An Chapitre3

Module : Mathématiques pour Ingénieur
Matière : Analyse Numérique

Chapitre 3
Interpolation polynomiale
Pr M.El Kyal
ENSA d’Agadir
. . . . . . . . . . . . . . . . . . . .
Année universitaire 2021/2022
. . . . . . . . . . . . . . . . . . . .
Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

Motivations
En analyse numérique, une fonction f inconnue explicitement est

souvent
connue seulement en certains points x0 , x1 , · · · , xn ;
ou évaluable uniquement au moyen de l’appel à un code
numérique.
Mais dans de nombreux cas,
On a besoin d’effectuer des opérations (dérivation,
intégration,...) sur la fonction f .
On cherche donc à reconstruire f par une autre fonction
simple et facile à évaluer à partir des données discrètes de f .
On espère que le modèle ne sera pas trop éloigné de la
fonction f aux autres points.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Exemple de situation
Lorsqu’on effectue une série de mesures, on obtient les valeurs de

la grandeur mesurée yi en fonction du paramètre expérimental xi
que l’on fait varier.
On n’a en régle générale pas accès à la fonction f qui relie ce
paramètre à la valeur mesurée.
Mais il peut être intéressant de pouvoir prédire une valeur
approchée de f (x ) pour des valeurs de x que l’on n’a pas
mesuré.
On s’intéresse alors à la reconstruction de f par des polynômes
C’est ce que l’on appelle l’interpolation polynomiale.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Mais pourquoi les polynômes ?
Le théorème d’approximation de Weierstrass :

pour toute fonction f définie et continue sur l’intervalle [a, b]
et pour tout ϵ > 0, il existe un polynôme p tel que
∀x ∈ [a, b], |f (x ) − p(x )| < ϵ
Plus ϵ est petit, plus le degré du polynôme est grand.

La simplicité de l’évaluation d’un polynôme.
La simplicité de manipulation d’un polynôme : dérivation,
intégration....
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Le développement de Taylor au voisinage d’un point x0 à l’ordre n
d’une fonction f est une interpolation polynomiale locale de f :
f (x ) = pn (x ) + o((x − x0 )n )
où pn est le polynôme de degré n donné par :
(x − x0 )n (n)
f (x ) = f (x0 ) + (x − x0 )f ′ (x0 ) + · · · + f (x0 ).
n!
Cette approximation polynomiale de f n’a de sens que si f est
dérivable à l’ordre n + 1. Nous n’étudierons pas cette
approximation polynomiale supposée connue.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

On cherche autre type de développement polynomial est donné
losqu’on cherche à approximer (interpoler) une fonction f : IR → IR
dont on connaît les n + 1 valeurs yi = f (xi ) en n + 1 points xi
distincts par un polynôme pn (d’interpolation) de degré n qui passe
par ces points, i.e. tel que pn (xi ) = yi , 0 ≤ i ≤ n.
Définition
Les points xi en lesquels le polynôme pn d’interpolation vérifie
pn (xi ) = f (xi ) sont appelés points de collocation. Le polynôme
obtenu est appelé polynôme d’interpolation.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Existence du polynôme interpolant
Dans le cas général, le problème peut n’avoir aucune solution ou

bien en avoir une infinité.
Il paraît assez clair que pour que le problème ait une unique
solution il faut établir une relation entre le degré m du polynôme
et le nombre de points d’interpolation.
Pour déterminer le polynôme, on doit trouver tous ses coefficients
et ils sont au nombre de m + 1. On dispose pour ce faire des n + 1
relations p(xi ) = yi Il est donc assez évident que pour espérer une
solution unique au problème , on doit supposer que m = n.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Les polynôme pn cherchés peuvent être décomposés sur la base
(1, x , x 1 , . . . , x n ) i.e. mis sous la forme
pn (x ) = a0 + a1 x + · · · + an x n
et les inconnues sont alors les n + 1 composantes ai qui sont

solutions du système formé des n + 1 équations p(xi ) = f (xi ).
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Le système s’écrit Matriciellement sous la forme :

1 x0 · · · x0n a0 f (x0 )
1 x1 · · · x1n a1 f (x1 )
.. .. = ..
. . .
1 xn · · · xnn an f (xn )
C’est la matrice de de Van der Monde. Son déterminant est

