Méthodes numériques de résolution déquations différentielles
ª Le syst`eme est bien d'ordre 1 mais il est non linéaire. Calcul numérique d'une solution approchée. Pas d'expression explicite de la solution. ?. Calcul ...
Chapitre Résolution numérique des équations différentielles Master
II ´Equations différentielles d'ordre n La résolution numérique consiste `a ... Soit l'équation différentielle du seconde ordre suivante :.
Résolution numérique des Équations Différentielles Ordinaires
Le théorème de la “Seconde barrière de Dahlquist” est-t-il respecté? ?. Exercice 6.4 Calculer l'intervalle de stabilité absolue pour la méthode d'Euler
Résolution numérique des équations différentielles ordinaires (EDO
Ordre n de la méthode = plus grande puissance de h prise en compte dans l'approximation. — Somme des termes négligés = erreur de troncature locale ? hn+1.
Résolution numérique des équations différentielles
Lorsque f est de classe C 1 la méthode d'Euler est une méthode consistante d'ordre 1. JP Becirspahic — Résolution numérique des équations différentielles
Méthodes numériques de résolution déquations différentielles
De nos jours la. 9. Page 10. Calcul Formel et Numérique : Licence sciences et technologies
Ift 2421 Chapitre 6 Résolution des équations différentielles
Chapitre 6. Résolution numérique des équations différentielles. Exemple du pendule : Équation différentielle non linéaire du second ordre.
Résolution numérique des équations différentielles
Une solution de cette équation différentielle est une fonction x de classe C 1 du second ordre vérifiée par la fonction s mais la démarche numérique ...
11. Introduction à la programmation de la résolution numérique d
19-Oct-2021 Évidemment le calcul approché par une méthode numérique de la solution ... On intègre un système d'équations différentielles du second ordre ...
Méthodes numériques pour les équations différentielles
On appelle EDO d'ordre n de fonction second membre f l'équation résoudre de manière approchée et itérative l'équation différentielle (x) = ? x +(x) ...
Résolution numérique des équations différentielles 1 Les équations
Résolution numérique des équations différentielles Rappels: 2 grandes classes: 1 Les équations différentielles ordinaires: une seule variable 2 Les équations aux dérivées partielles: plusieurs variables (équation de la chaleur des ondes ) Ordre d’une équation différentielle : dérivée la plus élevée
Chapitre 5 : Équations différentielles
On dit qu’une équation différentielle de la forme y?(t) ?ay(t) = g(t) est homogène lorsque l’on considère comme second membre une fonction gidentiquement nulle ce que l’on note g?0 Dé?nition Soient Iun intervalle de R et a?I?R une fonction continue
Méthodes numériques de résolution d’équations di?érentielles
Calcul Formel et Numérique : Licence sciences et technologies deuxième année Année 2006-2007 Une équation di?érentielle est une équation qui dépend d’une variable t et d’une fonction x(t) et qui contient des dérivées de x(t) Elle s’écrit : F tx(t)x(1) (t) x(m) (t) = 0 où x(m) (t) ? dmx dtm (1)
Chapitre 7 : Résolution numérique des équations
résolution numériques complètement différentes Pour les problèmes aux conditions initiales d’ordre 2 il existe des méthodes numé-riques spéci?ques Cependant il est toujours possible de les ramener à un système de deux équations différentielles d’ordre 1 couplées et avec conditions initiales En effet
Quelle est la résolution numérique des équations différentielles ?
Les équations différentielles ordinaires (O.D.E) 1 Résolution numérique des équations différentielles 1. Les équations différentielles ordinaires (O.D.E) Sébastien Charnoz & Adrian Daerr Université Paris 7 Denis Diderot CEA Saclay 2 Les systèmes dynamiques L’évolution des systèmes dynamiques sont régis par des équations différentielles
Quels sont les différents types d'équations différentielles?
