CHAPITRE

III:
Résolution
des
Systèmes
d’équations
linéaires CHAPITRE III: Résolution des
Analyse
numérique Systèmes d’équations linéaires
Mr. L.
RIABI

Spline cubique

Approximation
Analyse numérique
au sens des
moindres
Mr. L. RIABI
carrés
ESGEE 2017/2018

12/11/2017

2 / 18
 Spline cubique

CHAPITRE
III:
Résolution
des
Systèmes
d’équations Soit une série de points de donnée, ou nœuds, de coordonnées
linéaires
(Xi , Yi ). On appelle spline d’interpolation la fonction par
Analyse
numérique morceaux constituée d’un polynôme sur chaque intervalle entre
Mr. L.
RIABI nœuds.
Spline cubique Le degré de la spline est défini par le polynôme de plus haut
Approximation
au sens des
degré utilisé : si on joint simplement les nœuds par des droites,
moindres
carrés
c’est-à-dire si la spline est constituée de polynômes du premier
degré, la spline est de degré 1, etc. Si tous les polynômes ont
même degré, on parle de spline uniforme. Si tous les polynômes
sont du troisième degré, on parle de spline cubique.

3 / 18
CHAPITRE
III:
Résolution
des
Systèmes
d’équations
linéaires

Analyse
numérique
Mr. L.
RIABI

Spline cubique
Figure – Exemple de spline de degré 1 pour quatre nœuds.
Approximation
au sens des
moindres
carrés

4 / 18 Figure – Exemple de spline de degré 3 pour quatre nœuds.

CHAPITRE Définition 1.1.
III:
Résolution Soit (xi , f (xi )), i = 0, ..., n, des points d’interpolation. La
des
Systèmes spline cubique naturelle passant par ces points est la fonction
d’équations
linéaires polynomiale par morceaux p définie par
Analyse
numérique
Mr. L. p(x) = pi (x) si x ∈ [xi−1 , xi ], i = 1, ..., n
RIABI

Spline cubique
où
Approximation
au sens des
00 (x − xi )3 00 (x − xi−1 )
3
moindres
carrés
pi (x) = −fi−1 + fi
6hi 6hi
00
f (xi−1 ) hi fi−1
−( − )(x − xi )
hi 6
00
f (xi ) hi fi
+( − )(x − xi−1 )
hi 6
5 / 18
CHAPITRE
III:
Résolution
des
Systèmes
d’équations
linéaires 00
Analyse les fi satisfont les n + 1 équations
numérique
Mr. L.
RIABI hi 00 00 hi+1 00
fi−1 + 2fi + fi+1 = 6f [xi−1 , xi , xi+1 ]
Spline cubique
hi + hi+1 hi + hi+1
Approximation 00 00
au sens des pour i = 1, ..., n − 1 et f0 = fn = 0
moindres
carrés
hi = xi − xi−1 .

6 / 18
CHAPITRE
III:
Résolution
des
Systèmes
d’équations
linéaires
Exemple 1.1.
Analyse Soit la fonction f (x) = sin πx et les nœuds
numérique
Mr. L. x0 = 0, x1 = 16 , x2 = 16 .
RIABI
Utiliser la spline cubique naturelle pour approcher f ( 17 ).
Spline cubique

Approximation
au sens des On a 71 ∈ [0, 16 ] et d’après la table de différence divisé on a
moindres 00
carrés f [x0 , x1 , x2 ] = −3 on trouve f1 = −9 et p1 (x) = −9x3 + 13 4 x

donc f ( 17 ) ' p1 ( 17 ) = 043804

7 / 18
CHAPITRE
III:
Résolution
Préliminaire
des
Systèmes Définition 2.1.
d’équations
linéaires Soit E un R−espace vectoriel. L’application définie par :
Analyse
numérique
Mr. L. <, >: E × E → R
RIABI
(x, y) →< x, y >
Spline cubique

Approximation est appelée produit scalaire sur E si

au sens des
moindres
carrés
< x, x >≥ 0, ∀x ∈ E
< x, x >= 0R ⇔ x = 0E
< x, y >=< y, x >, ∀x, y ∈ E
< x, αy + βz >= α < x, y > +β < x, z >, ∀x, y, z ∈
E, α, β ∈ R

8 / 18
CHAPITRE
III:
Résolution
Définition 2.2.
des
Systèmes L’application définie par :
d’équations
linéaires
k.k : E → R+
Analyse √
numérique
Mr. L.
x → kxk = < x, x >
RIABI
est dite norme sur E associée au produit scalaire.
Spline cubique

Approximation
au sens des
moindres
Exemple 2.1.
carrés    
x1 y1
 x2   y2 
Soit E = Rn on x, y ∈ E donc x =   et y = 
   
.. .. 
 .   . 
xn yn

9 / 18
CHAPITRE
III:
Résolution <, >: Rn × Rn → R
→< x, y >= ni=1 xi .yi
des P
Systèmes (x, y)
d’équations
linéaires
√ Pn
1
2 2
Analyse kxk = < x, x > = i=1 x i
numérique
Mr. L.
RIABI Exemple 2.2.
Spline cubique E = C([a, b]) l’ensemble des fonctions continues sur [a, b]
Approximation
au sens des Z b
moindres
carrés ∀f, g ∈ E, < f, g >= f (x).g(x)dx
a
donc la norme associée au produit scalaire
Z b  21
p
kf k = < f, f > = f 2 (x)dx
a
10 / 18
CHAPITRE
III:
Résolution
des
Systèmes
d’équations
linéaires

