Analyse numérique pour les équations aux dérivées partielles

Introduction aux méthodes numériques pour la résolution d'équations aux dérivées partielles.

1. Intégration d'équations différentielles ordinaires
2. Différentiation par la méthode des différences finies
3. Résolution d'équations aux dérivées partielles
4. Méthodes itératives d'inversion de systèmes linéaires
5. Méthodes spectrales: séries de Fourier et polynômes de Chebyshev.

- Formuler une méthode numérique pour la résolution d'une équation aux dérivées partielles
- Ecrire un programme en langage Python pour résoudre un large éventail d'équations aux dérivées partielles
- Utilisation des outils de programmation: jupyter notebook, packages numpy / scipy / matplotlib, git / github.
 

Connaissances et compétences pré-requises ou co-requises

- Connaissance de base d'un langage de programmation.

Cours pré-requis

Cours ex-cathedra avec exercices pratiques intégrés / classes inversées / travaux personnels.

Support(s) de cours

• Syllabus
• Université virtuelle

Contacts

Prof. B. Knaepen, bernard.knaepen@ulb.be

Campus

Plaine

Méthode(s) d'évaluation

• Autre

Autre

- Examen écrit portant sur la matière vue au cours
- Un travail personnel optionnel à remettre avant les vacances d’hiver. Le travail personnel ne peut pas être représenté en seconde session. La note obtenue en première session est automatiquement transférée en seconde session. Sa note est intégrée dans la note finale de cette partie du cours selon la méthode décrite ci-dessous.

Construction de la note (en ce compris, la pondération des notes partielles)

- Examen écrit 100% ou Examen écrit 75% / Travail personnel (projet) 25% si la note du travail personnel est supérieure à la note de l'examen écrit.

Langue(s) d'évaluation

• français
• (éventuellement anglais )