Vous êtes sur la page 1sur 34

Chapitre II

Interpolation et Approximation
Le probl`eme de linterpolation consiste a` chercher des fonctions simples (polynomes, polynomes par morceaux, polynomes trigonometriques) passant par des points donnes
 
 
     





 

(0.1)
 

  ! ! #"

c.-`a-d., on cherche

avec 
pour 
. Si les valeurs de
satisfont
 $&%'(

%'

o`u
est une fonction donnee, il est interessant detudier lerreur de lapproximation
%'
)


*,+

(0.2)

Bibliographie sur ce chapitre


J.H. Ahlberg, E.N. Nilson & J.L. Walsh (1967): The Theory of Splines and Their Applications.
Academic Press, New York. [MA 65/4]
C. de Boor (1978): A Practical Guide to Splines. Springer-Verlag. [MA 65/141]
G.D. Knott (2000): Interpolating Cubic Splines. Birkhauser. [MA 65/431]
H.J. Nussbaumer (1981): Fast Fourier Transform and Convolution Algorithms. Springer-Verlag.
H. Spath (1995): One Dimensional Spline Interpolation. AK Peters. [MA 65/362]

II.1

Differences divisees et formule de Newton


".-/



Etant
donnes les
points (0.1) o`
u les sont distincts mais pas necessairement ordonnes, on


"
cherche un polynome 
de degre qui satisfasse
(
*0 

Cas

"23

1  ! ! #"'

pour

(1.1)

. Le polynome de degre (une droite) qui passe par

4 !

5##

est donne par

9)8:

*0 *-67)84

(1.2)

;)8


"3=<

<

Cas
. Pour obtenir un polynomede
degre5(une
  

>#

parabole)
qui
passe
par
les
trois
points
,
,
?# ?

<
, on ajoute un terme de correction (de degre ) a`
la
formule
(1.2). Comme ce terme doit e tre zero aux points


et , on a necessairement
9)8 

*0 -@A)B

-DCFEGA)B
4A)B
5
)8

(1.3)

24

Interpolation et Approximation

10


5
0

10

F IG . II.1: Polynome dinterpolation de degre H


C

?
IJ:?

Le coefficient
est determine par 
?K),4
4?L)8

diviser par
) nous donne

. Un calcul simple (soustraire

:?N),

"&O

de

?4

et

9)8 
)

CM
?K),



?K),

(1.4)

)8



Un
exemple pour le cas
avec des non e quidistants est donne dans la fig. II.1. Pour les
"QP&<
cas
les formules deviennent plus complexes et il est recommande dintroduire une notation
convenable pour simplifier les expressions comme dans (1.4).
Definition 1.1 (differences divisees) Pour

R# 



donnes (

distincts) on definit

'S TVUW0 
FS Y[T),FS T
X 'S R#YZTVUW

Y'),
X 'S Y^\]T )

FS YZ\]TVUW

X FS Y[T

\_)8

'S a` (b# ! !dc]TVUW

 e>

FS (b#  !dc]T )


X

 e>

'S a`[ ! # cZf b#T




dcg),a`

"

Theor`eme 1.2
(formule de Newton) Le polynome dinterpolation de degre qui passe par les
4# 
 5>#
     

points
, o`u les sont distincts, est unique et donne par

"I-6


*hFS 4T -67)84

X 'S  # T -6i),4


i)

FS 45? T


-j !]-6i)8
7)8
E    E7)8:e>

",k

FS  5   ZTa

(1.5)

"1<

Demonstration. Pour
et
la formule (1.5) est e quivalente a` (1.2) et a` (1.3)(1.4). Pour
demontrer le cas general, nous procedons par recurrence. Supposons que
4
*hFS  T -&B)84

X FS   T -0  :-&B)84


E   ]Ei) e:?4

 e>

FS    !!:e>T


",)l

 (

soit le polynome unique de degre

qui passe par


pour
comme dans (1.3), le polynome 
est necessairement de la forme

*


o`u

est determine par 

m  !   Z",)l


 
9-jCnE7)84
B)8
;E   :EB)8 e>
5



*h 

. Il en resulte lunicite du polynome dinterpolation.

. Alors,

(1.6)

Interpolation et Approximation
Co


X

25

FS  5   ZT

Pour montrer que


"o)p
e galement le polynome de degre
?
*hFS T -&B)8

, ce qui ach`eve la demonstration, nous considerons

X FS ?4T -0  :-&B)8


E   ]Ei) e>

 e>
X

FS 5?4  !!T

qui passe par

R q

3!  !"

pour 
r

. Ensuite, on pose (idee dAitkenNeville, 1929, 1932)


*Ud

A)8

 
-&B)84

s)8


?

(1.7)

"



(1.1) pour le point


(ici, lefacteur
Il
sagit dun polynome de degre qui satisfait la condition
)t

u)v




est
nul),
pour
le
point
(ici,
le
facteur
est
nul),
et
pour
les
points
,
! ! !".)w
4

?

 



(ici, les deux polyn
o
mes
et
sont
e

gaux
a
`
).  Par
lunicite du polynome

L


r
dinterpolation on a alors
. En comparant le coefficient de
dans (1.7) avec celui de

(1.6), nous obtenons
CM
X

:e>

'S   ! !T )


X

 e>

FS 4    e>#T


X

FS     Td

A)

ce qui demontre la formule (1.5).


TAB . II.1: Differences divisees pour les donnees de la fig. II.1


 

){

X 
X

<

?


X^x 

X^y 

X^z 

| }:~
O }:<

)  }V< 
){ }

 }: 
| }

)< ~  }]  

O }:|

)B}:~

< }:|
~

<



)B}
!}

| }:<

Exemple 1.3 Pour les donnees de la fig. II.1, les differences divisees sont presentees dans le
tableau II.1. Le polynome dinterpolation est alors donne par

*6){'-7-Ki)h<
)Ki)j<:
4B)


_
Z

-K7)j<
47)


B)0O

Z

),Ki)j<
B)


47)jO:
4B)0~

ZZ

ou mieux encore pour la programmation (ou le calcul a` la main)



*6)BF-

'-&7)0<

-6i)


Z
Z

-67)jO:

)67)0~

Z

Z



Remarque. Lordre des


na aucune importance pour la formule de Newton (1.5). Si lon
 (

permute les donn


ees
, on obtient!eO videmment
le meme polynome. Pour lexemple ci-dessus
R
!< ~ !  Z

et pour les
choisis dans lordre
, on obtient ainsi


N

-67)

-6i)0O:

?
En
observant
que X
'S ?4
# T
X
x

tableau II.1.


X
?

FS  `  ! ! c T


'S  ? 
x

-67)0<

-6i)0~:

Z

)8

ZZ

est une fonction symetrique de ses arguments (par exemple,


, voir lexercice 2), on peut utiliser les valeurs calculees dans le

26

Interpolation et Approximation


de
Pour diminuer linfluence des erreurs darrondi, il est recommande dordonner les
mani`ere a` ce que les valeurs situees au
milieu
soient
prises
dabord
et
les
valeurs
aux
extr
e
mit
e
s
a`
)

)
4)5

)
4)
)?G

la fin. Pour ce choix, les expressions


,
,
, etc., sont
en general plus petites que pour un autre choix et lamplification des erreurs dans les differences
divisees est moins importante.

II.2

Erreur de linterpolation

Supposons que les points

 (

soient sur le graphe dune fonction

 91%'(
5

%IU;SC [T

, c.-`a-d.,

  ! ! #"'

(2.1)


%F
)






e tudions alors lerreur
du polynome dinterpolation 
. Deux exemples
sont donnes
%'
N WN
?
dans la fig. II.2. A gauche,
on voit
un polynome dinterpolation pour la fonction
, et a`
!}V '-8

%'

droite pour la fonction


. Pour mieux voir lerreur, on a dessine la fonction
en une
courbe pointillee.

%'
N

%'
*&d'

F-,

8
0

1
?4

F IG . II.2: Polynome dinterpolation pour ! ' (gauche) et pour 44K7

(droite)

Les resultats suivants sont dus a` Cauchy (1840, Sur les fonctions interpolaires, C.R. XI, p. 775-789,
Oeuvres ser. 1, vol. V, p. 409-424). Commencons%'par
une relation interessante entre les differences


divisees pour (2.1) et les derivees de la fonction


.
%'
"

Lemme 2.1 SoitquW'!-fois


differentiable et
KR

il existe un u
tel que
X

 $6%F

&  !  !"

pour 
%9

FS 4#5   ZT>


"F





distincts). Alors,

(2.2)
"

 (


D
emonstration. 
Soit
le polynomedinterpolation
dedegr
e passant"Ipar
et notons

-6

*&%F
)


. Par definition de 
, la difference
sannule en
points distincts :

(
'&



Comme
est differentiable, on peut appliquer
dAnalyse I) et on en deduit que
4 

"

&  !   Z"F

pour
"

fois le theor`eme de Rolle (voir le cours

zeros distincts dans

(W*!
5

Interpolation et Approximation


Le meme argument applique a`


4 

Notons ce zero de



donne

")6

et finalement encore
:

27

(W'!
5

zeros distincts dans



(d'uZ


zero dans

par . Alors, on a

'

'S 45!  !#Td

(2.3)

Ladeuxi`
eme identite dans (2.3) resulte du fait que

.

