ensem 1a, ana-1 isn l eonard monsaingeonleonard.monsaingeon/... · analyse num erique ensem 1a,...
TRANSCRIPT
Analyse NumeriqueENSEM 1A, ANA-1 ISN
Leonard Monsaingeon
IECL
Printemps 2017
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 1 / 53
Interpolation et approximation polynomiale
Chapitre 4 : Interpolation et approximationpolynomiale
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 2 / 53
Interpolation et approximation polynomiale Introduction
Introduction
comme on l’a deja vu, l’evaluation d’une fonction numeriquef : R→ R peut etre couteuse en temps de calcul. Par exemplel’approximation de exp ou sin par troncature de la seire entiere, oualors pour une fonction compliquee dependant de calculs anterieurs(impliquant de trouver des zeros, points fixes, etc)
l’approximation d’une fonction f consiste a chercher une fonction g la”plus proche possible” de f en un sens donne.
dans ce cours nous chercherons principalement a approximer unefonction par des fonctions polynomes
l’espace des polynomes possede de “bonnes” proprietes : structured’espace vectoriel, bases adaptees, calculs analytiques simples pour laderivation et l’integration, peu couteux a evaluer
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 3 / 53
Interpolation et approximation polynomiale Introduction
Introduction
comme on l’a deja vu, l’evaluation d’une fonction numeriquef : R→ R peut etre couteuse en temps de calcul. Par exemplel’approximation de exp ou sin par troncature de la seire entiere, oualors pour une fonction compliquee dependant de calculs anterieurs(impliquant de trouver des zeros, points fixes, etc)
l’approximation d’une fonction f consiste a chercher une fonction g la”plus proche possible” de f en un sens donne.
dans ce cours nous chercherons principalement a approximer unefonction par des fonctions polynomes
l’espace des polynomes possede de “bonnes” proprietes : structured’espace vectoriel, bases adaptees, calculs analytiques simples pour laderivation et l’integration, peu couteux a evaluer
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 3 / 53
Interpolation et approximation polynomiale Introduction
Introduction
comme on l’a deja vu, l’evaluation d’une fonction numeriquef : R→ R peut etre couteuse en temps de calcul. Par exemplel’approximation de exp ou sin par troncature de la seire entiere, oualors pour une fonction compliquee dependant de calculs anterieurs(impliquant de trouver des zeros, points fixes, etc)
l’approximation d’une fonction f consiste a chercher une fonction g la”plus proche possible” de f en un sens donne.
dans ce cours nous chercherons principalement a approximer unefonction par des fonctions polynomes
l’espace des polynomes possede de “bonnes” proprietes : structured’espace vectoriel, bases adaptees, calculs analytiques simples pour laderivation et l’integration, peu couteux a evaluer
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 3 / 53
Interpolation et approximation polynomiale Introduction
Introduction
comme on l’a deja vu, l’evaluation d’une fonction numeriquef : R→ R peut etre couteuse en temps de calcul. Par exemplel’approximation de exp ou sin par troncature de la seire entiere, oualors pour une fonction compliquee dependant de calculs anterieurs(impliquant de trouver des zeros, points fixes, etc)
l’approximation d’une fonction f consiste a chercher une fonction g la”plus proche possible” de f en un sens donne.
dans ce cours nous chercherons principalement a approximer unefonction par des fonctions polynomes
l’espace des polynomes possede de “bonnes” proprietes : structured’espace vectoriel, bases adaptees, calculs analytiques simples pour laderivation et l’integration, peu couteux a evaluer
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 3 / 53
Interpolation et approximation polynomiale Introduction
Il est legitime de chercher a approximer des fonctions continues par despolynomes : en effet on a le
Theoreme de Weierstrass
Toute fonction continue sur un segment [a, b] est limite uniforme defonctions polynomiales sur ce segment.Autrement dit, pour tout ε > 0, il existe un polynome Pε tel que
|f (x)− Pε(x)| ≤ ε, ∀x ∈ [a, b].
Remarques
1 L’approximation est “mesuree” en norme uniforme,
‖f − Pε‖L∞([a,b]) = supx∈[a,b]
|f (x)− Pε(x)| ≤ ε
2 Ce resultat de nous dit pas comment choisir le polynome Pε !
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 4 / 53
Interpolation et approximation polynomiale Introduction
Il est legitime de chercher a approximer des fonctions continues par despolynomes : en effet on a le
Theoreme de Weierstrass
Toute fonction continue sur un segment [a, b] est limite uniforme defonctions polynomiales sur ce segment.Autrement dit, pour tout ε > 0, il existe un polynome Pε tel que
|f (x)− Pε(x)| ≤ ε, ∀x ∈ [a, b].
Remarques
1 L’approximation est “mesuree” en norme uniforme,
‖f − Pε‖L∞([a,b]) = supx∈[a,b]
|f (x)− Pε(x)| ≤ ε
2 Ce resultat de nous dit pas comment choisir le polynome Pε !
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 4 / 53
Interpolation et approximation polynomiale Introduction
Il est legitime de chercher a approximer des fonctions continues par despolynomes : en effet on a le
Theoreme de Weierstrass
Toute fonction continue sur un segment [a, b] est limite uniforme defonctions polynomiales sur ce segment.Autrement dit, pour tout ε > 0, il existe un polynome Pε tel que
|f (x)− Pε(x)| ≤ ε, ∀x ∈ [a, b].
Remarques
1 L’approximation est “mesuree” en norme uniforme,
‖f − Pε‖L∞([a,b]) = supx∈[a,b]
|f (x)− Pε(x)| ≤ ε
2 Ce resultat de nous dit pas comment choisir le polynome Pε !
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 4 / 53
Interpolation et approximation polynomiale Evaluation d’un polynome : algorithme de Horner
Evaluation d’un polynome : algorithme de Horner
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 5 / 53
Interpolation et approximation polynomiale Evaluation d’un polynome : algorithme de Horner
Soit P un polynome de degre n
P (x) = anxn + an−1x
n−1 + ...+ a2x2 + a1x + a0,
que nous souhaitons evaluer en un point ξ
l’algorithme ”naturel” consiste a calculer chacun des produits akξk
puis a faire leur somme.
mais cette technique est generalement peu utilisee
a cause des erreurs qu’elle engendrea cause du nombre trop important d’operations elementaires qu’ellemet en jeu, surtout quand le degre est eleve : n − 1 multiplicationspour calculer les ξk = ξ × ξk−1, n multiplications pour akξ
k , et nadditions. Soit O(3n) operations !
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 6 / 53
Interpolation et approximation polynomiale Evaluation d’un polynome : algorithme de Horner
Soit P un polynome de degre n
P (x) = anxn + an−1x
n−1 + ...+ a2x2 + a1x + a0,
que nous souhaitons evaluer en un point ξ
l’algorithme ”naturel” consiste a calculer chacun des produits akξk
puis a faire leur somme.
mais cette technique est generalement peu utilisee
a cause des erreurs qu’elle engendrea cause du nombre trop important d’operations elementaires qu’ellemet en jeu, surtout quand le degre est eleve : n − 1 multiplicationspour calculer les ξk = ξ × ξk−1, n multiplications pour akξ
k , et nadditions. Soit O(3n) operations !
