Interpolaticn Numérique
Interpolaticn Numérique
Mathematics, Programming · course
Fiche de révisionFiche de cours
Rédigée à partir de ce document, puis vérifiée avant publication.
Ce document traite de l'interpolation numérique, une méthode essentielle en analyse numérique pour approximer des fonctions à partir de valeurs discrètes. Il s'adresse aux étudiants en mathématiques appliquées ou en sciences de l'ingénieur souhaitant comprendre et appliquer les polynômes d'interpolation, notamment ceux de Lagrange, ainsi que les méthodes d'interpolation hermitienne et l'estimation d'erreur associée.
Considérons un polynôme d'interpolation de Lagrange p_n de degré n, construit à partir des points d'interpolation a_0, a_1, ..., a_n dans l'intervalle [0, b], pour une fonction f définie sur [0, b]. Les polynômes de base de Lagrange L_i(x) sont donnés par :
L_i(x) = ∏_{j=0, j≠i}^n (x - a_j) / (a_i - a_j), i = 0, ..., n.
Quelques propriétés élémentaires des polynômes de Lagrange :
∑_{i=0}^n L_i(x) = 1.
∑_{i=0}^n (x - a_i)^k L_i(x) = 0, pour k = 1, 2, ..., n.
On peut également utiliser la formule barycentrique pour calculer le polynôme d'interpolation, qui est une forme efficace et stable.
À partir de la table suivante :
| x | 0.6 | 0.8 |
|---|---|---|
| tan(x) | 0.684 | 1.030 |
Calculer tan(0.7) par interpolation linéaire entre 0.6 et 0.8 :
p_1(x) = y_0 + (y_1 - y_0) * (x - x_0) / (x_1 - x_0)
= 0.684 + (1.030 - 0.684) * (x - 0.6) / (0.8 - 0.6).
Pour x = 0.7 :
p_1(0.7) = 0.684 + 0.346 * (0.7 - 0.6) / 0.2 = 0.684 + 0.173 = 0.857.
Soit la fonction f : ℝ → ℝ définie par :
f(x) = x^3 - 2x, avec f(0) = 0, f(1) = -1, f(2) = 4.
Méthode 1 : Construction directe des polynômes de base
L_0(x) = (x - 0)(x - 1) / ((-2) - 0)((-2) - 1) = (x)(x - 1) / (-2)(-3) = x(x - 1)/6,
L_1(x) = (x + 2)(x - 1) / (0 + 2)(0 - 1) = (x + 2)(x - 1) / (2)(-1) = - (x + 2)(x - 1)/2,
L_2(x) = (x + 2)(x - 0) / (1 + 2)(1 - 0) = (x + 2)(x) / (3)(1) = x(x + 2)/3.
Le polynôme d'interpolation est :
p_2(x) = f(-2) L_0(x) + f(0) L_1(x) + f(1) L_2(x).
Avec f(-2) = (-2)^3 - 2*(-2) = -8 + 4 = -4, f(0) = 0, f(1) = 1 - 2 = -1 :
p_2(x) = -4 * x(x - 1)/6 + 0 + (-1) * x(x + 2)/3
= - (2/3) x^2 + (2/3) x - (1/3) x^2 - (2/3) x
= - x^2.
Ce polynôme correspond à l'interpolation de f aux trois points donnés.
Considérons la fonction f définie sur [0, 3] par :
f(x) = x^3 - e^{3x} + ...
1) Calculer le polynôme d'interpolation de Lagrange de f aux points 0, 1 et 2.
2) Fournir une estimation de l'erreur d'approximation en un point r ∈ [0, b] et comparer.
Le polynôme d'interpolation de Lagrange P_n(x) satisfait :
f(x) - P_n(x) = (f^{(n+1)}(ξ) / (n+1)!) ∏_{i=0}^n (x - a_i),
où ξ est un point dans l'intervalle contenant les a_i et x.
Au lieu de faire coïncider f et son polynôme d'interpolation P_n uniquement en certains points, on peut aussi faire coïncider leurs dérivées jusqu'à un certain ordre aux points d'interpolation.
Soient a, b ∈ ℝ, et f une fonction de classe C^t sur [a, b]. On cherche un polynôme P_n vérifiant pour i = 0, ..., n :
P_n^{(s)}(x_i) = f^{(s)}(x_i), pour s = 0, 1, ..., t_i,
avec t_i le nombre d'ordres de dérivées imposées en x_i.
Cette méthode est appelée interpolation hermitienne.
P(x) = ∑_{i=0}^n f(x_i) h_i(x) + ∑_{i=0}^n f'(x_i) k_i(x),
où h_i et k_i sont des polynômes construits pour satisfaire les conditions d'interpolation des valeurs et des dérivées.
On souhaite modéliser un virage d'une voie ferrée entre les points (0,0) et (1,1) par une courbe y = r(x) telle que :
1) Quel est le degré minimal du polynôme qui satisfait ces conditions ?
Réponse : On impose 4 conditions (2 valeurs et 2 dérivées), donc le polynôme doit être de degré au moins 3.
2) Calculer ce polynôme.
On cherche un polynôme cubique :
r(x) = a x^3 + b x^2 + c x + d.
Conditions :
On obtient le système :
a + b = 0,
3a + 2b + 1 = 0.3.
De la première équation : b = -a.
Substituons dans la deuxième :
3a + 2(-a) + 1 = 0.3 ⇒ 3a - 2a + 1 = 0.3 ⇒ a + 1 = 0.3 ⇒ a = -0.7.
Donc b = 0.7, c = 1, d = 0.
Le polynôme est :
r(x) = -0.7 x^3 + 0.7 x^2 + x.