Académique Documents
Professionnel Documents
Culture Documents
Meth Num
Meth Num
Racines d'équations
Quel est le nombre d'itérations N nécessaire pour déterminer la racine d'une fonction comprise
dans l'intervalle [x0 ; x1 ] avec une précision ϵ ?
Application numérique : x0 = 1; x1 = 2; ϵ = 10−3 .
x1 − x0
≤ 2ϵ
2N
Ainsi
−x0
x1 − x0 ln x12ϵ
N = log2 =
2ϵ ln 2
!
−x0
ln x12ϵ
N = ent +1
ln 2
A.N. : N = 9
√
√ Calculer 2 à 10 près. On sait que la racine est comprise entre 1 et 2. √
−3
√
2 est racine de f (x) = x2 −2. On ne peut naturellement pas choisir f (x) = x− 2 car 2 est inconnue.
1
2 CHAPITRE 1. RACINES D'ÉQUATIONS
1.3 Newton
√
- Calculer 2 à 10−5 près. On sait que la racine est proche de 1.
On applique la suite :
f (xn )
xn+1 = xn − avec f (x) = x2 − 2
f ′ (xn )
Ainsi
x2n − 2
xn+1 = xn −
2xn
2x2n − x2n + 2
=
2xn
2
x +2
= n
2xn
xn xn+1
1.00000000 1.50000000
1.50000000 1.41666667
1.41666667 1.41421569
1.41421569 1.41421356
√
Ainsi 2 = 1.41421 ± 10−5 .
Chapitre 2
x f (x)
0 0
π
8 0,382683
π
4 0,707107
3π
8 0,923880
π
2 1
1. calculer IT en approchant I par la méthode des trapèzes,
2. calculer IT C en approchant I par la méthode des trapèzes corrigée,
3. calculer IS en approchant I par la méthode des Simpson.
La méthode des trapèzes donne la valeur de l'intégrale à travers cette relation :
N −1
" #
b − a f (a) + f (b) X b−a
IT = + f a+n
N 2 N
n=1
3
4 CHAPITRE 2. MÉTHODES NUMÉRIQUES D'INTÉGRATION
2.2 Intégration 2
Rπ
Calculer 0 sin(x)dx par la méthode des trapèzes et celle de Simpson pour ∆x = π
4 et ∆x = 10 .
π
De même, pour ∆x = π
10 :
∆x
IS10 = [f (a) + f (b) + 4 (f (x1 ) + f (x3 ) + f (x5 ) + f (x7 ) + f (x9 )) + 2 (f (x2 ) + f (x4 ) + f (x6 ) + f (x8 ))]
3
π π 3π 5π 7π 9π
IS10 = sin(0) + sin(π) + 4 sin + sin + sin + sin + sin +
30 10 10 10 10 10
2π 4π 6π 8π
2 sin + sin + sin + sin
10 10 10 10
IS10 = 2, 0001
La méthode de Simpson donne de meilleurs résultats (proches de 2) car elle fait passer une parabole
par trois points consécutifs qui se rapproche davantage de la forme de la sinusoïde. Ceci est également
vrai si l'on compare IS4 et IT10 .
2.3 Intégration 3
R8
Calculer la solution exacte et la solution par la méthode de Simpson pour ∆x = 1 de 0 f (x)dx
pour f (x) successivement égale x, x2 , x3 et x4 .
R8
f (x) I= 0 f (x)dx IS
8
x2 1
x = 2 0 = 32 = 3 (0 + 8 + 4(1 + 3 + 5 + 7) + 2(2 + 4 + 6)) = 32
8
x3 1
x2 02 + 82 + 4(12 + 32 + 52 + 72 ) + 2(22 + 42 + 62 ) = 170, 67
= 3 0 = 170, 67 = 3
8
x4 1
x3 03 + 83 + 4(13 + 33 + 53 + 73 ) + 2(23 + 43 + 63 ) = 1024
= 4 0 = 1024 = 3
8
x5 1
x4 04 + 84 + 4(14 + 34 + 54 + 74 ) + 2(24 + 44 + 64 ) = 6554, 67
= 5 0 = 6553, 6 = 3
Simpson donne bien un résultat exact pour les polynômes jusqu'à l'ordre 3.
