Interpolation et approximation numériques

Pr. A. RADID
Université Hassan II
ENSEM
Département de Génie électrique

Année universitaire 2022-2023

Table des matières

Introduction 1

1 Interpolation polynomiale 3
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Exemple et motivation . . . . . . . . . . . . . . . . . . . . . 3
1.2 Méthode directe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Intepolation dans l’espace de référence . . . . . . . . . . . . 6
1.3 Méthode de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1 Pincipe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.2 Estimation de l’erreur . . . . . . . . . . . . . . . . . . . . . 8
1.3.3 Majoration de l’erreur . . . . . . . . . . . . . . . . . . . . . 9
1.4 Méthode des di¤érences divisées (de Newton) . . . . . . . . . . . . 10
1.4.1 Organisation du calcul des di¤érences divisées de Newton . . 12
1.5 Approximation au sens des moindres carrés . . . . . . . . . . . . . . 15
1.5.1 Droite des moindres carrés, ou régression linéaire : . . . . . . 16
1.5.2 Interpolation linéaire et non linéaire . . . . . . . . . . . . . . 20
1.6 Interpolation polynomiale par morceaux . . . . . . . . . . . . . . . 23
1.7 Interpolation par des splines cubiques . . . . . . . . . . . . . . . . . 24
1.8 Interpolation avec Matlab . . . . . . . . . . . . . . . . . . . . . . . 25

2
Chapitre 1

Interpolation polynomiale

1.1 Introduction

En analyse numérique, l’interpolation est une opération mathématique permettant

de construire une courbe à partir de la donnée d’un nombre …ni de points, ou
une fonction à partir de la donnée d’un nombre …ni de valeurs. l’interpolation
polynomiale est une technique d’interpolation d’un ensemble de données ou d’une
fonction par un polynôme.
En d’autres termes, étant donné un ensemble de points (obtenu, par exemple,
à la suite d’une expérience), on cherche un polynôme qui passe par tous ces points.
Soit f : [a; b] ! R connue en n+1 points distincts x0 ; x1 ; : : : ; xn de l’intervalle
[a; b]: Il s’agit de construire un polynôme P de degré inférieur ou égal à n tel que :

8i = 0; 1; : : : ; n P (xi ) = f (xi ) (1.1)

1.1.1 Exemple et motivation

Exemple 1.1 Un pays fait un recensement de sa population tous les dix ans par
exemple :
Année ti 1970 1980 1990 2000 2010 2020
Population pi 1000 123230 131669 150697 179323 203212 226505

3
Pr. A. Radid CHAPITRE 1. INTERPOLATION POLYNOMIALE

5 graphe de la population
10
2.4

2.2

2
P

1.8

1.6

1.4

1.2
1970 1980 1990 2000 2010 2020
t

Parfois nous avons besoin d’estimer la population en 2023 ou en 2040. Ce

type de prédiction peut être obtenu à partir d’une fonction f qui coincide avec les
données disponibles ou les mesures e¤ectuées, c’est à dire telle que

f (ti ) = pi pour i = 1; : : : ; n:

On dit que f interpole les données (ti ; pi )1 i n :

1.2 Méthode directe

C’est une méthode basée sur la résolution d’un système linéaire.
Soit Pn (x) = a0 + a1 x + + an xn ; le but est de chercher les valeurs des
coe¢ cients a0 ; : : : ; an tel que Pn (xi ) = yi = f (xi ); pour i = 0; : : : ; n:
Les coe¢ cients de Pn sont les solutions du système :
8
>
> a0 + a1 x 0 + + an xn0 = y0
>
< a0 + a1 x 1 + + an xn1 = y1
.. ..
>
> . .
>
: a +a x + n
0 1 n + an x = y n

Ce système s’écrit matriciellement sous la forme :

0 10 1 0 1
1 x0 x0n 1 xn0 a0 y0
B 1 x1 B C B C
B x1n 1
x1 C
n
CB
a1 C B y1 C
@ AB@ ..
. C=B
A @
..
.
C
A
1 xn xnn 1 xnn an yn

4
La matrice de Q
ce système linéaire est appelé matrice de VANDERMONDE, de
déterminant (xi xj ) 6= 0; car les points xi sont distincts.
0 i<j n
La résolution de ce système conduit bien sûr à l’unique polynôme d’interpolation
de f . Cependant, la résolution numérique n’est pas une tâche triviale.

Remarque 1.1 Le conditionnement de la matrice de Vandermande est, à priori

mauvis.

Exemple 1.2 Soit f (x) donnée par 3 couple de points :

xi fi
1 -0.5
1.5 0.1
2.1 0.4
Le polynôme d’interpolation est au plus de degré 2; dans la base canonique, il
s’écrit :
P2 (x) = a2 x2 + a1 x + a0
On détermine les coe¢ cients a2 ; a1 et a0 ; en résolvant le système suivant ;
2 32 3 2 3
1 1 1 a0 0:5
4 1 1; 5 1:52 5 4 a1 5 = 4 0:1 5
1 2:1 2:12 a2 0:4

>> A=[1 1 1 ; 1 1.5 1.5^2; 1 2.1 2.1^2]

A =
1.0000 1.0000 1.0000
1.0000 1.5000 2.2500
1.0000 2.1000 4.4100
>> a=inv(A)*[-0.5;0.1;0.4]
a =
-2.6545
2.7909
-0.6364

P2 (x) = 0:64x2 + 2:79x 2:65

>> cond(A)
ans =
97.0374

5
Pr. A. Radid CHAPITRE 1. INTERPOLATION POLYNOMIALE

Exemple 1.3 On considère 3 couples de points (xi ,fi ) à interpoler par un polynôme
de degré 2 :
xi fi
1010 0
; i = 0; 1; 2
1030 -1
1050 2
p2 (x) = a0 + a1 x + a2 x2
On détermine les coe¢ cients a2 ; a1 et a0 ; en résolvant le système suivant :
2 32 3 2 3 2 3
1 1010 10102 a0 f0 0
4 1 1030 10302 5 4 a1 5 = 4 f1 5 = 4 1 5
1 1050 10502 a2 f2 2

Le conditionnement est 5.97 109 !!!!!

