Interpolation polynomiale en 6 points On cherche une fonction simple, p(x) facile `a évaluer, passant par ces points : Interpolation par fonctions splines
Previous PDF | Next PDF |
[PDF] III INTERPOLATION ET APPROXIMATION DE FONCTIONS
Interpolation polynomiale en 6 points On cherche une fonction simple, p(x) facile `a évaluer, passant par ces points : Interpolation par fonctions splines
[PDF] I Interpolation - Institut de Mathématiques de Toulouse
Il s'agit de l'interpolation de Lagrange de la fonction f(x) := 1 1 + x2 , −5 ≤ x ≤ 5 , soit avec noeuds equirépartis soit avec les noeuds de Chebyshev Il est
[PDF] Chapitre 2 Interpolation polynomiale
Interpolation polynomiale 2 1 Motivations En analyse numérique, une fonction f inconnue explicitement est souvent – connue seulement en certains points x0,
[PDF] Chapitre II Interpolation et Approximation
´Equipé du merveilleux Théor`eme de Runge, choisissons la fonction f(x) = sin x sur l'intervalle [0, 5] Cette fonction n'a aucun pôle fini, donc la convergence du
[PDF] 1 - INTERPOLATION
Table: Explosion de l'erreur entre fonction de Runge et son interpolé de Lagrange quand n → +∞ Explication: c'est le terme prod(xn−1/2) = ∏ n i=
[PDF] Approximation et interpolation des fonctions - Numdam
Approximation et interpolation des fonctions différentiables de plusieurs variables Annales scientifiques de l'É N S 3e série, tome 83, no 4 (1966), p 271 -341
[PDF] Interpolation - ASI
Soit une fonction f (inconnue explicitement) Il faut se restreindre à une famille de fonctions On appelle spline cubique d'interpolation une fonction notée
[PDF] Interpolation polynomiale 1 Interpolation de Lagrange
f(xi)li(x) Définition 5 – Ce polynôme s'appelle l'interpolant de la fonction f de degré n aux points x0, x1,
Interpolation des fonctions de deux variables suivant le principe de
— On montre comment interpoler une fonction connue en un nombre fini de points quelconques du plan,, en minimisant (suivant le principe des fonctions- spline)
[PDF] Chapitre 1 : Polynôme dinterpolation de Lagrange & son utilisation
base générale base polynomiale simple Une fonction d'interpolation est toujours proposée comme une 'décomposition' sur une base connue de fonctions
[PDF] Interpolation Numérique
[PDF] INTERPOLATION OF OPERATORS ON Lp
[PDF] Interpolation polynomiale - Anciens Et Réunions
[PDF] Interpolation polynomiale (notes de cours)
[PDF] Interpolation/Décimation 1
[PDF] Interpolations - Usure
[PDF] Interpon D2525 Collection Anodic
[PDF] Interpore Cross International
[PDF] Interpr - Icewarp France - France
[PDF] interpretation 001
[PDF] interpretation 002 - Anciens Et Réunions
[PDF] Interprétation Albert Einstein
[PDF] interpretation cinema
[PDF] Interpretation de la notion de `effectivement actif`
III
INTERPOLATION ET APPROXIMATION
DE FONCTIONS
Analyse Numerique
Tronc Commun
Analyse Numerique{ R. TouzaniInterpolation et approximation1Un exemple
Evolution de la population en FranceOn considere l'evolution de la population francaise depuis 1936 :
193641183000
194639848000
195442781000
196246459000
196849655000
197552599000
198254296000
199056652000
199958521000
200560825000
Peut-on