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 6 / 53
Interpolation et approximation polynomiale Evaluation d’un polynome : algorithme de Horner
Soit P un polynome de degre n
P (x) = anxn + an−1x
n−1 + ...+ a2x2 + a1x + a0,
que nous souhaitons evaluer en un point ξ
l’algorithme ”naturel” consiste a calculer chacun des produits akξk
puis a faire leur somme.
mais cette technique est generalement peu utilisee
a cause des erreurs qu’elle engendrea cause du nombre trop important d’operations elementaires qu’ellemet en jeu, surtout quand le degre est eleve : n − 1 multiplicationspour calculer les ξk = ξ × ξk−1, n multiplications pour akξ
k , et nadditions. Soit O(3n) operations !
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 6 / 53
Interpolation et approximation polynomiale Evaluation d’un polynome : algorithme de Horner
P (x) = anxn + an−1x
n−1 + ...+ a2x2 + a1x + a0
En utilisant plutot la factorisation suivante :
P (x) = a0 + x (a1 + x (a2 + x (a3 + ...+ x (an−2 + x(an−1 + xan)) . . .)))
on obtient :
Algorithme de Horner
b := an;pour tous les i de n − 1 a 0 faire
b := ai + ξb;
Rmq : cet algorithme necessite n additions et n multiplications !
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 7 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Interpolation polynomiale
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 8 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Introduction
dans la pratique, une fonction f est souvent connue uniquement parses valeurs en certains points x0, .., xn
a partir de la connaissance de f en ces points, nous souhaitons”reconstruire le mieux possible” cette fonction i.e. trouver une”bonne” approximation de f (pour toutes les autres valeurs de x dansun intervalle fixe)
on pourra imposer a l’approximation de passer exactement par lespoints donnes. Dans ce cas, on parle d’interpolation.
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 9 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Introduction
dans la pratique, une fonction f est souvent connue uniquement parses valeurs en certains points x0, .., xn
a partir de la connaissance de f en ces points, nous souhaitons”reconstruire le mieux possible” cette fonction i.e. trouver une”bonne” approximation de f (pour toutes les autres valeurs de x dansun intervalle fixe)
on pourra imposer a l’approximation de passer exactement par lespoints donnes. Dans ce cas, on parle d’interpolation.
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 9 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Introduction
dans la pratique, une fonction f est souvent connue uniquement parses valeurs en certains points x0, .., xn
a partir de la connaissance de f en ces points, nous souhaitons”reconstruire le mieux possible” cette fonction i.e. trouver une”bonne” approximation de f (pour toutes les autres valeurs de x dansun intervalle fixe)
on pourra imposer a l’approximation de passer exactement par lespoints donnes. Dans ce cas, on parle d’interpolation.
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 9 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Interpolation de Lagrange
Soit f : [a, b]→ R connue en n+1 points distincts x0, x1, ...xn del’intervalle [a, b].Il s’agit de construire un polynome P de degre inferieur ou egal a n tel que
P(xi ) = f (xi ) ∀i = 0, 1, . . . , n
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 10 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Interpolation de Lagrange
Theoreme
Il existe un et un seul polynome Pn de degre inferieur ou egal a n verifiant
Pn(xi ) = f (xi ) ∀i = 0, . . . , n
Le polynome s’ecrit
Pn(x) =n∑
i=0
f (xi ) Li (x) avec Li (x) =∏k 6=i
(x − xk)
(xi − xk).
le polynome Pn est appele polynome d’interpolation de Lagrange dela fonction f aux points x0, x1, ...xn.
les polynomes Li (x) sont appeles polynomes de base de Lagrangeassocies a ces n + 1 points (x0, . . . , xn), et ils sont tous de degre n
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 11 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Interpolation de Lagrange
Theoreme
Il existe un et un seul polynome Pn de degre inferieur ou egal a n verifiant
Pn(xi ) = f (xi ) ∀i = 0, . . . , n
Le polynome s’ecrit
Pn(x) =n∑
i=0
f (xi ) Li (x) avec Li (x) =∏k 6=i
(x − xk)
(xi − xk).
le polynome Pn est appele polynome d’interpolation de Lagrange dela fonction f aux points x0, x1, ...xn.
les polynomes Li (x) sont appeles polynomes de base de Lagrangeassocies a ces n + 1 points (x0, . . . , xn), et ils sont tous de degre n
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 11 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Interpolation de Lagrange
Theoreme
Il existe un et un seul polynome Pn de degre inferieur ou egal a n verifiant
Pn(xi ) = f (xi ) ∀i = 0, . . . , n
Le polynome s’ecrit
Pn(x) =n∑
i=0
f (xi ) Li (x) avec Li (x) =∏k 6=i
(x − xk)
(xi − xk).
le polynome Pn est appele polynome d’interpolation de Lagrange dela fonction f aux points x0, x1, ...xn.
les polynomes Li (x) sont appeles polynomes de base de Lagrangeassocies a ces n + 1 points (x0, . . . , xn), et ils sont tous de degre n
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 11 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Interpolation de Lagrange
Demonstration
ExistenceLe polynome Pn ainsi defini est un polynome de degre n et commeLi (xj) = δij , il verifie bien
Pn(xi ) = f (xi ) ∀i = 0, . . . , n
UniciteSoit Q un autre polynome solution. Alors ∀i = 0, 1, ...n
Q(xi )− P(xi ) = 0 ∀i = 0, 1, . . . , n.
Ainsi Q − P est un polynome de degre inferieur ou egal a ns’annulant en n + 1 points. Il est donc identiquement nul.
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 12 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Interpolation de Lagrange
Demonstration
ExistenceLe polynome Pn ainsi defini est un polynome de degre n et commeLi (xj) = δij , il verifie bien
Pn(xi ) = f (xi ) ∀i = 0, . . . , n
UniciteSoit Q un autre polynome solution. Alors ∀i = 0, 1, ...n
Q(xi )− P(xi ) = 0 ∀i = 0, 1, . . . , n.
Ainsi Q − P est un polynome de degre inferieur ou egal a ns’annulant en n + 1 points. Il est donc identiquement nul.
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 12 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Interpolation de Lagrange
Exemple : avec deux points (n = 1)
P1(x) = f (x0)(x − x1)
(x0 − x1)+ f (x1)
(x − x0)
(x1 − x0)
ce qui s’ecrit encore
P1(x) = f (x0) +f (x1)− f (x0)
x1 − x0(x − x0) .
