UNIVERSITÉ PRIVÉE ANTENOR

ORREGO

INTERPOLATION
MULTIDIMENSIONNEL
AL

AUTEURS
AGUSTÍN HORNA JHON
MENDOZA QUISPE EDDIE
PEREDA GELDRES DANIEL
VARGAS GUEVARA OSCAR
BAÑES VALENCIA JHON

1
 TRAVAIL POUR LE COURS DE
MATHÉMATIQUE IV

TRUJILLO 2016

RÉSUMÉ

L'interpolation est une méthode qui permet d'obtenir la valeur approximative

d'une fonction entre deux points de valeur connue.
Les méthodes d'interpolation pour les problèmes unidimensionnels se
ils peuvent être étendus à l'interpolation multidimensionnelle. Mais nous parlerons de
l'interpolation bilinéaire, qui est une extension de l'interpolation linéaire
pour interpoler des fonctions de deux variables en coordonnées cartésiennes.
L'idée principale est de réaliser une interpolation linéaire dans une direction, et
ensuite dans l'autre, bien que chacun de ces étapes soit linéaire.

2
 DÉDICACE
À nos parents qui nous apportent leur soutien pour avancer et ainsi arriver à
atteindre nos objectifs fixés et à notre professeur pour nous avoir offert son
enseignement, motivation et soutien offerts pour ce travail, pour nous avoir
transmis les connaissances acquises et savons nous mener sur le chemin de
apprentissage

3
 PRÉFACE

Lorsque l'on m'a proposé l'idée d'approfondir le sujet de

interpolations spécifiquement le sous-thème des interpolations
multidimensionnels, je me suis senti avec la motivation de faire un travail de
qualité. Ce travail m'a conduit à enquêter sur ce sujet peu commun
dans le domaine des mathématiques, en plus de la lecture de livres d'auteurs
connus et non globalement connus, présentant des informations qui
je ne savais absolument pas.

La quantité d'informations que j'ai trouvées bien que très limitée en

quant à des exemples et à la théorie, cela m'a amené à déduire intrinsèquement comment les
les auteurs travaillaient ce sujet, comme ils l'entendaient et quels méthodes ils utilisaient
pour résoudre vos exemples et que je viens exposer dans ce travail.

C'est pourquoi à travers cette monographie je viens partager les

Techniques et matériel théorique, ce fut un plaisir de rassembler en espérant que
partagez ce plaisir avec moi en lisant les informations que tant
L'effort et le temps m'ont permis de perfectionner.

4
 INDEX

COUVERTURE-----------------------------------------------------------------------------page 1

RÉSUMÉ-----------------------------------------------------------------------------page 2

DÉDICACE-----------------------------------------------------------------------pag 3

PRÉFACE----------------------------------------------------------------------------pag 4

INTRODUCTION--------------------------------------------------------------------pag 6

CHAPITRE 1--------------------------------------------------------------------------page 7
INTERPOLATION----------------------------------------------------------pag 7
1. INTERPOLATION LINÉAIRE------------------------------------------pag 7
1.1. RECTA DE INTERPOLATION LINÉAIRE-------------pag 8-11
2. INTERPOLATION MULTIDIMENSIONNELLE---------------------pag 11
2.1. INTERPOLATION BILINEA------------------------pag 11-12
CONCLUSIONS------------------------------------------------------------------pag13

RECOMMANDATIONS-----------------------------------------------------------page14

BIBLIOGRAPHIE---------------------------------------------------------------------pag15

5
 INTRODUCTION

Un problème qui se pose fréquemment dans les sciences

expérimentales et en ingénierie, il s'agit de tenter de construire une fonction
(fonction interpolante) dont on connaît une série de données (données de
interpolation).
Ces données peuvent être le résultat des observations réalisées dans un
expérience déterminée dans laquelle deux variables ou plus sont reliées et
impliquent des valeurs d'une fonction ou de ses dérivées.
L'objectif sera de déterminer une fonction qui vérifie ces données et qui
de plus, il doit être facile à construire.

Cela nous permet de tirer des conclusions sur l'évolution d'un phénomène dans
situations que nous n'avons pas mesurées directement.

Et une extension sur l'interpolation est l'interpolation

multidimensionnel et en particulier nous parlerons de l'interpolation bilinéaire
(deux dimensions).

