MODULE 17 · TRONC COMMUN AVANCÉ · COMPRENDRE, CALCULER, VÉRIFIER.

Mathématiques avancées & calcul numérique

Ce module franchit une étape décisive: les mathématiques ne sont plus seulement une collection de formules à appliquer, mais un langage pour construire, tester et critiquer un modèle. Une trajectoire, un filtre de navigation, un bilan thermique ou une estimation de fiabilité deviennent rapidement des problèmes à plusieurs variables dont les grandeurs évoluent dans le temps. L’objectif n’est pas de former un mathématicien pur, mais de donner les réflexes qui permettent de comprendre ce que calcule un logiciel d’ingénierie et de repérer un résultat physiquement absurde.

Le problème à résoudre

Question de départ. Comment savoir si un calcul numérique converge vers une solution utile plutôt que vers une valeur simplement produite par l’ordinateur ?

Intuition. Un logiciel de trajectoire affiche une solution, mais l'équipe veut savoir si le solveur a réellement convergé et si une petite variation des données d'entrée change fortement le résultat.

Repère concret. Pour propager une orbite, comparer un pas de 60 s à un pas de 10 s permet de voir si le résultat change de façon significative.

Parcours conseillé pour « Mathématiques avancées & calcul numérique »: modules 01 à 09 recommandés. Dans « Mathématiques avancées & calcul numérique », l’objectif est de comprendre pourquoi une notion antérieure intervient dans la décision étudiée, pas d’en réciter la notation.

RAMPE ZÉRO PRÉREQUIS · MODULE 17

Comprendre avant de calculer

Un logiciel de trajectoire affiche une solution, mais l'équipe veut savoir si le solveur a réellement convergé et si une petite variation des données d'entrée change fortement le résultat.

Progression du module — erreur numérique; convergence; pas de calcul; conditionnement.

erreur numérique

Définition. Une erreur numérique est l'écart créé par la représentation finie des nombres et par les approximations d'un algorithme, même lorsque le modèle mathématique est correct.

Exemple. Additionner un très petit nombre à un très grand nombre peut perdre des chiffres significatifs sur une machine; répéter des milliers d'opérations peut accumuler des écarts.

Vérification. Comparez le résultat à une estimation simple puis changez légèrement la précision ou la méthode: une variation disproportionnée signale que l’erreur numérique domine peut-être la réponse.

Attention. Ne confondez pas erreur numérique, erreur de mesure et erreur de modèle: elles ont des causes différentes et se traitent différemment.

En mission. Une mauvaise interprétation de « erreur numérique » peut rendre crédible un résultat numérique qui n’est ni convergé, ni stable, ni suffisamment précis pour décider.

Exercice guidé — erreur numérique

Situation à reconnaître. Additionner un très petit nombre à un très grand nombre peut perdre des chiffres significatifs sur une machine; répéter des milliers d'opérations peut accumuler des écarts.

Vérification demandée. Comparez le résultat à une estimation simple puis changez légèrement la précision ou la méthode: une variation disproportionnée signale que l’erreur numérique domine peut-être la réponse.

Erreur à écarter. Ne confondez pas erreur numérique, erreur de mesure et erreur de modèle: elles ont des causes différentes et se traitent différemment.

Corrigé raisonné

Sens précis: Une erreur numérique est l'écart créé par la représentation finie des nombres et par les approximations d'un algorithme, même lorsque le modèle mathématique est correct.
Test du cas: Comparez le résultat à une estimation simple puis changez légèrement la précision ou la méthode: une variation disproportionnée signale que l’erreur numérique domine peut-être la réponse.
Piège exclu: Ne confondez pas erreur numérique, erreur de mesure et erreur de modèle: elles ont des causes différentes et se traitent différemment.
Conséquence opérationnelle: Une mauvaise interprétation de « erreur numérique » peut rendre crédible un résultat numérique qui n’est ni convergé, ni stable, ni suffisamment précis pour décider.

convergence

Définition. Un calcul itératif converge lorsque les approximations successives se rapprochent d'une solution stable selon un critère défini.

Exemple. Un solveur de Lambert ou une méthode de Newton peut produire une suite de valeurs qui se stabilise; on surveille la variation entre deux itérations et le résidu de l'équation.

Vérification. Suivez le résidu ou l’écart entre itérations: une suite qui cesse visuellement de bouger n’est acceptable que si le critère de convergence annoncé est réellement satisfait.

Attention. Une valeur qui cesse de changer à l'écran n'est pas forcément correcte: elle peut stagner à cause d'une mauvaise échelle, d'une limite de précision ou d'un mauvais minimum.

En mission. Une mauvaise interprétation de « convergence » peut rendre crédible un résultat numérique qui n’est ni convergé, ni stable, ni suffisamment précis pour décider.

Exercice guidé — convergence

Situation à reconnaître. Un solveur de Lambert ou une méthode de Newton peut produire une suite de valeurs qui se stabilise; on surveille la variation entre deux itérations et le résidu de l'équation.

Vérification demandée. Suivez le résidu ou l’écart entre itérations: une suite qui cesse visuellement de bouger n’est acceptable que si le critère de convergence annoncé est réellement satisfait.

Erreur à écarter. Une valeur qui cesse de changer à l'écran n'est pas forcément correcte: elle peut stagner à cause d'une mauvaise échelle, d'une limite de précision ou d'un mauvais minimum.

Corrigé raisonné

Sens précis: Un calcul itératif converge lorsque les approximations successives se rapprochent d'une solution stable selon un critère défini.
Test du cas: Suivez le résidu ou l’écart entre itérations: une suite qui cesse visuellement de bouger n’est acceptable que si le critère de convergence annoncé est réellement satisfait.
Piège exclu: Une valeur qui cesse de changer à l'écran n'est pas forcément correcte: elle peut stagner à cause d'une mauvaise échelle, d'une limite de précision ou d'un mauvais minimum.
Conséquence opérationnelle: Une mauvaise interprétation de « convergence » peut rendre crédible un résultat numérique qui n’est ni convergé, ni stable, ni suffisamment précis pour décider.

Termes du corrigé. vérification · observation

Quantification: convergence: relation qualitative ici; aucune unité intrinsèque.
Vérification: convergence: confronter conclusion, contrôle et piège de la carte.

pas de calcul

Définition. Le pas de calcul est l'intervalle utilisé pour avancer dans une intégration ou échantillonner un phénomène. Un pas trop grand peut manquer la dynamique; un pas trop petit augmente le coût et peut amplifier certains problèmes numériques.

Exemple. Pour propager une orbite, comparer un pas de 60 s à un pas de 10 s permet de voir si le résultat change de façon significative.

