Université du Québec à Chicoutimi

Méthodes d’analyse de l’ingénieur

8GEN455 (01)

Chapitre 5
1
Interpolation
Par: Omar Noui, Ph. D.
 5.1: Introduction
2

L’idée de l’interpolation consiste à construire une approximation

d’une fonction 𝑓(𝑥) à partir d’un nombre fini de points 𝑥𝑖 , 𝑓(𝑥𝑖 )
(pour 𝑖 = 0,1,2, … , 𝑛) et ce, pour tout 𝑥.

Les 𝑥𝑖 sont appelés abscisses ou nœuds d’interpolation. Les points

𝑥𝑖 , 𝑓(𝑥𝑖 ) sont appelés points de collocation ou points
d’interpolation.

La solution d’un problème d’interpolation réside en la

construction d’un polynôme de degré suffisamment élevé dont
la courbe passe par les points de collocation. C’est le polynôme
de collocation ou polynôme d’interpolation.
 5.1: Introduction
3

Proposition: Un polynôme de degré 𝑛 à coefficients réels de

forme générale 𝑝𝑛 𝑥 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + ⋯ + 𝑎𝑛 𝑥 𝑛 avec 𝑎𝑛 ≠ 0
possède, tenant compte de la multiplicité, exactement 𝑛
racines qui peuvent être réelles ou complexes.

Par 𝑛 + 1 points de collocation d’abscisses distinctes, on ne

peut faire correspondre qu’un seul et unique polynôme de
degré 𝑛.

 Ce polynôme est appelé interpolant de 𝒇(𝒙) de degré 𝑛.

 5.2: Matrice de Vandermonde
4

La méthode la plus évidente pour déterminer l’interpolant de degré 𝑛

d’une fonction 𝑓(𝑥) aux abscisses 𝑥0 , 𝑥1 , … , 𝑥𝑛 est de déterminer les
coefficients 𝑎0 , 𝑎1 , … , 𝑎𝑛 de 𝑝𝑛 𝑥 .
On construit le système linéaire de (𝑛 + 1) équations et (𝑛 + 1) inconnus
prenant comme équations:
𝑝𝑛 𝑥𝑖 = 𝑎0 + 𝑎1 𝑥𝑖 + 𝑎2 𝑥𝑖2 + ⋯ + 𝑎𝑛 𝑥𝑖𝑛 = 𝑓(𝑥𝑖 ) 𝑝𝑜𝑢𝑟 𝑖 = 0,1,2, … , 𝑛
Sous forme matricielle:
1 𝑥0 𝑥02 𝑥03 ⋯ 𝑥0𝑛 𝑎0 𝑓(𝑥0 )
1 𝑥1 𝑥12 𝑥13 ⋯ 𝑥1𝑛 𝑎1 𝑓(𝑥1 )
1 𝑥2 𝑥22 𝑥23 ⋯ 𝑥2𝑛 𝑎2 = 𝑓(𝑥2 )
1 ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮
1 𝑥𝑛 𝑥𝑛2 𝑥𝑛3 ⋯ 𝑥𝑛𝑛 𝑎𝑛 𝑓(𝑥𝑛 )
 La matrice de ce système s’appelle matrice de Vandermonde.
 L’inconvénient de cette matrice est que son conditionnement
augmente fortement avec sa dimension (𝑛 + 1).
 5.3: Interpolation de Lagrange
5

 Étant donnés (𝑛 + 1) points 𝑥𝑖 , 𝑓(𝑥𝑖 ) , on construit (𝑛 + 1) polynômes 𝐿𝑖 (𝑥) de

