Académique Documents
Professionnel Documents
Culture Documents
Ibrahim ALAME
ESTP
10/01/2022
n
X
P(x) = f (xi )Li (x)
i=0
Qn x−xj
où les polynômes Li sont définis par : Li (x) = j=0,j6=i xi −xj
Démonstration
Unicité. Soient P, Q ∈ Rn [X ] tels que P(xi ) = Q(xi ) = fi pour
i = 0, ...n, alors P − Q ∈ Rn [X ] et il s’annule en n + 1 points distincts
alors P − Q ≡ 0.
Existence. On pose P(x) = ni=0 f (xi )Li (x)
P
• • • •
L0 (x)=1−x L1 (x)=x
1
n = 2 trois points de discrétisation x0 = 0 , x1 = 2 et x2 = 1.
• • • • • • • • •
y y2
•
y1
•
x
•
•
L(x) (n+1)
f (x) − P(x) = f (ξ)
(n + 1)!
Qn
où L(x) = i=0 (x − xi ) et a < ξ < b.
2n+1
Λn ∼
e n ln(n)
Ibrahim ALAME (ESTP) Approximation et intégration numérique 10/01/2022 11 / 74
Polynôme de Tchebychev
la constante de Lebesgue est beaucoup plus petite dans le cas des racines
de polynôme de Chebyshev :
a+b (2i + 1)π b−a
xi = + cos × , i = 0, 1, · · · , n
2 2n + 2 2
Les conditions sur les fonctions de bases sont alors les suivantes, pour
i, j = 0, n :
Ai (xj ) = δij , Bi (xj ) = 0
A0 i(xj ) = 0, Bi0 (xj ) = δij
On trouve
Ai (x) = [1 − 2(x − xi )L0i (xi )] L2i (x)
L(x)
f (x) − P(x) = f (2n+2) (ξ)
(2n + 2)!
− xj )2 et a < ξ < b.
Qn
où L(x) = i=0 (x
Étant donné x0 < x1 < · · · < xn , on approche f par une fonction continue
qui, sur chaque intervalle [xi , xi+1 ], est définie par le segment joignant les
deux points (xi , f (xi )) et (xi+1 , f (xi+1 )). Cette fonction est appelée
interpolation linéaire par morceaux (ou spline linéaire)
Spline linéaire
Pour xi < x < xi+1
x−xi
s(x) = f (xi ) + xi+1 −xi (f (xi+1 ) − f (xi ))
Erreur
1
|f (x) − s(x)| ≤ M2 h2
8
y + y3 −y2 (x − x ) si x ∈ [x , x ]
2 x3 −x2 2 2 3
d’où
x si x ∈ [0, 1]
s(x) = 3x − 2 si x ∈ [1, 2]
−x + 6 si x ∈ [2, 3]
4
3
1
• • • •
0 1 2 3
Étant donné x0 < x1 < · · · < xn , on approche f par une fonction de classe
C 2 qui, sur chaque intervalle [xi , xi+1 ], est définie par un polynôme de
degré 3.
Le nombre total d’inconnues est 4n
Les conditions s(xi ) = fi imposent 2 contraintes pour les n polynômes
=⇒ 2n contraintes
Les dérivées première et seconde, à gauche et à droite doivent
coïncider en chacun de ses n − 1 points =⇒ 2(n − 1) contraintes
Deux conditions supplémentaires sont donc nécessaires
a1 x 3 + b1 x 2 + c1 x + d1 a2 x 3 + b2 x 2 + c2 x + d2
• • •
f (x) = a0 + a1 x + a2 x 2 + a3 x 3 si x ∈ [0, 1]
a0 = 0
a0 + a1 + a2 + a3 = 1
b0 + b1 + b2 + b3 = 1
b0 + 2b1 + 4b2 + 8b3 = 4
c + 2c1 + 4c2 + 8c3 = 4
0
c0 + 3c1 + 9c2 + 27c3 = 3
• • • •
0 1 2 3
Notations :