Analyse
numérique Exemple 2.3.
Mr. L.
RIABI Soit E = C([−1, 1]) et
Spline cubique {ϕ0 (x) = 1, ϕ1 (x) = x, ϕ2 (x) = 21 (3x2 − 1)}
Approximation Calculer < ϕ0 , ϕ1 >, < ϕ0 , φ2 >, < ϕ1 , ϕ2 >
au sens des
moindres
carrés

11 / 18
CHAPITRE
III:
Résolution
des
Systèmes
d’équations
linéaires
Définition 2.3.
Analyse Soit la famille {ϕ0 , ϕ1 , ..., ϕn } une base de E
numérique
Mr. L.
RIABI
1 Cette famille est dite orthogonale de E si
< ϕi , ϕj >= 0, ∀i, j = 0, ..., n i 6= j
Spline cubique

Approximation
2 Cette famille est dite orthonormée de E si :
au sens des 
moindres
carrés
< ϕi , ϕj >= 0 ∀i 6= j,
< ϕi , ϕj >= 1 i = j,

12 / 18
 Approximation au sens des moindres carrés

CHAPITRE
III:
Résolution
des
Systèmes
d’équations Définition 2.4.
linéaires
Soit E un R−espace vectoriel et Pn l’espace des polynômes de
Analyse
numérique degré ≤ n et f ∈ E.
Mr. L.
RIABI On appelle approximation au sens des moindres carrés le
Spline cubique
plynôme unique p∗ ∈ Pn vérifiant
Approximation
au sens des kf − p∗ k = min kf − pk, p ∈ Pn .
moindres
carrés
p∗ est appelé meilleur approximation au sens des moindres
carrés de f dans Pn de plus < f − p∗ , p >= 0, ∀p ∈ Pn ......(I)

13 / 18
CHAPITRE détermination de la meilleur approximation au sens des
III:
Résolution moindres carrés (SMC)
des
Systèmes
d’équations Soit {ϕ0 , ϕ1 , ..., ϕn } une base de Pn , et f ∈ E, alors
linéaires

Analyse n
numérique
X
Mr. L. p ∈ Pn ⇒ p = aj ϕj , aj ∈ R.
RIABI
j=0
Spline cubique
n
Approximation X
au sens des
moindres
p ∗ ∈ Pn ⇒ p ∗ = a∗k ϕk , a∗k ∈ R.
carrés k=0

d’après la relation (I) < f − p∗ , p >= 0, ∀p ∈ Pn

n
X n
X
<f− a∗k ϕk , aj ϕj >= 0
k=0 j=0
14 / 18
CHAPITRE
III: n
X n
X
Résolution
des aj < f − a∗k ϕk , ϕj >= 0
Systèmes
d’équations j=0 k=0
linéaires
n
X
Analyse
numérique <f− a∗k ϕk , ϕj >= 0
Mr. L.
RIABI k=0

Spline cubique
< f − p∗ , ϕj >= 0 ⇔< f, ϕj >=< p∗ , ϕj >
Approximation donc
au sens des n
X
a∗k ϕk , ϕj >=< f, ϕj >
moindres
carrés <
k=0

Par définition
n
X
a∗k < ϕk , ϕj >=< f, ϕj >
k=0
15 / 18
CHAPITRE
III:
Résolution
des
Systèmes
d’équations
linéaires
c’est un système linéaire de (n + 1) inconnus a∗k avec écriture
Analyse matricielle
numérique  
Mr. L.
RIABI < ϕ0 , ϕ0 > ... < ϕn , ϕ0 > a∗0
 
< f, ϕ0 >

 < ϕ0 , ϕ1 > ... < ϕn , ϕ1 >   ∗  
  a1   < f, ϕ1 > 
=
Spline cubique 
 ..  
Approximation  .  
au sens des
moindres < ϕ0 , ϕn > ... < ϕn , ϕn > a∗n < f, ϕn >
carrés

Ce système admet une solution unique car p∗ est unique

16 / 18
CHAPITRE
III:
Résolution
des
si de plus {ϕ0 , ϕ1 , ..., ϕn } est une base orthogonale de Pn alors
Systèmes
d’équations
le système devient
linéaires

Analyse
numérique  
Mr. L.
RIABI < ϕ0 , ϕ0 > ... 0 a∗0
 
< f, ϕ
 0 < ϕ0 , ϕ1 > 0  ∗  
  a1   < f, ϕ
=
Spline cubique

 .. 
Approximation  . 
au sens des
moindres 0 ... < ϕn , ϕn > a∗n < f, ϕ
carrés

<f,ϕk > <f,ϕk >

donc la solution a∗k = <ϕk ,ϕk > = kϕk k2
Pn <f,ϕk >
et alors p∗ = k=0 kϕk k2 ϕk

17 / 18
CHAPITRE
III:
Résolution
Si la base {ϕ0 , ϕ1 , ..., ϕnP
} est orthonormale de Pn alors :
des
Systèmes
ak =< f, ϕk > et p = nk=0 < f, ϕk > ϕk
∗ ∗
d’équations
linéaires
Erreur d’approximation :
Analyse
numérique
Mr. L. v
RIABI u n
X
∗
u
Spline cubique kf − p k = tkf k2 − a∗k < f, ϕk >
Approximation k=0
au sens des
moindres
carrés Si la base est orthonormale on obtient
v
u n
X
∗
u
kf − p k = tkf k2 − a∗2
k
k=0

18 / 18