degré 𝑛 et satisfaisant les deux conditions:
𝐿𝑖 𝑥𝑖 = 1 ∀𝑖
൝
𝐿𝑖 𝑥𝑗 = 0 ∀𝑗 ≠ 𝑖
 Les polynômes 𝐿𝑖 (𝑥) sont de la forme:
𝑥 − 𝑥0 … 𝑥 − 𝑥𝑖−1 𝑥 − 𝑥𝑖+1 … 𝑥 − 𝑥𝑛
𝐿𝑖 𝑥 =
𝑥𝑖 − 𝑥0 … 𝑥𝑖 − 𝑥𝑖−1 𝑥𝑖 − 𝑥𝑖+1 … 𝑥𝑖 − 𝑥𝑛
 Le polynôme 𝐿𝑖 𝑥 est de degré 𝑛 qui vaut 1 quand 𝑥 = 𝑥𝑖 et qui s’annule à
tous les autres points de collocation.
 Interpolation de Lagrange: l’unique polynôme d’interpolation de degré 𝑛
passant par tous les points 𝑥𝑖 , 𝑓(𝑥𝑖 ) s’écrit sous la forme:
𝑛
𝑝𝑛 𝑥 = ෍ 𝑓(𝑥𝑖 )𝐿𝑖 𝑥
𝑖=0
 En effet:
𝑛
𝑝𝑛 𝑥𝑗 = 𝑓 𝑥𝑗 𝐿𝑗 𝑥𝑗 + ෍𝑖=0 𝑓 𝑥𝑖 𝐿𝑖 𝑥𝑗 = 𝑓 𝑥𝑗
𝑖≠𝑗
 5.4: Polynôme de Newton
6

Un polynôme quelconque de degré 𝑛 peut s’écrire sous une autre

forme plus appropriée au cas de l’interpolation:
𝑝𝑛 𝑥 = 𝑎0 + 𝑎1 𝑥 − 𝑥0 + 𝑎2 𝑥 − 𝑥0 𝑥 − 𝑥1
+𝑎3 𝑥 − 𝑥0 𝑥 − 𝑥1 𝑥 − 𝑥2
⋮
+𝑎𝑛 𝑥 − 𝑥0 𝑥 − 𝑥1 𝑥 − 𝑥2 … 𝑥 − 𝑥𝑛−1
Pour déterminer le polynôme d’interpolation 𝑝𝑛 𝑥 des points
𝑥𝑖 , 𝑓(𝑥𝑖 ) , on doit calculer les coefficients 𝑎𝑖 de telle sorte que:
𝑝𝑛 𝑥𝑖 = 𝑓 𝑥𝑖 ∀𝑖 = 1,2, … , 𝑛
On a alors 𝑝𝑛 𝑥0 = 𝑎0 = 𝑓 𝑥0 .
Pour que 𝑝𝑛 𝑥1 = 𝑓 𝑥1 , le coefficient 𝑎1 est donné par:
𝑓 𝑥1 − 𝑓 𝑥0
𝑎1 =
𝑥1 − 𝑥0
 5.4: Polynôme de Newton
7

Afin de faciliter l’écriture des autres coefficients, on définit les

premières différences divisées de la fonction 𝑓(𝑥) par:
𝑓 𝑥𝑖+1 − 𝑓(𝑥𝑖 )
𝑓 𝑥𝑖 , 𝑥𝑖+1 =
𝑥𝑖+1 − 𝑥𝑖
Pour calculer 𝑎2 , on a
𝑝𝑛 𝑥2 = 𝑎0 + 𝑎1 𝑥2 − 𝑥0 + 𝑎2 𝑥2 − 𝑥0 𝑥2 − 𝑥1 = 𝑓(𝑥2 )
En isolant 𝑎2 , on retrouve:
𝑓 𝑥1 , 𝑥2 − 𝑓 𝑥0 , 𝑥1
𝑎2 =
𝑥2 − 𝑥0
Les deuxièmes différences divisées de la fonction 𝑓(𝑥) sont définies à
partir des premières différences divisées:
𝑓 𝑥𝑖+1 , 𝑥𝑖+2 − 𝑓 𝑥𝑖 , 𝑥𝑖+1
𝑓 𝑥𝑖 , 𝑥𝑖+1 , 𝑥𝑖+2 =
𝑥𝑖+2 − 𝑥𝑖
 5.4: Polynôme de Newton
8

Les n-èmes différences divisées de la fonction 𝑓(𝑥) sont définies à

partir des (𝑛 − 1) -ièmes différences divisées:
𝑓 𝑥1 , 𝑥2 , … , 𝑥𝑛 − 𝑓 𝑥0 , 𝑥1 , 𝑥2 , … , 𝑥𝑛−1
𝑓 𝑥0 , 𝑥1 , 𝑥2 , … , 𝑥𝑛 =
𝑥𝑛 − 𝑥0

Les toutes premières différences divisées de 𝑓(𝑥) (soit les 0-èmes)

sont tout simplement définies par 𝑓 𝑥𝑖 .

