15.07.2013 Views

Approximations multiéchelles - Laboratoire Jacques-Louis Lions ...

Approximations multiéchelles - Laboratoire Jacques-Louis Lions ...

Approximations multiéchelles - Laboratoire Jacques-Louis Lions ...

SHOW MORE
SHOW LESS

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

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!