2 3 2 3 1 2 3 2 32 3
a0 1 1010 10102 0 1351:875 2651:25 1300:375 0
4 a1 5 = 4 1 1030 10302 5 4 1 5=4 2:6 5:15 2:55 5 4 1 5
a2 1 1050 10502 2 0:00125 0:0025 0:00125 2

La résolution de ce système donne :

P2 (x) = 5:10 3 x2 1025:10 2 x + 5252

1.2.1 Intepolation dans l’espace de référence

On passe de l’intervalle x 2 [x0 xn ] à l’intervalle X 2 [ 1 1]
Pour notre exemple :
(x 1030)
X=
20

x; xi X,Xi
1010 -1
1030 0
1050 1
D’où le nouveau tableau des points à interpoler :

Xi fi
-1 0
0 -1
1 2

6
La même démarche que pour l’espace réel, conduit à :
2 32 3 2 3 2 3
1 1 ( 1)2 a0 f0 0
4 1 0 02 5 4 a1 5 = 4 f1 5 = 4 1 5
1 1 12 a2 f2 2

Le conditionnement est 3.23!!!

La résolution de ce système donne :

P2 (x) = 1 + X + 2X 2

(x 1030)
or X = donc P2 (x) = 5:10 3 x2 1025:10 2 x + 5252
20

1.3 Méthode de Lagrange

1.3.1 Pincipe
Soit n 2 N; on se donne n + 1 points distincts x0 ; x1 ; : : : ; xn et n + 1 valeurs
correspondantes y0 ; y1 ; : : : ; yn (f (xi ) = yi ) : On cherche un polynôme de degré n
tel que :
Pn (xi ) = yi ; i = 0; : : : ; n

Théorème 1.1 Il existe un et un seul polynôme de degré inférieur ou égal à n

solution de (1.1). Le polynôme s’écrit :

X
n
Pn (x) = f (xi ) Li (x)
i=0

où
Y (x xk ) (x x0 ) : : : (x xi 1 ) (x xi+1 ) : : : (x xn )
Li (x) = =
k=0;k6=i
xi xk (xi x0 ) : : : (xi xi 1 ) (xi xi+1 ) : : : (xi xn )

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
points, ils véri…ent

1 si i=j
Li (xj ) = ij =
0 sinon.

7
Pr. A. Radid CHAPITRE 1. INTERPOLATION POLYNOMIALE

Inconvénients de la méthode de Lagrange

1. il y a beaucoup d’opérations à faire pour calculer le polynôme de collocation.

2. II faut recommencer tout les calculs si nous ajoutons un point.

1.3.2 Estimation de l’erreur

Théorème 1.2 En pratique, les yi ne sont pas des valeurs au hasard, mais les
valeurs prises par une fonction f mal connue. Nous essayons d’interpoler la fonc-
tion f aux points xi : La fonction f étant …xée, nous noterons Pn le polynôme
d’interpolation de la fonction f aux points xi , c’est à dire l’unique polynôme de
degré n tel que Pn = f (xi ) pour 0 i n:
Lorsqu’on remplace l’évaluation de f ( ) par celle de Pn ( ) ; on commet une
erreur En ( ) = f ( ) Pn ( ) : Cette erreur dépend bien sûr de f qui est inconnue.
Mais en faisant des hypothèses sur la régularité de f; on peut avoir des renseigne-
ments sur la valeur de cette erreur, et en particulier la majorer.

Corollaire 1.1 Soit f 2 C n+1 ([a; b]) : Si f possède au moins n+2 zéros distincts
sur [a; b]; alors f (n+1) a au moins un zéro sur [a,b].

Théorème 1.3 On pose x0 ; x1 ; : : : ; xn ; n + 1 réels tous distincts d’un intervalle

[a; b].
On suppose f 2 C n+1 ([a; b]) ; alors

n (x) (n+1)
8x 2 [a; b] ; 9 x 2 [a; b] ; En (x) = f (x) Pn (x) = f ( x) :
(n + 1)!
Q
n
avec n (x) = (x xi ) :
i=0

Démonstration 1.1 Si x = xi ; alors la relation est véri…ée.

Soit x 2 [a; b] …xé, x di¤érent de tous les xi ; Posons q(x) = (x x0 ) (x x1 ) : : : (x xn )
et
q(t)
W (t) = f (t) Pn (t) (f (x) Pn (x))
q(x)
La fonction W est de classe C n+1 comme f et s’annule pour t = x; x0 ; x1 ; : : : ; xn ;
elle admet donc au moins n + 2 zéros. D’après le corolaire (1.1), il existe au moins
un nombre 2 [a; b] tel que W (n+1) ( ) = 0:
on a q (n+1) (t) = (n + 1)! et

(n + 1)!
W (n+1) (t) = f (n+1) (t) (f (x) Pn (x))
q(x)

8
donc
(n + 1)!
0 = W (n+1) ( ) = f (n+1) ( ) (f (x) Pn (x))
q(x)
On en déduit la relation.