1 x0 · · · x0n

1 x1 · · · x1n Y n Y
i−1

.. = (xi − xj ) ̸= 0
.
i=1 j=1
1 xn · · · xnn
car les xi sont tous distincts.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Alors le système admet une unique solution qui détermine le
polynôme.
La matrice de Van der Monde et est mal conditionnée.
Donc on préfère développer des polynômes de degré n sur d’autres
bases telles que :
Q x − xj
1 La base de Lagrange : L (x ) =
i ,0 ≤ i ≤ n
j̸=i
xi − xj
2 La base de Newton :
(1, (x − x0 ), (x − x0 )(x − x1 ), · · · , (x − x0 ) · · · (x − xn ))
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Rappels sur les racines d’un polynôme
On se donne n + 1 réels x0 , · · · , xn distincts et n + 1 valeurs
y0 , · · · , yn qui correspondront à yi = f (xi ) pour une fonction f
donnée.
On note Pn l’ensemble des polynômes de degré au plus n.
Définition
On dit que x0 est racine d’un polynôme p si et ssi
p(x0 ) = 0.
x0 est racine simple si et ssi
p(x0 ) = 0 et p ′ (x0 ) ̸= 0.
x0 est racine multiple d’ordre m si et ssi
p(x0 ) = 0, p ′ (x0 ) = 0, · · · , p (m−1) (x0 ) = 0 et p (m) (x0 ) ̸= 0.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Proposition
Soit p un polynôme de degré n.
1 Si x0 est une racine de p, alors il existe un polynôme q de
degré n − 1 tel que p(x ) = (x − x0 )q(x ).
2 Si Q
p a n racines simples (xi )1≤i≤n , il est de la forme
C ni=1 (x − xi ) où C est une constante.
3 Si x0 est racine multiple d’ordre m, alors il existe un polynôme
q de degré n − m tel que p(x ) = (x − x0 )m q(x ).
4 Un polynôme p de degré n qui a n + 1 racines est le polynôme
nul.
5 Il existe un unique polynôme p de degré n qui en n + 1 points
distincts xi prend n + 1 valeurs yi = p(xi ).
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Preuve
En effet, suppusons qu’ils existent deux polynômes p et q de degré

n qui en n + 1 points distincts xi prennent n + 1 valeurs
yi = p(xi ) = q(xi ). On pose alors
R(x ) = p(x ) − q(x .)
Puisque p et q sont de degré n alors le polynômes R est de degré

≤≤ n. Or
R(xi ) = p(xi ) − q(xi ) = 0 pour i = 0, · · · n
alors R est un polynôme nul et par suite le polynôme

d’interpolation est unique.
Finalement, peu importe la base sur laquelle nous allons développer
notre polynôme dinterpolation, il sera unique.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Polynômes de Lagrange
On se donne n + 1 points de collocation (xi )1≤i≤n distincts et

n + 1 réels (yi )1≤i≤n . On cherche un polynôme p de degré n tel
que p(xi ) = f (xi ) = yi pour tout i.
l’idée est d’avoir une base (L0 , · · · , Ln ) de Pn telle que pour tout
0 ≤ i, j ≤ n :
§
1 si i = j
Li (xj ) = δij =
0 ̸ j
si i =
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Les Li polynômes cherchés ont pour racine les n points xj pour
j ̸= i, ils sont donc de la forme
Y
Li (x ) = C (x − xj )
j̸=i
de plus, Li (xi ) = 1 donc
1
C=Y
(xi − xj )
j̸=i
Donc de manère générale,

Y (x − xj )
Li (x ) = .
(xi − xj )
j̸=i
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Finalement le polynôme d’interpolation chercé s’écrit :
X
n
pn (x ) = f (xj )Lj (x ).
j=0
En effet, puique chaque polynôme Li est de degrès ≤ n, alors Pn

est de degrès ≤ n. de plus, pour tout xi , on a
X
n
p(xi ) = f (xj )Lj (xi ) = f (xi )Li (xi ) = f (xi )
j=0
Alors ce polynôme interpole f et le polynôme d’interpolation est

unique.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Exemple
On cherche, en utilisant les polynômes de Lagrange, le polynôme
de degré 3 qui interpole la fonction f aux points (0, 1), (1, 2), (2, 9)
et (3, 28).
On a
Y (x − xj )
Li (x ) = pour i = 0, · · · , 3
(xi − xj )
j̸=i
donc
(x − 1)(x − 2)(x − 3) (x − 1)(x − 2)(x − 3)
L0 (x ) = =
(0 − 1)(0 − 2)(0 − 3) −6
(x − 0)(x − 2)(x − 3) (x − 0)(x − 2)(x − 3)

