Vous êtes sur la page 1sur 9

Chapitre II : INTERPOLATION POLYNOMIALE

I. Interpolation polynômiale

I.1. Problème :

Soient 𝑛 points, provenant de mesures physiques.(𝑥0 , 𝑦0 ), (𝑥1 , 𝑦1 ), … . (𝑥𝑛 , 𝑦𝑛 )


représentant une fonction. On veut reconstituer la fonction pour𝑥 ∋ [𝑥0 , 𝑥𝑛 ], c’est
l’interpolation. Si on cherche des valeurs de 𝑓 pour 𝑥 < 𝑥0 ou 𝑥 > 𝑥𝑛 c’est l’extrapolation.

On cherche 𝑓 sous forme d’un polynôme 𝑃 passant par les 𝑛 points, donc de degré 𝑛. c.-à-d
que : 𝑃(𝑥𝑖 ) = 𝑓(𝑥𝑖 ). Une des solutions les plus simples consiste à faire passer par les points
(𝑥𝑖 , 𝑓(𝑥𝑗 )) un polynôme de degré 𝑛. Si 𝑃𝑛 (𝑥) existe, alors :
𝑛

𝑃𝑛 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 + ⋯ . +𝑎𝑛 𝑥 = ∑ 𝑎𝑘 𝑥 𝑘
1 2 𝑛

𝑘=0

En remplaçant 𝑥 par les 𝑥𝑖 :On obtient le système linaire suivant :

𝑃𝑛 (𝑥0 ) = 𝑎0 + 𝑎1 𝑥01 + 𝑎2 𝑥02 + ⋯ . +𝑎𝑛 𝑥0𝑛 = 𝑦0


𝑃𝑛 (𝑥1 ) = 𝑎0 + 𝑎1 𝑥11 + 𝑎2 𝑥12 + ⋯ . +𝑎𝑛 𝑥1𝑛 = 𝑦1
𝑃𝑛 (𝑥2 ) = 𝑎0 + 𝑎1 𝑥21 + 𝑎2 𝑥22 + ⋯ . +𝑎𝑛 𝑥2𝑛 = 𝑦2
……………………………………………………
{𝑃𝑛 (𝑥𝑛 ) = 𝑎0 + 𝑎1 𝑥𝑛1 + 𝑎2 𝑥𝑛2 + ⋯ . +𝑎𝑛 𝑥𝑛𝑛 = 𝑦𝑛

On peut le récrire sous forme matrice alléger :

1 𝑥01 𝑥02 … . 𝑥0𝑛 𝑎0 𝑦0


1 2
1 𝑥1 𝑥1 … . 𝑥1 𝑛 𝑎 1 𝑦1
1 𝑥21 𝑥22 … . 𝑥2𝑛 𝑎2 = 𝑦2
………………… . .
(1 𝑥𝑛1 𝑥𝑛2 … . 𝑥𝑛𝑛 ) (𝑎𝑛 ) (𝑦𝑛 )

Le déterminant de ce système est ce qu’on appelle un déterminant de Vandermonde :

1 𝑥01 𝑥02 … . 𝑥0𝑛


1 2 𝑛 𝑛
|1 𝑥1 𝑥1 … . 𝑥1 |
1 2 𝑛 = ∏(𝑥 − 𝑥 )
|1 𝑥2 𝑥2 … . 𝑥2 |
𝑖 𝑗
………………… 𝑗=0
𝑖>𝑗
1 𝑥𝑛1 𝑥𝑛2 … . 𝑥𝑛𝑛

Ce déterminant est différent de zéros puisque toutes les 𝑥𝑖 sont distinctes, donc on a une seul
solution, le polynôme 𝑃𝑛 (𝑥) existe et il est unique. Pour le déterminer, on présente deux
méthodes :

 Méthode de Lagrange
 Méthode de Newton

Analyse numérique I U.K.M.O Page 1


Chapitre II : INTERPOLATION POLYNOMIALE

I.2. Méthode de Lagrange :

