Interpolation polynomiale

(notes de cours)

Jean-Paul Chehab
Universite de Picardie Jules Vernes
LAMFA CNRS 6140

version du 6 mai 2009

Contents
1 Introduction 2
1.1 Une motivation pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Approximation polynomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2 Interpolation polynomiale - position du probl` eme et premiers r

esultats 3
2.1 Representer et evaluer un polynome en un point . . . . . . . . . . . . . . . . . . . . . 3
2.2 Position du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3 Bases de Lagrange et de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

3 Les diff
erences divis ees 8
3.1 Proprietes des differences divisees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2 Differences divisees et polynome dinterpolation . . . . . . . . . . . . . . . . . . . . . . 10
3.3 Calcul effectif du polyn ome dinterpolation . . . . . . . . . . . . . . . . . . . . . . . . 11

4 Etude de lerreur dinterpolation 12

4.1 Une expression de lerreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4.2 Choix optimal des points dinterpolation - polynomes de Tchebytcheff . . . . . . . . . 14
4.3 Defauts de linterpolation polynomiale - phenom`ene de Runge . . . . . . . . . . . . . . 16
4.4 Extention au cas bi-dimensionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

5 Polyn
omes dinterpolation Hermite (polyn
ome osculateur) 18

1
1 Introduction
1.1 Une motivation pratique
Considerons le releve experimental de la temperature dune solution chimique au cours du temps : ` a
des temps discrets, notes t1 , t2 , , tN on mesure les temperatures Ti et on reporte les resultats sur
un graphe en prenant le temps en abscisse et la temperature en ordonnee, comme ci-dessous

relev exprimental de la temprature en fonction du temps

29.5

29

28.5

28
temprature (C)

27.5

27

26.5

26

25.5

25
0 0.5 1 1.5 2 2.5 3 3.5 4
temps (secondes)

Figure 1: Releve experimental de la temperature en fonction du temps

La theorie chimique prevoit qur la temperature T depend du temps suivant la loi

T = f (t)
Pour savoir si lexperience a ete effectuee dans de bonnes conditions, il faut pouvoir comparer Ti `a
f (ti ). Parfois f nest pas connue explicitement mais seulement tabulee et il est important de disposer
de valeurs intermediaires. Lapproximation de f , vue comme une fonction, en utilisant les donnees
experimentales (ti , Ti ) simpose naturellement.

Comment approcher le plus simplement possible une fonction ? Par un polynome.

1.2 Approximation polyn

omiale
Lapproximation dune fonction f (connue ou non) par un polynome est une demarche naturelle que
lon rencontre dans divers contexte en analyse : lorsque f est assez reguli`ere, elle permet danalyser
le comportement local (developpements de Taylor) mais aussi dans certain cas de decrire globalement
la fonction comme somme infinie de monones (fonctions analytiques). Dans ces deux situations la
precision avec laquelle on peut approcher f par un polynome depend de la regularite de la fonction.
A linverse, avec une hypoth`ese de regularite relativement faible, le theor`eme de Stone-Weierstrass
nous assure que lon peut approcher uniformement toute fonction continue sur un intervalle compact,
daussi pr`es que lon veut, par un polynome.

2
Th eme 1 Soit f une fonction de C([a, b]). Alors, pour tout  > 0, il existe un polyn
eor` ome P tel
que
max |f (x) P (x)| < .
x[a,b]

Preuve. Nous donnons ici une ebauche de la preuve, le lecteur est invite `a consulter [4]. On ne perd
rien en generalite ` a lensemble {f C([0, 1]), f (0) = f (1) = 0} et on demontre de mani`ere
a se ramener `
constructive le theor`eme de Stone-Weierstrass `a laide des polynomes de Bernstein
n
X k
Bn (f )(x) = Ckn xk (1 x)nk f ( )
n
k=0

La fonction f etant continue sur un compact, elle admet un module de continuite w. On etablit
lestimation
1
max |f (x) P (x)| < cw( )
x[a,b] n
o`
u w designe un module de continuite de f et c > 0. En conclusion

lim max |f (x) Bn (f )(x)| = 0.

n+ x[a,b]

2 Interpolation polynomiale - position du probl`

eme et premiers
r
esultats
2.1 Repr
esenter et
evaluer un polyn
ome en un point
Les polynomes sont les fonctions les plus simples que lon puisse construire `a laide des 3 operations
+, , . La facon la plus simple de representer un polynome p de degre inferieur ou egal `
a n est de
lexprimer dans la base canonique {1, x, x2 , , xn } comme
n
X
p(x) = ak xk .
k=1

