cours analyse numérique

UM6P-LSD2

interpolation polynomiale

Safouane TAOUFIK
Safouane.Taoufik@um6p.ma
Table des matières
1 Objectifs : 2

2 Méthode directe(Vandermonde) : 3

3 Polynôme d’interpolation de Lagrange : 4

4 Erreur d’interpolation : 6

5 Choix des points d’interpolation : 6

5.1 Des points équi-répartis : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
5.2 Les points de Tchebychev : . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

6 Interpolation par intervalles : 8

7 TP : 9

1
1 Objectifs :
L’objectif est de trouver une fonction g : R → R dont la courbe passe par n + 1 points
du plan (x0 , y0 ), (x1 , y1 ), ..., (xn , yn ) avec bien sûr les points xi sont deux à deux distincts.
Ces points du plan peuvent être des points de la courbe d’une fonction f , et dans ce cas
yi = f (xi ). L’utilité de cela se résume en deux points essentiels :
— On n’a pas l’expression analytique de la fonction f ,(c-à-d f (x) en fonction de x).
On ne connaît que les valeurs de la fonction f en les points x0 , x1 , ..., xn . (ex : la
réponse d’un système ). Et par conséquent la fonction g dont l’expression analytique
est connue peut remplacer la fonction f .
— On a l’expression analytique de f mais elle est compliquée à manipuler. (exemple :
le calcul de l’intégrale d’une fonction f pour laquelle il est difficile de trouver une
primitive). Et par conséquent cette fonction g dont la forme est plus simple peut
remplacer la fonction f .

Figure 1 – exemple d’une fonction g qui passe par 9 points du plan

2
2 Méthode directe(Vandermonde) :
Soit x0 , x1 , ..., xn des réels deux à deux distincts, et y0 , y1 , ..., yn des réels on cherche
en cas d’existence un polynôme de degré inférieur ou égal à n. (P ∈ Rn [x]) telle que
P (xi ) = yi pour tout i ∈ {0, ..., n}.
Ce polynôme (s’il existe) sera donc de la forme P (x) = a0 + a1 x + ... + an xn avec les ai
des réels. telle que : 

 a0 + a1 x0 + . . . an xn0 = y0
a0 + a1 x1 + . . . an xn1 = y1


 ...
a0 + a1 xn + . . . am xnn = yn


On peut mettre ce système sous la forme matricielle suivante :

    
1 x0 . . . xn0 a0 y0
 1 x1 . . . xn   a1   y1 
1 
..   ..  =  .. 
   
 .. ..
 . . .  .   . 
1 xn . . . xnn an yn

Notons A la matrice de ce système.

Définition 2.1. La matrice A est dite la matrice de Vandermonde associée aux points
x0 , x1 , ...xn
La recherche du polynôme P revient donc à résoudre ce système. Si la matrice A est
inversible alors le polynôme cherché existe et unique.
La question donc est : est ce que la matrice A est inversible ?
La réponse : Oui ? Car son déterminant est non nul puisque il s’agit du déterminant de
Vandermonde avec les xi deux à deux distincts.(Voir le théorème suivant)

Théorème 2.1. (déterminant de Vandermonde)

Si A est la matrice du système précédent alors :
Y
det(A) = (xj − xi )
0≤i<j≤n

Démonstration.
Notons Vn (x0 , ..., xn ) := det(A)
et on considère le polynôme P (x) := Vn (x0 , ...xn−1 , x) (on remplace xn dans la matrice A
par x ).
On remarque rapidement que P (x0 ) = P (x1 ) = P (xn−1 ) = 0 donc x0 , x1 , ... et xn−1 sont
n racines distinctes de P or le polynôme P ∈ Rn [x] il suffit donc de déterminer son coef-
ficient dominant pour connaître l’expression de P .
Si on développe le déterminant selon la dernière ligne on obtient P (x) = Vn−1 (x0 , ..., xn−1 ).xn +
Q(x) avec Q ∈ Rn−1 [x] donc le coefficient dominant de P est Vn−1 (x0 , ..., xn−1 ) et donc :
Y
P (x) = Vn−1 (x0 , ..., xn−1 ). (x − xi )
0≤i≤n−1

3
Et puisque Vn (x0 , ..., xn ) = P (xn )
On obtient donc la relation de récurrence suivante :
Y
Vn (x0 , ..., xn ) = Vn−1 (x0 , ..., xn−1 ). (xn − xi )
0≤i≤n−1

à partir de cette dernière relation on trouve immédiatement le résultat cherché.(Par ré-

currence)
Application 2.1. Appliquer la méthode précédente (Vandermonde ) pour trouver le
polynôme P de degré inférieur ou égal à 2 telle que :

 P (−1) = 8
P (0) = 3
P (1) = 6


Réponse :
P (x) = 4x2 − x + 3
Remarque. Cette méthode n’est pas une bonne méthode, en effet :
— La matrice A est mal conditionnée.
— Le coût de la résolution du système linéaire est élevé.
On va revenir sur ces deux notions dans le chapitre de la résolution numérique des systèmes
linéaires.

