Académique Documents
Professionnel Documents
Culture Documents
1 Interpolation numérique
1.1 Introduction
Soit la fonction y = f ( x ) , on suppose que l’on connaît, par des mesures ou bien par un
calcul, les valeurs de y en certains points xi , avec i = 0,1,⋯ , n .
i xi yi
0 x0 y0
1 x1 y1
⋮ ⋮ ⋮
n xn yn
1.1.2 Interpolation
1.1.3 Extrapolation
P1 ( x ) = a0 + a1 x
y1 − y0
a0 + a1 x0 = y0 a1 =
Tel que : P1 ( x0 ) = y0 et P1 ( x1 ) = y1 ⇔ , on en déduit x1 − x0
a0 + a1 x1 = y1 a = y − a x
0 0 1 0
y1 − y0 y1 − y0
P1 ( x ) = y0 + ( x − x0 ) ⋅ , ou encore f ( x ) = y0 + ( x − x0 ) ⋅
x1 − x0 x1 − x0
ou encore :
x − x0 x − x0 x − x1 x − x0
P1 ( x ) = y0 + ⋅ y1 − ⋅ y0 P1 ( x ) = ⋅ y0 + ⋅ y1
x1 − x0 x1 − x0 x0 − x1 x1 − x0
P2 ( x ) = a0 + a1 x + a2 x 2
Tel que : P2 ( x0 ) = y0 , P2 ( x1 ) = y1 et P2 ( x2 ) = y2
a0 + a1 x0 + a2 x02 = y0
a0 + a1 x1 + a2 x12 = y1
a0 + a1 x2 + a2 x22 = y2
x − x1 x − x2 x − x0 x − x2 x − x0 x − x1
P2 ( x ) = y0 + y1 + y2
x − x x
0 1 0 2 − x x − x x
1 0 1 2 − x x − x x
2 0 2 1 − x
L0 ( x ) L1 ( x ) L2 ( x )
ou encore :
2 2
x − xk
P2 ( x ) = Li ( x ) ⋅ yi , avec Li ( x ) = ∏
i =0 k = 0 xi − xk
k ≠i
Pn ( xi ) = yi pour i = 0,1,⋯ , n .
Démonstration :
Supposons qu’il existe 2 polynômes Pn ( x ) et Qn ( x ) de degré n satisfaisant Pn ( xi ) = yi ,
Qn ( xi ) = yi pour i = 0,1,⋯ , n .
racines distincts.
Or, un polynôme de degré n possédant n+1 racines, est un polynôme nul.
Et donc : Pn ( x ) − Qn ( x ) = 0 Pn ( x ) = Qn ( x )
Pn ( xi ) = f ( xi ) = yi , ∀i = 0,1,⋯ , n .
On doit donc trouver n+1 polynômes de degré n vérifiant les règles suivantes :
0 si i ≠ j
Li ( x j ) = δ ij = pour i = 0,1,⋯ , n
1 si i = j
,
n
x − xk
Li ( x ) = ∏
k =0 xi − xk
k ≠i
n
x − xk
n
⇔ Pn ( x ) = ∏
n
Pn ( x ) = Li ( x ) ⋅ yi ⋅ yi
i =0 k =0 xi − xk
i =0
k ≠i
Remarque : Les polynômes de Lagrange ne sont pas pratiques d’un point de vue numérique
puisque il est difficile de déduire Lk +1 à partir de Lk . De plus, son évaluation requiert trop
d'opérations élémentaires.
Pn ( x ) = α 0 + α1 ( x − x0 ) + ⋯ + α n ( x − x0 )( x − x1 )⋯ ( x − xn −1 ) ,
n
ou encore Pn ( x ) = α 0e0 + α1e1 + ⋯ + α n en = α e ( x)
k k
k =0
e0 = 1
e1 = x − x0 = e0 ( x − x0 )
e2 = ( x − x0 )( x − x1 ) = e1 ( x − x1 )
e3 = ( x − x0 )( x − x1 )( x − x2 ) = e2 ( x − x2 )
⋮
en = ( x − x0 )( x − x1 )⋯( x − xn −1 ) = en−1 ( x − xn −1 )
k −1
ek ( x ) = ∏ ( x − xi ), , k = 1,⋯ , n , avec e0 = 1
i =0
L’ensemble des polynômes ek (base de Newton) forment une base de l’espace Pn des
polynômes de degré n.