Pour autant cette ecriture ne sugg`ere pas la methode la plus efficace pour calculer (evaluer, donner
une valeur) p(x) pour x donne. Faisons le decompte des operations.
Pour calculer aj xj , on doit effectuer j multiplications. Le nombre totale de multiplications est donc
n
X n(n + 1)
Nmult = k=
2
k=1

Il faut ajouter `a cela n additions. Si une addition a le meme co ut quune multiplication, alors le
n(n + 1) n 2
nombre totale doperations est de Ntot = n + 2 ' 2 quand n est grand. Il est `a noter que ce
calcul est intimement li`e `
a la forme de lexpression de p. Pour changer de mode de calcul, rearrangeons
les termes. Nous pouvons ecrire

p(x) = a0 + x a1 + a2 x + + an xn1

3
et en appliquant une fois cette factorisation partielle `a linterieur de la parenth`ese, nous avons

p(x) = a0 + x a1 + x a2 + + an xn2 .

Bien s
ur ce procede peut etre applique recursivement jusqu`a obtenir

p(x) = a0 + x (a1 + x (a2 + (a3 + (an1 + an x)) )

Cette ecriture sugg`ere de calculer p(x) de proche en proche en commencant tpar le terme le plus `
a
linterieur de cette expression. Lalgorithme de Horner peut se resumer ainsi

Algorithme de Horner

Initialisation b0 = an
Pour k = 1, n
poser bk = xbk1 + ak1

poser p(x)=bn

Faisons maintenant le decompte des operations. A chaque ligne on effectue exactement une addition
et une multiplication. Avec n lignes, nous obtenons
Horner
Ntot = 2n

ce qui est asymptotiquement une reduction tr`es importante du nombre doperations. En effet si
n = 1000, avec la methode classique nous devrons effectuer environ 500000 operations tandis que celle
dHorner nen recquiert que 2000. Les operations sont reduites, le calcul est plus rapide mais aussi plus
s
ur car sur ordinateur, en precision finie, chaque operation gen`ere des erreurs, darrondis notamment.

2.2 Position du probl`

eme
Une premi`ere condition naturelle `a imposer au polynome est quil coincide avec la fonction en des points
prescrits (les points dinterpolation) : cest la demarche que lon emprunte naturellement lorsque lon
effectue un releve de valeurs (par exemple, temperature au cours du temps) et que lon veut faire
passer une courbe reguli`ere par les points experimentaux, comme illustre ci-dessous.

De mani`ere generale, le probl`eme de linterpolation peut se formuler mathematiquement comme

suit :

Probl`eme 1 Etant donnes une suite de N nombres reels yi et un ensemble de N formes lineaires
continues i sur un espace vectoriel V , construire un element p de V tel que

i (p) = yi , i = 1, , N.

4
 relev exprimental de la temprature en fonction du temps
29.5
Points exprimentaux
29 T=f(t)

28.5

28

temprature (C)
27.5

27

26.5

26

25.5

25
0 0.5 1 1.5 2 2.5 3 3.5 4
temps (secondes)

Figure 2: Releve experimental de la temperature en fonction du temps

a determiner les reels (ai )ni=0 tels que

Ce probl`eme equivaut `
n
X
p(xi ) = yi , i = 1..n + 1, avec p = ai xi .
i=0

D`es lors, il est naturel de considerer les questions points suivants :

se donner des crit`eres dexistence et dunicite pour p

disposer dun procede systematique (un agorithme) permettant de construire p dans la pratique

etudier lerreur comise en remplacant f par p. En particulier, que peut-on dire de |f p| lorsque
le nombre de points augmente indefiniment (voir figure (2.2) ci-dessous,) ?

Dans la suite de ce cours, nous repondrons totalement ou partiellement `a ces questions.

Nous avons le

Th eme 2 Le probleme (P) admet une solution unique si et seulement si les reels (xi )n+1
eor` i=1 sont
distincts deux `
a deux.

Preuve. Le probl`eme (P) admet une solution unique si et seulement si le syst`eme lineaire
n
aj xji , i = 1, , n + 1,
X
yi (= p(xi )) =
j=0

5
 Nb pts interpolation 2 Nb pts interpolation 4
3 3
Poly. Pts unif. Poly. Pts unif.
2 pts interp. 2 pts interp.
la fonction f la fonction f
1 1

0 0

1 1

2 2

3 3
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x x
Nb pts interpolation 6 Nb pts interpolation 8
3 3
Poly. Pts unif. Poly. Pts unif.
2 pts interp. 2 pts interp.
la fonction f la fonction f
1 1

0 0

1 1

2 2

3 3
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x x
Nb pts interpolation 10 Nb pts interpolation 12
3 3
Poly. Pts unif. Poly. Pts unif.
2 pts interp. 2 pts interp.
la fonction f la fonction f
1 1

