Université Claude Bernard, Lyon I Licence Sciences & Technologies

43, boulevard 11 novembre 1918 Spécialité Mathématiques

69622 Villeurbanne cedex, France Option: Analyse Numérique 2007-2008

Série n◦6 :
Interpolation et méthodes des moindres carrés

Exercice 1. Formules des différences divisées

Nous supposons que f : [a, b] → IR est une fonction n + 1 fois continûment différentiable. Le
polynôme de Lagrange Pn est un polynôme de degré inférieur ou égal à n et tel que

Pn (xi ) = f (xi ), i = 0, ..., n. (1)

a) La formule de Newton qui consiste à écrire la polynôme Pn aux points x0 , ..., xn sous la
forme
Pn (x) = a0 + a1 (x − x0 ) + ... + an (x − x0 ) . . . (x − xn−1 ) (2)
permet de construire le polynôme Pn à l’aide d’une récurrence. En effet
n−1
Y
Pn (x) = Pn−1 (x) + an (x − xk ). (3)
k=0

c’est-à-dire, connaissant Pn−1 , il suffit de calculer an pour connaı̂tre Pn .

• Montrer que le polynôme d’interpolation de Lagrange de la fonction f aux points

distincts (xi )0≤i≤n est unique

• Montrer que l’écriture (2)-(3) est unique.

• Montrer par récurrence sur n que an = f [x0 , ..., xn ] avec


f [xn ] = f (xn ),
f [x0 , ..., xn ] = f [x1 ,...,xnx]−f [x0 ,...,xn−1 ]
n −x0
.

• Montrer ensuite que f [x0 , . . . , xn ] est invariants par permutations

b) Montrer qu’il existe ξ ∈ [a, b] tel que

f (n) (ξ)
f [x0 , ..., xn ] = .
n!

1
c) Montrer que
Mn+1
|Pn (x) − f (x)| ≤ |πn (x)|,
(n + 1)!
où Mn+1 = maxa≤x≤b |f (n+1) (x)| et πn (x) = ni=0 (x − xi ).
Q
Remarquons bien ici que l’estimation n’est pas forcément quelque chose de petit (voir
phénomène de Runge).

d) Application. Trouver l’interpolation de Lagrange de la fonction f (x) = sin(π x/2)

aux points x0 = 0, x1 = 1 et x2 = 2. Puis, à l’aide des questions précédentes établir une
estimation d’erreur.

Exercice 2. Convergence de l’interpolation de Lagrange

Soit Ln le polynôme d’interpolation de Lagrange de la fonction
1
f (x) = , −1 ≤ x ≤ 1
x−α
aux n + 1 points distincts x0 , . . . , xn de l’intervalle [−1, 1].

a) Calculer les dérivées successives de la fonction f .

b) Montrer que si α > 3, et si les (n + 1) points x0 , . . . , xn sont équidistants, nous avons

alors
lim kf − Ln k∞ = 0.
n→∞

c) Considérons toujours la fonction

1
f (x) = , −1 ≤ x ≤ 1
x−α
aux n + 1 points distincts x0 , . . . , xn équidistants de l’intervalle [−1, 1]. Dans la pratique,
nous n’agissons pas du tout comme dans l’exercice ci-dessus. Nous préférons utiliser des
polynômes de degré peu élevé sur chaque petit intervalle [xi , xi+1 ]
Ecrire l’approximation de Lagrange de degré un fn de f sur chaque intervalle [xi , xi+1 ],
i = 0, . . . , n − 1.

d) Montrer que si α ∈
/ [−1, 1], nous avons

C
kf − fn k∞ ≤
n2
et donc fn converge uniformément vers f lorsque n tend vers l’infini.

2
Exercice 3. Formules de quadratures
Soit f une fonction continue définie de l’intervalle [a, b] à valeurs dans IR. Il existe toute une
famille d’algorithmes permettant d’approcher la valeur numérique de l’intégrale
Z b
I = f (x) dx.
a

Toutes consistent à approcher l’intégrale par une formule dite de “quadrature”, du type
p
X
Ip = ωi f (xi ).
i=1

Le choix de p, des poids ωi et des points xi dépendent de la méthode employée. Généralement,

les fonctions sont remplacées par des polynômes dont nous connaissons facilement la primi-
tive.

a) Soit ξ le point d’interpolation; la formule devient alors:

Irect = (b − a) f (ξ).