%DU*SC [T9

F0"FE X


FS 4#    T

est le coefficient de

".-/

dans



Theor`eme 2.2 " Soit


-fois diff
erentiable et soit 
le polyn
ome dinterpo %'(

&  !!  Z"


SC [T
lation
de
degr
e
qui
passe
par
pour
.
Alors,
pour
, il existe un


quW;
5uZ*R


tel que
u
%9
%'
)


'3i),4
E !  E>i)8
E


w

:>

"I-6


(2.4)

  !   Z"F


D
emonstration. Si
pour
un indice
, la formule (2.4) est verifiee car
SC!^T
R
n%'(



. Fixons alors un dans
qui soit different de et montrons la formule (2.4)
.

.
pour
"-k
R %'(






Lid
e
e
est
de
consid
e
rer
le
polyn
o
me
de
degr
e
qui
passe
par
pour
     Z"
; %' 

et par
. La formule de Newton donne

N



9-&i)4
E    E7)8
E

%9

 >

Si lon remplacepla diff


erence divisee dans (2.5) par

, on obtient le r
et si lon pose
esultat (2.4)
pour

arbitraire, la formule (2.4) est verifiee pour tout .
Exemple 2.3 Dans la situation de la fig. II.2, on a
est majoree par , on a que

:>
X


)j W'L l K7)p!WO:
4B)0|
B)

5}V"I-6Z

6

".-3

car 

(2.5)

(voir le lemme precedent)



. Comme est

;
u%' ;



. Comme la e` me derivee de

O
47)

FS 4!  !# Td


B)j O
47)0:
!E

par exemple


9)jd

:&  | O

Pour le deuxi`eme exemple,


W
%

ou


%F
*k!}V F-,


, la e` me derivee est donnee par

{-6
B)p
K

)j<7)p



*&)~ E
F-,

qui est maximale pour

D6 R | < :~


)


Alors, lerreur peut e tre

F-
| :<

ld


$)j WM & R~>!


-0<i)6

. On obtient ainsi
)0<  W< O:
4

)j


)0< < O
(L!E

fois plus grande que pour linterpolation de


W*

d*

28

Interpolation et Approximation

II.3

Polynomes de Chebyshev
"o-p

e` me derivee de
La
formule (2.4) montre que lerreur de linterpolation
est un produit de la
%'

7)24
9E  !:E>B)

, e valueea`  un
point inconnu, avec lexpression
qui ne depend que de
!!
la division
.

Probl`eme interessante : chercher, pour un


m

"

donne, la division de

WB)84
E    E7)8


pour laquelle

est minimal.

] !
S){! ZT

SC [T

(3.1)

"k<

Exemple 3.1 Considerons


lintervalle
, le cas )pC  , et une distribution symetrique des


B
2-p;
K2);
{ x
. On cherche alorsC7 k
satisfaisant (3.1). Nous
voyons en

C

figure II.3 que, pour


, nous avons; puis cette valeur diminue
quandC1cro
t, jusquau
)
S){! ZT
| }

moment o`u la courbe touche les bornes


et
a` linterieur
de
(pour
);
apr`
e
s,

N x )j|;}
recommence de grandir. La solution optimale est donc 
.
1

CM

CM1 

3

CM  O

1 

CM1 W

& < O

& W|

F IG . II.3: Valeurs maximales de a

x'2

"

Pour arbitraire, la reponse au probl`eme pose se trouve dans un travail de P.L. Chebyshev
(transcription francaise : Tchebychef, 1854, uvres I, p. 109). Elle peut e tre donnee a` laide de
polynomes de Chebyshev; voir la figure II.4.1
Definition
3.2 (Polynomes de Chebyshev)
"  !!<    
S){! T
et pour
, on definit
Pour


N! 4" !!: 

(3.2)

(projection du cosinus sur un tambour).


Proprietes des polynomes de Chebyshev.


a) Les fonctions
satisfont la recurrence


*k!

4
N;

 >4
N<!

 

:e>

 
*1<

Par consequence,

c.-`a-d.,

 3

pour

b)
c)
d)
1

!:

w){

est
un polynome de degre
-j !
.
S)B T
.

!:

&

pour
pour

1  !   Z"

"

$
)

 e>!
5

dont le coefficient de

est

(3.3)
<

:e>

&  !  !"o)p

Pour une e tude des courbes blanches dans la fig. II.4 (`a droite) voir la page 209 du livre: Th.J. Rivlin, Chebyshev
Polynomials. 2nd ed., John Wiley & Sons, 1990 [MA 41/36]

Interpolation et Approximation





29

4

?

F IG . II.4: Les premiers 4 (`a gauche) respectivement 30 (`a droite) polynomes de Chebyshev


e) Les polynomes

sont orthogonaux par rapport a` la fonction de poids

!}:

'),

",hm1


e>

')8





.

}:<

si ",h 1


si "j0


si
.

Demonstration. La formule (3.3) est une consequence de


!: "I-6

9-0 #")6

*1<*! IE  4"'

si lon pose

 h


& ! 

et

e>

')8

. La meme transformation donne





D

et la propriete (e) resulte de lorthogonalite de

 "F

 "F
>!:4

Revenons maintenant a` la question de trouver une division satisfaisant


a` (3.1).

:e>


"

Lemme 3.3 Soit r


un polynome
de degr
e dont le coefficient de

s


r
polynome de Chebyshev) et soit
. Alors,


r
e> 
]


:P

e> 
G


e>





e>

G

"1O

) et considerons la difference
. Cette fonction sannule au moins
une fois dans chacun des intervalles fermes


!!



"

(comme pour le








<

(3.4)
r

(voir
la figure
pour



)


est


:3

Demonstration. Supposons, par labsurde, que


]

&  !   Z"o)p!

(3.5)

S){! T

()B! 

Alors,
poss`ede zeros dans
(si une racine (
 est a` lextr
emite de lintervalle
;
A



r

(3.5), elle doit e tre compte"ie)1
deux fois car a` un tel point
et 

).
Comme


r
est un polynome de
degr
e
(le
coefficient
de
est
le
m
e
me
pour
et
), ceci est une


contradiction a`
.

30

Interpolation et Approximation
Le lemme precedent montre que

e>

G

si et seulement si

d7)8
;E !  EB)8


e 

i)8
;E !  EB)8
N<

\A1

est minimal

:> 

, c.-`a-d., si

&  !!  Z"

(3.6)

e
(points de- Chebyshev).
Pour repondre Sa`){la
question
(3.1), il faut encore utiliser la translation
! T
SC [T
?
? 
, qui envoie lintervalle
sur
. On obtient alors

Theor`eme 3.4 Lexpression (3.1) est minimale parmi toutes les divisions
seulement si
C-j
\A

)tC

q<

-6

< "I-h<
!

E !

<

<

   

1  !   Z"F

(3.7)

%'
*k!}>-< O

si et

S){! T

sur lintervalle
(cf. la fig.
II.2).
Exemple 3.5 Considerons la fonction
"Qp~
)
Dans la fig. II.5, on compare le polynome dinterpolation
base sur des points e quidistants (
",~
avec celui base sur les points de Chebyshev (aussi
). On observe une nette amelioration.

1.0

1.0

.5

.5

.0

.5

.0

.0

.5

.5

.5

.0

.5

.5

F IG . II.5: Interpolation avec des points e quidistants (`a gauche) et les points de Chebyshev (`a droite)

II.4

Convergence de linterpolation

La precision
du polynome dinterpolation (figure II.5 a` gauche) est certainement
insuffisante,

"
quand se rapproche des bords. On pourrait navement croire
que le degre nest pas encore
"
assez e leve. Mais le contraire se produit : quand on augmente , la catastrophe sintensifie davantage. Cest le phenom`eme de Runge (voir le dessin de la figure II.6).
2
Le
phenom`ene de Runge (1901).
Nous considerons des fonctions rationnelles (ou meromorphes)
%'

S){! ZT
, definies sur lintervalle
, et la suite des divisions e quidistantes


:
6){'-

  !!  !#"'

(4.1)

Carl David Tolme Runge (1856-1927) est le p`ere des mathematiques appliquees en Allemagne. Larticle sur ce
phenom`ene a e te publie en 1901 dans le journal Zeitschr. Math. u. Physik vol. 46.

Interpolation et Approximation

1 1

n=2

31

1 1

n=4

1 1

n=6

n = 12

1 1

1 1

n=8

n = 14

1 1

1 1

n = 10

n = 16

1 1

n = 18

n = 20
?