6 CHAPITRE 2. MÉTHODES NUMÉRIQUES D'INTÉGRATION
Chapitre 3
1. Donner la solution exacte de cette équation diérentielle. Application numérique : donner y(0, 1)
et y(0, 2).
La solution est obtenue en ajoutant la solution générale de l'équation sans second membre (ESSM)
et une solution particulière de l'équation avec second membre (EASM).
ESSM :
y ′ (t) − y(t) = 0
Une solution générale est de la fore y(t) = λet .
EASM :
y(t) = λet − t − 1
y(0) = λ − 1 = 1 soit λ = 2
Finalement,
y(t) = 2et − t − 1 (3.1)
On trouve donc les deux valeurs de référence pour évaluer les méthodes numériques à venir :
y(0, 1) = 1, 110341
y(0, 2) = 1, 242805
7
8 CHAPITRE 3. INTÉGRATION NUMÉRIQUE DES ÉQUATIONS DIFFÉRENTIELLES
On a la relation de récurrence
yn+1 = yn + ∆t.f (tn , yn )
tn = t0 + n.∆t
y1 = 1, 1y0 + 0, 1t0
y1 = 1, 1 × 1 + 0, 1 × 0 = 1, 1
y2 = 1, 1.y1 + 0, 1.t1
y2 = 1, 1 × 1, 1 + 0, 1 × 0, 1 = 1, 22
Ainsi,
∂f ∂f
+ f. (tn , yn ) = 1 + tn + yn
∂t ∂y
On a donc :
∆t2
yn+1 = yn + ∆t.(tn + yn ) + (1 + tn + yn )
2
∆t2 ∆t2 ∆t2
yn+1 = + tn ∆t + + yn 1 + ∆t +
2 2 2
yn+1 = 5.10−3 + 0, 105 tn + 1, 105 yn
Ainsi
Ainsi,
∆t
yn+1 = yn + [(tn + yn ) + (tn + ∆t + yn + ∆t.(tn + yn )]
2
∆t2 ∆t2 ∆t2
yn+1 = yn 1 + ∆t + + tn ∆t + +
2 2 2
yn+1 = 1, 105 yn + 0, 105 tn + 5.10−3
y1 = 1, 11
y2 = 1, 24205
(d) RK2
k1 = tn + yn
∆t ∆t
k2 = tn + + yn + k1
2 2
∆t ∆t
k2 = tn + + yn + (tn + yn )
2 2
∆t ∆t ∆t
k2 = + tn 1 + + yn 1 +
2 2 2
yn+1 = yn + ∆t.k2
∆t2
∆t ∆t
yn+1 = yn + + ∆t.tn 1 + + ∆t.yn 1 +
2 2 2
2 2 2
∆t ∆t ∆t
yn+1 = yn 1 + ∆t + + tn ∆t + +
2 2 2
yn+1 = 1, 105 yn + 0, 105 tn + 5.10−3
y1 = 1, 11
y2 = 1, 24205
(e) RK4
k 1 = t n + yn
∆t ∆t
k2 = tn + + yn + k1
2 2
∆t ∆t
k2 = tn + + yn + (tn + yn )
2 2
∆t ∆t ∆t
k2 = + tn 1 + + yn 1 +
2 2 2
∆t ∆t ∆t ∆t ∆t
k3 = tn + + yn + . + tn 1 + + yn 1 +
2 2 2 2 2
2 2 ∆t2
∆t ∆t ∆t ∆t
k3 = tn 1 + + + yn 1 + + + ∆t +
2 4 2 4 4
2 ∆t ∆t2 ∆t ∆t2
∆t ∆t
k4 = tn + ∆t + yn + ∆t tn 1 + + + yn 1 + + + +