Montrer que lorsque ξ = a ou ξ = b, l’erreur est (méthode des rectangles)

(b − a)2 0
|Irect − I| ≤ kf kL∞ , η ∈ [a, b].
2

b) Nous interpolons f par un polynôme de degré un, nous avons besoin de deux points
d’interpolation, à savoir (a, f (a)) et (b, f (b)). Montrer que l’intégrale est alors approchée par
l’aire du polynôme d’interpolation (méthode des trapèzes)

(b − a)
Itrap = (f (a) + f (b)).
2
Montrer que
(b − a)3 00
|I(f ) − I| ≤ kf kL∞ η ∈ [a, b].
12

c) Application au calcul d’une intégrale. Nous décomposons l’intervalle [a, b] en (n+1)

points et posons h = (b − a)/n et xi = a + ih pour i = 0, .., n. Ecrire la formule des trapèzes
sur chaque intervalle [xi , xi+1 ]. En déduire une formule pour approcher l’intégrale
Z b
f (x) dx.
a

Donner ensuite une estimation de l’erreur.

3
Exercice 4. Méthodes des moindres carrés discrètes avec poids.
Nous rappelons d’abord le théorème de la projection dans un espace de Hilbert.
Théorème 1 Soit H un espace de Hilbert (espace de Banach muni p d’un produit scalaire)
sur IR avec le produit scalaire (x, y)H et la norme associée kxkH = (x, x)H . Soit E un
sous espace vectoriel fermé de H et y ∈ H. Alors il existe un unique v ∗ ∈ E tel que
kv ∗ − ykH ≤ kv − ykH , ∀ v ∈ E.
De plus v ∗ est la projection orthogonale de y sur l’espace F c’est-à-dire
(v ∗ − y, v)H = 0, ∀v∈E
Nous considérons α = (α1 , · · · αn )T ∈ IRn avec αi > 0, i = 1, · · · n et la matrice
diagonale D = diag(α1 , · · · αn ) ∈ Mn,n (IR).
Nous introduisons le produit scalaire sur IRn :
n
X
(x, y)D = (Dx, y) = (x, Dy) = αi xi yi , ∀ x, y ∈ IRn
i=1

Nous admettons que ceci est bien un produit p scalaire et que IRn muni de ce produit
scalaire est un espace de Hilbert et notons kxkD = (x, x)D la norme associée à ce produit
scalaire.
Nous prenons m ∈ IN ∗ avec m ≤ n − 1 et introduisons les fonctions définies sur IR par

φ0 (x) = 1,
φi (x) = xi , i = 1, . . . , m
Nous notons alors
Pm = vect(φ0 , φ1 , · · · φm ),
l’espace des polynômes de degré inférieur ou égal à m.
Considérons un nuage de points {(xi , yi ), i = 1, · · · n} et recherchons le polynôme de Pm
qui approche au mieux le nuage de points (xi , yi )1≤i≤n au sens de la norme k · kD , c’est à
dire: trouver P ∗ ∈ Pm tel que
n
X n
X
∗ 2
αi |P (xi ) − yi | ≤ αi |P (xi ) − yi |2 ∀ P ∈ Pm (4)
i=1 i=1

a) En écrivant tout polynôme P ∈ Pm sous la forme

m
X
P (x) = ui φi (x)
i=0

avec u0 , u1 , · · · um ∈ IR et en notant y = (y1 , · · · yn )T montrer que l’on a

n
X
αi |P (xi ) − yi |2 = kB u − yk2D .
i=1

où l’on précisera ce qu’est la matrice B.

