Delta-2 | EPFL Graph Search

Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?

Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur GraphSearch.

Découvrez-en plus sur les applications Graph.

Delta-2 est un procédé d'accélération de la convergence de suites en analyse numérique, popularisé par le mathématicien Alexander Aitken en 1926. C'est l'un des algorithmes d'accélération de la convergence les plus populaires du fait de sa simplicité et de son efficacité. Une première forme de cet algorithme a été utilisée par Seki Kōwa (fin du ) pour calculer une approximation de π par la méthode des polygones d'Archimède. Soit une suite convergente vers une limite que l'on souhaite déterminer, le procédé Delta-2 de Aitken associe à cette suite une autre suite définie par : C'est de la première écriture que le procédé tire son nom. Sous certaines conditions, la suite Axn converge plus vite que la suite initiale xn, ce qui permet d'estimer la limite de la suite avec une meilleure précision et/ou en effectuant moins de calculs. C'est un algorithme numériquement peu stable : il convient de calculer la suite xn ainsi que Axn avec un nombre important de chiffres significatifs. Certaines écritures de l'algorithme propagent moins les erreurs d'arrondi, par exemple : La suite Axn étant elle-même une suite numérique, il est possible de lui appliquer le Delta-2, et ainsi de suite : c'est ce qu'on appelle une application itérée du Delta-2. Le Delta-2 est un algorithme non linéaire d'accélération de la convergence. Mais il vérifie la propriété : a et b constantes réelles. Le Delta-2 détermine une estimation de la limite de la suite xn en partant de l'hypothèse que celle-ci vérifie l'équation aux différences suivante : En résolvant cette équation aux différences, les suites (dont le Delta-2 détermine de manière immédiate la limite) sont de la forme : Il est à noter que même si la suite xn diverge, c'est-à-dire si |λ| > 1, le Delta-2 converge vers « l'anti-limite » de la suite. Le théorème de convergence pour le procédé de Aitken est : Le Delta-2 est donc particulièrement bien adapté aux suites à convergence linéaires (dont l'écart avec leur limite se comporte à l'infini comme une suite géométrique).

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (32)

Personnes associées (8)

Unités associées (6)

Concepts associés (5)

Cours associés (2)

Séances de cours associées (25)

Stripping the Swiss discount curve using kernel ridge regression

Damir Filipovic

We analyze and implement the kernel ridge regression (KR) method developed in Filipovic et al. (Stripping the discount curve-a robust machine learning approach. Swiss Finance Institute Research Paper No. 22-24. SSRN. https://ssrn.com/abstract=4058150, 2022 ...

Springer Heidelberg2024

Plane Waves Versus Correlation-Consistent Basis Sets: A Comparison of MP2 Non-Covalent Interaction Energies in the Complete Basis Set Limit

Ursula Röthlisberger, Justin Villard, Martin Peter Bircher

Second-order Moller-Plesset perturbation theory (MP2) is the most expedient wave function-based method for considering electron correlation in quantum chemical calculations and, as such, provides a cost-effective framework to assess the effects of basis se ...

Washington2023

Safe Zeroth-Order Convex Optimization Using Quadratic Local Approximations

Giancarlo Ferrari Trecate, Maryam Kamgarpour, Yuning Jiang, Baiwei Guo

We address black-box convex optimization problems, where the objective and constraint functions are not explicitly known but can be sampled within the feasible set. The challenge is thus to generate a sequence of feasible points converging towards an optim ...

2023

Accélération de suite

En mathématiques, laccélération de suite est une méthode de transformation de suites ou de série numérique visant à améliorer la vitesse de convergence d'une série. Des techniques d'accélération sont souvent utilisées en analyse numérique, afin d'améliorer la rapidité de méthodes d'intégration numérique ou obtenir des identités sur des fonctions spéciales. Par exemple, la transformation d'Euler appliquée à la série hypergéométrique permet de retrouver plusieurs identités connues.

Transformation de suite

En mathématiques, une transformation de suite est un opérateur défini sur un espace donné de suites (un espace de suites). Les transformations de suites comptent des applications linéaires telles que la convolution avec une autre suite et la sommation d'une suite et, plus généralement, sont définies pour l'accélération de suites et de séries, qui vise à augmenter la vitesse de convergence d'une suite ou d'une série à convergence lente.

Extrapolation de Richardson

En analyse numérique, le procédé d'extrapolation de Richardson est une technique d'accélération de la convergence. Il est ainsi dénommé en l'honneur de Lewis Fry Richardson, qui l'a popularisé au début du . Les premières utilisations remontent à Huygens en 1654 et Takebe Kenkō en 1723, pour l'évaluation numérique de π. Ce procédé est notamment utilisé pour définir une méthode numérique d'intégration : la méthode de Romberg, accélération de la méthode des trapèzes.

PENS-230: Digital ENAC: le codage en contexte

Digital ENAC aims to provide students with the ability to apply the principles of coding to the practical life of designers and engineers. We will not focus on a specific coding language, but will ext

HUM-251: Science and literature B

L'objectif de ce cours est d'étudier les différentes manifestations des mondes totalitaires dans la fiction. Plus précisément, nous regarderons comment les écrivains racontent l'aliénation de l'homme

Splines: Fondamentaux et applications MATH-412: Statistical machine learning

Explore les splines B, les splines cubiques naturelles et les splines de lissage dans les problèmes de régression et leurs applications pratiques.

Calcul, vérification et validation

Explique la vérification et la validation dans les simulations CFD, en se concentrant sur l'extrapolation de Richardson et la vérification de l'exactitude.

Estimation des erreurs et intégration numérique

Explore l'estimation des erreurs dans l'intégration numérique et ses applications dans la prévision, en mettant l'accent sur la méthode de Romberg et l'extrapolation de Richardson.