UNIVERSIT

E D

ETAT DHAITI
FACULT

E DES SCIENCES
Cours sur les probl`emes dinterpolation prepare par:
Jean-Marie Vilaire
Lobjectif de ce chapitre est detudier comment on peut approximer une fonction par des polynomes. Une fa con de
faire est de construire les polynomes de mani`ere quils coincident avec la fonction donnee dans des points predetermines,
ce qui re coit le nom dinterpolaction polynomiale. Analysons des methodes dierentes pour resoudre ce probl`eme et
nous etudierons lerreur commise en rempla cant une fonction par un polynome dinterpolation.
Il existe divers motifs pour etudier ces probl`emes. Dune part, le polynome dinterpolation peut sutiliser pour
recontruire une fonction `a partir dune table de valeurs. Dautre part, cest un outil pour lintegration et la dierenciation
numerique comme nous verrons plus loin.
1. Interpolation de Lagrange & Base de Lagrange
Pour n N, on note P
n
lensemble des polyn omes de degre inferieur ou egal a n.
Si f est une fonction denie dans [a, b] et x
0
, ..., x
n
[a, b] sont n+1 points distincts. On veut recontrer p
n
P
n
tel
que
(1) p
n
(x
j
) = f(x
j
); j = 0, 1, ..., n.
En premier lieu, nous donnerons le resultat basique `a savoir: il est possible de trouver un unique polynome qui verie
(1). Nous montrerons une forme concr`ete de trouver ce polynome en se basant de la Base de Lagrange quon va
contruire.
Pour chaque x
j
, j = 1, 2, ..., n, cherchons un polynome de degre n qui sannule en x
i
et qui vaut 1 en x
j
. Par exemple,
l
0
sera un polynome dans P
n
qui sannule en x
1
, x
2
, ..., x
n
et l
0
(x
0
) = 1.
Comme x
1
, ..., x
n
sont les racines de l
0
, l
0
(x) =

n
i=1
(x x
i
); o` u est une constante telle que l
0
(x
0
) = 1. En
imposant cette condition nous obtenons
l
0
(x) =

n
i=1
(x x
i
)

n
i=1
(x
0
x
i
)
.
De facon analogue, pour chaque j = 1, 2, ..., n, le polynome l
j
P
n
tel que
l
j
(x
i
) =
ij
=
_
1 i = j
0 i = j
sera donne par
l
j
(x) =

i=j
(x x
i
)

i=j
(x
j
x
i
)
.
Les polynomes {l
0
, ..., l
n
} sont connus sous le nom de base de Lagrange.
1
2. Interpolation dune Fonction Continue par un Polyn ome
Theor`eme 2.1. Soient x
0
, x
1
, ..., x
n
et f(x
0
), f(x
1
), ..., f(x
n
) il existe un unique polynome p
n
P
n
tel que
f(x
j
) = p
n
(x
j
), j = 0, 1, ..., n.
Preuve. Utilisons la base de Lagrange pour denir
(2) p
n
(x) =
n

