Introduction à l'analyse numérique & programmation
Notes de cours
Quelques notes de cours (382Kb, 2005-02-02) démontrent certains des théorèmes vus au cours. Des transparents sont sur e-learning. Ces quelques présentations peuvent également vous intéresser : les ordinateurs calculent-ils juste ? (209Kb, 2006-09-13), méthode d'Horner (214Kb, 2006-09-13) pour évaluer un polynôme et un algorithme rapide pour le calcul de (x,n) → xn (243Kb, 2006-09-13).
Travaux pratiques
The way to be good at programming is to work (a) a lot (b) on hard problems.
— Paul Graham
Divers travaux de programmation vous seront proposés durant l'année avec des mise en situation d'examen. Ces travaux peuvent être réalisés en groupes de deux ou trois personnes. L'examen, lui, est bien entendu strictement personnel. Les documents utiles aux TPs se trouvent sur e-learning.
En ce qui concerne le langage de programmation, nous vous proposons les trois choix principaux suivants :
- Python : un des langages vus en BAC 1. Pour les graphiques, nous utiliserons matplotlib.
- OCaml est un langage fonctionnel de haut niveau qui allie une bonne performance à une expressivité particulièrement appropriée [biblio] au développement d'algorithmes numériques. Un « language designed for smart people » selon les mots de Mike Vanier.
- Java : c'est un langage que vous avez vu en BAC 1. Pour les
graphiques, nous
utiliserons JPlot et pour guider la compilation, nous prendrons
l'outil de-facto standard
qu'est ant.
Lisez cet article relatant
des problèmes avec la programmation orientée objet (OOP)
— et
« Bad
engineering properties of object-oriented languages ».
Robert Fischer a écrit des articles
sur Some final Patterns
et Yet
Another Reason final is Your Friend.
Nous vous conseillons Emacs comme éditeur. Configurez le de manière à travailler confortablement grâce aux packages/informations suivantes :- JDEE (Java Development Environment for Emacs) ;
- Emacs, JDEE, Ant, and the Eclipse Java Compiler ;
- nXML (inclus dans Emacs 23) est un mode utile pour
éditer
build.xml.
Quelques références
- Méthodes numériques pour le calcul scientifique, Alfio QUARTERONI, Riccardo SACCO et Fausto SALERI.
- Introduction to numerical analysis,
(
2e exemplaire ), Josef STOER et Roland BULIRSCH. - A First course in numerical analysis, Anthony RALSTON et Philip RABINOWITZ.
- Theoretical numerical analysis. A functional analysis framework, Kendall ATKINSON et Weimin HAN.
- Introduction aux méthodes numériques de Franck JEDRZEJEWSKI.
- Numerical Analysis : an introduction, Walter GAUTSCHI, Birkhäuser, 1997, ISBN 3-7643-3895-4.