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 13 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Interpolation de Lagrange
Exemple :
-0,4 0 0,4 0,8 1,2 1,6 2 2,4 2,8 3,2 3,6 4
-0,8
0,8
1,6
2,4
3,2
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 14 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Interpolation de Lagrange
Exemple :
-0,4 0 0,4 0,8 1,2 1,6 2 2,4 2,8 3,2 3,6 4
-0,8
0,8
1,6
2,4
3,2
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 14 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Interpolation de Lagrange
Exemple :
-0,4 0 0,4 0,8 1,2 1,6 2 2,4 2,8 3,2 3,6 4
-0,8
0,8
1,6
2,4
3,2
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 14 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Interpolation de Lagrange
Exemple :
-0,4 0 0,4 0,8 1,2 1,6 2 2,4 2,8 3,2 3,6 4
-0,8
0,8
1,6
2,4
3,2
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 14 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Formule d’interpolation de Newton
L’ecriture du polynome d’interpolation Pn dans la base des polynomesde Lagrange {Li}i=0,...n est interessante d’un point de vue theorique,mais peu du point de vue numerique
son evaluation requiert trop d’operations elementaires.
C’est pourquoi, on lui prefere la formule d’interpolation de Newton(associee aux points x0 . . . xn), qui consiste a ecrire plutot
Pn(x) = an0 + an1 (x − x0) + ...+ ann (x − x0) (x − x1) ... (x − xn−1)
Remarques
tout polynome de degre inferieur ou egal a n peut se mettre souscette forme des que les xi sont tous distincts
ann est aussi le coefficient de xn dans Pn ecrit sous sa forme usuelle
fin cours 1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 15 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Formule d’interpolation de Newton
L’ecriture du polynome d’interpolation Pn dans la base des polynomesde Lagrange {Li}i=0,...n est interessante d’un point de vue theorique,mais peu du point de vue numerique
son evaluation requiert trop d’operations elementaires.
C’est pourquoi, on lui prefere la formule d’interpolation de Newton(associee aux points x0 . . . xn), qui consiste a ecrire plutot
Pn(x) = an0 + an1 (x − x0) + ...+ ann (x − x0) (x − x1) ... (x − xn−1)
Remarques
tout polynome de degre inferieur ou egal a n peut se mettre souscette forme des que les xi sont tous distincts
ann est aussi le coefficient de xn dans Pn ecrit sous sa forme usuelle
fin cours 1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 15 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Formule d’interpolation de Newton
L’ecriture du polynome d’interpolation Pn dans la base des polynomesde Lagrange {Li}i=0,...n est interessante d’un point de vue theorique,mais peu du point de vue numerique
son evaluation requiert trop d’operations elementaires.
C’est pourquoi, on lui prefere la formule d’interpolation de Newton(associee aux points x0 . . . xn), qui consiste a ecrire plutot
Pn(x) = an0 + an1 (x − x0) + ...+ ann (x − x0) (x − x1) ... (x − xn−1)
Remarques
tout polynome de degre inferieur ou egal a n peut se mettre souscette forme des que les xi sont tous distincts
ann est aussi le coefficient de xn dans Pn ecrit sous sa forme usuelle
fin cours 1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 15 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Formule d’interpolation de Newton
Avantages
on peut utiliser l’algorithme d’Horner pour evaluer ce polynome
Pn (x) = an0 + (x − x0) (an1 + (x − x1) (a
n2 + ...+ (x − xn−2)(a
nn−1 + (x − xn−1)an)))
la partie tronquee
an0 + an1 (x − x0) + ...+ an−1n (x − x0) (x − x1) ... (x − xn−2)
est Pn−1(x), le polynome d’interpolation de la fonction f aux pointsx0, . . . , xn−1.
donc, connaissant Pn−1, il suffit de calculer ann pour connaıtre Pn
Pn(x) = Pn−1(x) + ann (x − x0) (x − x1) ... (x − xn−1)
(utile, en particulier lorsqu’on ajoute un point !)
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 16 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Formule d’interpolation de Newton
Avantages
on peut utiliser l’algorithme d’Horner pour evaluer ce polynome
Pn (x) = an0 + (x − x0) (an1 + (x − x1) (a
n2 + ...+ (x − xn−2)(a
nn−1 + (x − xn−1)an)))
la partie tronquee
an0 + an1 (x − x0) + ...+ an−1n (x − x0) (x − x1) ... (x − xn−2)
est Pn−1(x), le polynome d’interpolation de la fonction f aux pointsx0, . . . , xn−1.
donc, connaissant Pn−1, il suffit de calculer ann pour connaıtre Pn
Pn(x) = Pn−1(x) + ann (x − x0) (x − x1) ... (x − xn−1)
(utile, en particulier lorsqu’on ajoute un point !)
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 16 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Formule d’interpolation de Newton
Avantages
on peut utiliser l’algorithme d’Horner pour evaluer ce polynome
Pn (x) = an0 + (x − x0) (an1 + (x − x1) (a
n2 + ...+ (x − xn−2)(a
nn−1 + (x − xn−1)an)))
la partie tronquee
an0 + an1 (x − x0) + ...+ an−1n (x − x0) (x − x1) ... (x − xn−2)
est Pn−1(x), le polynome d’interpolation de la fonction f aux pointsx0, . . . , xn−1.
donc, connaissant Pn−1, il suffit de calculer ann pour connaıtre Pn
Pn(x) = Pn−1(x) + ann (x − x0) (x − x1) ... (x − xn−1)
(utile, en particulier lorsqu’on ajoute un point !)
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 16 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Formule d’interpolation de Newton
Theoreme/definition
Le polynome d’interpolation de Lagrange de la fonction f aux pointsdistincts x0, x1, ...xn est donne par
Pn(x) =n∑
i=0
f [x0, x1, ...xi ]i−1∏k=0
(x − xk)
ou f [.] designe les differences divisees de f definies recursivement par :
i = 0, ..., n f [xi ] = f (xi )
f [x0, x1, ..., xk ] :=f [x1, ..., xk ]− f [x0, ..., xk−1]
xk − x0.
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 17 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Proprietes des differences divisees
f [x0, x1, ..., xn] est le coefficient dominant dans la forme canonique
Pn(x) = [x0, x1, ..., xn] xn + . . .
f [x0, x1, ..., xn] est invariant par des permutations sur les xi : en effet,permuter les xi ne change pas le polynome d’interpolation et donc nechange pas le coefficient du terme de plus haut degre.
si f = Q un polynome de degre q
Q [x0, x1, ..., xn] =
{0 si n > qcoeff. du terme de plus haut degre de Q si q = n
En effet, si q ≤ n, l’interpole de Q n’est autre que Q lui-meme.
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 18 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Proprietes des differences divisees
f [x0, x1, ..., xn] est le coefficient dominant dans la forme canonique
Pn(x) = [x0, x1, ..., xn] xn + . . .
f [x0, x1, ..., xn] est invariant par des permutations sur les xi : en effet,permuter les xi ne change pas le polynome d’interpolation et donc nechange pas le coefficient du terme de plus haut degre.
si f = Q un polynome de degre q
Q [x0, x1, ..., xn] =
{0 si n > qcoeff. du terme de plus haut degre de Q si q = n
En effet, si q ≤ n, l’interpole de Q n’est autre que Q lui-meme.
