Académique Documents
Professionnel Documents
Culture Documents
Chapitre3 Analyse Num
Chapitre3 Analyse Num
Filière:SMI + SMP S4
sommaire
1 Introduction
sommaire
1 Introduction
sommaire
1 Introduction
3 Interpolation de Lagrange
Polynôme de Lagrange
Polynôme d’interpolation de Lagrange
sommaire
1 Introduction
3 Interpolation de Lagrange
Polynôme de Lagrange
Polynôme d’interpolation de Lagrange
4 Interpolation de Newton-Côtes
Polynôme de Newton
Polynôme d’interpolation de Newton
Différences divisées
Erreur d’interpolation
sommaire
1 Introduction
3 Interpolation de Lagrange
Polynôme de Lagrange
Polynôme d’interpolation de Lagrange
4 Interpolation de Newton-Côtes
Polynôme de Newton
Polynôme d’interpolation de Newton
Différences divisées
Erreur d’interpolation
5 Interpolation d’Hermite
Théorème 2.1
Une condition nécessaire et suffisante pour qu’il existe un polynôme Pn
unique interpolant f est que les points d’interpolation xi soient tous
distincts.
I On se donne (n + 1) points x0 , x1 , . . . , xn .
I On calcule y0 = f (x0 ), ..., yn = f (xn ) .
I On cherche un polynôme de degré n tel que Pn (xi ) = yi , i = 0, . . . , n.
Écrivons explicitement Pn (xi ) = yi
Exemple
On doit calculer le polynôme passant par les points (0, 1), (1, 2), (2, 9) et
(3, 28). Etant donné ces 4 points, le polynôme recherché est tout au plus
de degré 3. Ses coefficients ai sont solution de:
1 0 0 0 a0 1
1 1 1 1 a1 2
1 =
2 4 8 a2 9
1 3 9 27 a3 28
P3 (x ) = 1 + x 3 .
On supposera dans toute cette section que (xi , yi ) est une famille de
n + 1 points dont les abscisses xi pour i = 0, 1, . . . , n sont 2 à 2 distincts .
Définition 3.1
On appelle polynôme de Lagrange associés à la famille {x0 , x1 , . . . xn },
les n + 1 polynômes définies pour k = 0, 1, . . . , n par
n
x − xi
Lk (x ) = ∏ ( )
i =0,i 6=k
xk − xi
Proposition 3.1
Les polynômes de Lagrange {L0 , L1 , . . . , Ln } possèdent les propriétés
suivantes:
I Pour tout k , Lk est un polynôme de degré n et Lk = δik .
On supposera dans toute cette section que (xi , yi ) est une famille de
n + 1 points dont les abscisses xi pour i = 0, 1, . . . , n sont 2 à 2 distincts .
Définition 3.1
On appelle polynôme de Lagrange associés à la famille {x0 , x1 , . . . xn },
les n + 1 polynômes définies pour k = 0, 1, . . . , n par
n
x − xi
Lk (x ) = ∏ ( )
i =0,i 6=k
xk − xi
Proposition 3.1
Les polynômes de Lagrange {L0 , L1 , . . . , Ln } possèdent les propriétés
suivantes:
I Pour tout k , Lk est un polynôme de degré n et Lk = δik .
I La famille de polynômes de Lagrange associé à {x0 , . . . , xn } est une
base de l’espace Rn [x ] (base de Lagrange).
Professeur: Zakaria El Allali Chapitre III: Interpolation Polynômiale
Introduction
Une méthode directe basée sur la résolution d’un système linéaire
Polynôme de Lagrange
Interpolation de Lagrange
Polynôme d’interpolation de Lagrange
Interpolation de Newton-Côtes
Interpolation d’Hermite
Théorème 3.1
Soient n un entier strictement positif (xi , yi ) poiur i = 1, . . . , n une famille
de n + 1 points dont les abscisses xi 2 à 2 distincts. Alors le polynôme
n
P = Pn ( x ) = ∑ yk Lk (x )
k =0
Exemple
Exemple
(x − x0 )(x − x2 )(x − x3 )
L1 ( x ) =
(x1 − x0 )(x1 − x2 )(x1 − x3 )
(x − 0)(x − 3)(x − 5) 1
= = x (x − 3)(x − 5)
(2 − 0)(2 − 3)(2 − 5) 6
Professeur: Zakaria El Allali Chapitre III: Interpolation Polynômiale