Résolution numérique des équations différentielles Rappels: 2 grandes classes: 1. Les équations différentielles ordinaires: une seule variable. 2. Les équations aux dérivées partielles: plusieurs variables. (équation de la chaleur, des ondes, ...)
Comment résoudre une équation différentielle?
Une solution particulière de l’équation est une fonction gqui vérifie l’équation. Résoudre l’équation différentielle c’est trouver la solution générale de (E) qui est formée par l’ensemble de toutes les fonctions solutions de (E). 2.
Comment calculer l’équation différentielle d’ordre 2?
Équation différentielle d’ordre 2 y??(t) = f (t,y(t),y?(t)) Avec les 2 conditions limites : y(t0 )= y0 et y(t1 )= y1 Type différent de celles données avec des conditions initiales. Les méthodes vues précédemment ne s’appliquent pas car nous ne connaissons pas y?(t0 )
Résolution numérique des Équations
Différentielles Ordinaires
L3 Mapi
3Christophe Besse
Copyright
c2016 Christophe BesseLicensed under the Creative Commons Attribution-NonCommercial 3.0 Unported License (the "License").
You may not use this file except in compliance with the License. You may obtain a copy of the License
athttp://creativecommons.org/licenses/by-nc/3.0. Unless required by applicable law or agreed to in writing, software distributed under the License is distributed on an"as is" basis, without warranties or conditions of any kind, either express or implied. See the License for the specific language governing permissions and limitations under the License.First printing, November 2016
Table des matières
1Interpolation polynomiale.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1 Interpolation de Lagrange
51.2 Étude de l"erreur d"interpolation et stabilité
61.3 Calcul pratique du polynôme d"interpolation de Lagrange
91.3.1 Différences divisées
101.3.2 Algorithme de Horner
111.4 Exercices12
2Intégration numérique.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1 Formules de quadrature et leur ordre
152.2 Étude de l"erreur
192.3 Formules d"ordre supérieur
232.4 Polynômes orthogonaux de Legendre
242.5 Formule de quadrature de Gauss
242.6 Exercices25
3EDO - Introduction.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4La méthode d"Euler.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.1 Exemples35
4.2 Le cas général
374.3 Analyse de la méthode
384.4 Le schéma d"Euler implicite
444.4.1 Consistance
444.4.2 Stabilité
444.4.3 Convergence
454.5 Étude générale de l"erreur des méthodes à un pas45
4.6 Les méthodes de prédicteur-correcteur
474.7 Exercices49
5Les méthodes multi-pas.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.1 Introduction55
5.1.1 La règle des trapèzes
565.1.2 Méthode de Adams-Bashforth à 2 étapes AB(2)
565.2 Les méthodes à deux pas
565.2.1 Consistance
575.2.2 Construction
575.3 Méthodes àkétapes58
5.4 Convergence et (zéro)-stabilité
595.5 Familles classiques
605.5.1 Adams-Bashforth 1883
605.5.2 Famille Adams-Moulton 1926
6161
5.5.4 Milne-Simpson 1926
615.5.5 Backward Differentiation Formulas (BDF) 1952
615.6 Exercices61
6Stabilité.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
6.1 Stabilité absolue - motivations
656.2 Stabilité absolue
676.3 Méthode de localisation de la frontière
706.4 A-stabilité71
6.5 Extension aux systèmes d"EDO
716.6 Exercices74
7Les méthodes de Runge-Kutta.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
