Vous êtes sur la page 1sur 32

CHAPITRE 4:

INTERPOLATION
ET LISSAGE
POLYNÔMIAL
I- Interpolation de fonction :

 Différences finies successives :

P( x)  P( x  1)  P( x)  ( x  1) 3  x 3  3.x 2  3.x  1


2 P( x)  P( x  1)  P( x)  [3.( x  1) 2  3.( x  1)  1]  [3.x 2  3.x  1]  6.x  6
3 P ( x)  2 P ( x  1)  2 P ( x)  [6.( x  1)  6]  [6.x  6]  6
Remarque : La différence d’ordre 3 d’un polynôme de degré 3 est une constante,
D’une manière générale, la différence d’ordre n d’un polynôme de degré n est une
constante ,
 Table des Différences :

x y ….
x0 y0 ….

x1 y1 ….

x2 y2 ….

x3 y3
…. ….
xn yn
x y
0 -1 3 8 12 0
1 2 11 20 12 0
2 13 31 32 12
3 44 63 44
4 107 107
5 214
 Puissance généralisée :

Calculons les différences successives d’une puissance généralisée avec :


∆ - 1 …. 2
-[ 1 …. 2 . 1 ]
= n.h.
 L’interpolation :
Démonstration : Soit F(x)= . . ⋯. . ce polynôme.
Comme cette fonction doit passer par tous les points (xi,yi) i = 0 , 1 , ,,,,, , n, D’où :
 i , yi = F(xi) ,d’où :
. . ⋯. .
. . ⋯. .
,,,,,
. . ⋯. .

La détermination de la fonction F revient à connaître les coefficients du polynôme.


Ces coefficients constituent un système de n+1 équations à n+1 inconnues,
La résolution de ce système par la méthode de CRAMER conduit au déterminant
suivant :
1 …
1 .… …
.… …. ….
….
1 … , , ,..,
Ce déterminant est appelé déterminant de Vandermonde,
Comme les points sont distincts deux à deux, ce déterminant est donc non nul:
Il existe donc une solution unique (a0 , a1 , … , an) de ce système,
Il existe donc un polynôme unique de degré n interpolant la fonction f c-a-d passant
par les n+1 points,
Le problème consiste donc à déterminer ce polynôme,
 Interpolation de NEWTON :

Soit f une fonction connue en (n+1) points distincts (x0 , x1 , … , xn) avec
x0< x1< … <xnappartenant à un intervalle [ a , b ],

D’après NEWTION, cherchons le polynôme d’interpolation de la fonction f sous la


forme suivante :

. . . ⋯ . . …

Si les points sont équidistants, c-a-d :


xi = x0 + i* h i= 0 , 1 , ,,, , n
Alors l’expression du polynôme devient :

Théorème : Si les points xi sont équidistants, avec un pas de h alors le polynôme


d’interpolation de NEWTON s’écrit sous la forme suivante :

∆ ∆ ∆

1!. 2!. !.
Démonstration : Le problème consiste à déterminer les coefficients a1 du polynôme
PNn(x), Soit alors :

- Comme : PNn(x0) = y0 = a0 d’où a0 = y0
‐ ∆ ∑

∆ ∆

D’où ∆ /
- De proche en proche, on montre que :


!
i = 0 , 1 , 2 , ,,,, n
Avec ∆ et 0! = 1 ∆

→0
Remarque : Lorsque h  0 ?

Il en résulte que quand h  o , le polynôme d’interpolation tend vers le


développement en série de TAYLOR au voisinage de ,

c-a-d : ⋯
! ! !
Exemples d’application :

Exemple 1 : Déterminer le polynôme d’interpolation de la fonction définie aux points :

x 0 1 2
y 1 2 11

On obtient P(x) = 4.x2 – 3.x + 1

Exemple 2 : Déterminer l’expression en fonction de n de la somme suivante :

Calculons les différences successives de cette somme :


∆ 1
∆ ∆ ∆ 2 1 2. 3
∆ ∆ ∆ 2. 1 3 2. 3 2
Comme la différence troisième de est une constante, le polynôme d’interpolation
est donc de degré trois, Il nous faut donc quatre points pour le déterminer,
Choisissons donc quatre points équidistants,
n ∆ ∆ ∆
0 0 1 3 2
1 1 4 5
2 5 9
3 14

On obtient alors : . . 1 . 2. 1

Conclusion :

- On utilise la formule de NEWTON lorsque les points sont équidistants,

- La formule de NEWTON s ’emploie pour un développement au


voisinage de x0, On peut également établir un formule équivalente lorsqu’on veut
obtenir un développement au voisinage de xn, La formule devient dont :

. . . ⋯ . . …
 Interpolation de LAGRANGE :

Le polynôme d’interpolation de NEWTON s’utilise pour des points équidistants,


Pour des points quelconques x0 < x1 < … < xn , on utilise le polynôme de
LAGRANGE,

 Interpolation linéaire :

Soit f une fonction connue en deux points y0 = f(x0) et y1 = f(x1) ,


Cherchons le polynôme d’interpolation sous la forme suivante :
PL2(x) = y0.L0(x) + y1.L1(x) 1 si i j
avec : L x δ
0 si i j
0 .
D’où : ù
1 1
1 .
De même : ù
0 1


En conséquence : . .