I hi = xi+1 − xi pour i = 0. . . n − 1
I δi = [xi ; xi+1 ]
I si (x) le polynôme de degré 3 qui coïncide avec g sur l’intervalle δi
mi hi2
si (xi ) = yi =⇒ yi = + bi
6
continuité de si en xi+1
mi+1 hi2
si (xi+1 ) = yi+1 =⇒ yi+1 = + ai hi + bi
6
Ibrahim ALAME (ESTP) Approximation et intégration numérique 10/01/2022 31 / 74
Splines cubiques : détermination
Éliminons bi :
1 hi
ai = (yi+1 − yi ) − (mi+1 − mi )
hi 6
continuité de s 0 (xi ) :
hi hi−1
si0 (xi ) = −mi + ai = −mi 0
+ ai−1 = si−1 (xi )
2 2
Éliminons ai :
yi+1 − yi yi − yi−1
hi−1 mi−1 + 2(hi + hi−1 )mi + hi mi+1 = 6 −
hi hi−1
m0 = mn = 0
6
mi−1 + 4mi + mi+1 = (yi−1 − 2yi + yi+1 ) pour i = 1, n − 1
h2
• • • • • • • • •
d(f , Vh ) = kf − uk = min kf − v k
v ∈Vh
qn
u
q2
Vh q1
Le développement de J :
N
X N
X
J(λ) = λi λj (qi , qj ) − 2 λi (f , qi ) + kf k2
i,j=0 i=0
s’écrit
J(λ) =< Aλ, λ > −2 < b, λ > +kf k2
où A = [(qi , qj )]ij est une matrice symétrique définie positive, et
b = (f , qi )i un vecteur dépendant de f et de la base choisie.
J 0 (λ) = 2 (Aλ − b)
A étant définie positive et pour tout ε ∈ Vh , < Aε, ε > est strictement
positif et par conséquence J est minimale en λ∗ tel que
Aλ∗ = b
J 0 (λ∗ ) = 0 ⇐⇒ Aλ∗ = b
qi
h= N1
x
0 xi 1
h= N1
x
0 xi 1
D’où
11 29 25 140 3
f˜(x) = − x + x2 + x
21 11 7 11
donc
soit matricielement
S0 S1 · · · Sm a0 v0
S1 S2 · · · Sm+1 a1 v1
.. .. = ..
. . .
Sm Sm+1 · · · S2m am vm
où cov(x, y ) = xy − xy et v(x) = x 2 − x 2 .
•
•
P(x) = 32 x − 2
3
Il s’agit d’approcher
Z b
I = f (x)dx
a
dans le cas où on ne connaît pas une primitive de f . Formule de quadrature
Z 1 m−1
X
f (x)dx = ωi f (ξi )
0 i=0
d’où l’approximation
Z 1 Z 1 m−1
X m−1
X Z 1
f (x)dx ' f (ξk )Lk (x)dx = f (ξk ) Lk (x)dx
0 0 k=0 k=0 |0 {z }
ωk
On a ξ0 = 12
D’autre part L0 (x) = 1 donc
Z 1
ω0 = 1dx = 1
0
donc
1
1
Z
f (x)dx ' f
0 2
• • • •
L0 (x)=1−x L1 (x)=x
d’où
1 1
1 1
Z Z
ω0 = (1 − x) dx = et ω1 = x dx =
0 2 0 2
d’où
Z 1
f (0) + f (1)
f (x)dx '
0 2
• • • • • • • • •
donc
1 2
ω0 = ω1 = et ω2 =
6 3
d’où
1
1 1
Z
f (x)dx ' f (0) + 4 f + f (1)
0 6 2
Z b
a+b
m=1 f (x)dx ' (b − a) f
a 2
b
b−a
Z
m=2 f (x)dx '
(f (a) + f (b))
a 2
Z b
b−a a+b
m=3 f (x)dx ' f (a) + 4 f + f (b)
a 6 2
m=1
Formule de Taylor Lagrange
2
a+b 0 a+b (x− a+b
2 )
f (x) − f ( a+b ) + (x − kf 00 k
2 2 )f ( 2 ) ≤ 2
d’où
R
b 1 b a+b 2
a f (x)dx − (b − a)f ( a+b dxkf 00 k
R
2 ≤
) 2 a x − 2
1 (b−a)3 00
≤ 2 12 kf k
(b − a)3 00
|e| ≤ kf k
24
(b − a)3 00
|e| ≤ kf k
12
(b − a)5 (4)
|e| ≤ kf k
2880
En général,
L(x) (m)
f (x) − P(x) = f (ξ)
m!