Formule de Newton: L’unique polynôme de degré 𝑛 passant par les

(𝑛 + 1) points de collocation 𝑥𝑖 , 𝑓(𝑥𝑖 ) pour 𝑖 = 0,1,2, … , 𝑛 peut s’écrire
selon la formule d’interpolation de Newton :
𝑝𝑛 𝑥 = 𝑝𝑛−1 𝑥 + 𝑎𝑛 𝑥 − 𝑥0 𝑥 − 𝑥1 … 𝑥 − 𝑥𝑛−1
Les coefficients de ce polynôme sont les différences divisées:
𝑎𝑖 = 𝑓 𝑥0 , 𝑥1 , 𝑥2 , … , 𝑥𝑖 𝑝𝑜𝑢𝑟 0 ≤ 𝑖 ≤ 𝑛
 5.4: Polynôme de Newton
9

Une fois les 𝑎𝑖 connus, on peut évaluer le polynôme de Newton par

un algorithme similaire au schéma de Horner:

𝑝𝑛 𝑥 = 𝑎0 + 𝑥 − 𝑥0 (𝑎1 + 𝑥 − 𝑥1 (𝑎2 + 𝑥 − 𝑥2 (𝑎3 + ⋯

+ 𝑥 − 𝑥𝑛−2 (𝑎𝑛−1 + 𝑎𝑛 𝑥 − 𝑥𝑛−1 ) … )))

Pour calculer les coefficients 𝑎𝑖 de la manière la plus simple, on

construit la table des différences divisées:
▪ Colonne 1: contient les 𝑥𝑖 .
▪ Colonne 2: contient les 0-ièmes différences divisées 𝑓(𝑥𝑖 )
▪ Colonne 𝑖: contient les différences divisées calculées en fonction
des éléments de la colonne précédente 𝑖 − 1.
 5.5: Erreur d’interpolation
10

Le polynôme d’interpolation 𝑝𝑛 𝑥 procure une approximation de la

fonction 𝑓(𝑥) avec une erreur 𝐸𝑛 𝑥 . On écrit:
𝐸𝑛 𝑥 = 𝑓 𝑥 − 𝑝𝑛 𝑥

Théorème: Soit 𝑥0 < 𝑥1 < 𝑥2 < ⋯ < 𝑥𝑛 , les abscisses des points de
collocation. On suppose que la fonction 𝑓(𝑥) est définie dans
l’intervalle 𝑥0 , 𝑥𝑛 et qu’elle est 𝑛 + 1 fois dérivable sur l’intervalle
𝑥0 , 𝑥𝑛 . Alors, pour tout 𝑥 dans l’intervalle 𝑥0 , 𝑥𝑛 , il existe 𝜉(𝑥)
appartenant à l’intervalle 𝑥0 , 𝑥𝑛 tel que:

𝑓 𝑛+1
(𝜉 𝑥 )
𝐸𝑛 𝑥 = 𝑥 − 𝑥0 𝑥 − 𝑥1 … 𝑥 − 𝑥𝑛
𝑛+1 !

L’erreur d’interpolation est nulle aux points de collocation.

 5.5: Erreur d’interpolation
11

Lorsqu’on dispose d’un grand nombre de points de collocation et

lorsqu’il n’est pas nécessaire de construire un polynôme passant par
tous ces points, l’expression analytique du terme d’erreur nous impose
de choisir les points d’interpolation les plus près du point 𝑥 où l’on veut
interpoler.

En utilisant la formule de Newton et le développement de Taylor, le

terme d’erreur 𝐸𝑛 𝑥 peut être estimé par la formule suivante:
𝐸𝑛 𝑥 ≈ 𝑓 𝑥0 , 𝑥1 , 𝑥2 , … , 𝑥𝑛+1 𝑥 − 𝑥0 𝑥 − 𝑥1 … 𝑥 − 𝑥𝑛

En d’autres termes, le terme d’erreur est le terme suivant dans la

formule de Newton:
𝐸𝑛 𝑥 ≈ 𝑝𝑛+1 𝑥 − 𝑝𝑛 𝑥
 5.5: Erreur d’interpolation
12

Le polynôme d’interpolation 𝑝𝑛 𝑥 est une approximation d’ordre

(𝑛 + 1) de la fonction 𝑓(𝑥).

Le terme d’erreur reste toujours le même quelle que soit la méthode
d’interpolation utilisée vu l’unicité du polynôme 𝑝𝑛 𝑥 .