Vérification. Divisez le pas par deux et recommencez: si la grandeur d’intérêt se déplace fortement, le pas initial était trop grossier pour conclure.

Attention. Ne choisissez jamais un pas seulement parce qu'il donne une courbe lisse: le bon pas dépend de la dynamique et du niveau de précision recherché.

En mission. Une mauvaise interprétation de « pas de calcul » peut rendre crédible un résultat numérique qui n’est ni convergé, ni stable, ni suffisamment précis pour décider.

Exercice guidé — pas de calcul

Situation à reconnaître. Pour propager une orbite, comparer un pas de 60 s à un pas de 10 s permet de voir si le résultat change de façon significative.

Vérification demandée. Divisez le pas par deux et recommencez: si la grandeur d’intérêt se déplace fortement, le pas initial était trop grossier pour conclure.

Erreur à écarter. Ne choisissez jamais un pas seulement parce qu'il donne une courbe lisse: le bon pas dépend de la dynamique et du niveau de précision recherché.

Corrigé raisonné

Sens précis: Le pas de calcul est l'intervalle utilisé pour avancer dans une intégration ou échantillonner un phénomène. Un pas trop grand peut manquer la dynamique; un pas trop petit augmente le coût et peut amplifier certains problèmes numériques.
Test du cas: Divisez le pas par deux et recommencez: si la grandeur d’intérêt se déplace fortement, le pas initial était trop grossier pour conclure.
Piège exclu: Ne choisissez jamais un pas seulement parce qu'il donne une courbe lisse: le bon pas dépend de la dynamique et du niveau de précision recherché.
Conséquence opérationnelle: Une mauvaise interprétation de « pas de calcul » peut rendre crédible un résultat numérique qui n’est ni convergé, ni stable, ni suffisamment précis pour décider.

conditionnement

Définition. Le conditionnement décrit la sensibilité intrinsèque d'un problème: si une petite variation des données provoque une grande variation du résultat, le problème est mal conditionné.

Exemple. Une géométrie presque singulière en navigation peut rendre certaines composantes de position très sensibles au bruit de mesure.

Vérification. Perturbez légèrement les données d’entrée: si une variation minuscule provoque une énorme variation de sortie, le problème est mal conditionné et les décimales affichées ne sont pas toutes crédibles.

Attention. Un algorithme stable ne peut pas supprimer la sensibilité physique d'un problème mal conditionné; il peut seulement éviter d'ajouter ses propres erreurs.

En mission. Une mauvaise interprétation de « conditionnement » peut rendre crédible un résultat numérique qui n’est ni convergé, ni stable, ni suffisamment précis pour décider.

Exercice guidé — conditionnement

Situation à reconnaître. Une géométrie presque singulière en navigation peut rendre certaines composantes de position très sensibles au bruit de mesure.

Vérification demandée. Perturbez légèrement les données d’entrée: si une variation minuscule provoque une énorme variation de sortie, le problème est mal conditionné et les décimales affichées ne sont pas toutes crédibles.

Erreur à écarter. Un algorithme stable ne peut pas supprimer la sensibilité physique d'un problème mal conditionné; il peut seulement éviter d'ajouter ses propres erreurs.

Corrigé raisonné

Sens précis: Le conditionnement décrit la sensibilité intrinsèque d'un problème: si une petite variation des données provoque une grande variation du résultat, le problème est mal conditionné.
Test du cas: Perturbez légèrement les données d’entrée: si une variation minuscule provoque une énorme variation de sortie, le problème est mal conditionné et les décimales affichées ne sont pas toutes crédibles.
Piège exclu: Un algorithme stable ne peut pas supprimer la sensibilité physique d'un problème mal conditionné; il peut seulement éviter d'ajouter ses propres erreurs.
Conséquence opérationnelle: Une mauvaise interprétation de « conditionnement » peut rendre crédible un résultat numérique qui n’est ni convergé, ni stable, ni suffisamment précis pour décider.

Quantification: conditionnement: relation qualitative ici; aucune unité intrinsèque.
Vérification: conditionnement: confronter conclusion, contrôle et piège de la carte.

Étude intégrée — Mathématiques avancées & calcul numérique

Situation à analyser. Un logiciel de trajectoire affiche une solution, mais l'équipe veut savoir si le solveur a réellement convergé et si une petite variation des données d'entrée change fortement le résultat.

erreur numérique: Additionner un très petit nombre à un très grand nombre peut perdre des chiffres significatifs sur une machine; répéter des milliers d'opérations peut accumuler des écarts. Contrôle attendu: Comparez le résultat à une estimation simple puis changez légèrement la précision ou la méthode: une variation disproportionnée signale que l’erreur numérique domine peut-être la réponse.
convergence: Un solveur de Lambert ou une méthode de Newton peut produire une suite de valeurs qui se stabilise; on surveille la variation entre deux itérations et le résidu de l'équation. Contrôle attendu: Suivez le résidu ou l’écart entre itérations: une suite qui cesse visuellement de bouger n’est acceptable que si le critère de convergence annoncé est réellement satisfait.
pas de calcul: Pour propager une orbite, comparer un pas de 60 s à un pas de 10 s permet de voir si le résultat change de façon significative. Contrôle attendu: Divisez le pas par deux et recommencez: si la grandeur d’intérêt se déplace fortement, le pas initial était trop grossier pour conclure.
conditionnement: Une géométrie presque singulière en navigation peut rendre certaines composantes de position très sensibles au bruit de mesure. Contrôle attendu: Perturbez légèrement les données d’entrée: si une variation minuscule provoque une énorme variation de sortie, le problème est mal conditionné et les décimales affichées ne sont pas toutes crédibles.

Le diagnostic ne doit pas confondre « erreur numérique » et « convergence ». Le premier se reconnaît ici par le cas suivant: Additionner un très petit nombre à un très grand nombre peut perdre des chiffres significatifs sur une machine; répéter des milliers d'opérations peut accumuler des écarts. Le second doit être contrôlé autrement: Suivez le résidu ou l’écart entre itérations: une suite qui cesse visuellement de bouger n’est acceptable que si le critère de convergence annoncé est réellement satisfait.

Une seconde vérification croise « pas de calcul » et « conditionnement ». Gardez comme alerte « Ne choisissez jamais un pas seulement parce qu'il donne une courbe lisse: le bon pas dépend de la dynamique et du niveau de précision recherché. »; pour « conditionnement », utilisez plutôt ce test: Perturbez légèrement les données d’entrée: si une variation minuscule provoque une énorme variation de sortie, le problème est mal conditionné et les décimales affichées ne sont pas toutes crédibles.