j=0
f(x
j
)l
j
(x)
qui verie (1). Voyons maintenant lunicite.
Sopposons quil existe p
n
, q
n
P
n
distincts qui interpolent f aux points x
j
, c-`a-d
(p
n
q
n
)(x
j
) = 0, j = 0, 1, ..., n.
Alors p
n
q
n
est un polynome de degre inferieur ou egal `a n avec n + 1 racines distinctes; ceci est possible ssi p
n
q
n
esl nul.
Remarque 2.2. Lecriture (1) sappelle forme de Lagrange du ployn ome interpolateur.
Le degre de p
n
peut etre strictement inferieur `a n.
Si f est un polynome de degre inferieur ou egal `a n, c-`a-d f P
n
; alors f = p
n
(linterpolation est exacte pour les
polynomes).
Le polyn ome qui interpole en n + 1 points distincts est unique. Si on permet degre superieur, il y a une innite.
Une autre fa con de prouver lexistence (et de recontrer le polynome) est par la methode des coecients indetermines.
Le polynome sera de la forme
p
n
(x) = a
0
+ a
1
x + ... + a
n
x
n
et on cherche a
0
, a
1
, ..., a
n
tels que
p
n
(x
j
) = f(x
j
).
En evaluant, on forme le syst`eme suivant
_
_
_
_
_
1 x
0
x
2
0
. . . x
n
0
1 x
1
x
2
1
. . . x
n
1
.
.
.
.
.
.
.
.
.
1 x
n
x
2
n
. . . x
n
n
_
_
_
_
_
_
_
_
_
_
a
0
a
1
.
.
.
a
n
_
_
_
_
_
=
_
_
_
_
_
f(x
0
)
f(x
1
)
.
.
.
f(x
n
)
_
_
_
_
_
.
La matrice de gauche sappelle matrice de Van der Monde et est notee par V (x
0
, x
1
, ..., x
n
).
Pour voir quil existe une solution unique (a
0
, a
1
, ..., a
n
), il faut voir que la matrice V (x
0
, x
1
, ..., x
n
) est inversible.
Ceci est equivalent `a montrer que Ker V 0.
On a
Ker V = 0 a
0
+ a
1
x
j
+ a
2
x
2
j
+ ... + a
n
x
n
j
= 0, j = 0, 1, ..., n.
Alors a
0
= a
1
= ... = a
n
= 0 (en eet, un polynome de degre n no nul ne peut pas avoir n + 1 racines distinctes).
3. Erreur dinterpolation
Lavantage dobtenir un polynome qui interpole une fonction f quon connat seulement les points x
0
, ..., x
n
est
que, le polynome nous donne une formule qui permet de remplacer la fonction f et faire des evaluations aux points
distincts avec les points connus. Pour que cette substitution ait une validite numerique il est important de connatre
une estimation de lerreur commise. Pour cela, il sera necessaire de supposer que la fonction verie quelques conditions
de suavite. Appelons
E
n
(x) = f(x) p
n
(x), x [a, b]
cette erreur. Avec le theor`eme, on donne le premier pas qui permet de donner une estimation de lerreur commise,
c-` a-d, nous donnerons une expression pour E
n
(x).
Soient x
0
, x
1
, ..., x
n
. On designe par W
n+1
le polynome monique de degre n+1 qui sannule en ces points. Cest-`a-dire,
W
n+1
(x) = (x x
0
)...(x x
n
).
Theor`eme 3.1. Soient f C
n+1
[a, b] et p
n
P
n
son polynome interpolateur aux points x
0
, ..., x
n
dans lintervalle
[a, b]. Pour chaque x [a, b], il existe (a, b), = (x) tel que
E
n
(x) = f(x) p
n
(x) =
f
(n+1)
()
(n + 1)!
W
n+1
(x).
Preuve. Noter que E
n
(x
j
) = 0 pour tout j. Donc on peut supposer que x = x
j
. Fixons x et denissons la fonction
suivante
F(t) = f(t) p
n
(t) W
n+1
(t)
o` u est choisie de fa con que F(x) = 0. Soit
f(x) p
n
(x)
W
n+1
(x)
= . est bien denie car W
n+1
(x) = 0. Observons que
pour tout j,
F(x
j
) = f(x
j
) p
n
(x
j
) W
n+1
(x
j
) = 0.
Alors F sannule en n +2 points x
0
, ..., x
n
, x. Une consequence du thereme de Rolle nous garantit au moins n +1 zeros
de F