1.3.3 Majoration de l’erreur

Même si dans la formule du théorème ci-dessus, on ne peut pas connaître la valeur
x ; l’intérêt de ce thèorème n’est pas que théorique : en e¤et, si l’on connaît un
majorant Mn+1 de f (n+1) (y) ; y 2 [a; b] ; on aura :

Mn+1 Mn+1
jEn (x)j = jf (x) Pn (x)j j n (x)j sup j n (y)j
(n + 1)! (n + 1)! y2[a;b]

Cette inégalité permet donc de majorer l’erreur commise en remplaçant f par son
polynôme d’interpolation.

Calcul pratique de l’erreur

1. Si f est connue: nous trouvons des bornes inférieures et supérieures pour
l’erreur En (x).

2. Si f est inconnue: nous ne pouvons pas estimer directement l’erreur par la

formule ci-dessus.

3. Lorsque la fonction f tend vers une fonction polynomiale, l’erreur tend vers
0.

Exemple 1.4 On considère l’exemple suivant :

i 0 1 2 3 4
xi 0 2 3 5 6
yi 1 3 2 5 6

P est de degré au plus 4. On veut calculer P(1).

En reprenant les formules d’interpolation de Lagrange, on peut écrire :
(x 2)(x 3)(x 5)(x 6)
L0 (x) = (0 2)(0 3)(0 5)(0 6)
;
(x 0)(x 3)(x 5)(x 6)
L1 (x) = (2 0)(2 3)(2 5)(2 6)
;
(x 0)(x 2)(x 5)(x 6)
L2 (x) = (3 0)(3 2)(3 5)(3 6)
;
(x 0)(x 2)(x 3)(x 6)
L3 (x) = (5 0)(5 2)(5 3)(5 6)
;
(x 0)(x 2)(x 3)(x 5)
L4 (x) = (6 0)(6 2)(6 3)(6 5)
;

9
Pr. A. Radid CHAPITRE 1. INTERPOLATION POLYNOMIALE

donc
x4 16x3 +91x2 216x+180 x4 14x3 +63x2 90x x4 13x3 +52x2 60x
P (x) = 180 8
+ 9
x4 11x3 +36x2 36x x4 10x3 +31x2 30x
6
+ 12
11 4 73 3 601 2 413
= 120
x + 60
x 120
x + 60
x+1

Exercice 1.1 L’espérance de vie dans un pays a évoluée dans le temps selon le
tableau suivant :
Année 1975 1980 1985 1990
Espérance 7218 7412 7512 7614
Utiliser l’interpolation de Lagrange pour estimer l’espérance de vie en 1977,
1983 et 1988.

Corrigé de l’exercice 1.1 Le polynôme d’interpolation de Lagrange de degré n

sur l’ensemble des n+1 points f(xi ; yi )gni=0 s’écrit :
0 1
Pn Q
n x xj A
pn (x) = @y i
i=0 j=0 xi xj
J6=I

Ici n=3 et si on choisit de poser X=x-1975, on obtient :

X0 = 0 ; X1 = 5 pour l’année 1975 ; X2 = 10 pour l’année 1985 ; X3 = 15 pour l’année 1990.

3 2
L0 (X) = (x 5)(x 10)(x 15)
(0 5)(0 10)(0 15)
= X 30X +275X
750
750
;
(x 0)(x 10)(x 15) 3 2
X 20X +75X
L1 (X) = (5 0)(5 10)(5 15) = 250
;
(x 0)(x 5)(x 15) 3 2
L2 (X) = (10 0)(10 5)(10 15) = X 25X
250
+150X
;
(x 0)(x 5)(x 10) 3 2
X 15X +50X
L3 (X) = (15 0)(15 5)(15 10) = 750
;
donc
P (X) = y0 L0 (X) + y1 L1 (X) + y2 L2 (X) + y3 L3 (X)
on a alors que :
l’espérance de vie en 1977 correspond à P(2)=73.45.
l’espérance de vie en 1983 correspond à P(8)=74.81.
l’espérance de vie en 1988 correspond à P(2)=75.86.

1.4 Méthode des di¤érences divisées (de New-

ton)
Nous allons exposer ici une méthode pratique pour calculer le polynôme d’interpolation.
Tout d’abord, nous utiliserons un lemme :