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 18 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Calcul des differences divisees
f [x0, x1, ..., xk ] :=f [x1, ..., xk ]− f [x0, ..., xk−1]
xk − x0.
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 19 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Calcul des differences divisees
Table recursive
la table des differences divisees permet de calculer de facon inductive lesdifferences divisees d’une fonction selon le shema suivant :
f (x0) = f [x0]↘
f (x1) = f [x1] → f [x0, x1]↘ ↘
f (x2) = f [x2] → f [x1, x2] → f [x0, x1, x2]↘ ↘ ↘
......
.... . .
↘ ↘ ↘f (xn) = f [xn] → f [xn−1, xn] → f [xn−2, xn−1, xn] → · · · → f [x0, x1, . . . , xn]
f [x0, x1, ..., xk ] :=f [x1, ..., xk ]− f [x0, ..., xk−1]
xk − x0.
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 19 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Calcul des differences divisees
Table recursive
on retrouve sur la diagonale les coefficients de la formule de Newton
f (x0) = f [x0]↘
f (x1) = f [x1] → f [x0, x1]↘ ↘
f (x2) = f [x2] → f [x1, x2] → f [x0, x1, x2]↘ ↘ ↘
......
.... . .
↘ ↘ ↘f (xn) = f [xn] → f [xn−1, xn] → f [xn−2, xn−1, xn] → · · · → f [x0, x1, . . . , xn]
f [x0, x1, ..., xk ] :=f [x1, ..., xk ]− f [x0, ..., xk−1]
xk − x0.
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 20 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Calcul des differences divisees
Remarques
nous avons(n + 1)(n + 2)
2coefficients a calculer pour obtenir les
n + 1 coefficients de la formule.
on peut songer a utiliser un tableau bi-dimensionel (n + 1)× (n + 2)pour stocker ces coefficients
toutefois un vecteur a (n + 1) composantes suffira !
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 21 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Calcul des differences divisees
Remarques
nous avons(n + 1)(n + 2)
2coefficients a calculer pour obtenir les
n + 1 coefficients de la formule.
on peut songer a utiliser un tableau bi-dimensionel (n + 1)× (n + 2)pour stocker ces coefficients
toutefois un vecteur a (n + 1) composantes suffira !
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 21 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Calcul des differences divisees
Remarques
nous avons(n + 1)(n + 2)
2coefficients a calculer pour obtenir les
n + 1 coefficients de la formule.
on peut songer a utiliser un tableau bi-dimensionel (n + 1)× (n + 2)pour stocker ces coefficients
toutefois un vecteur a (n + 1) composantes suffira !
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 21 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Calcul des differences divisees
Etape 1
f [x0]
f [x1]
f [x2]
...
f [xn]
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 22 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Calcul des differences divisees
Etape 1
f [x0]
f [x1]
f [x2]
...
f [xn]
d =
f [x0]
f [x1]
f [x2]
...
f [xn]
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 22 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Calcul des differences divisees
Etape 2
f [x0]↘
f [x1] → f [x0, x1]↘
f [x2] → f [x1, x2]↘
......
↘f [xn] → f [xn−1, xn]
d =
f [x0]
f [x1]
f [x2]
...
f [xn]
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 23 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Calcul des differences divisees
Etape 2
f [x0]↘
f [x1] → f [x0, x1]↘
f [x2] → f [x1, x2]↘
......
↘f [xn] → f [xn−1, xn]
d =
f [x0]
f [x0, x1]
f [x1, x2]
...
f [xn−1, xn]
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 24 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Calcul des differences divisees
Etape 3
f [x0]↘
f [x1] → f [x0, x1]↘ ↘
f [x2] → f [x1, x2] → f [x0, x1, x2]↘ ↘
......
...↘ ↘
f [xn] → f [xn−1, xn] → f [xn−2, xn−1, xn]
d =
f [x0]
f [x0, x1]
f [x1, x2]
...
f [xn−1, xn]
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 25 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Calcul des differences divisees
Etape 3
f [x0]↘
f [x1] → f [x0, x1]↘ ↘
f [x2] → f [x1, x2] → f [x0, x1, x2]↘ ↘
......
...↘ ↘
f [xn] → f [xn−1, xn] → f [xn−2, xn−1, xn]
d =
f [x0]
f [x0, x1]
f [x0, x1, x2]
...
f [xn−2, xn−1, xn]
Et ainsi de suite ...
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 26 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Pour evaluer le polynome d’interpolation Pn(x) au point ξ
1 Calcul des differences divisees par l’algorithme de Newton
pour tous les i de 0 a n fairedi := f (xi )
pour tous les j de 1 a n fairepour tous les i de n a j faire
di := (di − di−1)/(xi − xi−j)
2 Evaluation par l’algorithme de Hornerb := dnpour tous les i de n − 1 a 0 faire
b := di + (ξ − xi )b
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 27 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Avec cet algorithme, il est tres facile d’ajouter un point x−1 etd’obtenir les coefficients du polynome Pn+1 sans etre oblige de refairetous les calculs :
f (x0) = f [x0]↘
f (x1) = f [x1] → f [x0, x1]↘ ↘
f (x2) = f [x2] → f [x1, x2] → f [x0, x1, x2]↘ ↘ ↘
......
.... . .
↘ ↘ ↘f (xn) = f [xn] → f [xn−1, xn] → f [xn−2, xn−1, xn] → · · · → f [x0x1, . . . , xn]
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 28 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Avec cet algorithme, il est tres facile d’ajouter un point x−1 etd’obtenir les coefficients du polynome Pn+1 sans etre oblige de refairetous les calculs :
f (x−1) = f [x−1]
f (x0) = f [x0]↘
f (x1) = f [x1] → f [x0, x1]↘ ↘
f (x2) = f [x2] → f [x1, x2] → f [x0, x1, x2]↘ ↘ ↘
......
.... . .
↘ ↘ ↘f (xn) = f [xn] → f [xn−1, xn] → f [xn−2, xn−1, xn] → · · · → f [x0x1, . . . , xn]
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 29 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Avec cet algorithme, il est tres facile d’ajouter un point x−1 etd’obtenir les coefficients du polynome Pn+1 sans etre oblige de refairetous les calculs :
f (x−1) = f [x−1]↘
f (x0) = f [x0] → f [x−1, x0]↘
f (x1) = f [x1] → f [x0, x1]↘ ↘
f (x2) = f [x2] → f [x1, x2] → f [x0, x1, x2]↘ ↘ ↘
......
.... . .
↘ ↘ ↘f (xn) = f [xn] → f [xn−1, xn] → f [xn−2, xn−1, xn] → · · · → f [x0x1, . . . , xn]
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 30 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Avec cet algorithme, il est tres facile d’ajouter un point x−1 etd’obtenir les coefficients du polynome Pn+1 sans etre oblige de refairetous les calculs :
f (x−1) = f [x−1]↘
f (x0) = f [x0] → f [x−1, x0]↘ ↘
f (x1) = f [x1] → f [x0, x1] → f [x−1, x0, x1]↘ ↘
f (x2) = f [x2] → f [x1, x2] → f [x0, x1, x2]↘ ↘ ↘
......