Exercice de synthèse

Dans la situation de « Mathématiques avancées & calcul numérique », classez les indices selon « erreur numérique » (Comparez le résultat à une estimation simple puis changez légèrement la précision ou la méthode: une variation disproportionnée signale que l’erreur numérique domine peut-être la réponse.), « convergence » (Suivez le résidu ou l’écart entre itérations: une suite qui cesse visuellement de bouger n’est acceptable que si le critère de convergence annoncé est réellement satisfait.), « pas de calcul » (Divisez le pas par deux et recommencez: si la grandeur d’intérêt se déplace fortement, le pas initial était trop grossier pour conclure.), « conditionnement » (Perturbez légèrement les données d’entrée: si une variation minuscule provoque une énorme variation de sortie, le problème est mal conditionné et les décimales affichées ne sont pas toutes crédibles.) Décision suspendue si un contrôle échoue.

Corrigé de synthèse

Pour erreur numérique, Une mauvaise interprétation de « erreur numérique » peut rendre crédible un résultat numérique qui n’est ni convergé, ni stable, ni suffisamment précis pour décider. Le garde-fou principal est: Ne confondez pas erreur numérique, erreur de mesure et erreur de modèle: elles ont des causes différentes et se traitent différemment. Pour convergence, Une mauvaise interprétation de « convergence » peut rendre crédible un résultat numérique qui n’est ni convergé, ni stable, ni suffisamment précis pour décider. Le garde-fou principal est: Une valeur qui cesse de changer à l'écran n'est pas forcément correcte: elle peut stagner à cause d'une mauvaise échelle, d'une limite de précision ou d'un mauvais minimum. Pour pas de calcul, Une mauvaise interprétation de « pas de calcul » peut rendre crédible un résultat numérique qui n’est ni convergé, ni stable, ni suffisamment précis pour décider. Le garde-fou principal est: Ne choisissez jamais un pas seulement parce qu'il donne une courbe lisse: le bon pas dépend de la dynamique et du niveau de précision recherché. Pour conditionnement, Une mauvaise interprétation de « conditionnement » peut rendre crédible un résultat numérique qui n’est ni convergé, ni stable, ni suffisamment précis pour décider. Le garde-fou principal est: Un algorithme stable ne peut pas supprimer la sensibilité physique d'un problème mal conditionné; il peut seulement éviter d'ajouter ses propres erreurs.

Mini-leçons quantitatives

Erreur relative

e_rel = |x_calc − x_ref| / |x_ref|

1 — Question concrète: Que permet de calculer « e_rel = |x_calc − x_ref| / |x_ref| » dans « Erreur relative » ?
2 — Intuition sans symboles: L’erreur relative rapporte l’écart à l’échelle du résultat de référence pour comparer des problèmes de tailles différentes.
3 — Grandeurs: e_rel: erreur relative; x_calc: valeur calculée; x_ref: valeur de référence
4 — Formule: e_rel = |x_calc − x_ref| / |x_ref|
5 — Lecture: « e relative égale |x calculé moins x référence| divisé par |x référence|. »
6 — Symboles et sens: e_rel: erreur relative; x_calc: valeur calculée; x_ref: valeur de référence
7 — Prononciation: La ligne « Lecture » ci-dessus donne la lecture orale de référence pour « Erreur relative ». Les indices, exposants et groupements éventuels doivent être prononcés lorsqu’ils changent le sens de la relation.
8 — Unités: e_rel sans dimension; x_calc et x_ref dans la même unité
9 — Convention: Pour « Erreur relative », remplacer les valeurs sans changer en cours de calcul le référentiel, la base de temps, la frontière du système ni la convention de signe. Unités annoncées : e_rel sans dimension; x_calc et x_ref dans la même unité.
10 — Pourquoi cette opération: Dans « Erreur relative », la division rapporte une grandeur à une référence, une durée ou une capacité ; le dénominateur doit correspondre au même cas et rester non nul.
11 — Hypothèses: La relation « e_rel = |x_calc − x_ref| / |x_ref| » ne vaut ici que pour le scénario décrit par la carte. Les entrées doivent être cohérentes entre elles et respecter les hypothèses physiques associées à « Erreur relative ».
12 — Contrôle d’unités: e_rel sans dimension; x_calc et x_ref dans la même unité Vérifier que la simplification dimensionnelle conduit bien à l’unité de la grandeur recherchée.
13 — Cas numérique: Avec x_calc = 316,3 et x_ref = 316,0, e_rel = 0,3/316,0 ≈ 0,000949 = 0,0949 %.
14 — Pourquoi le calcul fonctionne: Le cas numérique applique directement « e_rel = |x_calc − x_ref| / |x_ref| » aux valeurs annoncées. Le calcul est recevable parce que les grandeurs sont substituées dans la même relation avant d’interpréter le résultat pour « Erreur relative ».
15 — Contrôle indépendant: Contrôle rapide : remultiplier le résultat par le dénominateur doit reconstruire le numérateur de « Erreur relative » à l’arrondi près.
16 — Estimation mentale: Avant le calcul détaillé de « Erreur relative », arrondir les entrées à un chiffre utile et prévoir le signe ainsi que l’ordre de grandeur. Le résultat précis doit rester compatible avec cette estimation.
17 — Interprétation: Une petite erreur relative ne garantit pas que la valeur de référence soit exacte ou adaptée à la décision.
18 — Ce que le résultat ne prouve pas: Pour « Erreur relative », le nombre obtenu répond uniquement au modèle « e_rel = |x_calc − x_ref| / |x_ref| » dans le scénario déclaré. Il ne démontre ni la qualité des données d’entrée ni la validité du modèle dans d’autres conditions.
19 — Sensibilité: Faire varier une entrée à la fois autour du cas nominal permet d’identifier ce qui pilote le résultat de « Erreur relative » et de vérifier si cette variation peut changer la décision de mission.
20 — Exercices guidé et autonome: Exercice guidé. x_calc = 99,2 et x_ref = 100,0.
Correction guidée détaillée — ouvrir après essai
x_calc = 99,2 et x_ref = 100,0. e_rel = 0,8/100 = 0,008 = 0,8 %.
Exercice autonome. x_calc = 48,5 et x_ref = 50,0.
Correction autonome — ouvrir après essai
x_calc = 48,5 et x_ref = 50,0. e_rel = 1,5/50 = 0,03 = 3 %.
21 — Décision mission: Comparer l’erreur à la tolérance d’ingénierie réellement acceptable, pas à un seuil arbitraire.

