Interpolation Polynomiale

Chapitre 3 : Interpolation polynomiale
AJDOUR Mounia
Faculté des Sciences et Techniques de Tanger
Licence Energies Renouvelables
11 septembre 2019
I NTRODUCTION M ATRICE DE VANDERMONDE Interpolation de Lagrange Polynôme de Newton Erreur d’interpolation Conclusion
TABLE DES MATIÈRES
1 I NTRODUCTION
2 M ATRICE DE VANDERMONDE
3 Interpolation de Lagrange
4 Polynôme de Newton
5 Erreur d’interpolation
6 Conclusion
2 / 39
P OSITION DU PROBLÈME
On se donne le tableau de données suivant :
i xi f (xi )
0 x0 f (x0 )
1 x1 f (x1 )
.. .. ..
. . .
n xn f (xn )
Il s’agit de construire, à partir des données :
(xi , f (xi )) avec i = 0, 1, 2, . . . , n

une fonction p(x), relativement simple qui vérifie :
p(xi ) = f (xi ) pour tout i
I NTRODUCTION 3 / 39
Cette fonction peut ensuite être utilisée pour estimer la valeur de f en des points
x 6= xi .
Les points (xi , f (xi )) sont appelés points d’interpolation.
Dans ce chapitre, il sera surtout question d’interpolation polynomiale, la

fonction p sera de la forme :
p(x) = a0 + a1 x + a2 x2 + a3 x3 + · · · + an xn
Degré d’un polynôme

Le degré d’un polynôme correspond au plus grand exposant de x devant lequel
le coefficient n’est pas nul, soit :
p(x) = a0 + a1 x + a2 x2 + a3 x3 + · · · + an xn
est de degré n si an 6= 0 et an+m = 0 ∀m ≥ 1
Choix du degré du polynôme d’interpolation

Par (n + 1) points d’interpolation/collocation d’abscisses distinctes (xi , f (xi ))
pour i = 0, 1, 2, · · · , n, on ne peut faire correspondre qu’un et un seul poly-
nôme de degré n appelé interpolant de f .
Approche par la Matrice de Vandermonde
Le problème d’interpolation consiste donc à déterminer l’unique polynôme

de degré n passant par les (n + 1) points d’interpolation (ou de collocation)
(xi , f (xi )) pour i = 0, 1, 2, . . . , n.
Une première tentative consiste à déterminer les inconnues ai du polynôme
interpolant en vérifiant directement les (n + 1) équations de collocation :
p(xi ) = f (xi ) pour tout i

ou encore :
a0 + a1 xi + a2 xi2 + a3 xi3 + ... + an xin = f (xi ) pour i = 0, 1, 2, . . . , n
On obtient un système linéaire de (n + 1) équations et (n + 1) inconnues. Ce

système s’écrit sous sa forme matricille :
M ATRICE DE VANDERMONDE 6 / 39
S YSTÈME MATRICIEL DE VANDERMONDE
x02 x03 · · · x0n

    
1 x0 a0 f (x0 )

 1 x1 x12 x13 · · · x1n 
  a1  
   f (x1 ) 


 1 x2 x22 x23 n
· · · x2   a2 
 
=
 f (x2 ) 

.. .. .. .. .. .  .   ..
. ..   ..  
 
 . . . . . 
1 xn xn2 xn3 · · · xnn an f (xn )
La matrice de ce système linéaire porte le nom de matrice de Vandermonde.
Déterminant de Vandermonde
Le determinant de Vandermonde vérifie :
1 x0 x02 x03 · · · x0n
1 x1 x12 x13 · · · x1n
x22 x23 · · · x2n
Y
1 x2 = (xj − xi )
.. .. .. .. .. .
. . . . . .. 0≤i<j≤n
xn xn3
2 · · · xnn
| {z }
1 xn
Unicité du polynôme d"interpolation
Une condition nécessaire et suffisante pour qu’il existe un et un seul polynôme

p tel que p(xi ) = f (xi ) , pour i = 0, 1, · · · , n, est que toutes les abscisses soient
distinctes.
Exemple 1.1
En utilisant la matrice de Vandermonde, calculer le polynôme d’interpolation
passant par les points (0, 1), (1, 2), (2, 9) et (3, 28).
Solution :
Étant donné ces 4 points, le polynôme recherché est au plus de degré 3. Ses
coefficients ai sont solution de :
    
