Ana Nu 1

Analyse Numrique
Jacques Le Bourlot Observatoire de Paris & Universit Paris-Diderot

22 Janvier 2009
Analyse Numrique
1 / 15
Interpolation linaire 1D
Interpolation y Linaire 1D y Tri y Polynomiale 1D y Extrapolation y Runge y Splines Systmes linaires
Cas le plus simple et le plus frquent
Analyse Numrique
2 / 15
Cas le plus simple et le plus frquent q On connat {xi } et {yi = f (xi )} pour i [0, n]
q
Analyse Numrique
2 / 15
Cas le plus simple et le plus frquent q On connat {xi } et {yi = f (xi )} pour i [0, n] q On cherche une valeur approche y de y = f (x) pour x quelconque.
q
Analyse Numrique
2 / 15
Cas le plus simple et le plus frquent q On connat {xi } et {yi = f (xi )} pour i [0, n] q On cherche une valeur approche y de y = f (x) pour x quelconque.
q
1. Trouver j tel que xj 2. Calculer y par :
x < xj+1 Problme de tri !
x xj y = yj + (yj+1 yj ) xj+1 xj Note : Cette expression peut se mettre sous la forme (Lagrange) : y = yj
Analyse Numrique
x xj x xj+1 + yj+1 xj xj+1 xj+1 xj

2 / 15
Graphiquement :
Interpolation linaire 2 1 0 1 2 0 0.25 0.5 0.75 x 1 1.25 1.5 1.75 x2 x1 x f(x)
Analyse Numrique
3 / 15
Tri
Algorithme direct : n2 q Algorithme optimis (Quicksort, etc...) : n log n q Pour un tableau de 104 points, le rapport est :
q
n 104 = > 103 log n 9.2 ...La question ne se pose pas !
Analyse Numrique
4 / 15
Tri
Algorithme direct : n2 q Algorithme optimis (Quicksort, etc...) : n log n q Pour un tableau de 104 points, le rapport est :
q
n 104 = > 103 log n 9.2 ...La question ne se pose pas !
Quicksort :
Analyse Numrique
4 / 15
Interpolation Polynomiale 1D
Utilise plus de points de chaque cot.
Analyse Numrique
5 / 15
Utilise plus de points de chaque cot. q Polynomiale (interpolation de Lagrange) : Polynme de degr n, passant par (xi , yi ), avec i [0, n] :
q
n n
(x xj )
j=0,j=k yk n
Pn (x) =
i=0
(xi xj )
j=0,j=k
Analyse Numrique
5 / 15
Utilise plus de points de chaque cot. q Polynomiale (interpolation de Lagrange) : Polynme de degr n, passant par (xi , yi ), avec i [0, n] :
q
n n
(x xj )
j=0,j=k yk n
Pn (x) =
i=0
(xi xj )
j=0,j=k
Pour aller plus loin :

n
3 Newton : Pn+1 (x) = Pn (x) + an+1

i=0
(x xi )
3 Diffrences divises. 3 Polynmes de Chebyshev

Analyse Numrique 5 / 15
Graphiquement :
Interpolation quadratique 2 1 0 1 2 0 0.25 0.5 0.75 x 1 1.25 1.5 1.75 x2 x3 x1 x f(x)
Analyse Numrique
6 / 15
Extrapolation Polynomiale 1D
Attention : ne JAMAIS extrapoler avec un polynme !

Interpolation quadratique 4 2 0 2 4 6 8 0 0.25 0.5 0.75 1 1.25 1.5 1.75 x 2 2.25 2.5 y x3 x1 x x2 f(x)
Analyse Numrique
7 / 15
Phnomne de Runge
Les polynmes sont souvent de trs mauvais choix :

Runge 1.5 1 0.5 0 0.5 1 1.5 2 1 0 x 1 2 y f(x) n=4
Analyse Numrique
8 / 15
Phnomne de Runge
Les polynmes sont souvent de trs mauvais choix :

