Vous êtes sur la page 1sur 19

Chapitre 4

Interpolation et approximation
polynômiale

4.1 Introduction
Tout au long des deux chapitres précédents, nous nous sommes interessé principalement au problème
de l’approximation d’un nombre (zéro d’un polynôme ou le zéro d’une fonction non linéaire). Nous
abordons dans ce chapitre un nouveau type de problème faisant intervenir la notion d’approximation
d’une fonction.
La méthode usuelle d’approximation des fonctions est la méthode d’approximation polynômiale.
Parmis les divers types d’approximations polynômiales utilisées, la plus flexible et la plus facile à
construire est l’approximation par interpolation polynômiale.

4.1.1 Objectif de l’interpolation

Etant donnée une fonction f (x) = ex (ou autre expression de f beaucoup plus compliquée) que
nous désirons approcher par un polynôme de degré n = 2 (ou n > 2)) sur l’intervalle [−1, 1]. Nous
allons voir que nous pourrons construire trois polynômes à ce sujet:

• Le polynôme de Taylor pT (x) = 21 x2 + x + 1. L’erreur maximale de cette approximation est


0.21828.

• Le polynôme de Lagrange passant par (−1, e−1 ), (0, 1) et (1, e) est le polynôme de dgré 2
donné par: pL (x) = 0.54308x2 + 1.1752x + 1. L’erreur maximale de cette approximation est
0.174378.

• Le polynôme de Newton passant par (−1, e−1 ), (0, 1) et (1, e) est:

pN (x) = 0.367879 + 0.632121(x + 1) + 0.543081(x + 1)(x − 0).

L’erreur maximale de cette approximation est 0.174378.

Dans tous les calculs portant sur f (tels la dérivée de f ou l’intégrale de f ) on pourra remplacer
f par PT ou PL (ou par un autre polynôme). En fait il y a plusieurs méthodes pour construire un
tel polynôme. Dans un premier temps nous allons nous focaliser sur l’approximation de Taylor,
Lagrange, Newton et celle de Chebyshev.

47
48 3. Interpolation et approximation polynômiale

4.1.2 Un exemple constructif

Un résultat classique en analyse est le développement en série entière des fonctions usuelles telles
que sin, cos, ...


X x(2n+1) x3 x5 x7
sin x = (−1)n =x− + − + ... pour tout x ∈ IR
n=0
(2n + 1)! 3! 5! 7!

X x(2n) x2 x4 x6
cos x = (−1)n =1− + − + ... pour tout x ∈ IR
n=0
(2n)! 2! 4! 6!

X xn x2 x3 x4
ex = =1+x+ + + + ... pour tout x ∈ IR
n=0
n! 2! 3! 4!
x2 x3 x4
ln(1 + x) = x − + − + ... pour tout x ∈] − 1, 1]
2 3 4

Notre but est de savoir, jusqu’a quel ordre n (fini) nous devons écrire le développement pour avoir
une bonne approximation de la somme infinie.
Pour illustration, soit à calculer e = exp(1) à partir de l’écriture de (ex )x=1 en série entière. On
a donc

X 1 1 1 1 1
e= = 1 + + + + ... + + ...
n=0
n! 1! 2! 3! k!

Si nous tronçons la série (infinie) précédente à un certain ordre n > 1, nous obtenons une approxi-
mation de la valeur de e par:

1 1 1 1
Sn = 1 + + + + ... +
1! 2! 3! n!

n Sn
0 1
1 2.0
2 2.5
3 2.666666666666
4 2.708333333333
5 2.716666666666
6 2.718055555555
7 2.718253968254
8 2.718278769841
9 2.718281525573
10 2.718281801146
11 2.718281826199
12 2.718281828286
13 2.718281828447
14 2.718281828458
15 2.718281828459

La valeur numérique de e, à une précision de 10−29 , est donnée par e ≈ 2.71828182845904523536028747135.


On remarque donc, à partir du tableau ci dessus, que plus l’ordre n du développement est élevé
plus l’approximation de e par la série de Taylor est meilleure. S15 donne une approximation de e
avec une précision de 10−13 .
3.2 Approximation polynômiale de Taylor 49

4.2 Approximation polynômiale de Taylor


Théorème:

Soient a et b deux nombres réels tels que a < b et f : [a, b] → IR une fonction n fois dérivable sur
[a, b]. On suppose que f ∈ C (n+1) [a, b] et x0 ∈ [a, b] (un point fixe). Si x ∈ [a, b], alors il existe un
élément c entre x0 et x tel que
f (x) = Pn (x) + En (x)

où:

f ′ (x0 ) f (n) (x0 )


Pn (x) = f (x0 ) + (x − x0 ) + . . . + (x − x0 )n
1! n!
f (n+1) (c)
En (x) = (x − x0 )n+1 (4.1)
(n + 1)!

Pn est le polynôme qui peut être utilisé comme approximation de f , En (x) est l’erreur commise
lors de cette approximation.

Preuve:

On pose:
f ′ (x0 ) f (n) (x0 )
Pn (x) = f (x0 ) + (x − x0 ) + . . . + (x − x0 )n
1! n!
Pn est un polynôme de degré n et est indéfiniment dérivable. Considérons la fonction g définie par:
g(t) = f (t) − Pn (t) + λ(t − x0 )n+1 , λ est une constante telle que g(x) = 0. On a donc:

Pn (x) − f (x)
g(t) = f (t) − Pn (t) + (t − x0 )(n+1) .
(x − x0 )(n+1)

On vérifie facilement que:

Pn (x0 ) = f (x0 ) , Pn′ (x0 ) = f ′ (x0 ) , Pn′′ (x0 ) = f ′′ (x0 ) , . . . , Pn(n) (x0 ) = f (n) (x0 )