0 0

1 1

2 2

3 3
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x x

Figure 3: Comparaison de f et de ses polynomes dinterpolation de degre inferieur ou egale `

a n, pour
differentes valeurs de n

admet une unique solution (ai )ni=0 . Le determinant de la matrice sous-jacente

x21 xn1

1 x1
1 x2
x22 xn1

..
.
V = ,
1 xk
x2k xkn

..
.
1 xn+1 x2n+1 n
xn+1
vaut
n+1
Y
det(V ) = (xi xj ).
i,j=1,i6=j

Do`u le resultat.
Ce resultat na quun caract`ere theorique : sil ennonce une condition necessaire et suffisante simple
pour que (P) admette une solution unique, il est pratiquement inutisisable en pratique si lon veut
calculer de mani`ere effective le polynome dinterpolation p ; il faut en effet resoudre un syst`eme lineaire
plein.

2.3 Bases de Lagrange et de Newton

Une premi`ere amelioration du calcul de p consiste `a exprimer ce polynome dans une autre base : la
base de Lagrange. Plus precisement, on se donne la

6
Definition 1 Soient (xi )n+1
i=1 , n + 1 points deux `
a deux distincts. On appelle base de lagrange relative
aux points xi les polyn
omes
n+1
Y x xj
Li (x) =
xi xj
j=1,j6=i

De cette definition, on deduit immediatement le

Lemme 1
Li (xj ) = i,j

Preuve. La peuve est triviale.

Il sensuit la

Proposition 1 La famille (Li (x)) forme une base de Pn et le polyn

ome qui interpole les valeurs yi
aux points xi secrit
n+1
X
p(x) = yi Li (x)
i=1

Preuve. La famille (Li (x)) est composee de n + 1 elements. Pour montrer quelle forme une base de
Pn , qui est de dimension n+1, il faut et il suffit detablir que les Li (x) sont lineairement independants,
cest `a dire que
n+1
X
bi Li (x) x = bi = 0, i = 1, , n + 1.
i=1

Ceci decoule immediatement du lemme precedent en prenant successivement x = xi , i = 1, , n + 1.

En usant du meme argument, on obtient p(xi ) = yi = bi , i, 1 i n + 1.

Remarque 1 Si les coefficients du polyn ome dinterpolation dans la base de Lagrange sont acces-
sibles, contrairement au cas de la base canonique, cette approche comporte encore des inconvenients
pratiques importants. Il est notamment necessaire de recalculer tous les elements de la base si lon
rajoute un point dinterpolation.

Une base de polyn omes particuli`erement adaptee au calcul effectif de p est la base de Newton. Plus
precisement, on se donne la

Definition 2 La base de Newton relative aux points xi , i = 1, , n + 1 est definie par les n + 1
polyn
omes i (x) :
1i
si i = 0,
i (x) = Y

(x xj ) sinon .
j=1

Comme auparavant, on etablit directement que les i (x), i = 0, , n forment une base de Pn en
verifiant que
Xn
ci i (x) x = ci = 0, i = 1, , n + 1,
i=0

ce qui sobtient en prenant successivement x = xi , 1 i n + 1.

7
 Avant de de presenter une technique permettant de calculer les coefficients ci du polynome dinterpolation
dans la base de Newton, mettons en evidence une relation relativement simple entre les ci et les yi .
Des deux ecritures du polynome dinterpolation, nous tirons
n
X
yk (= p(xk )) = ci i (xk ).
i=0

Or i (xk ) = 0 si k i. Les ci sont donc solution du syst`eme lineaire (triangulaire inferieur)

y1 = c0 ,
y = c0 + c1 1 (x2 ) = c0 + c1 (x2 x1 ),

2




.
.. ..
.






k1
X
yk = c0 + ci i (xk ),

i=1

.. ..
. .




Xn

y = c + ci i (xk ).

n+1 0


i=1

La resolution de ce syst`eme triangulaire est simple en apparence puisquil suffit de calculer les ci de
proche en proche, en commencant par c0 . Les expressions des ci deviennent de plus en plus complexes
et encombrantes. Les differences divisees presentees ci-apr`es offrent cadre permettant dexprimer
les ci de mani`ere compacte.