L1 (x ) = =
(1 − 0)(1 − 2)(1 − 3) 2
(x − 1)(x − 2)(x − 3) (x − 1)(x − 2)(x − 3)

L2 (x ) = =
(2 − 0)(2 − 1)(2 − 3) −2
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

(x − 0)(x − 1)(x − 2) (x − 0)(x − 1)(x − 2)
L3 (x ) = =
(3 − 0)(3 − 1)(3 − 2) 6
D’où le polynôme d’interpolation est
(x − 1)(x − 2)(x − 3) (x − 0)(x − 2)(x − 3)

p3 (x ) = 1 +2
−6 2
(x − 0)(x − 1)(x − 3) (x − 0)(x − 1)(x − 2)

+9 + 28
−2 6
= x3 + 1
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

polynômes de Newton
L’interpolation de Lagrange présente un problème majeur : elle

n’est pas récursive. En effet, supposons qu’on a cherché un
polynôme d’interpolation de degré n, si on dispose d’un point
supplémentaire (xn+1 , yn+1 ) en plus des n+1 points précédents
(xi , yi ), i = 0, · · · , n, le polynôme d’interpolation pn+1 obtenu ne
peut pas se déduire du polynôme pn . Il faut recommencer par
donner tous les polynômes Li , i = 0, · · · , n + 1.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

L’idée des polynômes de Newton est d’écrire les polynômes de
manière différente : on commence par un polynôme constant p0
(de degré 0)
p0 (x ) = a0
ce qui revient à se donner un point x0 et la valeur y0 = a0 , on
ajoute un point (x1 , y1 ) pour obtenir un polynôme de degrè 1 sous
la forme
p1 (x ) = p0 (x ) + a1 (x − x0 ) = a0 + a1 (x − x0 )
vérifiant p1 (x0 ) = a0 et p1 (x1 ) = y1 . On a ainsi ajouter le

polynôme a1 (x − x0 ) de degré 1 qui s’annule en x0 , la valeur de x0
est donc inchangée.
Comme ce polynôme doit vérifier p1 (x1 ) = y1 , on aura
y1 − y0
a1 = .
x1 − x0
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Puis on poursuit le processus : on ajoute un point (x2 , y2 ) pour
obtenir :
p2 (x ) = p1 (x )+a2 (x −x0 )(x −x1 ) = a0 +a1 (x −x0 )+a2 (x −x0 )(x −x1 ),
où on a ajouté à p1 un polynôme de degré 2 qui s’annule en x0 et

x1 : la valeur en x0 et x1 est donc inchangée. Comme on doit avoir
p2 (x2 ) = y2 , il vient
y1 − y0
y2 = y0 + (x1 − x0 ) + a2 (x2 − x0 )(x2 − x1 )
x1 − x0
soit
(y2 − y0 )(x1 − x0 ) − (y1 − y0 )(x2 − x0 )
a2 =
(x1 − x0 )(x2 − x1 )(x2 − x0 )

1 (y2 − y1 ) (y1 − y0 )
= − .
(x2 − x0 ) (x2 − x1 ) (x1 − x0 )
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

On poursuit le processus : disposant des points (xi , yi ) pour
i = 0, · · · , k − 1, on ajoute un point (xk , yk ) et le polynôme
obtenu s’écrit :
pk (x ) = pk−1 (x ) + ak (x − x0 )(x − x1 ) · · · (x − xk−1 ),
et donc pk − pk−1 est le polynôme de degré k qui s’annule aux k

points x0 , · · · , xk−1 et qui vaut yk au point xk , ce qui détermine ak .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Définition
Pour une fonction f définie en deux points a et b distincts.
On appelle première différence divisée de f la valeur :
f (b) − f (a)
f [a, b] =
b−a
(pente moyenne entre a et b.)
Si f est définie en 3 points distincts x0 , x1 et x2 , on appelle
deuxième différence divisée de f la valeur :
f [x1 , x2 ] − f [x0 , x1 ]
f [x0 , x1 , x2 ] =
x2 − x0
Et de manière générale, on définit la nième différence divisée

en n + 1 points distincts par :
f [x1 , · · · , xn ] − f [x0 , · · · , xn−1 ]
f [x0 · · · , xn ] =
xn − x0
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