(n+1)
Pn est identiquement nulle, donc g est n-fois dérivable sur [a, b] et g(n) est dérivable sur ]a, b[.
De plus on a:
g(x0 ) = g′ (x0 ) = g′′ (x0 ) = . . . = g(n) (x0 ) = 0

Alors on a g(x0 ) = g(x) = 0 d’après le théorème de Rolle il existe c1 entre x0 et x tel que g′ (c1 ) = 0.
On a alors g′ (x0 ) = g′ (c1 ) = 0, donc il existe un élément c2 entre x0 et c1 tel que g′′ (c2 ) = 0. Par
récurrence on construit donc une suite d’éléments (ci )i=1,2,...,n de ]a, b[ tels que:

a < cn < cn−1 < . . . < c2 < c1 < b , g(i) (ci ) = 0 , si i = 1, 2, . . . , n

On a alors g(n) (x0 ) = g(n) (cn ) = 0 et d’après le théorème de Rolle il existe c entre x0 et cn tel que
g(n+1) (c) = 0. Or
Pn (x) − f (x)
g(n+1) (c) = 0 = f (n+1) (c) + (n + 1)!
(x − x0 )(n+1)
f (n+1) (c)
donc: f (x) − Pn (x) = (n+1)! (x − x0 )(n+1) . Ce qui démontre le théorème.
50 3. Interpolation et approximation polynômiale

4.2.1 Exemple d’estimation de l’erreur


Nous allons montré dans cet exemple pourquoi nous avons eu besoin de prendre n = 15 pour obtenir
une approximation de e par S15 avec une précision de 10−13 (voir tableau précédent).
f (x) = ex , f (n) (x) = ex , le développement de Taylor au point x0 = 0 à l’ordre 15 de f est donné
par f (x) = P15 (x) + E15 (x).

x2 x3 x15
P15 (x) = 1 + x + + + ... +
2! 3! 15!

P15 (1) = S15 . L’erreur est donnée par:

f (16 )(c)x16
E15 (x) = , c ∈]0, 1[
16!

A partir de f (16 )(c) = ec et de 1 < ec < e < 3, on obtient une majoration de l’erreur (pour x=1):

f (16 )(c) ec 3
E15 (1) = = < = 1.43384310−13
16! 16! 16!

4.2.2 A propos de l’erreur


Il est évident que:

i la précision du polynôme de Taylor est d’autant meilleure que n est grand

ii la précision de chaque polynôme de Taylor décroit lorsque x est loin de x0 .

Un compromis entre (i) et (ii) et de choisir:

• n assez grand

• restreindre le domaine de validiter de l’approximation de f par Pn a un voisinage de x0

Si on choisit x dans un intervalle de centre x0 et de rayon R (c.à.d |x− x0 | ≤ R), on obtient la


majoration de l’erreur suivante:

M Rn+1
|Erreur| = |En (x)| ≤ (4.2)
(n + 1)!

où

M ≤ max{|f (n+1) (x)| : x0 − R ≤ x ≤ x0 + R}

On remarque alors que:

• Si n est fixé, et |f (n+1) (t)| est bornée sur [x0 − R, x0 + R], le majorant de l’erreur (4.2) est
donc proportionnelle à Rn+1 /(n + 1)! et décroit lorsque R → 0.

• Si R est fixé, le majorant de l’erreur (4.2) est inversement proportionnel à (n + 1)! et tend
vers zéro lorsque n devient suffisament grand. Ceci est schématisé dans la figure suivante:

Sur cette figure on remarque que l’on approche bien ex par P4 (x) sur [−2, 2].
3.2 Interpolation polynômiale de Lagrange 51

8 8

7 7 P4(x)
6
P3(x)
6
5 exp(x) P2(x)
5 exp(x)
P2(x)
4
4
3
3
2
2
1
1 0

0 -1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2

Figure 4.1: Approximation polynômiale de Taylor.

4.3 Interpolation polynômiale de Lagrange


Connaissant (n + 1) points du plan IR × IR, A0 (x0 , f0 ), A1 (x1 , f1 ), A2 (x2 , f2 ), . . . , An (xn , fn ) tels
que les xi sont tous distincts. On cherche un polynôme P , de degré au plus n, passant par ces
(n + 1) points c’est à dire:
P (x0 ) = f0 , P (x1 ) = f1 , . . . , P (xn ) = fn
• Les fi sont souvent les valeurs d’une fonction f au points xi : fi = f (xi ) on dit alors que le
polynôme P coincide avec la fonction f au point (xi )i=0,1,...n . Le polynôme P approche la
fonction f , dans tous les calculs portant sur f on pourra la remplacer par P .
• l’approximation de f par P est d’autant meilleure qu’au points (xi ) nous aurons plus d’information
sur f ainsi que sur f ′ .

4.3.1 Existance et unicité du polynôme de Lagrange


Théorème Il existe un polynôme et un seul de degré au plus n tel que:
P (xi ) = fi , i = 0, 1, . . . , n
Preuve: En fait, il y a deux façons pour démontrer ce résultat: une directe et l’autre moyennat
les polynômes de Lagrange.

méthode directe: Soit P un polynôme de degré n ( au plus):


P (x) = an xn + an−1 xn−1 + . . . + a1 x + a0
Par hypothèse on a: P (xi ) = fi i = 0, 1, . . . , n, ce qui représente un système de n + 1 équations
linéaires et n + 1 variables (les coefficients a0 a1 , . . . , an de P ), c’est un système de Kramer. La
solubilité de ce système d’équation s’établit par l’étude de son déterminant:

xn0 x0n−1 . . . x0 1
xn1 x1n−1 . . . x1 1
.. .. .. .. ..
. . . . .
xnn xnn−1 . . . xn 1

il s’agit du déterminant de Vandermonde qui vaut:


n−1
Πi=0,j>i (xi − xj )
52 3. Interpolation et approximation polynômiale

et qui est effectivement non nul du fait que les xi sont distincts deux à deux, d’ou l’existance et
l’unicité des ai .