1 0 0 0 a0 1
 1 1 1 1   a1   2 
 1 2 4 8   a2  =  9 
    
1 3 9 27 a3 28
On trouve : a0 = 1, a1 = a2 = 0 et a3 = 1
Soit donc : p(x) = 1 + x3 .
C ONSTRUCTION DE LA MATRICE DE VANDERMONDE

AVEC M ATLAB
C ONSTRUCTION DE LA MATRICE DE VANDERMONDE

AVEC M ATLAB (F ORME VECTORIELLE DU PROGRAMME )
Remarques :
Si les abscisses sont distinctes alors la matrice de Vandermonde est inver-

sible. Ce qui démontre l’existence d’un interpolant ∀ l’ensemble de points
de collocation d’abscisses distinctes.
L’ajout ou le retrait d’un point de collocation illustre le peut de flexibilité
de la méthode. Si par exemple on retire de l’exemple 1.1 le dernier points
de collocation on doit résoudre un autre système linéaire :
    
1 0 0 a0 1
 1 1 1   a1  =  2 
1 2 4 a2 9
L’approche par la matrice de Vandermonde exige la résolution d’un sys-

tème linéaire. Est-ce vraiment nécessaire ? La réponse est non. Cette mé-
thode est donc rarement utilisée.
Les sections suivantes proposent des méthodes différentes et plus effi-
caces pour calculer le polynôme d’interpolation.
Approche de Lagrange
L’approche de Lagrange consiste à introduire un polynôme de la forme

n
X
pn (x) = f (xi )Li (x)
i=0
où Li (x) sont des polynômes de degré n vérifiant

Li (xi ) = 1 ∀i
Li (xj ) = 0 ∀j 6= i
Dans ce cas pn est le polynôme de collocation car :

n
X
pn (xj ) = f (xi )Li (xj ) = f (xj )
i=0
Interpolation de Lagrange 13 / 39
Construction des Li pour 2 points de collocation
On doit construire deux polynômes L0 (x) et L1 (x) de degré 1 (2 − 1 = 1) qui

vérifient :
L0 (x0 ) = 1 L1 (x0 ) = 0
L0 (x1 ) = 0 L1 (x1 ) = 1
On obtient
(x − x1 ) (x − x0 )
L0 (x) = L1 (x) =
(x0 − x1 ) (x1 − x0 )
Polynôme d’interpolation à 2 points de collocation

Soit (x0 , f (x0 )) et (x1 , f (x1 )) alors l’interpolant de degré 1 de f est
p1 (x) = f (x0 )L0 (x) + f (x1 )L1 (x)
Construction des Li pour 3 points de collocation
On doit construire L0 (x), L1 (x) et L2 (x) de degrè 2 qui vérifient :


 L0 (x0 ) = 1 L0 (x1 ) = 0 L0 (x2 ) = 0
L1 (x0 ) = 0 L1 (x1 ) = 1 L1 (x2 ) = 0
L2 (x0 ) = 0 L2 (x1 ) = 0 L0 (x2 ) = 1

On obtient
(x − x1 )(x − x2 ) (x − x0 )(x − x2 )
L0 (x) = L1 (x) =
(x0 − x1 )(x0 − x2 ) (x1 − x0 )(x1 − x2 )
(x − x0 )(x − x1 )
L2 (x) =
(x2 − x0 )(x2 − x1 )
Polynôme d’interpolation à 3 points de collocation

