PROGRAMMATION SCIENTIFIQUE EN C

Slides:



Advertisements
Présentations similaires
Eléments d'algèbre linéaire
Advertisements

Inférence statistique
Résolution approchée de l’équation : f(x) = 0
DERIVATION Taux d’accroissement d’une fonction
FONCTIONS EXPONENTIELLES ET LOGARITHMES
Modélisation des systèmes non linéaires par des SIFs
Probabilités et statistique en TS
PROGRAMMATION SCIENTIFIQUE EN C
Continuité Introduction Continuité Théorème des valeurs intermédiaires
Initiation à la programmation et algorithmique
Intégration numérique
La méthode d’Euler Objectif : résoudre une équation différentielle de façon numérique Applications en physique (en Terminale S): Résoudre une équation.
Chapitre 7: Les polynômes
PROGRAMMATION SCIENTIFIQUE EN C
Quelques algorithmes sur calculatrices
Chapitre 2: Les régularités et les relations
Couche limite atmosphérique
Concepts avancés en mathématiques et informatique appliquées
PROGRAMMATION SCIENTIFIQUE EN C
Introduction f connue besoin de connaître f'
PROGRAMMATION SCIENTIFIQUE EN C
La fonction quadratique. Déterminer l’équation.. Pour bien comprendre les procédés qui vont suivre, il faut se souvenir du lien qui existe entre x et.
Systèmes Différentiels
Courbes de Hermite Michael E. Mortenson, Geometric Modeling. Wiley, 1997, 523p.
Courbes de Bézier.
Équations différentielles Partie 1
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
RECONNAISSANCE DE FORMES
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Introduction –Analyse de la corrélation –Régression et méthode des.
Technique de points de contrôle: Formes de Bézier
ACT Cours 5 MATHÉMATIQUES FINANCIÈRES I Cinquième cours.
POLYNÔME DE TAYLOR cours 23.
Modélisation géométrique de base
ASI 3 Méthodes numériques pour l’ingénieur
Dérivation et intégration
5 – Application: gestion de polynômes
Programmation linéaire en nombres entiers
Relation Pythagore #4 (Résoudre des problèmes écrits)
Visualisation de la méthode par exhaustion pour calculer l’aire sous une courbe Bien comprendre le principe d’aire par exhaustion en utilisant une série.
STATISTIQUES – PROBABILITÉS
PROGRAMMATION SCIENTIFIQUE EN C
1 Interpolation Buts L’interpolation consiste à calculer des valeurs pour différents points sur la base d’observations faites sur des points particuliers.
PROGRAMMATION SCIENTIFIQUE EN C PRO Résolution de système d’équations non- linéaires (racines d’équations) u Introduction u Méthode de recherche.
SÉRIE DE TAYLOR cours 28.
- 5 - Optimisation linéaire et non-linéaire
PROGRAMMATION SCIENTIFIQUE EN C PRO Résolution de système d’équations non- linéaires (racines d’équations) u Méthode de la bissection u Analyse.
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Approximation linéaire –Méthode du moindre carré u Travail pratique.
Factorisation de trinômes
Résolution d’équations polynomiales
Introduction à l’Analyse Numérique
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Introduction –Analyse de la corrélation –Régression et méthode des.
Interpolation et Approximation
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Approximation linéaire –Méthode du moindre carré u Exemple.
Statistique Descriptive Les Paramètres de Tendance Centrale
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C PRO Résolution de système d’équations non-linéaires (racines d’équations) u Introduction u Méthode de recherche.
CHAPITRE 2 LES SITUATIONS FONCTIONNELLES
A.Aarabi ´. ´ Objectifs Faciliter la prise en main du logiciel MATLAB Présenter les fonctionnalités utiles au travail scientifique.
Couche limite atmosphérique Micrométéorologie. Équations de Reynolds 7 équations et 16 inconnues...
Matlab (Matrix Laboratory) Langage de programmation évolué. Traitement direct d’opérations matricielles, dont l’inversion et l’analyse d’opérateurs ou.
Courbes d'Interpolation Interpolation de Lagrange, et Interpolation B-spline.
C1 – Interpolation et approximation
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
PROGRAMMATION SCIENTIFIQUE EN C
Transcription de la présentation:

PROGRAMMATION SCIENTIFIQUE EN C

Interpolation de fonctions Introduction Méthode de Gregory-Newton Méthode de Lagrange Travail pratique 3 a) Affichage de 2 courbes avec xgraph

Introduction Dans plusieurs problèmes nous avons en main un ensemble de mesures discrètes Nous voulons souvent connaître le comportement du phénomène mesuré entre chaque mesure discrète Nous devons alors interpoler les intervalles de valeurs entre chaque mesure discrète à l’aide de fonctions de degré quelconque

Introduction Si nous avons un polynôme d’interpolation f(x) de degré n: Les coefficients du polynôme sont déduits à partir des points de contrôle (mesures)

Introduction Interpolation linéaire Deux points de contrôle (mesures) sont nécessaires pour déduire les coefficients inconnus

Introduction Interpolation linéaire

Introduction Interpolation linéaire Par la loi des triangles semblables nous savons: Si f(x) est mis en évidence: DÉVIATION PAR RAPPORT à xi PENTE

Introduction Interpolation linéaire Ce type d’interpolation peut causer des erreurs importantes lorsque le polynôme réel est d’ordre supérieur au polynôme d’interpolation (Voir l’intervalle [2,3]) Pour améliorer la précision de l’interpolation nous devons utiliser des polynômes de degrés supérieurs

Introduction Interpolation non linéaire Prenons par exemple un polynôme de degré 2 Nous devons alors utiliser 3 points de contrôle pour dé- duire les valeurs des coefficients Si nous généralisons cette approche, nous pouvons alors utiliser un polynôme d’interpolation de degré n avec n+1 coefficients et qui requière n+1 points de con- trôle pour déduire les valeurs des coefficients

Méthode de Gregory-Newton Cette méthode permet de déduire un polynôme d’interpolation de degré n sans avoir à résoudre un système d’équations linéaires Le polynôme déduit par cette méthode est de la forme Les n valeurs de xi et f(xi) sont connues, les n+1 valeurs des coefficients ai sont inconnues et doivent être déduites

Méthode de Gregory-Newton Si les valeurs de x sont en ordre croissant nous pouvons alors déduire les coefficients ai par Nous répétons ces calculs pour les n+1 coefficients ai.

Méthode de Gregory-Newton Le polynôme de Gregory-Newton sous sa forme généralisée

Méthode de Gregory-Newton Le polynôme de Gregory-Newton sous sa forme généralisée (calcul des coefficients ai)

Méthode de Gregory-Newton Le polynôme de Gregory-Newton sous sa forme généralisée

Méthode de Gregory-Newton Le polynôme de Gregory-Newton sous sa forme généralisée (forme récursive)

Méthode de Lagrange Lorsque les intervalles en x sont inégaux il faut utiliser une autre forme de polynôme d’interpola-tion Le polynôme de Lagrange de degré n-1 est utilisée dans ces circonstances. Sa forme générale est donnée par

Méthode de Lagrange Les fonctions cardinales li(x) sont données par

Méthode de Lagrange Les fonctions cardinales li(x) sont données par (n = 3)

Méthode de Lagrange Les fonctions cardinales li(x1) sont données par (n = 3)

Méthode de Lagrange Les fonctions cardinales li(x1) sont données par (n = 3)

Méthode de Lagrange Algorithme Lire les xi Lire les yi Pour m valeurs de x dans l’intervalle [minx, maxx] FAIRE Calculer Écrire x et f(x) dans un fichier FIN POUR

Travail pratique 3 a) Recherche du chemin interpolant un ensemble de points (exemple du taxi)