I.2.1. Théorème

Il existe un et un seul polynôme 𝑃𝑛 de degré inférieur ou égal à 𝑛 vérifiant

𝑃𝑛 (𝑥𝑖 ) = 𝑓(𝑥𝑖 ) ∀𝑖 = 0 … … … … . . 𝑛
(𝑥−𝑥 )
Le polynôme s’écrit : 𝑃𝑛 (𝑥) = ∑𝑛𝑖=0 𝑓(𝑥𝑖 )𝐿𝑖 (𝑥) avec 𝐿𝑖 (𝑥) = ∏𝑛𝑘≠𝑖 (𝑥 −𝑥𝑘 )
𝑖 𝑘

Le polynôme 𝑃𝑛 est appelé polynôme d’interpolation de Lagrange de la fonction 𝑓 aux points


𝑥0 , 𝑥1 , … … . . 𝑥𝑛 . Les polynômes 𝐿𝑖 (𝑥) sont appelés polynômes de base de Lagrange associés
à ces (𝑛 + 1) points (𝑥0 , 𝑥1 , … … . . 𝑥𝑛 ) et ils sont tous de degré 𝑛.

Un but de l’interpolation étant de remplacer l’évaluation de 𝑓(𝑥) par celle de𝑃𝑛 (𝑥), il est
𝑛+1 𝑀
important de connaitre l’erreur. 𝑒(𝑥) = |𝑓(𝑥) − 𝑃(𝑥)| ≤ (𝑛+1)! |𝜋𝑛 (𝑥)|

Où : 𝑀𝑛+1 (𝑥) = 𝑀𝑎𝑥𝑥0≤𝑥≤𝑥𝑛 |𝑓 𝑛+1 (𝑥)| et 𝜋𝑛 (𝑥) = ∏𝑛𝑖=0(𝑥 − 𝑥𝑖 )

Exemple : Déterminer’ le polynôme d’interpolation de Lagrange satisfaisant au tableau ci-


dessous.

𝑥 2 2.5 4
𝑓(𝑥) 0.5 0.4 0.25

1
Sachant que la fonction 𝑓(𝑥) = 𝑥 :

 Calculer la valeur approchée et l'erreur d'interpolation que vous avez faite en x = 3.

Solution :

(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
𝐿0 (𝑥) = = 𝑥 2 − 6.5𝑥 + 10
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )

(𝑥 − 𝑥0 )(𝑥 − 𝑥2 ) 4
𝐿1 (𝑥) = = − (𝑥 2 − 6𝑥 + 8)
(𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) 3

(𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) 1
𝐿2 (𝑥) = = (𝑥 2 − 4.5𝑥 + 5)
(𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 ) 3

𝑃2 (𝑥) = 𝑓(𝑥0 )𝐿0 (𝑥) + 𝑓(𝑥1 )𝐿1 (𝑥) + 𝑓(𝑥2 )𝐿2 (𝑥)

𝑃2 (𝑥) = 0.05𝑥 2 − 0.425𝑥 + 1.15

 La valeur approchée a 𝑥 = 3

𝑃2 (3) = 0.325

Analyse numérique I U.K.M.O Page 2


Chapitre II : INTERPOLATION POLYNOMIALE

 L’erreur a 𝑥 = 3 :
6 6
𝑓 3 (𝑥) = − 𝑥 4 , 𝑚𝑎𝑥|𝑓 3 (𝑥)| = 24 = 0.375
|𝜋2 (3)| = |(3 − 2)(3 − 2.5)(3 − 4)| = 0.5 , 𝑒(3) = 0.031

I.2.2. Programme Matlab ;

X=[2 2.5 4];


Y=[0.5 0.4 0.25];
N=length(X)-1;
Xp=3;%approximation de y à x=3
sm=0;
for i=1:N+1
pr=1;
for j=1:N+1
if j~=i
pr=pr*(Xp-X(j))/(X(i)-X(j));
end
end
sm=sm+Y(i)*pr;
end
Yp=sm

I.3. Concepts :

 L’opérateur pour la différence progressive d’ordre 1 noté ∆ est défini par :

∆𝑓𝑖 = 𝑓𝑖+1 − 𝑓𝑖 avec 𝑓𝑖 = 𝑓(𝑥𝑖 ), 𝑖 = 0,1,2, … … … … ..