F IG . II.6: Le phenom`ene de Runge pour la fonction >a




44K24H

"



:

u%'

Nous notons
par 
le polynome dinterpolation de degre satisfaisant
a` 
  !   Z"


%'

pour
. Le but est detudier la convergence de 
vers
. On peut
observer


%F

dans la fig. II.6 que, dans


un certain intervalle autour de lorigine, 
converge vers
, mais
S)B! T
au bord de lintervalle
, on a divergence.
Excursion en analyse complexe. Le meilleur moyen de comprendre ce phenom`ene est la formule
de Cauchy (1831), voir le cours Analyse II,
hL^

%F:

%'
*
<


),

(4.2)

%F:

Dans cette formule, est une courbe fermee autour de , telle que
na
pas de singularit
e
wUuSC!^T

a` linterieur de la courbe. Si la courbe est donnee par la parametrisation


avec
LC
*hL[

, lintegrale dans (4.2) est definie par


%']

<

),


%FL^



<

E!
L^
;),

^

Z

Une formule pour le polynome dinterpolation. En utilisant la notation



NUW3i),




;E>7)8

:

E  !:E7),

(4.3)

pour la division e quidistante (4.1), nous obtenons pour le polynome dinterpolation


%'(:

(:
;)


*

E
<

)8



 :

(4.4)

S){! ZT

%':

Ici, est une courbe fermee autour du segment


telle que
nait pas de singularite (pole)
a` linterieur de la courbe (voir la petite figure dans (4.2)).
"

:
)


}>N)

En effet, la partie droite :de


(4.4) est un polynome de degre en car

D \
    "'
en est un. En posant
pour un {8
, on a
%']

<

),

:
;)
\





%'(:


<

)8

&%'

:

32

Interpolation et Approximation

ce qui montre la formule (4.4). La difference de (4.4) et de (4.2) nous donne la formule suivante
pour lerreur de linterpolation :
%'(:

%F
)




*
E
<


),


:

:

(4.5)

S){! T

Il
est important de se rappeler que est une
courbe fermee autour du segment
%'(:

nait pas de singularite a` linterieur de .

telle que

Etude
de
la convergence.
La formule (4.5) nous
permet de proceder de la mani`ere suivante : si,

S)B T

, on peut choisir la courbe telle que


pour un

avec un


 6

(:


, alors,

%F
9)

<

et on a convergence pour

),L

(4.7)


. Il faut alors e tudier la fonction

(:


:

Lemme 4.1 Pour la division e quidistante (4.1) et pour le polynome

o`u

 

{:
*



(-&

]
:

Demonstration. En prenant le logarithme de

(:
:

(:


:
4:

W


(:
:

e>

)p

$)p

, on obtient

A)

-0  :-

n),: K

e>

:
4 

(-&

(4.8)

sn)

ng)8

En
considerant comme param`etre, une primitive de la fonction 
),^
;)6()8^
g)8^

. Ceci implique
d


:

ce qui represente une somme de


Riemann
la fonction
p
Apour
oZ 

On obtient ainsi (observer que


)




{:

g-6
)&)p

",

pour

de (4.3) on a



d


(4.6)

%'(:



4


",

pour tout

(),^

^
N

\ >
4

)@


< }"

Z

()8^

est donnee par

_-6
)p()&

g)p
)p_-&
9-6()p

et demontre la formule du lemme.


bW`

{:

a]


.5

.0

.5

.0

.5

F IG . II.7: Lignes de niveau pour les fonctions

.5
bW`



a
a

et g ; division e quidistante.

Interpolation et Approximation
Pour un

33

reel et compris dans



e>

{
*

F-


en particulier 

()B! 

 

{(
B

!}

e

*)

, on a


< }

{

.5

!}

{{
7=< }

,
. Les lignes
B(:


de niveau
Const sont dessinees dans la
fig. II.7 (dessin a` droite).
%'(:

Theor`eme 4.2 (Runge 1901) Si

d



 


*6%'

pour

)

 

s {:
*

na pas de singularite dans

1
{ N
5

, alors

L K


S)B! T

D
emonstration. Nous considerons une courbe telle que lintervalle
ainsi que lensemble
%':

()KN

B(:
NBN
5

sont a` linterieur, mais tous les poles de


a` lexterieur. Pour un
fixe, ceci entrane que
B
*BN
*&uW B(:
5

Z
Z
Comme
et
(convergence uniforme
sur ;
63

pour le voir
il
faut
e

laborer
la
d
e
monstration
du
lemme
4.1),
on
peut
trouver
un
(
) tel
"
que, pour suffisamment grand, on a




B

uW

{]


4 6iE

 

Ceci verifie (4.6) pour

(:
F

)

L K

%'
*k}>

:
4

pour



et la convergence est une consequence de (4.7).


?

-o< O!

}]O

Exemple.
La fonction
poss`ede une
singularite en  . La ligne de niveau de
{:

}]O
p W <
qui passe par 
coupe laxe reel au point
. L
Alors,
la convergence du polynome
  <
dinterpolation (avec des points e quidistants) est e tablie pour
(voir fig. II.6).
Convergence en utilisant des points de Chebyshev. Faisons la meme e tude en remplacant la
division e quidistante (4.1) par les points de Chebyshev



&

'

  ! ! #"'

(4.9)

%'
!}>N-v< O!

Lexperience de la fig. II.6 avec la fonction


est repetee dans la fig. II.8. On
S)B T
observe une convergence uniforme sur toute lintervalle
.
$

Pour comprendre labsence dun phenom`ene de Runge, considerons le polynome


de
(4.3) mais pour la division (4.9). Dans ce cas (voir (3.2) et (3.6))
:
*&<

 "!

o`u

 ! 

n=2

et

1 1

e 

 > (:
*&<

e 

 "I-6Z
5
'

:>
<

:>

 >

(4.10)

1 1

n=6

n = 10

n = 14

1 1

n = 18

F IG . II.8: Interpolation de la fonction >a

1 1

44N24H

en utilisant des points de Chebyshev.

34

Interpolation et Approximation

# $! % "!

e 

e>

 e>  wn) donne


lequation 
La relation
?
?
ks
)p

)p

ees a` la
pour  , dont les solutions sont 
,
. Elev
puissance, la plus grande de ces grandeurs va finir par dominer lautre. Ainsi,
. 

B(:
K

d


]
:

uZ

g-

)6 N)

)<

-wu

".-/

)p n

-`eme

(4.11)

S){! ZT

(voir fig.
II.9).
Les lignes de niveau de la fonction limite deviennent
parall`eles a` lintervalle
S)B! T


Ainsi, un pole se trouvant en dehors de lintervalle


ne peut empecher le polynome 
de
converger sur tout lintervalle (voir fig. II.8).
bW`

.5

a]


.5

{:

.0

.0
0

.5



bW`

F IG . II.9: Lignes de niveau pour les fonctions

a

.5

et  ; points de Chebyshev.

Remarque. La convergence (uniforme) de la suite de %Fpolyn


omes dinterpolation avec les points


de
Chebyshev peut e tre demontre pour toute fonction
qui est continument differentiable sur
S)B! T
. La demonstration utilise le theor`eme de Stone-Weierstra (voir par exemple le chapitre II
du livre de Werner & Schaback3 pour plus de details).

II.5

Influence des erreurs darrondi sur linterpolation

Representation en virgule flottante. Chaque nombre reel

1



peut secrire sous la forme

.6CsE
C

 AkC7

(5.1)

et lexposant est un nombre entier. Cette representation


o`u  , la mantisse, satisfait
de est unique. Supposons maintenant quon ait seulement un nombreC fini de chiffres (disons
&)
C
a` disposition pour la mantisse, et pas de restriction pour lexposant. Si denote larrondi de , on
va calculer en fait avec le nombre

*1
CnEZ
arr

1| 

au lieu de . Par exemple, le nombre


arr
si lon calcule avec &

&~

'& W|

chiffres en base



arr


(5.2)

')(+*

le plus petit nombre positif tel que

F-

')(+*

*Pk!

avec & chiffres dans la mantisse


on a

arr
arr

est represente par

O <:_E

Precision de lordinateur. On denote par

Pour un calcul en base

O: < O |N !

(  N  ^

N  :EZ

(  N  ^

O N  :EZ

,
,

'3

'&  N  ]

E

Pk

H. Werner & R. Schaback (1979), Praktische Mathematik II. Springer-Verlag, 2. Auflage. [MA 65/23]

Interpolation et Approximation

35

Dans cette situation, on a alors

')(+*

,
e

1OE

(5.3)

<

Si lon fait le meme calcul en base (comme tous les ordinateurs le font) on obtient

')(+*

&<

')(+*
')(+*
')(+*

1<

(5.4)

Par exemple, sur une SUN workstation on a


REAL -

REAL -

~ 

REAL -

Theor`eme 5.1 Pour un





1<
1<

e:?
e

&O W

zx

3R 'E

e>
x

D6C_E

e>
et arr
D
emonstration. e , Soit
C)tC:&OEZ
. Il en resulte

car

C 3!}>

/.

6  |gE


)8L

arr

')(+*

L

xz 

(5.5)

c.-`a-d., lerreur relative due a` larrondissement est bornee par

arr

e>

on a

E


)8L


N

C_EZ

Cs)tC!E

CEZ


L

')(+*

. Si lon arrondit a` & chiffres significatifs, on a



,
e

OE

e>
e

1OEV

e>

,


')(+*

Lestimation (5.5) peut aussi e tre e crite sous la forme

21


*hKF-

arr

31

')(+*

o`u

(5.6)

Cette formule est la base pour toute e tude derreurs darrondi.


 

Influence des erreurs dans sur le polynome dinterpolation. Supposons que les donnees
soient erronees et quon calcule en fait avec

41

 $h 5'-

R

51

')(+*

[

o`u

Pour e tudier la difference entre le polynome qui passe par


utilise la formule du lemme suivant.