d’où Z b
1
|e| ≤ |L(x)| dx kf (m) k
m! a
h
x
a=x0 xi xi+1 b=xn
Z b n−1 Z xi+1
X n−1
X
f (x)dx = f (x)dx = h f xi+ 1
2
a i=0 xi i=0
b n−1
1
Z X
f (x)dx = h f a + (i + )h
a 2
i=0
n−1
" #
Z b
f (a) + f (b) X
f (x)dx = h + f (xi )
a 2
i=0
xi+1
(xi+1 − xi )
Z
xi + xi+1
f (x)dx = f (xi ) + 4 · f + f (xi+1 )
xi 6 2
b n−1
b−aX
Z
xi + xi+1
f (x)dx = f (xi ) + 4 · f + f (xi+1 )
a 6n 2
i=0
1
1 1
Z
f (x)dx ' f (− √ ) + f ( √ )
−1 3 3
a+b
Par changement de variable x = 2 + ξ b−a
2 , on a
b
b−a 1 b−a 1 b−a
Z
a+b a+b
f (x)dx ' f( −√ )+f( +√ )
a 2 2 3 2 2 3 2
Z xi+1
h h h
f (x)dx ' f (xi+1/2 − √ ) + f (xi+1/2 + √ )
xi 2 2 3 2 3
Z b N−1
hX h h
f (x)dx ' f (xi+1/2 − √ ) + f (xi+1/2 + √ )
a 2 2 3 2 3
i=0
soit d’ordre N = 2n − 1. Les points (ξi ) sont dans]α, β[ et sont les racines
du n-ième polynôme orthogonal pour le poids w .
Theorem
Il existe une suite de polynômes (Pk )k et une seule vérifiant :
Pour tout k, le degré de Pk est k et Pk est unique.
Pour tous k 6= j, (Pj , Pk ) = 0 (ce qui implique que, pour tout k,
(Pk )k est une base de Ek = Rk [X ] et que Pk est orthogonal à Ek−1 .
Ibrahim ALAME (ESTP) Approximation et intégration numérique 10/01/2022 63 / 74
Le procédé d’orthogonalisation de Schmidt permet alors de construire à
partir de la base naturelle (1, X , ..., X n ) de En une famille orthogonale de
polynômes qu’on peut supposer unitaires. Cette familles vérifie une relation
de récurrence qui s’écrit :
2
avec λn = (xPkP
n−1 ,Pn−1 )
n−1 k
2 et µn = kPn−1 k
kPn−2 k2
En pratique, on commence la
récurrence avec les deux polynômes
1 dn 2
(x − 1)n
Pn (x) = n n
2 n! dx
Polynômes de Laguerre
C’est le cas particulier a = 0, b = ∞ et ω(x) = exp(−x).
P−1 (x) = 0
P0 (x) = 1
n Pn (x) = (2n − 1)x Pn−1 (x) − (n − 1)Pn−2 (x)
2
∀k = 1, · · · n ωk =
(1 − ξk2 )Pn0 (ξk )2
n ωk ξk
1 2 √0 √
2 1,1 −1/
p 3, 1/p 3
3 5/9, 8/9, 5/9 − 3/5, 0, 3/5
Ibrahim ALAME (ESTP) Approximation et intégration numérique 10/01/2022 68 / 74
Méthode de Gauss-Tchebychev
Polynômes de Tchebychev
Pour n = 2
Z 1
f (x) π √ √
√ dx = f (− 2/2) + f ( 2/2)
−1 1 − x2 2
en particulier
1
x2
Z
π
√ dx =
−1 1 − x2 2
L−1 (x) = 0
L0 (x) = 1
n Ln (x) = (2n − 1 − x) Ln−1 (x) − (n − 1)Ln−2 (x)
1
∀k = 1, · · · n ωk =
(n + 1)L0n (ξk )Ln+1 (ξk )
√ √
Pour n = 2 points, on a ξk = 2 ± 2 et ωk = (2 ∓ 2)/4.
D’où
√ √
Z ∞
−x 2+ 2 √ 2− 2 √
f (x)e dx = f (2 − 2) + f (2 + 2)
0 4 4
H−1 (x) = 0
H0 (x) = 1
Hn (x) = 2x Hn−1 (x) − 2(n − 1)Hn−2 (x)
∞ √ √ √ !
6 6
Z
−x 2 π
f (x)e dx = f (− ) + 4f (0) + f ( )
−∞ 6 2 2