Par exemple : ∆𝑓0 = 𝑓1 − 𝑓0 et ∆𝑓1 = 𝑓2 − 𝑓1 et ainsi de suite……

 L’opérateur pour la différence progressive d’ordre 2 est défini par :


∆2 𝑓𝑖 = ∆(∆𝑓𝑖 ) = ∆(𝑓𝑖+1 − 𝑓𝐼 ) = ∆𝑓𝑖+1 − ∆𝑓𝑖 = 𝑓𝑖+2 − 2𝑓𝑖+1 + 𝑓𝑖
… … … ..
 L’opérateur pour la différence progressive d’ordre 𝑛 est défini par :

∆𝑛 𝑓𝑖 = ∆𝑛−1 (∆𝑓𝑖 ) = ∆𝑛−1 (𝑓𝑖+1 − 𝑓𝐼 ) = ∆𝑛−1 𝑓𝑖+1 − ∆𝑛−1 𝑓𝑖


𝑛(𝑛 − 1)
= 𝑓𝑖+𝑛 − 𝑛𝑓𝑖+𝑛−1 + 𝑓𝑖+𝑛−2 + ⋯ … … … … … … . +(−1)𝑛 𝑓𝑖
2!
𝑛
Où encore : ∆𝑛 𝑓𝑖 = ∑𝑛𝑘=0 (𝑘!) (−1)𝑛 𝑓𝑖+𝑛−𝑘 .

Pour simplifier le calcul on forme une table dont chaque colonne à toutes les différences finies
progressives d’un même ordre. Par exemple pour quatre points :

Analyse numérique I U.K.M.O Page 3


Chapitre II : INTERPOLATION POLYNOMIALE

𝑥 𝑓(𝑥) ∆𝑓 ∆2 𝑓 ∆3 𝑓

𝑥0 𝑓0

∆𝑓0

𝑥1 𝑓1 ∆2 𝑓0

∆𝑓1 ∆3 𝑓0

𝑥2 𝑓2 ∆2 𝑓1

∆𝑓2

𝑥3 𝑓3

Exemple : écrire le tableau des différences progressives de la fonction 𝑦 = 𝑓(𝑥) définir par le
tableau suivant :

𝑥 0 1 2 3
𝑦 = 𝑓(𝑥) 0 1 16 81
𝑥 𝑓(𝑥) ∆𝑓 ∆2 𝑓 ∆3 𝑓

0 0

1 1 14

15 36

2 16 50

65

3 81

On introduit la notation 𝑓[𝑥𝑖 ] = 𝑓(𝑥𝑖 )

 Les différences divisées d’ordre 1

𝑓[𝑥1 ] − 𝑓[𝑥0 ] 𝑓(𝑥1 ) − 𝑓(𝑥0 )


𝑓[𝑥0 , 𝑥1 ] = =
𝑥1 − 𝑥0 𝑥1 − 𝑥0

𝑓[𝑥2 ] − 𝑓[𝑥1 ]
𝑓[𝑥1 , 𝑥2 ] =
𝑥2 − 𝑥1

Analyse numérique I U.K.M.O Page 4


Chapitre II : INTERPOLATION POLYNOMIALE

𝑓[𝑥𝑛 ] − 𝑓[𝑥𝑛−1 ]
𝑓[𝑥𝑛−1 , 𝑥𝑛 ] =
𝑥𝑛 − 𝑥𝑛−1

 Les différences divisées d’ordre 2

𝑓[𝑥1 , 𝑥2 ] − 𝑓[𝑥0 , 𝑥1 ]
𝑓[𝑥0 , 𝑥1 , 𝑥2 ] =
𝑥2 − 𝑥0

𝑓[𝑥2 , 𝑥3 ] − 𝑓[𝑥1 , 𝑥2 ]
𝑓[𝑥1 , 𝑥2 , 𝑥3 ] =
𝑥3 − 𝑥1

𝑓[𝑥3 , 𝑥4 ] − 𝑓[𝑥2 , 𝑥3 ]
𝑓[𝑥2 , 𝑥3 , 𝑥4 ] =
𝑥4 − 𝑥2

𝑓[𝑥𝑛−1 , 𝑥𝑛 ] − 𝑓[𝑥𝑛−2 , 𝑥𝑛−1 ]


