Analyse numériqueL’analyse numérique est une discipline à l'interface des mathématiques et de l'informatique. Elle s’intéresse tant aux fondements qu’à la mise en pratique des méthodes permettant de résoudre, par des calculs purement numériques, des problèmes d’analyse mathématique. Plus formellement, l’analyse numérique est l’étude des algorithmes permettant de résoudre numériquement par discrétisation les problèmes de mathématiques continues (distinguées des mathématiques discrètes).
Mécanique analytiqueLa mécanique analytique est une formulation de la mécanique classique basée sur le calcul variationnel. La mécanique analytique s'est avérée un outil très important en physique théorique. En particulier, la mécanique quantique emprunte énormément au formalisme de la mécanique analytique. Contrairement à la mécanique d'Isaac Newton qui s'appuie sur le concept de point matériel, la mécanique analytique se penche sur les systèmes arbitrairement complexes, et étudie l'évolution de leurs degrés de libertés dans ce qu'on appelle un espace de configuration.
Calcul numérique d'une intégraleEn analyse numérique, il existe une vaste famille d’algorithmes dont le but principal est d’estimer la valeur numérique de l’intégrale définie sur un domaine particulier pour une fonction donnée (par exemple l’intégrale d’une fonction d’une variable sur un intervalle). Ces techniques procèdent en trois phases distinctes : Décomposition du domaine en morceaux (un intervalle en sous-intervalles contigus) ; Intégration approchée de la fonction sur chaque morceau ; Sommation des résultats numériques ainsi obtenus.
Numerical methods for ordinary differential equationsNumerical methods for ordinary differential equations are methods used to find numerical approximations to the solutions of ordinary differential equations (ODEs). Their use is also known as "numerical integration", although this term can also refer to the computation of integrals. Many differential equations cannot be solved exactly. For practical purposes, however – such as in engineering – a numeric approximation to the solution is often sufficient. The algorithms studied here can be used to compute such an approximation.
Stabilité numériqueEn analyse numérique, une branche des mathématiques, la stabilité numérique est une propriété globale d’un algorithme numérique, une qualité nécessaire pour espérer obtenir des résultats ayant du sens. Une définition rigoureuse de la stabilité dépend du contexte. Elle se réfère à la propagation des erreurs au cours des étapes du calcul, à la capacité de l’algorithme de ne pas trop amplifier d’éventuels écarts, à la précision des résultats obtenus. Le concept de stabilité ne se limite pas aux erreurs d’arrondis et à leurs conséquences.
Numerical methods for partial differential equationsNumerical methods for partial differential equations is the branch of numerical analysis that studies the numerical solution of partial differential equations (PDEs). In principle, specialized methods for hyperbolic, parabolic or elliptic partial differential equations exist. Finite difference method In this method, functions are represented by their values at certain grid points and derivatives are approximated through differences in these values.
Mécanique newtonienneLa mécanique newtonienne est une branche de la physique. Depuis les travaux d'Albert Einstein, elle est souvent qualifiée de mécanique classique. La mécanique classique ou mécanique newtonienne est une théorie physique qui décrit le mouvement des objets macroscopiques lorsque leur vitesse est faible par rapport à celle de la lumière. Avant de devenir une science à part entière, la mécanique a longtemps été une section des mathématiques. De nombreux mathématiciens y ont apporté une contribution souvent décisive, parmi eux des grands noms tels qu'Euler, Cauchy, Lagrange.
Équations de Lagrangevignette|Joseph-Louis Lagrange Les équations de Lagrange, découvertes en 1788 par le mathématicien Joseph-Louis Lagrange, sont une reformulation de la mécanique classique. Il s'agit d'une reformulation de l'équation de Newton, qui ne fait pas intervenir les forces de réaction. Pour cela, on exprime les contraintes que subit la particule étudiée sous la forme d'équations du type : Il n'y a qu'une équation si le mouvement est contraint à une surface, deux s'il est contraint à une courbe.
Mécanique quantiqueLa mécanique quantique est la branche de la physique théorique qui a succédé à la théorie des quanta et à la mécanique ondulatoire pour étudier et décrire les phénomènes fondamentaux à l'œuvre dans les systèmes physiques, plus particulièrement à l'échelle atomique et subatomique. Elle fut développée dans les années 1920 par une dizaine de physiciens européens, pour résoudre des problèmes que la physique classique échouait à expliquer, comme le rayonnement du corps noir, l'effet photo-électrique, ou l'existence des raies spectrales.
Espace vectoriel symplectiqueEn algèbre, un espace vectoriel est symplectique quand on le munit d'une forme symplectique, c'est-à-dire une forme bilinéaire alternée et non dégénérée. L'étude de ces espaces vectoriels présente quelques ressemblances avec l'étude des espaces préhilbertiens réels puisqu'on y définit également la notion d'orthogonalité. Mais il y a de fortes différences, ne serait-ce que parce que tout vecteur est orthogonal à lui-même. Les espaces vectoriels symplectiques servent de modèles pour définir les variétés symplectiques, étudiées en géométrie symplectique.