10
Lemme 1.1 Soient fx0 ; x1 ; : : : ; xn g un ensemble de n + 1 réels tous distincts (n
2) de l’ensemble de dé…nition d’une fonction f alors
(x x0 ) Pfx1 ;x2 ;:::;xn g (x) (x xn ) Pfx0 ;x1 ;:::;xn 1g (x)
Pfx0 ;x1 ;:::;xn g (x) =
xn x0
(x x0 )Pfx1 ;x2 ;:::;xn g (x) (x xn )Pfx (x)
0 ;x1 ;:::;xn 1 g
Démonstration 1.2 Posons Q(x) = xn x0
Q est un polynôme de degré n:
Pour x = x0 , on a :
(x0 x0 ) Pfx1 ;x2 ;:::;xn g (x0 ) (x0 xn ) Pfx0 ;x1 ;:::;xn 1g (x0 )
Q(x) =
xn x0
= Pfx0 ;x1 ;:::;xn 1 g (x0 ) = f (x0 )
Pour x = xn , on a :
(xn x0 ) Pfx1 ;x2 ;:::;xn g (xn ) (xn xn ) Pfx0 ;x1 ;:::;xn 1g (xn )
Q(x) =
xn x0
= Pfx1 ;x2 ;:::;xn g (xn ) = f (xn )
Pour 1 i n 1; on a
(xi
x0 ) Pfx1 ;x2 ;:::;xn g (xi ) (xi xn ) Pfx0 ;x1 ;:::;xn 1 g (xi )
Q(xi ) =
xn x0
(xi x0 ) f (xi ) (xi xn ) f (xi )
=
xn x0
xn x0
= f (xi ) = f (xi )
xn x0
Q prend donc les mêmes valeurs que f aux points x0 ; x1 ; : : : ; xn ; et a un degré
n : c’est donc le polynôme d’interpolation de f en ces points (unicité du polynôme
d’interpolation de Lagrange).
On a bien Q(x) = Pfx0 ;x1 ;:::;xn g pour tout x.
Dé…nition 1.1 (Notation) On note f [x0 ; x1 ; : : : ; xn ] le coe¢ cient de xn dans
Pfx0 ;x1 ;:::;xn g (x): C’est le coe¢ cient dominant du polynôme d’interpolation de f aux
points x0 ; x1 ; : : : ; xn sous réserve que ce polynôme soit e¤ectivement de degré n ;
s’il est de degré < n, on a f [x0 ; x1 ; : : : ; xn ] = 0:
Proposition 1.1 (Formule de Newton) Avec les notations que l’on a introduites,
on a :
Pn (x) = f [x0 ] +f [x0 ; x1 ] (x x0 ) +f [x0 ; x1 ; x2 ] (x x0 ) (x x1 ) + : : :
+f [x0 ; x1 ; : : : ; xn ] (x x0 ) (x x1 ) : : : (x xn 1 )
X
= f (x0 )+ f [x0 ; x1 ; : : : ; xk ] (x x0 ) (x x1 ) : : : (x xk 1 )
1 k n

11
Pr. A. Radid CHAPITRE 1. INTERPOLATION POLYNOMIALE

Démonstration 1.3 On écrit :

X
Pfx0 ;x1 ;:::;xn g (x) = Pfx0 g (x) + P [x0 ; x1 ; : : : ; xk ] P [x0 ; x1 ; : : : ; xk 1 ]
1 k n

Il est clair que le polynôme de degré 0 qui interpole f en x0 est la constante

f (x0 ); donc Pfx0 g = f (x0 ) :
D’autre part, Qk = P [x0 ; x1 ; : : : ; xk ] P [x0 ; x1 ; : : : ; xk 1 ] est un polynôme de
degré k (somme d’un polynôme de degré k et d’un polynôme de degré k 1)
qui s’annule en k valeurs x0 ; x1 ; : : : ; xk 1 : D’autre part, le coe¢ cient de xk de ce
polynôme est, d’après la dé…nition 1.1 de f [x0 ; x1 ; : : : ; xk ] :On peut donc écrire
Qk = f [x0 ; x1 ; : : : ; xk ] (x x0 ) (x x1 ) : : : (x xk 1 )
ce qui achève la démonstration.
Pour utiliser la formule donnée par la proposition 1.1, il reste à connaître une
méthode pour calculer les f [x0 ; x1 ; : : : ; xk ] : On le fait par récurrence grâce à la
proposition qui suit :
Proposition 1.2 Pour tout n 1; on a la di¤érence divisée d’ordre n :
f [x1 ; x2 ; : : : ; xn ] f [x0 ; x1 ; : : : ; xn 1 ]
f [x0 ; x1 ; : : : ; xn ] =
xn x0
Démonstration 1.4 Il su¢ t de comparer les coe¢ cients de xk dans la formule
donnée par le lemme :
(x x0 ) Pfx1 ;x2 ;:::;xn g (x) (x xn ) Pfx0 ;x1 ;:::;xn 1g (x)
Pfx0 ;x1 ;:::;xn g (x) =
xn x0

1.4.1 Organisation du calcul des di¤érences divisées de

Newton
Ces f [x0 ; x1 ; : : : ; xn ] sont les di¤érences divisées de la fonction f . Elles permettent
d’écrire un algorithme pratique de calcul du polynôme d’interpolation.
Sans ordinateur, on peut disposer les calculs en tableau comme ceci
xi f [xi ] f [xi 1 ; xi ] f [xi 2 ; xi 1 ; xi ]
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 [x2 ; x3 ] .
.. ..
x3 f [x3 ] . .
.. ..
. .