6
 INTERPOLATION

En le sous-champmathématiciendelanalyse numérique, se
denominainterpolacióna la obtención de nuevos points partiendo del
connaissance d'un ensemble discret de points.
Eningénierieet quelquessciencesil est fréquent de disposer d'un certain
nombre de points obtenus paréchantillonnageou à partir d'unexpériencey
prétendre construire unefonctionque les ajuste.
Un autre problème étroitement lié à celui de l'interpolation est
laapprochede une fonction compliquée par une plus simple. Si
nous avons une fonction dont le calcul s'avère coûteux, nous pouvons partir d'un
certain nombre de ses valeurs et interpoler ces données en construisant une
fonction la plus simple. En général, bien sûr, nous n'obtiendrons pas les
mêmes valeurs en évaluant la fonction obtenue que si nous évaluons la
fonction originale, bien que cela dépende des caractéristiques du problème
et du méthode d'interpolation utilisé, le gain en efficacité peut
compensar l'erreur commise.
En tout cas, il s'agit de, à partir de n paires de points (xk,yk), obtenir
une fonction qui vérifie ce qu'on appelle la fonction interpolante de
ces points. Aux points xkon les appelle des nœuds. Certaines formes de
l'interpolation qui est fréquemment utilisée est lainterpolation linéaire,
lainterpolation polynomiale(dont le précédent est un cas particulier), le
interpolation par le biais desplineo lainterpolation polynomiale de
Hermite.

1. INTERPOLATION LÉNAIRE

L'interpolation linéaire est une procédure très utilisée pour

estimer les valeurs qu'une fonction prend sur un intervalle dont
nous connaissons ses valeurs aux extrêmes (x1, f(x1)) et (x2, f(x2)).
Pour estimer cette valeur, nous utilisons l'approximation de la fonction f(x)
par le biais d'une droite r(x) (d'où le nom d'interpolation
linéaire, car il existe également l'interpolation quadratique.
L'expression de l'interpolation linéaire est obtenue à partir du polynôme

interpolateur de Newton de degré un

7
1.1. RECTA DE INTERPOLACIÓN LINEAL

Voyons les étapes que nous devons suivre pour trouver la droite de
régression

1º. Étant donnés les points de la fonction (x1, y1) et (x2, y2), nous voulons
estimer la valeur de la fonction en un point x dans l'intervalle x1<x<x2.

2º. Pour trouver la droite d'interpolation, nous nous concentrerons sur le

suivant image.

Pour cela, nous utilisons la similitude des triangles ABD et CAE.

obtenant la proportionnalité suivante des segments :
AB/AC=BD/CE.

3º. Despejant le segment BD (puisque le point D est celui qui

nous ne savons pas) nous obtenons :

BD=(AB/AC)∙CE. En traduisant en langage algébrique, nous obtenons

que

Et en isolant y, nous obtenons :

8
La même expression que l'on obtient en utilisant le polynôme
interpolateur de Newton dont nous avions déjà parlé. Rappelez-vous
que y1=f(x1) et anologiquement y2=f(x2).

Exemple
Dans une certaine entreprise de conserves, une étude est réalisée
les revenus qui sont obtenus à partir des dépenses. Ces données se
recueillent dans le tableau suivant (en milliers d'euros).

À partir des données recueillies dans le tableau, calculer :

a) Les revenus que l'on peut attendre si nous avons réalisé un

dépense de 4000 euros.
b) Les revenus obtenus si cette fois les dépenses s'élèvent à 6000
euros.

Tout d'abord, nous pouvons commencer par représenter les données.

facilités par le tableau sur l'axe des coordonnées (ce n'est pas obligatoire
mais il nous facilite la vision de l'exercice).

9
Comme nous ne connaissons pas la fonction par laquelle elles ont été obtenues
les données, nous allons utiliser l'interpolation linéaire.

a) Quand x=4, nous allons utiliser les données fournies par le

tableau x1=3 et x2=5, dont les valeurs respectives sont f(x1)=10 et
f(x2)=14.

En utilisant la formule d'interpolation mentionnée, nous substituons

les valeurs mentionnées obtenues :

En substituant la valeur de x qu'on nous demande : x=4, (rappelez-vous que les

les données sont données en milliers d'euros) nous obtenons la valeur de
revenus attendus

Par conséquent, s'il y a une dépense de 4000 euros, on obtiendra environ

revenus de 12000€.

b) De manière analogue à la section précédente, dans ce cas, nous avons

que répéter l'interpolation, puisque maintenant la valeur que nous demandons
es x=6 (n'oubliez pas que les données sont données en milliers de
euros), et cette valeur est comprise entre 5<x<7. Dans ce cas
nous substituerons dans la formule x1=5 et y2=7, dont les valeurs

10
 respectifs sont f(x1)=y1=14 et f(x2)=y2=22. Nous obtenons par
tant la formule suivante :

Où en remplaçant par 4 nous obtenons :

Par conséquent, si les dépenses s'élèvent à 6000 euros, les revenus obtenus
seront de 18000 euros.