Si une méthode autre que la méthode de Newton est utilisée pour
calculer 𝑝𝑛 𝑥 , il faudra quand même calculer la table des
différences divisées pour obtenir l’approximation du terme d’erreur.
Il est donc avantageux d’utiliser la méthode de Newton dès le
départ.
 5.6: Splines cubiques
13

L’idée fondamentale des splines est d’utiliser plusieurs

polynômes de bas degré et de les recoller en s’assurant que la

courbe résultante soit aussi différentiable que possible.

L’interpolation par splines cubiques se fait en utilisant des

polynômes de degré 3. Ces polynômes sont reliés de telle sorte

que la courbe résultante soit 2 fois différentiable.

 5.6: Splines cubiques
14

Courbes de la forme 𝒚 = 𝒇(𝒙):

Pour 𝑛 + 1 points de collocations 𝑥𝑖 , 𝑓(𝑥𝑖 ) avec 𝑖 = 0,1,2, … , 𝑛 , on
définit dans chaque intervalle 𝑥𝑖 , 𝑥𝑖+1 , de longueur ℎ𝑖 = 𝑥𝑖+1 − 𝑥𝑖 , un
polynôme de degré 3:
′′ ′′′
𝑓𝑖 𝑓𝑖
𝑝𝑖 𝑥 = 𝑓𝑖 + 𝑓𝑖′ 𝑥 − 𝑥𝑖 + 𝑥 − 𝑥𝑖 2+ 𝑥 − 𝑥𝑖 3 𝑝𝑜𝑢𝑟 𝑖 = 0,1,2, … , 𝑛 − 1
2! 3!

Les 𝑓𝑖 , 𝑓𝑖′ , 𝑓𝑖′′ et 𝑓𝑖′′′ sont respectivement les valeurs de la spline et de

ses 3 premières dérivées en 𝑥𝑖 .

Pour les 𝑛 + 1 points d’interpolation, on a 4𝑛 coefficients inconnus à

déterminer.
 5.6: Splines cubiques
15

Courbes de la forme 𝒚 = 𝒇(𝒙):

 On exprime tous les inconnus en fonction des 𝑓𝑖′′ .
▪ On définit 𝑓𝑛′′ comme étant la dérivée seconde de la spline en 𝑥𝑛 . On a ainsi
une première équation:
′′
′′′
𝑓𝑛′′ − 𝑓𝑛−1
𝑓𝑛−1 =
ℎ𝑛−1
▪ À sa première extrémité, 𝑝𝑖 𝑥 passe par 𝑥𝑖 , 𝑓(𝑥𝑖 ) , alors:
𝑓 𝑥𝑖 = 𝑝𝑖 𝑥𝑖 = 𝑓𝑖
▪ À la deuxième extrémité de chaque intervalle 𝑥𝑖 , 𝑥𝑖+1 , on a 𝑓 𝑥𝑖+1 = 𝑝𝑖 𝑥𝑖+1 .
On trouve alors que:
′ 𝑓𝑖′′ 𝑓𝑖′′′ 2
𝑓𝑖 = 𝑓 𝑥𝑖 , 𝑥𝑖+1 − ℎ𝑖 − ℎ𝑖
2! 3!
▪ On impose la continuité des dérivées secondes aux 𝑛 − 1 nœuds intérieurs. On
a 𝑝𝑖+1
′′
𝑥𝑖+1 = 𝑝𝑖′′ 𝑥𝑖+1 . On obtient:
′′ ′′
𝑓𝑖+1 − 𝑓 𝑖
𝑓𝑖′′′ =
ℎ𝑖
′ ℎ𝑖 𝑓𝑖′′ ℎ𝑖 𝑓𝑖+1
′′
𝑓𝑖 = 𝑓 𝑥𝑖 , 𝑥𝑖+1 − −
3 6
 5.6: Splines cubiques
16

Courbes de la forme 𝐲 = 𝒇(𝒙):