12
 On retrouve sur la diagonale les coe¢ cients de la formule de Newton.

f [xi ] = f (xi )
f (xj ) f (xi )
f [xi ; xj ] =
xj xi
f [xj ; xk ] f [xi ; xj ]
f [xi ; xj ; xk ] =
xk xi
f [xj ; xk ; xl ] f [xi ; xj ; xk ]
f [xi ; xj ; xk ; xl ] =
xl xi
etc
Remarques 1.1 Nous avons (n+1)(n+2)
2
coe¢ cients à calculer pour obtenir
les n + 1 coe¢ cients de la formule (f [x0 ] ; f [x0 ; x1 ] ; . . . ;f [x0 ; x1 ; : : : ; xn ]).
On peut songer a utiliser un tableau bi-dimensionel (n+1)(n+2) pour stocker
ces coe¢ cients
Avec cet algorithme, il est très facile d’ajouter un point x 1 et d’obtenir les
coe¢ cients du polynôme Pn+1 sans être obligé de refaire tous les calculs :
x 1 f [x 1 ]
f [x 1 ; x0 ]
x0 f [x0 ] f [x 1 ; x0 ; x1 ]
f [x0 ; x1 ] f [x 1 ; x0 ; x1 ; x2 ]
x1 f [x1 ] f [x0 ; x1 ; x2 ]
f [x1 ; x2 ] f [x0 ; x1 ; x2 ; x3 ]
x2 f [x2 ] f [x1 ; x2 ; x3 ]
f [x2 ; x3 ] f [1 ; x 2 ; x 3 ; x 4 ]
x3 f [x3 ] f [x2 ; x3 ; x4 ]
Exemple 1.5 A partir des valeurs suivantes:
x 2 4 6 8
y 4 8 14 16
Déterminons les valeurs utiles des di¤érences divisées f [xi ; : : : ; xj ]
xi f [xi ] f [xi 1 ; xi ] f [xi 2 ; xi 1 ; xi ] f [xi 3 ; xi 2 ; xi 1 ; xi ]
2 4
8 4
4 2
=2
3 2
4 8 6 2
= 14
1 1
14 8 1
6 4
=3 2
8 2
4
= 8
1 3 1
6 14 8 4
= 2
16 14
8 6
=1
8 16

13
Pr. A. Radid CHAPITRE 1. INTERPOLATION POLYNOMIALE

On a donc
1 1
p3 (x) = 4 + 2 (x 2) + (x 2) (x 4) (x 2) (x 4) (x 6)
4 8
Lemme 1.2 Soit f (x) n-fois di¤erentiable et yi = f (xi ) pour i = 0; 1; :::; n (xi
distincts). Alors, il existe un 2 (min xi ; max xi ) tel que :

f (n) ( )
f [x0 ; x1 ; : : : ; xn 1 ; xn ] =
n!
Démonstration 1.5 Soit pn (x) le polynôme d’interpolation de degré n passant
par (xi ; yi ) et notons d(x) = f (x) pn (x): Par dé…nition de pn (x), la di¤érence
d(x) s’annule en n + 1 points distincts :

d (xi ) = 0 pour i = 0; 1; : : : ; n:

Comme d(x) est di¤érentiable, on peut appliquer n fois le théorème de Rolle et on

en déduit que d0 (x) a n zéros distincts dans (min xi ; max xi ):
Le même argument appliqué à d0 (x) donne d00 (x) a n 1 zéros distincts dans
(min xi ; max xi ), et …nalement encore d(n) (x) a 1 zéros distincts dans (minxi ; maxxi ):
i i
Notons ce zéro de d(n) (x) par : Alors, on a

f (n) ( ) = p(n)
n ( ) = n!f [x0 ; x1 ; : : : ; xn 1 ; xn ] : (1.2)

La deuxième identité dans (1.2) résulte du fait que f [x0 ; x1 ; : : : ; xn 1 ; xn ] est le

coe¢ cient de xn dans pn (x).

Exercice 1.2 Soit f (x) = cos ( x) ; x 2 [ 1; 1] et P le polynôme d’interpolation

de Lagrange de f aux points 1; 31 ; 13 ; 1 sur [ 1; 1] :

1. Justi…er sans calcul le degré exact de P .

2. Appliquer l’algorithme de Newton pour le calcul de P (di¤érences divisées).

En déduire l’expression de P .

3. Donner l’estimation de l’erreur d’interpolation f (x) P (x); x 2 [ 1; 1] :

4. Estimer l’erreur d’interpolation en x = 0 et comparer avec l’erreur exacte.

Corrigé de l’exercice 1.2 1. Comme f est paire et les points d’interpolation

1 1
1; 3 ; 3 ; 1 sont symétriques par rapport à l’origine, alors P (x) est pair
(P ( x) = P (x), 8x 2 R); puisque degré(P ) 3 alors degré(P ) = 0 ou 2, et
puisque P change de signe sur [ 1 1] car P ( 1)P ( 13 ) < 0 et P (1)P ( 13 ); on
déduit que degré(P)=2.

14
 xi f [xi ] f [xi 1 ; xi ] f [xi 2 ; xi 1 ; xi ] f [xi 3 ; xi 2 ; xi 1 ; xi ]
1 1
1
+1 9
2
1
+1
= 4
3
9
1 1 0 27
3 2 1
4
= 16
2. 3
+1
0 0
9
1 1 0 27
3 2
4
1+ 13
= 16
9
4
1 1

P (x) = 1 + 94 (x + 1) 27
16
(x + 1) x + 1
3
= 11
16
27 2
16
x:

3. L’estimation d’erreur est donnée par :

(4) (
8x 2 [ 1; 1] ; 9 x 2 [ 1; 1] : f (x) P (x) = (x + 1) x + 1
3
x 1
3
(x 1) f 4!
x)
:

cette erreur est majorée par :

sup f (4) ( x )
1 x 1 1
jf (x) P (x)j x2 1 x2
4! 9

Comme f (4) (x) = 4

cos ( x) ; alors

4
1
jf (x) P (x)j x2 1 x2 ; 8x 2 [ 1; 1] :
4! 9

4
4. jf (0) P (0)j 4! 9
= 0:45097:
11
ou encore f (0) P (0) = 1 16
= 0:3125

1.5 Approximation au sens des moindres carrés

Soit f fonction réelle de la variable réelle x, donnée par points fxi ; fi g; i = 0; : : : ; m
soit (m + 1 points distincts), avec l’écriture fi = f (xi ).
Si le nombre de données est grand, le polynôme interpolant peut présenter des
oscillations importantes.

