thumb|Comparaison graphique entre interpolation lagrangienne (en rouge) et hermitienne (en bleu) de la fonction (en noir) en trois points équidistants -1, 1/2, 2.
En analyse numérique, l'interpolation d'Hermite, nommée d'après le mathématicien Charles Hermite, est une extension de l'interpolation de Lagrange, qui consiste, pour une fonction dérivable donnée et un nombre fini de points donnés, à construire un polynôme qui est à la fois interpolateur (c'est-à-dire dont les valeurs aux points donnés coïncident avec celles de la fonction) et osculateur (c'est-à-dire dont les valeurs de la dérivée aux points donnés coïncident avec celles de la dérivée de la fonction). Cette méthode d'interpolation permet d'éviter les phénomènes de Runge dans l'interpolation numérique ou, plus simplement, de manipuler des polynômes ayant des propriétés proches de celles de la fonction interpolée.
Soit f une fonction de classe C d'une variable définie sur un segment [a, b] et à valeurs réelles et soient n + 1 points (x_0, x_1, ... , x_n) de [a, b] distincts deux à deux. L'objectif est de construire un polynôme P de degré minimal tel que :
Puisque l'on impose 2n + 2 valeurs pour déterminer le polynôme P, celui-ci sera donc de degré au plus 2n + 1.
Une méthode de construction de P consiste à prendre les carrés des polynômes de Lagrange associés aux points x_0, x_1, ... , x_n :
de degré 2n et vérifiant :
Un polynôme P de la forme
satisfait donc les 2n + 2 conditions si et seulement si les polynômes P vérifient :
ce qui équivaut à :
La solution la plus simple est de choisir
et P est alors de degré au plus 2n + 1.
L'unicité du polynôme interpolateur d'Hermite se montre de façon similaire à celle du polynôme interpolateur de Lagrange : soient deux polynômes P et R vérifiant les hypothèses voulues. On a donc deux polynômes de degré au plus 2n + 1 dont les valeurs et les dérivées coïncident en n + 1 points. Ainsi, P – R est divisible par (X – x_0)(X – x_1)...(X – x_n) qui est un polynôme de degré 2n + 2. Puisque P – R est de degré au plus 2n + 1, il est forcément nul.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
P-adic numbers are a number theoretic analogue of the real numbers, which interpolate between arithmetics, analysis and geometry. In this course we study their basic properties and give various applic
En analyse numérique, les polynômes de Lagrange, du nom de Joseph-Louis Lagrange, permettent d'interpoler une série de points par un polynôme qui passe exactement par ces points appelés aussi nœuds. Cette technique d'interpolation polynomiale a été découverte par Edward Waring en 1779 et redécouverte plus tard par Leonhard Euler en 1783. C'est un cas particulier du théorème des restes chinois. On se donne n + 1 points (avec les xi distincts deux à deux).
Les polynômes de Bernstein, nommés ainsi en l'honneur du mathématicien russe Sergueï Bernstein (1880-1968), permettent de donner une démonstration constructive et probabilistedu théorème d'approximation de Weierstrass. Ils sont également utilisés dans la formulation générale des courbes de Bézier. Pour un degré m ≥ 0, il y a m + 1 polynômes de Bernstein B, ..., B définis, sur l'intervalle [0 ; 1], par où les sont les coefficients binomiaux. Les m + 1 polynômes de Bernstein forment une base de l'espace vectoriel des polynômes de degré au plus m.
En mathématiques, en analyse numérique, l'interpolation polynomiale est une technique d'interpolation d'un ensemble de données ou d'une fonction par un polynôme. En d'autres termes, étant donné un ensemble de points (obtenu, par exemple, à la suite d'une expérience), on cherche un polynôme qui passe par tous ces points, p(xi) = yi, et éventuellement vérifie d'autres conditions, de degré si possible le plus bas. Cependant, dans le cas de l'interpolation lagrangienne, par exemple, le choix des points d'interpolation est critique.
Adaptive signal processing, A/D and D/A. This module provides the basic
tools for adaptive filtering and a solid mathematical framework for sampling and
quantization
Couvre des sujets d'analyse numérique avancés, y compris les réseaux neuronaux profonds et les méthodes d'optimisation.
, ,
This paper presents a theoretical analysis of linear interpolation as a principled method for stabilizing (large-scale) neural network training. We argue that instabilities in the optimization process are often caused by the nonmonotonicity of the loss lan ...
2023
, ,
This article investigates the performance and accuracy of continuous Real-Time Kinematic (RTK) Global Navigation Satellite System (GNSS) position tracking for hydromorphological surveys, based on a comprehensive river restoration monitoring campaign. The a ...
The goal of this thesis is the development and the analysis of numerical methods for problems where the unknown is a curve on a smooth manifold. In particular, the thesis is structured around the three following problems: homotopy continuation, curve inter ...