3 Polynôme d’interpolation de Lagrange :

Théorème 3.1. soient x0 ,... et xn (n + 1) réels deux à deux distincts.

On considère l’application ψ : Rn [x] → Rn+1 définie par ψ(P ) = (P (x0 ), ..., P (xn ))
l’application ψ est un isomorphisme d’espaces vectoriels (les lois usuelles).

Démonstration.

— La linéarité : (Claire).
— L’injectivité : On a clairement ker(ψ) = 0 donc ψ est injective.
— La surjectivité :Il suffit de remarquer que les deux espaces vectoriels Rn [x] et Rn+1
ont même dimension (n + 1) et donc puisque ψ est injective elle est surjective.
(
1 si i = j
Exercice 3.1. Existent-ils des polynômes Li ∈ Rn [x] telle que Li (xj ) = δi,j :=
0 si i ̸= j

Réponse : Oui. C’est l’image réciproque par ψ de la base canonique de Rn+1 (C0 ,C1 ,...,Cn )
et il s’agit même d’une base de Rn [x] car ψ est un isomorphisme d’après le théorème
précédent.

Définition 3.1. la base de Rn [x] définie précédemment (L0 , L1 , ..., Ln ) est dite base de
Lagrange, et les polynômes Li sont dites les polynômes élémentaires de Lagrange.

4
Soit P ∈ Rn [x] telle que P (xi ) = yi pour tout i ∈ {0, ..., n} (existe et unique d’après
le théorème précèdent).

Exercice 3.2. Écrire P dans la base de Lagrange (i.e : exprimer P en fonction des Li ) ?

Réponse :
X
ψ(P ) = yi .Ci
0≤i≤n
X
= P (xi ).ψ(Li )
0≤i≤n
X
= ψ( P (xi ).Li )
0≤i≤n

donc (par injectivité de ψ) X

P = P (xi ).Li
0≤i≤n

Exercice 3.3. Trouver les Li ?

Réponse : Li est un polynôme non nul de Rn [x] dont on connaît n racines donc
n
Y
Li (x) = λ (x − xj )
j=0
j̸=i

avec λ un réel.
Puisque Li (xi ) = 1 on obtient donc :
n
Y x − xj
Li (x) =
j=0
xi − xj
j̸=i

Application 3.1. Appliquer la méthode précédente (Lagrange) pour trouver le poly-

nôme P de degré inférieur ou égal à 2 telle que :

 P (−1) = 8
P (0) = 3
P (1) = 6


Réponse :
P (x) = 4x2 − x + 3

5
4 Erreur d’interpolation :
Soit f : [a, b] → R et x0 ,...,xn (n + 1) réels deux à deux distincts, soit P ∈ Rn [x] le
polynôme d’interpolation de f en les xi . (Il existe et il est unique d’après ce qui précède).

Définition 4.1.
on appelle l’erreur de l’interpolation la quantité :

E := sup |f (x) − P (x)| ≤ ∞

[a,b]

L’objectif de cette partie est de donner une estimation de E.

Théorème 4.1. Si f est de classe C n+1 alors pour tout x de [a, b] il existe un Cx de [a, b]
telle que :
f (n+1) (Cx ) Y
f (x) − P (x) = (x − xi )
(n + 1)! 0≤i≤n

Démonstration.
soit x ∈ [a, b]
— Si : x ∈ {x0 , x1 , ..., xn } : (Ok).
— Sinon : considérer la fonction ψ définie sur [a, b] par :
f (x) − P (x) Y
ψ(t) = f (t) − P (t) − Q (t − xi )
0≤i≤n (x − xi ) 0≤i≤n

et appliquer le théorème de Rolle plusieurs fois.

Remarque. D’après le théorème précédent l’erreur dépend de la fonction (la dérivée de
f d’ordre n + 1 ) mais dépend aussi du choix des points d’interpolation.
La question donc est : quel est le meilleur choix des points d’interpolation ?
C’est l’objective de la partie suivante.

5 Choix des points d’interpolation :

5.1 Des points équi-répartis :
Si on choisit des points équi-répartis sur [a, b], cela veut dire xi = a + i.h
avec h := b−a
n
et i ∈ {0, 1, ..., n} alors on peut montrer (traité en classe) que :
n
Y n! n+1
(x − xi ) ≤ h
i=0
2

et puis :
max[a,b] f (n+1) b − a n+1
E = max |f (x) − P (x)| ≤ ( )
[a,b] 2(n + 1) n
Question : Est ce que pour toute fonction f cette erreur tend vers 0 quand n tend vers
∞ pour ce choix des points ?