, n zeros de F

et ainsi de suite on trouve quil existe (a, b) tel que F

(n+1)
() = 0. Comme
F
(n+1)
(t) = f
(n+1)
(t) (n + 1)!
on obtient,
f
(n+1)
()
(n + 1)!
=
f(x) p
n
(x)
W
n+1
(x)
ce qui termine la demonstration.
4. Forme de Newton ou Formule de Newton
La forme de newton est convenable pour calculer le polynome qui interpole une fonction f en x
0
, ..., x
n1
, x
n
une
fois connu le polyn ome qui interpole f en x
0
, ..., x
n1
.
La forme de Newton peut se voir comme une generalisation du polynome de Taylor associe a une fonction. Dans la
construction apparaissent les dierences divsees que nous presenterons.
Premi`ere dierence divisee
f[x
0
, x
1
] =
f(x
1
) f(x
0
)
x
1
x
0
.
Deuxi`eme dierence divisee
f[x
0
, x
1
, x
2
] =
f[x
1
, x
2
] f[x
0
, x
1
]
x
2
x
0
.
Ainsi on denit la dierence dordre k associee aux points x
0
, ..., x
k
,
f[x
0
, x
1
, ..., x
k
] =
f[x
1
, x
2
, ..., x
k
] f[x
0
, x
1
, ..., x
k1
]
x
k
x
0
.
La forme de Newton est basee sur lidee suivante. Une fois obtenu p
k
P
k
qui interpole f en x
0
, ..., x
k
nous ecrivons
p
k+1
P
k+1
comme
p
k+1
(x) = p
k
(x) + a
k+1
(x x
0
)...(x x
k
).
Remarquons que le terme ajoute ne modie pas la valeur de p
k
en x
0
, ..., x
k
, p
k+1
interpole aussi f en ces points de
facon independante de la valeur de a
k+1
. Dautre part, on peut choisir
a
k+1
=
f(x
k+1
) p
k
(x
k+1
)
(x
k+1
x
0
)...(x
k+1
x
k
)
de facon que p
k+1
(x
k+1
) = f(x
k+1
).
En iterant ce procede de k = 1 `a k = n 1 on obtient la forme de Newton.
p
n
(x) = a
0
+ a
1
(x x
0
) + a
2
(x x
0
)(x x
1
) + ... + a
n
(x x
0
)...(x x
n1
).
Nous verrons que les a
j
resultent etre les dierences divisees et donc cette expression est analogue `a celle du polynome
de Taylor.
Theor`eme 4.1. Le polynome p
n
P
n
qui interpole f en x
0
, ..., x
n
est donne par
(3) p
n
(x) = f(x
0
) + f[x
0
, x
1
](x x
0
) + ... + f[x
0
, x
1
, ..., x
n
](x x
0
)...(x x
n1
).
Preuve. Si n = 1,
p
1
(x) = a
0
+ a
1
(x x
0
)
et comme
p
1
(x
0
) = f(x
0
), p
1
(x
1
) = f(x
1
)
on a
a
0
= f(x
0
), a
1
= f[x
0
, x
1
].
Supposons que
p
n1
(x) = f(x
0
) + f[x
0
, x
1
](x x
0
) + ... + f[x
0
, x
1
, ..., x
n1
](x x
0
)...(x x
n2
)
donc
p
n
(x) = p
n1
+ a
n
(x x
0
)...(x x
n1
).
Verions que a
n
= f[x
0
, x
1
, ..., x
n
].
On sait deja que p
n1
(x) interpole f en x
0
, x
1
, ..., x
n1
.
De facon analogue si q
n1
interpole f en x
1
, x
2
, ..., x
n
alors
q
n1
(x) = f(x
1
) + f[x
1
, x
2
](x x
1
) + ... + f[x
1
, x
2
, ..., x
n
](x x
1
)...(x x
n1
).
Soit
r(x) :=
(x x
0
)q
n1
(x) (x x
n
)p
n1
(x)
x
n
x
0
il es clair que deg(r(x)) n et que r interpole f en x
0
, x
1
, ..., x
n
, en eet, r(x
0
) = f(x
0
), r(x
n
) = f(x
n
), maintenant
verions que r(x
j
) = f(x
j
), j = 1, 2, ..., n 1.
r(x
j
) =
(x
j
x
0
)q
n1
(x
j
) (x
j
x
n
)p
n1
(x
j
)
x
n
x
0
=
x
j
q
n1
(x
j
) x
0
q
n1
(x
j
) x
j
p
n1
(x
j
) + x
n
p
n1
(x
j
)
x
n
x
0
=
x
j
f(x
j
) x
0
f(x
j
) x
j
f(x
j
) x
n
f(x
j
)
x
n
x
0
=
(x
n
x
0
)f(x
j
)
x
n
x
0
= f(x
j
).
Donc r p
n
et en egalant les coecients de x
n
de r et de p
n
on obtient
a
n
=
f[x
1
, x
2
, ..., x
n
] f[x
0
, x
1
, ..., x
n1
]
x
n
x
0
= f[x
0
, x
1
, ..., x
n
]

On peut aussi exprimer le polynome interpolateur avec laide de lerreur.

Theor`eme 4.2. Si p
n
P
n
interpole f en x
0
, ..., x
n
, on a lexpression suivante de lerreur
E
n
(x) = f(x) p
n
(x) = f[x
0
, ..., x
n
, x]W
n+1
(x).
Preuve. Ajoutons x
n+1
`a la suite x
0
, ..., x
n
et considerons p
n
, p
n+1
comme en (3), alors on obtient
p
n+1
(x) = f(x
0
) + f[x
0
, x
1
](x x
0
) + ... + f[x
0
, ..., x
n+1
](x x
0
)...(x x
n
)
= p
n
(x) + f[x
0
, ..., x
n+1
]W
n+1
(x).
Et donc
f(x
n+1
) = p
n+1
(x
n+1
) = p
n
(x
n+1
) + f[x
0
, ..., x
n+1
]W
n+1
(x
n+1
).
On en deduit
E
n
(x) = f(x) p
n
(x) = f[x
0
, ..., x
n
, x]W
n+1
(x).