4
b) Montrer ensuite que l’on peut écrire le problème (4) sous la forme: trouver v ∗ ∈ F
satisfaisant
kv ∗ − ykD ≤ kv − ykD ∀v∈F (5)
avec
F = {v ∈ IRn , v = Bu, u ∈ IRm+1 }.

c) Montrer que si v ∗ ∈ F est la solution du problème (5) alors v ∗ = Bu∗ où u∗ ∈ IRm+1 est
solution de l’équation
B T DBu∗ = B T Dy (6)

d) Montrer que B est de rang m + 1 et en déduire alors que B T DB est définie positive.
En déduire l’existence et l’unicité d’une solution de (6).

e) Application. Trouver le polynôme P ∗ ∈ P1 tel que

|P ∗ (−1) − 1|2 + 2|P ∗ (0)|2 + 3|P ∗ (1) − 1|2 ≤ |P (−1) − 1|2 + 2|P (0)|2 + 3|P (1) − 1|2 ∀ P ∈ P1

Exercice 5. Polynômes de Chebychev

Soit n ≥ 0 un entier. Nous définissons le polynôme de Chebychev de première espèce par

Tn (x) = cos(n arccos(x)), x ∈ [−1, 1]

a) Montrer que les fonctions Tn (x) satisfont la formule de récurrence


 T0 (x) = 1, T1 (x) = x,

Tn+1 (x) = 2 x Tn (x) − Tn−1 (x),



Montrer ensuite que les polynômes Tn (x) sont orthogonaux par rapport à la fonction poids
(1 − x2 )−1/2 
Z 1
dx  π si n = m = 0,
Tn (x) Tm (x) = π/2 si n = m 6= 0,
−1 (1 − x2 )1/2
0 si n 6= m.


b) Montrer que 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 + . . .

c) Nous posons
 
n 1−n kπ
t (x) = 2 Tn (x), yk = cos , k = 0, . . . , n.
n

Calculer tn (yk ).

5
d) Soient x1 , . . . , xn , n points quelconques de [−1, 1]. Nous posons

wn (x) = (x − x1 ) . . . (x − xn ).

Supposons par l’absurde que

kwn k∞ < ktn k∞
Montrer alors que 
tn (yk ) − wn (yk ) > 0 si k est pair
tn (yk ) − wn (yk ) < 0 si k est impair

e) En déduire que kwn k∞ ≥ ktn k∞ .

f ) Soit Ln−1 le polynôme de Lagrange de la fonction f (x) = ln(x + 2) aux points racines
du polynôme de Chebychev Tn . Déterminer n tel que

max | ln(x + 2) − Ln−1 (x)| ≤ 2−10 .

−1≤x≤1

6
Correction des exercices
Exercice 1.
a) * Montrons que le polynôme de Lagrange est unique. Soit Qn un autre polynôme
solution de (1). Alors, nous avons pour i = 0, ..., n
Pn (xi ) − Qn (xi ) = f (xi ) − f (xi ) = 0.
Ainsi, Pn − Qn est un polynôme de degré inférieur ou égal à n s’annulant en n + 1 points. Il
est donc identiquement nul.
* Les coefficients a = (ai )0≤i≤n sont solutions d’un système linéaire
M a = y,
avec yi = f (xi ) et M la matrice de Vandermonde dont le determinant est non nul. Les
coefficients (ai )0≤i≤n sont donc définis de manière unique.
* Montrons que pour tout n ≥ 0, le coefficient an = f [x0 , . . . , xn ]. Nous faisons la
démonstration par récurrence sur le nombre de points xi . Nous vérifions d’abord que la
formule est vraie à l’ordre n = 1
f (x1 ) − f (x0 ) f [x1 ] − f [x0 ]
P1 (x) = f (x0 ) + (x − x0 ) = f [x0 ] + (x − x0 ) .
x1 − x0 x1 − x0
Nous supposons ensuite que la formule est vraie à l’ordre n − 1; nous avons alors
n
Y
Pn (x) = Pn−1 (x) + an (x − xk )
k=0
n−1
X Yi−1 n−1
Y
= f [x0 , .., xi ] (x − xk ) + an (x − xk ).
i=0 k=0 k=0