ek +1 = ek ⋅ ( x − xk )
n
Pn ( x ) = α k ⋅ ek ( x)
k =0
Il faut alors déterminer les coefficients α k . C’est l’objet de la prochaine partie intitulée
« calcul des cœfficients ».
n
Pn ( x0 ) = α k ⋅ ek ( x0 ) = α 0
k =0
n
Pn ( x1 ) = α k ⋅ ek ( x1 )
k =0
= α 0 + α1 ⋅ ( x1 − x0 ) f [ x1 ] − f [ x0 ]
d’où α1 = = f [ x0 , x1 ]
= f [ x0 ] + α1 ⋅ ( x1 − x0 ) x1 − x0
= f [ x1 ]
Différence divisée d’ordre 1
n
Pn ( x2 ) = α k ⋅ ek ( x2 )
k =0
= α 0 + α1 ⋅ ( x2 − x0 ) + α 2 ⋅ ( x2 − x0 )( x2 − x1 ) = f [ x2 ]
f [ x2 ] = f [ x0 ] + f [ x0 , x1 ] ( x2 − x0 ) + α 2 ⋅ ( x2 − x0 )( x2 − x1 )
α 2 ⋅ ( x2 − x0 )( x2 − x1 ) = ( f [ x2 ] − f [ x1 ]) + ( f [ x1 ] − f [ x0 ]) − f [ x0 , x1 ] ( x2 − x0 )
or f [ x1 ] − f [ x0 ] = f [ x0 , x1 ] ( x1 − x0 )
f [ x1 , x2 ] − f [ x0 , x1 ]
α2 = = f [ x0 , x1 , x2 ]
x2 − x0
f [ x1 , x2 ,… xk ] − f [ x0 , x1 ,… xk −1 ]
α k = f [ x0 , x1 ,… xk ] =
xk − x0
n
Pn ( x ) = y0 + α k ⋅ ek ( x) , avec α k = f [ x0 , x1 ,… xk ]
k =1
Y = f (T , X )
Le but de la méthode est de trouver (ou d’ajuster) les paramètres X pour que f (T , X )
respectent les mesures c’est-à-dire approche au mieux les données (ti , yi ) .
Le principe de la méthode des moindres carrés est de minimiser l’erreur. Pour cela on pose :
Ei = yi − f ( ti , X ) pour i = 1,⋯ , n
Ei représente l’expression de l’erreur (résidus) pour chaque point d’appui.
n n
S = E = ( yi − f ( ti , X ) )
2 2
i
i =1 i =1
Le minimum de cette somme des carrés des résidus S est atteint lorsque
∂S n
∂f ( ti , X )
= −2 ( yi − f ( ti , X ) ) = 0, ∀k = 1,… , m
∂xk i =1 ∂xk
y0 = a0 + a1t0 + a2t02 + ⋯
y1 = a0 + a1t1 + a2t12 + ⋯
⇔ Y = AX
y2 = a0 + a1t2 + a2t22 + ⋯
⋮
E = Y − AX
S = Y − AX
2
Le minimum de la norme des carrés des erreurs S est atteint si et seulement si X satisfait
l’équation suivante :
( A A) ⋅ X = A
T T
⋅Y
Où A T est la transposée de A
Par conséquent, la solution de la méthode des moindres carrés est donnée par :
X = ( A T A) ⋅ A T ⋅Y
−1
Exercices :
Exercice 1 :
On mesure une tension aux bornes d’une résistance R en fonction de l’intensité.
I 1 2 3 4 5 6 7
U 2.1 3.9 5.8 8.1 10.4 11.9 14.2
Exercice 2 :
On considère un système linéaire discret dont la loi est donnée par l’équation récurrente :
xk +1 = axk + b
Estimez par la méthode des moindres carrés les paramètres a et b, disposant des mesures
suivantes :
k 1 2 3 4 5
xk 1.7 2.4 3.3 4.2 5.1
Exercice 1 :
On connaît d’une fonction les quatre points d’appui suivants :
Xi -1 0 1 3
Yi 0 -1 0 70
Exercice 2 :
Soit f ( x ) = sin ( x ) ,
Exercice 3 :
Déterminez l’angle de tir de la trajectoire parabolique issue de l’origine qu’on estime par la
méthode des moindres carrés disposant des points P1(1 ;2), P2(2 ;3), P3(3 ;3.2), P4(4 ;3.5),
P5(5 ;2.5).