3 Les diff
erences divis
ees
Definition 3 Soit f une fonction definie aux points xi , supposes deux a ` deux distincts. On definit
les differences divisees par recurence comme suit :
(
f [xi ] = f (xi ), i = 1, n
f [xi+1 xi+k+1 ] f [xi xi+k ]
f [xi xi+k+1 ] = xi+k+1 xi , pour k = 1,

3.1 Propri
et
es des diff
erences divis
ees
Proposition 2
n
X f (xi )
f [x1 , , xn ] = n
Y
i=1 (xi xj )
j=1,j6=i

8
Preuve. On proc`ede par recurrence. La formule est facilement verifiable pour n = 1 et n = 2.
a vraie jusquau rang n 1. Nous avons
Supposons-l`
f [x2 xn ] f (x1 xn1 ]
f [x1 , , xn ] =
xn x1
n n1

1
X f (x i ) X f (x i )
=x

n x1
n
Y n1


i=2 (xi xj ) i=1
Y
(xi xj )
j=2,j6=i j=1,j6=i


f (x1 )

1
= x x n1

n 1 Y
(xi xj )
j=2,j6=i
n1
X 1 1
+ f (xi )( n n1
)
Y
i=2
Y
(xi xj ) (xi xj )
j=2,j6=i j=1,j6=i
f (xn )
+ n1
)
Y
(xi xj )
j=1,j6=i

Corollaire 1 Nous avons les propietes suivantes

les differences divisees ne dependent pas de lordre dans lequel les arguments sont pris.
si f = g + h alors
f [x1 xn ] = f [x1 xn ] + h[x1 xn ]
si f = gh (Liebnitz)
n
X
f [x1 xn ] = g[x1 xj ]h[xj xn ]
j=1

Preuve. Le premier point decoule directement du theo`eme precedent.

Sagissant de la formule de Liebnitz, considerons les polynomes

i+k
X
p1 = g[xi xm ](x xi ) (x xm1 )
m=i
et
i+k
X
p2 = h[xm xi+k ](x xm+1 ) (x xi+k )
m=i
p1 et p2 interpolent g et h aux points xi xi+k . Ainsi
F (x) = p1 p2
interpole gh en ces memes points.

9
 n+1
Y
Proposition 3 Soit w(x) = (x xi ). Alors
i=1

n+1
Y
w0 (xi ) = (xi xj )
j=1,j6=i

Preuve. On ecrit
n+1
Y
w(x) = (x xi ) (x xj ) = (x xi )q(x)
j=1,j6=i

si bien que
n+1
Y
w0 (x) = (x xj ) + (x xi )q 0 (x).
j=1,j6=i

Le resulat sobtient en posant x = xi dans cette derni`ere expression.

3.2 Diff
erences divis
ees et polyn
ome dinterpolation
Theor`eme 3 (Formule de Newton 1669)
ome dinterpolation de f degre n aux points x1 , xn+1 sexprime dans la base de Newton
Le polyn
comme
n
Y
p(x) = f [x1 ] + (x x1 )f [x1 x2 ] + (x x1 )(x x2 )f [x1 x2 x3 ] + + (x xi )f [x1 xn+1 ]
i=1

Preuve. La formule proposee est vraie pour n = 1, 2. Pour letablir dans le cas general nous procedons
ome dinterpolation de f aux points x1 sxn . Par hyoth`ese de recurrence
par recurrence. Soit p1 le polyn
au rang n nous pouvons ecrire
n1
Y
p1 (x) = f [x1 ] + (x x1 )f [x1 x2 ] + (x x1 )(x x2 )f [x1 x2 x3 ] + + (x xi )f [x1 xn ]
i=1

Soit alors q(x) le polyn

ome de Pn defini par

p(x) = p1 (x) + q(x)

Comme p(xi ) = p1 (xi ) pour i = 1, , n il est clair que les xi sont les n racines de q et donc que
q = a(x x1 ) (x xn ). Il reste `a determiner a, par exemple par la valeur en xn+1 . Soit p2 le
plynome de degre n 1 defini par
n
Y
p2 (x) = f [x2 ] + (x x2 )f [x2 x3 ] + (x x2 )(x x3 )f [x2 x3 x4 ] + + (x xi )f [x2 xn+1 ]
i=2

On remarque que
1
p(x) = ((xn+1 x)p1 (x) + (x x1 )p2 (x))
xn+1 x1

10
En effet, ces deux polynomes de degre n coincident en les n + 1 points distincts xi , le terme de
droite est donc le polyn
ome dinterpolation p par unicite de ce dernier. EN remplacant p par cette
expression, on trouve
1
((xn+1 x)p1 (x) + (x x1 )p2 (x)) = p1 (x) + a(x x1 ) (x xn )
xn+1 x1

