Académique Documents
Professionnel Documents
Culture Documents
1
Notes du cours
Interpolation polynômiale
1. Position du problème :
On considère un intervalle [a; b] R et un nuage de n + 1 points (xi ; yi )0 i n dans le plan tels que
(xi )0 i n [a; b] ; et x0 < x1 < ::: < xn
On suppose que ce nuage appartient au graphe d’une certaine fonction f; i:e: yi = f (xi ) pour 0 i n:
La fonction f pourrait n’être connue qu’en ces points là, on cherche alors une fonction F dont le graphe
coïnciderait avec celui de f en ces n + 1 points, i:e:
F (xi ) = f (xi ) = yi pour tout i= 0 i n (1)
Le but est de donner une approximation des valeurs de f (x) pour x 6= xi : On écrira f (x) ' F (x):
Il peut exister une in…nité de fonctions F qui véri…ent (1)comme il se peut qu’aucune fonction F
n’existe, mais si on impose que F soit un polynôme de degré inferieur ou égal à n, on verra que l’existence
et l’unicité sont garanties.
Notation : Pour n 2 N; désignons par Pn l’ensemble des polynômes de degré inferieur ou égal à n:
1
Cherchons Pn sous la forme Pn (x) = a0 + a1 x + a2 x2 + :::an xn ; Pn est écrit dans la base dite canonique
f1; x; x2 ; :::; xn g :
En utilisant (2) ; on obtient le système linéaire suivant de n + 1 équations à n + 1 inconnues
0 1 0 1 0 1
1 x0 ::: xn0 a0 y0
B 1 x1 ::: xn1 C B a1 C B y1 C
B C B C B C
B : C B : C B : C
(S) AX = Y où A = BB C B C B C (3)
: ::: C X=B : C Y =B
: C
B C B C B C
@ : A @ : A @ : A
n
1 xn ::: xn an yn
2
On va donner deux méthodes numériques plus e¢ caces qui permettent le calcul direct de Pn : Méthode
de Lagrange et méthode de Newton. Elles sont basées sur l’écriture du polynôme Pn dans d’autres bases
de Pn :
2. Méthode de Lagrange :
On cherche le polynôme d’interpolation dans la base dite de Lagrange.
Dé…nition 2 : On appelle base de Lagrange de Pn relative aux points xi ; 0 i n; la famille
fL0 ; L1 ; :::; Ln g dé…nie par
n x xj (x x0 ) ::: (x xi 1 ) (x xi+1 ) ::::: (x xn )
Li (x) = = (4)
j=0 xi xj (xi x0 ) ::: (xi xi 1 ) (xi xi+1 ) ::::: (xi xn )
(j6=i)
On a donc
n x xj (x x1 ) (x x2 ) ::: (x xn )
L0 (x) = =
j=0 xi xj (x0 x1 ) (x0 x2 ) ::: (x0 xn )
(j6=0)
n x xj (x x0 ) (x x2 ) ::: (x xn )
L1 (x) = =
j=0 xi xj (x1 x0 ) (x1 x2 ) ::: (x1 xn )
(j6=1)
:
:
:
n x xj (x x0 ) (x x1 ) ::: (x xn 1 )
Ln (x) = =
j=0 xi xj (xn x0 ) (xn x1 ) ::: (xn xn 1 )
(j6=n)
1 si i = j
Li (xj ) = ij = (5)
0 si i 6= j
On utilise alors (2) et (5), et on obtient un système linéaire diagonal dont la matrice est la matrice identité,
ce qui donne 0 = yi = f (xi ) (0 i n) :
On résume cela dans le
Théorème 2 : Le polynôme d’interpolation Pn d’une fonction f aux n + 1 points distincts xi ; 0 i
n; s’écrit sous la forme dite de Lagrange
X
n
Pn (x) = f (xi ) :Li (x) = f (x0 ) :L0 (x) + f (x1 ) :L1 (x) + :::: + f (xn ) :Ln (x) (7)
i=0
3
Exemple 2 : Retrouvons par la méthode de Lagrange le polynôme P3 de l’exemple 1. On a
X
3
1 1 (x
3 xj )
P3 (x) = f (xi ):Li (x) = L0 (x) + L1 (x) L2 (x) L3 (x) où Li (x) =
i=0
2 2 j=0 (xi xj )
j6=i
On
1 2
(x x1 ) (x x2 ) (x x3 ) x 3
x 3
(x 1) 9 1 2
L0 (x) = = 1 2
= (x 1) x x
(x0 x1 ) (x0 x2 ) (x0 x3 ) 0 3
0 3
(0 1) 2 3 3
2
(x x0 ) (x x1 ) (x x3 ) (x 0) x 3
(x 1) 27 2
L1 (x) = = 1 = x (x 1) x
(x1 x0 ) (x1 x2 ) (x1 x3 ) 3
0 13 2
3
1
3
1 2 3
1
(x x0 ) (x x1 ) (x x3 ) (x 0) x 3
(x 1) 27 1
L2 (x) = = 2 = x (x 1) x
(x2 x0 ) (x2 x1 ) (x2 x3 ) 3
0 23 1
3
2
3
1 2 3
1 2
(x x0 ) (x x1 ) (x x2 ) (x 0) x 3
x 3 9 1 2
L3 (x) = = 1 2
= x x x
(x3 x0 ) (x3 x1 ) (x3 x2 ) (1 0) 1 3
1 3
2 3 3
i:e:
11 9 3 45 2 27 3
L0 (x) = 1 x + 9x2 x ; L1 (x) = 9x x + x;
2 2 2 2
9 27 3 9 2 9 3
L2 (x) = x + 18x2 x ; L3 (x) = x x + x:
2 2 2 2
Ce qui donne
1 27 2 9 3
P3 (x) = 1 + x x + x
4 4 2
Remarque 2 : La méthode de Lagrange est pratique, notamment quand une ordonnée est nulle (il sera
alors inutile de calculer le polynôme élémentaire associé).
