MAT-2910
Jean Deteix deteix@[Link]
Local: VCH-1465
Disponibilités:
Lundi 15:30-17:00 Mercredi 13:30-15:00
Manuel (obligatoire):
•Analyse numérique pour ingénieurs, André Fortin. De préférence la 4eme édition!
Logiciel (obligatoire):
•Matlab
Site du cours:
• Info générales, plan de cours
• Informations hebdomadaires, exercices
• Aide mémoires, anciens examens
• Énoncé du devoir (6 semaines avant la date de remise)
• Banque de programmes, manuel matlab
•…
[Link]
Incontournables:
1) CDA (local PLT-2576) :
• dépannage, aide individuelle, gratuite: pour les exercices du cours
• horaire particulier et pas d’aide pour les devoirs soumis à l’évaluation.
• horaire variable d’une semaine à l’autre : voir l’onglet CDA sur le site web du cour
2) Guide matlab sur le site du cours
3) Journée passerelle 18-19 janvier.
4) Évaluations:
• 2 Mini-tests (2 x 10%), 2 examens (2 x 30%), 1 devoir (20%)
• Il faut une moyenne d’au moins 50% aux examens/mini-tests ET une
moyenne globale d’au moins 50%
• Devoir en équipe de 3, 6 semaines pour le rendre.
5) Conflit d’horaire, demande de reprise, accommodement communiquer avec moi
le plus tôt possible.
U. Laval Dept. Math & Stat MAT-2910
2
Chapitre 1
Motivation
Il est de plus en plus fréquent d’utiliser des ordinateurs pour simuler des phénomènes
complexes
• plus économique
• plus rapide
• problématiques « virtuelles » ( où l’approche expérimentale n’existe pas).
Quelque soit le domaine scientifique aborder, tout comme il est important de comprendre
et maitriser les approches expérimentales, il devient essentiel de maitriser les outils de
base de la simulation numérique.
Dans le cadre du cours, on va
• Présenter des méthodes permettant de résoudre avec un ordinateur des problèmes
mathématiques fréquemment rencontrés (système linéaire, EDO, intégrales, etc.)
• Évaluer la pertinence et la valeur de différentes méthodes numériques:
• complexité de la méthode et facilité de la mise en œuvre
• possibilité de mesurer l’écart entre la solution proposée et la réalité
• contrôle les différentes sources d’erreurs
U. Laval Dept. Math & Stat MAT-2910
3
Chapitre 1
Analyse Numérique:
Je sais calculer:
On a des solutions « analytiques », mais comment faire avec un ordinateur?
Que dire de ou de ?
L’analyse numérique traite des méthodes et des démarches utilisées afin d’obtenir
une réponse. En se basant sur des outils d’analyse mathématique rigoureux on
obtient
• une approche rigoureuse de construction d’algorithme
• des outils pour mesurer l’efficacité et la précision des méthodes
U. Laval Dept. Math & Stat MAT-2910
4
Chapitre 1
Les 4 sources principales d’erreurs
• Erreurs de modélisation: erreurs dans la formulation mathématique.
Ex: Si on décrit le volume d’un cylindre de rayon r et de hauteur H par
Ex: page 4-7 le mouvement d’un pendule : on simplifie la friction et on suppose
les angles petits. Ce qui devrait être considérer des erreurs de modélisation.
• Erreurs dans les paramètres de la modélisation:
Ex: utilisation de la valeur 3 au lieu de p , erreur dans la mesure de r, etc.
Ces deux types d’erreurs se situent en dehors du cadre du cours. Mais ne devraient
JAMAIS être négligées:
[Link]
U. Laval Dept. Math & Stat MAT-2910
5
Chapitre 1
• Erreurs de représentation des nombres: dans un ordinateur, un nombre occupe de
l’espace physique. Quelque soit la manière de le représenter il y aura une limite sur les
ressources disponibles pour représenter un nombre. Exemple de nombre
problématiques:
D’où la notion d’arrondi ou de troncature des nombres.
• Erreurs d’approximation ou de troncature:
• Les quatre opérations élémentaires +, -, x, / n’exigent pas d’approximation dans un
ordinateur.
• les opérations complexes (ex. cos, sin, ln …) sont approximées par des séries
d’opérations élémentaires +,-,x,/. Si la série d’opérations doit être infinie pour être
exacte on aura une erreur de troncature (on tronquera la série)
Premier outil fondamental de l’analyse numérique: la série de Taylor permet, dans de
bonnes conditions, de substituer à une fonction une série d’opérations élémentaires!