A partir de cette définition, le polynôme de Newton de degré 1
sera noté
p1 (x ) = f (x0 ) + f [x0 , x1 ](x − x0 )
et le polynôme de Newton p2 sera noté
p2 (x ) = f (x0 ) + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 )
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

A partir de cette définition, le polynôme de Newton de degré 1
sera noté
p1 (x ) = f (x0 ) + f [x0 , x1 ](x − x0 )
et le polynôme de Newton p2 sera noté
p2 (x ) = f (x0 ) + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 )
Proposition
Étant donnés n + 1 points (xi , f (xi )), i = 0, · · · , n l’unique
polynôme de degré n qui passe par ces points est donné par :
pn (x ) = f (x0 )+f [x0 , x1 ](x −x0 )+· · ·+f [x0 , · · · , xn ](x −x0 ) · · · (x −xn−1 )
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Preuve
Démonstration par récurrence. L’hypothèse est vraie pour p1 .

Etant donnés n points, (xi , yi = f (xi )), i = 0, · · · , n − 1,
Supposons que l’hypothèse soit vraie pour le polynôme pn−1 de
Newton, Alors :
pn−1 (x ) = f (x0 )+f [x0 , x1 ](x −x0 )+f [x0 , · · · , xn−1 ](x −x0 ) · · · (x −xn−2 )
On a alors aussi, pour les points (xi , f (xi )), i = 1, · · · , n, le

polynôme qn−1 de Newton donné par :
qn−1 (x ) = f (x1 )+f [x1 , x2 ](x −x1 )+f [x1 , · · · , xn ](x −x1 ) · · · (x −xn−1 )
De plus,
pn−1 (xi ) = qn−1 (xi ) = yi = f (xi ) pour 1 ≤ i ≤ n − 1
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

D’où, en posant :
(xn − x )pn−1 (x ) + (x − x0 )qn−1 (x )

pn (x ) =
(xn − x0 )
on aura
pn (xi ) = f (xi ) pour tout i = 0, · · · , n.
Donc pn est le polynôme cherché. Il reste à montrer que
pn (x ) − pn−1 (x ) = f [x0 , · · · , xn ](x − x0 ) · · · (x − xn−1 )
Posons
(x − x0 )
sn (x ) = pn (x ) − pn−1 (x ) = (qn−1 (x ) − pn−1 (x )),
(xn − x0 )
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

le polynôme sn de degré n s’annule en les n points
xi , 0 ≤ i ≤ n − 1, donc sn est de la forme
sn (x ) = α(x − x0 ) · · · (x − xn−1 )
pour un scalaire α donné.

Il reste à montrer que
α = f [x0 , · · · , xn ]
Mais, à partir de l’expression de pn , le coefficient de xn est donné

par :
−f [x0 , · · · , xn−1 ] + f [x1 , · · · , xn ]
(xn − x0 )
donc
α = f [x0 , · · · , xn ].
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Il reste maintenant à calculer efficacement la valeur de ce
polynôme. La manière la plus simple consiste à construire une table
dite table de différences divisées de la façon suivante :
xi f (xi ) f [xi , xi+1 ] f [xi , xi+1 , xi+2 ] f [xi , xi+1 , xi+2 , xi+3 ]
x0 f (x0 )
f [x0 , x1 ]
x1 f (x1 ) f [x0 , x1 , x2 ]
f [x1 , x2 ] f [x0 , x1 , x2 , x3 ]
x2 f (x2 ) f [x1 , x2 , x3 ]
f [x2 , x3 ]
x3 f (x3 )
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

La construction de cette table est simple, nous nous sommes
arrêtés aux troisièmes différences divisées, mais les autres
s’obtiendraient de la même façon. Prenons l’exemple suivant :
La table des différences divisées pour les points (0, 1), (1, 2), (2, 9)
et (3, 28) est :
xi f (xi ) f [xi , xi+1 ] f [xi , xi+1 , xi+2 ] f [xi , xi+1 , xi+2 , xi+3 ]
0 1
1
1 2 3
7 1
2 9 6
19
3 28
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