estimer le nomb red'habitants p endantles ann eeso uil n'y a pas eu de recensement?Peut-on predire le nombre d'habitants en 2010? Analyse Numerique{ R. TouzaniInterpolation et approximation2Un exemple
Evolution de la population en FranceOn considere l'evolution de la population francaise depuis 1936 :
193641183000
194639848000
195442781000
196246459000
196849655000
197552599000
198254296000
199056652000
199958521000
200560825000
Peut-on
estimer le nomb red'habitants p endantles ann eeso uil n'y a pas eu de recensement?Peut-on predire le nombre d'habitants en 2010? Analyse Numerique{ R. TouzaniInterpolation et approximation2Un exemple
Evolution de la population en FranceOn considere l'evolution de la population francaise depuis 1936 :
193641183000
194639848000
195442781000
196246459000
196849655000
197552599000
198254296000
199056652000
199958521000
200560825000
Peut-on
estimer le nomb red'habitants p endantles ann eeso uil n'y a pas eu de recensement?Peut-on predire le nombre d'habitants en 2010? Analyse Numerique{ R. TouzaniInterpolation et approximation2 Interpolation polynomiale en 6 points193019401950196019701980199020002010 4 4.5 5 5.5 6x 107Analyse Numerique{ R. TouzaniInterpolation et approximation3
Interpolation lineaire par morceaux193019401950196019701980199020002010 4 4.5 5 5.5 6x 107Analyse Numerique{ R. TouzaniInterpolation et approximation4
Moindres carres (Regression lineaire)193019401950196019701980199020002010 4 4.5 5 5.5 6x 107Analyse Numerique{ R. TouzaniInterpolation et approximation5
Interpolation de Lagrange
On considere
( n+ 1)p ointsdans le plan (d'abscisses distincts) (x0;y0);(x1;y1);:::;(xn;yn)(donnees experimentales, statistiques, ...)On cherche une fonctionsimple,p(x)facile a evaluer,passant pa rces p oints:
p(xi) =yii= 0;1;:::;nPar exemple, la fonctionppeut ^etre polynomiale : p(x) =a0+a1x+a2x2+:::+anxnAnalyse Numerique{ R. TouzaniInterpolation et approximation6Interpolation de Lagrange
On considere
( n+ 1)p ointsdans le plan (d'abscisses distincts) (x0;y0);(x1;y1);:::;(xn;yn)(donnees experimentales, statistiques, ...)On cherche une fonctionsimple,p(x)facile a evaluer,passant pa rces p oints:
p(xi) =yii= 0;1;:::;nPar exemple, la fonctionppeut ^etre polynomiale : p(x) =a0+a1x+a2x2+:::+anxnAnalyse Numerique{ R. TouzaniInterpolation et approximation6Interpolation de Lagrange
On considere
( n+ 1)p ointsdans le plan (d'abscisses distincts) (x0;y0);(x1;y1);:::;(xn;yn)(donnees experimentales, statistiques, ...)On cherche une fonctionsimple,p(x)facile a evaluer,passant pa rces p oints:
p(xi) =yii= 0;1;:::;nPar exemple, la fonctionppeut ^etre polynomiale : p(x) =a0+a1x+a2x2+:::+anxnAnalyse Numerique{ R. TouzaniInterpolation et approximation6Remarque
On obtient le systeme lineaire d'ordre
( n+ 1)suivant : a0+x0a1+x20a2+:::+xn0an=y0
a0+x1a1+x21a2+:::+xn1an=y1
a0+xna1+x2na2+:::+xnnan=ynLa resolution de ce systeme peut ^etre en general co^uteuse et n'est pas recommandee.
Analyse Numerique{ R. TouzaniInterpolation et approximation7Remarque
On obtient le systeme lineaire d'ordre
( n+ 1)suivant : a0+x0a1+x20a2+:::+xn0an=y0
a0+x1a1+x21a2+:::+xn1an=y1
a0+xna1+x2na2+:::+xnnan=ynLa resolution de ce systeme peut ^etre en general co^uteuse et n'est pas recommandee.