Des histoires d’horreur:
[Link]
U. Laval Dept. Math & Stat MAT-2910
6
Chapitre 1
Erreur absolue (mesure quantitative). Soit x un réel et x* une approximation de ce nombre.
On défini l’erreur absolue Dx par
Dx = | x – x*|
Erreur relative (mesure qualitative). Soit x un réel et x * une approximation de ce nombre.
On défini l’erreur relative Er(x *) par
Er(x *) = | x – x*|/| x | = Dx /| x |
Remarque
1) 100* Er(x *) donne l’erreur relative en pourcentage.
2) En pratique on ne connait pas x et on ne connait pas Dx. Cependant on peut toujours
estimer une borne maximale de l’erreur absolue (analyse du procédé donnant x*). Par
abus de langage on confondra cette borne et l’erreur absolue.
De manière générale on aura
On notera parfois et on appelle l’incertitude de l’estimation de x par x*.
U. Laval Dept. Math & Stat MAT-2910
7
Chapitre 1
Utilisant encore la borne on aura:
Comment estimer Er(x*) sans connaitre x ? Dans les situations où x* est près de x on
pourra dire que
Conclusion, sauf dans le cas où on connait les deux valeurs, x et x*, l’erreur absolue et
relative sera une approximation basée sur x* et l’écart maximale entre x et x*.
Chiffres significatifs si m est l’entier signé tel que
Alors le chiffre correspondant à la mieme puissance de 10 de x et tous ceux à sa gauche
jusqu’au dernier non nul sont des chiffres significatifs.
Exception si le chiffre correspondant à la mieme puissance de 10 de x est nul ainsi que
tous ceux à sa gauche on dit qu’il n’y a pas de chiffre significatif.
ATTENTION: significatif ne veut pas dire exact mais dont on contrôle l’erreur, qui ont du
sens.
U. Laval Dept. Math & Stat MAT-2910
8
Chapitre 1
ATTENTION: L’affichage n’indique pas toujours le nombre de chiffres significatifs! C’est le
programmeur ou l’usager qui « choisit » le format des sorties.
Estimer l’erreur absolue partant du nombre de C.S. Si on a N chiffres significatifs alors en
comptant vers la droite, à partir du premier non nul, jusqu’à N chiffres, l’erreur absolue est
inférieure à la moitié de la puissance de 10 du dernier C.S.
Représentation virgule flottante Soit , on note
m la mantisse,
b la base
l l’exposant
On aura comme représentation à virgule flottante pour x dans la base b
Avec des entiers satisfaisant
U. Laval Dept. Math & Stat MAT-2910
9
Chapitre 1
Unicité
Pour garantir l’unicité de la représentation on imposera que
On dira que la mantisse est normalisée. Dans ce cas
Base
Le choix de b est arbitraire, cependant avec le temps des préférences sont apparues:
• humains: usuellement décimale (b=10) avec quelques exceptions: temps (b = 60), et
certaines mesures (anglaises)
• ordinateurs: usuellement binaire (b=2) ou hexadécimale (b=16) avec quelques
exceptions (décimale,octale, …)
U. Laval Dept. Math & Stat MAT-2910
10
Chapitre 1
Remarques. Quelque soit la base choisie
• Les nombres irrationnels (e, p, etc.) auront toujours une mantisse de longueur infinie
• il existera toujours des rationnels (des nombres de la forme p/q) dont la mantisse sera de
longueur infinie:
1/3 en décimal 0.3 en binaire
• Seuls les humains traitent les nombres avec une mantisse de longueur infinie.
Virgules flottantes à N chiffres (mantisse à N chiffres )
Limites sur les nombres représentables:
• un plus grand réel positif au-delà duquel on aura un overflow (devient NaN)
• un plus grand réel négatif au-delà duquel on aura un overflow (devient NaN)
• un plus petit réel positif en-dessous duquel on aura un underflow (devient 0)
Norme IEEE-754 (p 14-17): standardisation de la représentation et optimisation des
valeurs limites par différentes techniques. Garanti l’uniformité du comportement entre
les ordinateurs.
U. Laval Dept. Math & Stat MAT-2910
11
Chapitre 1
Pour les entiers? On aura un plus grand entier positif, un plus grand entier négatif et on
représentera exactement tous les entiers compris dans cet intervalle.
Remarque: peut faire apparaitre des restrictions sur la dimension d’espace algébrique!
[Link]
Troncature et arrondi des nombres réels
Pour une représentation en virgule flottante à N chiffres. Pour remplir la mantisse, deux
techniques:
1) Troncature à N chiffres: on coupe la mantisse au delà de la position N.
