Enseignement

2023-2024.
Modélisation déterministe en M2.
Préparation à l'agrégation, option B.
TD d'équations difféffentielles en L3.
TP d'optimisation et application au machine learning en M2.
TP d'optimisation en M1.

2022-2023.
Modélisation déterministe en M2.
Préparation à l'agrégation, option B.
TP d'optimisation et application au machine learning en M2.
TP de statistiques en L3.

2021-2022.
Modélisation déterministe en M2.
Préparation à l'agrégation, option B.
TP d'optimisation et application au machine learning en M2.

2020-2021.
Analyse et équations aux dérivées partielles, cours de M2 SITN.

2019-2020.
Travaux dirigés de probabilités et statistiques en L3.

2016-2020.
Analyse matricielle en L3.
Modélisation en physique et analyse numérique des équations aux dérivées partielles, en M2.
Préparation à l'oral de modélisation (option B) pour l'agrégation.

Avant 2016 : à Orsay

2012-2015.
MAO option calcul scientifique en M1 MFA (cours et TP).
Analyse numérique des sytèmes hyperboliques en M2 MFA (cours commun aux étudiants d'Orsay et de Paris-6).
Optimisation numérique (TP) en M1 IM.
Mécanique et modélisation en M1 MIM.

2011-2012.
MAO option calcul scientifique en M1 MFA (cours et TP).
Analyse numérique des sytèmes hyperboliques en M2 MFA (cours).
Préparation à l'oral de modélisation à l'agrégation (cours, TP, textes).
Mécanique et modélisation en M1 MIM.

2010-2011.
MAO option calcul scientifique en M1 MFA (cours et TP).
Analyse numérique des sytèmes hyperboliques (avec Benjamin Graille) en M2 MFA (cours).
Préparation à l'oral de modélisation à l'agrégation (cours, TP, textes).
Mécanique et modélisation en M1 MIM.

2009-2010.
Analyse numérique en M2 MIM (cours).
MAO option calcul scientifique en M1 MFA (cours et TP).
Analyse numérique des sytèmes hyperboliques (avec Benjamin Graille) en M2 MFA (cours).
Préparation à l'oral de modélisation à l'agrégation (cours, TP, textes).

Avant 2009 : à Paris 7

2008-2009.
Analyse réelle en M1 (travaux dirigés).
Bases des méthodes numériques en M1 (travaux dirigés et/mais toujours pratiques).
Cours-TP pour la préparation à l'agrégation.
Textes de modélisation pour la préparation à l'agrégation.
Équations aux dérivées partielles et approximations en M1 (cours).

2007-2008.
Bases des méthodes numériques en M1 (travaux dirigés et/mais pratiques).
Cours-TP pour la préparation à l'agrégation.
Textes de modélisation pour la préparation à l'agrégation.
Équations aux dérivées partielles et approximations en M1 (cours).

2006-2007.
Équations aux dérivées partielles et approximations en M1 (cours).

2005-2006.
Comme en 2004-2005, et quelques heures d'introduction aux équations aux dérivées partielles en M1 de biologie.

2004-2005.
Algèbre et Analyse en L2 (travaux dirigés).
Analyse numérique matricielle en L3 (travaux dirigés) : réduction de matrices, analyse matricielle, méthodes directes de résolution de systèmes linéaires, méthodes itératives stationnaires, méthodes de descente.
Équations aux dérivées partielles et approximations en M1 (cours).

2003-2004.
Algèbre et Analyse en DEUG 2 (travaux dirigés) : suites et séries de fonctions, séries entières, algèbre linéaire, équations différentielles.
Optimisation en licence (travaux dirigés).
Équations aux dérivées partielles et approximations en maîtrise (cours) : équations paraboliques, hyperboliques, elliptiques, méthodes de différences finies, de volumes finis et d'éléments finis.

2001-2003.
Analyse en maîtrise (travaux dirigés) : équations différentielles ordinaires, espaces de Banach, espaces de Hilbert.
Optimisation en licence (travaux dirigés) : ensembles et fonctions convexes, optimisation en dimension finie.
Équations aux dérivées partielles en maîtrise (travaux dirigés) : équations elliptiques, paraboliques, hyperboliques ; éléments finis, différences finies.


Notes de cours d'équations aux dérivées partielles : ici.