Corollaire 4.3. Soient x

0
, ..., x
n
distincts, alors il existe entre x
0
, ..., x
n
tel que
f[x
0
, ..., x
n
] =
f
(n)
()
n!
.
Preuve. En evaluant en x = x
n
lexpression de lerreur E
n1
= f p
n1
, donnee par le theor`eme anterieur nous avons
E
n1
(x
n
) = f[x
0
, ..., x
n
](x
n
x
0
)...(x
n
x
n1
)
ce qui, en combinaison avec le Theor`eme 4.1, conclut la demonstration.
5. Polyn omes de Tchebychev / Minimisation de lerreur
Une question naturelle est comment choisir les points dinterpolation pour optimiser lapproximation. Le Theor`eme
4.1 nous dit que lerreur depend de f
n+1
en un point de lintervalle et des points x
j
`a travers du polynome W
n+1
(x) =
(xx
0
)(xx
1
)...(xx
n
). Comme on pretend obtenir une bonne approximation sans savoir information sur la fonction
f, lidee est de choisir les points de mani`ere que ||W(.)||

soit minimale. Ce probl`eme , en principe parat complique,

a ete resolu par Tchebychev au si`ecle XIX en introduisant une suite de polynomes, qui aujourdhui portent son nom.
Pour simplier la presentation nous allons resoudre le probl`eme pour les fonctions denies dans lintervalle [1, 1].
Plus loin, on verra quil est possible de translater la contruction sur nimporte intevalle [a, b] suivant un cahangement
de variables.
Les Polynomes de Tchebychev sont denis pour k = 0, 1, 2, ..., par
T
k
(x) := cos(k cos
1
x)
o` u cos
1
est linverse de cos : [0, ] [1, 1]. Il nest pas evident que T
k
soit un polynome. On peut le voir en utilisant
les identites trigonometriques. En eet,
T
0
(x) = 1, T
1
(x) = x
et comme cos( + ) + cos( ) = 2 cos cos , si nous posons x = cos , il en resulte
T
k+1
(x) = cos((k + 1)) = 2 cos cos(k) cos((k 1)),
c-` a-d
(4) T
k+1
= 2xT
k
(x) T
k1
(x).
Pour k = 2, ..., 5, on a T
k
T
2
(x) = 2x
2
1, T
4
(x) = 8x
4
8x
2
+ 1,
T
3
(x) = 4x
3
3x, T
5
(x) = 16x
5
20x
3
+ 5x.
Les polynomes de Tchebychev poss`edent les proprietes suivantes.
Proposition 5.1. Soit T
k
le polyn ome de Tchebychev de degre k.
Le coecient principal de T
k
est 2
k1
pour tout k N.
Les zeros de T
k
appartiennent `a lintervalle [1, 1] et sont de la forme
x
i
= cos
(2i + 1)
2k
, i = 0, 1, ..., k 1.
En particulier, ils sont tous disticnts.
||T
k
||

= 1. En plus, T
k
prend les valeurs 1 et 1 en k + 1 points, c-` a-d
||T
k
||

= |T
k
(y
i
)| = 1 pour y
i
= cos
i
k
, i = 0, 1, ..., k.
Preuve. La premi`ere armation est directe avec la relation de reccurence 4.
T
k
(x) = cos(k cos
1
x) = 0 k cos
1
x =
(2i + 1)
2
x = cos
(2i + 1)
2k
.
On obtient toutes les racines en faisant i = 0, 1, .., k 1.
Il sut de remarquer que |T
k
(x)| 1. Aux points y
i
= cos(i/k), T
k
prend alternativement les valeurs 1, 1 et donc
la norma est exactement 1.
Maintenant, nous sommes en condition denoncer et de demontrer le resultat que nous avons anticipe. Cest-`a-dire
entre les possibles choix des n +1 points dans [1, 1], les zeros de T
n+1
sont les points dinterpolation quil faut choisir
pour minimiser lexpression ||(x x
0
)...(x x
n
)||

qui apparait dans la formule derreur.