Il reste à calculer an . Considérons donc

x − x0 xn − x
Q(x) = Qn−1 (x) + Pn−1 (x),
xn − x0 xn − x0
où
X n i−1
Y
Qn−1 (x) = f [x1 , ..., xi ] (x − xk )
i=1 k=1
est le polynôme d’interpolation de f aux points x1 , ..., xn . Nous vérifions immédiatement
que pour tout i = 0, ..., n
Q(xi ) = f (xi ).
Ainsi, puisque Q est un polynôme de degré inférieur ou égal à n, nous avons Pn ≡ Q. Or,
cette nouvelle expression de Pn permet de déterminer le coefficient de xn de Pn
1 1
an = f [x1 , ..., xn ] − f [x0 , ..., xn−1 ] = f [x0 , ..., xn ].
xn − x0 xn − x0
* La formule des différences divisées est dont stable par permutation. En effet, permuter
les xi ne change pas le polynôme d’interpolation et donc ne change pas le coefficient du terme
de plus haut degré an .

7
b) Nous introduisons la fonction En (x) = f (x) − Pn (x). D’une part, la fonction E s’annule
en n + 1 points distincts. D’après le théorème de Rolle, puisque En est continue et dérivable,
(n)
sa dérivée En0 s’annule en au moins n points,..., En est continue et s’annule en un point
ξ ∈ [a, b], c’est-à-dire
f (n) (ξ) = Pn(n) (ξ).
(n)
D’autre part, comme Pn est de degré n , nous savons que Pn (ξ) = an n!, où an est le
coefficient de xn , soit ici an = f [x0 , ..., xn ].
Par transitivité, nous obtenons le résultat
f (n) (ξ)
f [x0 , ..., xn ] = an = .
n!

c) Soit x ∈ [a, b], nous introduisons Q le polynôme d’interpolation aux points x0 ,...,xn et
x. D’après la formule de Newton, ce polynôme est donné au point x par
Q(x) = Pn (x) + f [x0 , ..., xn , x]πn (x).
Or, puisque Q(x) = f (x) nous avons
f (x) = Pn (x) + f [x0 , ..., xn , x]πn (x).
Finalement, en appliquant le résultat de b), il existe ξ ∈ [a, b] tel que
f (n+1) (ξ)
f (x) = Pn (x) + πn (x).
(n + 1)!
D’où le résultat en passant au sup
n
kf (n+1) kL∞ Y
|f (x) − Pn (x)| ≤ |x − xi |.
(n + 1)! i=0

Application Le polynôme de Lagrange est donné par la formule générale

n
X i−1
Y
Pn (x) = f [x0 , . . . , xi ] (x − xk )
i=0 k=0

et f [x0 , . . . , xn ] se calcule par récurrence.

Dans cet exercice nous avons
f (x0 = 0) = 0, f (x1 = 1) = 1, f (x2 = 2) = 0,
et donc f [x0 ] = 1, f [x0 , x1 ] = 1 − 0/(1 − 0) = 1 et f [x0 , x1 , x2 ] = (−1 − 1)/2 = −1, ce qui
donne
P2 (x) = 0 + 1 (x − 0) − 1 (x − 0)(x − 1) = x − x2 + x = −x2 + 2 x.
D’après la formule du cours nous avons pour tout x ∈ [0, 2]
kf (3) k∞  π 3 x(x − 1)(x − 2) 1 π3
|f (x) − P2 (x)| ≤ x(x − 1)(x − 2) = = ,
3! 2 6 2 48
puisque nous vérifions facilement que pour tout x ∈ [0, 2]
|x (x − 1) (x − 2)| ≤ 1/2.