Formulation de Lagrange:
Unicité:
Si P1 et P2 sont deux polynômes de degré au plus n tels que:

P1 (xi ) = P2 (xi ) = fi , i = 0, 1, . . . , n

Le polynôme D = P1 − P2 vérifie D(xi ) = P1 (xi ) − P2 (xi ) = 0 pour tout i = 0, 1, 2, . . . , n. On con-


clut que D de degré au plus égale à n s’annule n+1 fois, D est donc le polynôme nulle donc P1 = P2 .

Existance:
Nous allons construire le polynôme de Lagrange qui satisfait aux conditions:

P (xi ) = fi , i = 0, 1, . . . , n

questions préliminaires:
• Q1 . Trouver le polynôme Lk de degré au plus n tel que

Lk (xi ) = 0 ∀ i 6= k (i = 0, 1, . . . , n) Lk (xk ) = 1

Lk s’annule n fois donc peut s’écrire comme:

Lk (X) = C(X − x0 )(X − x1 ) . . . (X − xk−1 )(X − xk+1 ) . . . (X − xn )

ou C est une constante que l’on peut déterminer à partir de la contrainte Lk (xk ) = 1. On trouve:

C −1 = (xk − x0 )(xk − x1 ) . . . (xk − xk−1 )(xk − xk+1 ) . . . (xk − xn )

finalement Lk s’écrit comme:

(X − x0 )(X − x1 ) . . . (X − xk−1 )(X − xk+1 ) . . . (X − xn )


Lk (X) =
(xk − x0 )(xk − x1 ) . . . (xk − xk−1 )(xk − xk+1 ) . . . (xk − xn )

• Q2 Les n + 1 polynômes (Lk )k=0,1,...,n sont linéairement independants.


En effet soit α0 , α1 , . . . αn n+1 réels tels que:

α0 L0 (X) + α1 L1 (X) + . . . + αn Ln (X) = 0

La relation précédente devrait être vraie pour tout x ∈ IR en particulier pour x = (xi )i=0,1,...,n .
pour X = xi , i = 0, 1, . . . , n on a αi Li (xi ) = 0 donc αi = 0 , i = 0, 1, . . . , n. La famille (Lk )k=0,1,...,n
est une famille de n + 1 él’ements linéairement indépendantes, c’est donc une base de l’espace
vectoriel des polynômes de degré n.
Compte tenu de Q1 et Q2 , P s’écrit de manière unique comme combinaison linéaire des Lk :
k=n
X
P (X) = βk Lk (X)
k=0

comme P (xi ) = fi i = 0, 1, . . . , n, on trouve donc que βi = fi .


Conclusion:
P (X) = f0 L0 (X) + f1 L1 (X) + . . . + fn Ln (X)
Les Lk sont appelés les polynômes de Lagrange élémentaires et P c’est le polynôme de Lagrange.
3.2 Interpolation polynômiale de Lagrange 53

4.3.2 Exemple
Nous allons construire le polynôme de Lagrange passant par les 4 points:

A0 (2, 1) , A1 (3, 2) , A2 (−1, 3) , A3 (4, 4)

on pose: x0 = 2, x1 = 3, x2 = −1 et x3 = 4. f0 = 1, f1 = 2, f2 = 3 et f3 = 4.

Polynômes de Lagrange élémentaires:

(X − 3)(X − (−1))(X − 4) 1
L0 (x) = = (X − 3)(X − (−1))(X − 4)
(2 − 3)(2 − (−1))(2 − 4) 6
(X − 2)(X − (−1))(X − 4) −1
L1 (x) = = (X − 2)(X − (−1))(X − 4)
(3 − 2)(3 − (−1))(3 − 4) 3
(X − 2)(X − 3)(X − 4) −1
L2 (x) = = (X − 2)(X − 3)(X − 4)
(−1 − 2)(−1 − 3)(−1 − 4) 60
(X − 2)(X − 3)(X − (−1)) 1
L3 (x) = = (X − 2)(X − 3)(X − (−1))
(4 − 2)(4 − 3)(4 − (−1)) 10
Le polynôme de Lagrange est don donné par:

P (X) = 1L0 (X) + 2L1 (X) + 3L2 (X) + 4L3 (X)


1 3 7 16 8
= X + X2 − X +
60 20 15 5

4.3.3 Autre écriture du Polynôme de Lagrange


1. Soit V (X) = (X − x0 )(X − x1 ) . . . (X − xn ) = Πi=n
i=0 (X − xi ), on montre facilement que:

V ′ (xk ) = (xk − x0 )(xk − x1 ) . . . (xk − xk−1 )(xk − xk+1 ) . . . (xk − xn )


= (Πi=n
i=0 (xk − xi ))i6=k (4.3)

Les polynômes de Lagrange élémentaires peuvent s’écrire comme:


V (X)
Lk (X) =
V ′ (X)(X − xk )
et par conséquent:
k=n
X fk V (X)
P (X) =
k=0
V ′ (X)(X − xk )
k=n
X fk
= V (X) (4.4)
k=0
V ′ (X)(X − xk )

2. Variavles réduites
Supposons que les xi sont équidistants:

xi = x0 + ih , i = 0, 1, . . . , n , h = xi+1 − xi

On introduit la variable réduite s de la façon suivante:

X = x0 + sh
si X = x0 s=0
si X = xn s = n car xn − x0 = nh
54 3. Interpolation et approximation polynômiale

comme (X − xi ) = x0 + sh − x0 − ih = h(s − i) et (xk − xi ) = x0 + kh − x0 − ih = h(k − i), Lk


prend la forme suivante:
(s − i)
Lk (X) = Lk (x0 + sh) = Πi=n
i=0
(k − i)i6=k
Le polynôme d’interpolation de Lagrange devient donc:
k=n
X (s − i)
P (s) = fk (Πi=n
i=0 )
k=0
(k − i)i6=k

4.3.4 Estimation de l’erreur


Thórème: Soit f une fonction de classe C n+1 [a, b]. Si x0 , x1 , . . . , xn ∈ [a, b], P le polynôme
d’interpolation de Lagrange au points: (x0 , f (x0 )), (x1 , f (x1 )), . . . , (xn , f (xn )) alors:

∀x ∈ [a, b]
(x − x0 )(x − x1 ) . . . (x − xn ) (n+1)
f (x) − P (x) = f (θ) (4.5)
(n + 1)!
où a < min(x, x0 ) < θ < max(x, xn ) < b

Preuve: Si x = xi , f (x) − P (x) = 0 donc l’équation 4.5 est vérifiée.