R 


'


76

 :


 

&

5

o`u

&

 
*

(5.7)

et celui qui passe par

Lemme
5.2 (formule de Lagrange) Le polynome dinterpolation 
1  !   "
est donne par



6 68

Y :
Y 



 

qui passe par

R  q

 q

, on

pour

7)8Y

>)8Y

(5.8)


Demonstration. Le polynome &  \
satisfait
et &
si
les deux
&
 . Ainsi,
t\
  !   Z"


76:    

cotes de la formule (5.8) valent"


pour
(
). Comme 
et
&
sont des polynomes de degre , cette formule est une consequence de lunicite du polynome
dinterpolation (voir le theor`eme 1.2).
5

5R
A

5\]


36

Interpolation et Approximation

&



&

!

&

?

&



&

&



&

!

&

&



R 

et

  (


*

Si

76

&

 

5



76 &
76 1 &


N

 


)


)


*

76 &


4

;:

E
\ :


5
5

d 

 :

')(+* ;6 =<=<=<




 :

76 &

 \V!E

 

et on obtient


4

(5.9)

 :

decrit lamplification de lerreur dans les donnees. Sa valeur maximale

>

?6 &

UWm

5


(5.10)

 :

G !

5 ! !

sappelle la constante de Lebesgue associee aux points


et a` lintervalle
constante peut e tre calculee numeriquement (voir \ les exercices 9 and 10).
\A6C-

Points e quidistants. Pour la division

>



 :

sont respectivement
et

est donne par (5.7), la difference satisfait

La fonction

;:

 :

&



&

F IG . II.11: Polynomes de Lagrange a` points de Chebyshev pour 9

Les polynomes passant par

 

?

&

F IG . II.10: Polynomes de Lagrange a` points e quidistants pour 9


1



>

?&|E y 

>

&|

>

a

3

\

Points de Chebyshev. Si lon choisit

>

;"

()tC

de lintervalle

>


e
?

",&< 

pour
pour
si

?\ >
 
? ::?

"

",3:

est grand.

<

SC [T

NE!"oE ;"

, on a

:>

, on a

SC [T

. Cette

Interpolation et Approximation

37

",1| 

"

"&O:

F IG . II.12: Influence des erreurs dans les @ sur linterpolation




A0

?.
e
B sur lintervalle
Experience numerique. Considerons la fonction
. Pour
,
O
}:< l|  sEZ
lerreur de linterpolation est borne epar
quelle que soit la division
choisie
6 W*

/O  E
e
(voir
le
th
e
or`
e
me
2.2).
Prenons
les
en
simple
pr
e
cision
(erreur
relative
)
'
+
(
*




) et faisons le calcul de 
en double precision. Dans la fig. II.12 nous voyons le polynome
dinterpolation obtenu
de
cette
mani`
ere (avec
des points e quidistants). Son erreur devient bien
"| <
E > 
visible a` partir de
, la valeur o`u ')(+*
depasse . Evidemment, linterpolation avec les
points de Chebyshev ne montrera pas ce phenom`ene.
%'
* WN

II.6

S  !O T

"

&< O

Transformee de Fourier discr`ete (DFT)

Dans le traitement de signaux, o`u on est confronte a` une immense quantite (plusieurs milliers ou
millions) de valeurs numeriques, la transformee de Fourier est un outil inevitable. De plus, les
donnees ont souvent une certaine periodicite ce qui rend la transformee plus efficace. Elle est, par
exemple, tr`es utilisee dans le traitement des sons (voir la fig. II.13) ainsi que pour la compression
dimages (voir le paragraphe II.7).
Transformee de Fourier (continue) ou serie de Fourier. Une serie trigonometrique (ou serie de
Fourier) est une serie de la forme
C4
%'
u

;6
-

<

C\F!

7-j\d

\ >

(6.1)

<

%F-8<

'&%'

En cas
de convergence, elle represente une fonction -periodique, c.-`a-d.
pour



e plus


e 
deviennent
simples
en passant
aux
complexes. Grace aux identites
tout
  1 s.- Les W*formules

! Dw# -C
W'D3) )D

5}]<

}:<

 , la s
,
et
erie precedente devient
simplement
 \

;6 EGF

%'
u

\ >e

H
\

(6.2)

La cle fondamentale permettant le calcul des series trigonometriques a e te decouverte par Euler
(1777, Opera vol 16, Pars
I, p. 333) et reside? dans la relation dorthogonalite
?


 , I
e 

 \

.

\ e

.

<

si
si

&

&

Cette propriete nous permet de


calculer
les coefficients F . Il suffit de multiplier (6.2) par

<
4
integrer terme par terme de a` . Tous les termes,
sauf un, disparaissent et on obtient
?
\

\n

<



%'

e  \

;

Pour une justification voir les cours Analyse II ou Mathematiques pour Informaticiens.

(6.3)

 ,
e 

et

(6.4)

38

Interpolation et Approximation

, nous
e crivons souvent
les coefficients
de
Pour marquer la dependance de
F pour
%'

%F


e K Rappelons que les coefficients
Fourier.

convergent
vers
z
e
ro
pour

,
et
on
a

J 5
si le prolongement < -periodique de %'
est  -fois continument differentiable.

%'

%F

Y

et posons
 Y O0h Y

N ML

1  !   Z

Transformee de Fourier <discr`ete (DFT).


Supposons
%'

maintenant que la fonction


-periodique
soit seule

ment connue pour les de la division e quidistante


<

UW

3
2:



 :?


 YZ

. Si necessaire,
on peut prolonger
a` une suite
N 1~ dans
pour tout entier L (
la petite figure).
Par analogie avec (6.2) on cherche a` exprimer cette suite par

;6

 Y7

e>

H QP
 \

[\

\ :

;6


SR

\5Y

[\

\ :

avec

WYX3Z \V[/[]"^
W Z
N

Cette fois, la relation dorthogonalite discr`ete (observer que

e>

U6

Y :

R , VR
e

Le>
\ Y


6

Y :

\4e

e

R O

&

<

h

3

-periodique en posant

R  $T)O


(6.5)

e
Y

)6

 Yl%'YZ

Le>

.


&

si

si

mod

&

mod

N
N

(6.6)

[\

Y
nous aide a` trouver les a` partirR dee , (6.5).
Par parfaite analogie
avec la preuve
ci-dessus pour (6.4),
1
)
N
on multiplie lequation (6.5) par
et on additionne de L
a` L
. Tous les termes, sauf
un, disparaissent et on obtient la transformee de Fourier discr`ete (DFT)

Le>
[\A

N 6

Y :

 Y_%'Y^

VO

_R

 Y

e \5Y


(6.7)

Ud/[\

Si
, nous
e crivons aussi [\
pour les coefficients de la transformee de Fourier
IOvj 
discr`ete. Comme
, la valeur de (6.7) peut e tre[interpr
etee
comme le resultat de la r`egle
\
%VO
du trap`
eze
appliqu
ee a` lintegrale
dans (6.4). Toutefois,
pas une approximation
\A
%'

[\]
N -periodique (ceci estnest

de FR O  pour tout %' , car


est
une
suite
une
cons
equence immediate

de
) alors que
converge
vers zero si
(voir le paragraphe II.9 pour une e tude
%'

)
%VOM

detaillee de lerreur
).

Compression des[\]donn
ees. Etant
donnee une suite -periodique
et sa
transformee de

 Y
. Lide[e\ est de supprimer dans la representation (6.5) pour | ` tous les termes
Fourier discr`ete
dont la valeur absolue de
est en-dessous dun certain seuil (par exemple,
du coefficient
maximal).
 Y[

< <:  

Exemple. Le premier dessin deZla


fig. II.13 montre la digitalisation dun son.
On a enregistr
e
<
< }:< <M
O
impulsions par seconde, dont
sont dessinees (ceci correspond a`
millisecondes). On observe bien
une
certaine
p
e
riodicit
e
des
donn
e
es.
:<
 YZ
[\]
N
Pour les
nombres [ \V on a calcule la transformee de Fourier discr`ete
. La
suite
de
leurs
valeurs
absolues
est
dessin
e
e
dans
la
deuxi`
e
me
image
de
la
fig.
II.13
pour


!!  !  
 
aOLe \e \2
[\
(comme les0
sont reels,
on a
, et il nest pas
necessaire de

}:<
 
}:<
[\V
   <
N
N
dessiner les valeurs pour
; pour
les
sont inferieurs a`
).

%F

La theorie de ce paragraphe est basee sur le fait que est


une
fonction
p
e
riodique.
Cepen <
N
dant, la periode du signal nest visiblement pas e gale a`
, mais elle est plutot proche de

Interpolation et Approximation

39

200

data

aaaa

100

0
101

100

200

300

400

500

600

700

800

900

1000

spectre pour 1024 points

100
101
50

101

100

150

spectre pour 997 points

100
101
50

101

100

150

seuil de compression : 10%

100
101
50

100

200

decodage

150

100

100

200

300

400

500

600

700

800

900

1000

F IG . II.13: Spectrogramme, compression et decodage du son a prononce par Martin

: 

Z <

%'

. Si lon calcule
valeurs de
sur une periode exacte (par interpolation lineaire)
ainsi que leur transformee de Fourier discr`ete, on obtient la troisi`
e< me
image de la fig. II.13. Cette
O
<    }: 3 Z
fois, on peut beaucoup mieux observer la frequence principale ( Hz) ainsi que
les harmoniques (multiples de la frequence principale). [\
dont la valeur absolue est inferieure a`
Maintenant nous supprimons tous les coefficients


% de la valeur maximale. Les


coefficients restant sont dessines dans le quatri`eme dessin de
|

la
fig.
II.13.
Pour
un
seuil
de
%
ils
resteraient
coefficients, et pour un seuil de % pas plus de
~ 


. Ainsi, la vraie information contenue
dans le signal Yne contient que
(respectivement
ou
~ 
: 
) nombres complexes au lieu des
valeurs reelles .
[\
Pour decoder le signal, nous utilisons la formule (6.5) avec les restant apr`es la compression.
Le resultat (decodage) est dessine en bas de la fig. II.13. On peut constater que le signal original
est tr`es bien reproduit.