8
Exercice 2.
a) Nous calculons les dérivées successives
1 2
f 0 (x) = − , f 00 (x) =
(x − α)2 (x − α)3

et plus généralement
(n + 1)!
f (n+1) (x) = (−1)n+1 .
(x − α)n+2

b) Nous appliquons le résultat du cours : il existe η ∈ [−1, 1]

n
|f (n+1) (η)| Y
|f (x) − Ln (x)| = |x − xi |.
(n + 1)! i=0

Ainsi, si α > 3, nous avons pour η ∈ [−1, 1]

2 < |η − α| = α − η < 4

et
|f (n+1) (η)| 1 1
≤
(n + 1)! 2 |η − α|n+1
et donc n  
1 Y  x − xi 
|f (x) − Ln (x)| = .
2 i=0  η − α 
Or, pour tout x ∈ [−1, 1] et i ∈ {0, . . . , n}, nous avons |x − xi | ≤ 2 et donc
n  n+1
1 Y |x − xi | 1 2
|f (x) − Ln (x)| ≤ ≤ .
2 i=0 |η − α| 2 α−η

donc puisque 2/(α − η) < 1

 n+1
1 2
lim kf (x) − Ln (x)k∞ ≤ lim = 0.
n→∞ 2 n→∞ α−η

c) Considérons α ∈
/ [−1, 1], ainsi la fonction f est bien définie sur [−1, 1], sur l’intervalle
[xi , xi+1 ]
 
1 (x − xi ) 1 1
fn (x) = + −
xi − α h xi+1 − α xi − α
1 1
= − (x − xi )
xi − α (xi+1 − α) (xi − α)

9
d) Sur chaque intervalle [xi , xi+1 ], nous appliquons l’estimation d’erreur

|f 00 (ξx )|
|f (x) − fn (x)| = |(x − xi )(x − xi+1 )|
2
Or la fonction (x − xi )(xi+1 − x) atteint son maximum en (xi + xi+1 )/2 et donc

kf 00 k∞ 2
|f (x) − fn (x)| ≤ h
8
avec h = 2/n. Ainsi cette nouvelle approximation est bien meilleure que celle obtenu dans
la question b) précédente!!

Exercice 3.
a) Soit Pn le polynôme de Lagrange de degré n interpolant la fonction f (définie sur [a, b])
aux points x0 , . . ., xn satisfait l’estimation
n
kf (n+1) kL∞ Y
|f (x) − Pn (x)| ≤ |x − xi |, η ∈ [a, b].
(n + 1)! i=0

Ainsi
b b n
Z bY
kf (n+1) kL∞
Z Z
| f (x) − Pn (x)dx| ≤ |f (x) − Pn (x)|dx ≤ |x − xi |dx.
a a (n + 1)! a i=0

Pour la méthode des rectangles nous prenons n = 0 et ξ = a ou ξ = b, l’erreur est alors

donnée par Z b
0 0 (b − a)2
|Irect − I| ≤ kf kL∞ |x − a|dx = kf kL∞ .
a 2

b) Nous construisons le polynôme de Lagrange P1

f (b) − f (a)
P1 (x) = f (a) + (x − a) ,
b−a
et avons alors
kf 00 kL∞
|f (x) − P1 (x)| ≤ (x − a)(b − x).
2
D’abord, nous vérifions que
Z b
1 f (b) − f (a)
P1 (x) dx = (b − a) [f (a) + (b − a) ]
a 2 b−a
(b − a)
= [f (a) + f (b)].
2

10
Donc
b Z b
(b − a)
Z
1 00
| f (x)dx − [f (a) + f (b)]| ≤ kf kL∞ (x − a)(b − x)dx
a 2 2 a
Z b
1 00
≤ kf kL∞ [−x2 + (b − a)x − ab]dx
2 a
1 00 (b − a)3
= kf kL∞
2 6
et finalement
b
(b − a) (b − a)3
Z
| f (x)dx − [f (a) + f (b)]| ≤ kf 00 kL∞
a 2 12

c) D’abord, nous décomposons l’intégrale

n−1 Z
X xi+1
I = f (x) dx
i=0 xi

Puis appliquons la méthode des trapèzes sur chaque intervalle

n−1
X (xi+1 − xi )
Ih = (f (xi ) + f (xi+1 ))
i=0
2

ce qui donne
n−1
h X
Ih = (f (a) + f (b)) + h f (xi ).
2 i=1

L’erreur est donnée par

n−1 (2)
X
3f (ξi ) (b − a) (2)
|I − Ih | ≤ (xi+1 − xi ) ≤ h2 kf k∞ .
i=0
12 12

Exercice 4.
Commençons par la
preuve du Théorème de la projection. Soit y ∈ H et E un sous-espace vectoriel de H,
nous notons d la distance usuelle de H,
d(x, y) = kx − yk,
où k.k est la norme formée à partir du produit scalaire de H. Nous définissons alors
d(y, E) = inf ky − vk.
v∈ E