7.1 Description de la méthode
777.2 Consistance79
7.2.1 Méthodes RK à une étape
797.2.2 Méthodes RK à deux étapes
807.2.3 Méthodes RK à trois étapes
817.2.4 Méthodes RK à quatre étapes
817.2.5 Méthodes implicites
817.3 Stabilité absolue
827.4 Méthodes implicites
837.5 Exercices85
Bibliographie.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Livres87
Index.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
1. Interpolation polynomialeOn dispose d"une série de couples de points(xi;fi),i2 f0;;ng. Le but de l"interpolation est de
contruire un polynômepqui prenne les valeursfiaux pointsxi. Si on suppose que les valeursfisont issues de l"évaluation d"une fonctionfenxi, nous tenterons de quantifier l"erreurjf(t)p(t)j.x 1x 2x 3x 4x 5On ne présente ici que l"interpolation de Lagrange. Il en existe d"autres comme par exemple l"interpolation
de Hermite qui outre les valeursfis"interesse également aux valeurs de la dérivée enxi.Notations
On notePnl"ensemble des polynômes d"une variable (réelle ou complexe) de degrén.Pnest un espace vectoriel de dimensionn+ 1 Soit [a;b]2R. On noteC0([a;b])l"ensemble des fonctions continues sur[a;b]et kfk1= sup x2[a;b]jf(x)j On n oteCm([a;b])l"ensemble des fonctions de classeCmsur[a;b]. 1.1Inter polationde Lagrange
On considèren+ 1points distincts, pas nécessairement ordonnés(x0;x1;;xn)de[a;b]et on considère une fonctionf2C0([a;b]). Nous souhaitons répondre à la question Existe-t-il un polynômep2Pntel quep(xi) =f(xi),0in?6Chapitre 1. Interpolation polynomialeDéfinition 1.1.1 - Polynômes de Lagrange.On définit les polynômes de Lagrange associés aux
points(x0;;xn)par l i(x) =(xx0)(xxi1)(xxi+1)(xxn)(xix0)(xixi1)(xixi+1)(xixn);0in; Y0jn;j6=i(xxj)(xixj):(1.1)
On ali(xj) =ij8(i;j)2 f0;;ngoùijest le symbole de Kronecker, et degré(li) =n.Proposition 1.1.1(l0;;ln)est une base dePn.
Preuve
Cette famille est évidemment génératrice. Le point clé est de savoir si elle est libre. Soit
(a0;;an)2Rn+1etx2R. Alors, siPn i=0aili(x)pour toutx, on a pour toutj,Pn i=0aili(xj) = 0.Commeli(xj) =ij, cela impliqueaj= 0pour toutj.
Ainsi, la famille est libre et génératrice et c"est donc une base.Théorème 1.1.2 Le problème : trouverp2Pntel quep(xi) =f(xi),80inadmet une unique solution donnée par p(x) =nX i=0f(xi)li(x):(1.2) ps"appelle le polynôme d"interpolation de Lagrange, notépn.Preuve
Existence : on vérifie aisément que le polynômepdonné par (1.2) répond à la question.
Unicité : soitq2Pntel queq(xi) =f(xi),80inetr=pq2Pn. On a ainsir(xi) = 080in. Il existe donc un polynômeAtel que
r(x)|{z} d n=A(x)(xx0)(xx1)(xxn)|{z} d (n+1):Donc, siA6= 0,rdevrait être de degrén+ 1. La seule possibilité est queA0et doncr= 0.ROn posen+1(x) = (xx0)(xx1)(xxn). Alors
l i(x) =n+1(x)(xxi)0n+1(xi):(1.3) 1.2 Étude de l"err eurd"inter polationet sta bilité En pratique, on commet systèmatiquement des erreurs car un ordinateur ne travaille qu"avec unnombre limité de chiffres significatifs. Il est donc important de connaître l"influence sur le résultat final
des erreurs commises sur les données. On remplace (ici volontairement) les vraies valeursf(xi)par des
valeurs approchéesfiet on regarde l"incidence surpn. On note ce nouveau polynôme d"interpolation
~pn(x) =Pn i=0fili(x). L"erreur commise est donc j~pn(x)pn(x)j= n X i=0(fifi(x))li(x) nX i=0jfifi(x)j jli(x)j maxijfifi(x))jnX i=0jli(x)j:1.2 Étude de l"erreur d"interpolation et stabilité 7