Dérivée par différence finie

dx_dt ≈ (x_next − x_now) / dt

1 — Question concrète: Que permet de calculer « dx_dt ≈ (x_next − x_now) / dt » dans « Dérivée par différence finie » ?
2 — Intuition sans symboles: Une dérivée numérique estime la vitesse du changement à partir d’un écart observé sur un petit intervalle.
3 — Grandeurs: dx_dt: taux de variation estimé; x_next: valeur au pas suivant; x_now: valeur actuelle; dt: intervalle de temps
4 — Formule: dx_dt ≈ (x_next − x_now) / dt
5 — Lecture: « dx dt environ égal à parenthèse x suivant moins x actuel fin de parenthèse divisé par dt. »
6 — Symboles et sens: dx_dt: taux de variation estimé; x_next: valeur au pas suivant; x_now: valeur actuelle; dt: intervalle de temps
7 — Prononciation: La ligne « Lecture » ci-dessus donne la lecture orale de référence pour « Dérivée par différence finie ». Les indices, exposants et groupements éventuels doivent être prononcés lorsqu’ils changent le sens de la relation.
8 — Unités: dx_dt en unité de x par unité de temps; dt en temps
9 — Convention: Pour « Dérivée par différence finie », remplacer les valeurs sans changer en cours de calcul le référentiel, la base de temps, la frontière du système ni la convention de signe. Unités annoncées : dx_dt en unité de x par unité de temps; dt en temps.
10 — Pourquoi cette opération: Dans « Dérivée par différence finie », la division rapporte une grandeur à une référence, une durée ou une capacité ; le dénominateur doit correspondre au même cas et rester non nul.
11 — Hypothèses: La relation « dx_dt ≈ (x_next − x_now) / dt » ne vaut ici que pour le scénario décrit par la carte. Les entrées doivent être cohérentes entre elles et respecter les hypothèses physiques associées à « Dérivée par différence finie ».
12 — Contrôle d’unités: dx_dt en unité de x par unité de temps; dt en temps Vérifier que la simplification dimensionnelle conduit bien à l’unité de la grandeur recherchée.
13 — Cas numérique: Avec x_now = 1 200 kg, x_next = 1 110 kg et dt = 9 h, dx_dt = −90/9 = −10 kg/h.
14 — Pourquoi le calcul fonctionne: Le cas numérique applique directement « dx_dt ≈ (x_next − x_now) / dt » aux valeurs annoncées. Le calcul est recevable parce que les grandeurs sont substituées dans la même relation avant d’interpréter le résultat pour « Dérivée par différence finie ».
15 — Contrôle indépendant: Contrôle rapide : remultiplier le résultat par le dénominateur doit reconstruire le numérateur de « Dérivée par différence finie » à l’arrondi près.
16 — Estimation mentale: Avant le calcul détaillé de « Dérivée par différence finie », arrondir les entrées à un chiffre utile et prévoir le signe ainsi que l’ordre de grandeur. Le résultat précis doit rester compatible avec cette estimation.
17 — Interprétation: Le résultat dépend du pas choisi et peut masquer une dynamique rapide entre les deux échantillons.
18 — Ce que le résultat ne prouve pas: Pour « Dérivée par différence finie », le nombre obtenu répond uniquement au modèle « dx_dt ≈ (x_next − x_now) / dt » dans le scénario déclaré. Il ne démontre ni la qualité des données d’entrée ni la validité du modèle dans d’autres conditions.
19 — Sensibilité: Faire varier une entrée à la fois autour du cas nominal permet d’identifier ce qui pilote le résultat de « Dérivée par différence finie » et de vérifier si cette variation peut changer la décision de mission.
20 — Exercices guidé et autonome: Exercice guidé. x_now = 80, x_next = 92, dt = 4 s.
Correction guidée détaillée — ouvrir après essai
x_now = 80, x_next = 92, dt = 4 s. dx_dt = 12/4 = 3 par seconde.
Exercice autonome. x_now = 50, x_next = 44, dt = 3 min.
Correction autonome — ouvrir après essai
x_now = 50, x_next = 44, dt = 3 min. dx_dt = −6/3 = −2 par minute.
21 — Décision mission: Réduire le pas ou comparer plusieurs pas si la décision est sensible à la dérivée estimée.

Pas d’Euler explicite

x_next = x_now + dt×f_now

1 — Question concrète: Que permet de calculer « x_next = x_now + dt×f_now » dans « Pas d’Euler explicite » ?
2 — Intuition sans symboles: Euler avance l’état en ajoutant la variation estimée pendant un petit pas à partir de la pente actuelle.
3 — Grandeurs: x_next: état estimé au pas suivant; x_now: état actuel; dt: pas de temps; f_now: dérivée évaluée à l’état actuel
4 — Formule: x_next = x_now + dt×f_now
5 — Lecture: « x suivant égale x actuel plus dt multiplié par f actuel. »
6 — Symboles et sens: x_next: état estimé au pas suivant; x_now: état actuel; dt: pas de temps; f_now: dérivée évaluée à l’état actuel
7 — Prononciation: La ligne « Lecture » ci-dessus donne la lecture orale de référence pour « Pas d’Euler explicite ». Les indices, exposants et groupements éventuels doivent être prononcés lorsqu’ils changent le sens de la relation.
8 — Unités: x_next et x_now dans l’unité de l’état; dt en temps; f_now en état par temps
9 — Convention: Pour « Pas d’Euler explicite », remplacer les valeurs sans changer en cours de calcul le référentiel, la base de temps, la frontière du système ni la convention de signe. Unités annoncées : x_next et x_now dans l’unité de l’état; dt en temps; f_now en état par temps.
10 — Pourquoi cette opération: L’addition rassemble des contributions exprimées sur la même base pour obtenir un total cohérent.
11 — Hypothèses: Toutes les contributions doivent employer une unité et un périmètre communs.
12 — Contrôle d’unités: x_next et x_now dans l’unité de l’état; dt en temps; f_now en état par temps Vérifier que la simplification dimensionnelle conduit bien à l’unité de la grandeur recherchée.
13 — Cas numérique: Avec x_now = 100, dt = 2 s et f_now = −3/s, x_next = 100 + 2×(−3) = 94.
14 — Pourquoi le calcul fonctionne: L’addition rassemble des contributions exprimées sur la même base pour obtenir un total cohérent.
15 — Contrôle indépendant: Retirer une contribution du total doit restituer la somme des autres.
16 — Estimation mentale: Additionner d’abord les termes dominants donne rapidement l’ordre de grandeur.
17 — Interprétation: Euler est simple mais peut devenir instable ou imprécis si le pas est trop grand par rapport à la dynamique.
18 — Ce que le résultat ne prouve pas: Pour « Pas d’Euler explicite », le nombre obtenu répond uniquement au modèle « x_next = x_now + dt×f_now » dans le scénario déclaré. Il ne démontre ni la qualité des données d’entrée ni la validité du modèle dans d’autres conditions.
19 — Sensibilité: Le total varie linéairement avec chaque contribution si les autres restent constantes.
20 — Exercices guidé et autonome: Exercice guidé. x_now = 20, dt = 0,5 s, f_now = 4/s.
Correction guidée détaillée — ouvrir après essai
x_now = 20, dt = 0,5 s, f_now = 4/s. x_next = 20 + 0,5×4 = 22.
Exercice autonome. x_now = 60, dt = 1,5 s, f_now = −2/s.
Correction autonome — ouvrir après essai
x_now = 60, dt = 1,5 s, f_now = −2/s. x_next = 60 − 3 = 57.
21 — Décision mission: Tester la convergence en réduisant le pas avant d’utiliser le résultat pour une décision critique.