Si x 6= xi soit ψ la fonction auxiliaire definie par:

ψ(t) = f (t) − P (t) − (t − x0 )(t − x1 ) . . . (t − xn )φ(x) xest un paramètre


f (x) − P (x)
φ(x) =
(x − x0 )(x − x1 ) . . . (x − xn )

on remarque que: ψ(x0 ) = ψ(x1 ) = . . . = ψ(xn ) = ψ(x) =, donc ψ est un polynôme ayant n + 2
racines.

Résultats préliminaires
Si g [a, b] → IR telle que g′ existe:
Si g possède (n + 2) zéros distincts alors g′ possède au moins (n + 1) zéros distincts.
généralisation du théorème de Rolle: Si g ∈ C (n+1) ([a, b]) et si g posséde au moins (n + 2) zéros
alors g(n+1) a au moins un zéro.

D’après le théorème de Rolle généralisé, la fonction ψ (n+1) admet au moins un zéro. Soit θ ∈]a, b[
tel que: ψ (n+1) (θ) = 0, On conclut donc que l’erreur est donnée par:

(x − x0 )(x − x1 ) . . . (x − xn ) (n+1)
EN (x) = f (θ)
(n + 1)!

De plus si f (n+1) est continue sur [a, b], elle atteint sa borne supérieure, on a la majoration de
l’erreur suivante:
|(x − x0 )(x − x1 ) . . . (x − xn )|
EN (x) = |f (x) − P (x)| ≤ ( max f (n+1) (x))
(n + 1)! x∈[a,b]

Exemple: Construire sur [−5, 5], les polynômes d’interpolation de Lagrange de la fonction f définie
1
par f (x) = 1+x 2 en prenant des abscisses d’interpolation équidistantes.
1
On constate que l’on approche bien la courbe 1+x 2 au centre de l’intervalle. Par contre, aux
extrêmites se produisent des oscillations parasites appelées effet de bord. Nous allons voir dans la
section 6 que ses effets de bord disparaissent si l’on choisit comme points d’interpolation les points
de Chebyshev.
3.3 Interpolation polynômiale de Newton 55

1 1
0.9
0.8
0.8

0.7 0.6
P2(x) P4(x)
0.6
0.4
0.5
f(x) 0.2 f(x)
0.4
0.3 0
0.2
-0.2
0.1
0 -0.4
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1
1 1
0.9
0.8
0.8
0.6
0.7
0.4
0.6
0.5
P6(x) 0.2
f(x)
0.4
0
0.3
f(x) -0.2
0.2 P8(x)
-0.4
0.1
0 -0.6
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1

Figure 4.2: Interpolation Polynômiale de Lagrange.

4.4 Interpolation polynômiale de Newton


4.4.1 Polynôme de Newton
L’inconvenient des polynômes de Lagrange c’est qu’il n’y a pas de relation de récurrence entre eux.
En d’autres termes, chaque polynône doit être construit individuellement et il n’y a pas moyen
de calculer le polynôme de degré n à partir de celui de degré n − 1: les deux polynômes sont
complètement independants. La méthode de Newton nous permettra de déduire Pn à partir de
Pn−1 . Cette méthode est introduite récursivement de la façon suivante:

P1 (x) = a0 + a1 (x − x0 ) (4.6)
P2 (x) = a0 + a1 (x − x0 ) + a2 (x − x0 )(x − x1 ) (4.7)
P3 (x) = a0 + a1 (x − x0 ) + a2 (x − x0 )(x − x1 ) + a3 (x − x0 )(x − x1 )(x − x2 )
.. ..
. = .
PN (x) = a0 + a1 (x − x0 ) + a2 (x − x0 )(x − x1 ) + a3 (x − x0 )(x − x1 )(x − x2 )
+a4 (x − x0 )(x − x1 )(x − x2 )(x − x3 ) + . . . +
aN (x − x0 ) . . . (x − xN −1 ) (4.8)

On remarque que PN est obtenu à partir de PN −1 en utilisant la relation:

PN (x) = PN −1 (x) + aN (x − x0 )(x − x1 ) . . . (x − xN −1 )

Le polynôme PN (4.8), de degré ≤ N , est appelé polynôme de Newton au points x0 , x1 , . . . xN −1 .


56 3. Interpolation et approximation polynômiale

4.4.2 Exemple
Etant donné les points x0 = 1, x1 = 3, x2 = 4 et x3 = 4.5 et les coefficients a0 = 5, a1 = −2,
a2 = 0.5, a3 = −0.1 et a4 = 0.003. Trouver P1 (x), P2 (x), P3 (x) et P4 (x) et calculer Pi (2.5) pour
i = 1, 2, 3, 4.
En utilisant les formules précédentes on a:

P1 (x) = 5 − 2(x − 1) , P2 (x) = 5 − 2(x − 1) + 0.5(x − 1)(x − 3)


P3 (x) = 5 − 2(x − 1) + 0.5(x − 1)(x − 3) − 0.1(x − 1)(x − 3)(x − 4)
P4 (x) = P3 (x) + 0.003(x − 1)(x − 3)(x − 4)(x − 4.5)