 On impose la continuité des dérivées premières aux 𝑛 − 1 nœuds intérieurs. On a
′
𝑝𝑖+1 𝑥𝑖+1 = 𝑝𝑖′ 𝑥𝑖+1 . On obtient:
′′′
′ 𝑓𝑖
𝑓𝑖+1 = 𝑓𝑖′ + 𝑓𝑖′′ ℎ𝑖 + ℎ𝑖2
2
 En remplaçant les 𝑓𝑖+1 ′
, 𝑓𝑖′ et 𝑓𝑖′′′ par leurs expressions en fonction des 𝑓𝑖′′ et en
divisant le tout par ℎ𝑖 + ℎ𝑖+1 , on obtient un système linéaire tridiagonal où les
inconnus sont les 𝑓𝑖′′ :
ℎ𝑖 ′′ ′′ ℎ𝑖+1 ′′
𝑓𝑖 + 2𝑓𝑖+1 + 𝑓𝑖+2 = 6𝑓 𝑥𝑖 , 𝑥𝑖+1 , 𝑥𝑖+2
ℎ𝑖 + ℎ𝑖+1 ℎ𝑖 + ℎ𝑖+1
𝑝𝑜𝑢𝑟 𝑖 = 0,1,2, … , 𝑛 − 2
 On se retrouve maintenant avec 4𝑛 − 1 équations pour 4𝑛 + 1 inconnus (𝑓𝑛′′ étant
ajouté aux autres).
 On doit ajouter deux équations supplémentaires aux système de façon, plus ou
moins, arbitraire afin de compléter le système.
 5.6: Splines cubiques
17

Courbes de la forme 𝐲 = 𝒇(𝒙):

 Quelques possibilités pour le choix des deux équations:
▪ Imposer les valeurs des dérivées secondes aux deux extrémités:
𝑓0′′ = 𝑎 𝑒𝑡 𝑓𝑛′′ = 𝑏
Lorsque 𝑎 = 𝑏 = 0, on qualifie de spline naturelle la courbe qui en résulte.
▪ Imposer une courbure constante dans le premier et dans le dernier intervalle:
𝑓0′′ = 𝑓1′′ 𝑒𝑡 ′′
𝑓𝑛−1 = 𝑓𝑛′′
▪ Imposer les dérivées premières aux deux extrémités en posant 𝑝0′ 𝑥0 = 𝑎 et
′
𝑝𝑛−1 𝑥𝑛 = 𝑏. On obtient les deux équations:
6
2𝑓0′′ + 𝑓1′′ =
(𝑓 𝑥0 , 𝑥1 − 𝑎)
ℎ0
′′ ′′
6
𝑓𝑛−1 + 2𝑓𝑛 = (𝑏 − 𝑓 𝑥𝑛−1 , 𝑥𝑛 )
ℎ𝑛−1
 5.6: Splines cubiques
18

Courbes de la forme 𝐲 = 𝒇(𝒙):

 Quelques possibilités pour le choix des deux équations:
▪ Éliminer de manière virtuelle les nœuds 𝑥1 et 𝑥𝑛−1 (condition not-a-knot). On
impose alors en ces deux nœuds la continuité de la troisième dérivée 𝑓0′′′ =
𝑓1′′′ 𝑒𝑡 𝑓𝑛−2
′′′ ′′′
= 𝑓𝑛−1 . On obtient:
ℎ1 𝑓0′′ − ℎ0 + ℎ1 𝑓1′′ + ℎ0 𝑓2′′ = 0
൝ ′′ ′′
ℎ𝑛−1 𝑓𝑛−2 − ℎ𝑛−2 + ℎ𝑛−1 𝑓𝑛−1 + ℎ𝑛−2 𝑓𝑛′′ = 0

Cette condition nous mène à poser que 𝑝0 𝑥 = 𝑝1 (𝑥) et que 𝑝𝑛−1 𝑥 = 𝑝𝑛 𝑥 , ce

qui veut dire qu’il n’y a qu’un seul polynôme de degré 3 dans les deux premiers
intervalles ainsi que pour les deux derniers.
▪ Imposer la périodicité des dérivées première et deuxième soit, poser 𝑓0′ = 𝑓𝑛′ et
𝑓0′′ = 𝑓𝑛′′ . On obtient les deux équations:
𝑓0′′ − 𝑓𝑛′′ = 0
൞ℎ0 ′′ ℎ0 ′′ ℎ𝑛−1 ′′ ℎ0
𝑓0 + 𝑓1 + 𝑓𝑛−1 + 𝑓𝑛′′ = 𝑓 𝑥0 , 𝑥1 − 𝑓 𝑥𝑛−1 , 𝑥𝑛
3 6 6 3
 5.6: Splines cubiques
19

Algorithme: Splines cubiques

1. Étant donnés les points 𝑥𝑖 , 𝑓(𝑥𝑖 ) avec 𝑖 = 0,1,2, … , 𝑛;