.... . .
↘ ↘ ↘f (xn) = f [xn] → f [xn−1, xn] → f [xn−2, xn−1, xn] → · · · → f [x0x1, . . . , xn]
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 31 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Avec cet algorithme, il est tres facile d’ajouter un point x−1 etd’obtenir les coefficients du polynome Pn+1 sans etre oblige de refairetous les calculs :
f (x−1) = f [x−1]↘
f (x0) = f [x0] → f [x−1, x0]↘ ↘
f (x1) = f [x1] → f [x0, x1] → f [x−1, x0, x1]↘ ↘
f (x2) = f [x2] → f [x1, x2] → f [x0, x1, x2]↘ ↘ ↘
......
.... . .
↘ ↘ ↘f (xn) = f [xn] → f [xn−1, xn] → f [xn−2, xn−1, xn] → · · · → f [x0x1, . . . , xn]
Et ainsi de suite...
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 31 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Quelques exemples
fonction sinus sur [−π, π] - 3 points d’interpolation equidistants
−4 −3 −2 −1 0 1 2 3 4−1
−0.8
−0.6
−0.4
−0.2
0
0.2
0.4
0.6
0.8
1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 32 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Quelques exemples
fonction sinus sur [−π, π] - 4 points d’interpolation equidistants
−4 −3 −2 −1 0 1 2 3 4−1.5
−1
−0.5
0
0.5
1
1.5
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 32 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Quelques exemples
fonction sinus sur [−π, π] - 5 points d’interpolation equidistants
−4 −3 −2 −1 0 1 2 3 4−1.5
−1
−0.5
0
0.5
1
1.5
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 32 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Quelques exemples
fonction sinus sur [−π, π] - 6 points d’interpolation equidistants
−4 −3 −2 −1 0 1 2 3 4−1.5
−1
−0.5
0
0.5
1
1.5
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 32 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Quelques exemples
fonction x 7→ 1/(1 + x2) sur [−1, 1] - 3 points d’interpolation equidistants
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 10.5
0.55
0.6
0.65
0.7
0.75
0.8
0.85
0.9
0.95
1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 33 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Quelques exemples
fonction x 7→ 1/(1 + x2) sur [−1, 1] - 4 points d’interpolation equidistants
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 10.5
0.55
0.6
0.65
0.7
0.75
0.8
0.85
0.9
0.95
1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 33 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Quelques exemples
fonction x 7→ 1/(1 + x2) sur [−1, 1] - 5 points d’interpolation equidistants
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 10.5
0.55
0.6
0.65
0.7
0.75
0.8
0.85
0.9
0.95
1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 33 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Quelques exemples
fonction x 7→ 1/(1 + x2) sur [−1, 1]- 10 points d’interpolation equidistants
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 10.5
0.55
0.6
0.65
0.7
0.75
0.8
0.85
0.9
0.95
1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 33 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Quelques exemples
fonction x 7→ 1/(1 + x2) sur [−5, 5] - 3 points d’interpolation equidistants
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 34 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Quelques exemples
fonction x 7→ 1/(1 + x2) sur [−5, 5] - 4 points d’interpolation equidistants
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 34 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Quelques exemples
fonction x 7→ 1/(1 + x2) sur [−5, 5] - 5 points d’interpolation equidistants
−5 −4 −3 −2 −1 0 1 2 3 4 5−0.4
−0.2
0
0.2
0.4
0.6
0.8
1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 34 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Quelques exemples
fonction x 7→ 1/(1 + x2) sur [−5, 5] - 10 points d’interpolation equidistants
−5 −4 −3 −2 −1 0 1 2 3 4 5−0.4
−0.2
0
0.2
0.4
0.6
0.8
1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 34 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Quelques exemples
fonction x 7→ 1/(1 + x2) sur [−5, 5] - 15 points d’interpolation equidistants
−5 −4 −3 −2 −1 0 1 2 3 4 5−1
0
1
2
3
4
5
6
7
8
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 34 / 53
Interpolation et approximation polynomiale Interpolation polynomiale
Quelques exemples
fonction x 7→ 1/(1 + x2) sur [−5, 5] - 15 points d’interpolation equidistants
−5 −4 −3 −2 −1 0 1 2 3 4 5−1
0
1
2
3
4
5
6
7
8
L’approximation semble mauvaise au bord (phenomene de Runge) !
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 34 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Erreur dans l’interpolation polynomiale
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 35 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Un but de l’interpolation etant de remplacer l’evaluation de f (x) par cellede Pn(x), il est important de connaıtre l’erreur
En(x) = f (x)− Pn(x), x ∈ [a, b]
Theoreme
Soit f : [a, b] −→ R de classe Cn+1 et Pn le polynome d’interpolation deLagrange aux points x0, x1, ..., xn de [a, b]. Alors
|f (x)− Pn(x)| ≤ Mn+1
(n + 1)!|πn(x)|
ouMn+1 = max
a≤x≤b
∣∣∣f (n+1)(x)∣∣∣
et
πn(x) =n∏
i=0
(x − xi ).
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 36 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Un but de l’interpolation etant de remplacer l’evaluation de f (x) par cellede Pn(x), il est important de connaıtre l’erreur
En(x) = f (x)− Pn(x), x ∈ [a, b]
Theoreme
Soit f : [a, b] −→ R de classe Cn+1 et Pn le polynome d’interpolation deLagrange aux points x0, x1, ..., xn de [a, b]. Alors
|f (x)− Pn(x)| ≤ Mn+1
(n + 1)!|πn(x)|
ouMn+1 = max
a≤x≤b
∣∣∣f (n+1)(x)∣∣∣
et
πn(x) =n∏
i=0
(x − xi ).
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 36 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Preuve :
1 Pour prouver que |f (x)− Pn(x)| ≤ Mn+1
(n+1)! |πn(x)| il suffit de montrerque
∃αx ∈]a, b[ t.q. f (x)− Pn(x) =f (n+1)(αx)
(n + 1)!πn(x)
2 si x = xi =un des points d’interpolations il n’y a rien a prouver 0 = 0,donc on suppose que x 6∈ {x0, . . . xn} et on pose
Qn(t) := Pn(t) + f (x)−Pn(x)πn(x) πn(t) ∈ Rn+1[T ],
g(t) := f (t)− Qn(t)
3 Par construction t 7→ g(t) ∈ Cn+1([a, b]) et s’annule en n + 2 pointsx , x0, . . . xn car
Qn(x) = f (x) et πn(xi ) = 0⇒ Qn(xi ) = Pn(xi ) = f (xi )
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 37 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Preuve :
Qn(t) := Pn(t) + f (x)−Pn(x)πn(x) πn(t) ∈ Rn+1[T ],
g(t) := f (t)− Qn(t)
4 Comme g s’annule n + 2 fois dans [a, b], le Theore de Rolle donneque g ′ s’annule n + 1 fois dans ]a, b[.
5 Par recurrence immediate, on obtient que g (n+1) s’annule au moinsune fois dans [a, b], i-e ∃αx ∈]a, b[ t.q. g (n+1)(αx) = 0
6 On calcule facilement π(n+1)n (x) = (n + 1)! et
0 = g (n+1)(αx) = f (n+1)(αx)− f (x)− Pn(x)
πn(x)(n + 1)!