Soient (x0 , f (x0 )), (x1 , f (x1 )) et (x2 , f (x2 )) alors l’interpolant de degré 2 de f
est :
p2 (x) = f (x0 )L0 (x) + f (x1 )L1 (x) + f (x2 )L2 (x)
Construction des Li pour n + 1 points de collocations
On veut des polynômes de degré n tels que

Li (xi ) = 1 Li (xj ) = 0 i 6= j
On obtient
Y x − xj n
(x − x0 ) · · · (x − xi−1 )(x − xi+1 ) · · · (x − xn )
Li (x) = =
(xi − x0 ) · · · (xi − xi−1 )(xi − xi+1 ) · · · (xi − xn ) xi − xj
j6=i
Interpolation à n + 1 points de collocation

Soient (x0 , f (x0 )), (x1 , f (x1 )), · · · (xn , f (xn )) alors l’interpolant de degré n de f
est
X n
pn (x) = f (xi )Li (x)
i=0
C’est la formule de Lagrange

Exemple 1.2
On cherche la droite passant par les points (2, 3) et (5, −6). Utilisant la
formule de Lagrange on a
(x − x1 ) (x − 5) (x − x0 ) (x − 2)
L0 (x) = = L1 (x) = =
(x0 − x1 ) (2 − 5) (x1 − x0 ) (5 − 2)
(x − 5) (x − 2)
p1 (x) = 3 + (−6) = −(x − 5) − 2(x − 2) = −3x + 9
(−3) 3
Exemple 1.3
On cherche l’interpolant passant par les points (1, 2), (3, 7) et (4, −1).
Utilisant la formule de Lagrange on a
(x − x1 )(x − x2 ) (x − 3)(x − 4) (x − 3)(x − 4)

L0 (x) = = =
(x0 − x1 )(x0 − x2 ) (1 − 3)(1 − 4) 6
(x − x0 )(x − x2 ) (x − 1)(x − 4) (x − 1)(x − 4)

L1 (x) = = =−
(x1 − x0 )(x1 − x2 ) (3 − 1)(3 − 4) 2
(x − x0 )(x − x1 ) (x − 1)(x − 3) (x − 1)(x − 3)
L2 (x) = = =
(x2 − x0 )(x2 − x1 ) (4 − 1)(4 − 3) 3
p2 (x) = 2L0 (x) + 7L1 (x) − L2 (x)
(x − 3)(x − 4) 7(x − 1)(x − 4) (x − 1)(x − 3)
p2 (x) = − −
3 2 3
Exemple 1.4
On cherche l’interpolant passant par les points (0, 1), (1, 2), (2, 9) et (3, 28).
(x − x1 )(x − x2 )(x − x3 ) (x − 1)(x − 2)(x − 3)

L0 (x) = =
(x0 − x1 )(x0 − x2 )(x0 − x3 ) −6
(x − x0 )(x − x2 )(x − x3 ) x(x − 2)(x − 3)

L1 (x) = =
(x1 − x0 )(x1 − x2 )(x1 − x3 ) 2
(x − x0 )(x − x1 )(x − x3 ) x(x − 1)(x − 3)
L2 (x) = =
(x2 − x0 )(x2 − x1 )(x2 − x3 ) −2
(x − x0 )(x − x1 )(x − x2 ) x(x − 1)(x − 2)
L3 (x) = =
(x3 − x0 )(x3 − x1 )(x3 − x2 ) 6
p3 (x) = 1L0 (x) + 2L1 (x) + 9L2 (x) + 28L3 (x)
Exemple 1.4 suite