On trouve: P1 (2.5) = 2,
P2 (2.5) = P1 (2.5) + 0.5(1.5)(−0.5) = 1.625,
P3 (2.5) = P2 (2.5) − 0.1(1.5)(−0.5)(−1.5) = 1.5125
et P4 (2.5) = P3 (2.5) + 0.003(1.5)(−0.5)(−1.5)(−2) = 1.50575

4.4.3 Interpolation polynômiale de Newton


Nous allons déterminer les coefficients ak pour tout les polynômes P1 , P2 ,. . . , PN qui approchent
une fonction f donnée. La détermination des constantes ak se fait à partir du fait que les polynômes
de Newton Pj coı̈ ncident avec la fonction f au points x0 , x1 , . . . , xj : f (xi ) = Pj (xi ) i = 0, 1, . . . , j

Pour le polynôme P1 , a0 et a1 sont déterminés à partir de

P1 (x0 ) = f (x0 ) et P1 (x1 ) = f (x1 )

On trouve:

a0 = f (x0 ) (4.9)
f (x1 ) − a0 f (x1 ) − f (x0 )
a1 = = (4.10)
x1 − x0 x1 − x 0
Les coefficients a0 et a1 de P2 sont les mêmes que ceux qui figurent dans P1 et qu’on vient de
calculer (4.9,4.10). Le coeficient a2 de P2 est déterminé de la façon suivante:

P2 (x2 ) = f (x2 ) = a0 + a1 (x2 − x0 ) + a2 (x2 − x0 )(x2 − x1 )

a2 est donc donné par:


f (x2 ) − a0 − a1 (x2 − x0 )
a2 = =
(x2 − x0 )(x2 − x1 )
1 f (x2 ) − f (x1 ) f (x1 ) − f (x0 )
= [ − ] (4.11)
(x2 − x0 ) x2 − x1 x1 − x0
Cela nous amène a introduire le concept des différences divisées:
Définition: Les différences divisées d’une fonction f sont définies comme suit:

f [xk ] = f (xk )
f [xk ] − f [xk−1 ]
f [xk−1 , xk ] =
xk − xk−1
f [xk−1 , xk ] − f [xk−2 , xk−1 ]
f [xk−2 , xk−1 , xk ] = (4.12)
xk − xk−2
f [xk−2 , xk−1 , xk ] − f [xk−3 , xk−2 , xk−1 ]
f [xk−3 , xk−2 , xk−1 , xk ] =
xk − xk−3
.. ..
. .
3.4 Polynômiale de Chebyshev 57

La formule de récurrence est donc définie par:


f [xk−i+1 , . . . , xk ] − f [xk−i , . . . , xk−1 ]
f [xk−i , xk−i+1 , . . . , xk ] = (4.13)
xk − xk−i
Théorème: Soit f ∈ C n+1 ([a, b]). Si x0 , x1 , . . . , xN sont N + 1 points distincts de [a, b], alors il
existe un unique polynôme PN , dit polynôme de Newtom, de degré au plus égal à N tel que:
PN (xi ) = f (xi ) pour i = 0, 1, . . . , N
PN (X) = a0 + a1 (X − x0 ) + . . . aN (X − x0 )(X − x1 ) . . . (X − xN −1 )
où ai = f [x0 , x1 , . . . , xi ] pour i = 0, 1, . . . , N
de plus, pour tout x ∈ [a, b] il existe θ ∈ [a, b] tel que:
f (x) = PN (x) + EN (x)
(x − x0 )(x − x1 ) . . . (x − xN ) (N +1)
EN (x) = f (θ) (4.14)
(N + 1)!
EN est l’erreur de l’approximation de Newton.

Exemple de construction du Polynôme de Newton


Soit f (x) = x4 − 2x3 + x2 − x − 1, construisons les différences divisées basées sur les points x0 = 1,
x1 = 2, x2 = 3, x3 = 4, x4 = 5 et x5 = 6:
xi f [xi ] f[ , ] f[ , , ] f[ , , , ] f[ , , , , ] f[ , , , , , ]
x0 =1 -2 - - - - -
x1 =2 1 3 - - - -
x2 =3 32 31 14 - - -
x3 =4 139 107 38 8 - -
x4 =5 394 255 74 12 1 -
x5 =6 893 499 122 16 1 0
Le polynôme de Newton s’écrit donc comme suit:
P4 (x) = −2 + (x − 1)[3 + (x − 2)[14 + (x − 3)[8 + (x − 4)]]]

4.5 Polynôme de Chebyshev


4.5.1 Polynôme de Chebyshev
La formule (4.14) montre que l’erreur de l’approximation polynômiale de Newton est un produit
de la dérivée (n + 1)ème de f , évaluée à un point inconnu, avec l’expression (x − x0 ) . . . (x − xN )
qui ne dépend que de la subdivision (x0 , x1 , . . . , xN ). Il est alors intéressant de chercher, pour un
n donné, la subdivision de [a, b] pour laquelle:
max |(x − x0 ) . . . (x − xN )| soit minimal (4.15)
x∈[a,b]

Le polynôme de Chebyshev apporte un élément de réponse à cette question.

