PROGRAMMATION SCIENTIFIQUE EN C

Slides:



Advertisements
Présentations similaires
Eléments d'algèbre linéaire
Advertisements

La Méthode de Simplexe Standardisation
Reconstitution de la courbe des taux
Fonction « carré » Fonctions polynômes de degré 2
Reconstitution de la courbe des taux David Co-Van Gildas Colin Sébastien Garon.
DERIVATION Taux d’accroissement d’une fonction
Equations différentielles ordinaires
Chapitre VII :Commande par retour d’état
PROGRAMMATION SCIENTIFIQUE EN C
Systèmes d’équations du premier degré à deux variables
PROGRAMMATION SCIENTIFIQUE EN C
Zéros de polynômes (La loi du produit nul) Remarque :
Chapitre 2: Les régularités et les relations
Concepts avancés en mathématiques et informatique appliquées
Continuité Montage préparé par : André Ross
PROGRAMMATION SCIENTIFIQUE EN C
FRACTIONS PARTIELLES cours 13.
Des révisions et des constructions.
Équations Différentielles
IFT3355: Infographie Courbes et surfaces
Modélisation du robot Azimut-3
Courbes de Hermite Michael E. Mortenson, Geometric Modeling. Wiley, 1997, 523p.
Courbes de Bézier.
Systèmes semi-linéaires
Inéquations du second degré à une inconnue
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.
Inéquations du second degré à une inconnue
Zéros de polynômes ( La loi du produit nul ) Remarque :
Intégrale définie Montage préparé par : André Ross
Technique de points de contrôle: Formes de Bézier
POLYNÔME DE TAYLOR cours 23.
IFT3355: Infographie Courbes et surfaces
Modélisation géométrique de base
ASI 3 Méthodes numériques pour l’ingénieur
Présentation de la méthode des Eléments Finis
Fonctions du second degré
PROGRAMMATION SCIENTIFIQUE EN C
Dérivation et intégration
Programmation linéaire en nombres entiers
Seconde partie Cours de seconde
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.
Les structures conditionnelles en PHP
Chapitre 9 La transformée de Laplace
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.
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.
ACT Cours 23 MATHÉMATIQUES FINANCIÈRES I Vingt-troisième cours.
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
Résolution des équations différentielles
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Approximation linéaire –Méthode du moindre carré u Exemple.
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
LES FONCTIONS REVISIONS POINTS COMMUNS Vous connaissez Les fonctions linéaires & affines : Les droites les fonctions du second degré : Les paraboles.
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.
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 Faiblesse de l’interpolation polynomiale Interpolation par splines cubiques Travail pratique 3 b) Affichage de 2 courbes avec xgraph Mini-test #2

Faiblesse de l’interpolation polynomiale Le nombre de points de contrôle influence directe-ment le degré du polynôme d’interpolation Si nous avons n points de contrôle, le polynôme d’interpolation sera alors de degré n-1   

Faiblesse de l’interpolation polynomiale            

Faiblesse de l’interpolation polynomiale         

Faiblesse de l’interpolation polynomiale Correction possible: interpolation par bout       

Interpolation par splines cubiques Pour un ensemble de points de contrôle (xi,f(xi)), i=1,...,n nous savons qu’un polynôme de degré maximal n-1 peut être utilisé comme fonction d’interpolation La précision de l’interpolation est généralement améliorée en augmentant le degré du polynôme d’interpolation Par contre, si f(xi) change brusquement pour des variations constantes de xi la précision de l’interpo-lation avec un polynôme de degré supérieur diminue

Interpolation par splines cubiques Le polynôme d’interpolation oscille alors autour de ces changements abruptes Dans ces circonstances nous devrions employer des polynômes d’interpolation d’ordre inférieurs tels que des splines

Interpolation par splines cubiques Splines linéaires Les points de contrôle (xi,f(xi)), i=1,...,n sont interpolés par des droites reliants chaque paire de points de con-trôle adjacente et leur forme respective est donnée par:

Interpolation par splines cubiques Splines linéaires De plus, pour être valide l’ensemble des splines linéaires doivent satisfairent

Interpolation par splines cubiques Plutôt que d’utiliser une droite comme fonction inter-polante de chaque intervalle (xi,xi+1) nous pouvons utiliser une fonction de degré 3 de la forme:

Interpolation par splines cubiques Nous cherchons l’ensemble des splines cubiques Si(x) qui interpolent chaque intervalle (xi,xi+1), i= 1,...,n-1

Interpolation par splines cubiques Les splines Si-1 et Si sont reliées au point de contrôle xi, i = 2,...,n-1, alors

Interpolation par splines cubiques Les dérivées première et seconde S' et S'' sont aussi supposées continues aux points xi. Pour trouver les splines Si(x) sur chaque intervalle [xi,xi+1], nous posons d’abord:

Interpolation par splines cubiques Puisque Si est cubique sur l’intervalle [xi,xi+1], Si'' est alors linéaire sur l’intervalle i et prend la forme:

Interpolation par splines cubiques En intégrant deux fois Si''(x) nous obtenons: Sachant que Si(xi) = f(xi) = yi et Si(xi+1) = f(xi+1) = yi+1, nous pouvons déduire les constantes c et d

Interpolation par splines cubiques Nous pouvons alors réécrire Si(x): Cherchons maintenant les inconnues zi sachant que:

Interpolation par splines cubiques En dérivant Si(x) nous obtenons:

Interpolation par splines cubiques En égalant ces 2 expressions dérivées: Cette dernière équation est calculée pour chaque point de contrôle i=2,....,n-1

Interpolation par splines cubiques Nous pouvons alors déduire un système d’équations linéaires de n-2 équations et n inconnus z1,...zn. Ce système étant sous-déterminé nous posons alors z1 = zn = 0 Ce qui représente les conditions aux frontières de l’intervalle [x1, xn]

Interpolation par splines cubiques Nous pouvons alors écrire ce système d’équations linéaires de n-2 équations

Interpolation par splines cubiques Algorithme Lire les xi Lire les yi Pour m valeurs de x dans l’intervalle [minx, maxx] FAIRE Trouver l’intervalle i dans lequel se trouve la valeur de x Calculer Si(x) Écrire x et Si(x) dans un fichier FIN POUR

Mini-test #2 Faire la partie 3 b) sur les splines Réviser les méthodes de recherche de zéros de fonction

Travail pratique 3 b) Recherche du chemin interpolant un ensemble de points par les splines cubiques(exemple du taxi)