On note la constante de Lebesgue associée aux pointsx0;;xn n= maxx2[a;b]n X i=0jli(x)j:Ainsi,
k~pn(x)pn(x)k1nmaxijfifi(x)j: L"erreur commise sur lesf(xi)est donc amplifiée (ou atténuée) par la constante de Lebesgue. Proposition 1.2.1On introduit l"application linéaire L n:C0([a;b])!Pn f7!pnqui àf2C0([a;b])associe son unique polynôme d"interpolation de Lagrange aux pointsx0;;xn.Alors, la norme deLnestn, c"est à dire
jjjLnjjj:= sup f2C0([a;b]) f6= 0kLn(f)kkfk1= n:Preuveon commence par montrerjjjLnjjj n. On a
jLn(f)(x)j=jpn(x)j= n X i=0f i(x)li(x) nX i=0jfi(x)j jli(x)j kfk1n X i=0jli(x)j nkfk1: Pour obtenir l"égalité, on se demande s"il existe une fonctionf2C0([a;b])telle quekLn(f)k1= nkfk1. Il n"est pas du tout sur qu"une telle fonction existe car lesuppeut ne pas être atteint.Supposons que c"est le cas. Cela impliquerait
1.kfk1n
X i=0jli (x)j= nkfk1signifie quexest un point de maximum de la fonctiony7!P ijli(y)j. Or, un tel point existe car cette fonction est continue sur[a;b], intervalle fermé borné deR. 2. nX i=0kfk1 nX i=0jfi(x)j jli (x)jsignifie quejf(xi)j=kfk1pour touti. On peut supposer que kfk1= 1. 3. nX i=0jfi(x)j jli (x)j= n X i=0f i(x)li(x) signifie que lesfi(x)li(x)ont tous le même signe. On peut supposer que toutes ces quantités sont positives. En combinant(2)et(3), on voit qu"on peut prendref(xi) = 1sili(x)0etf(xi) =1sili(x)<0. De plus, si on suppose les points ordonnésx0< x1<< xn, on peut choisirfaffine par morceaux(c"est à dire affine sur chaque intervalle[xi;xi+1]) et constante pourxx0etxxn. Alors, on vérifie
aisément quefsatisfaitekLn(f)k1= nkfk1.Notre première estimation de l"erreur est donnée parThéorème 1.2.2Pour toute fonctionf: [a;b]!R, on a
kfLn(f)k1(1 + n)d(f;Pn)8Chapitre 1. Interpolation polynomialeoùd(f;Pn) = infq2Pnkfqk1.
Preuve: par unicité du polynôme d"interpolation, on aLn(q) =q,8q2Pn. On écrit alors kfLn(f)k1=kfq+LnqLn(f)k1 kfqk1+kLn(qf)k1 kfqk1+ nkfqk1:Le résultat en découle en prenant l"infimum.RCe théorème est une forme indeterminée car on verra quelimn!1n= +1et quelimn!1d(f;Pn) =
0. En effet, d"après le théorème de Weierstrass, toute fonction continue sur[a;b]est limite uniforme
de polynômes.Exemple 1.1-
points équidistants :xi=a+i(ba)=n,i= 0;1;;n. Alors, sixi2[1;1], on a l"estimationn2n+1enlog(n). p ointsde Cheb yshev: xi=a+b2 +ba2 cos(2i+ 1)2n+ 2 . Alors,n2 log(n).Exemple 1.2
Effet de Runge. Dans le cas des fonctions du typega(x) =11+a2x2ouha(x) =1a2+x2, on
constate que l"interpolation via les points équidistants ne donne pas un résultat proche de la fonction
interpolée. On constate des oscillations de grandes amplitudes près des bord (voir figure ci-dessous).10:750:50:2500:250:50:75110:500:51
xf(x) = (1 + 25x2)1Fonctionf(x) = 1=(1 + 25x2)et son interpolée.Il est naturel de penser que l"erreur est meilleure dans le cas d"une fonction régulière (même si le
phénomène de Runge existe aussi). C"est l"objet du résultat suivantThéorème 1.2.3 Soitf: [a;b]!Rune fonction(n+ 1)fois dérivable sur]a;b[telle quef,f0,, f(n)soient continues sur[a;b]. Alors,8x2[a;b],9x2]a;b[telle que f(x)pn(x) =n+1(x)(n+ 1)!f(n+1)(x):R-On voit que ce résultat dépend des valeurs des dérivées def: c"est assez intuitif car plus une
fonction oscille, plus elle est difficile à interpoler.1.3 Calcul pratique du polynôme d"interpolation de Lagrange 9
1(n+ 1)!est de plus en plus petit quandn! 1.