D’où le polynôme d’interpolation est
p3 (x ) = 1+1(x −0)+3(x −0)(x −1)+1(x −0)(x −1)(x −2) = x 3 +1
Si on rajoute un quatrième point d’interpolation (5, 54) pour

obtenir un polynôme de degré 4, il suffit de compéter la table des
différences divisées déjà utilisée :
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

xi f (xi ) f [xi , xi+1 ] f [xi , xi+1 , xi+2 ] f [xi , xi+1 , xi+2 , xi+3 ] f [xi , xi+
0 1
1
1 2 3
7 1
2 9 6
19 -2
3 28 -2
13
5 54
et alors le polynôme d’interpolation de degré 4 est
p4 (x ) = p3 (x ) + (−3/5)(x − 0)(x − 1)(x − 2)(x − 3).
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Erreur d’interpolation
L’interpolation permet, à partir d’un certain nombre de données
sur les valeurs d’une fonction, de faire l’approximation de f (x ) en
tout point x . Toute fois, cette opération entraine une erreur
d’interpolation qu’il convient d’étudier en détail.
On peut exprimer l’erreur d’interpolation de la façon suivante :
f (x ) = pn (x ) + En (x )
ou encore
En (x ) = f (x ) − pn (x ).
On constate immédiatement que
En (xi ) = 0, i = 0, 1, · · · , n
et donc que l’erreur d’interpolation est nulle aux points de

collocations puisque le polynôme passe exactement par ces points.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Remarque
On suppose que les données des points (xi , f (xi )) sont exactes, ce
qui n’est pas toujours le cas. En effet, si ces données proviennent
de mesures expérimentales, elles peuvent être entachées d’une
erreur de mesure. Nous supposons, dans la suite, que cette erreur
est nulle.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Expression analytique de l’erreur d’interpolation
Théorème
Soit x0 < x1 < · · · < xn , des points de collocation. On suppose que
la fonction f est définie dans un intervalle [a, b] et qu’elle est n + 1
fois dérivable sur cet intervalle. Alors pour tout x dans
[min(xi ), max (xi )], il existe ξ(x ) dans [min(xi ), max (xi )] tel que
f (n+1) (ξ(x ))
En (x ) = (x − x0 ) · · · (x − xn ).
(n + 1)!
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Preuve
Soit le polynôme d’interpolation de degré n passant par x0 , · · · , xn .

Pour tout x ∈ [a, b], Si x = xi pour un indice 0 ≤ i ≤ n la
formule est vérifiée car f (xi ) = pn (xi ).
Fixons maintenant un x ∈ [a, b] qui soit différent des xi et
montrons la formule pour ce x .
On considère le polynôme pn+1 qui interpole la fonction f aux
points x0 , · · · , xn et x .
Par définition
pn+1 (x ) = pn (x ) + f [x0 · · · , xn , x ](x − x0 ) · · · (x − xn )
et notons
R(x ) = f (x ) − pn+1 (x ),
R est alors une fonction dérivable à l’ordre n + 1.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Par définition de R, la différence f (x ) − pn+1 (x ) s’annule en
n + 2 points distincts x0 , · · · , xn , x .
Comme R est dérivable , on peut appliquer n + 1 fois le
théorème de Rolle et on en déduit que R ′ admet n + 1 zéros
distincts dans [a, b].
De la même façon, R” admet n zéros distincts dans
[min(xi ), max (xi )].
Finalement encore R (n+1) admet un zéro dans [a, b]. Notons
ce zéro de R (n+1) par ξ. Alors, on a
(n+1)
R (n+1) (ξ) = 0 = f (n+1) (ξ) − p(n+1) (ξ))
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Alors
(n+1)
f (n+1) (ξ) = p(n+1) (ξ) = (n + 1)!f [x0 · · · , xn , x ]
car p(n+1) est un polynôme de degré n + 1, donc
f (n+1) (ξ)
f [x0 · · · , xn , x ] =
(n + 1)!
et puisque
p(n+1) (x ) = f (x )
alors
f (x ) − p(n) (x ) = p(n+1) (x ) − p(n) (x )