Analyse Numerique{ R. TouzaniInterpolation et approximation7Bases de Lagrange
Prenons l'exemple d'une interpolation lineairen= 1. On veut : a0+a1x0=y0
a0+a1x1=y1On denit la fonction
p(x) =y0xx1x0x1+y1xx0x
1x0 =y0L0(x) +y1L1(x)On verie quepest un polyn^ome de degre1 et que p(x0) =y0;p(x1) =y1Doncpest le polyn^ome recherche.D
efinitionOn dit quepest lep olyn^omed'interp olationde Lagr angeasso cieaux p oints( x0;y0), (x1;y1).Analyse Numerique{ R. TouzaniInterpolation et approximation8Bases de Lagrange
Prenons l'exemple d'une interpolation lineairen= 1. On veut : a0+a1x0=y0
a0+a1x1=y1On denit la fonction
p(x) =y0xx1x0x1+y1xx0x
1x0 =y0L0(x) +y1L1(x)On verie quepest un polyn^ome de degre1 et que p(x0) =y0;p(x1) =y1Doncpest le polyn^ome recherche.D
efinitionOn dit quepest lep olyn^omed'interp olationde Lagr angeasso cieaux p oints( x0;y0), (x1;y1).Analyse Numerique{ R. TouzaniInterpolation et approximation8Bases de Lagrange
Prenons l'exemple d'une interpolation lineairen= 1. On veut : a0+a1x0=y0
a0+a1x1=y1On denit la fonction
p(x) =y0xx1x0x1+y1xx0x
1x0 =y0L0(x) +y1L1(x)On verie quepest un polyn^ome de degre1 et que p(x0) =y0;p(x1) =y1Doncpest le polyn^ome recherche.D
efinitionOn dit quepest lep olyn^omed'interp olationde Lagr angeasso cieaux p oints( x0;y0), (x1;y1).Analyse Numerique{ R. TouzaniInterpolation et approximation8Bases de Lagrange
Prenons l'exemple d'une interpolation lineairen= 1. On veut : a0+a1x0=y0
a0+a1x1=y1On denit la fonction
p(x) =y0xx1x0x1+y1xx0x
1x0 =y0L0(x) +y1L1(x)On verie quepest un polyn^ome de degre1 et que p(x0) =y0;p(x1) =y1Doncpest le polyn^ome recherche.D
efinitionOn dit quepest lep olyn^omed'interp olationde Lagr angeasso cieaux p oints( x0;y0), (x1;y1).Analyse Numerique{ R. TouzaniInterpolation et approximation8Bases de Lagrange
On denit les polyn^omes
L i(x) =(xx0)(xx1):::(xxi1)(xxi+1):::(xxn)(xix0)(xix1):::(xixi1)(xixi+1):::(xixn)=Y j6=ixxjx ixjL iest un polyn^ome de degrenet on a L i(xj) =( 0 si i6=j; 1 si i=jMontrons que les polyn^omesLisont lineairement independants :Soientb0;b1;:::;bn(n+ 1)r eelstels que
n X j=0b jLj(x) = 08x2R:On a, pourx=xi 0 =nX j=0bjLj(xi) =bi:Doncbi= 0p ourtout i= 0;:::;n.Analyse Numerique{ R. TouzaniInterpolation et approximation9
Bases de Lagrange
On denit les polyn^omes
L i(x) =(xx0)(xx1):::(xxi1)(xxi+1):::(xxn)(xix0)(xix1):::(xixi1)(xixi+1):::(xixn)=Y j6=ixxjx ixjL iest un polyn^ome de degrenet on a L i(xj) =( 0 si i6=j; 1 si i=jMontrons que les polyn^omesLisont lineairement independants :Soientb0;b1;:::;bn(n+ 1)r eelstels que
n X j=0b jLj(x) = 08x2R:On a, pourx=xi 0 =nX j=0bjLj(xi) =bi:Doncbi= 0p ourtout i= 0;:::;n.Analyse Numerique{ R. TouzaniInterpolation et approximation9
Bases de Lagrange
On denit les polyn^omes
L i(x) =(xx0)(xx1):::(xxi1)(xxi+1):::(xxn)(xix0)(xix1):::(xixi1)(xixi+1):::(xixn)=Y j6=ixxjx ixjL iest un polyn^ome de degrenet on a L i(xj) =( 0 si i6=j; 1 si i=jMontrons que les polyn^omesLisont lineairement independants :Soientb0;b1;:::;bn(n+ 1)r eelstels que
n X j=0b jLj(x) = 08x2R:On a, pourx=xi 0 =nX j=0bjLj(xi) =bi:Doncbi= 0p ourtout i= 0;:::;n.Analyse Numerique{ R. TouzaniInterpolation et approximation9
Bases de Lagrange
On denit les polyn^omes
L i(x) =(xx0)(xx1):::(xxi1)(xxi+1):::(xxn)(xix0)(xix1):::(xixi1)(xixi+1):::(xixn)=Y j6=ixxjx ixjL iest un polyn^ome de degrenet on a L i(xj) =( 0 si i6=j; 1 si i=jMontrons que les polyn^omesLisont lineairement independants :Soientb0;b1;:::;bn(n+ 1)r eelstels que