En considerant le coefficient de plus haut degre, on trouve

1
a= (f [x2 xn+1 ] (f [x1 xn ]) = f [x1 xn+1 ].
xn+1 x1

Theor` eme 4 Soit f continue sur I = [a, b] et (xi )n+1

i=1 n + 1 points deux `
a deux distincts. Nous avons
alors la relation
f (x) = f [x1 ] + (x x1 )f [x1 x2 ] + (x x1 )(x x2 )f [x1 x2 x3 ] +
Yn n+1
Y
+ (x xi )f [x1 xn+1 ] + (x xi )f [xx1 xn+1 ].
i=1 i=1

Preuve. On proc`ede par recurrence. Nous avons

f (x) = f (x1 ) + (x x1 )f [xx1 ]

Supposons que cette relation soit vraie `a lordre n, i.e.

f (x) = f (x1 ) + (x x1 )f [x1 x2 ] + (x x1 )(x x2 )f [x1 x2 x3 ] +

n1
Y Yn
+ (x xi )f [x1 xn ] + (x xi )f [xx1 xn ].
i=1 i=1

Nous pouvons ecrire

f [x1 xn+1 ] f [xx1 xn ]
f [xx1 xn+1 ] =
xn+1 x
soit
f [xx1 xn ] = f [x1 x2 xn+1 ] (xn+1 x)f [xx1 xn+1 ]
Le resultat en decoule.

3.3 Calcul effectif du polyn

ome dinterpolation
Dressons la table des differences divisees :

x1 f [x1 ]
x2 f [x2 ] f [x1 x2 ]
x3 f [x3 ] f [x2 x3 ] f [x1 x2 x3 ]
.. .. .. ..
. . . .

xn+1 f [xn+1 ] f [xn xn+1 ] f [xn1 xn xn+1 ] f [x1 xn+1 ]

11
Seules les valeurs encadres, sur la diagonale, interviennent dans lexpression du polynome dinterpolation
:
pn (x) =
Le tableau des differences divisees associe est :

2 3
-1
3 2 -1
3 0
4 1 1
5
5 6

Le polyn
ome dinterpolation est donc

p(x) = 3 + 1(x 2) + 1(x 2)(x 3) + 0(x 2)(x 3)(x 4) = x2 + 4x 1.

Voici un algorithme pour le calcul effectif des differences divisees, il peut se programmer pratique-
ment tel quel en Maple
pour i=1 ` a n fairet[i]=f[i]pour j=i-1 `a 1 par pas de -1 fairet[j]=(t[j+1]-t[j])/(x[i]-x[j])a[i]=t[1]fin

4 Etude de lerreur dinterpolation

4.1 Une expression de lerreur
On a le

Proposition 4 Soit f une fonction de classe C n+1 sur un intervalle I contenant les points deux ` a
deux distincts xi , i = 0, N , ranges dans lordre croissant. Alors pour tout x [x0 , xN ] il existe (au
moins) un reel x dans ce meme intervalle tel que

f (N +1) (x )
f [xx0 x1 xN ] = .
(N + 1)!

Preuve. La preuve est assez jolie et repose sur lutilisation successive du theor`eme de Rolle. Soit PN
le polynome dinterpolation de f aux points xi . On a
N
Y 1
PN (x) = f (x0 ) + (x x0 )f [x0 x1 ] + (x x0 )(x x1 )f [x0 x1 x2 ] + + (x xi )f [x0 x1 xN ]
i=0

et
N
Y
f (x) = PN (x) + (x xi )f [xx0 x1 xN ].
i=0

Soit x [x0 , xN ] fixe, x 6= xi , i = 0, N . On introduit maintenant la fonction

N
Y
F (t) = f (t) p(t) (t xi )f [xx0 x1 xN ].
i=0

12
La fonction F est de classe C N +1 et admet au moins N +2 racines distinctes : x et les xi , i = 0, , N .
On peut donc appliquer N +1 fois le theor`eme de Rolle comme suit : puisque F sannule en chacune de
(1)
ses N +2 racines, le theor`eme de Rolle nous assure quil existe au moins un reel i strictement compris
(1)
entre la i-ime et la i + 1i`eme racine de F tel que F 0 (i ) = 0. La fonction F 0 verifie les hypoth`eses du
(1) (1)
theor`eme de Rolle et nous pouvons lappliquer `a nouveau sur chaque intervalle [i , i+1 ], i = 1, N .
(2) (2)
Il existe donc (au moins) N reels i , i = 1, N tels que F 00 (i = 0, i = 1, N . On applique
successivement ce procede jusqu`a obtenir lexistence dun reel N +1 = tel que F (N +1) () = 0.
Calculons cette derivee. Nous avons

F (N +1) (t) = f (N +1) (t) p(N +1) (t) ((N + 1)!)f [xx0 x1 xN ]

Pour t = , F (N +1) () = 0, nous en deduisons alors que

f (N +1) ()
= f [xx0 x1 xN ].
(N + 1)!