2 4 2 4 2 4
2 3 2 3 2 ∆t3
∆t ∆t ∆t ∆t ∆t
k4 = tn 1 + ∆t + + + yn 1 + ∆t + + + ∆t + +
2 4 2 4 2 4
Ainsi,
∆t ∆t ∆t ∆t ∆t
yn+1 =yn + (tn + yn ) + + tn 1 + + yn 1 + +
6 3 2 2 2
∆t ∆t2 ∆t ∆t2 ∆t ∆t2
∆t
tn 1 + + + yn 1 + + + + +
3 2 4 2 4 2 4
∆t2 ∆t3 ∆t2 ∆t3 ∆t2 ∆t3
∆t
tn 1 + ∆t + + + yn 1 + ∆t + + + ∆t + +
6 2 4 2 4 2 4
soit
∆t ∆t ∆t2 ∆t ∆t2 ∆t3 ∆t ∆t2 ∆t3 ∆t4
yn+1 =yn 1 + + + + + + + + + + +
6 3 6 3 6 12 6 6 12 24
∆t ∆t ∆t2 ∆t ∆t2 ∆t3 ∆t ∆t2 ∆t3 ∆t4
tn + + + + + + + + + +
6 3 6 3 6 12 6 6 12 24
∆t2 ∆t2 ∆t3 ∆t2 ∆t3 ∆t4
+ + + + +
6 3 12 6 12 24
L'annexe A présente de plus amples résultats obtenus sur cette équation par ces diérentes mé-
thodes.
12 CHAPITRE 3. INTÉGRATION NUMÉRIQUE DES ÉQUATIONS DIFFÉRENTIELLES
Chapitre 4
Interpolation
4.1 Formules de Newton-Cotes à l'ordre 1
n
X
I˜ = f (xk )αk
k=0
avec Z b
αk = Lk (x) dx
a
Pour qu'il y ait égalité stricte lorsque l'on remplace f (x) par un polynôme quelconque de degré
inférieur ou égal à 1, le système ne fait apparaître que deux équations :
Z b
pour f (x) = 1 : 1 dx = b − a = α0 + α1
a
b
b2 − a2
Z
pour f (x) = x : x dx = = α0 a + α1 b
a 2
ainsi
a2 + b2 − 2ab (a − b)2 b−a
α1 = = =
2b − 2a 2(b − a) 2
et donc
b−a b−a
α0 = b − a − =
2 2
Finalement
b−a
I˜ = (f (a) + f (b))
2
On retrouve donc la méthode des trapèzes.
13
14 CHAPITRE 4. INTERPOLATION
Soient les points de mesure (1 ; 1,1), (1,8 ; 2,3), (3,1 ; 2,4) et (4,2 ; 0,9). Calculer g(1, 5), g(2, 6) et
g(4) sachant que l'on interpole ces points de mesure par des splines naturelles.
An de se donner une idée d'un éventuel résultat, la gure 4.1 donne une représentation lissée de
l'interpolation des points de mesure susceptible d'être obtenue
x0 = 1 f (x0 ) = 1, 1
∆x0 = 0, 8 x1 = 1, 8 f (x1 ) = 2, 3
∆x1 = 1, 3 x2 = 3, 1 f (x2 ) = 2, 4
∆x2 = 1, 1 x3 = 4, 2 f (x3 ) = 0, 9
La première étape consiste à déterminer les dérivées secondes aux abscisses des points de mesure.