-On peut interpréter la quantitén+1comme une " mesure » de répartition des points x0;;xndans[a;b]. La meilleure interpolation est donc celle pour laquellekn+1k1est minimale.Pour démontrer le théorème précédent, on a besoin du lemme de RolleLemme 1.2.4 - (Rolle).
Sif2C1([a;b])etf(a) =f(b) = 0,a6=b, alors92[a;b]telle que f0() = 0.Preuve du théorème:
Si xest l"un desxi, les deux membres de l"égalité sont nuls et donc le résultat est acquis. Si x6=xi. La preuve se fait par récurrence surn. n= 0soitx6=x0. Le théorème fondamental de l"analyse nous dit que92]x0;x[tel que f(x) =f(x0)|{z} p0(x)+(xx0)f0():
Pourn= 0,l0(x) = 1,1(x) = (xx0)etp0(x) =f(x0). Ainsi f(x) =p0(x) = (xx0)f0() = 1(x)f0(): n >0 Soitpnle polynôme de Lagrange associé à(x0;;xn). On considère la fonction (y) = f(y)pn(y)An+1(y)oùAest une constante à déterminer. On a : - (xi) = 0,0incarn+1(xi) = 0etf(xi) =pn(xi)On choisitAtelle que (x) = 0. Ainsi,A=f(x)pn(x)
n+1(x). Cela est possible car comme x6=xi,n+1(x)6= 0.Ainsi, s"annule(n+ 2)fois.x
0x 1x 2x 3xx n1x n On a donc (y) = 0siy=xouy=xi,0in. Si on applique le lemme de Rolle à l"intervalle[x0;x1], alors il existe un pointx0< 01< x1tel que 0(01) = 0. En appliquant Rolle à chaque sous intervalle, on a que 0s"annule en(n+1)points. En répétant ce processus,00s"annule ennpoints. Et ainsi de suite pour en conclure que (n+1)s"annule en1point :
9xtel que (n+1)(x) = 0. Mais, on a
(n+1)(y) :=f(n+1)(y)p(n+1)n(y)A(n+1) n+1(y):Commepn2Pn,p(n+1)n(y) = 0et on a(n+1)
n+1(y) = (n+ 1)!. En évaluant (n+1)enx, on obtient0 =f(n+1)(x)A(n+ 1)!
et doncA=f(n+1)(x)(n+ 1)!:
En comparant les deux expressions deA, on a le résultat. 1.3 Calcul pra tiquedu polynôme d"inter polationde Lagrange Soitp(x) =a0+a1x++anxn. Lors de l"évaluation de ce polynôme, si on calcule chaque termeindépendemment, cela conduit à(n1)multiplications pour calculer successivement lesxkpuis encore
(n1)multiplications pour effectuer les produits avec les coefficientsaketnadditions ce qui au final10Chapitre 1. Interpolation polynomialefait2(n1)multiplications etnadditions. Une autre méthode consiste en l"utilisation de l"algorithme
d"Horneru0=anx+an1
u1=xu0+an2
u2=xu1+an3...