2) Arrondi à N chiffres:
1) On ajoute (5 en décimal, 1 en binaire) à la position N+1
2) On fait une troncature à N chiffres.
Remarque: la troncature est statistiquement biaisée, on préfère l’arrondi.
Remarque: il y a une relation entre la longueur de la mantisse et l’erreur de représentation
(l’erreur entre le nombre réel et sa représentation en virgule flottante à N chiffres).
U. Laval Dept. Math & Stat MAT-2910
12
Chapitre 1
Précision machine On appelle précision machine (notée em) la plus grande erreur relative
commise en représentant un nombre réel:
• Par troncature em = max Dx/|x|
• Par arrondi em = 0.5 max Dx/|x|
Et
em b1-N
Où b est la base et N la longueur de la mantisse.
Remarques
• On négligera la distinction entre em et b1-N
• On peut montrer que la précision machine est atteinte pour presque tous les nombres
réels:
|Dx | < x*em
on connait donc l’erreur absolue et le nombre de chiffres significatifs pour la représentation
d’un réel quelconque.
U. Laval Dept. Math & Stat MAT-2910
13
Chapitre 1
Tableau de la norme IEEE-754
Simple précision Double précision
(32 bits) (64 bits)
Précision machine 0.119 x 10-6 0.222 x 10-15
Plus petit réel normalisé 1.3 x 10-38 2.2 x 10-308
Plus petit réel non normalisé 1.4 x 10-45 4.9 x 10-324
Plus grand réel 3.4 x 1038 1.8 x 10308
Pour la représentation d’un nombre:
• simple précision (32 bits) on aura «presque toujours» 6-7 C.S.
• double précision (64 bits) on aura «presque toujours» 15-16 C.S.
U. Laval Dept. Math & Stat MAT-2910
14
Chapitre 1
Arithmétique en virgule flottante à N chiffres
• Les nombres utilisés peuvent avoir une erreur de représentation.
• Le résultat de l’opération peut nécessiter une troncature (arrondi) produisant une erreur.
• Les effets ne sont pas liés à la base de la représentation ni à la méthode de remplissage
de la mantisse (troncature/arrondi) mais à la longueur finie de la mantisse.
Soit , on note fl(x) sa représentation en virgule flottante à N chiffre:
où dN , la Nième décimale, dépendra de la méthode de remplissage (troncature/arrondi).
Les opérations élémentaires pour fl
U. Laval Dept. Math & Stat MAT-2910
15
Chapitre 1
+/- : on devra faire un «décalage » de la mantisse lorsque les exposants ne sont pas les
mêmes. Cela impliquera d’ajouter des zéros dans le nombre le plus petit (pour ramener
son exposant au niveau du plus grand nombre).
*/ : la loi des exposants permet de faire la somme (différence) des exposants et
uniquement le produit (la division) des mantisses pour obtenir le résultat.
ATTENTION
• Le décalage de la mantisse pourra se révéler dangereux si on additionne des nombres
très différents: le décalage pouvant aller jusqu’à faire «perdre» des nombres.
• La troncature ou l’arrondi pouvant se faire sur certains termes intermédiaires,
l’associativité et la distributivité n’existe plus: l’ordre des opérations devient important
pour le résultat.
• Il peut être dangereux de soustraire des nombres très proches: perte de précision
(chiffres significatifs) c’est l’effet de la normalisation (entre autre).
U. Laval Dept. Math & Stat MAT-2910
16
Chapitre 1
Pour une série élaborée d’exemples des effets sur l’arithmétique voir p.20-25 Ex. 1.28-1.38
Remarques sur les deux opérations dangereuses
• Pour éviter le problème de somme de termes très différents, lorsqu’on a plusieurs termes,
une des recettes est d’additionner les termes en les plaçant par ordre croissant.
Mentionnons aussi la somme de Kahan:
[Link]
• Pour les soustractions de nombres très près, les recettes sont moins « établies ». Il s’agit
souvent de techniques évitant la soustraction (voir Ex 1.36).
• Les nombres en double précision (64 bits) semblent déjouer plusieurs des effets observés
en simple précision (p 18,22,24 ex. 1.23, 1.34, 1.37). Cependant l’exemple 1.38, en double
précision, montre qu’en fait le problème est toujours là mais moins simple à illustrer.
• Dans la plupart des cas on développera des approches ad hoc pour résoudre ces
problèmes.
U. Laval Dept. Math & Stat MAT-2910
17
Chapitre 1