La conclusion de cette experience est la suivante : au lieu de stocker les
valeurs du signal
original, il suffit de stocker quelques coefficients de la transformee de Fourier discr`ete sans perdre
de linformation visible.

40

Interpolation et Approximation

II.7

Transformee cosinus discr`ete (DCT) et JPEG

Lalgorithme du paragraphe precedent marche tr`es bien si les donnees ont une certaine periodicite.
Si elles ne sont pas periodiques (par exemple pour la compression dimages), on utilise souvent
une variante de la transformee de Fourier discr`ete. Cette variante a en plus lavantage deviter le
calcul avec des nombres complexes.
%F

une
fonction continue, definie sur
lintervalle
Transform
ee de Fourier en cosinus. Soit %'()g
S  
T

3%'

<
. On < la prolonge
en une fonction paire par
et en une fonction -periodique

'6%'

%'par
.
La
s
e
rie
de
Fourier
(6.1)
dune
telle
fonction
contient seulement les termes

en cosinus et secrit
C4
%'
{

;6
-

<

Sur lintervalle


&

S  

, les fonctions

iE 

D


<

!:

 

&
-

La demarche habituelle (multiplier (7.1) par


<
donne


&

%'
>

(7.1)

) verifient la relation dorthogonalite




si  & &
)


D
}:<



(7.2)

&
si

&

& .
si

et integrer terme par terme de a` ) nous

&

{-0!:

C\n

;

&

(pour

CG\!

\ >

;

(7.3)

%'(


Y

ab

dc

LN

 Y_p%'YZ

1  ! ! 




  ?

Transform
ee cosinus discr`ete (DCT). Comme
%'

N points au milieu
en
g
e
n
e
ral,
nous
consid
e
rons
les

des sous-intervalles, c.-`a-d. les points

3
2

 

)p

0
)

<

et nous posons
(
dans la petite figure). Par
analogie
avec (7.1), nous exprimons
!:
Y
cette suite par (voir la fig. II.14 pour les fonctions
base

)
OLe>de

5

 Y7

;6
-

<

Avec la relation dorthogonalite discr`ete (pour


e>

U6

[\F

&

YFE 

Y

<

6

Y :

&
-

&


Le>

Y :

YZ

(Y-0 

nous trouvons (multiplier lequation (7.4) par


transformee cosinus discr`ete (DCT)
Oe>

(7.4)

\ >

&

&

Y

)p

Y

N
N


}:<

et additionner de L

&


si
si
si

&


& N

J

a`

1



1

(7.5)
.

)l

) la

<

[\A

N U6

Y :

La valeur

[\

 Y!

Y

(7.6)

de (7.6) est le resultat de la r`egle du point milieu appliquee a` lintegrale dans (7.3).

F IG . II.14: Fonctions de base pour la transformee cosinus discr`ete (e

gf

Interpolation et Approximation

41

fihjf
F IG . II.15: Fonctions de base pour la transformee cosinus discr`ete en dimensions (

pixels)

Transform
ee cosinus discr`ete en dimension 2. Une image digitale est donnee par
un tableau
 Y^
Y

Ik
, o`u  parcourt les pixels verticalement
et L horizontalement. La valeur de k
represente le


niveau de gris (ou la couleur) du pixel  L . Motive par lalgorithme precedent, nous essayons
dexprimer ces donnees par
Oe> Oe>

Ykq<

-

}]<

k
N

;6 , 6 l ,

 K
Y 

\ :

:

N

&

Y

(7.7)

o`u
comme pour la transform
ee cosinus
discr`
ete. Pour
compenser
le facteur
 M
 4}
\ 
\  }]<



}:<
\

L

,
,
dans (7.4), nous utilisons la notation l
,
,
et
l
l
l \
l
l
l , l
La relation dorthogonalite (7.5) nous permet de calculer les l , par la formule

l ,
\

Les fonctions de base

*!:

N


&

Y

!}:<
\

,.

e> e>

76 U6 k
?

 :

&

Y :

 
Y 

&  ! 

N

)&

&

Y

) sont illustrees dans la fig. II.15.

(7.8)

42

Interpolation et Approximation

F IG . II.16: Une image toujours mieux reconstituee en zig-zag par JPEG


JPEG. Lutilisation de cette base dans la compression dimages est~Cdue
m~ a` Ahmed, Natarajan
5
et Rao (IEEE 1974) . On decompose limage enti`ere en blocs de
pixels et on calcule
\
pour chaque bloc la transformee cosinus discr`ete (7.8). Les coefficients l , sont alors quantifies
et ceux qui sont en-dessous dun seuil sont remplaces par zero. Pour des images contenant des
parties uniformes (par exemple : ciel bleu), seulement deux ou trois coefficients vont rester ce qui
donne un important facteur de compression.
La reconstruction de limage a` droite (un conglomerat entre Asterix, Mickey
Mouse et Donald Duck, dessine par Gerhard) est illustree dans la fig. II.16. Le
premier dessin (en haut a` gauche) correspond au premier terme de la somme
(7.7). En rajoutant un terme apr`es lautre, et en suivant un chemin astucieux en
zig-zag, la reconstruction est demontree.
5

Pour des explications plus detaillees et references voir JPEG still image data compression standard par W. B. Pennebaker et J. L. Mitchell, Van Nostrand Reinhold, New York, 1992.

Interpolation et Approximation

43

II.8

Transformee de Fourier rapide (FFT)


OU6
O\6
es, un calcul direct de la transformee de Fourier discr`ete
(voir (6.7))
Pour
N donn
multiplications et additions. Dans ce paragraphe, nous presentons
un
necessite
N algorithme
N
(un des Top 10 Algorithms du 20`eme si`ecle) qui fait le meme travail en
operations.
e>
 Y[ Y :

Le>
[\: \ :

Cet algorithme est du a` Cooley &


Tukey (1965); il est base sur des idees de Runge (1925).
!} N
Nous supprimons le facteur
dans (6.7) et nous utilisons la notation

Le>

n O

ui&

Lemme 8.1 Soient 

3

o`u

 
4

#   

Alors, pour

 O

,r

e>

3

 

)6





;? j

Demonstration. En utilisant
pour un arbitraire

sO
U6

? e>

e>

 

e \5Y

RpO  "TqO

O

"T sO 
 tR sO
 uR sO

O
r

Le>

$T)r O

e>


(8.2)

n O r
n O

e \

\)

(8.1)

e \

\L-

et definissons

Le>

h

   

 ?

? u
R\4 h3

r r

5 ! !

? {
\s3

oR O

 Y

Y :

 r  r
R sO 
, on a (
n sO
n O
O
n sO
n O
R sO vRwO
ik

1  !  !

6

[\n

R\

(8.3)

\G

, une separation des indices paires et impaires nous donne

Le>

n O  AR sO n O r
, R sO ,
6,
6,
r , R sO VR O ,
R sO O
La deuxi`eme formule de (8.3) resulte de
et de
.
N multiplications et N additions) le vecteur
La
formule
(8.3)
nous
permet
de
calculer
(avec
n sO a` partir de n O  et n O r . La meme procedure peut e tre appliquee recursivement aux suites 
N
et r si elles ont une longueur paire. Si lon suppose que
, on obtient lalgorithme presente
N
dans le schema suivant (pour
)
yz n O+T
n O+T
n OxT
n OxT
yz n OxT
+
O
T
n
.
.
n OxT .
.
n O
(8.4)
yz n OxT
n O+T
n OxT
n OxT

.
yz n OxT
n O+T
n OxT
n sO

? {
\n

Y :

_R sO

e YR\

 Y

, R sO ,
 , R O ,
R OO
e:?

:?

:

:?

>

:

w

e \

w

>\

\K-

e \

R\]

&){

<

? {

<

~< x

 

 

:

>








'h>

 h

h

 ?h:?

 ?

 g0 

 ?

:?


h

h

h

 Y^

La programmation de cet algorithme se fait de droit a` gauche. Dabord, on met les


dans
lordre exige par lalgorithme (8.4). Apr`es, on effectue les operations de (8.3) comme indique
dans le schema (8.4). Pour une explication detaillee de la programmation voir le livre Numerical
Recipies.6
6

W.H. Press, B.R. Flannery, S.A. Teukolsky & W.T. Vetterling (1989): Numerical Recipies. The Art of Scientific
Computing (FORTRAN Version). Cambridge University Press.

44

Interpolation et Approximation
TAB . II.2: Comparaison de nombres doperations

N
< z
a
<

| <

N N

3 x

3 x

?
<

3

3
3Z

quotient

l y

a?