Définition
Pour n = 0, 1, 2, . . . et pour tout x ∈ [−1, 1], les polynômes de Chebyshev sont définis par:
Tn (x) = cos(nArccosx).
Il est facile de se convaincre que: T0 (x) = 1, T1 (x) = x et T2 (x) = 2x2 − 1.
58 3. Interpolation et approximation polynômiale

Propriétés des Polynômes de Chebyshev


i) Les fonctions Tn (x) satisfont la relation de récurrence suivante:
Tn+1 (x) = 2xTn (x) − Tn−1 (x). (4.16)
Par conséquent, Tn (x) est un polynôme de degré n dont le coefficient de xn est 2n−1 , c’est à
dire, Tn (x) = 2n−1 xn . . .
ii) |Tn (x)| ≤ 1 pour x ∈ [−1, 1], T2m (−x) = T2m (x) et T2m+1 (−x) = −T2m+1 (x)
iii) Tn (cos( kπ k
n )) = (−1) , pour k = 0, 1, . . . , n

iv) Tn (cos( (2k+1)π


2n )) = 0, pour k = 0, 1, . . . , n − 1
v) Les polynômes Tn (x) sont orthogonaux par rapport à la fonction de poids √ 1 :
1−x2

Z 1
dx  π
si n = m = 0

√ π
Tn (x)Tm (x) = 2 si n = m 6= 0 (4.17)
−1 1−x 2 
 0 si n 6= m

Preuve
i) l’équation (4.16) est une conséquence immédiate de la relation:
cos((n + 1)θ) + cos((n − 1)θ) = 2 cos(θ) cos(nθ).
ii), iii) et iv) sont faciles à établir
v) Pour montrer l’orthogonalité, on pose cos(θ) = x et donc θ = Arccosx:
Z 1 Z π
dx
√ Tn (x)Tm (x) = cos(nθ) cos(mθ)dθ
−1 1 − x2 0
Z
1 π
= [cos((n + m)θ) + cos((n − m)θ)]dθ
2
 0
 π
 si n = m = 0
π
= 2 si n = m 6= 0 (4.18)

 0 si n 6= m
A l’aide de la relation (4.16) on montre facilement qu’on a le Tableau suivant:
T0 (x) = 1
T1 (x) = x
T2 (x) = 2x2 − 1
T3 (x) = 23−1 x3 − 3x
T4 (x) = 24−1 x4 − 8x2 + 1
T5 (x) = 25−1 x5 − 20x3 + 5x
T6 (x) = 26−1 x6 − 48x4 + 18x2 − 1
T7 (x) = 27−1 x7 − 112x5 + 56x3 − 7x

Remarque:
D’après la proprièté i), Tn est un polynôme dont le terme de plus haut degré xn a pour coefficient
2n−1 . On appelle polynôme de Chebyshev normalisé à l’unité de Tn (x) le polynôme T̃n (x) défini
1
par T̃n (x) = 2n−1 Tn (x) et on a:
1
max T̃n (x) = n−1
x∈[−1,1] 2
3.4 Polynômiale de Chebyshev 59

Théorème:
Si En désigne l’ensemble des polynômes de degré n et dont le coefficient de xn est 1, alors pour
tout polynôme p de En on a:
1
= max T̃n (x) ≤ max |p(x)| (4.19)
2n−1 x∈[−1,1] x∈[−1,1]

Preuve:
1
Supposons qu’il existe un polynôme p de En tel que: max |p(x)| <et considérons le
x∈[−1,1] 2n−1
polynôme d(x) défini par: d(x) = T̃n (x) − p(x). d est un polynôme de degré ≤ n − 1 (le coefficient
de xn est le même pour T̃n (x) et p(x)).
La fonction polynômiale d(x) s’annulle au moins une fois dans chacun des intervalles fermés:

kπ (k + 1)π
[xk = cos( ), xk+1 = cos( )] , k = 0, 1, . . . , n − 1
n n
k k+1
En effet: d’après iii) on a: d(xk ) = (−1) (−1)
2n−1 − p(xk ) et d(xk+1 ) = 2n−1 − p(xk+1 ), il est facile de
se convaincre que d(xk )d(xk+1 ) < 0. Alors, d(x) possède n zéros dans [−1, 1] et degd ≤ n − 1, par
conséquent d(x) est identiquement nul donc:

d(x) = 0 , T̃n (x) = p(x)


1 1
= max |T̃n (x)| = max |p(x)| < n−1 (4.20)
2n−1 x∈[−1,1] x∈[−1,1] 2
1
ce qui est en contradiction avec l’hypothèse: max |p(x)| < .
x∈[−1,1] 2n−1
Le théorème précédent montre bien que:

max |(x − x0 )(x − x1 ) . . . (x − xn )| est minimal


x∈[−1,1]

si et seulement si (x − x0 )(x − x1 ) . . . (x − xn ) = T̃n (x), c.à.d, si

(2k + 1)π
xk = cos( ) , k = 0, 1, . . . , n
2(n + 1)

les xk sont appelés les points de Chebyshev. Pour répondre à la question (4.15), il faut utiliser la
translation x → a+b b−a
2 + 2 x qui envoie l’intervalle [−1, 1] sur [a, b]. On a donc le théorème suivant:

Théorème:
L’expression (4.15) est minimale parmi toutes les subdivisions (x0 , x1 , . . . , xn ) si et seulement si:

a+b b−a (2k + 1)π


xk = + cos( ) , k = 0, 1, . . . , n.
2 2 2(n + 1)
(b − a)n+1
maxx∈[a,b] |(x − x0 )(x − x1 ) . . . (x − xn )| = .
22n+1
(b − a)n+1
|f (x) − PC (x)| ≤ max |f (n+1) (x)| (4.21)
(n + 1)!22n+1 x∈[−1,1]

PC est le polynôme d’interpolation de Lagrange basée sur les points de Chebyshev.

Exemple: Contruire sur [−1, 1] les polynômes d’interpolation de Lagrange de la fonction f (x) =
60 3. Interpolation et approximation polynômiale

1 1
0.9 0.9
0.8 0.8

0.7 0.7
P10(x)
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3 f(x)
Chebyshev
0.2 0.2
0.1 f(x) 0.1
0 0
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1

Figure 4.3: Polynôme de Chebyshev.