d’ou on tire enfin
f (x)− Pn(x) =f (n+1)(αx)
(n + 1)!πn(x)
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 38 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Application : retour aux exemples precedents
f (x) = sin(x) pour x ∈ [a, b]
on a Mn+1 = maxx∈[a,b]
| sin(n+1)(x)| ≤ 1
on obtient aussi facilement la majoration |πn(x)| ≤ (b − a)n+1 (pourtout choix des n + 1 points xi et x ∈ [a, b] on a |x − xi | ≤ b − a)
donc
∀x ∈ [a, b] , |f (x)− Pn(x)| ≤ (b − a)n+1
(n + 1)!−−−→n→∞
0
et par consequentlimn→∞
|f (x)− Pn(x)| = 0
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 39 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Application : retour aux exemples precedents
f (x) = sin(x) pour x ∈ [a, b]
on a Mn+1 = maxx∈[a,b]
| sin(n+1)(x)| ≤ 1
on obtient aussi facilement la majoration |πn(x)| ≤ (b − a)n+1 (pourtout choix des n + 1 points xi et x ∈ [a, b] on a |x − xi | ≤ b − a)
donc
∀x ∈ [a, b] , |f (x)− Pn(x)| ≤ (b − a)n+1
(n + 1)!−−−→n→∞
0
et par consequentlimn→∞
|f (x)− Pn(x)| = 0
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 39 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Application : retour aux exemples precedents
f (x) = sin(x) pour x ∈ [a, b]
on a Mn+1 = maxx∈[a,b]
| sin(n+1)(x)| ≤ 1
on obtient aussi facilement la majoration |πn(x)| ≤ (b − a)n+1 (pourtout choix des n + 1 points xi et x ∈ [a, b] on a |x − xi | ≤ b − a)
donc
∀x ∈ [a, b] , |f (x)− Pn(x)| ≤ (b − a)n+1
(n + 1)!−−−→n→∞
0
et par consequentlimn→∞
|f (x)− Pn(x)| = 0
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 39 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Application : retour aux exemples precedents
f (x) = sin(x) pour x ∈ [a, b]
on a Mn+1 = maxx∈[a,b]
| sin(n+1)(x)| ≤ 1
on obtient aussi facilement la majoration |πn(x)| ≤ (b − a)n+1 (pourtout choix des n + 1 points xi et x ∈ [a, b] on a |x − xi | ≤ b − a)
donc
∀x ∈ [a, b] , |f (x)− Pn(x)| ≤ (b − a)n+1
(n + 1)!−−−→n→∞
0
et par consequentlimn→∞
|f (x)− Pn(x)| = 0
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 39 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Application : retour aux exemples precedents
f (x) = sin(x) pour x ∈ [a, b]
on a Mn+1 = maxx∈[a,b]
| sin(n+1)(x)| ≤ 1
on obtient aussi facilement la majoration |πn(x)| ≤ (b − a)n+1 (pourtout choix des n + 1 points xi et x ∈ [a, b] on a |x − xi | ≤ b − a)
donc
∀x ∈ [a, b] , |f (x)− Pn(x)| ≤ (b − a)n+1
(n + 1)!−−−→n→∞
0
et par consequentlimn→∞
|f (x)− Pn(x)| = 0
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 39 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Application : retour aux exemples precedents
f (x) = 1/(1 + x2) pour x ∈ [−a, a]
on peut montrer que si les points xi sont equidistants dans [−a, a]
max−a≤x≤a
|En(x)| < Ce−n√n log n
(2a)n+1
donc si 2a < e, En(x) converge vers 0 avec n.
dans la simulation precedente a = 5 et 2a = 10 6< e ≈ 2, 718. Dans cecas le majorant ci-dessus explose, et nous ne pouvons donc rienconclure sur En(x).
notre calcul numerique laisse penser que En ne tend pas vers 0.
on peut montrer que max|x |≤5
|En(x)| ne tend pas vers 0 (phenomene de
Runge)
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 40 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Application : retour aux exemples precedents
f (x) = 1/(1 + x2) pour x ∈ [−a, a]
on peut montrer que si les points xi sont equidistants dans [−a, a]
max−a≤x≤a
|En(x)| < Ce−n√n log n
(2a)n+1
donc si 2a < e, En(x) converge vers 0 avec n.
dans la simulation precedente a = 5 et 2a = 10 6< e ≈ 2, 718. Dans cecas le majorant ci-dessus explose, et nous ne pouvons donc rienconclure sur En(x).
notre calcul numerique laisse penser que En ne tend pas vers 0.
on peut montrer que max|x |≤5
|En(x)| ne tend pas vers 0 (phenomene de
Runge)
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 40 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Application : retour aux exemples precedents
f (x) = 1/(1 + x2) pour x ∈ [−a, a]
on peut montrer que si les points xi sont equidistants dans [−a, a]
max−a≤x≤a
|En(x)| < Ce−n√n log n
(2a)n+1
donc si 2a < e, En(x) converge vers 0 avec n.
dans la simulation precedente a = 5 et 2a = 10 6< e ≈ 2, 718. Dans cecas le majorant ci-dessus explose, et nous ne pouvons donc rienconclure sur En(x).
notre calcul numerique laisse penser que En ne tend pas vers 0.
on peut montrer que max|x |≤5
|En(x)| ne tend pas vers 0 (phenomene de
Runge)
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 40 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Application : retour aux exemples precedents
f (x) = 1/(1 + x2) pour x ∈ [−a, a]
on peut montrer que si les points xi sont equidistants dans [−a, a]
max−a≤x≤a
|En(x)| < Ce−n√n log n
(2a)n+1
donc si 2a < e, En(x) converge vers 0 avec n.
dans la simulation precedente a = 5 et 2a = 10 6< e ≈ 2, 718. Dans cecas le majorant ci-dessus explose, et nous ne pouvons donc rienconclure sur En(x).
notre calcul numerique laisse penser que En ne tend pas vers 0.
on peut montrer que max|x |≤5
|En(x)| ne tend pas vers 0 (phenomene de
Runge)
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 40 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Application : retour aux exemples precedents
f (x) = 1/(1 + x2) pour x ∈ [−a, a]
on peut montrer que si les points xi sont equidistants dans [−a, a]
max−a≤x≤a
|En(x)| < Ce−n√n log n
(2a)n+1
donc si 2a < e, En(x) converge vers 0 avec n.
dans la simulation precedente a = 5 et 2a = 10 6< e ≈ 2, 718. Dans cecas le majorant ci-dessus explose, et nous ne pouvons donc rienconclure sur En(x).
notre calcul numerique laisse penser que En ne tend pas vers 0.