2. Construction du tableau des différences finies pour les 𝑓 𝑥𝑖 , 𝑥𝑖+1 , 𝑥𝑖+2 ;

3. Calcul des longueurs des intervalles ℎ𝑖 ;

4. Calcul des dérivées secondes 𝑓𝑖′′ par résolution du système linéaire

(diapo 16) pour les nœuds intérieurs et complété par les deux équations
de l’imposition choisie.
 5.6: Splines cubiques
20

Algorithme: Splines cubiques

5. Pour 𝑖 allant de 0 à 𝑛 − 1:
a. Calcul des coefficients de la spline pour l’intervalle 𝑥𝑖 , 𝑥𝑖+1 :

𝑓𝑖 = 𝑓 𝑥𝑖
′′ ′′
ℎ 𝑓
𝑖 𝑖 ℎ 𝑓
𝑖 𝑖+1
𝑓𝑖′ = 𝑓 𝑥𝑖 , 𝑥𝑖+1 − −
3 6
′′ ′′
𝑓𝑖+1 − 𝑓 𝑖
𝑓𝑖′′′ =
ℎ𝑖
b. La spline dans cet intervalle s’écrit:
′′ ′′′
𝑓𝑖 𝑓𝑖
𝑝𝑖 𝑥 = 𝑓𝑖 + 𝑓𝑖′ 𝑥 − 𝑥𝑖 + 𝑥 − 𝑥𝑖 2
+ 𝑥 − 𝑥𝑖 3
2! 3!
 5.7: Krigeage
21

Le krigeage est une technique d’interpolation avancée utilisée en

premier lieu en géostatistique, puis généralisée pour tout problème
d’interpolation en une ou plusieurs dimensions.
Soit les 𝑛 points 𝑥𝑖 , 𝑓(𝑥𝑖 ) avec 𝑖 = 1,2, … , 𝑛. Considérons le système
linéaire suivant:
𝐾11 𝐾12 𝐾13 ⋯ 𝐾1𝑛 1 𝑥1 𝛼1 𝑓(𝑥1 )
𝐾21 𝐾22 𝐾23 ⋯ 𝐾2𝑛 1 𝑥2 𝛼2 𝑓(𝑥2 )
𝐾31 𝐾32 𝐾33 ⋯ 𝐾3𝑛 1 𝑥3 𝛼3 𝑓(𝑥3 )
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ = ⋮
𝐾𝑛1 𝐾𝑛2 𝐾𝑛3 ⋯ 𝐾𝑛𝑛 1 𝑥𝑛 𝛼𝑛 𝑓(𝑥𝑛 )
1 1 1 ⋯ 1 0 0 𝑎1 0
𝑥1 𝑥2 𝑥3 ⋯ 𝑥𝑛 0 0 𝑎2 0
Les coefficients 𝐾𝑖𝑗 sont donnés par une relation de la forme:
𝐾𝑖𝑗 = 𝑔 𝑥𝑖 − 𝑥𝑗
 5.7: Krigeage
22

Le choix de la fonction 𝑔 dépend du choix de la courbe de krigeage et

n’est pas totalement arbitraire. Il faut aussi s’assurer que la matrice du
système soit inversible.
Une fois les 𝑎1 , 𝑎2 et 𝛼𝑗 sont obtenus, on définit la fonction 𝑢(𝑥) qui définie
la courbe de krigeage qui passe par les 𝑛 points d’interpolation par la
formule:
𝑛

𝑢 𝑥 = ෍ 𝛼𝑗 𝑔 𝑥 − 𝑥𝑗 + 𝑎1 +𝑎2 𝑥
𝑗=1

La partie 𝑎1 +𝑎2 𝑥 est appelée dérive et peut également être un polynôme
de degré 𝑘 . Elle peut être interprétée comme une première
approximation du comportement général de 𝑓(𝑥).
La fonction σ𝑛𝑗=1 𝛼𝑗 𝑔 𝑥 − 𝑥𝑗 est appelé fluctuation aléatoire. C’est une
correction de la dérive permettant à la courbe de passer par les points
d’interpolation.
 5.7: Krigeage
23

Si l’on multiplie la fonction 𝑔 par une constante, la fonction 𝑢(𝑥)

reste inchangée.

Si on remplace 𝑔 ℎ par 𝑔 ℎ + 𝑐𝑜𝑛𝑠𝑡, la solution du système reste

inchangée ainsi que la fonction 𝑢(𝑥).

Le choix le plus simple de la fonction 𝑔 est de prendre 𝑔 ℎ = ℎ.