Introduction
Une méthode directe basée sur la résolution d’un système linéaire
Polynôme de Lagrange
Interpolation de Lagrange
Polynôme d’interpolation de Lagrange
Interpolation de Newton-Côtes
Interpolation d’Hermite
Exemple
(x − x0 )(x − x1 )(x − x3 )
L2 ( x ) =
(x2 − x0 )(x2 − x1 )(x2 − x3 )
(x − 0)(x − 2)(x − 5) 1
= = − x (x − 2)(x − 5)
(3 − 0)(3 − 2)(3 − 5) 6
(x − x0 )(x − x1 )(x − x2 )
L3 (x ) =
(x2 − x0 )(x2 − x1 )(x2 − x3 )
(x − 0)(x − 2)(x − 3) 1
= = x (x − 2)(x − 3)
(5 − 0)(5 − 2)(5 − 3) 30
P3 (x ) = f (x0 )L0 (x ) + f (x1 )L1 (x ) + f (x2 )L2 (x ) + f (x3 )L3 (x )
53 3 253
P3 (x ) = x − 7x 2 + x −1
30 30
Professeur: Zakaria El Allali Chapitre III: Interpolation Polynômiale
Introduction
Polynôme de Newton
Une méthode directe basée sur la résolution d’un système linéaire
Polynôme d’interpolation de Newton
Interpolation de Lagrange
Différences divisées
Interpolation de Newton-Côtes
Erreur d’interpolation
Interpolation d’Hermite
Définition 4.1
On appelle polynôme de Newton associés à la famille {x0 , x1 , . . . , xn }, les
n + 1 polynômes définie par:
k −1
N0 (x ) = 1, Nk ( x ) = ∏ (x − xi ) pour tout k = 1, 2, . . . , n
i =0
Proposition 4.1
Les polynômes de Newton associés à la famille {x0 , x1 , . . . , xn } vérifient
les propriétés suivantes:
1 Nk est un polynôme de degré k (k = 0, 1, . . . , n).
Définition 4.1
On appelle polynôme de Newton associés à la famille {x0 , x1 , . . . , xn }, les
n + 1 polynômes définie par:
k −1
N0 (x ) = 1, Nk ( x ) = ∏ (x − xi ) pour tout k = 1, 2, . . . , n
i =0
Proposition 4.1
Les polynômes de Newton associés à la famille {x0 , x1 , . . . , xn } vérifient
les propriétés suivantes:
1 Nk est un polynôme de degré k (k = 0, 1, . . . , n).
2 Nk (x ) = Nk −1 (x )(x − xk −1 ).
Définition 4.1
On appelle polynôme de Newton associés à la famille {x0 , x1 , . . . , xn }, les
n + 1 polynômes définie par:
k −1
N0 (x ) = 1, Nk ( x ) = ∏ (x − xi ) pour tout k = 1, 2, . . . , n
i =0
Proposition 4.1
Les polynômes de Newton associés à la famille {x0 , x1 , . . . , xn } vérifient
les propriétés suivantes:
1 Nk est un polynôme de degré k (k = 0, 1, . . . , n).
2 Nk (x ) = Nk −1 (x )(x − xk −1 ).
3 Nk (xi ) = 0 pour tout i tel que 0 < i < k .
Définition 4.1
On appelle polynôme de Newton associés à la famille {x0 , x1 , . . . , xn }, les
n + 1 polynômes définie par:
k −1
N0 (x ) = 1, Nk ( x ) = ∏ (x − xi ) pour tout k = 1, 2, . . . , n
i =0
Proposition 4.1
Les polynômes de Newton associés à la famille {x0 , x1 , . . . , xn } vérifient
les propriétés suivantes:
1 Nk est un polynôme de degré k (k = 0, 1, . . . , n).
2 Nk (x ) = Nk −1 (x )(x − xk −1 ).
3 Nk (xi ) = 0 pour tout i tel que 0 < i < k .
4 La famille Nn = {N0 , N1 , . . . , Nn } est une base de l’espace Rn [X ]
des polynômesProfesseur:
de degré Zakaria≤ à n (base
El Allali Chapitrede Newton).
III: Interpolation Polynômiale
Introduction
Polynôme de Newton
Une méthode directe basée sur la résolution d’un système linéaire
Polynôme d’interpolation de Newton
Interpolation de Lagrange
Différences divisées
Interpolation de Newton-Côtes
Erreur d’interpolation
Interpolation d’Hermite
Puisque
k
Nk +1 (xk +1 ) = ∏(xk +1 − xi ) 6= 0
i =0
Pn (x ) = c0 N0 (x ) + c1 N1 (x ) + . . . + cn Nn (x ).
Pn (x ) = c0 N0 (x ) + c1 N1 (x ) + . . . + cn Nn (x ).
