Chapitre 1

Approximation polynomiale
des fonctions

1.1 Approximation polynomiale des fonctions

D’une facon un peu générale, l’approximation polynomiale tente de répondre
au problème suivant, à la base même du calcul scientifique : étant donné une
fonction f calculable, mais ”compliquée”, comment la remplacer par une
fonction f˜ plus ”simple”, tout en restant proche de f ?
On dira qu’une fonction est ”simple” s’il suffit de connaı̂tre un ”petit”
nombre de paramètres pour la connaı̂tre en chacun de ses points. Ainsi,
une courbe sismique ou la trajectoire des particule émises par un moteur
d’avion pourront être considérées comme des fonctions très compliquées,
tandis qu’un polynôme (de degré n pas trop grand) sera vu comme une
fonction particulièrement simple.

Notations
on désignera par Pn l’espace vectoriel des fonctions polynômes sur R à
coefficients réels, de degré inférieur ou égal à n. On a donc dimPn = n + 1.
Par ailleurs, si f est une fonction définie sur un intervalle [a, b] ⊂ R à valeurs
dans R ou C, la norme uniforme de f sur [a, b] sera notée

kf ks = sup |f (x)|.
x∈[a,b]

1.2 Méthode d’Interpolation de Lagrange

Soit f une fonction continue sur [a, b]. On se donne n + 1points x0 , x1 , · ·
·xn dans [a, b], deux à deux distincts non nécessairement rangés par ordre
croissant.

1
 Page 2

Problème : Existe-t-il un polynôme pn ∈ Pn tel que

pn (xi ) = f (xi ), ∀i = 0, · · · , n?

Lemma 1.2.1 Soit n ≥ 0 un entier. Il existe des polynômes Lk ∈ Pn avec

k = 0, · · · , n tels que

Lk (xi ) = δik , ∀i, k = 0, · · · , n.

De plus
n
X
pn (x) = Lk (x)f (xk )
k=0
est l’unique solution à notre problème.
Preuve : Soit k ∈ {0, 1, · · · , n} fixé. Le polynôme Lk doit avoir n racines
{xi , i = 0, · · · n, i =
6 k}. Ainsi Lk est de la forme

Lk (x) = Ck Πni=0i6=k (x − xi )

où Ck est une constante rélle à determiner. Puisque Lk (xk ) = 1, on obtient

Ck = Πni=0i6=k (xk − xi ).

On montre facilement que f (xi ) = pn (xi ) et pn ∈ Pn .

L’unicité : Soit qn ∈ Pn un autre polynôme solution de notre problème.
Alors qn (xi ) = f (xi ) = pn (xi ) et les xi , i = 0, · · · , n sont les racines du
polynôme qn − pn qui est un polynôme de Pn . On en deduit que pn − qn = 0.
Definition 1.2.1 Le polynôme pn ainsi défini au Lemme 1.2.1 appelé po-
lynôme d’interpolation de Lagrange de la fonction f aux points x0 , x1 , · · ·xn .
Exo1 :Dans une étude réalisée au début des années 2000, des économistes
de la santé avaient prévu une hausse du marché des médicaments anticho-
lestérol. L’évolution du marché américain (en millions de dollars) pour ce
type de médicament, de 1999 Ã 2005, est consignée dans le tableau suivant :
Année 1999 00 01 02 03 05
Marché 12.19 14.07 16.21 18.28 20 23.89
1)quelle était la valeur du marché des médicaments en 2004 ?
2) Certains economistes proposent le modèle suivant : M (t) = 1.95t + 12.19.
Comparer le résultat de la première question. Quel est le taux de variation
de la valeur du marché de ce médicament sur la periode de 19-05 ?

1.2.1 Erreur d’interpolation

Theorem 1.2.1 On suppose que f est n + 1 fois dérivable sur [a, b]. Alors
pour tout x ∈ [a, b], il existe un point ψx ∈ (min(x, xi ), max(x, xi )) tel que
1
f (x) − pn (x) = Πn+1 (x)f (n+1) (ψx ),
(n + 1)!