on peut montrer que max|x |≤5
|En(x)| ne tend pas vers 0 (phenomene de
Runge)
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 40 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Application : retour aux exemples precedents
f (x) = 1/(1 + x2) pour x ∈ [−a, a]
on peut montrer que si les points xi sont equidistants dans [−a, a]
max−a≤x≤a
|En(x)| < Ce−n√n log n
(2a)n+1
donc si 2a < e, En(x) converge vers 0 avec n.
dans la simulation precedente a = 5 et 2a = 10 6< e ≈ 2, 718. Dans cecas le majorant ci-dessus explose, et nous ne pouvons donc rienconclure sur En(x).
notre calcul numerique laisse penser que En ne tend pas vers 0.
on peut montrer que max|x |≤5
|En(x)| ne tend pas vers 0 (phenomene de
Runge)
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 40 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Choix des points d’interpolation
l’estimation du theoreme
|f (x)− Pn(x)| ≤ Mn+1
(n + 1)!|πn(x)|
montre que l’erreur depend
de la derivee n + 1 ieme de fdu maximum de la fonction πn, qui lui ne depend que du choix des xi
On peut chercher a minimiser maxa≤x≤b
|πn(x)| en choisissant au mieux
les points xi
il se trouve qu’un choix de points equidistants n’est pas du toutoptimal, loin de la !
le choix optimal est obtenu a l’aide des points de Chebyshev :
xi =a + b
2+
b − a
2cos
((2i + 1)π
2n + 2
), i = 0, ..., n
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 41 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Choix des points d’interpolation
l’estimation du theoreme
|f (x)− Pn(x)| ≤ Mn+1
(n + 1)!|πn(x)|
montre que l’erreur depend
de la derivee n + 1 ieme de fdu maximum de la fonction πn, qui lui ne depend que du choix des xi
On peut chercher a minimiser maxa≤x≤b
|πn(x)| en choisissant au mieux
les points xi
il se trouve qu’un choix de points equidistants n’est pas du toutoptimal, loin de la !
le choix optimal est obtenu a l’aide des points de Chebyshev :
xi =a + b
2+
b − a
2cos
((2i + 1)π
2n + 2
), i = 0, ..., n
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 41 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Choix des points d’interpolation
l’estimation du theoreme
|f (x)− Pn(x)| ≤ Mn+1
(n + 1)!|πn(x)|
montre que l’erreur depend
de la derivee n + 1 ieme de fdu maximum de la fonction πn, qui lui ne depend que du choix des xi
On peut chercher a minimiser maxa≤x≤b
|πn(x)| en choisissant au mieux
les points xi
il se trouve qu’un choix de points equidistants n’est pas du toutoptimal, loin de la !
le choix optimal est obtenu a l’aide des points de Chebyshev :
xi =a + b
2+
b − a
2cos
((2i + 1)π
2n + 2
), i = 0, ..., n
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 41 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Choix des points d’interpolation
l’estimation du theoreme
|f (x)− Pn(x)| ≤ Mn+1
(n + 1)!|πn(x)|
montre que l’erreur depend
de la derivee n + 1 ieme de fdu maximum de la fonction πn, qui lui ne depend que du choix des xi
On peut chercher a minimiser maxa≤x≤b
|πn(x)| en choisissant au mieux
les points xi
il se trouve qu’un choix de points equidistants n’est pas du toutoptimal, loin de la !
le choix optimal est obtenu a l’aide des points de Chebyshev :
xi =a + b
2+
b − a
2cos
((2i + 1)π
2n + 2
), i = 0, ..., n
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 41 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Choix des points d’interpolation
l’estimation du theoreme
|f (x)− Pn(x)| ≤ Mn+1
(n + 1)!|πn(x)|
montre que l’erreur depend
de la derivee n + 1 ieme de fdu maximum de la fonction πn, qui lui ne depend que du choix des xi
On peut chercher a minimiser maxa≤x≤b
|πn(x)| en choisissant au mieux
les points xi
il se trouve qu’un choix de points equidistants n’est pas du toutoptimal, loin de la !
le choix optimal est obtenu a l’aide des points de Chebyshev :
xi =a + b
2+
b − a
2cos
((2i + 1)π
2n + 2
), i = 0, ..., n
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 41 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Encore un retour aux exemples
fonction x 7→ 1/(1 + x2) sur [−5, 5] - 3 points de Chebyshev
−5 −4 −3 −2 −1 0 1 2 3 4 5−0.4
−0.2
0
0.2
0.4
0.6
0.8
1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 42 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Encore un retour aux exemples
fonction x 7→ 1/(1 + x2) sur [−5, 5] - 4 points de Chebyshev
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 42 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Encore un retour aux exemples
fonction x 7→ 1/(1 + x2) sur [−5, 5] - 5 points de Chebyshev
−5 −4 −3 −2 −1 0 1 2 3 4 5−0.2
0
0.2
0.4
0.6
0.8
1
1.2
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 42 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Encore un retour aux exemples
fonction x 7→ 1/(1 + x2) sur [−5, 5]- 10 points de Chebyshev
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 42 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Encore un retour aux exemples
fonction x 7→ 1/(1 + x2) sur [−5, 5]- 15 points de Chebyshev
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 42 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Encore un retour aux exemples
fonction x 7→ 1/(1 + x2) sur [−5, 5]- 25 points de Chebyshev
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 42 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Encore un retour aux exemples
fonction sinus sur [−π, π] - 6 points equidistants
−4 −3 −2 −1 0 1 2 3 4−1.5
−1
−0.5
0
0.5
1
1.5
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 43 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Encore un retour aux exemples
fonction sinus sur [−π, π] - 20 points equidistants
−5 −4 −3 −2 −1 0 1 2 3 4 5−1
−0.8
−0.6
−0.4
−0.2
0
0.2
0.4
0.6
0.8
1
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 43 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Encore un retour aux exemples
fonction sinus sur [−π, π] - 70 points equidistants
−5 −4 −3 −2 −1 0 1 2 3 4 5−4
−3
−2
−1
0
1
2
3
4
5
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 43 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
Encore un retour aux exemples
fonction sinus sur [−π, π] - 75 points equidistants
−5 −4 −3 −2 −1 0 1 2 3 4 5−10
0
10
20
30
40
50
60
70
80
90
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 43 / 53
Interpolation et approximation polynomiale Erreur dans l’interpolation polynomiale
On retiendra :
L’approximation polynomiale sur [a, b] marche bien si l’intervalle [a, b]n’est pas trop grand, et il y a convergence uniforme
‖f − Pn‖L∞([a,b]) → 0
En general il n’y a pas convergence en dehors de l’intervalle [a, b]
Le choix naıf des points equidistants ne donne pas de bons resultats acause du phenomene de Runge (oscillations au bord)
Le choix optimal des points d’interpolation est celui des points deChebyshev
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 44 / 53
Interpolation et approximation polynomiale Interpolation d’Hermite
Interpolation d’Hermite
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 45 / 53
Interpolation et approximation polynomiale Interpolation d’Hermite
Interpolation d’Hermite
Objectif
Soit f definie sur un intervalle [a, b] et soient x0, . . . , xn n + 1 points de[a, b]. L’objectif est de construire un polynome d’interpolation P de fverifiant :
non seulement P(xi ) = f (xi ) pour tout 0 ≤ i ≤ n
mais aussi P ′(xi ) = f ′(xi ) pour tout 0 ≤ i ≤ n
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 46 / 53
Interpolation et approximation polynomiale Interpolation d’Hermite
Interpolation d’Hermite
Objectif
Soit f definie sur un intervalle [a, b] et soient x0, . . . , xn n + 1 points de[a, b]. L’objectif est de construire un polynome d’interpolation P de fverifiant :
non seulement P(xi ) = f (xi ) pour tout 0 ≤ i ≤ n
mais aussi P ′(xi ) = f ′(xi ) pour tout 0 ≤ i ≤ n
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 46 / 53
Interpolation et approximation polynomiale Interpolation d’Hermite
Interpolation d’Hermite
Theoreme
Il existe un unique polynome Pn de degre au plus 2n + 1 verifiant
Pn(xi ) = f (xi ), P ′n(xi ) = f ′(xi ) ∀i = 0, 1, . . . , n.