Dans ce cas, 𝑢(𝑥) est une interpolation linéaire par morceaux.
C’est une spline linéaire mais exprimée différemment.
 5.7: Krigeage
24

Si on choisit 𝑔 ℎ = ℎ3 , 𝑢(𝑥) est de degré 3 et elle est deux fois

différentiable. La courbe de krigeage est donc une spline
cubique implicitement naturelle.

Ces deux choix de 𝑔 donnent une matrice avec une diagonale

principale nulle. Afin d’éviter les permutations lors de la
décomposition LU de la matrice de Krigeage, on peut ajouter
une constante à la fonction 𝑔.

Il est aussi possible de choisir la fonction 𝑔 en prenant compte de

la distance entre le point 𝑥 qu’on veut interpoler et les points de
collocation. En effet, les points les plus proches de 𝑥 sont ceux
qui influent le plus sur sa valeur.
 5.7: Krigeage
25

Effet pépite:
▪ C’est le cas où des valeurs aberrantes sont présentes dans les
données expérimentales.
▪ Dans ce cas, on pondère les mesures expérimentales en y attachant
un poids variable suivant la fiabilité de la mesure.
▪ On modifie légèrement la matrice 𝐾 du système en y ajoutant une
valeur 𝑤𝑖 à chaque terme de la diagonale 𝐾𝑖𝑖 .
▪ Plus 𝑤𝑖 est grand, moins on tient compte de cette mesure dans le
calcul de la fonction de krigeage.
▪ Si 𝑤𝑖 ≠ 0, la fonction de Krigeage ne passe pas par le point 𝑥𝑖 , 𝑓(𝑥𝑖 ) .
Plus 𝑤𝑖 est grand, plus la distance entre le point 𝑥𝑖 , 𝑓(𝑥𝑖 ) et la courbe
de Krigeage est grande.
▪ Si tous les 𝑤𝑖 tendent vers l’infini, la courbe de krigeage devient la
droite des moindres carrés (droite de régression).
 5.7: Krigeage
26

Cas multidimensionnel: (Exemple en dimension 2)

▪ Le système à résoudre pour interpoler la fonction 𝑓(𝑥1 , 𝑥2 )passant par les 𝑛 points
de collocation 𝑥1𝑖 , 𝑥2𝑖 , 𝑓(𝑥1𝑖 , 𝑥2𝑖 ) pour 𝑖 = 1,2, … , 𝑛 s’écrit sous la forme:
𝐾11 𝐾12 𝐾13 ⋯ 𝐾1𝑛 1 𝑥11 𝑥21 𝛼1 𝑓 𝑥11 , 𝑥21
𝐾21 𝐾22 𝐾23 ⋯ 𝐾2𝑛 1 𝑥12 𝑥22 𝛼2 𝑓 𝑥12 , 𝑥22
𝐾31 𝐾32 𝐾33 ⋯ 𝐾3𝑛 1 𝑥13 𝑥23 𝛼3 𝑓 𝑥13 , 𝑥23
⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑖 𝑖 𝛼 =
𝐾𝑛1 𝐾𝑛2 𝐾𝑛3 ⋯ 𝐾𝑛𝑛 1 𝑥1 𝑥1 𝑛 𝑓 𝑥1 , 𝑥2𝑛
𝑛
1 1 1 ⋯ 1 0 0 0 𝑎1
0
𝑥11
𝑥1 2 3
𝑥1 ⋯ 𝑥1 0 0 𝑛
0 𝑎 2 0
1 2 3 𝑛 𝑎3
𝑥2 𝑥2 𝑥2 ⋯ 𝑥2 0 0 0 0
▪ La fonction de krigeage 𝑢(𝑥1 , 𝑥2 ) s’écrit alors:
𝑛

𝑢 𝑥1 , 𝑥2 = ෍ 𝛼𝑗 𝑔 𝑥Ԧ − 𝑥Ԧ 𝑗 2
+ 𝑎1 +𝑎2 𝑥1 + 𝑎3 𝑥2
𝑗=1
▪ La fonction 𝑔(ℎ) qui donne l’équivalent des splines cubiques en dimension 2 est
𝑔 ℎ = ℎ2 ln ℎ (en dimension 3 𝑔 ℎ = ℎ).
 5.8: Transformée de Fourier discrète
27