Theor`eme 5.2. Entre tous les polynomes moniques de degre n + 1,
W
n+1
(x) =
1
2
n
T
n+1
(x)
est le seul qui minimise la norme ||.||

en [1, 1]. Soit pour tout P P

n
monique on a
||W
n+1
||

||P||

.
Preuve. Il est clair que W
n+1
est monique.
Supposons quil existe un polynome P P
n+1
, monique tel que
||P||

< ||W
n+1
||

.
Par la proposition anterieure, |W
n+1
| atteint son max (qui est 1/2
n
) aux n+2 points y
i
= cos(i/+1), i = 0, 1, ..., n+1.
Ceci dit si on restreint W
n+1
`a [y
i
, y
i+1
], W
n+1
atteint la norme inni dans chacun de ces intervalles. Alors, dans chaque
sous-intervalle on la relation
(5) ||P||
L

[yi,yi+1]
< ||W
n+1
||
L

[yi,yi+1]
.
Dautre part, W
n+1
(y
i
) = W
n+1
(y
i+1
). Sans perte de generalite on peut supposer W
n+1
(y
i
) > 0. Alors, linegalite (5)
on en deduit P(y
i
) < W
n+1
(y
i
) et P(y
i+1
) > W
n+1
(y
i+1
).
Par suite, le polynome Q(x) = P(x) W
n+1
(x) a au moins un zero dans lintervalle (y
i
, y
i+1
) et comme il y a n + 2
valeurs de y
i
, il en resulte que Q a au moins n+1 zeros. Donc P et W
n+1
sont des polynomes moniques de degre n+1,
on en deduit que le degre de Q est au plus n. Ce qui contredit le fait que Q a n + 1 zeros distincts et par suite, un tel
P ne peut pas exister.
Maintenant nous allons voir comment on peut appliquer le Theor`eme 5.2 pour borner lerreur en utilisant les zeros
de T
n+1
comme points dinterpolation.
Theor`eme 5.3. Soit f C
n+1
[1, 1]. Si p
n
P
n
est le polynome qui interpole f aux zeros de T
n+1
alors,
||f p
n
||

||f
(n+1)
||

2
n
(n + 1)
.
Proof. Il sut de remarquer que W =
1
2
n
T
n+1
pour obtenir
f(x) p
n
(x) =
f
(n+!)
()
(n + 1)!
W
n+1
(x) =
f
(n+!)
()
2
n
(n + 1)!
T
n+1
(x),
ou [1, 1]. Alors, le resultat sobtient du fait que |T
n+1
(x)| 1.
Comme annonce, nous allons obtenir les polynomes de Tchebychev correspondant `a un intervalle [a, b]. Il est facile
de voir que le changement de variables t =
2(x a)
b
1 transforme lintervalle [a, b] en [1, 1] et est lineaire. Donc

T
k
(x) = T
k
(t) = T
k
_
2(x a)
b a
1
_
= cos
_
k cos
1
_
2(x a)
b a
1
__
est un polynome de degre k qui poss`ede des proprietes analogues `a T
k
mais maintenant dans lintervalle [a, b]. En
particulier on a:
La relation de reccurence:

T
k+1
(x) = 2
_
2(x a)
b a
1
_

T
k
(x)

T
k1
(x)
Le coecient principal de

T
k
(x) est 2
k1
(2/b a)
k
.
En interpolant aux zeros de

T
n+1
(x)
W
n+1
(x) =
1
2
n
_
b a
2
_
n+1

T
n+1
(x) et ||W
n+1
||

=
1
2
n
_
b a
2
_
n+1
et pour x [a, b] on a
|f(x) p
n
(x)|
||f
(n+1)
||

2
n
(n + 1)!
_
b a
2
_
n+1
.
Exemple 5.4. Soit f : [1, 1] R donnee par f(x) = e
3x
. On veut comparer les bornes de lerreur qui se produit en
approximant la valeur de f(0.8) en utilisant le polynome interpolateur de degre 4 construit avec des points equidistants
et avec les zeros de T
5
.
Solution 5.5. f
(5)
= 243e
3x
et donc
||f
(5)
||

5!

243e
3x
5!