15
Pr. A. Radid CHAPITRE 1. INTERPOLATION POLYNOMIALE

Pour avoir une meilleure représentation des données, on peut chercher un

polynôme de degré n < m:
On peut dé…nir la suite ‘d’erreurs’:

d0 = f0 pn (x0 )
..
.
dm = fm pn (xm )
On peut alors, intuitivement, dire que si tous les di ! 0; (i = 0; : : : ; m) alors
pn est une bonne approximation.
Le critère des moindres carrés est donc d’imposer :

X1
m
d2 = (fi pn (xi ))2 à minimiser
i=0

1.5.1 Droite des moindres carrés, ou régression linéaire :

Considérons, par exemple les données suivantes :

Ti ( C) Ri (ohms)
20:5 765
32:7 826
51:0 873
73:2 942
95:7 1032
Lissage par moindres carrés (régression linéaire)
Quelle est la meilleure droite ? (observation ou théorie)

16
 R = aT + b
But :Trouver un polynôme de degré faible passant par beaucoup de points.
Déterminer Pn (x) avec n m 1qui minimise l’écart quadratique :

P1
m
R= d2i avec di = yi Pn (xi )
i=0

P1
m P1
m
(di )2 = (yi axi b)2 = R (a; b)
i=1 i=1

Trouver a et b pour que R soit minimum.

@R @R
= 0 et =0
@a @b
P1
m
(yi axi b) ( xi ) = 0
i=0
mP1
(yi axi b) ( 1) = 0
i=0

P1
m P1
m P1
m
a x2i + b xi = yi xi
i=0 i=1 i=0
mP1 P1
m
a xi + mb = yi
i=0 i=1

P1
m P1
m
yi xi xi
i=0 i=1
P1
m P1
m P1
m P1
m
yi m m yi x i xi yi
i=1 i=0 i=1 i=1
a= 2 = 2
P1
m P1
m P1
m P1
m
m x2i xi m x2i xi
i=0 i=1 i=0 i=1

P1
m P1
m
x2i yi xi
i=0 i=0
P1
m P1
m P1
m P1
m P1
m P1
m
xi yi x2i yi yi xi xi
i=0 i=1 i=0 i=1 i=0 i=0
b= 2 = 2
P1
m P1
m P1
m P1
m
m x2i xi m x2i xi
i=0 i=1 i=0 i=1
ou encore

E(xy) E(x)E(y) E(x)E(xy) E(x2 )E(y)

a= ; b=
V (x) V (x)

17
Pr. A. Radid CHAPITRE 1. INTERPOLATION POLYNOMIALE

1050

1000

950
R(Ohms)

900

850

800

750
20 30 40 50 60 70 80 90 100
T(°C)

Ti ( C) Ri (ohms) Ti2 Ti Ri
20:5 765 420; 25 15682; 5
32:7 826 1069; 29 27010; 2
51:0 873 2601 44523
73:2 942 5358; 24 68954; 4
95:7 1032 9158; 49 98762; 4
T otal 273; 1 4438 18607; 27 254932; 5

18607:27 273:1 a 254932:5

=
273:1 5:0 b 4438:0
P (x) = ax + b = 3:395x + 702:2
Dans le cas d’un polynôme de degré arbitraire

Pn (x) = a0 + a1 x + : : : + an xn
Soit di = yi Pn (xi )

18
 P
m P
m
d= d2i = (yi Pn (xi ))2
i=1 i=1

Minimum pour :

@e mP1
=2 (yi Pn (xi )) xji = 0; 8j; 0 j n
@aj i=0

P1
m
(yi a0 a1 x i : : :) xji = 0; j = 0; : : : ; n
i=0

P1
m P
ce qui donne, en remplaçant : par
i=0
8 P P n P
>
> ma
P 0 + a 1 x
P 2 i + : : : + a n Pxi n+1 = P yi
<
a0 xi + a1 xi + : : : + an xi = xi yi
>
> P P P P
:
a0 xni + a1 xn+1
i + : : : + an x2n
i = xni yi

Un système linéaire de (n + 1) équations à (n + 1) inconnus : a0 ; a1 ; : : : ; an qui

peut s’écrire sous la forme matricielle suivante :
0 1 2 3
mP1 mP1 mP1 n mP1
B 1 xi xi C 0 1 6 yi 7
B i=0 i=0 i=0 C a0 6 i=0 7
B mP1 Pm mP1 n+1 C 6 mP1 7
B x x 2
x C B a C 6 x y 7
B i i i C B 1 C 6 i i 7
B i=0 i=0 i=0 C : B .. C = 6 i=0 7
B .. .. .. C @ . A 6 .. 7
B C 6 7
B m .1 . . C a n 6 . 7
@ P n mP1 n+1 mP1 2n A 4 mP1 n 5
xi xi xi xi yi
i=0 i=0 i=0 i=0

La matrice des coe¢ cients du système est symétrique. Elle peut être obtenue
par H t H
2 3
1 x1 xn1
6 1 x2 xn2 7
H=6 4
7
5
n
1 xm xm