On cherche l’interpolant passant par les points (0, 1), (1, 2), (2, 9) et (3, 28).
(x − 1)(x − 2)(x − 3) x(x − 2)(x − 3)

p3 (x) = +2
−6 2
x(x − 1)(x − 3) x(x − 1)(x − 2)
+9 + 28
−2 6
(x − 1)(x − 2)(x − 3)
=− + x(x − 2)(x − 3)
6
x(x − 1)(x − 3) x(x − 1)(x − 2)
−9 + 14
2 3
Il s’agit ici des données de l’exemple 1.1. Le polynôme étant unique on est
garanti qu’en développant la formule de Lagrange on aura p3 (x) = 1 + x3 (la
solution obtenue dans l’exemple 1.1)
Limites de l’interpolation de Lagrange
Tout comme le système de Vandermonde, cette approche possède un inconvé-

nient majeur : elle n’est pas récursive. En effet, si l’on souhaite ajouter une
donnée (xn+1 , yn+1 ), il faut recommencer tout le processus à zéro (avec de
nouvelles fonctions de Lagrange).
On propose dans ce qui suit une troisième construction des polynômes d’inter-
polation, c’est l’approche de Newton. Cette approche est recursive et permet
donc une évaluation trés économique du polynôme d’interpolation.
Polynôme de Newton
Au lieu d’utiliser le développement usuel d’un polynôme, on choisit une autre
forme plus appropriées au cas de l’interpolation :
pn (x) = a0
+ a1 (x − x0 )
+ a2 (x − x0 )(x − x1 )
+ a3 (x − x0 )(x − x1 )(x − x2 )
..
.
+ an-1 (x − x0 )(x − x1 )(x − x2 ) · · · (x − xn-2 )
+ an (x − x0 )(x − x1 )(x − x2 ) · · · (x − xn−2 )(x − xn-1 )
On remarque que le coefficient an est associé à n monômes de la forme

(x − xi ), en conséquence, le polynôme pn est de degré n.
Polynôme de Newton 22 / 39
Déterminons les (n + 1) coefficients ai de telle sorte que pn (x) passe par les
(n + 1) points de collocation (xi , f (xi )) pour i = 1, · · · , n, soit :
pn (xi ) = f (xi ) i = 0, · · · , n
Calcul de a0
pn (x0 ) = a0 = f (x0 )
Calcul de a1
pn (x1 ) = a0 + a1 (x1 − x0 ) = f (x1 ) ⇒

f (x1 ) − a0 f (x1 ) − f (x0 )
a1 = =
x1 − x0 x1 − x0
Calcul de a2
pn (x2 ) = a0 + a1 (x2 − x0 ) + a2 (x2 − x0 )(x2 − x1 ) = f (x2 ) ⇒

f (x2 ) − a0 − a1 (x2 − x0 )
a2 =
(x2 − x1 )(x2 − x0 )

1 f (x2 ) − f (x0 ) f (x1 ) − f (x0 ) (x2 − x0 )
= −
(x2 − x0 ) (x2 − x1 ) (x1 − x0 ) (x2 − x1 )

1 f (x2 ) − f (x1 ) + f (x1 ) − f (x0 ) f (x1 ) − f (x0 ) (x2 − x0 )
= −
(x2 − x0 ) (x2 − x1 ) (x1 − x0 ) (x2 − x1 )
= ···

1 f (x2 ) − f (x1 ) f (x1 ) − f (x0 )
= −
(x2 − x0 ) (x2 − x1 ) (x1 − x0 )
On peut continuer ainsi, obtenant des termes comprenant des différences entre
les différentes évaluations de f .
Différences divisées
On introduit la notion de différences divisées. D’abord on pose f [xi ] = f (xi ).
Premières différences divisées
f [xi+1 ] − f [xi ] f (xi+1 ) − f (xi )
f [xi , xi+1 ] = =
xi+1 − xi xi+1 − xi
Deuxièmes différences divisées

f [xi+1 , xi+2 ] − f [xi , xi+1 ]
f [xi , xi+1 , xi+2 ] =
(xi+2 − xi )
n-ièmes différences divisées

f [x1 , x2 , . . . , xn ] − f [x0 , x1 , x2 , . . . , xn−1 ]
f [x0 , x1 , x2 , . . . , xn ] =
(xn − x0 )
En utilisant les différences divisées on déduit que :

