Scribd
Importer
28 vues2 pages

Interpolation de Lagrange en Python

Le document présente la méthode d'interpolation de Lagrange, qui permet d'estimer la valeur d'une fonction inconnue à partir de plusieurs points connus en construisant un polynôme passant par ces points. Il explique le fonctionnement du code Python associé, détaillant chaque étape de la fonction d'interpolation et fournissant un exemple d'utilisation. Les avantages et inconvénients de cette méthode sont également abordés, ainsi que ses applications pratiques.

Transféré par

badrnaaimi2001
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
28 vues2 pages

Interpolation de Lagrange en Python

Le document présente la méthode d'interpolation de Lagrange, qui permet d'estimer la valeur d'une fonction inconnue à partir de plusieurs points connus en construisant un polynôme passant par ces points. Il explique le fonctionnement du code Python associé, détaillant chaque étape de la fonction d'interpolation et fournissant un exemple d'utilisation. Les avantages et inconvénients de cette méthode sont également abordés, ainsi que ses applications pratiques.

Transféré par

badrnaaimi2001
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Interpolation de Lagrange (Python)

Objectif du code : Estimer la valeur d’une fonction inconnue en un point donné (X), à partir de
plusieurs points connus ((x_i, y_i)). C’est une méthode d’interpolation polynomiale qui construit
un polynôme passant par tous les points.

📐 Principe mathématique :
On construit un polynôme de Lagrange (L(X)) qui passe exactement par les points donnés. Ce
polynôme est une combinaison linéaire des valeurs (y_i) pondérées par des fonctions de base
(_i(X)) appelées polynômes de Lagrange.
𝑛−1
𝑋 − 𝑥𝑗
𝐿(𝑋) = ∑ 𝑦𝑖 ⋅ ℓ𝑖 (𝑋) où ℓ𝑖 (𝑋) = ∏
𝑥𝑖 − 𝑥𝑗
𝑖=0 𝑗≠𝑖

Chaque (_i(X)) vaut 1 en (x_i) et 0 en tous les autres (x_j).

🧠 Explication du code ligne par ligne :


def lagrange_intr(x, y, X):

Déclaration de la fonction lagrange_intr. Elle prend en entrée :

• x : liste des abscisses (x_0, x_1, …, x_{n-1}) (valeurs connues)


• y : liste des ordonnées (y_0, y_1, …, y_{n-1}) (valeurs connues)
• X : point où on veut estimer la valeur de la fonction (f(X))
n = len(x)

n est le nombre total de points donnés (longueur de la liste x).

L = 0

Initialisation de la somme L. Cette variable contiendra le résultat final de l’interpolation,


c’est-à-dire l’estimation de (f(X)).
for i in range(n):

Boucle principale sur tous les indices i, allant de 0 à n-1. Pour chaque i, on va calculer le
polynôme (_i(X)) et multiplier par (y_i).
Lg = 1

Initialisation de la variable Lg, qui contiendra le produit (_i(X)) pour l’indice courant i.
for j in range(n):
Deuxième boucle, imbriquée dans la première. Elle va parcourir tous les indices j pour
calculer le produit défini dans (_i(X)).
if j != i:

On évite le cas j == i car on ne doit pas diviser par zéro (et le terme () n’existe pas pour (j =
i)).
Lg *= (X - x[j]) / (x[i] - x[j])

Mise à jour de Lg en multipliant avec le terme (). Ce produit construit (_i(X)).


L += y[i] * Lg

On ajoute à L le terme (y_i _i(X)). On répète cette opération pour chaque i, donc à la fin L
contient la somme (y_i _i(X)).
return L

La fonction retourne L, c’est-à-dire la valeur estimée de (f(X)) par interpolation.

🧪 Exemple complet utilisé dans le code :


x = [0, 1, 2]
y = [0, 2, 4]
X = 1.5
print(lagrange_intr(x, y, X)) # Affiche 3.0

Cela signifie :
• On connaît que (f(0) = 0), (f(1) = 2), (f(2) = 4)
• On cherche une estimation de (f(1.5))
• Le résultat est 3.0, donc le point (1.5, 3.0) appartient au polynôme interpolé.

✅ Avantages :
• Pas besoin de connaître l’expression exacte de la fonction.
• Fournit une estimation précise si la fonction est bien représentée par un polynôme.

⚠️ Inconvénients :
• Instable pour un grand nombre de points (phénomène de Runge).
• Si on change un seul point, il faut tout recalculer.

📌 Applications pratiques :
• Interpolation de données expérimentales
• Estimation de valeurs manquantes
• Graphiques et animations (approximation de trajectoires)

Vous aimerez peut-être aussi