Analyse Numérique & EDO M. Mbehou UY1

 Page 3

avec
Πn+1 (x) = Πj = 0n (x − xj ).

Pour démontrer ce théorème, on utilise :

Lemma 1.2.2 On suppose que g est p fois dérivable sur [a, b]. On suppose
qu’il existe p + 1 points c0 < · · · cp de [a, b] tels que g(ci ) = 0. Alors il existe
ψ ∈ (c0 , cp ) tel que g(p) (ψ) = 0
Proof : Pour p = 1, on utilise le lemme de Rolles pour conclure. Supposons le
lemme démontré pour p − 1. Le lemme de Rolles donne une suite des points
γ0 ∈ (c0 , c1 ), · · · , γp−1 ∈ (cp−1 , cp ) tels que g ′ (γi ) = 0. Par hypothèse de
récurrence, il existe ψ ∈ (γ0 , γp− ) ⊂ (c0 , cp ) tel que g ′p−1 (ψ) = 0 = g (p) (ψ).
Preuve du Théorème : Si x = xi , alors Πn+1 (xi ) = 0 et tout point ψx
convient.
Supposons x 6= xi . Soit pn+1 le polynôme d’interpolation de f aux points
x, x0 , · · · , xn de sorte que pn+1 Pn+1 . Par construction, f (x) − pn (x) =
pn+1 (x) − pn (x) et pn+1 − pn ∈ Pn+1 et s’annule en n + 1 points x0 , · · · , xn .
On a donc
pn+1 (t) − pn (t) = cΠn+1 (t), c ∈ R.
Considerons la fonction

g(t) = f (t) − pn+1 (t) = f (t) − pn (t) − cΠn+1 (t).

Cette fonction s’annule en n + 2 points x, x0 , · · · , xn donc d’après le Lemme

1.2.2, il existe ψx ∈ (min(x, xi ), max(x, xi )) tel que g (n+1) (ψx ) = 0. Or
(n+1)
p(n+1)
n = 0, Πn+1 = c(n + 1)!
1 (n+1) (ψ ),
Par conséquent c = (n+1)! f x d’où le résultat.
Corollaire :
1
kf − pn k ≤ kΠn+1 kkf (n+1) k.
(n + 1)!
Cette formule montre que la taille de l’erreur depend à la fois de la quqntité
kf (n+1) k qui peut être grande si f oscille trop vite, et de la quantité kΠn+1 k
qui est liée à la repartition des points xi dans l’intervalle [a, b].
Considerons la subdivision uniforme de l’intervalle [a, b] de pas h = b−a n .
Alors
xi = a + ih, 0 ≤ i ≤ n.
Theorem 1.2.2 On suppose que f est n + 1 fois dérivable sur [a, b]. Alors
pour tout x ∈ [a, b]

hn+1
|f (x) − pn (x)| ≤ max |f (n+1) |.
n + 1 [x0 ,··· ,xn ]

Analyse Numérique & EDO M. Mbehou UY1

 Page 4

Preuve : Pour x ∈ [a, b], effectuons le changement de variable

x = a + sh, s ∈ [0, n].
Alors Πn+1 (x) = hn+1 Πnj=0 (s − j). Considerons la fonction φ(s) = |Πnj=0 (s −
j)|, on montre que max[0,n] φ = max[0,1] φ(s) ≤ n! (il faut montrer que φ
est periodique de periode n donc le max est atteint sur [0, n/2] et ensuite
montrer que φ(s − 1) > φ(s) pour tout 1 ≤ s ≤ n/2 pour conclure que le
max est dans [0, 1]).

