Approximations multiéchelles - Laboratoire Jacques-Louis Lions ...
Approximations multiéchelles - Laboratoire Jacques-Louis Lions ...
Approximations multiéchelles - Laboratoire Jacques-Louis Lions ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
d’où<br />
|aIj+1,2k (f)| ≤ 2j+1<br />
<br />
Ij+1,2k<br />
≤ 2 j+1 <br />
−1<br />
2 (t − x j+1<br />
≤<br />
1<br />
2 j+2<br />
sup<br />
t∈Ij+1,2k<br />
|dj,k| ≤ 2 j+1<br />
2 2 −j−1 sup<br />
t∈Ij,k<br />
(t − x j+1<br />
2k )dt sup |f<br />
t∈Ij+1,2k<br />
′ (t)|<br />
2k )2 x j+1<br />
2k+1<br />
|f ′ (t)|<br />
x j+1<br />
2k<br />
sup<br />
t∈Ij+1,2k<br />
|f ′ (t)|<br />
|f ′ (t)| ≤ C2 −3j/2 . (15)<br />
On admettra ici que si f ∈ C α (sur Ij,k) avec α ∈]0, 1[ alors |dj,k| ≤ C2 −(α+1/2)j .<br />
On verra plus loin une généralisation de ce résultat à des systèmes autres que celui de Haar. On peut déjà<br />
admettre qu’il est possible de mesurer la régularité (locale) de f par la décroissance de dj,k en fonction de<br />
j → +∞.<br />
2.3.2 Synthèse<br />
Une autre utilisation de la décomposition multiéchelle d’une fonction est la compression. On peut définir<br />
une approximation adaptative de f en seuillant ses coefficients : on ne garde dans l’expression (9) que les<br />
coefficients supérieurs en valeur absolue à une certaine tolérance, qui peut dépendre du niveau d’échelle<br />
f = <br />
dj,kψj,k → fε := <br />
˜dj,kψj,kavec ˜ <br />
dj,k si |dj,k| > εj,<br />
dj,k =<br />
(16)<br />
0 sinon.<br />
j,k<br />
j,k<br />
On verra plus loin que cette compression assure une certaine précision, dépendant de la tolérance. Une<br />
variante consiste à plutôt imposer une performance de compression donnée :<br />
<br />
f → fN :=<br />
dj,kψj,k. (17)<br />
N plus grands |dj,kψj,k|<br />
Dans les deux cas f → fN ou f → fε sont des approximations non-linéaires de f.<br />
2.4 Codage par valeurs ponctuelles<br />
Dans l’exemple du système de Haar développé plus haut, on cherche une approximation de la fonction à<br />
analyser par une fonction constante par morceaux. Cette représentation est bien adaptée à un schéma volumes<br />
finis dans lequel, justement, les inconnues sont des approximations des valeurs moyennes de la solution sur<br />
les mailles. Elle n’est cependant pas obligatoire et on peut choisir d’analyser la fonction discrétisée par<br />
ses valeurs ponctuelles. L’exemple introductif dans ce cas est celui de la base de Schauder, qu’on résume<br />
brièvement ici (voir [18] pour une étude détaillée). On cherche maintenant à approcher une fonction f par<br />
une fonction fj, continue et affine par morceaux sur les intervalles Ij,k, k ∈ Z. Une telle approximation est<br />
définie de manière unique par les valeurs de la fonction aux points 2 −j k. Dans le cas où f est continue on<br />
pose<br />
fj(2 −j k) = f(2 −j k), k ∈ Z<br />
c’est à dire qu’on définit fj comme l’interpolée linéaire de f à l’échelle 2 −j . Notons Pj l’opérateur d’interpolation<br />
qui envoie f sur fj. Pj est une projection sur l’espace<br />
Vj = {f ∈ C(R); f |Ij,k ∈ P1 (Ij,k), k ∈ Z}<br />
12