En utilisant les splines naturelles, on impose g ′′ (x0 ) = g ′′ (x3 ) = 0 et on résout le système suivant pour
i = 1 et i = 2 :
Pour i = 1
∆x1 + ∆x0 ′′ ∆x1 ′′ f (x2 ) − f (x1 ) f (x1 ) − f (x0 )
g (x1 ) + g (x2 ) = −
3 6 ∆x1 ∆x0
Pour i = 2
∆x1 ′′ ∆x2 + ∆x1 ′′ f (x3 ) − f (x2 ) f (x2 ) − f (x1 )
g (x1 ) + g (x2 ) = −
6 3 ∆x2 ∆x1
Soit à résoudre
2 × 2, 1 g ′′ (x1 ) + 1, 3 g ′′ (x2 ) = 6 0,1 − 1,2
1,3 0,8
1, 3 g ′′ (x1 ) + 2 × 2, 4 g ′′ (x2 ) = 6 −1,5 − 0,1
1,1 1,3
Ainsi
h i
−1,5
2 × 2, 4 × 6 0,1
1,3 −
1,2
0,8 − 1, 8 × 6 1,1 − 0,1
1,3
g ′′ (x1 ) = 2
2 × 2 × 2, 1 × 2, 4 − 1, 3
= −1, 610622543
h i
0,1
1, 3 × 6 1,3 − 1,2
0,8 − 2 × 2, 1 × 6 −1,5
1,1 −
0,1
1,3
g ′′ (x2 ) = 2
2 × −1, 3 − 4 × 2, 1 × 2, 4
= −1, 364488246
4.2. SPLINES NATURELLES 15
Pour déterminer les valeurs de la spline, on applique la formule de g(x) dans le bon intervalle [xi ; xi+1 ].
g ′′ (x1 ) (1, 5 − x0 )2
f (x0 ) f (x1 )
g(1, 5) = (1, 5 − x0 ) − ∆x0 + (x1 − 1, 5) + (1, 5 − x0 )
6 ∆x0 ∆x0 ∆x0
(1, 5 − 1)2
−1, 610622543 1, 1 2, 3
= (1, 5 − 1) − 0, 8 + (1, 8 − 1, 5) + (1, 5 − 1)
6 0, 8 0, 8 0, 8
= 1, 915
Approximation
5.1 Application numérique de la régression linéaire
Déterminer a, b et r pour les points de mesures (1 ; 0,95), (2,1 ; 2,15), (7,8 ; 8,1).
On rappelle que Pn Pn Pn
n i=1 xi yi − i=1 xi i=1 yi
a=
n i=1 xi − ( i=1 xi )2
Pn 2
Pn
Pn 2
Pn Pn Pn
i=1 xi i=1 yi − i=1 xi i=1 xi yi
b= Pn Pn 2
2
n i=1 xi − ( i=1 xi )
(n i=1 xi yi − ni=1 xi ni=1 yi )2
Pn P P
r= P P
n ni=1 x2i − ( ni=1 xi )2 n ni=1 yi2 − ( ni=1 yi )2
P P
3
X
xi = 1 + 2, 1 + 7, 8 = 10, 9
i=1
3
X
yi = 0, 95 + 2, 15 + 8, 1 = 11, 2
i=1
3
X
xi .yi = 1 × 0, 95 + 2, 1 × 2, 15 + 7, 8 × 8, 1 = 68, 645
i=1
3
X
x2i = 12 + 2, 12 + 7, 82 = 66, 25
i=1
3
X
yi2 = 0, 952 + 2, 152 + 8, 12 = 71, 135
i=1
ainsi
3 × 68, 645 − 10, 9 × 11, 2
a= = 1, 0489
3 × 66, 25 − 10, 92
66, 25 × 11, 2 − 10, 9 × 68, 645
b= = −0, 0779
3 × 66, 25 − 10, 92
(3 × 68, 645 − 10, 9 × 11, 2)2
r= = 0, 9999628
(3 × 66, 25 − 10, 92 )(3 × 66, 25 − 10, 92 )
17
18 CHAPITRE 5. APPROXIMATION
Compte tenu que les points de mesure semblaient relativement alignés sur la première bissectrice, on
trouve bien un coecient directeur proche de 1, une ordonnée à l'origine proche de 0, et un coecient
de corrélation proche de 1 car il est cohérent de faire passer une droite par ces trois points.