Intégration trapézoïdale sur un pas

I_step = 0.5×(y_now + y_next)×dt

1 — Question concrète: Que permet de calculer « I_step = 0.5×(y_now + y_next)×dt » dans « Intégration trapézoïdale sur un pas » ?
2 — Intuition sans symboles: La règle du trapèze utilise la moyenne des deux extrémités pour approximer l’aire sous la courbe.
3 — Grandeurs: I_step: contribution intégrée; y_now: valeur au début; y_next: valeur à la fin; dt: durée du pas
4 — Formule: I_step = 0.5×(y_now + y_next)×dt
5 — Lecture: « I step égale 0.5 multiplié par parenthèse y actuel plus y suivant fin de parenthèse multiplié par dt. »
6 — Symboles et sens: I_step: contribution intégrée; y_now: valeur au début; y_next: valeur à la fin; dt: durée du pas
7 — Prononciation: La ligne « Lecture » ci-dessus donne la lecture orale de référence pour « Intégration trapézoïdale sur un pas ». Les indices, exposants et groupements éventuels doivent être prononcés lorsqu’ils changent le sens de la relation.
8 — Unités: I_step en unité de y × temps; y dans son unité; dt en temps
9 — Convention: Pour « Intégration trapézoïdale sur un pas », remplacer les valeurs sans changer en cours de calcul le référentiel, la base de temps, la frontière du système ni la convention de signe. Unités annoncées : I_step en unité de y × temps; y dans son unité; dt en temps.
10 — Pourquoi cette opération: Dans « Intégration trapézoïdale sur un pas », la multiplication combine les facteurs qui construisent directement la grandeur recherchée ; elle n’est valable que si ces facteurs décrivent le même cas.
11 — Hypothèses: La relation « I_step = 0.5×(y_now + y_next)×dt » ne vaut ici que pour le scénario décrit par la carte. Les entrées doivent être cohérentes entre elles et respecter les hypothèses physiques associées à « Intégration trapézoïdale sur un pas ».
12 — Contrôle d’unités: I_step en unité de y × temps; y dans son unité; dt en temps Vérifier que la simplification dimensionnelle conduit bien à l’unité de la grandeur recherchée.
13 — Cas numérique: Avec y_now = 10 kW, y_next = 14 kW et dt = 2 h, I_step = 0,5×24×2 = 24 kWh.
14 — Pourquoi le calcul fonctionne: Le cas numérique applique directement « I_step = 0.5×(y_now + y_next)×dt » aux valeurs annoncées. Le calcul est recevable parce que les grandeurs sont substituées dans la même relation avant d’interpréter le résultat pour « Intégration trapézoïdale sur un pas ».
15 — Contrôle indépendant: Contrôle rapide : si un facteur est non nul, diviser le résultat par ce facteur doit retrouver l’autre contribution attendue dans « Intégration trapézoïdale sur un pas ».
16 — Estimation mentale: Avant le calcul détaillé de « Intégration trapézoïdale sur un pas », arrondir les entrées à un chiffre utile et prévoir le signe ainsi que l’ordre de grandeur. Le résultat précis doit rester compatible avec cette estimation.
17 — Interprétation: La précision dépend de la courbure réelle entre les points; deux valeurs terminales ne prouvent pas un profil linéaire.
18 — Ce que le résultat ne prouve pas: Pour « Intégration trapézoïdale sur un pas », le nombre obtenu répond uniquement au modèle « I_step = 0.5×(y_now + y_next)×dt » dans le scénario déclaré. Il ne démontre ni la qualité des données d’entrée ni la validité du modèle dans d’autres conditions.
19 — Sensibilité: Faire varier une entrée à la fois autour du cas nominal permet d’identifier ce qui pilote le résultat de « Intégration trapézoïdale sur un pas » et de vérifier si cette variation peut changer la décision de mission.
20 — Exercices guidé et autonome: Exercice guidé. y_now = 5, y_next = 9, dt = 3 s.
Correction guidée détaillée — ouvrir après essai
y_now = 5, y_next = 9, dt = 3 s. I_step = 0,5×14×3 = 21 unité·s.
Exercice autonome. y_now = 20, y_next = 16, dt = 4 min.
Correction autonome — ouvrir après essai
y_now = 20, y_next = 16, dt = 4 min. I_step = 0,5×36×4 = 72 unité·min.
21 — Décision mission: Raffiner le maillage si la grandeur change rapidement ou présente des discontinuités.

Interpolation linéaire

y = y1 + (x − x1)×(y2 − y1)/(x2 − x1)