1
1+12x2 d’une part en prenant des abscisses d’interpolation équidistantes, d’autre part en choisissant
les points de Chebyshev.
Cet exemple est dû a Runge (appelé phénomène de Runge) met bien en évidence les effets
de bord. Par contre, si on utilise les points de Chebyshev, on constate que les effets de bord
disparaissent.
3.7 Exercices 61

4.6 Exercices
Exercice 1. Si f (x) = ex , montrer que n = 9 est le plus petit entier telle que l’erreur |E9 (x)| =
|f (x) − P9 (x)| < 0.0000005 pour x ∈ [−1, 1]

Exercice 2.
1
a. En utilisant la série géométrique 1+t2 = 1 − t2 + t4 − t6 + . . . |t| < 1
3 5 7
après integration montrer que : ArcTan(x) = x − x3 + x5 − x7 + . . .
√ −1 −2 −3 −4
b. Montrer que: π = 2 3(1 − 3 3 + 3 5 − 3 7 + 3 9 − . . .)
c. Utiliser b. pour calculer la valeur approchée de π à 10−8 .

Exercice 3. Soit f (x) = ln(1 + x).


a. Montrer que f (k) = (−1)(k−1) (k − 1)!/(1 + x)k
b. Ecrire le développement de Taylor de f à l’ordre n.
c. Calculer P3 (0.5), P6 (0.5) et P9 (0.5). Comparer à f (0.5)
d. Montrer que pour x ∈ [0, 0.5], la majoration de l’erreur est donnée par: E9 (x) < 0.00009765

Exercice 4.
1. Ecrire le polynôme d’interpolation de Lagrange P de la fonction f (x) = ln x4 pour les 4 abscisses
d’interpolation suivantes: 1, 2, 3, 4.
2. Calculer P (π). Comparer cette valeur à la valeur exacte ln π4 . Donner une majoration de l’erreur.
3. Calculer P ′ (4) et comparer cette valeur à f ′ (4).

Exercice 5. Soit g ∈ C N +1 [a, b], supposons qu’il existe deux points x, x0 ∈ [a, b] tels que:

g(x) = g(x0 ) = g′ (x0 ) = g′′ (x0 ) = . . . = g(N ) (x0 ) = 0

a. Montrer qu’il existe un point c entre x et x0 tel que: g(N +1) (c) = 0
b. Soient f ∈ C (N +1) [a, b], PN le développement de Taylor au voisinage de x0 à l’ordre N de f et
RN le reste du développement tels que:

f (x) = PN (x) + RN (x, x0 , N, θ), θ est compris entre x et x0 .

Ecrire le polynôme PN .
c. Démontrer que
(x − x0 )N +1
RN (x, x0 , N, θ) = f (N +1) (θ)
(N + 1)!
Exercice 6.
L’objet de l’exercice est le calcul approché de l’intégrale d’une fonction continue f de [a, b] dans IR
1. f désigne une fonction de classe C 2 de [a, b] dans IR. On pose pour k = 0, 1, . . . , n: xk = a+k b−a
n .
Soit P le polynôme de degré au plus égal à 1 tel que P (a) = f (a), P (b) = f (b).
a. Donner la valeur de l’intégrale de P sur [a, b]. On note I cette valeur.
b. Par application du théorème de Rolle à une fonction auxiliaire convenablement choisie, prouver
que pour tout x ∈ [a, b], il existe c ∈]a, b[ tel que:

f ”(c)
f (x) − P (x) = − (x − a)(x − b)
2
et en déduire que si M2 est un majorant de |f ”| sur [a, b] alors:
Z b
M2
| f (x)dx − I| ≤ (b − a)3
a 12
62 3. Interpolation et approximation polynômiale

2. Par application de cette méthode sur chaque segment [xk−1 , xk ] (1 ≤ k ≤ n) établir la majoration
suivante: Z b
M2
| f (x)dx − In | ≤ (b − a)3
a 12n2
b − a f (a) k=n−1
X f (b)
avec In = ( + f (xk ) + )
n 2 k=1
2

Exercice 7. Soient (ai )i=0,1,...,n une subdivision régulière de [a, b] de pas h et f ∈ C n+1 [a, b].
Considérons les points Ai (ai , f (ai ))i=0,1,...,n de IR2 , on désire construire un polynôme Pn (X) de
degré au plus égal à n passant par les points Ai (ai , f (ai ))i=0,1,...,n .
a. Démontrer que les polynômes (lj (X))j=0,1,...,n de degré n tels que: lj (ai ) = δij i = 0, 1, . . . , n
sont de la forme:
Πni=0 (X − ai )
lj (X) = |i6=j j = 0, 1, . . . , n
Πni=0 (aj − ai )

b. En utilisant le changement X − a0 = th montrer que:


Πni=0 (t − i)
lj (t) = |i6=j j = 0, 1, . . . , n
Πni=0 (j − i)

Si x ∈ [a, b] quel est le domaine de variation de t?


c. Montrer que la famille (l0 (X), l1 (X), . . . , ln (X)) est une base de l’ensemble des polynômes de
degrés ≤ n.
d. Démontrer que le polynôme de Lagrange Pn est de la forme:

Pn (X) = Σni=0 f (ai )li (X)

e. En appliquant le théorème de Rolle à une fonction auxiliaire convenablement choisit montrer


que:
(X − a0 )(X − a1 ) . . . (X − an ) (n+1)
Pn (X) − f (X) = f (θ) = En (X) , θ ∈]a, b[
(n + 1)!
et en déduire que
t(t − 1)(t − 2) . . . (t − n) (n+1)
En (X) = hn+1 f (θ)
(n + 1)!
f. Montrer que si Mn+1 est un majorant de f (n+1) sur [a, b] alors:

t(t − 1)(t − 2) . . . (t − n)
|Pn (X) − f (X)| = |En (X)| ≤ hn+1 Mn+1
(n + 1)!
Application: Montrer que:

h2 M2
|E1 (x)| ≤ x ∈ [a0 , a1 ]
8
h3 M3
|E2 (x)| ≤ √ x ∈ [a0 , a2 ]
9 3
h4 M4
|E3 (x)| ≤ x ∈ [a0 , a3 ]
24

Exercice 8. Soient lk (x)(k=0,1,2) les polynômes de Lagrange élementaires au points x0 , x1 et x2 .