4880.79
5!
.
Si interpolamos f en cinq points equidistants on a
W
5
(x) = (x + 1)(x + 0.5)x(x 0.5)(x 1),
alors |W
5
(0.8)| = 0.11232 et en utilisant la formule de lerreur on obtient
|(f p
4
)(0.8)|
4880.79
5!
0.11232 4.57.
Quand en realite
|E
4
(0.8)| = 0.4591....
Noter dans ce cas on estime lerreur en un facteur de 10.
maintenant, interpolons en utilisant les zeros de T
4
. La borne obtenue de la formule de lerreur est
|E
4
(0.8)|
4880.79
5!2
4
= 2.54,
pendant que E
4
(0.8) = f(0.8) p
4
(0.8) = 0.2544.
On observe que lerreur et son estimation se reduisent approximativement `a la moitie dans le cas des points
equidistants.
Commentaire 5.6.
6. Interoplation dHermite
Dans quelques cas, il est interessant de considerer les valeurs dune fonction et les donnees en relation avec les
derivees. par exemple, on peut trouver un polynome p qui interpole f en des points et que p

conincide avec f

dans
quelques uns de ces points. En general le theor`eme suivant a ete prouve par HERMITE.
Theor`eme 6.1 (Hermite). Soient f une fonction, x
0
, x
1
, ..., x
k
et m
0
, m
1
, ..., m
k
N tels que m
0
+m
1
+...+m
k
= n+1,
il existe un unique polynome p P
n
tel que
_

_
p(x
0
) = f(x
0
), p

(x
0
) = f

(x
0
), . . . p
(m01)
(x
0
) = f
(m01)
(x
0
),
p(x
1
) = f(x
1
), p

(x
1
) = f

(x
1
), . . . p
(m11)
(x
1
) = f
(m11)
(x
1
),
.
.
.
p(x
k
) = f(x
k
), p

(x
k
) = f

(x
k
), . . . p
(m
k
1)
(x
k
) = f
(m
k
1)
(x
k
),
Nous ferons pas ici la preuve de ce theor`eme mais nous donnerons une idee de la construction du polynome interpo-
lateur dans un cas particulier; o` u on peut voir comment on peut generaliser la denition de dierences divisees pour
des valeurs de x
i
non tous distincts.
On cherche un polynome p P
3
qui sasfait.
_
(i) p(x
0
) = f(x
0
), (iii) p(x
1
) = f(x
1
),
(ii) p

(x
0
) = f

(x
0
), (iv) p

(x
1
) = f

(x
1
).
Comme {1, x x
0
, (x x
0
)
2
, (x x
0
)
2
(x x
1
)} forment une base de P
3
puisquils sont de degre distinct. Donc tout
p polynome de P
3
peut secrire
p(x) = a
0
+ a
1
(x x
0
) + a
2
(x x
0
)
2
+ a
3
(x x
0
)
2
(x x
1
).
Les conditions (i), (ii) sont satisfaites si et seulement si a
0
= f(x
0
) et a
1
= f

(x
0
). Il reste `a determiner a
2
, a
3
pour les
deux autres conditions restantes. Pour alleger les notations posons h = x
1
x
0
, alors on a
p(x
1
) = a
0
+ ha
1
+ h
2
a
2
= f(x
0
) + f

(x
0
)h + a
2
h
2
.
Pour la condtion (iii) il faut que
a
2
=
f(x
1
) f(x
0
) f

(x
0
)h
h
2
=
_
f(x
1
) f(x
0
)
h
f

(x
0
)
_
1
h
.
Nous remarquons que lim
x1x0
f[x
0
, x
1
] = f

(x
0
do` u il resulte naturel generaliser la premi`ere dierence divisee en
posant
f[x
0
, x
0
] = f

(x
0
).
De cette fa con on obtient, de la denition de la deuxi`eme direrence divisee,
f[x
0
, x
0
, x
1
] =
f[x
0
, x
1
] f[x
0
, x
0
]
x
1
x
0
=
_
f(x
1
) f(x
0
)
h
f