1 — Question concrète: Que permet de calculer « y = y1 + (x − x1)×(y2 − y1)/(x2 − x1) » dans « Interpolation linéaire » ?
2 — Intuition sans symboles: Entre deux points, l’interpolation linéaire répartit la variation proportionnellement à la position relative de la cible.
3 — Grandeurs: y: valeur interpolée; x: position cible; x1: première abscisse; x2: deuxième abscisse; y1: première valeur; y2: deuxième valeur
4 — Formule: y = y1 + (x − x1)×(y2 − y1)/(x2 − x1)
5 — Lecture: « y égale y1 plus parenthèse x moins x1 fin de parenthèse multiplié par parenthèse y2 moins y1 fin de parenthèse divisé par parenthèse x2 moins x1 fin de parenthèse. »
6 — Symboles et sens: y: valeur interpolée; x: position cible; x1: première abscisse; x2: deuxième abscisse; y1: première valeur; y2: deuxième valeur
7 — Prononciation: La ligne « Lecture » ci-dessus donne la lecture orale de référence pour « Interpolation linéaire ». Les indices, exposants et groupements éventuels doivent être prononcés lorsqu’ils changent le sens de la relation.
8 — Unités: x, x1, x2 dans la même unité; y, y1, y2 dans la même unité
9 — Convention: Pour « Interpolation linéaire », remplacer les valeurs sans changer en cours de calcul le référentiel, la base de temps, la frontière du système ni la convention de signe. Unités annoncées : x, x1, x2 dans la même unité; y, y1, y2 dans la même unité.
10 — Pourquoi cette opération: Dans « Interpolation linéaire », la division rapporte une grandeur à une référence, une durée ou une capacité ; le dénominateur doit correspondre au même cas et rester non nul.
11 — Hypothèses: La relation « y = y1 + (x − x1)×(y2 − y1)/(x2 − x1) » ne vaut ici que pour le scénario décrit par la carte. Les entrées doivent être cohérentes entre elles et respecter les hypothèses physiques associées à « Interpolation linéaire ».
12 — Contrôle d’unités: x, x1, x2 dans la même unité; y, y1, y2 dans la même unité Vérifier que la simplification dimensionnelle conduit bien à l’unité de la grandeur recherchée.
13 — Cas numérique: Entre (x1=0, y1=10) et (x2=100, y2=30), pour x=25, y = 10 + 25×20/100 = 15.
14 — Pourquoi le calcul fonctionne: Le cas numérique applique directement « y = y1 + (x − x1)×(y2 − y1)/(x2 − x1) » aux valeurs annoncées. Le calcul est recevable parce que les grandeurs sont substituées dans la même relation avant d’interpréter le résultat pour « Interpolation linéaire ».
15 — Contrôle indépendant: Contrôle rapide : remultiplier le résultat par le dénominateur doit reconstruire le numérateur de « Interpolation linéaire » à l’arrondi près.
16 — Estimation mentale: Avant le calcul détaillé de « Interpolation linéaire », arrondir les entrées à un chiffre utile et prévoir le signe ainsi que l’ordre de grandeur. Le résultat précis doit rester compatible avec cette estimation.
17 — Interprétation: L’interpolation n’est fiable que si la fonction est suffisamment régulière entre les deux points.
18 — Ce que le résultat ne prouve pas: Pour « Interpolation linéaire », le nombre obtenu répond uniquement au modèle « y = y1 + (x − x1)×(y2 − y1)/(x2 − x1) » dans le scénario déclaré. Il ne démontre ni la qualité des données d’entrée ni la validité du modèle dans d’autres conditions.
19 — Sensibilité: Faire varier une entrée à la fois autour du cas nominal permet d’identifier ce qui pilote le résultat de « Interpolation linéaire » et de vérifier si cette variation peut changer la décision de mission.
20 — Exercices guidé et autonome: Exercice guidé. x1=0, x2=10, y1=50, y2=70, x=4.
Correction guidée détaillée — ouvrir après essai
x1=0, x2=10, y1=50, y2=70, x=4. y = 50 + 4×20/10 = 58.
Exercice autonome. x1=20, x2=40, y1=100, y2=160, x=35.
Correction autonome — ouvrir après essai
x1=20, x2=40, y1=100, y2=160, x=35. y = 100 + 15×60/20 = 145.
21 — Décision mission: Éviter l’extrapolation non justifiée au-delà des bornes de données.

Combinaison RSS d’incertitudes indépendantes

u_total = sqrt(u1^2 + u2^2 + u3^2)

1 — Question concrète: Que permet de calculer « u_total = sqrt(u1^2 + u2^2 + u3^2) » dans « Combinaison RSS d’incertitudes indépendantes » ?
2 — Intuition sans symboles: Des contributions indépendantes ne s’additionnent pas systématiquement dans le même sens; la somme quadratique reflète cette structure.
3 — Grandeurs: u_total: incertitude combinée; u1: première contribution; u2: deuxième; u3: troisième
4 — Formule: u_total = sqrt(u1^2 + u2^2 + u3^2)
5 — Lecture: « u total égale racine carrée de parenthèse u1 au carré plus u2 au carré plus u3 au carré fin de parenthèse. »
6 — Symboles et sens: u_total: incertitude combinée; u1: première contribution; u2: deuxième; u3: troisième
7 — Prononciation: La ligne « Lecture » ci-dessus donne la lecture orale de référence pour « Combinaison RSS d’incertitudes indépendantes ». Les indices, exposants et groupements éventuels doivent être prononcés lorsqu’ils changent le sens de la relation.
8 — Unités: toutes les incertitudes dans la même unité
9 — Convention: Pour « Combinaison RSS d’incertitudes indépendantes », remplacer les valeurs sans changer en cours de calcul le référentiel, la base de temps, la frontière du système ni la convention de signe. Unités annoncées : toutes les incertitudes dans la même unité.
10 — Pourquoi cette opération: Dans « Combinaison RSS d’incertitudes indépendantes », la racine ramène une grandeur quadratique à l’échelle de la grandeur recherchée ; les termes combinés doivent suivre l’hypothèse du modèle.
11 — Hypothèses: La relation « u_total = sqrt(u1^2 + u2^2 + u3^2) » ne vaut ici que pour le scénario décrit par la carte. Les entrées doivent être cohérentes entre elles et respecter les hypothèses physiques associées à « Combinaison RSS d’incertitudes indépendantes ».
12 — Contrôle d’unités: toutes les incertitudes dans la même unité Vérifier que la simplification dimensionnelle conduit bien à l’unité de la grandeur recherchée.
13 — Cas numérique: Avec u1 = 0,20 mm, u2 = 0,15 mm et u3 = 0,10 mm, u_total = sqrt(0,04+0,0225+0,01) ≈ 0,2693 mm.
14 — Pourquoi le calcul fonctionne: Le cas numérique applique directement « u_total = sqrt(u1^2 + u2^2 + u3^2) » aux valeurs annoncées. Le calcul est recevable parce que les grandeurs sont substituées dans la même relation avant d’interpréter le résultat pour « Combinaison RSS d’incertitudes indépendantes ».
15 — Contrôle indépendant: Contrôle rapide : remettre le résultat au carré doit reconstruire la grandeur quadratique attendue dans « Combinaison RSS d’incertitudes indépendantes ».
16 — Estimation mentale: Avant le calcul détaillé de « Combinaison RSS d’incertitudes indépendantes », arrondir les entrées à un chiffre utile et prévoir le signe ainsi que l’ordre de grandeur. Le résultat précis doit rester compatible avec cette estimation.
17 — Interprétation: Si les contributions sont corrélées, il faut inclure les covariance au lieu d’utiliser cette forme simple.
18 — Ce que le résultat ne prouve pas: Pour « Combinaison RSS d’incertitudes indépendantes », le nombre obtenu répond uniquement au modèle « u_total = sqrt(u1^2 + u2^2 + u3^2) » dans le scénario déclaré. Il ne démontre ni la qualité des données d’entrée ni la validité du modèle dans d’autres conditions.
19 — Sensibilité: Faire varier une entrée à la fois autour du cas nominal permet d’identifier ce qui pilote le résultat de « Combinaison RSS d’incertitudes indépendantes » et de vérifier si cette variation peut changer la décision de mission.
20 — Exercices guidé et autonome: Exercice guidé. u1=3, u2=4, u3=0.
Correction guidée détaillée — ouvrir après essai
u1=3, u2=4, u3=0. u_total = sqrt(9+16) = 5.
Exercice autonome. u1=1, u2=2, u3=2.
Correction autonome — ouvrir après essai
u1=1, u2=2, u3=2. u_total = sqrt(1+4+4) = 3.
21 — Décision mission: Documenter indépendance et corrélations avant de créditer une réduction RSS.