 Interpolation quadratique :

Soit f une fonction connue en trois points y0 = f(x0) ,y1 = f(x1) et y2 = f(x2)
Cherchons le polynôme d’interpolation sous la forme suivante :

1 si i j
PL2(x) = y0.L0(x) + y1.L1(x) + y2.L2(x) avec : L x δ
0 si i j

La même démonstration conduit au résultat suivant :


. . .

 Cas général :
Soit f une fonction connue en (n+1) points distincts (x0 , x1 , … , xn) avec
x0 < x1 < … < xn appartenant à un intervalle [ a , b ],

D’après LAGRANGE, cherchons le polynôme d’interpolation de la fonction f sous


la forme suivante :

. . ⋯ . .
1 si i j
avec : L x δ
0 si i j
Les polynômes sont appelés polynômes de base de LAGRANGE,

Théorème : Le polynôme de base de LAGRANGE s’écrit sous la forme :

… …

… …
Démonstration :
Comme : On peut alors écrire :


x0 , x1 , ..., xi-1 , xi+1 , ... , xn sont des racines du polynôme Li(x)

D’où :
Et Comme :

Il vient alors :

Le polynôme d’interpolation de LAGRANGE s’écrit alors :


 Théorème d’unicité :

Théorème : Le polynôme d’interpolation de LAGRANGE est unique

Démonstration : Soit PN le polynôme de Lagrange vérifiant :

Et supposons qu’il existe un autre polynôme de degré n vérifiant :

Alors le polynôme Q(x) défini par :

et dont le degré est inférieur ou égal à n s’annule en (n+1) points x0 , x1 , ... , xn


d’où :

Ou bien alors :

Le polynôme est donc unique.


Exemple d’application :

Construire le polynôme d’interpolation de Lagrange de la fonction :

passant par les points : et calculer une valeur approchée

de f(1/3) et f’1/3).

x 0 1/6 1/2
y 0 1/2 1

7 7
Le polynôme est : PL2 ( x)  .x  3.x 2 PL2 ' ( x)   6. x
2 2
5 3
D’où : PL2 (1 / 3)   0.833 PL2 ' (1 / 3)   1.50
6 2
Les valeurs exactes sont : f ( x)  sin( .x) f ' ( x)   . cos( .x)
3 
f (1 / 3)   0.866 f ' (1 / 3)   1.57
2 2
7
PL2 ( x)  .x  3.x 2
2

+
1 + +
+
+
+
+
0,5 + + +
+
+
+ C PL2
+
+ + + + + + + + + + + + + +
1/6 1/3 0,5 1

Cf

Remarque : On voit que l’approximation de la fonction f par le polynôme PL n’est


valable que sur l’intervalle [0 ; ½], En dehors de cet intervalle, l’approximation n’est
plus valable.
 Evaluation des erreurs :

Soit f une fonction connue en (n+1) points distincts (x0 , x1 , … , xn) avec
x0 < x1 < … < xn appartenant à un intervalle [ a , b ],
et soit x un nombre réel avec x0 < x1 < …< xi-1 <x< xi+1<…< xn
On désire évaluer l’erreur

Théorème :Si la fonction f est (n+1) fois continument dérivable sur [a,b], alors :

Avec :
De plus si :

alors :
Démonstration :

Soit f une fonction connue en (n+1) points distincts (x0 , x1 , … , xn) avec
x0 < x1 < … < xn appartenant à un intervalle [ a , b ],
Et soit x un nombre réel avec x0 < x1 < …< xi-1 <x< xi+1<…< xn
Soit h la fonction définie par :
h(u )  f (u )  PLn (u )  w. n 1 (u )
avec w une constante que l’on calculera.

La fonction h s’annule en (n+1) points x0 < x1 < … < xn


On choisira w pour que h(u) ait une (n+2) ième racine x en posant :

h(x) = 0 h( x)  f ( x)  PLn ( x)  w. n 1 ( x)  0


f ( x)  PLn ( x)
D’où : w
 n 1 ( x)
La fonction h s’annule en (n+2) points vérifiant x0 < x1 < …< xi-1 <x< xi+1<…< xn
D’après le théorème de ROLL,
h ' (u ) S’annule en (n+1) points
h" (u )
S’annule en (n) points …
h( n 1) (u ) S’annule en (1) points
Il existe donc un qui annule h( n 1) (u ) d’où :

f ( x)  PLn ( x)
h( n 1) (c)  f ( n 1) (c)  .(n  1)!  0
 n 1 ( x)

f ( n 1) (c)
d’où : Rn ( x)  f ( x)  PLn ( x)   n 1 ( x)
(n  1)!