(x − a)2 + (y − b)2 = R2
En développant, on obtient :
x2 − 2ax + a2 + y 2 − 2by + b2 − R2 = 0
En posant c = R2 − a2 + b2 , il vient
x2 + y 2 − 2ax − 2by − c = 0
Pour un point de mesure (xi , yi ) donné, le résidu ri entre cette mesure et le modèle est donc
Le critère à minimiser an que le cercle passe au mieux par les points de mesure est donc
n n
X X 2
S(a, b, c) = ri2 = x2i + yi2 − 2axi − 2byi − c
i=1 i=1
S sera minimum lorsque chacune de ses dérivées partielles par rapport aux paramètres s'annulent. On
doit donc avoir ∂S Pn
∂a = Pi=1 −4xi x2i + yi2 − 2axi − 2byi − c = 0
∂S n 2 2
∂b = Pi=1 −4yi xi + yi − 2axi − 2byi −c = 0
∂S n 2 2
∂c = i=1 −2 xi + yi − 2axi − 2byi − c = 0
soit Pn
Pi=1 xi x2i + yi2 − 2axi − 2byi − c = 0
n 2 2
i=1 yi xi + yi − 2axi − 2byi − c = 0
P n 2 2
i=1 xi + yi − 2axi − 2byi − c = 0
et enn le système
Pn Pn Pn Pn
2a Pi=1 x2i + 2b P 3 2
i=1 xi yi + c P i=1 xi = P i=1 xi + yi xi
2a Pni=1 xi yi + 2b n 2
Pn i=1 yi + c i=1
n n 2 3
Pnyi = 2 i=12 xi yi + yi
n
2a i=1 xi + 2b i=1 yi + c.n = i=1 xi + yi
La gure 5.1 présente une illustration avec 15 points de mesure pris sur un cercle bleu de centre (2, 2) et
de rayon 1. L'écart-type du bruit ajouté vaut 0, 03. Le cercle vert ajusté a pour centre (2, 0026; 2, 0017)
et un rayon égal à 1, 0076.
5.2. APPLICATION À LA RECHERCHE DES PARAMÈTRES D'UN CERCLE PASSANT AU MIEUX PAR LES
Résolutions de systèmes
6.1 Systèmes linéaires
Polynômes d'interpolation
On cherche le polynôme d'interpolation P passant par les points (xi , yi ) : (0, 0), (1, 1), (4, 2), (9,
3). Les coecients du polynôme sont déterminés directement en résolvant le système P (xi )) = yi ∀i =
0, · · · , 3 par la méthode du pivot de Gauss. Le polynôme est de la forme P (x) = a0 + a1 x + a2 x2 + a3 x3 .
x 0 = 0 y0 = 0
x 1 = 1 y1 = 1
x = 4 y2 = 2
2
x 3 = 9 y3 = 3
Chaque mesure vériant l'équation du polynôme, on a
On a ensuite les conguration suivante en vue de triangulariser la matrice puis de résoudre le système :
1 0 0 0 0
0 1 1 1 1
0 4 16 64 2 L3 ← L3 − 4L2
0 9 81 729 3 L4 ← L4 − 9L2
1 0 0 0 0
0 1 1 1 1
0 0 12 60 −2 L3 ← L3 /12
0 0 72 720 −6
21
22 CHAPITRE 6. RÉSOLUTIONS DE SYSTÈMES
1 0 0 0 0
0 1 1 1 1
0 0 1 5 −1/6
0 0 72 720 −6 L4 ← L4 − 72L3
1 0 0 0 0
0 1 1 1 1
0 0 1 5 −1/6
0 0 0 360 6 L4 ← L4 /360
1 0 0 0 0
L2 ← L2 − L4
0 1 1 1 1
0 0 1 5 −1/6 L3 ← L3 − 5L4
0 0 0 1 1/60
1 0 0 0 0
L2 ← L2 − L3
0 1 1 0 59/60
0 0 1 0 −15/60
0 0 0 1 1/60
1 0 0 0 0
0 1 0 0 74/60
0 0 1 0 −15/60
0 0 0 1 1/60
On trouve donc x0 = 0, x1 = 30 ,
37
x2 = 4 ,
−1
x3 = 60 .
