arbitraires. Conditions de Kuhn et Tucker. Introduction à la commande optimale.
Description des modalités de validation
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.
- Paris
- Paris
- 2026-2027 1er semestre: Formation ouverte et à distance soir ou samedi
- 2027-2028 1er semestre: Formation ouverte et à distance soir ou samedi
- Paris
