Algorithmique numérique

linfo1113  2024-2025  Louvain-la-Neuve

Algorithmique numérique
6.00 crédits
30.0 h + 30.0 h
Q2
Langue
d'enseignement
Français
Préalables
Ce cours suppose acquises les notions de base de la programmation (instructions, variables, boucles, conditions...) et la méthodologie de programmation en Python telles qu'enseignées dans les cours LINFO1101 ou LEPL1401, ainsi que les bases du langage Java telles qu'enseignées dans le cours LEPL1402. Ce cours suppose également acquises les notions de base d'algèbre et d'analyse visées par les cours LINFO1111 et LINFO1112.

Le(s) prérequis de cette Unité d’enseignement (UE) sont précisés à la fin de cette fiche, en regard des programmes/formations qui proposent cette UE.
Thèmes abordés
  • Représentation des nombres flottants
  • Problème d'arrondis et propagation des erreurs (discussion pour les méthodes ci-dessous)
  • Notion de convergence et  de critère d'arrêt des méthodes itératives
  • Représentation de matrices, multiplication efficace de matrices
  • Résolution de systèmes linéaires, y compris par des méthodes itératives
  • Interpolations et régressions
  • Intégration numérique, différentiation numérique
  • Résolution d'équations différentielles ordinaires : problèmes à valeur initiale
  • Résolution d'équations non linéaires (racines de fonctions), application à des problèmes d'optimisation simples à une dimension (y compris notion de minimum/maximum local ou global)
Etant donné que le cours s'adresse aux informaticiens, l'accent sera mis sur la pratique et l'implémentation de ces méthodes.
 
Les applications et exemples seront pris de préférence dans le cadre des autres cours du programme SINF1BA (en économie, bases électronique de l'informatique par exemple). A défaut, ils pourront être pris dans d'autres domaines (mécanique par exemple) mais l'enseignant prendra soin d'introduire les concepts disciplinaires nécessaires.
Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

1
Eu égard au référentiel AA du programme « Bachelier en sciences informatiques », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :
  • S1.G1, S1.I3
  • S2.2, S2.4
  • S5.1
Les étudiants ayant suivi avec fruit ce cours seront capables de :
  • modéliser un problème simple en utilisant les notations mathématiques adéquates,
  • identifier les méthodes numériques classiques adaptées à la résolution d'un problème simple exprimé de manière mathématique,
  • choisir sur base de critères précis la méthode la plus efficace pour résoudre numériquement un tel problème,
  • implémenter une résolution numérique de ce problème simple,
  • expliciter les problèmes liés à la résolution numérique d'équation et leurs impacts : erreurs d'arrondi, convergence, critère d'arrêt.
 
Contenu
La philosophie du cours est l'introduction aux méthodes numériques au moyen de la description et surtout de l'implémentation de concepts venant des cours d'algèbre et d'analyse mathématique. Le but est de développer des algorithmes tout en observant quelles sont les limites de l'implémentation d'un concept mathématique : représentation des données (nombres...) et traitement des erreurs (calcul, stabilité, propagation...).
Méthodes d'enseignement
Par présentation du concept et par implémentation.
Modes d'évaluation
des acquis des étudiants
L'examen sera effectué en présentiel, par écrit, avec des questions ouvertes. L'évaluation porte sur l'ensemble de la matière vue lors des cours magistraux et des séances d'exercices. La note d'examen compte pour 90% de l'évaluation finale, les 10% restants provenant du travail continu et de l'assiduité lors des séances d'exercices. La note du travail continu et de l'assiduité lors des séances d'exercices est conservée pendant l'année académique (pas de réévaluation en seconde session pour cette partie).
Support de cours
  • "Numerical Methods in Engineering with Python 3" de Jaan Kiusalaas (ISBN-13: 978-1107033856)
  • "Numerical Algorithms" de Justin Solomon (ISBN-13: 978-1482251883)
  • Slides on Moodle
Faculté ou entité
en charge


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] en science des données, orientation statistique

Bachelier en sciences informatiques