On définit g par g(x) = l0 (x) + l1 (x) + l2 (x) − 1
a. Montrer que g est un polynôme de degré ≤ 2.
3.7 Exercices 63

b. Montrer que g(xk ) = 0 pour k = 0, 1, 2


c. Montrer que g(x) = 0 pour tout x.
d. genéraliser le résultat au cas de n racines x0 , x1 . . . x2 .

Exercice 9. Soient lk (x)(k=0,1,...,n) les polynômes de Lagrange élementaires au points x0 , x1 , ...,


P
xn . On définit g par g(x) = ni=0 xi Li (x), montrer que pour tout x ∈ IR, g(x) = x.

Exercice 10: a. Soit f ∈ C 3 [a, b], x0 , x1 , x2 trois points de [a, b].


Soit P1 (X) = a0 + a1 (X − x0 ) le polynôme d’interpolation de Newton du premier degré passant
par A0 (x0 , f (x0 )) et A1 (x1 , f (x1 )). Calculer a0 et a1 en fonction de x0 , x1 et f (x0 ), f (x1 ).
b. Soit P2 (X) = P1 (X) + a2 (X − x0 )(X − x1 ) le polynôme d’interpolation de Newton du second
ordre passant par A0 (x0 , f (x0 )), A1 (x1 , f (x1 )) et A2 (x2 , f (x2 )). Montrer que:

f (x1 ) − f (x0 )
a0 = f (x0 ) , a1 =
x1 − x0
1 f (x2 ) − f (x1 ) f (x1 ) − f (x0 )
a2 = [ − ]
(x2 − x0 ) x2 − x 1 x1 − x 0

c. En utilisant une fonction auxiliaire convenablement choisie, montrer que pour tout x ∈ [a, b] on
a:
f (3) (c)
f (x) = P2 (x) + (x − x0 )(x − x1 )(x − x2 ) = P2 (x) + E2 (x) c ∈]a, b[
6
d. Supposant que x0 , x1 et x2 sont equidistants, Exprimer E2 (x) en terme de la variable réduite s
(x = x0 + sh) et h = x1 − x0 .
e. Soit M3 un majorant de f (3) sur ]a, b[, montrer que

h3 M3
|E2 (x)| ≤ √
9 3

Exercice 11: On rappelle la méthode de Lagrange, qui à partir des 2 valeurs initiales x0 et x1 ,
permet de générer une itération afin de résoudre l’équation f (x) = 0, soit:
xn − xn−1
xn+1 = xn − f (xn )
f (xn ) − f (xn−1 )
a. Interpréter géométriquement cette méthode en montrant que xn+1 est l’abcisse du point
d’intersection de la droite sécante passant par les points (xn−1 , f (xn−1 )) ∈ Cf et (xn , f (xn )) ∈ Cf
avec l’axe des x. Faire une figure illustrant ce résultat dans un cas partculier. (Cf est la graphe de
f)
b. On peut également interpréter ce résultat en terme d’interpolation inverse. Ecrire le polynôme
d’interpolation de Lagrange Q basé sur les points (f (xn−1 ), xn−1 ) ∈ Cf −1 et
(f (xn ), xn ) ∈ Cf −1 . Calculer Q(0). Que retrouve–t–on? (Cf −1 est le graphe de f −1 ).
c. Proposer une amélioration de la méthode précédente utilisant 3 valeurs successives de l’itération
et donc un polynôme de degré 2. Calculer la valeur obtenue alors pour xn+1 en fonction de xn ,
xn−1 , xn−2 et f (xn ), f (xn−1 ), f (xn−2 ).

Exercice 12. (Interpolation d’Hermite) Soit f une fonction numérique définie sur [a, bb] et f ′
sa dérivée. (xi )i=0,...,n une subdivision de [a, b]. Soient (fi = f (xi )) une suite de valeurs de f aux
points (xi )i=0,...,n et (yi = f ′ (xi )) une suite de valeurs de f ′ aux points (xi )i=0,...,n . On rappelle que
le polynôme de Lagrange d’indice k est donné par:

(X − x0 )(X − x1 ) . . . (X − xk−1 )(X − xk+1 ) . . . (X − xn )


Lk (X) =
(xk − x0 )(xk − x1 ) . . . (xk − xk−1 )(xk − xk+1 ) . . . (xk − xn )
64 3. Interpolation et approximation polynômiale

2
1.) Calculer le polynôme d’interpolation de Lagrange de f (x) = e−x aux points 0, 1, 2.
2.) On suppose qu’il existe un polynôme P de degré au plus 2n + 1 tel que:

P (xi ) = fi et P ′ (xi ) = fi′ pour i = 0, . . . , n (4.22)

Montrer l’unicité d’un tel polynôme.


3.) Pour k = 0, . . . , n, on considère les polynômes:

ψk (X) = (X − xk )L2k (X)


dLk (X)
φk (X) = [1 − 2(X − xk ) (xk )]L2k (x)
dX
et n
X
P (X) = {fk φk (X) + yk ψk (X)}
k=0

3a.) Calculer ψk (xi ), ψk′ (xi ), φk (xi ), φ′k (xi ) pour 0 ≤ i ≤ n et en déduire que pour 0 ≤ i ≤ n

P (xi ) = fi et P ′ (xi ) = fi′

3b.) Quel est le degré de ψk , φk et P . Le polynôme ainsi construit est appelé le polynôme
d’interpolation d’Hermite de f aux points (xi ).
4.) On supose que f ∈ C 2n+2 [a, b], montrer qu’il existe ξ ∈ [a, b] tel que:

(X − x0 )2 (X − x1 )2 . . . (X − xn )2 (2n+2)
f (X) − P (X) = f (ξ)
(2n + 2)!
2
5.) Application: Calculer le polynôme d’interpolation d’Hermite de f (x) = e−x aux points 0, 1,
2.