etun1=pn(x). On fait doncnmultiplications etnadditions et on a donc un gain d"un facteur2. 1.3.1Dif férencesdivisées
On se donne une subdivision de[a;b]parx0;;xn. On va calculer successivementp0;p1;;pn oùpk2Pkest le polynôme associé àx0;;xk. On définit doncp0(x) =f(x0). On notef[x0;;xk]le coefficient de plus haut degré depk. Commepkpk1est de degréket s"annule enx0;;xk1, on a (pkpk1)(x) =f[x0;;xk] k(x) d okCtedo(k):Ainsip1(x)p0(x) =f[x0;x1]1(x)et donc
p1(x) =p0(x) +f[x0;x1]1(x) =f(x0) +f[x0;x1]1(x):
De même,p2(x)p1(x) =f[x0;x1;x2]2(x)et donc
p2(x) =f(x0) +f[x0;x1]1(x) +f[x0;x1;x2]2(x):
Par récurrence, on obtient laformule de Newton
p n(x) =f(x0) +nX k=1f[x0;;xk]k(x):Il reste à calculer lesf[x0;;xk]de manière efficace.Lemme 1.3.1Pour tout0in, on af[xi] =f(xi)et pour1kn,
f[x0;;xk] =f[x1;;xk]f[x0;;xk1]x kx0: Ainsi, dès que l"on sait calculer desf[]àktermes, on calcule facilement desf[]àk+ 1termes.Preuve
: Soitqk12Pk1l"unique polynôme d"interpolation aux pointsx1;;xk. Par définition, le coefficient du terme dominantxk1estf[x1;;xk]. Soit ~pk(x) :=(xx0)qk1(x)(xxk)pk1(x)x kx0: Mais,pk1etqk1appartiennent àPk1. Ainsi,~pk2Pket ~pk(x0) =(x0xk)pk1(x0)x kx0=f(x0); ~pk(xk) =(xkx0)qk1(xk)x kx0=f(xk); et pour1jk1, ~pk(xj) =(xjx0)qk1(xj)(xjxk)pk1(xj)x kx0; (xjx0)f(xj)(xjxk)f(xj)x kx0; =f(xj)(xjx0)(xjxk)x kx0=f(xj):1.3 Calcul pratique du polynôme d"interpolation de Lagrange 11
Par unicité du polynôme d"interpolation, on a~pk=pk. Mais p k(x) =akxk+ p k1(x) =ak1xk1+ q k1(x) =bk1xk1+ ~pk(x) =ak1+bk1x kx0xk+ et doncak= (bk1ak1)=(xkx0)et on en conclut f[x0;;xk] =f[x1;;xk]f[x0;;xk1]x kx0: 1.3.2Algor ithmede Hor nerPour calculerpken pratique, on calcule lesf[]puis on utilise la formule de Newton. On utilise le
lemme pour déterminer la valeur de tous lesf[x0;;xk]qui sont obtenus en bout de lignes dans le tableau suivant. On les notesT[k]T[0]f(x0)&
T[1]f(x1)!f[x0;x1]& &
T[2]f(x2)!f[x1;x2]!f[x0;x1;x2]
T[n2]f(xn2)!f[xn3;xn2]!f[xn4;xn3;xn2]& &
T[n1]f(xn1)!f[xn2;xn1]!f[xn3;xn2;xn1]& &
T[n]f(xn)!f[xn1;xn]!f[xn2;xn1;xn]
et on reconstruit enfin le polynôme de Lagrange par la suiteU[n] =T[n]
U[n1] =T[n1] + (xxn1)U[n]
U[k] =T[k] + (xxk)U[k+ 1]
U[0] =pn(x):
Exemple 1.3
On souhaite calculer le polynôme d"interpolation de la fonctionf(x) =x2+ 1évaluée enf(0) = 1,f(1) = 2etf(2) = 5. Bien entendu, par unicité du polynôme d"interpolation de Lagrange, il faut quep2=f. Le tableau de calcul desf[]estT[0]f(x0) =1 &
T[1]f(x1) = 2!f[x0;x1] =211
1 & &T[2]f(x2)!f[x1;x2] =521
= 3!f[x0;x1;x2] =312 1 : On a alorsU[2] =T[2] = 1, puisU[1] =T[1] + (xx1)U[2] = 1 + (x1)et enfin U[0] =T[0] + (xx0)U[1] = 1 +x(1 + (x1)) =x2+ 1 =p2(x):12Chapitre 1. Interpolation polynomiale1.4Ex ercices
Exercice 1.1On noteli(x) =
nY j=0;j6=ixxjx ixj ,0inles polynômes de Lagrange relatifs aux pointsx0;x1;;xnetk+1(x) =kY j=0(xxj). Montre que80in,8x2Retx6=xi l i(x) =n+1(x)(xxi)0n+1(xi):Exercice 1.2Interpolation de Lagrange
Soitf(x) = cos(x).