1
Soit le système
x1 + x2 = 1
avec ϵ > 0 et ϵ ≪ 1
ϵ.x1 + x2 = 21
Déterminer, par la méthode du pivot de Gauss,
a) la solution exacte du système
1 1 1
ϵ 1 1/2 L2 ← L2 − ϵL1
1 1 1
1
0 1−ϵ 2 −ϵ L2 ← L2 /(1 − ϵ)
!
1 1 1 L1 ← L1 − L2
1
−ϵ
0 1 2
1−ϵ
1
−ϵ
1 0 1 −1 1−ϵ
2
−ϵ
0 1 2
1−ϵ
1
!
1 0 2(1−ϵ)
1
−ϵ
0 1 2
1−ϵ
1
−ϵ
Les solutions exactes sont donc x1 = 1
2(1−ϵ) et x2 = 1−ϵ .
2
Tout calcul fait, les solutions approchées
des solutions exactes sont x1 = 1
2 et x2 = 1
2 du fait que ϵ ≪ 1.
6.1. SYSTÈMES LINÉAIRES 23
b) la solution approchée, les équations étant prises dans cette ordre (pivot maximum)
Les approximations liées au fait que ϵ ≪ 1 sont prises en compte au l des calculs
1 1 1
ϵ 1 1/2 L2 ← L2 − ϵL1
1 1 1
1
0 1−ϵ 2 −ϵ
1 1 1 L1 ← L1 − L2
0 1 12
1
1 0 2
1
0 1 2
1 1 1 L2 ← L2 − L1
1 1
1 ϵ 2ϵ
1 1
0 1 − ϵ 1 − 2ϵ
1 1
1 ϵ 2ϵ
0 − 1ϵ 1
− 2ϵ L2 ← L2 (−ϵ)
1 1ϵ 1
2ϵ L1 ← L1 − L2/ϵ
1
0 1 2
1 1
1 0 2ϵ − 2ϵ
1
0 1 2
1 0 0
0 1 12
On n'a respecté la règle du pivot maximal : les solutions x1 = 0 et x2 = 1
2 ne sont pas des
solutions approchées des solutions exactes.
1 0 −2 1
d = −2
0 1 3/2 −1/2
Ainsi |A| = −2 et
−1 −2 1
A =
3/2 −1/2
Méthode de Jacobi
On sait que la solution x0 = (1 1 1)t est proche de la racine. La méthode de Jacobi est-elle utilisable
dans ce cas particulier ? Si oui, déterminer x1 .
La méthode est utilisable dans ce cas particulier car les éléments diagonaux sont bien dominants :
|7| > |3| + | − 3|
|8| > |2| + |3|
|6| > | − 4| + |1|
On a
7 3 −3 11
A= 2 8 3 et b = 40
−4 1 6 19
ainsi
0 3/7 −3/7 11/7
A∗ = 2/8 0 3/8 et b∗ = 40/8
−4/6 1/6 0 19/6
Comme
xk+1 = −A∗ xk + b∗
on a
x1 = −A∗ x0 + b∗
soit
0 3/7 −3/7 1 11/7
x1 = − 2/8 0 3/8 1 + 40/8
−4/6 1/6 0 1 19/6
11/7 1, 57
x1 = 35/8 ≃ 4, 37
11/3 3, 66
Ce résultat apparaît également à la première itération des résultats de l'annexe C.