(x
0
)
_
1
h
et donc a
2
= f[x
0
, x
0
, x
1
]. Enn, nous voulons que p

(x
1
) = f

(x
1
). Alors nous devons choisir a
3
de facon que
f

(x
1
) = a
1
+ 2a
2
h + a
3
h
2
= f

(x
0
) + 2f[x
0
, x
0
, x
1
]h + a
3
h
2
dou
a
3
=
1
h
2
(f

(x
1
) f

(x
0
) 2f[x
0
, x
0
, x
1
]h)
=
1
h
2
(f[x
1
, x
1
] f[x
0
, x
0
] 2f[x
0
, x
0
, x
1
]h)
=
1
h
2
(f[x
1
, x
1
] f[x
0
, x
1
] + f[x
0
, x
1
] f[x
0
, x
0
] 2f[x
0
, x
0
, x
1
]h)
=
1
h
(f[x
0
, x
1
, x
1
] + f[x
0
, x
0
, x
1
] 2f[x
0
, x
0
, x
1
])
=
f[x
0
, x
1
, x
1
] f[x
0
, x
0
, x
1
]
x
1
x
0
.
soit
a
3
= f[x
0
, x
0
, x
1
, x
1
].
En consequence, nous avons demontre que lunique polynome de P
3
qui satisfait les conditions demandees est
p
3
(x) = f[x
0
] + f[x
0
, x
0
](x x
0
) + f[x
0
, x
0
, x
1
](x x
0
)
2
+ f[x
0
, x
0
, x
1
, x
1
](x x
0
)
2
(x x
1
).
Ceci generalise la forme de Newton pour x
i
non tous distincts.
7. Interoplation par Intervalles (Splines)
Dans beaucoup de cas pour avoir une meilleure approximation il est convenable dutiliser des fonctions polynomiales
par intervalle comme des inperpolants. De cette fa con on divise lintervalle de mani`ere que dans chaque sous-intervalle
on choisit un polyn ome distinct qui interpole les donnees. Par exemple, si on interpole avec des polynomes de degre 1
par intervalle, nous aurons des polygones. (graphique)
Divisons lintervalle [a, b] en sous-intervalles [x
j
, x
j+1
], a = x
0
< x
1
< x
2
< ... < x
n
= b. Soit f : [a, b] R
denissons la fonction interpolatrice q
n
(x) telle que
q
n
|
[xj,xj+1]
P
1
.
Considerons le cas de points equidistants, soit x
j
= a + jh avec h = (b a)/n. Pour toute f C
2
[a, b] et tout
x [x
j
, x
j+1
], en utilisant le Theoreme 4.1 nous obtenons
f(x) q
n
(x) =
f

(
j
)
2
(x x
j
)(x x
j+1
).
Alors
||f q
n
||

||f

||

2
h
2
4
=
||f

||

8
(b a)
2
n
2
0
quand n .
Exemple 7.1. Soit f : [1, 1] R, la fonction de Runge f(x) =
1
1 + 25x
2
. Il est facile de voir que ||f||

= 50. En
consequence, en approximant avec des polygones nous obtenons
||f q
n
||

||f

||

8
_
2
n
_
2
=
25
n
2
.
Dans ce cas, en interpolant avec des polygones nous obtenons une approximation beaucoup mieux que celle obtenue en
interpolant avec un polynome, si on utilise les memes points.
8. Splines Cubiques
Dans beaucoup de cas, il est interessant dapproximer par des fonctions derivables. Ceci ne peut pas se faire avec
des polygones et donc il est necessaire daugmenter le degre des approximants. Une methode classique est de trouver
des polynomes de degre 3 (Splines Cubiques). Nous allons voir que, de cette mani`ere, on peut obtenir un approximant
de C
2
.
Soit f C[a, b] et a = x
0
< x
1
< ... < x
n
= b cherchons S tel que S, S

, S

soient continues dans [a, b] et que

S(x
j
) = f(x
j
) pour 0 j n et S
j
:= S|
[xj,xj+1]
P
3
.
Par exemple, si n = 3, comme S
j
P
3
nous aurons 4 3 = 12 coecients a calculer. Nous allons voir combien de
conditions doivent se verier. Nous devons verier
S
0
(x
0
) = f(x
0
) S
1
(x
1
) = f(x
1
), S
2
(x
2
) = f(x
2
),
S
0
(x
1
) = S
1
(x
1
), S
1
(x
2
) = S
1
(x
2
), S
2
(x
3
) = f(x
3
).
C-` a-d six conditions. Si de plus nous voulons que S

, S

soient continues en x
1
, x
2
nous avons quatre conditions en
plus. Soit en tout dix conditions pour douze inconnus. Un calcul analogue montre dans le cas general que le nombre
de coecients `a determiner depasse deux fois le nombre de conditions.
Sil y a solution, il en aura une innite puisque nous devons xer deux coecients arbitrairement. Le naturel alors
est de xer S

(x
0
) et S

(x
n
) ou S

(x
0
) et S

(x
n
). Nous choisirons cette derni`ere car cest la plus simple.
Theor`eme 8.1. Soit f C[a, b] et a = x
0
< x
1
< ... < x
n
= b, il existe un unique S C
2
[a, b] tel que
_
S(x
j
) = f(x
j
) 0 j n
S|
[xj,xj+1]P3
avec S