n X j=0b jLj(x) = 08x2R:On a, pourx=xi 0 =nX j=0bjLj(xi) =bi:Doncbi= 0p ourtout i= 0;:::;n.Analyse Numerique{ R. TouzaniInterpolation et approximation9
Bases de Lagrange
On denit les polyn^omes
L i(x) =(xx0)(xx1):::(xxi1)(xxi+1):::(xxn)(xix0)(xix1):::(xixi1)(xixi+1):::(xixn)=Y j6=ixxjx ixjL iest un polyn^ome de degrenet on a L i(xj) =( 0 si i6=j; 1 si i=jMontrons que les polyn^omesLisont lineairement independants :Soientb0;b1;:::;bn(n+ 1)r eelstels que
n X j=0b jLj(x) = 08x2R:On a, pourx=xi 0 =nX j=0bjLj(xi) =bi:Doncbi= 0p ourtout i= 0;:::;n.Analyse Numerique{ R. TouzaniInterpolation et approximation9
Ainsi la famille( Li)ni=0forme une base de l'espacePn(espace des polyn^omes de degre n), appeleeBase de Lagrange .On denit le polyn^ome dePn:p(x) =nX j=0y jLj(x)x2R:On verie p(xi) =nX j=0y jLj(xi) =yi;i= 0;:::;ni.e.pest un polyn^ome de Lagrange associe aux points( xi;yi). Montrons quepest unique.Soitq2Pnun autre polyn^ome de Lagrange associe aux points( xi;yi). Le polyn^omer=pqest dansPnet verier(xi) = 0p ouri= 0;:::;n.Puisque les polyn^omesLjsont lineairement independants, on trouver= 0. D'ou
p=q.Analyse Numerique{ R. TouzaniInterpolation et approximation10 Ainsi la famille( Li)ni=0forme une base de l'espacePn(espace des polyn^omes de degre n), appeleeBase de Lagrange .On denit le polyn^ome dePn:p(x) =nX j=0y jLj(x)x2R:On verie p(xi) =nX j=0y jLj(xi) =yi;i= 0;:::;ni.e.pest un polyn^ome de Lagrange associe aux points( xi;yi). Montrons quepest unique.Soitq2Pnun autre polyn^ome de Lagrange associe aux points( xi;yi). Le polyn^omer=pqest dansPnet verier(xi) = 0p ouri= 0;:::;n.Puisque les polyn^omesLjsont lineairement independants, on trouver= 0. D'ou
p=q.Analyse Numerique{ R. TouzaniInterpolation et approximation10 Ainsi la famille( Li)ni=0forme une base de l'espacePn(espace des polyn^omes de degre n), appeleeBase de Lagrange .On denit le polyn^ome dePn:p(x) =nX j=0y jLj(x)x2R:On verie p(xi) =nX j=0y jLj(xi) =yi;i= 0;:::;ni.e.pest un polyn^ome de Lagrange associe aux points( xi;yi). Montrons quepest unique.Soitq2Pnun autre polyn^ome de Lagrange associe aux points( xi;yi). Le polyn^omer=pqest dansPnet verier(xi) = 0p ouri= 0;:::;n.Puisque les polyn^omesLjsont lineairement independants, on trouver= 0. D'ou
p=q.Analyse Numerique{ R. TouzaniInterpolation et approximation10 Ainsi la famille( Li)ni=0forme une base de l'espacePn(espace des polyn^omes de degre n), appeleeBase de Lagrange .On denit le polyn^ome dePn:p(x) =nX j=0y jLj(x)x2R:On verie p(xi) =nX j=0y jLj(xi) =yi;i= 0;:::;ni.e.pest un polyn^ome de Lagrange associe aux points( xi;yi). Montrons quepest unique.Soitq2Pnun autre polyn^ome de Lagrange associe aux points( xi;yi). Le polyn^omer=pqest dansPnet verier(xi) = 0p ouri= 0;:::;n.Puisque les polyn^omesLjsont lineairement independants, on trouver= 0. D'ou
p=q.Analyse Numerique{ R. TouzaniInterpolation et approximation10 Ainsi la famille( Li)ni=0forme une base de l'espacePn(espace des polyn^omes de degre n), appeleeBase de Lagrange .On denit le polyn^ome dePn:p(x) =nX j=0y jLj(x)x2R:On verie p(xi) =nX j=0y jLj(xi) =yi;i= 0;:::;ni.e.pest un polyn^ome de Lagrange associe aux points( xi;yi). Montrons quepest unique.Soitq2Pnun autre polyn^ome de Lagrange associe aux points( xi;yi). Le polyn^omer=pqest dansPnet verier(xi) = 0p ouri= 0;:::;n.Puisque les polyn^omesLjsont lineairement independants, on trouver= 0. D'ou
p=q.Analyse Numerique{ R. TouzaniInterpolation et approximation10 Ainsi la famille( Li)ni=0forme une base de l'espacePn(espace des polyn^omes de degrequotesdbs_dbs11.pdfusesText_17