Th
eor`
eme 5 Sous les memes hypoth`eses lerreur dinterpolation au point x sexprime comme

f (N +1) (x )
e(x) = f (x) p(x) =
(n + 1)!

On en deduit le

Corollaire 2
N
!
Y |f (N +1) (x)|
|e(x)| max (x xi ) max
x[x0 ,xN ] x[x0 ,xN ] (n + 1)!
i=0

A present, nous pouvons exhiber certaines familles de fonctions pour lesquelles le polynome dinterpolation
converge uniformement vers f lorsque n tend vers linfini.
(n) (n) (n)
Proposition 5 Soit I = [a, b] un intervalle ferme, borne et f C [a, b]). Soit x(n) = (x0 , x1 , , xn )
une suite de points deux deux distincts. On suppose quil existe une constante M > 0 telle que

max |f (N +1) (x)| M, N IN.

x[a,b]

Alors
lim max |f (x) pn (x)| = 0
n+ x[a,b]

Preuve. Nous avons directement

(b a)n
max |e(x)| M, n IN
x[a,b] n!

(b a)n
Comme est le terme general dune serie convergente (vers eba) ), cette quantite tend vers 0
n!
lorsque n tend vers linfini.

13
4.2 Choix optimal des points dinterpolation - polyn
omes de Tchebytcheff
Probl`
eme 2 Lerreur dinterpolation est le produit de deux expressions :

lune ne dependant que de f , de sa derivee n + 1-i`eme en fait,

lautre qui ne depend que de la subdivision choisie.

Il est donc naturel de chercher pour quels points x1n+1 la la quantite

max |(x x1 ) (x xn+1 )|

x[a,b]

est minimale.

Les polyn
omes de Tchebytcheff (ou Chebyshev) permettent de resoudre ce probl`eme

D ome de Tchebytcheff de degre n, n = 0, 1, par

efinition 4 On definit le polyn

Tn (x) = cos(ncos(x)), [1, 1].

Polynomes de Tchebytcheff Tk , k=1,2,3,4,5

1

0.8

0.6

0.4

0.2
Tk (x)

0.2

0.4

0.6

0.8

1
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
x

Figure 4: Les premiers polynomes de Tchebytcheff

Nous pouvons immediatement etablir les proprietes suivantes

14
Proposition 6 i Les Tn satisfont la relation de recurrence `
a trois termes

T0 = 1, T1 = x
Tn+1 (x) = 2xTn (x) Tn1 (x), n = 1,

ome de degre n dont le coeffiient de xn est 2n1 ; Tn est pair si n est pair et
ii Tn (x) est un polyn
impair sinon.

iii |Tn (x)| 1, x [1, 1]

iv Tn (cos( k k
n )) = (1) , k = 0, 1, , n

v Tn (cos( (2k+1)
2n )) = 0, k = 0, 1, , n

omes Tn sont orthogonaux par rapport au produit scalaire L2 `

vi Les polyn a poids w(x) = 1 2 ,
1x
i.e.
Z 1
1 si i = j = 0
Ti (x)Tj (x) dx = si i = j 6= 0
1 1 x2 2
0 si i 6= j

Preuve. [i] se demontre par simple application des formules trigonometriques. On pose = cos(x),
ainsi
Tn+1 (x) + Tn1 (x) = 2 cos(n) cos() sin(n) sin() = 2x cos(n) = 2xTn (x).
Lassertion [ii] se demontre simplement par ecurrence.
[iii] decoule de la definition des Tn
[iv] et [v] sont de simples verifications `a partir de la definition des Tn .
Les relations dorthogonalite [vi] sobtiennent par un simple changement de variables u = cos(x)
Z 1 Z
1
Ti (x)Tj (x) dx = cos(iu) cos(ju)du
1 1 x2 0

A present nous allons montrer que les Tn satisfont la propriete de minimisation recherchee. Nous
commencons par le

ome de degre n dont le coefficient de xn est 2n1 . On suppose q 6= Tn .

Lemme 2 Soit q(x) un polyn
Alors
max |q(x)| > max |Tn (x)| = 1.
x[1,1] x[1,1]

Preuve. On proc`ede par labsurde. Supposons que

max |q(x)| max |Tn (x)| = 1

x[1,1] x[1,1]

On consid`ere r(x) = q(x)Tn (x). Cette fonction sannule au moins une fois dans chacun des intervalles
(k+1)
[cos( k
n ), cos( n ))]. Ainsi r(x) poss`ede n zeros dans [1, 1]. Or r(x) est un polynome de degre
n 1, les termes directeurs sannulant. Ceci contredit r(x) 6= 0. Nous pouvons desormais etablir le
resultat principal

15
Th
eor`
eme 6 Le choix des points dinterpolation minimisant lexpression

max |(x x1 ) (x xn+1 )|

x[1,1]

est donne par

a+b ba (2k 1)
xk = + cos( ), , k = 1, n + 1.
2 2 2n + 2
Preuve. Dapr`es le lemme precedent, la valeur minimale est atteinte pour (xx1 ) (xxn+1 )2n Tn (x).