1.3 Différences divisées et formules de Newton

Résumé Le problème de l’interpolation consiste à chercher des fonctions
”simples” (polynômes, polynômes par morceaux, poly trigonométriques,...)
passant par des points donnés (x0 , y0 ), · · · , (xn , yn ). Différences divisées
et FN : Etant donnés les n+1 points (xi , yi ) avec i = 0, · · · , n où les xi sont
distincts mais pas nécessairement ordonnés. On cherche p(x) un polynome
de degré n qui satisfasse p(xi ) = yi , i = 0, · · · , n.
Cas n=1 le polynome de degré 1 passant par les points (x0 , y0 ) et (x1 , y1 )
est donné par
y1 − y0
p(x) = y0 + (x − x0 ) (∗)
x1 − x0
Cas n = 2 Pour obtenir un poly de degré 2 qui passe par les points (x0 , y0 ),
(x1 , y1 ) et (x2 , y2 ), on ajoute un terme de correction à (*) qui doit être zéro
aux points x0 et x1 ie
y1 − y0
p(x) = y0 + (x − x0 ) + a(x − x0 )(x − x1 )
x1 − x0
 
1 y2 −y1 y1 −y0
Le coefficient a s’obtient par p(x2 ) = y2 ie a = x2 −x 0 x2 −x1 − x1 −x0 .

Definition 1.3.1 (différences divisées) Pour (xi , yi ) donnés avec des xi

distincts, on définit
y[xi ] = yi
y[xj ] − y[xi ]
δy[xi , xj ] =
xj − xi
···
δn−1 y[xi1 , · · · , xin ] − δn−1 y[xi0 , · · · , xin−1 ]
δn y[xi0 , xi1 , · · · , xin ] =
x in − x i0
Theorem 1.3.1 (formule de Newton) Le polynome d’interpolation de degré
qui passe par les n + 1 points (xi , yi ), i = 0, · · · , n où les xi sont distincts
est unique et est donné par
y[x0 ]+(x−x0 )δy[x0 , x1 ]+(x−x0 )(x−x1 )δ2 y[x0 , x1 , x2 ]+· · ·+(x−x0 ) · · · (x−xn−1 )δn y[x0 , · · · , xn ].

Analyse Numérique & EDO M. Mbehou UY1

 Page 5

Preuve 1.3.1 A faire...

Exo Déterminer le polynome par la methode de Newton passant par les

points (0, 0), (1, 3), (3, 1), (5, 2), (8, 2).

1.3.1 Erreur d’interpolation

Supposons que les points (xi , yi ), i = 0, · · · , n soient sur le graphe d’une
fonction f : [a, b] → R.
Lemma 1.3.1 Si f est une fonction n fois dérivable et yi = f (xi ). Alors il
existe un ξ ∈ (min xi , max xi ) tel que

f n (ξ)
δn y[x0 , · · · , xn ] = .
n!
Preuve 1.3.2 A faire

Theorem 1.3.2 Soit f : [a, b] → R (n + 1) fois différentiable. Soit p le

polynome de degré n passant par les points (xi , f (xi )), i = 0, · · · , n. Alors il
existe ξ ∈ (min xi , max xi ) tel que

f n (ξ)
f (x) − p(x) = (x − x0 )(x − x1 ) · · · (x − xn ) . (∗∗)
n!
Preuve 1.3.3 A faire

1.3.2 Polynômes de Chebyshev

La formule (**) montre que l’erreur d’interpolation est un produit de la
(n + 1)ieme derivée de f évaluée en un poit avec l’expression (x − x0 ) · · · (x −
xn ) qui dépend de la subdivision {x0 , · · · , xn }
Problème : Chercher pour un n donné, la subdivision de [a, b] pour laquelle
L = maxx∈[a,b] |(x − x) ) · · · (x − xn )| est minimal.
Definition 1.3.2 (PC) Pour n = 0, 1, · · · , et pour x ∈ [−1, 1], on définit

Tn (x) = cos(n arccos x).