Puisque y ∈ H et E est un ensemble fermé de H alors il existe une suite (vk )k∈IN telle que
lim ky − vk k = d(y, F ).
k→∞

11
Nous voulons démontrer que la suite (vk )k∈IN est une suite de Cauchy. D’une part par
définition de la limite, pour tout ε > 0, il existe Nε ∈ IN tel que pour tout k ≥ Nε

ky − vk k ≤ ε/2

et donc pour tout k et l ∈ IN , k, l ≥ Nε

kvk − vl k ≤ ky − vk k + ky − vl k ≤ ε.

Ainsi, (vk )k∈IN est une suite de Cauchy, et puisque E ⊂ H est complet, il existe v ∗ ∈ E tel
que vk → v ∗ et donc
ky − v ∗ k = d(y, E) = inf ky − vk.
v∈ E

De plus, sa limite est unique: soit v ∗ et w∗ deux éléments réalisant le minimum; alors
v ∗ + w∗ 2
0 ≤ kv ∗ − w∗ k2 = 2 kv ∗ − yk2 + 2 ky − w∗ k2 − 4ky − k,
2
v ∗ + w∗ 2
= 4 [d(y, E)]2 − 4ky − k.
2
Or, puisque E est un espace vectoriel, (v ∗ + w∗ )/2 ∈ E et
v ∗ + w∗
d(y, E) ≤ ky − k,
2
donc
0 ≤ kv ∗ − w∗ k2 ≤ 4 [d(y, E)]2 − 4 [d(y, E)]2 = 0.
Ainsi, la limite est unique.
Nous posons alors v ∗ = PE (y), soient v ∈ E et λ ∈ IR alors v ∗ + λ v ∈ E

ky − (v ∗ + λ vk2 = ky − v ∗ k2 − 2 λ (y − v ∗ , v) + λ2 kvk2 ,

il vient donc pour tout λ ∈ IR

− 2 λ (y − v ∗ , v) + λ2 kvk2 ≤ 0.

En prenant d’une part λ > 0, nous avons aussi

− 2 (y − v ∗ , v) + λkvk2 ≤ 0

et ensuite en faisant tendre λ vers zéro, nous obtenons le résulat : pour tout v ∈ F

(y − v ∗ , v) ≤ 0.

Finalement, puisque E est un espace vectoriel −v appartient ausi à E et donc : pour tout
v ∈ E
(y − v ∗ , v) = 0.


12
 Pm Pm
a) En introduisant P (x) = j=0 uj φj (x), nous avons φ(xi ) = j=0 uj φj (xi ) ≡ (B u)i avec
avec B ∈ Mn,m+1 (IR)  
1 x1 ... xm1
 1 x2 ... xm2

B=
 
.. .. .. .. 
 . . . . 
1 x n . . . xm
n

Par conséquent
n
X
αi |P (xi ) − yi |2 = kB u − yk2D .
i=1
T n
avec y = (y1 , . . . , yn ) ∈ IR .

b) Ensuite, en notant v = B u ∈ IRn , nous recherchons v ∗ ∈ F := {v ∈ IRn , v = B u; u∈

IRm+1 } et le problème devient
kv ∗ − yk2D = min kv − yk2D .
v∈F

c) Nous sommes donc dans le bon cadre pour appliquer le théorème de la projection. Ainsi,
nous montrons que ce dernier problème admet une solution unique, donnée par
(v ∗ − y, v) = 0, ∀v ∈ F
ou encore
B T DBu∗ = B T Dy.
Attention v ∗ est unique mais (pour l’instant) pas u∗ la solution du problème
initial.

