Analyse numérique pour ingénieurs (Coursera)

Analyse numérique pour ingénieurs (Coursera)

Ce cours contient les 7 premiers chapitres d'un cours donné aux étudiants bachelor de l'EPFL. Il est basé sur le livre "Introduction à l'analyse numérique", J. Rappaz M. Picasso, Ed. PPUR. Des outils de base sont décrits dans les 5 premiers chapitres. Les deux derniers chapitres abordent la question de la résolution numérique d'équations différentielles.

Class Deals by MOOC List - Click here and see Coursera's Active Discounts, Deals, and Promo Codes.

Plus précisement, nous allons étudier les chapitres suivants du livre :
Chapitre 1 : interpolation, comment approcher une fonction par un polynôme?
Chapitre 2 : comment approcher des dérivées par des formules de différences finies?
Chapitre 3 : comment approcher des intégrales par des formules de quadrature?
Chapitres 4,5,6 : comment résoudre des (grands) systèmes linéaires?
Chapitre 8 : comment résoudre des équations et systèmes d’équations nonlinéaires?
Chapitre 9 : comment approcher la solution d’une équations différentielle (problème à valeur initiale)?
Chapitre 10 : comment approcher la solution d’un problème aux limites unidimensionnel par une méthode de différences finies?
Un cours de deux heures est donc remplacé par des "video lectures" ainsi que les "quiz" correspondant. L'heure d'exercices est remplacée par un "exercice" où vous devrez faire des expériences numériques avec un programme matlab ou octave, et démontrer des résultats théoriques "peer review". Un questionnaire a choix multiple aura lieu à la fin du cours (30% de la note).
Il faut obtenir 60% de la note pour avoir le “Course Certificate”.
Pour les étudiants EPFL, les heures de cours selon l'horaire is-academia sont maintenues. Vous devez visionner les "video lectures" de la semaine et faire les "quiz" avant l'heure de cours. Lors de la première heure de cours, je résoudrai l'exercice théorique (cet exercice theorique sera proposé comme "peer review" pour les étudiants externes). Une question du même type pourrait être posée lors de l'examen de juin. Lors de la deuxième heure de cours, je répondrai aux questions et je vous aiderai à faire l'"exercice" si nécessaire.
Le temps de travail estimé est le suivant. Il faut compter deux heures pour visualiser les "video lectures" et répondre aux "quiz". Il faut compter une heure pour faire l'"exercice", qui demande de compléter un programme matlab (ou octave) et une heure pour faire l'exercice théorique "peer review" soit cinq heures en tout. Après ces cinq heures, vous devriez avoir acquis la matière.

Syllabus

WEEK 1
Interpolation
Interpolation de Lagrange. Interpolation par intervalles.

WEEK 2
Dérivation numérique
Formules de différences finies pour approcher les dérivées premières et secondes.

WEEK 3
Intégration numérique
Formules de quadrature. Poids et points d'intégration. Formules de Gauss.

WEEK 4
Résolution de systèmes linéaires
Elimination de Gauss. Décomposition LU. Décomposition LL^T.

WEEK 5
Equations et systèmes d'équations non linéaires
Equations non linéaires. Méthodes de point fixe. Méthode de Newton. Systèmes non linéaires.

WEEK 6
Equations et systèmes d'équations différentielles
Equations différentielles du premier ordre. Existence et unicité. Schémas d'Euler. Systèmes différentiels du premier ordre.

WEEK 7
Problèmes aux limites unidimensionnels.
Un problème aux limites unidimensionnels linéaire. Méthode de différences finies. Un problème non linéaire.

WEEK 8
Examen final
Examen final (30% de la note)

Go to Class
MOOC List is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Related Courses

Programação para todos (Conceitos básicos de Python) (Coursera) Coursera
University of Michigan

Programação para todos (Conceitos básicos de Python) (Coursera)

Este curso tem como objetivo ensinar a todos os conceitos básicos de programação de computadores usando Python. Abordamos o básico de como criar um programa a partir de uma série de instruções simples em Python. O curso não tem pré-requisitos e evita tudo, exceto a matemática mais simples. Qualquer pessoa com experiência moderada em computadores deve ser capaz de dominar os materiais deste curso. Este curso abordará os capítulos 1 ao 5 do livro “Python para Todos”.