Proposition 1.3.1 1. Les fonctions Tn satisfont la relation de récurrence

T0 (x) = 1, Tn+1 (x) = 2xTn (x) − Tn−1 (x)

Par conséquent Tn est un polynome de degré n dont le coeff de xn est

2n−1 ie Tn (x) = 2n−1 xn + · · · .
2. |Tn (x)| ≤ 1 pour tout x ∈ [−1, 1].
3. Tn (cos( kπ k
n )) = (−1) pour k = 0, · · · , n.

Analyse Numérique & EDO M. Mbehou UY1

 Page 6

4. Tn (cos( (2k+1)π
2n )) = (−1)k pour k = 0, · · · , n − 1.
5. Les polynomes Tn sont orthogonaux par rapport à la fonction poids
√ 1 ie.
1−x2

Z 1
1 π si n = m = 0

√ Tn (x)Tm (x)dx = π/2 si n = m 6= 0
−1 1 − x2 
0 si n 6= m.


Preuve 1.3.4 A faire

Lemma 1.3.2 L = maxx∈[−1,1] |(x − x) ) · · · (x − xn )| est minimale ssi

(x − x0 )(x − x1 ) · · · (x − xn ) = 2−n Tn+1 (x)

(2k + 1)π
ie. xk = cos( ) k = 0, · · · , n.
2n + 2
a+b b−a
En utilisant la transformation affine [−1, 1] → [a, b], x 7→ 2 + 2 x, on a
le résultat suivant.

Theorem 1.3.3 L = maxx∈[a,b] |(x − x) ) · · · (x − xn )| est minimale parmi

toutes les subdivisions {x0 , · · · , xn } de [a, b] ssi

a+b b−a (2k + 1)π

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

1.4 Interpolation par fonctions splines

Soit {x0 , · · · , xn } une subdivision donnée de [a, b]. On se donne les points
(xi , yi ), i = 0, · · · , n. On cherche une fonction S : [a, b] → R satisfaisant les
conditions suivantes :
(S1) S(xi ) = yi , i = 0, · · · , n.
(S2) S(x) est de classe C 2 [a, b].
Rb
(S3) a (S ′′ (x))2 dx est minimale.

Theorem 1.4.1 Soit {x0 , · · · , xn } une subdivision donnée de [a, b]. Soit S :
[a, b] → R satisfaisant les conditions (S1) et (S2) et qui est un polynôme
de degré 3 sur chaque sous-intervalle [xi−1 , xi ] pour i = 1, · · · , n. Alors
pour tout fonction f : [a, b] → R satisfaisant les conditions (S1) et (S2) et
S”(b)(f ′ (b) − S ′ (b)) = S”(a)(f ′ (a) − S ′ (a)), on a
Z b Z b
2
′′
(S (x)) dx ≤ (f ′′ (x))2 dx.
a a

Preuve 1.4.1 A faire

Analyse Numérique & EDO M. Mbehou UY1

 Page 7

Remarque 1.4.1 Le théorème montre que les candidats à la solution de

(S1) − −(S3) sont des fonctions de classe C 2 qui sont des polynômes de
degré 3 sur chaque sous intervalle [xi−1 , xi ] i = 1, · · · , n.

Definition 1.4.1 (Spline cubique) S : [a, b] → R s’appelle spline cubique

si elle est de classe C 2 et est un polynôme de degré 3 sur chaque sous inter-
valle [xi−1 , xi ] i = 1, · · · , n. On a :
– Spline naturel : S ′′ (a) = S ′′ (b) = 0.
– Spline scellé : On suppose donné les pentes aux extremités :
S ′′ (a) = p0 , S ′′ (b) = pn .
– Spline périodique : S ′ (a) = S ′ (b) et S ′′ (a) = S ′′ (b).