𝑓[𝑥𝑛−2 , 𝑥𝑛−1 , 𝑥𝑛 ] =
𝑥𝑛 − 𝑥𝑛−2

 Les différences divisées d’ordre 3

𝑓[𝑥1 , 𝑥2 , 𝑥3 ] − 𝑓[𝑥0 , 𝑥1 , 𝑥2 ]
𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ] =
𝑥3 − 𝑥0

𝑓[𝑥2 , 𝑥3 , 𝑥4 ] − 𝑓[𝑥1 , 𝑥2 , 𝑥3 ]
𝑓[𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ] =
𝑥4 − 𝑥1

𝑓[𝑥3 , 𝑥4 , 𝑥5 ] − 𝑓[𝑥2 , 𝑥3 , 𝑥4 ]
𝑓[𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ] =
𝑥5 − 𝑥2

𝑓[𝑥𝑛−2 , 𝑥𝑛−1 , 𝑥𝑛 ] − 𝑓[𝑥𝑛−3 , 𝑥𝑛−2 , 𝑥𝑛−1 ]


𝑓[𝑥𝑛−3 , 𝑥𝑛−2 , 𝑥𝑛−1 , 𝑥𝑛 ] =
𝑥𝑛 − 𝑥𝑛−3

 Les différences divisées d’ordre n

𝑓[𝑥1 , 𝑥2 , … … … . , 𝑥𝑛 ] − 𝑓[𝑥0 , 𝑥1 , 𝑥2 , … … … . , 𝑥𝑛−1 ]


𝑓[𝑥0 , 𝑥1 , 𝑥2 , … … … . , 𝑥𝑛 ] =
𝑥𝑛 − 𝑥0

Pour simplifier le calcul on forme une table dont chaque colonne à toutes les différences
divisées d’un même ordre. Par exemple pour 6 points :

𝑥 𝑓(𝑥)
𝑥0 𝑓[𝑥0 ]
𝑓[𝑥0 , 𝑥1 ]
𝑥1 𝑓[𝑥1 ] 𝑓[𝑥0 , 𝑥1 , 𝑥2 ]
𝑓[𝑥1 , 𝑥2 ] 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ]
𝑥2 𝑓[𝑥2 ] 𝑓[𝑥1 , 𝑥2 , 𝑥3 ] 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ]
𝑓[𝑥2 , 𝑥3 ] 𝑓[𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ] 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ]
𝑥3 𝑓[𝑥3 ] 𝑓[𝑥2 , 𝑥3 , 𝑥4 ] 𝑓[𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ]

Analyse numérique I U.K.M.O Page 5


Chapitre II : INTERPOLATION POLYNOMIALE

𝑓[𝑥3 , 𝑥4 ] 𝑓[𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ]
𝑥4 𝑓[𝑥4 ] 𝑓[𝑥3 , 𝑥4 , 𝑥5 ]
𝑓[𝑥4 , 𝑥5 ]
𝑥5 𝑓[𝑥5 ]

Exemple : Ecrire le tableau des différences divisées de la fonction 𝑦 = 𝑓(𝑥) définir par le
tableau suivant :

𝑥 0 1 2 4
𝑓(𝑥) 1 1 2 5
Solution :

𝑥 𝑓(𝑥)
0 1
0
1 1 1
2
1 −1
12
2 2 1
6
3
2
4 5

I.4. Méthode de Newton :

Cette méthode permet de déduire un polynôme d’interpolation de degré 𝑛 sans avoir à


résoudre un système d’équations linéaires. Le polynôme d’interpolation déduit par cette
méthode est de la forme:

𝑃𝑛 (𝑥) = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )+. . +𝑎𝑛 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … … . (𝑥 − 𝑥𝑛−1 )

Les (𝑛 + 1) valeurs de 𝑥𝑖 et 𝑓(𝑥𝑖 ) sont connues, les (𝑛 + 1) valeurs des coefficients 𝑎𝑖 sont
inconnues et doivent être déduites. Nous pouvons déduire les coefficients 𝑎𝑖 par :

𝑃𝑛 (𝑥0 ) = 𝑎0 = 𝑓(𝑥0 ) = 𝑓[𝑥0 ]

𝑃𝑛 (𝑥1 ) = 𝑎0 + 𝑎1 (𝑥1 − 𝑥0 ) = 𝑓[𝑥1 ]

𝑓[𝑥1 ] − 𝑓[𝑥0 ]
𝑎1 = = 𝑓[𝑥0 , 𝑥1 ]
(𝑥1 − 𝑥0 )

Et ainsi de suite on démontre que les coefficients 𝑎𝑖 = 𝑓[𝑥0 , 𝑥1 , … … . . , 𝑥𝑖 ]

Analyse numérique I U.K.M.O Page 6


Chapitre II : INTERPOLATION POLYNOMIALE

Le polynôme de Newton devient :

𝑃𝑛 (𝑥) = 𝑓[𝑥0 ] + 𝑓[𝑥0 , 𝑥1 ](𝑥 − 𝑥0 ) + 𝑓[𝑥0 , 𝑥1 , 𝑥2 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + ⋯


+ ⋯ … . . +𝑓[𝑥0 , 𝑥1 , 𝑥2 , … . , 𝑥𝑘 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … … . (𝑥 − 𝑥𝑘−1 )
+ ⋯ … . +𝑓[𝑥0 , 𝑥1 , 𝑥2 , … . , 𝑥𝑛 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … … . (𝑥 − 𝑥𝑛 )

Exemple : Déterminer par la méthode de différences divisées le polynôme d’interpolation de


la fonction 𝑓(𝑥) = 𝑦 satisfaisant au tableau ci-dessous :

𝑥 0 2 3 5 6
𝑓(𝑥) 1 3 2 5 6

Solution :

On construire le tableau de différences divisées :

𝑥 𝑓(𝑥) = 𝑦
0 1
1
2 3 −2
3
−1 0.3
3 2 5 −0.55
6 6
3 −0.25
2
5 5 −1
6
1
6 6

𝑃4 (𝑥) = 𝑓[𝑥0 ] + 𝑓[𝑥0 , 𝑥1 ](𝑥 − 𝑥0 ) + 𝑓[𝑥0 , 𝑥1 , 𝑥2 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 )


+ 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
+ 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )

2
𝑃4 (𝑥) = 1 + (1)(𝑥 − 0) + (− ) (𝑥 − 0)(𝑥 − 2) + (0.3)(𝑥 − 0)(𝑥 − 2)(𝑥 − 3)
3
0.55
+ (− ) (𝑥 − 0)(𝑥 − 2)(𝑥 − 3)(𝑥 − 5)
6
= 0.091667𝑥 4 + 1.216667𝑥 3 − 5.008333𝑥 2 + 6.88333𝑥 + 1

Analyse numérique I U.K.M.O Page 7


Chapitre II : INTERPOLATION POLYNOMIALE

I.4.1. Programme Matlab :

%méthode des différences divisées


clear all ; clc
x=[0 2 3 5 6];
y=[1 3 2 5 6];
x0=1;
n = size(x,1);
if n == 1
n = size(x,2);
end
%le première colonne du tableau
for i = 1:n
F(i,1) = y(i);
end
%les autres colonnes du tableau
for i = 2:n
for j = 2:i
F(i,j)=(F(i,j-1)-F(i-1 , j-1))/(x(i)-x(i-j+1));
end
end
F
%la valeur approchée de y a x0
fx0 = F(n,n)
for i = n-1:-1:1
fx0 = fx0*(x0-x(i)) + F(i,i);
end
x0
disp('la valeur approchee de y a x0')
fx0
disp('Tableau des differences divisees')

 Si la différence entre deux points d’appuis successifs est constante tel que :

𝑥𝑖+1 − 𝑥𝑖 = ℎ, ∀𝑖 = 0,1,2,3 … … … … ..

