Suite de la correction Série No 2 (Partie Moindres carrés)

Travaux Pratiques –Travaux dirigés

Méthodes numériques (3ER)

b) Régression non linéaire

Exercice-7 :
Soient les données expérimentales (xi,f(xi)) présentées par le tableau suivant:

xi 0 0.405 0.560 0.693 0.916

f(xi) 0.696 0.899 0.976 1.043 1.154
1) Calculer les coefficients de la droite (droite des moindres carrés) qui s’ajuste le mieux à
ces mesures.
2) Trouver une valeur approchée de f au point d'abscisse x=0,6.
3) La relation liant la période T à la longueur L d’un pendule simple est donnée par :
T = α Lβ (1)
Où α et β sont des paramètres à déterminer en utilisant la méthode des moindres carrés.
On suppose que les mesures du tableau ci-dessus représentent la variation de la
période T(s) d’un pendule simple en fonction de sa longueur L (cm) où on a considéré
f(xi)=ln (Ti) et xi=ln(Li).
3-a) En utilisant les résultats trouvés à la question 1) et l’équation (1) (avec un changement
de variable convenable), déduire les valeurs de α et β .
2π
3-b) Sachant que α = , avec g est l’accélération de la pesanteur exprimée en m/s2.
g
Déduire la valeur de g.

Réponse:
Le coefficient de la droite ?
Il s’agit de déterminer les cœfficients a0 et a1 (du polynôme de degré m =1 : p1(x)=a0+a1x )
qui minimisent la fonction E (voir cours) :
n n 2
E( a 0 , a 1 ) = ∑ (f ( x i ) − p1 ( x i ))
2
= ∑ (f ( x i ) − a 0 − a1x i )
i=0 i =0
∂E
On calcule : = 0 pour k=0 et k=1
∂a k
Après minimisation, on trouve un système linéaire qu’on peut écrire sous la forme Sa=W
(voir cours) :
  
 n + 1 S1  n
  a 0   W0  Sj = ∑ x ij pour j = 0,...,2 m
i=0
   =   avec (1)
    n
S2  a1   W1 
j
 S1 Wj = ∑ x f (x i )
i pour j = 0,..., m
  i=0
 
Avec, (n +1): le nombre de points et m : le degré du polynôme qui s’ajuste le mieux aux
données.
Dans note cas, on utilise les données du tableau ci-dessus et on trouve :
n =4 0 n =6
- n+1=5 ou bien : S0 = ∑ xi = ∑ 1=5
i=0 i=0
Donc, n = 4
n =4 n =4 2
- S1 = ∑ xi = 2.5740 ; S2 = ∑ xi = 1,7969
i=0 i=0
n =4 n=4
W0 = ∑ f (x i ) = 4,7680 ; W1 = ∑ x if (x i ) = 2,6905
i=0 i =0
Donc, le SL (1) s’écrit sous la forme :
 
 
5 2,574  a
  0   4.768 
   =  
    
  a1   2.6905 
 2,574 1 . 7969 
 
La résolution de ce système donne :
a0 = 0,6961 et a1= 0,5001
Donc, l’équation de la droite qui s’ajuste le mieux aux mesures expérimentales est donnée par
:
p1(x)=a0+a1x = 0,6961 +0,5001 x

2) La valeur approchée de f au point d'abscisse x=0,6.

f (0,6) ≈ p1 (0.6) = 0,6961 + 0.5001 * 0,6 = 0,9962
3)
3-a) Les points (xi,f(xi)) sont approchés par un polynôme p1(x) =a0+a1x.
On veut approcher les points (Li, Ti) par T = α Lβ ( voir le cours : régression non linéaire)
On fait le changement de variable ln T = ln α + β ln L (1)
Donc, ln Ti = ln α + β ln L i
Or , on a considéré f(xi)=ln (Ti) et xi=ln(Li)
donc l’equation (1) peut s’écrire sous la forme :
f(xi)= ln Ti = ln α + β ln L i
f(xi) = ln α + βx i ≈ p1 ( x i ) = a 0 + a1x i
et on peut déduire que :
 a 0 = ln α ⇒ α = e a 0 et a1 = β
Avec,
a 0 = 0,6961 ⇒ α = e a 0 = 2,006
et
a1 = 0,5001 ⇒ β = a1 = 0,5001

⇒ T = 2.006 L0.5001
3-b) on a :
2π 4 π 2 4(3,14) 2
α= ⇒g= = ⇒ g = 9.81m / s 2
g α 2 ( 2.006) 2

% fichier script: regression_nonlineiare_Ex3_Serie3.m

clc, clear all
X=[0 0.405 0.560 0.693 0.916];
Y=[0.696 0.899 0.976 1.043 1.154];
s0=length(X) % ou (n+1)
s1=sum(X)
s2=sum(X.^2)
w0=sum(Y)
w1=sum(X.*Y)
S=[s0 s1; s1 s2]
W=[w0;w1]
coef=inv(S)*W
disp(' Les coeffcients a0 et a1 sont :')
a0=coef(1)
a1=coef(2)
disp('Les valeurs de alpha et beta sont:')
alpha=exp(a0)
beta=a1
disp(' Acceleration de la pesanteur g=')
g=(4*pi^2)/(alpha^2)

Après exécution de ce fichier on obtient les résultats suivants :

s0 =
5
s1 =
2.5740
s2 =
1.7969
w0 =
4.7680
w1 =
2.6905
S=
5.0000 2.5740
2.5740 1.7969
W=
4.7680
 2.6905
coef =
0.6962
0.5001
Les coeffcients a0 et a1 sont :
a0 =
0.6962
a1 =
0.5001
Les valeurs de alpha et beta sont:
alpha =
2.0060
beta =
0.5001
Accélération de la pesanteur g :
g=
9.8103