Polynôme d’interpolation trigonométrique

▪ Dans le cas de fonctions périodiques, les polynômes classiques
ne sont pas les plus pertinents. On utilise alors les polynômes
trigonométriques.
▪ 𝑓(𝑥) une fonction périodique définie sur l’intervalle [𝑎, 𝑏].
En posant:
𝑥−𝑎 𝑏−𝑎
𝑡 = 2𝜋 𝑜𝑢 𝑥= 𝑡+𝑎
𝑏−𝑎 2𝜋
la fonction 𝑔 𝑡 = 𝑓(𝑥) est alors définie sur l’intervalle [0, 2𝜋] et de
période 2𝜋 . Les fonctions 𝑔 𝑡 et 𝑓(𝑥) prennent les mêmes
valeurs.
 5.8: Transformée de Fourier discrète
28

Polynôme d’interpolation trigonométrique

▪ Un polynôme trigonométrique de degré 𝑛 s’écrit sous la forme:

𝑛−1
𝑎0 + 𝑎𝑛 cos 𝑛𝑡
𝑇𝑛 𝑡 = + ෍ 𝑎𝑗 cos 𝑗𝑡 + 𝑏𝑗 sin 𝑗𝑡
2
𝑗=1
où les coefficient 𝑎0 , 𝑎𝑛 , 𝑎𝑗 et 𝑏𝑗 avec 𝑗 = 1,2, … , 𝑛 − 1 sont des
réels.

▪ On doit trouver les valeurs des 2𝑛 coefficients du polynôme de

telle sorte que 𝑇𝑛 𝑡 soit une approximation de 𝑔(𝑡) dans [0, 2𝜋]. En
effectuant le même changement de variable, on pose 𝑇𝑛∗ 𝑥 =
𝑇𝑛 𝑡 qui sera une approximation de 𝑓(𝑥) sur l’intervalle [𝑎, 𝑏].
 5.8: Transformée de Fourier discrète
29

Polynôme d’interpolation trigonométrique:

▪ On emploie les propriétés des nombres et fonctions complexes.

▪ Exponentielle complexe: 𝑒 𝑖𝑙𝑡 = cos 𝑙𝑡 + 𝑖 sin 𝑙𝑡.

▪ Théorème: Le polynôme interpolant les valeurs d’une fonction
périodique 𝑔(𝑡) aux points d’échantillonnage 𝑡𝑘 s’écrit:
𝑒 𝑖𝑛𝑡 + 𝑒 −𝑖𝑛𝑡 2𝑛−1
𝑇𝑛 𝑡 = 𝛼0 + 𝛼𝑛 +෍ 𝛼𝑗 𝑒 𝑖𝑗𝑡 + 𝛼−𝑗 𝑒 −𝑖𝑗𝑡
2 𝑗=1
1 2𝑛−1 1 2𝑛−1
−𝑖𝑗𝑡
𝑎𝑣𝑒𝑐 𝛼𝑗 = ෍ 𝑔(𝑡𝑘 )𝑒 𝑘 et 𝛼−𝑗 = ෍ 𝑔(𝑡𝑘 )𝑒 𝑖𝑗𝑡𝑘
2𝑛 𝑘=0 2𝑛 𝑘=0

▪ On peut passer à la forme initiale de 𝑇𝑛 𝑡 en posant:

𝑎0 = 2𝛼0 , 𝑎𝑛 = 2𝛼𝑛 , 𝑎𝑗 = 𝛼𝑗 + 𝛼−𝑗 𝑒𝑡 𝑏𝑗 = 𝑖 𝛼𝑗 − 𝛼−𝑗

 5.8: Transformée de Fourier discrète
30

Polynôme d’interpolation trigonométrique:

▪ On peut alors retrouver les coefficients 𝑎0 , 𝑎𝑛 , 𝑎𝑗 et 𝑏𝑗 par:

1 2𝑛−1 1 2𝑛−1
𝑎0 = ෍ 𝑔(𝑡𝑘 ) , 𝑎𝑛 = ෍ (−1)𝑘 𝑔(𝑡𝑘 )
𝑛 𝑘=0 𝑛 𝑘=0

1 2𝑛−1 1 2𝑛−1
𝑎𝑗 = ෍ 𝑔 𝑡𝑘 cos(𝑗𝑡𝑘 ) , 𝑏𝑗 = ෍ 𝑔 𝑡𝑘 sin(𝑗𝑡𝑘 )
𝑛 𝑘=0 𝑛 𝑘=0