1. Calculer le polynômep1d"interpolation de Lagrange defrelativement aux pointsx0= 0et x1=. 2. Calculer le polynômep2d"interpolation de Lagrange defrelativement aux pointsx0= 0, x2=2 etx1=. 3.Mon trerque 8x2[x0;x1],
jf(x)p1(x)j 28 jf(x)p2(x)j p33216Exercice 1.3Interpolation de Hermite
L"objectif est de contruire un polynôme d"interpolation d"une fonctionfen utilisant des valeurs de
fet de sa dérivéef0aux points(xi)0ind"un intervalle[a;b]. 1. On définit les polynômesHi(x) = (12l0i(xi)(xxi))l2i(x)et~Hi(x) = (xxi)l2i(x). Montrer queHi(xj) =i;j,H0i(xj) = 0, et~Hi(xj) = 0"~H0i(xj) =i;j. 2. Soit pnle polynôme de degré2n+ 1qui s"écrit p n(x) =nX i=0f(xi)Hi(x) +nX i=0f0(xi)~Hi(x):
Montrer quepnainsi défini est l"unique polynôme d"interpolation (dit de Hermite) qui vérifie
pn(xi) =f(xi)etp0n(xi) =f0(xi),0in. Exercice 1.4Symétrie des différences divisées Soientx0;x1;;xndes points distincts d"un intervalle[a;b]. 1.Démon trerl"id entité
f[x0;;xn] =nX j=0f(xj)nY k=0;k6=j1x jxk: 2.En déduire que la différence diviséef[x0;;xn]est une fonction symétrique, c"est à dire que
pour toute permutation f[x(0);x(1);;x(n)] =f[x0;x1;;xn]:1.4 Exercices13Exercice 1.5Convergence de l"interpolation de LagrangeSoient >1, une foncitonfdéfinie sur[1;1]parf(x) = 1=(x)etpnle polynôme d"interpolation
de Lagrange defauxn+ 1points distinctsxi=1 +ih,i2 f0;;ngeth= 2=n. 1.Mon trerque si >3, alorslimn!1kfpnk1= 0.
2.Dans la pratique, nous préférons utiliser des polynômes de degré peu élevé sur chaque intervalle
[xi;xi+1],i2 f0;;n1g. Notonsfnla fonction continue tel quefnj[xi;xi+1]est un polynômesquotesdbs_dbs27.pdfusesText_33[PDF] test de psychologie pdf
[PDF] test de personnalité psychologie gratuit
[PDF] matlab equation différentielle non linéaire
[PDF] questionnaire de personnalité ? imprimer
[PDF] faire de sa vie une oeuvre d'art foucault
[PDF] test de personnalité recrutement gratuit pdf
[PDF] fais de ta vie une oeuvre dart citation
[PDF] faire de sa vie une oeuvre d'art citation
[PDF] test de personnalité gratuit avec résultat pdf
[PDF] toute conscience est conscience de quelque chose
[PDF] test personnalité pdf
[PDF] il faut faire de sa vie une oeuvre d'art citation
[PDF] qui a dit il faut faire de sa vie une oeuvre d art
[PDF] quel est le secret du petit prince