4.3 D
efauts de linterpolation polyn
omiale - ph
enom`
ene de Runge
Le polynome diterpolation p ne converge pas toujours uniformement vers la fonction f quel que soit
le choix des points dinterpolation. Un contre exemple cel`ebre a ete propose par Runge. On consid`ere
la fonction f (x) = 1 sur [1, 1]. Pour des points dinterpolations reguli`erement repartis, on
1 + 16x2
observe lapparition doscillations importantes pr`es de x = 1 et x = 1 lorsque n augmente. Ce
phenom`ene, connu sous le nom de phenom`ene de Runge ne survient pas lorsque les xi sont les racines
du polyn ome de Tchebytcheff, voir figure ci-dessous.

Phnomne de Runge Runge stabilis

1 1
Poly. Pts unif. Poly. Pts Cheb.
pts interp. pts interp.
la fonction f la fonction f
0.5 0.5

0 0
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1 1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
x x
Phnomne de Runge Runge stabilis
1 1
Poly. Pts unif. Poly. Pts Cheb.
0.5 pts interp. pts interp.
la fonction f la fonction f
0 0.5

0.5

1 0
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1 1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
x x
Phnomne de Runge Runge stabilis
4 1.5
Poly. Pts unif. Poly. Pts Cheb.
2 pts interp. 1 pts interp.
la fonction f la fonction f

0 0.5

2 0
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1 1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
x x
Phnomne de Runge Runge stabilis
10 1
Poly. Pts unif. Poly. Pts Cheb.
0 pts interp. pts interp.
la fonction f la fonction f
0.5
10

20 0
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1 1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
x x

Figure 5: Phenom`ene de Runge pour f (x) = 1

1 + 16x2

Soient xi , i = 1, une suite de points deux `a deux distincts. Soit X la matrice infinie triangulaire
inferieure dont la i`eme ligne est
x1 x2 xi

16
ou encore
x1 0 0


x1 x2 0



X= ..

.



x
1 xn

.. ..
. .
On definit lerreur dinterpolation par

En, = kf n f k

Soit pn la meilleure interpolation polynomiale, i.e. le polynome tel que

En = kf pn k kf qn k , qn Pn

Nous avons alors le resultat suivant dont nous ne donnons pas la demonstration, le lecteur (la lectrice)
pourra consulter [3].
Th eme 7 Soient f C 0 ([a, b]) et X une matrice dinterpolation sur [a, b]. Alors
eor`

En, (X) En (1 + n (X)), n = 1,

o`
u n est la constante de Lebesgue de X, elle se definie par
n+1
X
n (X) = k |lin |k
i=1

u ljn designe le i-`eme polyn

o` ome caracteristique associe `
a la n + 1-`eme ligne de X

4.4 Extention au cas bi-dimensionnel

On peut construire facilement un polynome dinterpolation de Lagrange sur un reseau cartesien de
point. Soit = [a, b] [c, d] On se donne N +1 points xi et M+1 points yi tels que

a x0 < x1 < < xN b et c y0 < y1 < < yM d.

On consid`ere alors deux familles de polynomes de Lagrange

N N
x xk y ym
et Lyj (y) =
Y Y
Lxi (x) =
xi xk yj ym
k=0,k6=i m=0,m6=j

Soit `a present f une fonction continue sur , on definit le polynome dinterpolation de Lagrange de f
sur , de degre N en x et de degre M en y par
N X
M
f (xi , yj )Lxi (x)Lyj (y)
X
N,M (f )(x, y) =
i=0 j=0

17
 Graphe de P(x,y) Graphe de f(x,y)

1 1

0.8 0.8

0.6 0.6
P(x,y)

f(x,y)
0.4 0.4

0.2 0.2

0 0
1 1
1 1
0.5 0.5
0.5 0.5
y 0 0 x y 0 0 x

Figure 6: Polynome de Lagrange en dimension 2

5 Polyn
omes dinterpolation Hermite (polyn
ome osculateur)
Soit f C 1 ([a, b]) et (xi )N
i=0 N + 1 points deux ` a deux distincts de [a, b]. On cherche `a interpoler f
ainsi que sa derivee premi`ere aux points xi . Ces 2N + 2 degres de liberte nous conduisent ` a construire
un tel polyn ome dans P2N +1 . Cherchons demblee a construire les fonctions de P2N +1 hi (x) et h i (x)
telles que
hi (xj ) = i,j , h0i (xj ) = 0 et h
0 (xj ) = i,j , h
i
i (xj ) = 0.