Soit le système :
2x1 + x2 = 1
x1 − x2 = 1
x1 + x2 = 3
Résolution du système
2 1 1
x1
A = 1 −1 x= b = 1
x2
1 1 3
t 2 1 1
A =
1 −1 1
2 1
2 1 1 6 2
At A = 1 −1 =
1 −1 1 2 3
1 1
1
t 2 1 1 6
Ab= 1 =
1 −1 1 3
3
6 2 6 L1 ← L1 /6
2 3 3
1 1/3 1
2 3 3 L2 ← L2 − 2L1
1 1/3 1
0 7/3 1 L2 ← 3/7 L1
1 1/3 1 L1 ← L1 − L2 /3
0 1 3/7
1 0 6/7 L1 ← L1 − L2 /3
0 1 3/7
Ainsi x1 = 6/7 et x2 = 3/7. On constate, si on remplace x1 et x2 par leurs valeurs dans les équations
du système qu'elles ne sont pas franchement bien vériées. L'objet de cette exercice était de mettre en
÷uvre la méthode des moindres carrés sur un cas d'école mais sans réalisme particulier.
Utilisation de la pseudo-inverse
t 6 2
AA=
2 3
Déterminons son inverse :
6 2 1 0 L1 ← L1 /6
2 3 0 1
1 1/3 1/6 0
2 3 0 1 L2 ← L2 − 2L1
1 1/3 1/6 0
0 7/3 −1/3 1 L2 ← 3/7L2
1 1/3 1/6 0 L1 ← L1 − L2 /3
0 1 −1/7 3/7
1 0 9/42 −1/7
0 1 −1/7 3/7
26 CHAPITRE 6. RÉSOLUTIONS DE SYSTÈMES
Ainsi
9/42 −1/7
t −1
(A A) =
−1/7 3/7
t −1 t 9/42 −6/42 2 1 1 12/42 15/42 3/42
(A A) A = =
−6/42 18/42 1 −1 1 6/42 −24/42 12/42
1
t −1 t 12/42 15/42 3/42 36/42
(A A) A b = 1 =
6/42 −24/42 12/42 18/42
3
Ainsi, on a également x1 = 6/7 et x2 = 3/7.
1. Un processus est régi par le modèle y = ax2 + b. Poser le problème sous forme matricielle dès
lors que l'on dispose de n couples de mesures (xi , yi ). Déterminer les paramètres a et b dans le
cas où 3 couples de mesure sont à disposition :
(0; 2, 1)
(2; 9, 9)
(3; 19, 5)
ax22 + b = y2
ax23 + b = y3
De la même manière que précédemment, mais avec un autre modèle, on peut écrire que chaque
mesure est régie de la même façon :
−x1 = y
C1 + C2 e
1
C1 + C2 e−x2 = y2
..
.
C1 + C2 e−xn = yn
6.3. SYSTÈME NON LINÉAIRE 27
Le système
2 cos α − sin β +3 cos γ +3 = 0
sin α +2 cos β − sin γ −3 = 0
sin 2α − cos β + cos γ +2 = 0
1
a pour solution approchée X0 = 0, 5.
3
Déterminer X1 .
(x − a)2 + (y − b)2 = R2
En développant, on obtient :
x2 − 2ax + a2 + y 2 − 2by + b2 − R2 = 0
En posant c = R2 − a2 + b2 , il vient
x2 + y 2 − 2ax − 2by − c = 0
puis
2ax + 2by + c = x2 + y 2
En écrivant cette expression sous forme matricielle pour n points de mesures, on obtient la forme
M p = y avec : 2
x1 + y12
2x1 2y1 1
2x2 2y2 1 a x2 + y 2
2 2
M = . p= b y= ..
..