&<E

3 

&OE y

}:<

Pour passer dune colonne a` une autre (dans le schema (8.4)) on a  besoin
de
multipli
? N
N additions (ou soustractions). Comme
cations complexes et de
passages sont
necessaires, on a le resultat suivant.
Theor`eme 8.2 Pour
N ? N
complexes et

n O

w<

u

, le calcul de
additions complexes.

peut e tre effectue en

c N

multiplications

Pour mieux illustrer limportance de cet algorithme,


Ou nous comparons dans le tableau II.2 le
n
nombre doperations necessaires pour le calcul de
avec ou sans FFT.
 Y

e \
Linverse
de la transformee de Fourier discr`ete. Pour le decodage il faut calculer les a` partir
[\
R
?sO
des a` laide R de\ la formule (6.5). Pour en obtenir un algorithme rapide, il suffit de remplacer
?sO
dans (8.3) par
.

 4> ! ! e>

Transform
ee cosinus rapide. Pour les donnees reelles
, nous considerons le
ik 4>   !! Oe>#IOe>   # 


e
U
\

T
?
vecteur
illustr
e
dans
le
petit
dessin
avant
la formule (7.4).

[\
?sO

\
n
? R ?sO
La relation
pour la transformee cosinus discr`ete (7.6) nous permet de trouver
un algorithme rapide (meme deux fois plus rapide que la FFT).7
Transformee cosinus rapide
en dimension
2. Pour le calcul de (7.8) il faut e valuer la somme
  !  ! N
)!
N -
 . Ceci correspond a
, et ensuite encore la somme sur-6
`
sur L pour chaque K

N

? N
N
transform
e
es
cosinus
discr`
e
tes.
Le
travail
est
alors
proportionnel
a
`
a` la place de
N y pour un calcul direct. En plus, les N premi`eres DCT peuvent e tre calculees en parall`
ele.

II.9

Interpolation trigonometrique

Pour la division e quidistante

YK

S  !<

b


 4#  ! ! e>

1  ! ! 

de lintervalle
et pour
es, on cherche
un polyno1
me
trigonome)p
trique
  \ donn
YZ Y[

  ! !  N

(une combinaison lineaire finie de fonctions


) passant par
pour L
.

IO

   !  !#

e>

Th
eor`eme 9.1 (polynome dinterpolation trigonometrique) Pour
donnes, soit
[\:
N
sa
transform
e
e
de
Fourier
discr`
e
te
(6.7).
Si
est
pair,
le
polyn
o
me
trigonom
e
trique

O+T

M
*


satisfait

MYZ
* Y


;6 O+T
\ >e

pour

 \

[\

 QP
DeO monstration. La suite
\6
 QP . Comme  QP vR O
 \

[\

 \

 \

\5Y

OxT d "O T

e
<

&     Z

[\

Le>
\ :

Ud

N
est

)p

e 

aO+T H $O T

-j

?
-

{ {5| O+T

 \

[\
?

(9.1)

O+T
;6 O+T H QP
?

Y^
7

-periodique en . Ainsi, 
, une comparaison avec (6.5) montre que 

\ >e

MYZ
*h Y

[\

 \

Van Loan, Computational Frameworks for the Fast Fourier Transform. SIAM, Philadelphia, 1992. [MA 65/326]

Interpolation et Approximation

45

 \

[\]

e \A

satisfont
a` !
Remarque. Si les sont reels, les
d

reelle, c.-`a-d. une combinaison reelle de

et

4\


et le polynome 

;6 E F

\ >e

 \



est une fonction

 YL6%FY[

Erreur de linterpolation trigonometrique. Supposons maintenant que


%'
'

%'

\n

o`u

(9.2)

%F
$)



,
est une
serie de Fourier qui converge absolument pour tout . Pour e tudier lerreur



o`u  [\ est


le
polyn
o
me
dinterpolation
trigonom
e
trique
du
th
e
or`
e
me
9.1,
il
faut
savoir
comment
%QO

les
de la transformee de Fourier discr`ete approximent les coefficients de Fourier

\n
%'

F
Lemme 9.2 Si la serie (9.2) est absolument convergente, alors

QO

)

%'

N

%F

, 86

QO

% M

e>

*

N U6

Y :

U QP R O

6 E

 

%'"

 >e

(9.3)

 YK6%'YZ

Demonstration. La transformee de Fourier discr`ete avec

&N

:

e \ Y

e>

6 E


R O

N U6

%F"F

 >e

Y :

de (9.2) est donnee par

:e \4Y

,6 E


%'

>e

&N

La derni`ere e galite est une consequence de la relation dorthogonalite (6.6).


%'

On sait que, si la fonction


est globalement
lisse, les coefficients de Fourier convergent
%QOM

%'

rapidement
vers
z
e
ro.
Pour
une
telle
fonction,
est
une
bonne
approximation
de
pour

:
N }:< , mais elle est mauvaise pour :P N }:< .

%'

Theor`eme 9.3 Soit


donnee par YK
(9.2)
avec une serie absolument
convergente. Alors, le
6%'YZ

polynome trigonometrique (9.1) pour


satisfait pour tout
%'
)

M
 &<


{ {=} O+T
\

%F



(9.4)

Demonstration. On soustrait (9.1) de (9.2) :


%'
)

OxT


*


;6 OxT
\ >e

%'

VO

)

U

 \

{ {=} O+T
\



 \

Lassertion est donc une consequence de (9.3) et de linegalite de triangle.


<

Ce theor`eme permet une interpr%F


etation
interessante.
Considerons une fonction -periodique

*6

P
~

~ ). Alors, le polynome trigonometrique


deOfr
e
quence
maximale
(c.-`
a
-d.,
pour


O
N1%'



donne le resultat exact (
pour tout ) si

<

~


(9.5)

Ce resultat le theor`eme dechantillonnage nous donne une formule pour le nombre dechantillons
necessaires pour une representation exacte dune telle fonction.

46

Interpolation et Approximation

1< O

k< ~

10

20

30

40

N


10

20

30

40

10

20

30

40

F IG . II.17: Interpolation trigonometrique


Reprenons lexemple de la fig. II.13. Dans le deuxi`eme dessin
de  cette figure on voit que les

frequences dominantes du son sont:situ


ees dans lintervalle
. Comme la  longueur de
< }:< <:  

secondes,
la valeur maximale ~
correspond
lintervalle
dans la fig.
II.13
est de
< < :  }>:<

|: 

< ~
N

a`
Hz. Alors,
e chantillons sont suffisants pour representer
O

correctement
leZ< signal.
Dans la fig. II.17 sont dessines les polynomes trigonometriques 

~
< O
N

(pour
,
et
) passant par
 Y

&

pour

mod

:<

 Y

w< ~

o`u sont les donnees de la fig. II.13. On voit que la representation est bonne a` partir de
.
~
e
`
me
Il suffit alors dutiliser chaque
e chantillon (une autre possibilite de compression des donnees).

II.10 Interpolation par fonctions spline


Le mot spline (anglais) signifie languette e lastique. On sinteresse a` la courbe
decrite par
R 


pour 
une languette forcee de passer par un nombre fini de points donnes (disons par

10

5
0



5
F IG . II.18: Spline cubique (`a comparer avec fig. II.1)

10

Interpolation et Approximation

47

F IG . II.19: Un dessin en zig-zag (`a gauche) et en splines (`a droite)


     Z"

). La fig. II.18 montre le spline passant par les memes donnees que pour la fig. II.1 (pour
pouvoir le comparer avec le polynome dinterpolation).
La theorie des splines a e te developp
ee dans les annees 1950 par I.J. Schoenberg pour servir
  
au calcul scientifique (approximations, ) ; de nos jours elle est constamment appliquee pour la
representantion de courbes et surfaces en Computer Graphics (voir la fig. II.19).
 (

Formulation mathematique
du probl`
eme
: pour
des points
avec des
USC!^T

Ch
L0

cherche une fonction
(o`u
,
) satisfaisant a`
(S1)
(S2)
(S3)

(
N 

ordonnes, on

&  !!  Z"

pour 
;
<
est ?fois continument differentiable (c.-`a-d. de classe







.

) ;

Lintegrale dans (S3) represente lenergie de la languette deformee qui, par le principe de Maupertius, est supposee minimale.
Theor`eme 10.1 Soit
une division
donnee et soit 
|
fonction verifiant (S1), (S2)
et qui est un polynome de degre sur chaque sous-intervalle
%iU;SC [T
Pour toute fonction
verifiant (S1), (S2) et
CM0hN1  Vh1

(^

on a alors que

([
)




[

U;SC [T




(C

(%

C
)



C

(10.1)

;

(10.2)

?
D
emonstration. Chaque fonction verifiant (S1)
et (S2) peut e tre e crite sous la forme
 
9-41U;
o`u 1 et ;
est de classe satisfaisant a`

;R
*

  ! ! #"'

pour



.

41U


-






I1

{-0<





41

B-

%F
o

(10.3)

La condition (10.2) devient alors

une
.

S e>5#RT




;

48

Interpolation et Approximation

Si lon fixe

;

, cette condition est satisfaite pour tout (positive et negative) si et seulement si





D1

(10.4)

ce qui est e quivalent a` (apr`es une integration par parties)









.&

(10.5)

Lhypoth`ese (10.1)
implique que la 
premi`
ere expression de (10.5) est nulle. Comme
e> R


constant sur
, disons e gal  a` , la deuxi`eme expression
de (10.5) devient






?6



\
\

 >

f b



.