1.4.1 Construction des splines

Interpolation d’Hermite
Considerons un seul sous intervalle [xi−1 , xi ]. On note hi−1 = xi − xi−1
et cherchons Si sur [xi−1 , xi ] un polynome de degré 3 vérifiant

Si (xi−1 ) = yi−1 , Si (xi ) = yi

Si′ (xi−1 ) = pi−1 , Si′ (xi ) = pi

Alors

Si (x) = yi−1 + (x − xi−1 )δy[xi , xi−1 ] (4∗)

(x − xi−1 )(x − xi )
+ ((pi − δy[xi , xi−1 ])(x − xi−1 ) − (pi−1 − δy[xi , xi−1 ])(x − xi )) .
h2i−1

Pour chaque choix des pentes p0 , · · · , pn , la fonction S : [a, b] → R définie

par S(x) = Si (x) pour tout x ∈ [xi−1 , xi ] satisfait
a) S(xi ) = yi , i = 0, · · · , n.
b) S(x) est de classe C 1 [a, b] et S ′ (xi ) = pi , i = 0, · · · , n.
c) Sur chaque sous intervalle [xi−1 , xi ], S(x) un polynome de degré 3.
Pour construire le spline interpolant, il reste à déterminer les pentes p0 , · · · , pn
à ce que S ′′ soit continue. ie

Si (xi ) = Si+1 (xi ) i = 1, · · · , n − 1. (5∗)

et qu’une des conditions du type de spline soit satisfaite.

En dérivant 2 fois (4*), on obtient
2
Si′′ (xi ) = (2pi + pi−1 − 3δy[xi , xi−1 ])
hi−1
2
Si′′ (xi−1 ) = (pi + 2pi−1 − 3δy[xi , xi−1 ])
hi−1

Analyse Numérique & EDO M. Mbehou UY1

 Page 8

et la condition (5*) donne

 
pi−1 1 1 pi δy[xi , xi−1 ] δy[xi+1 , xi ]
+ 2( + )pi + =3 +
hi−1 hi−1 hi hi hi−1 hi
1 ≤ i ≤ n − 1.
Ce qui donne (n−1) équations avec (n+1) inconnues. Les 2 autres équations
sont données par le type de spline.
Exemple : Pour le spline scellé, les valeurs de p0 et pn sont explicitement
données et le systeme linéaire ainsi obtenu s’ecrit
Ap = C
où  
1 1 1 1
A = T ridiag , 2( + ), .
hi hi−1 hi hi
A est symétrique et tridiagonale.

1.4.2 Erreur du spline

Theorem 1.4.2 (Erreur spline scellé) Soit f ∈ C 4 [a, b] et Soit {x0 , · · · , xn }
une subdivision donnée de [a, b]. Soit S le spline qui passe par les points
(xi , f (xi )) i = 0, · · · , n et qui satisfait S ′ (x0 ) = f ′ (x0 ) et S ′ (xn ) = f ′ (xn ).
Alors avec hi = xi+1 − xi et h = max hi , on a
5 4
|f (x) − S(x)| ≤ h max |f (4) (ξ)|
384 ξ∈[a,b]
Si de plus la subdivision est équidistante et f ∈ C 5 [a, b] alors
5 4
|f (x) − S(x)| ≤ h max |f (4) (ξ)| + f rach5 240 max |f (5) (ξ)|.
384 ξ∈[a,b] ξ∈[a,b]

Exercices :
Exo 1 : Calculer le poly d’interpolation passant par les points (0, 0) (1,3)
(3,1) (5,2) et (8,2).
Exo2 : 1) Montrer que la formule de quadrature
Z 1 s
f (x) πX (2k + 1)π
√ dx ≈ f (ck ), ck = cos( )
−1 1−x 2 s 2s
k=1

est exacte pour tout polynome de degré ≤ 2s − 1. Indication Utiliser les

polynomes de Chebyshev T0 (x), · · · , T2s−1 (x).
2) Effectuer le changement de variables x = cos t. A quelle formule de qua-
drature se ramène t-on ?
Exo3 : Calculer le spline naturel qui passe par les points (-3,0) (-2,0), (-1,0)
(0,1) (1,0) (2,0), (3,0). Indication pour des données symétriques par rapport
‘a x = 0, le spline naturel est une fonction paire.

Analyse Numérique & EDO M. Mbehou UY1