Si en plus :

Alors :

f ( n 1) (c) M n 1
Rn ( x)  f ( x)  PLn ( x)   n 1 ( x)  .  n 1 ( x)
(n  1)! (n  1)!
Exemple d’application :

Avec quelle précision peur-on calculer 115 à l’aide de la formule de Lagrange en


prenant les points suivants : x0  100; x1  121; x2  144
1  12
y'  x
2
1  32
y ''   x
4
3  52
y '''  x
8
Max 3
M3  y '''  .105
x  [10,12] 8

D’où :
3 1
R2  .105. (115  100).(115  121).(115  144)  1.63.103
8 3!
II- Le Lissage polynômial :
 Position du problème :

Soit f une fonction connue en (n+1) points distincts (x0 , x1 , … , xn) avec
x0 < x1 < … < xn appartenant à un intervalle [ a , b ], Ces points sont tels que

yi  f ( xi ) et i = 0,1,,,,,n,

On désire approximer la fonction f par une fonction polynôme F connue,

L’interpolation impose à la fonction F de passer par les (n+1) points,

Le lissage polynômial consiste à déterminer un polynôme de degré q < n et


passant le plus proche possible des (n+1) points,
 Choix du degré du polynôme de lissage :

Il n’existe pas de méthodes rigoureuses permettant de déterminer le degré q du


polynôme de lissage noté PLS q (x) ,
On choisit q en fonction de la disposition des points,

y y +
+

+
+ +
+
+ +
+ +
+ +
+
O + x O + x

+
 Lissage linéaire :

On se place dans le cas de points presque alignés, Cherchons la droite d’équation


y = a.x+b passant le plus proche possible des (n+1) points , , 0,1, , , , , ,

Ceci revient à déterminer a et b pour que la


y somme des erreurs ou la somme des erreurs au
+ carré Q soit minimale, c-a-d :
n 2 n 2

Q   M i Pi   H i M i  H i Pi
i 0 i 0
+
+ D’où : n
Q   (a.xi  b  yi ) 2  Q(a, b)
i 0
+
O + x

Les valeurs de a et b minimisant Q vérifient :

 Q  n

  0  2 . ( a . x i  b  y i )  0
a   i 0
 Q n
2.

 b
 0
 
i 0
( a . x i  b  y i ). x i  0
Ou encore :  n n

 [ xi ].a  n.b  [ yi ]
 n i 0 n
i 0
n
[ x 2 ].a  [ x ].b  [ x . y ]
 
i 0
i 
i 0
i i 0
i i

On voit que a et b sont solutions d’un système linéaire de deux équations à deux

inconnues.

En général, la solution est unique.


Organigramme : Debut

Lire N

Lire (x(i),y(i)) i = 0,N

R1=0 ; R2=0 ; R3=0 ; R4=0

R1=R1+x(i) R2=R2+x(i)**2 R3=R3+y(i) R4=R4+x(i)*y(i) i = 0,N

DET=R1**2 - n*R2

a=(R1*R3-n*R4)/DET

b=(R1*R4-R2*R3))/DET

Ecrire a , b

Fin
 Cas général :

Soit f une fonction connue en (n+1) points distincts (x0 , x1 , … , xn) avec
x0 < x1 < … < xn appartenant à un intervalle [ a , b ], Ces points sont tels que

yi  f ( xi ) et i = 0,1,,,,,n.

On veut déterminer un polynômial de degré q < n et passant le plus proche possible


des (n+1) points. Ce polynôme sera cherché sous la forme suivante :
PLS . . ⋯. .

y Ceci revient à déterminer PLS pour que la


+ somme des erreurs ou la somme des erreurs au
+ carré Q soit minimale, c-a-d :
+ n 2 n 2
+ Q   M i Pi   H i M i  H i Pi
+ i 0 i 0
+ +
D’où : n

O x Q   ( PLSxq ( x)  yi ) 2  Q (a0 , a1 ,..., aq )


i 0
Le minimum de Q est obtenu en écrivant :





 
 Q 
 a  0 
 0
 ....
 Q 
 0  n n n n

 a1  a 0 (  xi
j
)  a1 (  xi
j 1
)  ...  a q (  xi
jq
)  (  xi
j
. yi )
 ....  i 0 i 0 i 0 i 0

 Q  0  ....
 a 
 j

 ....
 Q  0
 aq
n n
On pose alors : Rk   x k
i S k   xik . yi )
i 0 i 0

Le système devient alors :

 a0 .R0  a1.R1  a2 .R2  ....  aq .Rq  S 0


 a .R  a .R  a .R  ....  a .R  S
0 1 1 2 2 2 q q 1 1
 ....

a0 .Rq  a1.Rq 1  a2 .Rq  2  ....  aq .Rq  q  S q

La détermination des coefficients du polynôme de lissage revient donc à résoudre


un système de (q+1) équations à (q+1) inconnues,
L’organigramme du polynôme de lissage comprend les étapes suivantes :

- Le calcul des constantes Rk et Sk et leur rangement dans une matrice,

- La résolution du système linéaire,