.
c
2xn 2yn 1 2 2
x n + yn
On détermine p tel que
p = (M t M )−1 M t y
La gure 7.1 présente une illustration avec 15 points de mesure pris sur un cercle bleu de centre (2, 2) et
de rayon 1. L'écart-type du bruit ajouté vaut 0, 03. Le cercle vert ajusté a pour centre (2, 0129; 1, 9939)
et un rayon égal à 1, 0007.
système surdéterminé
29
30CHAPITRE 7. ESTIMATION DES MOINDRES CARRÉSUNE SOLUTION MATRICIELLE INTÉGRÉE
C1 + C2 e−C3 .x1 = y1
C1 + C2 e−C3 .x2 = y2
..
.
C1 + C2 e−C3 .xn = yn
Pour déterminer la solution p1 , il faut tout d'abord déterminer l'erreur δ̂ commise avec p0 . On détermine
tout d'abord la matrice jacobienne :
−1
Ainsi le calcul de l'erreur δ̂ = J(p0 )t J(p0 ) J(p0 )t (z − h(p0 )) permet de remettre à jour les para-
mètres :
p1 = p0 + δ̂
Par exemple, pour une série de mesures z = h(p) générée avec p = (2 4 1, 2)t et x = (0 1 2 3 4 5 6 7 8)t ,
bruitée par un bruit gaussien d'écart-type 0, 3, on obtient successivement, à partir de p0 = (4 7 2)t :
1, 9494 1, 8900 1, 8890
p1 = 3, 8109 p2 = 3, 8886 p3 = 3, 8898
0, 8931 0, 9463 0, 9470
Courbes de Bézier
8.1 Calcul d'un point d'une courbe Bézier cubique
Soient P0 = (0, 0), P1 = (0, 1), P2 = (1, 1), P3 = (2, 0). Déterminez le point M situé sur la courbe
de Bézier cubique dénie par les points de contrôle P0 , P1 , P2 et P3 pour t = 41 en utilisant l'algorithme
de De Casteljau.
On rappelle que l'on peut trouver les barycentres successifs par la relation de récurrence suivante :
g+1 g g g = 0, · · · , n − 1
Mi+1 = (1 − t).Mi + t.Mi+1 où
i = g, · · · , n − 1
Avec t = 14 , on a
M11 = (1 − t).M00 + t.M10
soit
3 1 3 1 3 0 1 0 0
M11 = M00 + .M10 = P0 + .P1 = + = 1
4 4 4 4 4 0 4 1 4
de même
1
3 1 3 1 3 0 1 1
M21 = M10 + .M20 = P1 + .P2 = + = 4
4 4 4 4 4 1 4 1 1
5
3 1 3 1 3 1 1 2
M31 = M20 + .M30 = P2 + .P3 = + = 4
3
4 4 4 4 4 1 4 0 4
A la génération suivante, on a
1 1
3 1 3 0 1
M22 = M11 + .M21 = 1 + 4 = 16
7
4 4 4 4 4 1 16
1 5 8
3 1 3 1
M32 = M21 + .M31 = 4 + 4
3 = 16
15
4 4 4 1 4 4 16
Enn
1 8 11 11
1 3 1 3 1
M ( ) = M33 = M22 + .M32 = 16
7 + 16
15 = 64
36 = 64
9
4 4 4 4 16 4 16 64 16
33
34 CHAPITRE 8. COURBES DE BÉZIER
Annexe A
35
Annexe B
Interpolation
Figure B.1 Interpolation de Lagrange et spline de 7 points de mesure pris sur la fonction f (x) = 1
1+x2
Figure B.2 Interpolation de Lagrange et spline de 11 points de mesure pris sur la fonction f (x) =
1
1+x2
41
42 ANNEXE B. INTERPOLATION
Annexe C
Méthode de Jacobi
43
>> jacobi
A=
7 3 -3
2 8 3
-4 1 6
b=
11
40
19
ans =
2.0000
3.0000
4.0000
A=
0 0.4286 -0.4286
0.2500 0 0.3750
-0.6667 0.1667 0
b=
1.5714
5.0000
3.1667
r=
Columns 1 through 9
Columns 10 through 18
Columns 19 through 26
45