Runge 1.5 1 0.5 0 0.5 1 1.5 2 1 0 x 1 2 y f(x) n=8
Analyse Numrique
9 / 15
Splines cubiques
Pour une srie de points (xi , yi ) avec i [0, n], linterpolation Spline S(x) est forme de n polynmes Si (x) dnis entre xi et xi+1 tels que :
Analyse Numrique
10 / 15
Splines cubiques
q
S(x) = Si (x) = si,0 + si,1 (x xi ) + si,2 (x xi )2 + si,3 (x xi )3 x [xi , xi+1 ] pour tout i [0, n 1]
Analyse Numrique
10 / 15
Splines cubiques
Pour une srie de points (xi , yi ) avec i [0, n], linterpolation Spline S(x) est forme de n polynmes Si (x) dnis entre xi et xi+1 tels que : S(x) = Si (x) = si,0 + si,1 (x xi ) + si,2 (x xi )2 + si,3 (x xi )3 x [xi , xi+1 ] pour tout i [0, n 1] q S(xi ) = yi pour tout i [0, n]
q
Analyse Numrique
10 / 15
Splines cubiques
Pour une srie de points (xi , yi ) avec i [0, n], linterpolation Spline S(x) est forme de n polynmes Si (x) dnis entre xi et xi+1 tels que : S(x) = Si (x) = si,0 + si,1 (x xi ) + si,2 (x xi )2 + si,3 (x xi )3 x [xi , xi+1 ] pour tout i [0, n 1] q S(xi ) = yi pour tout i [0, n] q Si (xi+1 ) = Si+1 (xi+1 ) pour tout i [0, n 2]
q
Analyse Numrique
10 / 15
Splines cubiques
Pour une srie de points (xi , yi ) avec i [0, n], linterpolation Spline S(x) est forme de n polynmes Si (x) dnis entre xi et xi+1 tels que : S(x) = Si (x) = si,0 + si,1 (x xi ) + si,2 (x xi )2 + si,3 (x xi )3 x [xi , xi+1 ] pour tout i [0, n 1] q S(xi ) = yi pour tout i [0, n] q Si (xi+1 ) = Si+1 (xi+1 ) pour tout i [0, n 2] q Si (xi+1 ) = Si+1 (xi+1 ) pour tout i [0, n 2]
q
Analyse Numrique
10 / 15
Splines cubiques
q
q q q q
S(x) = Si (x) = si,0 + si,1 (x xi ) + si,2 (x xi )2 + si,3 (x xi )3 x [xi , xi+1 ] pour tout i [0, n 1] S(xi ) = yi pour tout i [0, n] Si (xi+1 ) = Si+1 (xi+1 ) pour tout i [0, n 2] Si (xi+1 ) = Si+1 (xi+1 ) pour tout i [0, n 2] Si (xi+1 ) = Si+1 (xi+1 ) pour tout i [0, n 2]
Analyse Numrique
10 / 15
Splines cubiques
q
q q q q
S(x) = Si (x) = si,0 + si,1 (x xi ) + si,2 (x xi )2 + si,3 (x xi )3 x [xi , xi+1 ] pour tout i [0, n 1] S(xi ) = yi pour tout i [0, n] Si (xi+1 ) = Si+1 (xi+1 ) pour tout i [0, n 2] Si (xi+1 ) = Si+1 (xi+1 ) pour tout i [0, n 2] Si (xi+1 ) = Si+1 (xi+1 ) pour tout i [0, n 2]
La courbe passe par tous les points, elle est continue et ses drives premires et secondes aussi. Il y a (n + 1) + 3 (n 1) = 4n 2 contraintes pour 4n paramtres : deux degrs de libert (aux extrmits).
Rsolution de systmes linaires