Introduction à la mécanique quantiqueLe but de cet article est de présenter une introduction accessible, non technique, au sujet. Pour l'article encyclopédique consulter Mécanique quantique. La mécanique quantique est la science de l'infiniment petit : elle regroupe l'ensemble des travaux scientifiques qui interprètent le comportement des constituants de la matière, et ses interactions avec l'énergie, à l'échelle des atomes et des particules subatomiques. La physique classique décrit la matière et l'énergie à l'échelle humaine, dans leur observation de tous les jours, y compris les corps célestes.
Numerical methods for linear least squaresNumerical methods for linear least squares entails the numerical analysis of linear least squares problems. A general approach to the least squares problem can be described as follows. Suppose that we can find an n by m matrix S such that XS is an orthogonal projection onto the image of X. Then a solution to our minimization problem is given by simply because is exactly a sought for orthogonal projection of onto an image of X (see the picture below and note that as explained in the next section the image of X is just a subspace generated by column vectors of X).
Postulats de la mécanique quantiquevignette|Participants au Congrès Solvay de 1927 sur la mécanique quantique Cet article traite des postulats de la mécanique quantique. La description du monde microscopique que fournit la mécanique quantique s'appuie sur une vision radicalement nouvelle, et s'oppose en cela à la mécanique classique. Elle repose sur des postulats. S'il existe un très large consensus entre les physiciens sur la manière de réaliser les calculs qui permettent de rendre compte des phénomènes quantiques et de prévoir leur évolution, il n'existe pas en revanche de consensus sur une manière unique de les expliquer aux étudiants.
Mécanique célestethumb|Paramètres d'une orbite elliptique. La mécanique céleste décrit le mouvement d'objets astronomiques tels que les étoiles et planètes à l'aide de théories physiques et mathématiques. Les domaines de la physique les plus directement concernés sont la cinématique et la dynamique (classique ou relativiste). Dans l'Antiquité, on distingue la mécanique céleste de la mécanique terrestre, les deux mondes étant considérés comme étant régis par des lois complètement différentes (ici-bas, les « choses » « tombent », là-haut elles se « promènent »).
Mécanique matricielleLa mécanique matricielle est une formulation de la mécanique quantique construite par Werner Heisenberg, Max Born et Pascual Jordan en 1925. La mécanique matricielle est la première définition complète et correcte de la mécanique quantique. Elle prolonge le modèle de Bohr en décrivant la manière dont se produisent les sauts quantiques, en interprétant les propriétés physiques des particules comme des matrices évoluant dans le temps.
Géométrie symplectiqueLa géométrie symplectique est un domaine de la recherche mathématique, s'intéressant à l'origine à une formulation mathématique naturelle de la mécanique classique et développé avec une notion d'entrelacement entre la géométrie différentielle et les systèmes dynamiques, avec des applications en géométrie algébrique, en géométrie riemannienne et en géométrie de contact. Formellement, elle consiste en l'étude des 2-formes différentielles fermées non dégénérées — appelées formes symplectiques — sur les variétés différentielles.
Mécanique des solides déformablesLa est la branche de la mécanique des milieux continus qui étudie le comportement mécanique des matériaux solides, en particulier leurs mouvements et leurs déformations sous l'action de forces, de changements de température, de changements de phase ou d'autres actions externes ou internes. Une application typique de la mécanique des solides déformables consiste à déterminer à partir d'un certaine géométrie solide d'origine et des chargements qui lui sont appliqués, si le corps répond à certaines exigences de résistance et de rigidité.
Conservation de l'énergieLa conservation de l'énergie est un principe physique, selon lequel l'énergie totale d'un système isolé est invariante au cours du temps. Ce principe, largement vérifié expérimentalement, est de première importance en physique, et impose que pour tout phénomène physique l'énergie totale initiale du système isolé soit égale à l'énergie totale finale, donc que de l'énergie passe d'une forme à une autre durant le déroulement du phénomène, sans création ni disparition d'énergie.
Méthodes de Runge-KuttaLes méthodes de Runge-Kutta sont des méthodes d'analyse numérique d'approximation de solutions d'équations différentielles. Elles ont été nommées ainsi en l'honneur des mathématiciens Carl Runge et Martin Wilhelm Kutta, lesquels élaborèrent la méthode en 1901. Ces méthodes reposent sur le principe de l'itération, c'est-à-dire qu'une première estimation de la solution est utilisée pour calculer une seconde estimation, plus précise, et ainsi de suite. Considérons le problème suivant : que l'on va chercher à résoudre en un ensemble discret t < t < .
Probabilistic numericsProbabilistic numerics is an active field of study at the intersection of applied mathematics, statistics, and machine learning centering on the concept of uncertainty in computation. In probabilistic numerics, tasks in numerical analysis such as finding numerical solutions for integration, linear algebra, optimization and simulation and differential equations are seen as problems of statistical, probabilistic, or Bayesian inference.