= f [x0 · · · , xn , x ](x − x0 ) · · · (x − xn )
f (n+1) (ξ)
= (x − x0 ) · · · (x − xn ).
(n + 1)!
x étant un élément de [a, b]. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Alors ∀x ∈ [a, b)], on a
f (n+1) (ξ)
f (x ) − p(n) (x ) = (x − x0 ) · · · (x − xn ).
(n + 1)!
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Remarque
Des commentaires sont nécessaires pour bien comprendre ce

résultat :
1 L’erreur d’interpolation est nulle aux points de collocation.
2 La fonction a priori inconnue f apparaît par l’intermise de sa
dérivée d’ordre n + 1 évaluée au point ξ) également inconnu.
3 Il existe une similarité entre l’erreur d’interpolation et l’erreur
liée au développement de Taylor : dans les deux cas, on
montre l’existence d’un point ξ qu’on ne peut généralement
pas déterminer.
4 Le terme d’erreur en un point x fait intervenir des coefficients
de la forme (x − xi ) donc on a intérêt à choisir des points xi
qui sont situés le plus près possible de x . Ce choix est utile
lorsqu’on a un grand nombre de points de collocation.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Exemple
√
Prenons l’exemple√de la fonction f (x ) = x , on veut avoir une
approximation de 8 qui est égale à 2, 828427125. On suppose
qu’on a les points d’interpolations suivants : (1; 1),(3; 1, 732051),
(7, 5; 2, 738613),(9, 1; 3, 016620) et (12; 3, 464102). On construit le
tableau des différences divisées.
xi f (xi ) f [xi , xi+1 ] f [xi , ..xi+2 ] f [xi , ..xi+3 ] f [xi , ..xi+4 ]

7, 5 2, 738613
0, 173755
9, 1 3, 016621 −0, 00432247
0, 154304 0, 0004291
12 3, 464102 −0, 00625344 0, 0001149
0, 192450 0, 0011761
3 1, 732051 −0, 01577954
0, 366025
1 1
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

On remarque que les abscisses xi ont été ordonnées en fonction de
leur distance par rapport à x = 8 cela nous permet d’effectuer
d’abord l’interpolation avec les valeurs les plus proches de 8 pour
minimiser l’erreur d’interpolation. On a le tableau des résultats
suivant : √
degré n pn (8) |pn (8) − 8|
1 2,825490 0,29×10−2
2 2,827868 0,55×10−3
3 2,828812 0,38×10−3
4 2,827547 0,88×10−3
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Supposons que les abscisses xi ont été ordonnées par ordre
croissant, on aurait le tableau suivant :
√
degré n pn (8) |pn (8) − 8|
1 3,562178 0,73×100
2 2,795705 0,32×10−1
3 2,825335 0,30×10−2
4 2,827547 0,88×10−3
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Test darrêt
L’expression analytique de l’erreur d’interpolation ne permet

pas d’évaluer la précision de l’approximation.
Il est cependant souhaitable de pouvoir évaluer cette erreur,
même de façon grossière.
Cela est possible avec la formule de Newton.
En effet, l’expression de l’erreur fait intervenir la dérivée d’ordre
n + 1 de la fonction f en ξ, c’est ce terme qu’il est nécessaire
d’estimer ( puisque c’est le seul qui ne puisse être évalué
exactement).
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Or d’après la démontration de l’expression analytique de l’erreur,
on a remarqué que pour tout x ∈ [a, b]
f (n+1) (ξ)
f [x0 , · · · , xn , x ] =
(n + 1)!
On peut ainsi estimer l’erreur d’interpolation En (x ) par :
En (x ) ≃ f [x0 , · · · , xn+1 ](x − x0 ) · · · (x − xn )
avec xn+1 un point d’interpolation qui prend la place de x .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Remarque
1 Finalement, l’approximation de l’erreur d’interpolation n’est
rien d’autre que le terme necessaire au calcul du polynôme de

degré (n + 1) dans la formule de Newton.
2 Cette approximation n’est pas toujours d’une grande précision,
mais c’est généralement la seule disponible.
3 Cette approximation nous amène à suggérer le critère d’arrêt
suivant : on considère que l’approximation pn (x ) est
suffisamment précise si :
|pn+1 (x ) − pn (x )|
<ϵ
|pn+1 (x )|
où ϵ est une valeur de tolérence fixée à l’avance. Il est

généralement recommandé de fixer également la degré
maximal N des polynômes utilisés.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Exemple
√
Reprenons l’exemple de la fonction x pour laquelle on va
comparer l’erreur exacte d’interpolation au point 8 avec
l’approximation de l’erreur.
xi f (xi ) f [xi , xi+1 ] f [xi , .xi+2 ] f [xi , .xi+3 ] f [xi , .xi+