De plus, quand on change le nuage de points tout en gardant les mêmes points d’interpolation xi (0 i n),
la base de Lagrange ne change évidemment pas, ce qui permet de déduire rapidement le nouveau polynôme
d’interpolation.
Exercice 1 : Trouver le polynôme d’interpolation associé à la fonction f (x) = sin( x) aux points
1 2
0; ; ; 1:
3 3
La méthode a néanmoins un défaut : Si on ajoute ou si on retranche des points du nuage, les calculs
devraient tous être refaits. Défaut que n’a pas la méthode de Newton.
3. Méthode de Newton :
On cherche le polynôme dans la base dite de Newton :
Dé…nition 3 : On appelle base de Newton de Pn relative aux points xi la famille de la forme
et en utilisant (2) ; on obtient un système linéaire triangulaire inferieur véri…é par les inconnues i ; on
trouve 0 ; puis 1 ; ainsi de suite jusqu’à n :
4
Ceci dit, il existe une manière très pratique pour calculer les coe¢ cients i , en utilisant ce qu’on appelle
les di¤érences divisées dé…nies comme suit.
Dé…nition 4 : Soit f une fonction dé…nie aux points xi , 0 i n; supposés deux à deux distincts.
On dé…nit les di¤érences divisées par récurrence comme suit :
Pn (x) = f [x0 ]+f [x0 ; x1 ] (x x0 )+f [x0 ; x1 ; x2 ] (x x0 ) (x x1 )+:::+f [x0 ; :::; xn ] (x x0 ) (x x1 ) ::: (x x
(11)
xn 2 f [xn 2 ] f [xn 3 ; xn 2 ; xn 1 ]
f [xn 2 ; xn 1 ] f [xn 3; xn 2 ; xn 1 ; xn ]
xn 1 f [xn 1 ] f [xn 2 ; xn 1 ; xn ]
f [xn 1 ; xn ]
xn f [xn ]
Les di¤érences divisées encadrées dans la diagonale principale de cette table apparaissent dans la formule
(11) et ce sont exactement les coe¢ cients i :
5
Exemple 3 : Retrouvons par la méthode de Newton le polynôme P3 de l’exemple 1.
On a la table des di¤érences divisées
f (n+1) ( x ) Y
n
" (x) = n (x) ou n (x) = (x xi ) (13)
(n + 1)! i=0
6
On en déduit la majoration suivante
1
j" (x)j max j n (x)j max f (n+1) (x) x 2 [a; b] (14)
(n + 1)! x2[a;b] x2[a;b]
1 2
Exemple 4 : Soient [a; b] = [0; 1] ; f (x) = cos ( x) ; xi = 0; ; ; 1.
3 3
L’expression de l’erreur d’interpolation est donnée par
f (4) ( x ) 1 2
"(x) = f (x) P (x) = 3 (x) ; où 3 (x) = x(x )(x )(x 1) et x 2 [0; 1]
4! 3 3
1
i) Estimons l’erreur d’abord au point x = :
4
On a f (4) (x) = 4 cos( x) donc max f (4) (x) = 4
ce qui donne
x2[0;1]
4
1 1 15 4
"( ) 3 ( ) = ' 0; 0265
4 4 4! 55296
ii) Estimons maintenant l’erreur dans tout l’intervalle [0; 1] :
Pour cela, il reste à calculer max j 3 (x)j. On a
x2[0;1]
1 1 1 1 1
3 (x) = (y + )(y + )(y )(y ) où y = x
2 6 6 2 2
1 1 1 1
= (y 2 )(y 2 ) = (t )(t ) où t = y 2
36 4 36 4
1 1 5 1
Posons (t) = (t )(t ) = t2 t+ : On a
36 4 18 144
1 1 1
0 x 1, y ,0 t
2 2 4
et donc
max j 3 (x)j = max
h i j (t)j
x2[0;1] 1
x2 0;
4
Par ailleurs,
1 1
36
+ 4 1 1 1 1
h i j (t)j = max j (0)j ;
max ; = max ; ;0 =
0;
1 2 4 144 81 81
4
Finalement, on a
1 4 4
max j"(x)j = ' 0; 05
x2[0;1] 81 24 1944
Remarque : Si f est un polynôme de degré inferieur ou égal à n; alors f (n+1) (x) = 0; 8x; donc
" (x) = 0; 8x; i:e: f (x) = Pn (x); 8x:
On en déduit que quand le nombre de nœuds est au moins n + 1, alors tout polynôme de degré inferieur
ou égal à n est son propre polynôme d’interpolation en ces nœuds.