2. Interpolation Multidimensionnelle

Pour la solution d'interpolation multidimensionnelle, nous utiliserons les

méthodes d'interpolation pour les problèmes unidimensionnels.

Le cas le plus simple est celui de l'interpolation bidimensionnelle.

2.1. Interpolation bilinéaire

C'est la détermination des valeurs intermédiaires des fonctions de

deux variables.
Lorsque l'on a quatre points et que l'on souhaite interpoler entre
ces points une valeur intermédiaire. Si l'ajustement de courbe est
linéaire et se graphie, on obtiendra un plan qui connecte les
Des points cela s'appelle bilinéaire.

Pour la résolution, on utilise la formule de Lagrange :

11
 En (Xi,Y1) :

Xi−X2 Xi−X1
f ( xi )= f ( X1,y1 ) + f(X2,y1)
X1− X 2 X2−X1

En (Xi,Y2) :

Xi−X2 Xi− X 1
f ( X1,y2 ) = f ( X1,y2 )+ f( X 2 , y 2 )
X 1 −X2 X2− X 1

Avec P :

Yi−Y2 Yi−Y1
f ( Xi, yi ) = f ( Xi, y1 ) + f( X2,y2)
Y1−Y2 Y2−Y1

En unissant les équations précédentes, on peut résumer :

Xi−X2Yi−Y2 Xi− X 1 Yi −Y2

f ( Xi )= f ( X 1 , Y 1)+ f ( X2,Y1 )
X1−X2Y1−Y2 X2− X 1 Y 1 −Y2

+ Xi− x 2 Yi −Y1 Xi−X1Yi−Y1

f ( X1,Y2 ) + f(X2,Y2)
X 1 −X2Y2−Y1 X2− X 1 Y 2 −Y1

CONCLUSIONS

1. L'interpolation bilinéaire est un outil mathématique utilisé par

les ordinateurs pour estimer et ajuster des valeurs entre 2
points, it is applicable to any field of science and the
ingénierie.

12
 2. Dans les problèmes d'interpolation, on utilise souvent le
interpolation par splines car elle donne lieu à des résultats
similaires nécessitant uniquement l'utilisation de polynômes de bas
degré, évitant ainsi les oscillations, indésirables dans la plupart des
les applications, trouvées en interpolant par des polynômes de
grade élevé
.
3. Il peut être utilisé dans le calcul des structures, des installations
électriques, hydrauliques et sanitaires, dans les calculs de routes,
topographie et même dans la conception des structures, pas dans tous les
cas liés principalement à une mauvaise prise de données ou à un autre problème

données manquantes.

RECOMMANDATIONS

Dans l'étude de ce sujet si important, il est recommandé qu'il y ait

une recherche continue, c'est pourquoi il est recommandé aux lecteurs que
ayez de l'intérêt pour ce sujet si important des mathématiques, afin de ainsi
renforcer les connaissances qu'ils possèdent déjà en lisant cette monographie et obtenir
un renforcement positif dans l'apprentissage.

13
Une autre recommandation serait d'inclure plus de méthodes pour la solution de cela.
type de problèmes pour ainsi offrir au lecteur différentes options à choisir,
étant directement proportionnels à l'efficacité de la méthode pour
la quantité de problèmes qui peut être résolue avec cela et le temps que
il va prendre la solution pour chaque problème proposé

BIBLIOGRAPHIE

John Willey & Sons, Inc., Hoboken(NJ) (2006) MATLAB : une introduction
Avec des applications, 2/Édition : ÉDITIONS REVERTÉ, S.A.

R.E.Scraton (2004) Méthodes Numériques de Base : Introduction à la

mathématiques numériques basées sur la micro-ordinateur, McGRAW-
HILL. Éditeurs S.A.

14
Steven C. Chapra et Reimond P. Canale (2007) (cinquième édition) Méthodes
Numériques Pour Ingénieurs. McGRAW-HILL Éditeurs S.A.

Cruzado Gonzáles R. (1992) Méthodes Numériques Appliquées avec

Logiciel, 1/E : ÉDITIONS PRENTICE-HALL HISPANOAMERICANA
S.A.

15