.. ------------------------------------ ..
.. include:: snippets/Header2Algo09.rst
+.. include:: scripts/simple_Blue.rst
+
.. literalinclude:: scripts/simple_Blue.py
.. include:: snippets/Header2Algo10.rst
.. ------------------------------------ ..
.. include:: snippets/Header2Algo09.rst
+.. include:: scripts/simple_ExtendedBlue.rst
+
.. literalinclude:: scripts/simple_ExtendedBlue.py
.. include:: snippets/Header2Algo10.rst
.. ------------------------------------ ..
.. include:: snippets/Header2Algo09.rst
+.. include:: scripts/simple_NonLinearLeastSquares.rst
+
.. literalinclude:: scripts/simple_NonLinearLeastSquares.py
.. include:: snippets/Header2Algo10.rst
--- /dev/null
+.. index:: single: Blue (example)
+
+This example describes the interpolation between two physical states. These two
+vector fields, of identical discretization, are the observation
+:math:`\mathbf{y}^o` and the background state :math:`\mathbf{x}^b`. The
+confidence in errors on the two information are considered identical. The
+:math:`H` model fully observe the available field, it is a matrix selection
+operator.
+
--- /dev/null
+.. index:: single: ExtendedBlue (example)
+
+This example describes the interpolation between two physical states. These two
+vector fields, of identical discretization, are the observation
+:math:`\mathbf{y}^o` and the background state :math:`\mathbf{x}^b`. The
+confidence in errors on the two information are considered identical. The
+:math:`H` model fully observe the available field, it is a matrix selection
+operator.
+
--- /dev/null
+.. index:: single: NonLinearLeastSquares (example)
+
+This example describes the calibration of parameters :math:`\mathbf{x}` of a
+quadratic observation model :math:`H`. This model is here represented as a
+function named ``QuadFunction``. This function get as input the coefficients
+vector :math:`\mathbf{x}`, and return as output the evaluation vector
+:math:`\mathbf{y}` of the quadratic model at the predefined internal control
+points. The calibration is done using an initial coefficient set (background
+state specified by ``Xb`` in the code), and with the information
+:math:`\mathbf{y}^o` (specified by ``Yobs`` in the code) of 5 measures obtained
+in these same internal control points.
+
+The adjustment is carried out by displaying intermediate results during
+iterative optimization.
.. ------------------------------------ ..
.. include:: snippets/Header2Algo09.rst
+.. include:: scripts/simple_Blue.rst
+
.. literalinclude:: scripts/simple_Blue.py
.. include:: snippets/Header2Algo10.rst
.. ------------------------------------ ..
.. include:: snippets/Header2Algo09.rst
+.. include:: scripts/simple_ExtendedBlue.rst
+
.. literalinclude:: scripts/simple_ExtendedBlue.py
.. include:: snippets/Header2Algo10.rst
.. ------------------------------------ ..
.. include:: snippets/Header2Algo09.rst
+.. include:: scripts/simple_NonLinearLeastSquares.rst
+
.. literalinclude:: scripts/simple_NonLinearLeastSquares.py
.. include:: snippets/Header2Algo10.rst
--- /dev/null
+.. index:: single: Blue (exemple)
+
+Cet exemple décrit l'interpolation entre deux états physiques. Ces deux champs
+vectoriels, de discrétisation identique, sont l'observation
+:math:`\mathbf{y}^o` et l'état d'ébauche a priori :math:`\mathbf{x}^b`. Les
+confiances dans les erreurs sur les deux informations sont considérées comme
+identiques. Le modèle :math:`H` observe complètement le champ disponible, c'est
+un opérateur de sélection matriciel.
+
--- /dev/null
+.. index:: single: ExtendedBlue (exemple)
+
+Cet exemple décrit l'interpolation entre deux états physiques. Ces deux champs
+vectoriels, de discrétisation identique, sont l'observation
+:math:`\mathbf{y}^o` et l'état d'ébauche a priori :math:`\mathbf{x}^b`. Les
+confiances dans les erreurs sur les deux informations sont considérées comme
+identiques. Le modèle :math:`H` observe complètement le champ disponible, c'est
+un opérateur de sélection matriciel.
+
--- /dev/null
+.. index:: single: NonLinearLeastSquares (exemple)
+
+Cet exemple décrit le recalage des paramètres :math:`\mathbf{x}` d'un modèle
+d'observation :math:`H` quadratique. Ce modèle est représenté ici comme une
+fonction nommée ``QuadFunction``. Cette fonction accepte en entrée le vecteur
+de coefficients :math:`\mathbf{x}`, et fournit en sortie le vecteur
+:math:`\mathbf{y}` d'évaluation du modèle quadratique aux points de contrôle
+internes prédéfinis dans le modèle. Le calage s'effectue sur la base d'un jeu
+initial de coefficients (état d'ébauche désigné par ``Xb`` dans l'exemple), et
+avec l'information :math:`\mathbf{y}^o` (désignée par ``Yobs`` dans l'exemple)
+de 5 mesures obtenues à ces mêmes points de contrôle internes.
+
+L'ajustement s'effectue en affichant des résultats intermédiaires lors de
+l'optimisation itérative.