76



est

 ;
)

 :

;e>

N

par (10.3). Ainsi, (10.4) et par consequent (10.2) aussi sont verifies.
? eor`
Le th
eme precedent montre que les candidats
a` la solution de (S1-S3) sont des fonctions de
|
classe qui sont des polynomes de degre par morceaux.
C7&1sk  91I3

SC!^T

Definition 10.2
(spline cubique) Soit
une division de
. Une
ULSC!^T
<

fonction
sappelle spline (cubique) si elle est fois
continument differentiable et
S e>5RT
|
si, sur chaque intervalle
, elle est un polynome de degre .
Pour satisfaire la condition (10.1), on a plusieurs possibilites:
spline naturel: on suppose que


et
spline scelle: on suppose donnees les pentes aux extremites

C
*1

C
*

[
*& 

spline periodique: on suppose que

(C
N

et

[

et

[
*

(10.6)



(10.7)

C
*

([
5

(10.8)
%F

Evidemment, pour le spline scelle, la condition


(10.1) est seulement satisfaite si la fonction


verifie aussi la condition (10.7). Alors, 


minimise lintegrale de (S3) seulement dans la classe
de fonctions dont les pentes sont fixees aux extremites. Pour le spline periodique, la situation est
analogue.
R
'0 
&     Z"
Le but suivant est de deriver une construction du spline verifiant 
pour 
et une des conditions (10.6)-(10.8).
Interpolation
dHermite. Considerons un seul sousS e>5T
5

et cherchons un polynome 
intervalle|
de degre verifiant

5e>
'0 e>
 e>
'

e> 


e>


 




 e>

5
*h R
e>
 
'



 

(10.9)

R


La solution peut
e tre obtenue par la formule
de
Newton en remplac
ant les deux derni`eres conditions
5e>-t1
*0 e>-t1
e>
[])A1
*0 ])t1

1N 


de (10.9) par

et

, et en considerant la limite
.
Les
diff
e
rences
divis
e
es
correspondantes
aux
donn
e
es
(10.9)
sont
pr
e
sent
e
es
dans
le
tableau
II.3
e>'UW0),e>
(
). En utilisant les valeurs encadrees pour la formule de Newton, on obtient

5
*0 e>$-67)8e>

X FS (e> T

(10.10)

B)8e>
47)8(

>)
e>

X FS (e> TW
47)8e>
9-6

e>9)


X FS e>TW
4i),

Interpolation et Approximation

49

TAB . II.3: Differences divisees pour linterpolation dHermite


e>

 e>
e>
 e>

e>

e>
e>

 

e 
>
e>

>)

e:?
e>

V-

e>9)j<

X 'S R#e>TW

X 'S R#e>TW




e>#

X FS e>T


X 'S Re>T )

 

 

Construction
du spline interpolant. Pour chaque choix de pentes 
 USC [T , definie par  
N  [
pour  S e>5(T , satisfait a`

  ! !

, la fonction

a) 
pour  
;



&  !  !"
R
*



est de classe et
pour 
;
b)


S e>5T
|

,
est un polynome de degre .
c) sur chaque intervalle

*0 

&  !   Z"



Pour construire
le spline interpolant, il reste a` determiner les pentes 



que
soit continue, c.-`a-d.,

 (
N

 > (
5

   !!


de mani`ere a` ce

w!   "o)6!

(10.11)

et quune des conditions (10.6)-(10.8) soit satisfaite. En derivant (10.10) deux fois, on obtient




<

 R
*

q<

>E <E

e>

e>


X FS (e>TW


V-h<

e>

e>9)j|



>

X 'S #e> Td


w!  !!"o)6

La condition (10.11) devient alors (pour 




e>)j|


<

 e>
*&)

e>

V-

e>

X FS Re> T

1|


X 'S > (T

e>

")/

(10.12)



"o-/



    Z

Ceci donne
e quations lineaires pour les
inconnues  
. Les deux derni`eres

conditions
sont
donn
e
es
par
le
type
du
spline.
Par
exemple,
pour
le
spline
scell
e, les valeurs de 

et  sont explicitement donnees et le syst`eme lineaire ainsi obtenu secrit matriciellement
<

<

b

b

b


d
<

d
-

..




..
..


c f
^

avec dec F donnes par (10.12). La matrice




Theor`eme 10.3 Soit

F


En particulier,

<

o`u

est inversible (poser

&


c f
Z

..
.
 e>


cZf b

F
F

..
.
 e>

(10.13)

est symetrique et tridiagonale.

avec des F satisfaisant


5:

x



c f
Z

?


).

[:0

B

pour tout  . Alors,

76 =<=<=<
 :

 e>



(10.14)

50

Interpolation et Approximation

F


D
emonstration.
Soit  une solution de 

,
0l  Y: pour tout . La ligne & du syst`eme

L

et, en prenant sa valeur absolue,




car

, 4 , 0
-

e>

e>

, I ,
, 2 ,

e>

!E <E

) , \ ,

6<gE d;

,
-

E <E

et choisissons lindice
F donne


6)

e>

e>

f b

)


e>

l


e>

>

de mani`ere a` ce que

F,
-

!E

# , V ,

'
2

&

[


f b

e>

<

-,

, on en deduit

<

Conclusion. Le spline scelle existe toujours et il est unique. La meme demonstration sapplique
aussi au spline naturel et au spline periodique.


La re< solution du syst`eme lineaire (10.13) se fait? par e limination.
On
e

limine
la
variable
dans
|
<
la ligne a` laide de la ligne , puis la variable  dans la ligne a` laide de la ligne , etc. On
obtient alors un syst`eme bidiagonal qui est facile a` resoudre.

II.11 Lerreur du spline


%8ULSC [TF

et une division
Soient une fonction diff
erentiable


Considerons le spline 
satisfaisant (spline scelle)

R
'6%'


&  !   Z"


4
'6%

Co6&n3  ;&l

4



'6%

(8.1a)
(8.1b)


5

6%



1%




Ce spline est donne par (10.10)
o`u lescoefficients
satisfont (10.12), 
et 
.
%'
)



SC [T

Le but est detudier lerreur
pour S  e>5(T .
Lidee importante
est de considerer (sur
) e galement le polynome dinterpolation
[

dHermite r
, defini par
r

[e>
*&%Fe>

r

 R
'&%'(
5

e>
*&%
r 
Y

Il est aussi donne par (10.10) si lon remplace 


termes dans la formule
%F
)

5
Nw%'
)

Theor`eme 11.1 Soit


de classe


polation dHermite). Alors, pour
%F

%'
9)
r

par

e>


Y^

 

-&
r

R
*1%
r 

 
;)

5

[

[

ye>
E


%
f b
G

\ \

|:~

(11.1)

. On va estimer separement les deux

et r
le polynome de degre
S e>5RT
, on a
 


R
5

(11.2)

satisfaisant (11.1) (inter-

4

(11.3)

Demonstration. Si lon calcule le polynome dinterpolation de degre passant par


e> %'e>



41

e>-

41

5 %'e>-

41

)

41

5 %')



[

 %'(

[

avec la formule de Newton, on obtient pour


exactement le polynome r
(voir le tableau II.3 des differences divisees). Lerreur de ce polynome peut e tre majoree par (voir le para-

Interpolation et Approximation

51

graphe II.2)

Wi)e>
4i),e>)

Donc, pour

41


i)-

%$ y


4i),
!E




,
%'
)

 
 37)8e>

7),R

?
E


f b
G

\ \

)7e>5

)7

Comme la fonction
on obtient lestimation (11.3).

4

poss`ede son maximum au milieu de lintervalle

S e>5#RT

Pour estimer la deuxi`eme expression


de (11.2), nous soustrayons la formule (10.10) pour 
[

de la formule analogue pour r


et nous obtenons
r

 
)

 

7)8e>
4i)8

[
*

%

(
)

R
4A)Be>
-@(%

Il nous faut encore une estimation de


;)

SC [T

R
)

Si la division est e quidistante et si

^:

SC [T
z

R
)

o

EF

<


e>9-

^:

V

y
EF

>


%

e>
9


9)






Comme la fonction
lestimation

x


[:

. Si les 

)0|

')8^
x

z
%


4

(11.6)

sont definis par (voir (10.12))


1 

(11.7)

%'>
)t%'e>

%'

>- 
9-0%

E:<

par

U

et


f b

\ \$

]



>)8 >

S  T

(11.8)

!

ne change pas de signe sur

')8^
y

)j|

(11.5)

%F>
)t%Fe>



')8^
y

^
x }:| )v| *)@^
y }

F>)

G

>

|:

K)

(11.4)

, nous calculons le defaut quon obtient en remplacant 


-j%

F)8^
x

o`u


4

En utilisant la formule de Taylor (voir le cours dAnalyse I) pour






G

Demonstration. Voici les idees pour lecas e quidistant. Les 




I


, alors

Pour
estimer la difference
% R

dans (11.7) :

e>
A)B

Lemme 11.2 Soit 6% declasse


et notons
sur
!

&% 

satisfont (10.12), 
et 
,
%'

e>
)

e>

, on obtient

Z

, ceci nous donne


4G

w!}:| 

 !  ! :e>

5

[[:

ce quil fallait demontrer.