Interpolation Systmes linaires y Systmes Linaires y LU
Soit rsoudre : AX = B
q
Deux types de mthodes :
Analyse Numrique
11 / 15

q

3 Directes (Dcomposition LU ou variantes)
Analyse Numrique
11 / 15

q

3 Directes (Dcomposition LU ou variantes) 3 Itratives
Analyse Numrique
11 / 15

q

Dpend de la forme de la matrice A
Analyse Numrique
11 / 15

q

Dpend de la forme de la matrice A q Difcults prvoir si A est mal conditionne

q
Conditionnement dune matrice A : = A A {i } valeurs propres de A.

max (|i |) = min (|i |)
Dcomposition LU
On crit A sous la forme : P A = LU o P est une matrice de permutation, L est triangulaire infrieure, U triangulaire suprieure
Analyse Numrique
12 / 15
Dcomposition LU
On crit A sous la forme : P A = LU o P est une matrice de permutation, L est triangulaire infrieure, U triangulaire suprieure On pose : UX = Y On rsout, par substitution directe LY = P B puis, par substitution inverse U X = Y .
Analyse Numrique
12 / 15
Dcomposition LU
On crit A sous la forme : P A = LU o P est une matrice de permutation, L est triangulaire infrieure, U triangulaire suprieure On pose : UX = Y On rsout, par substitution directe LY = P B puis, par substitution inverse U X = Y . La permutation P permet de garantir quil ny a pas de division par 0 si det A = 0 (pivot de Gauss).
Analyse Numrique
12 / 15
Dcomposition LU
En effet : AX = B P AX = P B LU X = P B LY = P B Les premires lignes de cette dernire quation sont : l11 y1 = b1 l21 y1 + l22 y2 = b2 Donc :
i1 j=1
1 bi yi = lii
lij yj
Puis, en partant de la dernire ligne de U X = Y :

n
xi = yi
j=i+1
Analyse Numrique
uij xj
13 / 15
Dcomposition LU
On cherche L et U tels que :

n
aij =
k=1
lik ukj
Avec : lik = 0 si k > i, ukj = 0 si k < j et ujj = 1 (normalisation arbitraire). soit dans lordre :
2 3 4 5 6 7 8
Analyse Numrique
14 / 15
Rafnement itratif
Le calcul numrique donne une solution X qui nest pas la solution X recherche. Mais, en repartant de la matrice A originale (avant dcomposition), on a AX = B = B X = X + X On peut chercher lamliorer comme ceci : A X + X = B A X = B B Et on peut rutiliser la dcomposition LU de A pour rsoudre ce nouveau systme et obtenir une correction la solution initiale
Analyse Numrique
15 / 15

Ana Nu 1

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Ana Nu 1

Încărcat de

Drepturi de autor:

Formate disponibile

Analyse Numrique

Jacques Le Bourlot Observatoire de Paris & Universit Paris-Diderot

Cas le plus simple et le plus frquent

1. Trouver j tel que xj 2. Calculer y par :

x < xj+1 Problme de tri !

x xj x xj+1 + yj+1 xj xj+1 xj+1 xj

n 104 = > 103 log n 9.2 ...La question ne se pose pas !

n 104 = > 103 log n 9.2 ...La question ne se pose pas !

Utilise plus de points de chaque cot.

Pour aller plus loin :

3 Newton : Pn+1 (x) = Pn (x) + an+1

3 Diffrences divises. 3 Polynmes de Chebyshev

Attention : ne JAMAIS extrapoler avec un polynme !

Les polynmes sont souvent de trs mauvais choix :

Les polynmes sont souvent de trs mauvais choix :

Rsolution de systmes linaires

Deux types de mthodes :

Rsolution de systmes linaires

Deux types de mthodes :

Rsolution de systmes linaires

Deux types de mthodes :

Rsolution de systmes linaires

Deux types de mthodes :

Dpend de la forme de la matrice A

Rsolution de systmes linaires

Deux types de mthodes :

Dpend de la forme de la matrice A q Difcults prvoir si A est mal conditionne

Conditionnement dune matrice A : = A A {i } valeurs propres de A.

max (|i |) = min (|i |)

Puis, en partant de la dernire ligne de U X = Y :

On cherche L et U tels que :

S-ar putea să vă placă și