Progression de maîtrise

erreur numérique: appliquez le contrôle concret de sa fiche.
convergence: appliquez le contrôle concret de sa fiche.
pas de calcul: appliquez le contrôle concret de sa fiche.
conditionnement: appliquez le contrôle concret de sa fiche.
Synthèse de « Mathématiques avancées & calcul numérique »: confrontez « erreur numérique » à « convergence »; choisissez le contrôle prioritaire.

Vérification de maîtrise

Validation 17 — erreur numérique, convergence, pas de calcul, conditionnement. Pour chaque notion: un indice et un contrôle.

Objectifs de maîtrise

Lire « erreur numérique » comme un problème concret de « Mathématiques avancées & calcul numérique » et non comme une définition à réciter.
Contrôler un résultat chiffré lié à « erreur numérique » par une seconde méthode simple.
Dire quelle donnée supplémentaire manque avant de trancher sur « convergence ».
Choisir une réponse opérationnelle cohérente avec « pas de calcul » et ses marges.

1. Vecteurs et matrices: organiser plusieurs grandeurs à la fois

Un vecteur regroupe des composantes qui appartiennent à un même état: position x, y, z; vitesse vx, vy, vz; ou erreurs de capteur. Une matrice décrit comment plusieurs grandeurs se combinent. Dans un problème spatial, elle sert notamment à changer de repère, propager une covariance ou linéariser un système. La règle fondamentale est dimensionnelle: une matrice 3×3 ne peut multiplier qu’un objet compatible. Avant tout calcul, écrire les dimensions évite une grande partie des erreurs.

2. Dérivées et gradients: mesurer la vitesse du changement

Une dérivée répond à la question « de combien la sortie change-t-elle lorsque l’entrée varie un peu? ». La vitesse est la dérivée de la position, l’accélération celle de la vitesse, et un gradient rassemble plusieurs dérivées partielles. En conception, ces notions servent aussi aux sensibilités: si une masse augmente de 1 %, quelle variable de mission réagit le plus? Le gradient permet de hiérarchiser les paramètres au lieu de modifier tout au hasard.

3. Équations différentielles: représenter un système qui évolue

Beaucoup de lois physiques lient une grandeur à sa dérivée. L’équation dv/dt=a dit que la vitesse évolue selon l’accélération. Pour un réservoir, dm/dt peut représenter un débit sortant; pour une batterie, dE/dt relie énergie stockée, production et consommation. Une équation différentielle n’est donc pas un symbole abstrait: c’est une règle d’évolution. L’état initial et les conditions aux limites sont aussi importants que l’équation elle-même.

4. Intégration numérique: avancer par petits pas sans se raconter d’histoire

Quand une solution exacte n’existe pas ou devient impraticable, le calcul numérique avance le temps par pas. Euler est simple mais peut accumuler beaucoup d’erreur; Runge–Kutta évalue plusieurs pentes dans chaque pas et offre généralement une meilleure précision. Le pas de temps est un choix d’ingénierie: trop grand, il masque la dynamique; trop petit, il coûte du calcul sans bénéfice. On vérifie la convergence en répétant le calcul avec un pas plus fin.

5. Interpolation, ajustement et données imparfaites

Les mesures n’arrivent pas toujours exactement au temps où le modèle en a besoin. L’interpolation estime une valeur entre des échantillons. L’ajustement cherche les paramètres d’un modèle qui expliquent au mieux un ensemble de mesures. Il faut distinguer interpolation et extrapolation: prédire au-delà de la plage mesurée est beaucoup plus risqué. Une courbe très lisse ne prouve jamais qu’un modèle est juste.

6. Probabilités, covariance et propagation d’incertitude

Une mission ne possède pas une position parfaitement connue ni une consommation exactement constante. On représente donc des incertitudes, souvent par des écarts-types et des covariances. Une covariance positive indique que deux erreurs tendent à évoluer dans le même sens; une covariance négative, dans des sens opposés. Propager l’incertitude signifie calculer comment ces erreurs d’entrée se transforment en dispersion de sortie.

Approfondissement — Covariance: suivre l’incertitude comme une grandeur physique

Une estimation de position n’est jamais un simple triplet de coordonnées. Elle doit être accompagnée de son incertitude et, surtout, des corrélations entre variables. On rassemble souvent ces informations dans une matrice de covariance P. La lettre P désigne ici la matrice; ses termes diagonaux contiennent les variances de chaque variable, c’est-à-dire le carré de leur écart-type, et les termes hors diagonale décrivent la manière dont deux erreurs évoluent ensemble. Si l’incertitude sur la position selon x augmente en même temps que celle sur la vitesse selon x, les deux grandeurs sont corrélées et les traiter comme indépendantes donne une fausse confiance.

Exemple simplifié: si l’écart-type sur une position vaut σₓ = 120 m, où σₓ signifie l’écart-type de la coordonnée x, une règle naïve pourrait annoncer une zone de ±120 m. Mais une ellipse d’incertitude réelle dépend aussi de y, de la covariance x–y et du niveau de confiance choisi. Pour un atterrissage, cette ellipse doit ensuite être propagée pendant la descente. Les capteurs réduisent certaines incertitudes, les modèles en ajoutent d’autres et les manœuvres transforment la géométrie. C’est pour cela qu’un chiffre de précision sans intervalle ni hypothèse n’est pas une information complète.