Le polynome s’ecrit
Pn(x) =n∑
i=0
f (xi )Hi (x) +n∑
i=0
f ′(xi )Hi (x)
avec
Hi (x) =[1− 2L′i (xi )(x − xi )
]L2i (x) et Hi (x) = (x − xi )L
2i (x).
Le polynome Pn est appele polynome d’interpolation d’Hermite de lafonction f aux points x0, x1, . . . , xn.
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 47 / 53
Interpolation et approximation polynomiale Interpolation d’Hermite
Erreur dans l’interpolation d’Hermite
Theoreme
Soit f : [a, b] −→ R de classe C2n+2, et Pn le polynome d’interpolationd’Hermite aux points x0, x1, ..., xn de [a, b]. Alors
|f (x)− Pn(x)| ≤ M2n+2
(2n + 2)!
∣∣π2n(x)
∣∣ou
M2n+2 = maxa≤x≤b
∣∣∣f (2n+2)(x)∣∣∣ et πn(x) =
n∏i=0
(x − xi ).
Rmque : par rapport a l’interpolation de Lagrange, l’erreur est ici en1
(2n+2)! �1
(n+1)! , ce qui est normal puisqu’on a impose plus de contraintes
(Pn(xi ) = f (xi ) mais aussi P ′n(xi ) = f ′(xi ))
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 48 / 53
Interpolation et approximation polynomiale Approximation par morceaux
Approximation par morceaux
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 49 / 53
Interpolation et approximation polynomiale Approximation par morceaux
Approximation par morceaux
Introduction
Pour eviter les instabilites du type phenomenes de Runge (oscillations aubord), on peut faire de l’interpolation polynomiale de degre m peu elevesur des intervalles de petites tailles :etant donnee f : [a, b]→ R connue en (n + 1) points
a = x0 < x1 < ... < xn = b,
on l’interpole par des fonctions continues dont la restriction a chaqueintervalle [xi−1, xi ] est polynomiale de degre au plus m.
Par rapport a l’approche precedente, on a ici plus de degres de liberte : ledegre m de l’interpolation sur chacun des intervalles elementaires [xi , xi+1],et le nombre n de ces intervalles !
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 50 / 53
Interpolation et approximation polynomiale Approximation par morceaux
Approximation par morceaux
Exemple : approximation lineaire par morceaux
La restriction de l’approximation P a l’intervalle [xi−1, xi ] est donnee par :
Pi (x) = f (xi−1) +f (xi )− f (xi−1)
(xi − xi−1)(x − xi−1)
= f [xi−1] + f [xi−1, xi ] (x − xi−1)
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 51 / 53
Interpolation et approximation polynomiale Approximation par morceaux
Approximation par morceaux
Exemple : approximation lineaire par morceaux
La restriction de l’approximation P a l’intervalle [xi−1, xi ] est donnee par :
Pi (x) = f (xi−1) +f (xi )− f (xi−1)
(xi − xi−1)(x − xi−1)
= f [xi−1] + f [xi−1, xi ] (x − xi−1)
-3,2 -2,4 -1,6 -0,8 0 0,8 1,6 2,4 3,2
-1,2
-0,8
-0,4
0,4
0,8
1,2
m = 1, n = 4
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 51 / 53
Interpolation et approximation polynomiale Approximation par morceaux
Approximation par morceaux
Exemple : approximation lineaire par morceaux
La restriction de l’approximation P a l’intervalle [xi−1, xi ] est donnee par :
Pi (x) = f (xi−1) +f (xi )− f (xi−1)
(xi − xi−1)(x − xi−1)
= f [xi−1] + f [xi−1, xi ] (x − xi−1)
-3,2 -2,4 -1,6 -0,8 0 0,8 1,6 2,4 3,2
-1,2
-0,8
-0,4
0,4
0,8
1,2
m = 1, n = 8
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 51 / 53
Interpolation et approximation polynomiale Approximation par morceaux
Approximation par morceaux
Generalisation
sur chaque intervalle [xi , xi+1], on construit un polynomed’interpolation de Lagrange Pi ,m de la fonction f a l’aide de m + 1points de [xi , xi+1], i-e xi = y i0 < y i1 < · · · < y im = xi+1
pour assurer la continuite, on impose
y i0 = xi , y im = xi+1 ∀i
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 52 / 53
Interpolation et approximation polynomiale Approximation par morceaux
Approximation par morceaux
Generalisation
sur chaque intervalle [xi , xi+1], on construit un polynomed’interpolation de Lagrange Pi ,m de la fonction f a l’aide de m + 1points de [xi , xi+1], i-e xi = y i0 < y i1 < · · · < y im = xi+1
pour assurer la continuite, on impose
y i0 = xi , y im = xi+1 ∀i
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 52 / 53
Interpolation et approximation polynomiale Approximation par morceaux
Theoreme
Soit f : [a, b] −→ R et soient x0 < x1 < · · · < xn n + 1 points de [a, b].Sur chaque intervalle [xi , xi+1] on choisit m+1 pointsxi = y i0 < y i1 < · · · < y im = xi+1.Alors, il existe une unique fonction fm,n continue sur [a, b] telle que
la fonction fm,n|[xi ,xi+1] est un polynome de degre au plus m
fm,n(y ij ) = f (y ij ) pour tout 0 ≤ j ≤ m et pour tout 0 ≤ i ≤ n
De plus, si f ∈ Cm+1([a, b]), alors
‖f − fm,n‖L∞([a,b]) ≤hm+1
(m + 1)!‖f (m+1)‖L∞([a,b])
avec h = max0≤i≤n−1
|xi+1 − xi |
Rmque : a degre d’interpolation m fixe, l’erreur tend verso zero lorsqueh→ 0, i-e pour n→∞
Leonard Monsaingeon (IECL) Analyse Numerique Printemps 2017 53 / 53