Avec ℎ > 0 on obtient :

𝑓[𝑥1 ] − 𝑓[𝑥0 ] 𝑓(𝑥1 ) − 𝑓(𝑥0 ) 𝑦1 − 𝑦0 1


𝑓[𝑥0 , 𝑥1 ] = = = = ∆𝑦
𝑥1 − 𝑥0 𝑥1 − 𝑥0 ℎ 1! ℎ 0
𝑦2 − 𝑦1 𝑦1 − 𝑦0
𝑓[𝑥1 , 𝑥2 ] − 𝑓[𝑥0 , 𝑥1 ] 𝑥2 − 𝑥1 − 𝑥1 − 𝑥0 1
𝑓[𝑥0 , 𝑥1 , 𝑥2 ] = = = (𝑦 − 2𝑦1 + 𝑦2 )
𝑥2 − 𝑥0 2ℎ 2! ℎ2 0
1
= ∆2 𝑦0
2! ℎ2
……….

Analyse numérique I U.K.M.O Page 8


Chapitre II : INTERPOLATION POLYNOMIALE

1
𝑓[𝑥0 , 𝑥1 , 𝑥2 , … … … . , 𝑥𝑛 ] = ∆𝑛 𝑦0
𝑛! ℎ𝑛
Dans ce cas le polynôme de Newton devient :

0𝛼 𝛼(𝛼 − 1) 2 𝛼(𝛼 − 1) … … (𝛼 − 𝑛 + 1) 𝑛
𝑃𝑛 (𝑥) = 𝑦0 + ∆𝑦0 + ∆ 𝑦0 + ⋯ … … + ∆ 𝑦0
1! ℎ 2! ℎ2 𝑛! ℎ𝑛
𝑥−𝑥0
Avec 𝛼 = et un erreur 𝑒(𝑥) = (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … … . (𝑥 − 𝑥𝑛 )𝑓[𝑥0 , 𝑥1 , 𝑥2 , … . , 𝑥𝑛 ]

Exemple : étant donné la fonction 𝑓(𝑥) définie selon le tableau suivant :

𝑥 0 0.2 0.3
𝑓(𝑥) 0 0.20134 0.30452

 Calculer le polynôme 𝑃(𝑥) d'interpolation de 𝑓 par la méthode de Newton (différences


divisées).
 Calculer 𝑃(0.23) et l'erreur d'interpolation que vous avez faite en 𝑥 = 0.23.

Solution : Tableau des différences divisées :

𝑥 𝑦 = 𝑓(𝑥)
0 0
1.0067
0.2 0.20134 0.08367
1.0318
0.3 0.30452
𝑃2 (𝑥) = 𝑓[𝑥0 ] + 𝑓[𝑥0 , 𝑥1 ](𝑥 − 𝑥0 ) + 𝑓[𝑥0 , 𝑥1 , 𝑥2 ](𝑥 − 𝑥0 )(𝑥 − 𝑥1 )

= 0 + (𝑥 − 0)(1.0067) + (𝑥 − 0)(𝑥 − 0.2)(0.08367)

𝑃2 (𝑥) = 0.08367𝑥 2 + 0.98997𝑥

𝑃2 (0.23) = 0.08367(0.23)2 + 0.98997(0.23) = 0.2321

Calcule de l’erreur :

𝜀(𝑥) = (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )𝑓[𝑥0 , 𝑥1 , 𝑥2 ]

𝜀(0.23) = (0.23 − 0)(0.23 − 0.2)(0.23 − 0.3)0.08367

𝜀(23) = −0.0000404

Analyse numérique I U.K.M.O Page 9