)

\

      [ e>#

Notons
et

entre (11.8) et (11.7), on obtient

<

o`u


Y

[F%

R
;)


o`u
. En prenant la difference
est la matrice de (10.13). Le theor`eme 10.3 implique

YG

EF
] !




52

Interpolation et Approximation

de classe ,
Theor`eme 11.3 (erreur du spline scell
e) Soit
 
le spline qui passe par  %F

pour    ! ! #" et
une division
arbitraire
et
90>), B1VI
4
'6% 4


*1% 

qui satisfait 
et 
. Alors, avec
et
on a
%oUSC [T

CjAhL6! 

D


:




E;uZ

SC [T

E

| ~

E
|:~

Si de plus la division est e quidistante et si


%'
)

%'
)



E

< 

(11.9)

G !

4Z-

] !

4

(11.10)

] !


S e>5(T

Demonstration. Considerons de nouveau le cas e quidistant. Pour


, nous estimons
separement les deux termes dans (11.2). Lestimation du premier terme resulte de (11.3). Pour le
deuxi`eme terme, nous utilisons (11.4) et (11.6). Ceci donne

5
)

B)8e>
4>)8

5
4

E
e>

e>;E

E;

] !

4]

z
E 

E;



Exemple. Considerons encore une fois (voir les fig. II.5 et II.6) la fonction
%'
*
'-h< O!

S)B T

sur

(11.11)
.

)BA-w<

}"

et
calculons le spline interpolant (scelle) pour la division e quidistante 

, 

     Z"

 pour "& | , "& ,


.
Dans
la
fig.
II.20,
les
dessins
du
haut
montrent
le
spline
"pJ<:
"p~
%'

dessin
et
. La fonction y E%9est
ee en
pointilles. Les dessins du bas montrent
y

}:| ~
< }"

les erreurs. Cette fois,


la fonction
) est inclue en pointilles (on a choisi

y E%9 y q
5(}:|:~
lechelle
soit toujours au meme endroit). Pour des
sur laxe de mani`ere a` ce que
petits , quand le deuxi`eme terme de (11.10) est negligeable, on peut tr`es bien observer la validite
de lestimation (11.10).
1

.5

"1|

.5

.5

"1|

.05

erreur
.5

.5

.5
.10

.5

"1

.5

"1

",1< 

.5

.5

",1< 

.001

erreur
.5

.5
",1~

.00001

erreur
.5

",1~

.5

F IG . II.20: Spline interpolant (scelle) pour la fonction (11.11)

erreur
.5

.5

Interpolation et Approximation

53

II.12 Exercices
1. Calculer le polynome dinterpolation passant par les points

:;a:

en utilisant la formule de Newton.

H [

@ aaa

@ aaaS
pour toute permutation de ;:; ;aaa\9 .


2. Demontrer que la difference divisee




Z

est une fonction symetrique; c.-`a-d.




;a ;

@ aaaS



R

3. Nous savons que lerreur pour linterpolation lineaire de aux points

>a
?

si


R

, et trouver

. Determiner

:? la fonction
 Ga et

4. On veut tabuler la fonction @

]a
:?

e>

>a

>
R
e


\

\ > >

(a)

Determiner


e>

G


a

(12.1)

aaaQ
?

e>
a

satisfait

>a

dans (12.1), a` quelle formule de quadrature

sur lintervalle
;

tel que la droite

:.

(b) Effectuez le changement de variables


se ram`ene ton ?
9
x

pour tout wg: ?

>a

lorsquon fait passer un polynome

.
est exacte pour tout polynome >a de degre
Indication. Verifier (12.1) pour les polyn
omes
de Chebyshev

6. Considerer la fonction >a

Ga


 \6

explicitement
dans le cas o`u
.
D

(a) Montrer que la formule de quadrature




est

peut-on prendre pour que cette erreur soit @;:

(b) Quel




aux points e quidistants

! *

Ga

(a) Majorer lerreure>


dinterpolation
dans lintervalle


>
:?
de degr
e 3 par R R R .
5.

\

(b) Pour quels , la droite trouvee peut e tre interpretee comme un polynome dinterpolation pour
?
>a
(c) Y-a-til une relation
avec les points de Chebyshev?
Si oui, expliquer laquelle.

I

7. Pour
ome
 una  polyn
par :




aa


7
:e>

>

Notons a
 M  t2aaa   a . et que a
a) Montrer que a

b) Generaliser lalgorithme de Horner pour calculer




, lalgorithme de Horner permet de calculer

9
9


;aaaQ ;a:;


et

.


en meme temps.

54

Interpolation et Approximation
8. Sur lintervalle

, on consid`ere la fonction


?

>a

Faire une representation graphique de >a et calculer


w ses poles. Utiliserla figure II.7 pour determiner

approximativement lintervalle maximal

;[ o`u la suite des polynomes dinterpolations




'2 9 ) converge (quand 9


(pour les divisions e quidistantes
).

9. Pour une division

a) Dessiner

aa




76

/9


a

 :

, e tudier la fonction

9


Y 

en consid
pour 9
erant la division
Y5e>
Y
b) Montrer que, sur lintervalle
R , on a lidentite


76 

c) Montrer
 que la fonction
.

Y5e>

f b

avec

(12.2)

Y5e >

si pD

si
.

e Y

(12.3)

de (12.2) ne poss`ede quun seul maximum local sur chaque intervalle

 :

;a:; ; .

 QP QP

U86

Indication. Etudier les extrema du polynome (12.3).


10. Calculer les constantes de Lebesgue




 ?6
e>

G

 :

a) pour la division e quidistante


N2

; 9 , 
\

!
; 2 
b) pour les points de Chebyshev
?6:
Pour calculer le maximum de la fonction >a
Fibonacci.
\

; ;a;aaa
[

 9 

4 B 2

a

sur

Y5e>

s
Y

11. Calculer a` la main la transformee de Fourier


discr`
ete de la suite ;:;[;[;a;a:;

; ; ; .
a 76 a` poids
et une formule de quadrature
_ _

aa
(sans tenir compte des

12. Pour une fonction continue


positifs, estimer la difference

utiliser la recherche de

 >

_ la division
est le resultat pour

o`u

en tenant compte des erreurs darrondi dans l


erreurs darrondi), et
est le resultat
obtenu
evaluation
Y

Y
de >a , c.-`a-d. en remplacant >a
par

 Y

>a

 Y

 
D

 Y

Justifier la condition (6.1) du paragraphe


I.6.

13.

(a) Calculer les coefficients > 

  

pour

:

pour
O;6
Calculer la transformee de Fourier discr`ete pour @
o`u @d
avec , la fonction de lexercice precedent.
f
Verifier le resultat obtenu
dans
lexercice
11
pour
.
e

O 
Estimer la difference 
 .

de la serie de Fourier pour la fonction




>a

-periodique

(b)

(c)
(d)

\ :

>

ae

:;aaaQae

Interpolation et Approximation

55

14. Pour deux suites e -periodiques @ et  , on definit la convolution @ par

e>

/@

U6 @


Y

\ e Y

Y :

Montrer que @ est e galement e -periodique et que

O /@

O @ O 

(12.4)

o`u la multiplication dans (12.4) est effectuee e lement par e lement.


15. Demontrer legalite de Parseval (1806) pour la transformee de Fourier discr`ete.

 
e ;6 

e>

 
;6 @

e>
?

\ :

\ :

,
,
Soit e un nombre pair et
le polynome trigonometrique qui passe par
@ pour
:; ;aaaQae
(voir la formule (9.1)). Montrer que
O
O
O
,
(12.5)
6, @ ,

o`u

Me
O

(12.6)
e
O
 des erreurs dans les @ , sur le polyn
  ome
La fonction
de (12.6) permet detudier
O linfluence

trigonometrique interpolant. Montrer que


est -periodique et que pour tout jA


e
O

e
e

Calculer la main le spline naturel (


: ) qui passe par les points
;a:
;a:
;a: :; ;a: ;a: ;a:
Dessiner les graphes (si possible avant les calculs!) de
,
,
,
.
Indication. Pour des donnees symetriques par rapport
: , le spline naturel est une fonction paire.
Avec cette observation, on peut reduire la dimension du syst`eme des .

Pour la fonction
:
si
si : ,
:

16.

Le>

:

 a

A4

a4

! a4

 a

A4

A4

18.

17.

19.

>a

calculer les differences

>a

et

>a
?

>a

et

na

y
>a

o`u a
, etc.
a

Montrer que na est une fonction spline (appelee B-spline) a` support compact, c.-`a-d. quelle

est nulle en dehors dun intervalle


borne.
na .
Calculer les valeurs de na pour entier et dessiner

a 2

20. (Spline periodique). Soient donnes a @ pour


:;[;aaaV9 avec @


lunicite dun spline qui passe par tous les a @ et qui satisfait

. Montrer lexistence et

56
21.

Interpolation et Approximation

(Formule
Soit 
j , (avec
une fonction differentiable et
de Newton-Gregory).
9 ) une division e quidistante de . Montrer
que lintegration du spline, defini par

, donne la formule de quadrature

pour
:; ;aa9 ,
et
suivante:

G
aa

>a

>a

>a

2>a

 e>

]>a

>a

Pourquoi cette formule est-elle exacte pour tout polynome de degre 3?