Exercice 1.3 Déterminez le polynôme de degré 1 qui approxime au mieux (dans

le sens de moindres carrés) les points (x,y) suivant :

x 0 1 2 3 4 5 6
y 2 3 5 5 9 8 10

19
Pr. A. Radid CHAPITRE 1. INTERPOLATION POLYNOMIALE

Corrigé de l’exercice 1.3 Le système linéaire à résoudre pour trouver les co-
e¢ ents du polynôme p(x) = a0 + a1 x est le suivant :
0 m 1 1 0 m 1 1
P P1
m P
B 1 xi C B yi C
B i=0 i=0 C a0 B i=0 C
@ mP1 P1 2 A
m = @ mP1 A
a1
xi xi xi yi
i=0 i=0 i=0
ou encore 0 1 0 1
P
6 P
6
B 7 xi C
a0 B yi C
B i=0 C =B i=0 C
@ P
6 P6
2
A a1 @ P
6 A
xi xi xi yi
i=0 i=0 i=0
,
P
6 P
6 P
6
yi xi 7 yi
i=0 i=0 i=0
P
6 P6 P
6 P
6
xi yi x2i xi xi yi
i=0 i=0 i=0 i=0
a0 = et a1 =
P
6 P6
7 xi 7 xi
i=0 i=0
P
6 P6 P
6 P6
xi x2i xi x2i
i=0 i=0 i=0 i=0
On obtient donc
P
6 P
6 P
6 P
6 P
6 P
6 P
6
yi x2i xi yi xi 7 xi yi xi yi
i=0 i=0 i=0 i=0 i=0 i=0 i=0
a0 = 2 et a1 = 2
P
6 P
6 P
6 P
6
7 x2i xi 7 x2i xi
i=0 i=0 i=0 i=0

c’est à dire a0 = 1:9 29639 et a1 = 1:356787donc l’équation de la droite de régres-

sion est : p(x) = 1:356787x + 1:929639

1.5.2 Interpolation linéaire et non linéaire

Autre formes :
1. y = axb
2. y = aebx
Nous obtenons des systèmes linéaires di¢ ciles à résoudre.Changement de vari-
ables :
z = ln(y)
w = ln(x)

20
 1. ln(y) = ln(a) + b ln(x)
Modi…cations qui conduisent à la méthode linéaire :

z = A + bw

2. ln(y) = ln(a) + bx
Modi…cations qui conduisent à la méthode linéaire :

z = A + bx

Exemple 1.6 1. Régression en y=aebx avec la table

x 1.0 2.0 4.0

y 2.0 7.2 500.1

ln y = ln a + bx
x 1.0 2.0 4.0
ln(y) 0.693 1.974 6.215
On obtient :

x z=ln(y) x2 xln(y)
1 0.693 1 0.693
2 1.974 4 3.948
4 6.215 16 24.859
alors P 2 P P
P xi xi b
= Pxi zi
xi m A zi

21 7 b 29:5 b = 1:88
= =)
7 3 A 8:882 a = e 1:427 = 0:24

z = 0:24 + 1:88 ln x

Exercice 1.4 Déterminez, dans la base canonique, le polynôme du degré indiqué

qui approxime au mieux (dans le sens des moindres carrés) les points (x; y) suivants
:

1. D = f(0; 1); (2; 1); (3; 5), polynôme de degré 1.

2. D = f(1; 0); (0; 3); (1; 4); (3; 2), polynôme de degré 2.

21
Pr. A. Radid CHAPITRE 1. INTERPOLATION POLYNOMIALE

3. D = f(0; 1); (1; 2); (2; 3), polynôme de degré 1.

1. f(0; 1); (2; 1); (3; 5)g ; polynôme de degré 1. Par la méthode des moindres
carrés:
xi 0 2 3
yi 1 1 5
Le système linéaire à résoudre pour trouver les coe¢ cients est le suivant :
0 1 0 1
P1
m P1
m P1
m
B 1 xi C B yi C
B i=0 i=0 C a0 B i=0 C
@ mP1 P1
m A = @ mP1 A
a1
xi x2i xi yi
i=0 i=0 i=0

ou encore 0 1 0 1
P
2 P
2
B 3 xi C
a0 B i=0yi C
B i=0 C =B C
@ P
2 P2
2
A a1 @ P
2 A
xi xi xi yi
i=0 i=0 i=0
ou encore
3 5 a0 7
=
5 13 a1 17
ce qui équivalent à :
3
3a0 + 5a1 = 7 a0 = 7
=) 8
5a0 + 13a1 = 17 a1 = 7

Ce qui donne le polynôme

3 8
P1 (x) = + x
7 7
2. f( 1; 0); (0; 3); (1; 4); (3; 2)g ; polynôme de degré 2.

xi 1 0 1 3
yi 0 3 4 2
Le système linéaire à résoudre pour trouver les coe¢ cients est le suivant :
0 1 2 3
P
3 P
3 P
3 P
3
B i=01 i=0xi x2i
C 0 1 6 i=0yi 7
B i=0 C a 6 7
B P3 P3 P3 C 0 6 P3 7
B x x2i 3 C @
x i C : a1 A =6 xi yi 7
B i 6 7
B i=0 i=0 i=0 C a2 6 i=0 7
@ P3
2
P3 P1 4 A
m 4 P3 5
xi x3i xi x2i yi
i=0 i=0 i=0 i=0

22
 0 1 0 1 2 3
4 3 11 a0 9
@ 3 11 27 A : @ a1 A = 4 10 5
11 27 83 a2 22
4 = 440:
On obtient:
157 223 17
a0 = ; a1 = ; a2 =
55 110 22
3. f(0; 1); (1; 2); (2; 3)g ; polynôme de degré 1.