c) B est une matrice à m+1 colonnes et n lignes avec m ≤ n−1 donc Rang(B) ≤ m+1. Or,
en ne retenant que les m + 1 premières lignes de B, on reconnait la matrice de Vandermonde,
et puisque les points xi sont tous distincts, on a Rang(B) = m + 1.
Comme v ∗ ∈ F , il existe u∗ ∈ IRm+1 tel que v ∗ = Bu∗ et
(Bu∗ − y, v)D = 0, ∀v ∈ F
qui s’écrit aussi
n
X
αi (Bu∗ − y)i (Bu)i = 0, ∀u ∈ IRm+1
i=1
ou encore
n m
! m m m X
n
! n
!
X X X X X X
αi Bi,j u∗j − yi Bi,k uk = αi Bi,k Bi,j u∗j − αi Bi,k yi uk = 0, ∀u ∈ IRm+
i=1 j=0 k=0 k=0 j=0 i=1 i=1

ce qui signifie que

(B T DBu∗ − B T Dy , u) = 0, u ∈ IRm+1 .
Et donc B T D Bu∗ = B T D y.

13
d) La matrice B est de rang m + 1, c’est-à-dire dim(ImB) = dimF = 3. Or, nous savons
que pour une application linéaire f : E → F

dim(Imf ) + dim(Kerf ) = dim(E)

donc ici
dim(ImB) + dim(KerB) = dim(IRm+1 ) = m + 1
donc KerB = {0} et B est injective. Nous en déduisons que B T B est symétrique définie
positive
y B T D B y = (B y)T D By = kD1/2 Byk2IRm+1 .
Par injectivité de B et puisque αi > 0, la matrice B T D B est bien définie positive et donc
inversible. Il existe donc un unique u∗ ∈ IRm+1 solution du problème initial

e) Nous avons ici

 P P 2   
4P i x i i x i 4 2 6
B T DB =  Pi xi Pi x2i Pi x3i  =  2 6 8 
P P
2 3 4
i xi i xi i xi 6 8 18

et  P   
Pi y i 4
B T D y =  Pi xi yi  =  4 
2
i xi yi 10
Nous trouvons alors la solution u1 = 3/10, u2 = −1/10 et u3 = 1/2. La fonction minimisante
s’écrit
x2 x 3
φ(x) = − + .
2 10 10

Exercice 5.
a) Posons θ(x) = arccos(x), nous obtenons alors

Tn+1 (x) = cos ((n + 1)θ) = cos (n θ) cos (θ) − sin (n θ) sin (θ)

et
Tn−1 (x) = cos ((n − 1)θ) = cos (n θ) cos (θ) + sin (n θ) sin (θ)
Ainsi,
Tn+1 (x) + Tn−1 (x) = 2 cos (n θ) cos (θ) = 2 x Tn (x).
Aussi, par changement de variable θ = arccos(x), nous avons

Z 1 Z π  0, si m 6= n
dx
Tn (x) Tm (x) √ = cos(nθ) cos(mθ) dθ = π, si m = n = 0
−1 1 − x2 0 
π/2, si m = n ≥ 0

14
b) Montrons ensuite que Tn est bien un polynôme de degré n. Pour cela, nous prcédonc
par récurrence: T0 est un polynôme de degré zéro et T1 est bien un polynôme de degré un.
Nous supposons alors que pour k ≥ 1, Tk−1 (resp. Tk ) est un polynôme de degré k − 1
(resp. k) et le coefficient devant le terme de plus haut degré de Tk est donné par 2k−1 ; alors
en utilisant la formule de récurrence

Tk+1 (x) = 2 x Tk (x) − Tk−1 (x)

nous avons bien que Tk+1 est un polynôme de degré k + 1 et le coefficient devant le terme de
plus haut degré est donné par 2 × 2k−1 = 2k .

c) La fonction arccos est une fonction de [−1 : 1] à valeurs dans [−π, π]. Ainsi,
  
kπ kπ
arccos(yk ) = arccos cos =
n n
et
tn (yk ) = cos(k π) =

d)

e)

f)

15