POUR LE M2 MATHS EN ACTION :
Notes du cours de modélisation et analyse du 25 novembre 2020 (analyse d'erreur pour schémas pour le transport puis modélisation des fluides parfaits)
Notes du cours de modélisation et analyse du 2 décembre 2020 (fluides parfaits, systèmes hyperboliques, fluides incompressibles, paradoxe de d'Alembert)
Notes du cours de modélisation et analyse du 9 décembre 2020 (modélisation des fluides visqueux : Navier-Stokes et Stokes)

POUR LE M2 SITN :
Notes du cours d'analyse et équations aux dérivées partielles du 11 décembre 2020 (équations non linéaires, formulation faible, relations de Rankine-Hugoniot
Notes du cours d'analyse et équations aux dérivées partielles du 18 décembre 2020 (équations non linéaires, solutions entropiques, modélisation des fluides parfaits.
TP de transport : tp_transport.pdf, transport.py advection_Benoit.py et transport_implicite.py.
Notes du cours d'analyse et équations aux dérivées partielles du 15 janvier 2021 (Fluides parfaits et paradoxe de d'Alembert, fluides visqueux newtoniens : équations de Navier-Stokes et de Stokes).

POUR LA PRÉPARATION À L'AGRÉGATION :
Notes du cours d'introduction aux EDP et sur les équations de transport en prépa agreg (8 et 15 décembre 2020).
Notes du cours d'introduction à l'analyse numérique des équations de transport en prépa agreg (5 janvier 2021).
Notes du cours d'introduction à l'équation de la chaleur en prépa agreg (12, 19 et 25 janvier 2021).
Programme pour la résolution de l'équation de la chaleur en série de Fourier avec la transformée en sinus rapide : chaleur_fft.py
Programme pour la résolution de l'équation de la chaleur avec le theta-schéma : theta_schema.py
Programme pour le calcul expérimental de l'ordre de convergence du theta-schéma pour l'équation de la chaleur : ordre_convergence_theta_schema.py
Programme pour la résolution d'équations de transport non conservatives avec divers schémas : transport_non_conservatif.py
Programme pour la résolution d'équations de transport conservatives avec le schéma upwind : transport_conservatif_upwind.py
Programme pour le calcul expérimental de l'ordre de convergence de divers schémas pour le transport à vitesse constante : ordres_convergence_schemas_transport.py
Programme pour la résolution d'équations elliptiques par différences finies avec conditions de Dirichlet homogènes : elliptique_dh.py
Programme pour la résolution d'équations elliptiques par différences finies avec conditions de Dirichlet non homogènes : elliptique_dnh.py
Programme pour la résolution d'équations elliptiques par différences finies avec conditions de Neumann homogènes : elliptique_nh.py
Programme pour la résolution d'équations elliptiques par méthode de tir avec conditions de Dirichlet homogènes : elliptique_dh_tir.py
Programme pour la résolution de l'équation des ondes avec conditions de Dirichlet homogènes par le schéma saute-mouton : ondes_dh.py


TD d'analyse matricielle :
feuille de TD 1,
feuille de TD 2, corrigé des exercices 7, 8 et 9 de la feuille 2,
feuille de TD 3, corrigé de l'exercice 1 de la feuille 3, corrigé des exercices 2, 3 et 4 de la feuille 3, corrigé des exercices 5 et 6 de la feuille 3,
feuille de TD 4, corrigé des exercices 1, 2 et 3 de la feuille 4.
feuille de TD 5.
TP d'analyse matricielle :
feuille de TP 1,
feuille de TP 2 assortie de son corrigé : indications de ce que l'on peut voir dans le TP 2.
Partiel d'analyse matricielle (année 2018-2019) : partiel de 2019 muni de son corrigé : résolution du partiel de 2019.
Examen d'analyse matricielle (année 2018-2019) : examen de 2019.
Notes de cours sur le calcul de valeurs propres : calcul approché de valeurs (et vecteurs) propres.
Notes de cours sur les séries de Fourier discrètes et la transformée de Fourier rapide : transformée (série) de Fourier discrète.
Notes de cours sur les méthodes de descente pour la résolution de systèmes linéaires : méthodes de descente.

Second contrôle d'analyse matricielle (11 mai 2020) : exercice dont la solution est à déposer sur TOMUSS, et son corrigé.

Troisième contrôle d'analyse matricielle (18 mai 2020) : exercice dont la solution est à déposer sur TOMUSS, avec son compagnon le corrigé.

Notes de cours pour le 13 mars : méthode de la puissance.

Notes de cours pour le 20 mars : méthode de la puissance (fin) et méthode QR.

TP d'optimisation : Sujet de TP 2.