7 2, 645751
0, 177124
9 3 −0, 00470299
0, 158321 0, 000206783
11 3, 316625 −0, 00346229 0, 9692 × 1
0, 144463 0, 000129248
13 3, 605551 −0, 00268680
0, 133716
15 3, 872983
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

On a le tableau des résultats suivant :
√
degré n pn (8) |pn (8) − 8| |pn+1 (8) − pn (8)|
1 2,8222875 0,55×10−2 0,47×10−2
2 2,827577990 0,84×10−3 0,62×10−3
3 2,828198339 0,22×10−3 0,145×10−3
4 2,827547 0,88×10−3
On constate que l’erreur approximative est assez près de l’erreur

exacte.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Ordre de l’erreur d’interpolation
Nous déterminons ici l’ordre de convergence de l’approximation

polynomiale.
Si on retient le cas où les abscisses sont également distantes, il
suffit de poser :
x − x0
s= ou encore (x − x0 ) = sh
h
On remarque alors que :
x − xi = x − (x0 + ih) = (x − x0 ) − ih = sh − ih = (s − i)h
Il suffit maintenant de remplacer x − xi par (s − i)h dans

l’expression analytique de l’erreur d’interpolation pour obtenir le
résultat suivant :
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Théorème
Dans le cas où les points de collocations xi sont équidistants,
l’expression analytique de l’erreur d’interpolation s’écrit :
f (n+1) (ϵ)
s(s − 1)(s − 2) · · · (s − n)hn+1
(n + 1)!
pour un certain ϵ dans l’intervalle [x0 , xn ]
On peut alors conclure que le polynôme d’interpolation pn est une

approximation d’ordre n + 1 de la fonction f . De plus, si on prend
des points de collocation situés à une distance h/2 les uns des
autres, l’erreur d’interpolation est diminuée d’un facteur de 2n+1 .
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Autre type d’interpolation
On peut faire une interpolation par morceaux : On construit des

interpolations en utilisant des groupes de points. On s’assure
d’interpoler tous les points en garantissant que tous les nuds sont
utilisés.
L’exemple classique est la droite brisée : une interpolation
linéaire par morceaux.
Mais on pourrait faire la même chose avec des quadratiques
par morceaux,
des cubiques par morceaux
L’inconvénient est que Les polynômes par morceaux ne sont
généralement pas ń lisses ż aux points d’intersection : même si on
a continuité de l’interpolation, leurs dérivées seront généralement
discontinues. Dans certaines applications, ce manque de régularité
n’est pas acceptable.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Interpolation de Hermite
Pour ce qui est d’imposer une collocation sur la dérivées, c’est ce
que l’on appelle l’interpolation d’Hermite :
On cherche un polynôme qui interpole la fonction f ainsi que ses
dérivťées aux points
((x0 , f (x0 ), f ′ (x0 ), ...f (k) (x0 )), · · · , (x0 , f (x0 ), f ′ (xn ), ...f (k) (xn ))
donnés. précisément, soient les (n + 1) triplets ((xi , f (xi ), f ′ (xi )),
on cherche un polynôme p tel que :
¨
p(xi ) = f (xi ) i = 0, ...n
.. (k) .
(k)
.p (xi ) = f (xi ) i = 0, ...n)
Mais pour ce qui est d’imposer une collocation sur la dérivée cela
implique une connaissance a priori de la fonction et de ces dérivées
car les interpolations d’Hermite ont besoin de f (x ) · · · f (k) (x ), elles
sont appropriées pour interpoler des fonctions dont l’expression est
connue.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

Interpolation par splines cubiques
Une solution consiste à ńmélanger ż ces deux approches : on

introduit des conditions supplémentaires de continuité sur les
dérivées pour des polynômes par morceaux, C’est ce que l’on
appelle les Splines cubiques
Pour les points de collocations (xi , f (xi )), i = 0, , n on construit
une interpolation cubique sur les n sous intervalles en imposant la
continuité de la dérivée première et deuxième sur les points
internes : xi , i = 1, ...n − 1. On aura alors le polynôme
d’interpolation S(x ) défini par :


 p0 (x ) si x ∈ [x0 , x1 ]

 p1 (x ) si x ∈ [x1 , x2 ]
s(x ) = .. .. ..

