Télécharger la présentation
La présentation est en train de télécharger. S'il vous plaît, attendez
1
ASI 3 Méthodes numériques pour l’ingénieur
la méthode des moindres carrés Le point de vue numérique (factorisation QR)
2
Approximation/interpollation: moindres carrés
f(x) yi xi
3
Posons le problème matriciellement
4
Posons le problème matriciellement
Xa = f =
5
Approximation au sens des moindres carrés
Système linéaire de k équations et k inconnues
6
Approximation : version matricielle
Erreur d’approximation Système linéaire de k équations et k inconnues
7
Approximation : version matricielle
Erreur d’approximation Matrice de Vandermonde ( ) Système linéaire de k équations et k inconnues
8
Forme quadratique Équations normales
9
Point de vue algèbrique (géométrique)
X représente une application linéaire de Rp sur Rn Projection de y (les résultats des expériences) sur le sous espace vectoriel engendré par X (les données) y
10
Comment résoudre le problème des moindres carrées ?
Rang(X’X) = Rang(X) = 3 cond(X’X) = cond(X)*cond(X) Il faut mieux travailler sur X que sur X’X … si possible !
11
Un principe, deux idées Matrice orthogonale
Orthogonalisation de Schmidt Orthogonalisation de Householder X p Car H orthogonale R 1 n 1 n G X H R
12
Base orthogonale (Schmidt)
G X Fonction x = mmc(A,b) G,R = decompose(A) x = triang(R,G’b)
13
{ Décompose : X=GR R Théorème : dans tout espace vectoriel
Théorème : dans tout espace vectoriel de dimension finie, il existe des bases orthogonales G X {
14
Décompose : X=GR Fonction G,R = décompose(A)
Problème d’accumulation d’erreurs d’arrondi
15
La méthode QR Il est si facile le résoudre un système « triangulaire » ! Q « facilement » inversible et R triangulaire Définition : on appelle matrice de Householder du vecteur normé u une matrice H de la forme suivante Propriété : une matrice de Householder est symétrique et orthogonale HTH=I Les transformations orthogonales « conservent » la norme
16
Orthogonalisation : X = QR
Transformation de Householder Q X Définir H
17
Householder et moindres carrés
18
Transformation de Householder
19
Transformation de Householder
Théorème : pour tout vecteur normé x, pour le vecteur unitaire e1 il existe une matrice H telle que : Hx=e1 Démonstration : posons
20
Transformation de Householder
X H R 1 H H =
21
Quels calculs ?
22
QR : algorithme de Householder
Diag(R) k premières lignes de R Rangement des variables produit des H : (si besoin) à la fin en commençant par le plus simple formules à l’étape k Partie non encore factorisée n p Theodore et lascau pp 291 chap 6 mmc 6.5.4
23
L’algorithme QR Fonction Q,R = décomposeQR(X)
24
Retour des moindres carrées la méthode QR
Mise en œuvre : on calcule directement Q’b pendant la décomposition
25
Remarques MMC sans Q R=chol(A’A)
Si on ajoute ou on enlève une variable Q et R changent « peu »
26
Matlab ATTENTION : cette semaine il faut un compte rendu par binôme
unCR est une page recto verso : recto ce que vous avez fait, verso : ce que vous en pensez !
Présentations similaires
© 2024 SlidePlayer.fr Inc.
All rights reserved.