xi 0 1 2
yi 1 2 3

On a un polynôme de degré 1 à déterminer P (x) = a0 + a1 x: Le système

linéaire à résoudre pour les coe¢ cients est le suivant :
0 1 0 1
P
2 P
2
B 3 xi C
a0 B yi C
B i=0 C B i=0
=@ P C
@ P
2 P2
2
A a1 2 A
xi xi x i yi
i=0 i=0 i=0

3 3 a0 6
=
3 5 a1 8
ou encore
3a0 + 3a1 = 6 a0 = 1
=)
3a0 + 5a1 = 8 a1 = 1
Le résultat est donc :
P1 (x) = 1 + x

1.6 Interpolation polynomiale par morceaux

Il peut s’avérer dans certains cas d’approcher une fonction continue, non par une
fonction polynômiale globale élevé, mais par une fonction polynômiale de faible
degré entre chaque point d’interpolation et globalement assez régulière (au moins
continue).
Interpolation a¢ ne par morceaux
Soit fx0 ; x1 ; : : : ; xn g une subdivision de [a; b] et f une fonction dé…nie sur [a; b] :
On note ' l’unique application continue et dé…nie sur [a; b] par :

23
Pr. A. Radid CHAPITRE 1. INTERPOLATION POLYNOMIALE

1. (a) ' (x) = 'i (x) si x 2 [xi ; xi+1 ] : 'i est une fonction a¢ ne sur [xi ; xi+1 ] ; i =
0; 1; : : : ; n 1:
(b) ' (xi ) = fi (x); i = 0; 1; : : : ; n; i.e. ' interpole la fonction f:

On a :
x xi+1 x xi
'i (x) = f (xi ) + f (xi+1 )
xi xi+1 xi+1 xi
xi x xi+1 ; i = 0; : : : ; n 1
8
>
> '0 (x); x0 x x1
>
< '1 (x); x1 x x2
'(x) = ..
>
> .
>
: ' (x); x
n 1 n 1 x xn

1.7 Interpolation par des splines cubiques

Soit fx0 ; x1 ; : : : ; xn g une subdivision de [a; b] et f une fonction dé…nie sur [a; b] :
On note s l’unique application de classe C2 dé…nie sur [a; b] par :

a. s (x) = si (x) si [xi ; xi+1 ] :si est une fonction polynomiale de degré 3 sur
[xi ; xi+1 ] ; i = 0; 1; : : : ; n 1:
b. s(xi ) = f (xi ); i = 0; 1; : : : ; n; i:e: s interpole la fonction f:

Soit
si (x) = ai x3 + bi x2 + ci x + di ; i = 0; : : : ; n 1
On a alors 4n inconnues à déterminer :
a0 ; : : : ; d0 ; a1 ; : : : ; d1 ; an 1 ; : : : ; dn 1
Il faut satisfaire les conditions suivantes :

1. (a) si (x) = f (xi ); i = 0; 1; : : : ; n 1

(b) si 1 (xi ) = si (xi ); i = 1; : : : ; n 1
(c) s0i 1 (xi ) = s0i (xi ); i = 1; : : : ; n 1
(d) s00i 1 (xi ) = s00i (xi ); i = 1; : : : ; n 1

Soit au total 4n 2 degrés de liberté.

Pour résoudre complétement le système il faut ajouter deux autres degrés de
liberté:
Spline libre ou naturelles : s00 (x0 ) = 0; s00 (xn ) = 0;
Spline forcée : s0 (x0 ) = f 0 (x0 ); s0 (xn ) = f 0 (xn )
On pose :

24
 hi = xi+1 xi ; 0 i n 1

ui = 2 (xi 1 + hi ) ; 0 i n 1
1
bi = hi
(f (xi+1 ) f (xi )) :
1
i = hi
(bi bi 1 )

yi = f (xi )

On montre alors que :

zi+1 zi
si (x) = (x xi )3 + (xi+1 x)3 +
6hi 6hi
yi+1 hi yi hi
zi+1 (x xi ) + zi (xi+1 x)
hi 6 hi 6
où z0 = 0; zn = 0 pour les splines libres et z 1; z 2; : : : ; zn 1 sont solutions du
système linéaire tridiagonal:
hi 1 zi 1 + ui zi + hi zi+1 = i ; 1 i n 1

1.8 Interpolation avec Matlab

Une interpolation consiste à relier les points expérimentaux par une courbe sous
forme de segments de droites ou de courbes polynomiales. Ceci peut être réalisé
par la fonction ‘interp1’. La commande ‘interp1(x,y,xi,’type’)’ retourne un
vecteur de mêmes dimensions que xi et dont les valeurs correspondent aux images
des éléments de xi déterminées par interpolation sur x et y. Si fest l’interpolation
de y, la chaîne ‘type’spéci…e alors le type d’interpolation qui doit être parmi les
suivants :

‘linear’: interpolation linéaire

‘spline’: interpolation par splines cubiques,

‘cubic’: interpolation cubique.

Si on ne spéci…e pas le type, l’interpolation linéaire est choisie par défaut.

p=polyfit(x,y,n) calcule les coe¢ cients du polynôme de degré n qui interpole

les (n+1) valeurs y aux points x
y1=polyval(p,x1) calcule les valeurs y1 d’un polynôme de degré n, aux points
x1 dont les n+1 coe¢ cients sont mémorisés dans le vecteur qui interpole les (n+1)
valeurs y aux points x

25