 . . .


pn (x ) si x ∈ [xn−1 , xn ]
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

En plus
1 S(x ) interpole les nuds xi donnant n + 1 conditions.
2 s(x ) est continu aux nuds internes donnant n − 1 conditions.
3 s ′ (x ) et s ′′ (x ) sont continuent aux nuds internes donnant
2(n − 1) conditions.
Bilan : 4n inconnues et 4n − 2 équations, le système est sous
déterminé. il manque alors deux équation pour que le système
admette une solution. On peut donc définir différentes splines
cubiques, en fonction des 2 conditions supplémentaires choisies. Il
est plus simple d’ajouter les conditions supplémentaires S ′′ (x0 ) = 0
et S ′′ (xn ) = 0 c’est ce que l’on appelle les splines naturelles.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .

An Chapitre3

Transféré par

Droits d'auteur :

Formats disponibles

An Chapitre3

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

An Chapitre3

Transféré par

Droits d'auteur :

Formats disponibles

Module : Mathématiques pour Ingénieur

Matière : Analyse Numérique

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

En analyse numérique, une fonction f inconnue explicitement est

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

Lorsqu’on eﬀectue une série de mesures, on obtient les valeurs de

C’est ce que l’on appelle l’interpolation polynomiale.

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

Le théorème d’approximation de Weierstrass :

∀x ∈ [a, b], |f (x ) − p(x )| < ϵ

Plus ϵ est petit, plus le degré du polynôme est grand.

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

où pn est le polynôme de degré n donné par :

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

Dans le cas général, le problème peut n’avoir aucune solution ou

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

et les inconnues sont alors les n + 1 composantes ai qui sont

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

car les xi sont tous distincts.

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

x0 est racine simple si et ssi

x0 est racine multiple d’ordre m si et ssi

p(x0 ) = 0, p ′ (x0 ) = 0, · · · , p (m−1) (x0 ) = 0 et p (m) (x0 ) ̸= 0.

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

En eﬀet, suppusons qu’ils existent deux polynômes p et q de degré

R(x ) = p(x ) − q(x .)

Puisque p et q sont de degré n alors le polynômes R est de degré

R(xi ) = p(xi ) − q(xi ) = 0 pour i = 0, · · · n

alors R est un polynôme nul et par suite le polynôme

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

On se donne n + 1 points de collocation (xi )1≤i≤n distincts et

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

de plus, Li (xi ) = 1 donc

Donc de manère générale,

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

En eﬀet, puique chaque polynôme Li est de degrès ≤ n, alors Pn

Alors ce polynôme interpole f et le polynôme d’interpolation est

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

(x − 0)(x − 2)(x − 3) (x − 0)(x − 2)(x − 3)

(x − 1)(x − 2)(x − 3) (x − 1)(x − 2)(x − 3)

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

D’où le polynôme d’interpolation est

(x − 1)(x − 2)(x − 3) (x − 0)(x − 2)(x − 3)

(x − 0)(x − 1)(x − 3) (x − 0)(x − 1)(x − 2)

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

L’interpolation de Lagrange présente un problème majeur : elle

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

vériﬁant p1 (x0 ) = a0 et p1 (x1 ) = y1 . On a ainsi ajouter le

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

où on a ajouté à p1 un polynôme de degré 2 qui s’annule en x0 et

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

pk (x ) = pk−1 (x ) + ak (x − x0 )(x − x1 ) · · · (x − xk−1 ),

et donc pk − pk−1 est le polynôme de degré k qui s’annule aux k

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num

Et de manière générale, on déﬁnit la nième diﬀérence divisée

Pr M.El Kyal Module : Mathématiques pour Ingénieur Matière : Analyse Num