∆0,i = yi pour i = 0, 1, 2, . . . , n
∆0,i = yi pour i = 0, 1, 2, . . . , n
∆1,i +1 − ∆1,i
∆2,i = pour i = 0, 1, 2, . . . , n − 2
x i +2 − x i
Définition 4.1
Sous les hypothèses précédentes
∆1,i +1 − ∆1,i
∆2,i = pour i = 0, 1, 2, . . . , n − 2
x i +2 − x i
I De proche en proche , on construit les différences divisées d’ordre
k, k ≤ n
∆k −1,i +1 − ∆k −1,i
∆k ,i = pour i = 0, 1, 2, . . . , n − k
xi +k − xi
Définition 4.1
Sous les hypothèses précédentes
Exemple
i 0 1 2 3
xi -1 1 2 3
f (xi ) 0 -3 −9/2 -2
y2 − y1 − 29 − (−3) 3 − 23 + 23
∆1,1 = = =− donc c2 = =0
x2 − x1 2−1 2 2+1
Exemple
∆2,1 −∆2,0
x3 = 3 c3 = ∆3,0 = x3 −x0
Remarque 4.1
I En utilisant la base canonique , on doit résoudre un système linéaire
de taille n + 1 pour trouver les coefficients de Pn . Ainsi, en utilisant
la méthode d’élimination de Gauss pour résoudre ce système le coût
de calcul des coefficients de Pn (x ) est l’ordre de
Remarque 4.1
I En utilisant la base canonique , on doit résoudre un système linéaire
de taille n + 1 pour trouver les coefficients de Pn . Ainsi, en utilisant
la méthode d’élimination de Gauss pour résoudre ce système le coût
de calcul des coefficients de Pn (x ) est l’ordre de
Remarque 4.1
I En utilisant la base canonique , on doit résoudre un système linéaire
de taille n + 1 pour trouver les coefficients de Pn . Ainsi, en utilisant
la méthode d’élimination de Gauss pour résoudre ce système le coût
de calcul des coefficients de Pn (x ) est l’ordre de
Théorème 4.1
soit f : [a, b] → R une fonction de classe C n+1 sur [a, b]. Si Pn est
l’interpolation de f aux points x0 < x1 < . . . < xn de [a, b], alors pour tout
x ∈ [a, b], il existe θ (x ) ∈ [a, b] tel que
f (n+1) (θ (x ))
f (x ) − Pn (x ) = Nn+1
(n + 1)!
n
Nn+1 (x ) = ∏(x − xi ). (4)
i =0
Si on pose
Mn+1 = max |f (n+1) (x )|
a≤t ≤b
alors
Mn +1
max |f (x ) − Pn (x )| ≤ (b − a)n+1 .
a≤x ≤b (n + 1)!
Professeur: Zakaria El Allali Chapitre III: Interpolation Polynômiale
Introduction
Polynôme de Newton
Une méthode directe basée sur la résolution d’un système linéaire
Polynôme d’interpolation de Newton
Interpolation de Lagrange
Différences divisées
Interpolation de Newton-Côtes
Erreur d’interpolation
Interpolation d’Hermite
Remarque 4.2
Si n est très grand (donc le nombre de points d’interpolation (xi )0≤i ≤n est
très élevé) alors le polynôme d’interpolation ne tend pas toujours vers f
(c’est-à-dire , on n’a pas nécessairement lim (Pn (x ) − f (x )) = 0 pour
n→+∞
tout x ∈ [a, b]).
Théorème 5.1
Si les points d’appui xi sont tous distincts , alors il existe un polynôme P
et un seul de degré au plus 2n + 1 tels que les égalités (5) soient
verifiées. Ce polynôme P s’écrit:
n n
P (x ) = ∑ Hi (x )f (xi ) + ∑ Ki (x )f 0 (xi )
i =0 i =0
Théorème 5.2
Soit f ∈ C 2n+2 ([a, b]), et soit Pn (x ) le polynôme d’interpolation d’Hermite
de (xi , f (xi )) sur f , pour i = 0, . . . , n. Pour tout x ∈ [a, b], il existe
ξx ∈] min(x , xi ), max(x , xi )[ tel que l’erreur f (x ) − Pn (x ) est:
Exemple
n n
Qn (x ) = ∑ Hk (x )f (xk ) + ∑ Kk (x )f 0 (xk )
k =0 k =0
avec
Exemple
x − x1 x x − x0 x
L0 ( x ) = = 1− et L1 (x ) = =
x0 − x1 5 x1 − x0 5
−1 1
L00 (x ) = et L01 (x ) =
5 5
Exemple
x x3 2 2
K0 (x ) = (x − x0 )L20 (x ) = (x − 0)(1 − )2 = − x +x
5 25 5
x x3 x2
K1 (x ) = (x − x1 )L21 (x ) = (x − 5)( )2 = − .
5 25 5
Professeur: Zakaria El Allali Chapitre III: Interpolation Polynômiale
Introduction
Une méthode directe basée sur la résolution d’un système linéaire
Interpolation de Lagrange
Interpolation de Newton-Côtes
Interpolation d’Hermite
Exemple
Ainsi
1 1
Q3 (x ) = ∑ Hk (x )f (xk ) + ∑ Kk (x )f 0 (xk )
k =0 k =0
= H0 (x )f (x0 ) + H1 (x )f (x1 ) + K0 (x )f 0 (x0 ) + K1 (x )f 0 (x1 )
10 76
= x3 − x2 + 1
262 262
Exemple