Si de telles fonctions existent, alors

N
X N
X
p(x) = f (xk )hk (x) + f 0 (xk )h
k (x)
k=0 k=0

est bien un polyn

ome de P2N +1 et satisfait les conditions dinterpolation.

18
Proposition 7 On pose N = 2n + 2. On a
n+1
X
yi Ai (x) + yi0 Bi (x)


HN 1 =
i=1

avec
Ai (x) = (1 2(x xi )li0 (xi ))li2 (x) et Bi (x) = (x xi )li2 (x)
n+1
X 1
On remarque que li0 (xi ) =
xi xk
k=1,k6=i

Preuve. Par construction, HN 1 est un element de P2N +1 et il verifie de plus les relations dinterpolation.
Il reste etablir lunicite. Pour cela il suffit de verifier que si HN +1 (x) = 0, x alors Ai = Bi = 0. Cest
chose aisee grace aux proprietes de hi et h i.

Nous pouvons etablir un resultat dexpression de lerreur dinterpolation similaire `a celui obtenu
pour les polyn
omes de Lagrange.

Theor`eme 8 Soit f une fonction de classe C 2n+2 sur un intervalle I contenant les points deux a `
deux distincts xi , i = 0, N , ranges dans lordre croissant. Alors pour tout x [x0 , xN ] il existe (au
moins) un reel x dans ce meme intervalle tel que

f (2N +2) (x )
f (x) HN 1 (x) = .
(N + 1)!
Preuve. On proc`ede comme dans le cas de linterpolation de Lagrange, mais en considerant la fonction
n+1
!2
Y
F (t) = f (t) HN 1 (t) (t xi ) S(x)
i=1

o`
u S(x) est telle que F (x) = 0.

Exemple Soit f une fonction de classe C 2 sur lintervalle I = [0, 1]. Soit H(x) un polyn
ome de
degre 3 tel que

H(0) = f (0)
H(1) = f (1)


H 0 (0) = f 0 (0)
0
H (1) = f 0 (1)
Determinons H. En appliquant les formules du theor`eme, on trouve

H(x) = f (0)(1 x)2 (1 + 2x) + f (1)x2 (3 2x) + f 0 (0)x(1 x)2 + f 0 (1)x2 (x 1)

= f (0) + xf 0 (0) + (2f 0 (0) 3f (0) + 3f (1) f 0 (1))x2 + (2f (0) + f 0 (0) 2f (1) + f 0 (1))x3

Le resultat suivant lie les polyn

omes de Lagrange et de Hermite

Proposition 8 Soient xi , i = 1, , n + 1 n + 1 reels deux `

a deux distincts et ranges dans lordre
croissant. Soit f C 2n+2 ([x1 , xn+1 ]). Soit  > 0 tel que

x1 < x1 +  < x2  < x2 < x2 +  xk  < xk < xk +  xn+1  < xn+1

19
 Interpolation de Hermite avec n=1 Interpolation de Hermite avec n=2
1.2 1.2
H(x) H(x)
Pts interp Pts interp
1 f(x) 1 f(x)

0.8 0.8

0.6 0.6
y

y
0.4 0.4

0.2 0.2

0 0

0.2 0.2
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x

Figure 7: Polynome dinterpolation dHermite pour f (x) = sin(x) sur [0, 1] avec 2 et 3 points
dinterpolation

On note P (x) P2n+1 le polyn

ome dinterpolation de f en ces points. Alors

lim max |p (x) H(x)|

0 x[x1 ,xn+1 ]

u H P2n+1 est le polyn

o` ome dinterpolation de Hermite aux points xi verifiant

H(xi ) = f (xi ), H 0 (xi ) = f 0 (xi ), i = 1, n + 1.

Preuve.

References
[1] Hairer, Cours danalyse numerique, universite de Gen`eve

[2] A. Magnus, Analyse numerique, cours UCL, Louvain la Neuve.

[3] A. Quarteroni, R. Sacco, F. Saleri, Methodes numeriques pour le calcul scientifique, Springer
Paris, 2000.

[4] M. Schatzman, Analyse numerique pour la licence, InterEdition, 1993.

[5] J. Stoer, R. Burlisch,Introduction to Numerical Analysis, text in Applied Mathematics, 12,

Springer, 3rd Edition 2002

20