Nov 16th 2026
5-12 Weeks
Calculus through Data & Modeling: Applying Differentiation (Coursera) Coursera
Johns Hopkins University

Calculus through Data & Modeling: Applying Differentiation (Coursera)

As rates of change, derivatives give us information about the shape of a graph. In this course, we will apply the derivative to find linear approximations for single-variable and multi-variable functions. This gives us a straightforward way to estimate functions that may be complicated or difficult to evaluate. We will also use the derivative to locate the maximum and minimum values of a function. These optimization techniques are important for all fields, including the natural sciences and data analysis. The topics in this course lend themselves to many real-world applications, such as machine learning, minimizing costs or maximizing profits.

Nov 2nd 2026
5-12 Weeks
Introduction to Calculus (Coursera) Coursera
The University of Sydney

Introduction to Calculus (Coursera)

The focus and themes of the Introduction to Calculus course address the most important foundations for applications of mathematics in science, engineering and commerce. The course emphasises the key ideas and historical motivation for calculus, while at the same time striking a balance between theory and application, leading to a mastery of key threshold concepts in foundational mathematics.

Nov 2nd 2026
5-12 Weeks
Matrix Methods (Coursera) Coursera
University of Minnesota

Matrix Methods (Coursera)

Mathematical Matrix Methods lie at the root of most methods of machine learning and data analysis of tabular data. Learn the basics of Matrix Methods, including matrix-matrix multiplication, solving linear equations, orthogonality, and best least squares approximation. Discover the Singular Value Decomposition that plays a fundamental role in dimensionality reduction, Principal Component Analysis, and noise reduction.

Nov 9th 2026
5-12 Weeks
Mathematics for Machine Learning: PCA (Coursera) Coursera
Imperial College London

Mathematics for Machine Learning: PCA (Coursera)

This intermediate-level course introduces the mathematical foundations to derive Principal Component Analysis (PCA), a fundamental dimensionality reduction technique. We'll cover some basic statistics of data sets, such as mean values and variances, we'll compute distances and angles between vectors using inner products and derive orthogonal projections of data onto lower-dimensional subspaces. Using all these tools, we'll then derive PCA as a method that minimizes the average squared reconstruction error between data points and their reconstruction.

Nov 2nd 2026
4 Weeks
Initiation à la théorie des distributions (Coursera) Coursera
École Polytechnique

Initiation à la théorie des distributions (Coursera)

Une fonction discontinue peut-elle être solution d'une équation différentielle? Comment définir rigoureusement la masse de Dirac (une "fonction" d'intégrale un, nulle partout sauf en un point) et ses dérivées? Peut-on définir une notion de "dérivée d'ordre fractionnaire"? Cette initiation aux distributions répond à ces questions - et à bien d'autres.

Nov 2nd 2026
5-12 Weeks
Mathematics for Machine Learning: Multivariate Calculus (Coursera) Coursera
Imperial College London

Mathematics for Machine Learning: Multivariate Calculus (Coursera)

This course offers a brief introduction to the multivariate calculus required to build many common machine learning techniques. We start at the very beginning with a refresher on the “rise over run” formulation of a slope, before converting this to the formal definition of the gradient of a function. We then start to build up a set of tools for making calculus easier and faster. Next, we learn how to calculate vectors that point up hill on multidimensional surfaces and even put this into action using an interactive game.

Nov 2nd 2026
5-12 Weeks
Information Theory (Coursera) Coursera
The Chinese University of Hong Kong

Information Theory (Coursera)

At the completion of this course, the student should be able to: demonstrate knowledge and understanding of the fundamentals of information theory; appreciate the notion of fundamental limits in communication systems and more generally all systems; develop deeper understanding of communication systems; apply the concepts of information theory to various disciplines in information science.

Nov 2nd 2026
13-24 Weeks
Álgebra Básica (Coursera) Coursera
Universidad Nacional Autónoma de México

Álgebra Básica (Coursera)

Galileo dijo: "El Universo está escrito en lenguaje matemático y los caracteres son triángulos, círculos y otras figuras geométricas, sin las que es humanamente imposible entender una sola palabra". Para entender el Universo, es necesario plantear leyes que expliquen su comportamiento, como pueden ser las leyes de la gravedad, la propagación del calor, el electromagnetismo, la reproducción celular, el crecimiento poblacional, la propagación de las enfermedades, la variación de los precios de las acciones en la bolsa de valores, el comportamiento de las masas ante un conflicto, etcétera.

Nov 16th 2026
5-12 Weeks