(a) = S

(b) = 0.
Preuve. Pour j = 0, 1, ..., n posons S
j
= S|
[xj,xj+1]
et h
j
= x
j+1
x
j
. La fonction S cherhee doit satisfaire S

polygone.
Alors si S

(x
j
) = y
j
et
S

j
(x) = y
j
x
j+1
x
h
j
+ y
j+1
x x
j
h
j
0 j n 1.
Nous verrons quil est possible de trouver les valeurs y
j
de mani`ere que les conditions sur S soient veriees. En integrant
deux fois pour x [x
j
, x
j+1
] avec 0 j n 1
(6) S
j
(x) =
y
j
6h
j
(x
j+1
x)
3
+
y
j+1
6h
j
(x x
j
)
3
+ c
j
(x x
j
) + d
j
(x
j+1
x)
o` u c
j
, d
j
sont des constantes `a determiner.
Remarquons que pour nimporte choix de y
j
, c
j
, d
j
, S

est un polygone, donc continue. Il reste `a voir quon peut

choisir ces constantes de mani`ere que les autres conditions sur S soient veriees.
Pour que S soit continue et interpole f nous devons choisir c
j
, d
j
tels que
S
j
(x
j
) = f(x
j
) et S
j
(x
j+1
) = f(x
j+1
), 0 j n 1
et en rempla cant dans (6) nous obtenons
c
j
=
f(x
j+1
)
h
j

y
j+1
h
j
6
et d
j
=
f(x
j
)
h
j

y
j
h
j
6
et donc pour 0 j n 1
S
j
(x) =
y
j
6h
j
(x
j+1
x)
3
+
y
j+1
6h
j
(x x
j
)
3
+
_
f(x
j+1
)
h
j

y
j+1
6
_
(x x
j
) +
_
f(x
j
)
h
j

y
j
h
j
6
_
(x
j+1
x).
En derivant et en utilisant f
j
= f(x
j+1
) f(x
j
), nous obtenons
S

j
(x) =
y
j
2h
j
(x
j+1
x)
2
+
y
j+1
2h
j
(x x
j
)
2
+
f
j
h
j

h
j
6
(y
j+1
y
j
)
et on doit choisir y
j
de facon que S

soit continue, soit

S

j
(x
j
) = S

j1
(x
j
) 1 j n 1
il en resulte que les n + 1 inconnus y
j
doivent satisfaire le syst`eme avec n 1 equations,
h
j1
y
j1
+ 2(h
j
+ h
j1
)y
j
+ h
j
y
j+1
= b
j
avec
b
j
= 6
_
f
j
h
j

f
j1
h
j1
_
Comme nous avons deux inconnus en plus, nous pouvons donner des valeurs arbitraires `a y
0
, y
n
et passer les termes
correspondant au c ote droit pour obtenir le syst`eme tridiagonal,
_
_
_
_
_

1
h
1
0 . . . 0
h
1

2
h
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 . . . . . .
n1
_
_
_
_
_
_
_
_
_
_
y
1
y
2
.
.
.
y
n1
_
_
_
_
_
=
_
_
_
_
_
b
1
h
0
y
0
b
2
.
.
.
b
n1
h
n1
y
n
_
_
_
_
_
ou
i
= 2(h
i
+h
i1
). Maintenant, comme la matrice anterieure est `a diagonal strictement dominante, donc inversible.
Il existe une soluton unique une fois choisis y
0
, y
n
.
Par exemple, nous pouvons choisir y
0
= y
n
= 0 pour quon ait S

(x
0
) = 0 et S

(x
n
) = 0, ce qui termine la preuve.
Remarquons en general, S

(x
j
) = f

(x
j
) et S

(x
j
) = f

(x
j
).
References
[1] El Jai, A., Elements danalyse numerique. Collection Etudes, Presse Universitaire de Perpignan, 2003.
[2] Fortin, A., Analyse numerique pour ingenieurs. Editions de lecole Polytechnique de Montreal, Montreal, Canada, 1995.
[3] Isaacson, E. et Keller, H. B., Analysis of numerical methods. 1966.
[4] Muto, V. Soluci on aproximada de ecuaciones de una variable. Apuntes.
[5] Rappaz, J. et Picasso, M., Introduction `a lanalyse numerique. Presses polytechniques et Universitaires Romandes, Lausanne, Suisse,
1998.
[6] Walter Gautschi, Numerical Analysis, an introduction. Burkhauser, 1997.
[7] http://nptel.iitm.ac.in/courses/Webcourse-contents/IIT-KANPUR/Numerical%20Analysis/numerical-analysis/Rathish-kumar/ratish-
1/f3node5.html
[8] http://www.mathcs.emory.edu/ccs/ccs315/ccs315/node18.html