6
 1
Réponse : Non ! prenons par exemple la fonction f définie sur [−5, 5] par f (x) = 1+x 2

l’erreur pour cette fonction tend vers l’∞ quand n tend vers l’∞, ce qui est illustré dans
la figure suivante (c’est le phénomène de Runge) :

Figure 2 – des points équi-répartis

5.2 Les points de Tchebychev :

Question : Quel est le meilleur choix des xi ?
Réponse : Les noeuds de Tchebychev :
a+b b−a 2i + 1 π
xi = + cos ( . )
2 2 n+1 2
On peut montrer que si on choisit ces points on a :
n
Y (b − a)n+1
(x − xi ) ≤
i=0
22n+1

Et puis :

max[a,b] f (n+1) (b − a)n+1

E = max |f (x) − P (x)| ≤
[a,b] (n + 1)! 22n+1

Revenons à l’exemple précédent et choisissons maintenant comme points d’interpolation

les noeuds de Tchebychev :

7
 Figure 3 – les points de Tchebychev

Pour ce choix des points d’interpolation, on remarque qu’on a plus du phénomène de

Runge comme précédemment.
Exercice : Montrer que l’approximation obtenue dans le cas des points de Tchebychev
est mieux que celle obtenue pour des points équi-répartis.
√
n
indication : Utiliser la formule de sterling (n ! ∼ 2πn ne )

6 Interpolation par intervalles :

Soit f une fonction continue sur [a, b] et N + 1 points équi-répartis a = x0 < x1 <
... < xN = b sur chaque [xi , xi+1 ] on interpole f par un polynôme Pi sur n + 1 points
équi-répartis xi < xi,1 < xi,2 < ... < xi,n−1 < xi+1 on pose h = b−a N
notons g : [a, b] → R
la fonction telle que pour tout i sa restriction sur [xi , xi+1 ] est le polynôme Pi
Remarque. La fonction g est bien définie elle est même continue, en effet :
[ [xi , xi+1 ] est un polynôme, Pi (xi+1 ) = Pi+1 (xi+1 )
Sa restriction sur
et [a, b] = [xi , xi+1 ]
k∈{0,1,...,N −1}

Définition 6.1. La fonction g définie précédemment est dite l’interpolant de degré n

par intervalles de f
Remarque. La fonction g n’est pas forcément un polynôme (c’est ses restrictions sur les
[xi , xi+1 ] qui sont des polynômes de degré n c’est pour cette raison qu’on a le terme "degré
n" dans la définition)

Théorème 6.1. Si la fonction f est de classe C n+1 alors il existe un C telle que :

max |f (x) − g(x)| ≤ C.hn+1

[a,b]

8
Démonstration.

indication : il suffit d’appliquer l’inégalité établie en 5.1 entre xi et xi+1 et puis conclure
immédiatement.

Remarque. La constante C dépend de n mais ne dépend pas de N , et puisque h tend

vers 0 quand N tend vers l’infinie (car h = b−a
N
) donc l’erreur tend vers 0 quand N tend
vers l’infinie.
Voici donc une méthode qui est toujours convergente (dés que f est de classe C 1 )

7 TP :
TP interpolation polynomiale

1. Implémenter la fonction PolyLagrange qui prend comme argument une liste

X qui contient les points xk , un point x et un indice i et retourne l’image de
x par le i-ème polynôme de Lagrange (Li (x)).
2. En utilisant la fonction PolyLagrange implémenter la fonction InterpLa-
grange qui prend comme argument une liste X qui contient les points xk ,
une fonction f et un point x et retourne l’image de x par le polynôme d’in-
terpolation de Lagrange de f .
3. Application : Considérons la fonction f : [a, b] → R et Pn son polynôme
d’interpolation de Lagrange en n points équi-répartis dans [a, b].
Tracer dans la même figure la courbe de la fonction f la courbe de la fonction
polynomiale Pn ainsi que les points d’interpolations dans les cas suivants :
(a) f = sin , a = 0 , b = 2π , n = 3, 10, 20
(b) f = exp , a = −10 , b = 10 , n = 3, 10, 20
1
4. Considérons maintenant la fonction f : [−5, 5] → R telle que f (x) = 1+x 2

Tracer dans la même figure la courbe de la fonction f , la courbe de la fonc-

tion polynomiale Pn ainsi que les points d’interpolations dans les deux cas
suivants :
(a) Des points équi-répartis et n = 3, 10, 20.
i. Décrire ce que vous observez ?
ii. Donner une explication ?
a+b b−a 2k+1 π


(b) Les abscisses de Tchebychev xk = 2
+ 2
cos n+1 2
, k = 0, . . . , n et
n = 3, 10, 20.
i. Donner une explication du résultat ?
ii. Conclure ?