7. Monte-Carlo: répéter le scénario pour voir la distribution des résultats

Une simulation Monte-Carlo tire aléatoirement des valeurs d’entrée dans des distributions définies puis répète le modèle de nombreuses fois. On obtient non pas un unique résultat, mais une distribution: médiane, percentiles, cas extrêmes. Cette méthode est puissante pour les systèmes non linéaires, mais elle ne sauve pas un mauvais modèle. Si les distributions d’entrée sont irréalistes, la précision statistique des sorties donne seulement une illusion de rigueur.

Approfondissement — Monte-Carlo de mission: remplacer le scénario nominal par une distribution de résultats

Une mission ne vole qu’une fois, mais l’équipe peut la simuler des milliers de fois. Dans une analyse Monte-Carlo, on tire aléatoirement des valeurs d’entrée suivant des distributions représentant les incertitudes: masse, densité atmosphérique, vent, erreur de capteur, poussée, délai logiciel, position initiale. Chaque simulation produit une sortie: point d’atterrissage, carburant restant, température maximale ou marge de batterie. Après N essais, où N est le nombre total de simulations, on n’obtient plus une seule réponse mais une distribution. On peut alors demander quelle fraction des cas viole une contrainte.

Supposons 20 000 simulations d’atterrissage et 18 cas hors zone sûre. La fréquence empirique est 18 ÷ 20 000 = 0,0009, soit 0,09 %. Ce nombre ne prouve pas que le risque réel vaut exactement 0,09 %: il dépend des distributions d’entrée, des corrélations et de la fidélité du modèle. La bonne pratique consiste à examiner les cas extrêmes, identifier les variables dominantes et relancer l’analyse après correction. L’objectif n’est donc pas de produire un joli histogramme, mais de découvrir quels mécanismes créent les échecs rares et si une marge d’ingénierie peut les rendre impossibles ou seulement moins probables.

8. Conditionnement numérique et contrôle de vraisemblance

Un calcul peut être mathématiquement défini et numériquement fragile. Soustraire deux nombres presque égaux ou inverser une matrice mal conditionnée peut amplifier les erreurs d’arrondi. L’ingénieur surveille donc ordres de grandeur, unités, résidus et stabilité. Une règle simple reste indispensable: avant de faire confiance à dix décimales, estimer le résultat à la main et demander si son signe et son échelle ont un sens physique.

Approfondissement — Conditionnement, échelles et chiffres qui ont l’air précis mais ne le sont pas

Un calcul numérique peut être faux alors que chaque opération arithmétique est correcte. Le danger apparaît lorsque le problème est mal conditionné: une petite erreur sur l’entrée produit une grande variation du résultat. Imaginons qu’une trajectoire soit calculée à partir de deux positions presque identiques puis que l’on soustraie ces grands nombres pour obtenir un petit déplacement. Si les positions sont arrondies, les chiffres significatifs communs peuvent s’annuler et l’erreur relative sur le déplacement devient énorme. La première règle est donc d’observer les ordres de grandeur avant de lancer un solveur: quelles variables valent 10⁶, lesquelles valent 10⁻³, et lesquelles résultent d’une différence entre deux valeurs presque égales?

On peut représenter la sensibilité par un nombre de condition κ, lettre grecque kappa. Ici, κ mesure à quel point une erreur relative sur les données peut être amplifiée dans le résultat. κ proche de 1 indique un problème bien conditionné; κ très grand signale qu’une petite incertitude d’entrée peut devenir dominante. Le nombre de condition ne remplace pas une analyse physique: il avertit que davantage de chiffres dans le logiciel ne suffiront peut-être pas. Dans une mission martienne, cette question intervient dans la navigation, la reconstruction d’orbite, l’estimation de paramètres atmosphériques et le traitement d’instruments. Un bon ingénieur demande donc non seulement « quelle est la valeur? », mais « combien de décimales de cette valeur sont réellement supportées par les données? ».

Exemple calculé pas à pas

La méthode de travail est toujours la même: écrire ce que représente chaque symbole, convertir toutes les unités vers un système cohérent, effectuer l’opération, puis traduire le résultat en phrase — « Approfondissement — Conditionnement, échelles et chiffres ». Enfin, faire un contrôle d’ordre de grandeur. Pour « Approfondissement — Conditionnement, échelles et chiffres », si le résultat change de facteur mille lorsqu’on passe de millimètres à mètres, la conversion doit être visible dans le calcul.

Exercice progressif

Choisissez un cas élémentaire de « erreur numérique », puis dressez les données utiles à « Mathématiques avancées & calcul numérique », leur origine et leurs unités avant de calculer.
Calculer le résultat nominal sans marge.
Modifier le paramètre le plus incertain de ±20 % et comparer — « Approfondissement — Conditionnement, échelles et chiffres ».
Ajouter une panne crédible et expliquer quel indicateur permet de la détecter — « Approfondissement — Conditionnement, échelles et chiffres ».
Décider si le système continue, se dégrade ou doit s’arrêter — « Approfondissement — Conditionnement, échelles et chiffres ».

Solution raisonnée

Pour « Mathématiques avancées & calcul numérique », le résultat final doit être accompagné de son unité, de l’hypothèse qui le domine et de ce qu’il change pour « erreur numérique ». Elle montre les conversions, la logique de la formule, la sensibilité et la décision — module 17 · Solution raisonnée. Si deux hypothèses différentes conduisent à la même décision opérationnelle, la conception est relativement robuste à cette incertitude. Dans le corrigé de « Mathématiques avancées & calcul numérique », une variation capable d’inverser la conclusion sur « erreur numérique » devient une priorité de mesure ou de marge.

Mini-projet de validation

Construisez un dossier de validation consacré à « Mathématiques avancées & calcul numérique »: il doit rendre vérifiable au moins un choix concernant « erreur numérique » et expliciter le cas qui ferait rejeter ce choix. Le livrable du module 17 doit montrer comment vous passez de Comprendre avant de calculer à erreur numérique, puis comment un échec de convergence modifierait la solution retenue. Le mini-projet sur « Mathématiques avancées & calcul numérique » est recevable si un autre équipier peut reproduire la vérification de « erreur numérique » et retrouver la même décision à partir des mêmes données.

Erreurs classiques à détecter

Attribuer une cause à « erreur numérique » sans vérifier un indice indépendant du même phénomène.
Utiliser une valeur de « erreur numérique » sans indiquer son unité, son origine ou sa plage de validité.
Conclure sur « convergence » à partir du cas nominal alors qu’un état dégradé change la décision.
Dans « Mathématiques avancées & calcul numérique », ne laissez jamais une précision numérique masquer l’hypothèse qui commande réellement le résultat.

Sources primaires et passerelles

Repères lexicaux du module. état dégradé