Université Lyon 1 Année 2018-2019
Licence Mathématiques 2ème année
Introduction à l’Analyse Numérique
TP1 : Interpolation
1 Interpolation
Pour définir une fonction, on le fait en général dans un fichier externe. Pour cela, on ouvre le menu "Fichier"
et on créé un nouveau fichier. Une fonction Python se déclare comme suit :
def nom_de_fonction(input1, input2, ...):
instructions...
return output1, output2, ...
où les input sont les arguments d’entrée de la fonction et les output les argument de sortie. Ni les uns ni les
autres ne sont obligatoires. Il faut ensuite enregistrer votre fichier dans le répertoire de travail avec une extension
.py.
Attention ! Les indentations sont très importantes en Python. C’est ce qui définie si les instructions font
partie de la fonction ou du script. En effet, il n’y a rien qui indique la fin de la fonction à part les indentations !
La fonction lagrange suivante construit le polynôme d’interpolation de Lagrange de degré n interpolant une
fonction f définie avec la commande deff, en n + 1 nœuds équi-distribués dans l’intervalle [a, b]
import numpy as np
def lagrange(f, a, b, n):
x = np.linspace(a, b, n+1)
X = np.poly1d([1, 0])
P = 0
for i in range(n+1):
L = 1
for j in range(0, i):
L = L * (X - x[j]) / (x[i] - x[j])
for j in range(i+1, n+1):
L = L * (X - x[j]) / (x[i] - x[j])
P = P + L * f(x[i])
return P
1.1 Interpolation de Lagrange
On considère la fonction f : [0, 3π] → R, x 7→ sin(x) sur l’intervalle [0, 3π].
1. Polynome de Lagrange
(a) Écrire la fonction lagrange dans un fichier intitulé interpolation.py.
(b) Définir la fonction f dans un fichier :
polynome_lagrange.py
qui prend un tableau x en input et retourne le tableau np.sin(x). Penser à importer Numpy au
début du fichier. Attention aux tabulations pour la fonction !
(c) Toujours dans le même fichier, définir une distribution uniforme de 100 points dans l’intervalle [0, 3π]
dans un vecteur xp.
(d) Utiliser la fonction lagrange pour calculer les polynômes d’interpolations de Lagrange Pnsin sur [0, 3π]
pour n ∈ J1, 5K. Pour utiliser la fonction lagrange, il faut importer le fichier interpolation.py en
ajoutant la commande suivante au début du fichier : import interpolation as inter
On pourra faire une boucle for, comme dans le code lagrange ou bien utiliser une comprehension
list (plus dans l’esprit Python) :
nmax = 5
Psin = [inter.lagrange(f, 0, 3*np.pi, n) for n in range(1, nmax+1)]
(e) Tracer sur une même figure, la fonction f et les 5 polynômes obtenus. Pour cela, on utilisera la
fonction de Numpy polyval (voir l’aide) qui permet d’évaluer le polynôme Pnsin obtenu en un point
ou un tableau de points xp. N’oubliez pas d’importer matplotlib ! Qu’observez-vous ?
RÉPONSE :
(f) Mettre un titre et une légende à la figure.
2. Erreur d’interpolation
(a) L’erreur d’interpolation En (sin) est définie par
En (sin) = max | sin(x) − Pnsin (x)|.
x∈[0,3π]
Tracer sur un graphe quelques valeurs de En (sin) en fonction de n et commenter le résultat.
RÉPONSE :
(b) En observant que, si |b − a| ≥ 2π, alors, pour tout n ∈ N,
max | sin(n) (x)| = 1
x∈[a,b]
comparer les valeurs de l’erreur obtenues à la question précédente avec celles fournies par la majoration
théorique
b − a n+1
1
En (f ) ≤ max f (n+1) (x)
4(n + 1) n x∈[a,b]
en les traçant sur une même figure.
RÉPONSE :
2
1.2 Phénomène de Runge
On considère, sur l’intervalle [−5, 5], la fonction
1
f : [−5, 5] → R, x 7→ .
1 + x2
1. Points équirépartis
(a) En s’inspirant de l’exercice précédent, définir dans un fichier runge.py la fonction f et un vecteur xp
contenant une distribution uniforme de 100 points dans l’intervalle [−5, 5].
(b) Utiliser la fonction lagrange pour construire le polynôme d’interpolation de Lagrange Pnf de degré
n, avec n = 2, 4, 8 et 12, de f en des nœuds équi-répartis sur [−5, 5] et comparer graphiquement les
polynômes obtenus avec la fonction donnée en les traçant sur la même figure. Qu’observe-t-on ?
RÉPONSE :
(c) L’erreur d’interpolation En (f ) est définie par
En (f ) = max |f (x) − Pnf (x)|.
x∈[−5,5]
Tracer sur un graphe quelques valeurs En (f ) en fonction de n et commenter le résultat.
RÉPONSE :
Cela s’appelle le phénomène de Runge.
2. Points de Tchebytchev - Interpoler une fonction en des nœuds équi-distribués sur un intervalle [a, b]
n’est pas forcément le meilleur choix, comme le montre l’absence de convergence des interpolations de
Lagrange constatée à la question précédente. Pour une interpolation de degré n, on peut montrer que
l’erreur sera minimale si les nœuds d’interpolation (xk )0≤k≤n sont, à une transformation affine près, les
racines du polynôme de Tchebychev Tn+1 (x), c’est-à-dire si
a+b b−a 2k + 1
xk = + cos π , k ∈ J0, nK.
2 2 2(n + 1)
(a) Écrire une fonction lagrangeTcheb dans le fichier interpolation.py sur le modèle de la fonction
lagrange pour que l’interpolation se fasse aux points de Tchebychev définis ci-dessus.
(b) Reprendre les questions 1- et 2- en utilisant la fonction lagrangeTcheb.
RÉPONSE :