f [x1 , x2 ] − f [x0 , x1 ]
a0 = f [x0 ] a1 = f [x0 , x1 ] a2 = = f [x0 , x1 , x2 ]
(x2 − x0 )
L’interpolant avec 2 points de collocation

p1 (x) = f (x0 ) + f [x0 , x1 ](x − x0 )
est l’unique polynôme de collocation de degré 1 passant par (x0 , f (x0 )) et
(x1 , f (x1 )).
L’interpolant avec 3 points de collocation
p2 (x) = f (x0 ) + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 )

= p1 (x) + f [x0 , x1 , x2 ](x − x0 )(x − x1 )
est l’unique polynoôme passant par les points (x0 , f (x0 )), (x1 , f (x1 )) et
(x2 , f (x2 )).
Calcul des coefficients du polynôme de Newton
On peut continuer la construction pour n + 1 points de collocation.

L’unique polynôme de Newton de degré n passant par les (n + 1) points de
collocation ((xi , f (xi )) pour i = 0, 1, 2, · · · , n) peut s’écrire sous la forme ré-
cursive :
pn (x) = pn−1 (x) + an (x − x0 )(x − x1 ) · · · (x − xn−1 )
et les coefficients de ce polynôme sont les différences divisées :
ai = f [x0 , x1 , x2 , . . . , xi ] pour 0 ≤ i ≤ n
En plus de pouvoir construire de manère récursive les polynômes de Newton,

ceux-ci on une seconde qualité : il est facile d’évaluer les ceofficients ai .
La manière la plus simple pour construire les coefficients consiste à construire

une table dite de différences divisées de la façon suivante.
Table de différences divisées
xi f [xi ] f [xi , xi+1 ] f [xi , xi+1 , xi+2 ] f [xi , xi+1 , xi+2 , xi+3 ]
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 )
Erreur d’interpolation
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. Alors, pour tout x compris dans [x0 , xn ], il existe ξ(x)
appartenant à l’intervalle ]x0 , xn [ tel que :
f (n+1) (ξ(x))
En (x) = f (x) − pn (x) = (x − x0 )(x − x1 ) . . . (x − xn )
(n + 1)!
Cette relation représente l’expression analytique de l’erreur d’interpolation.

Elle demeure la même quelle que soit la façon dont on calcule le polynôme :
matrice de Vandermonde, l’interpolation de Lagrange ou de Newton.
Erreur d’interpolation 29 / 39
Remarques sur la formule d’erreur
En (xi ) = 0 quel que soit i = 0, . . . , n. L’erreur d’interpolation est nulle

aux points de collocation.
Même si f est connue, le point ξ(x) est en général inconnue et varie avec
x.
Puisque le terme d’erreur en un point x fait intervenir des coefficients de
la forme (x − xi ), il y a tout intérêt à choisir les points xi qui sont situés le
plus près possible de x.
Comment utiliser cette formule ?
S’il existe une constante M > 0 vérifiant
|f (n+1) (x)| ≤ M pour tout x compris dans [x0 , xn ]
on peut estimer l’erreur d’interpolation au point x grâce à la formule
f (n+1) (ξ(x))
|En (x)| = | | |(x − x0 )(x − x1 ) . . . (x − xn )|
(n + 1)!
M
≤ |(x − x0 )(x − x1 ) . . . (x − xn )|
(n + 1)!
On a une borne sur l’erreur ne dépendant ni de f ni de ξ
On peut aussi estimer le terme d’erreur par :
En (x) ' pn+1 (x) − pn (x)
soit :
En (x) ' f [x0 , x1 , x2 , · · · , xn , xn+1 ](x − x0 )(x − x1 ) · · · (x − xn )
| {z }
an+1
L’approximation n’est pas toujours d’une grande précision, mais c’est généra-
lement la seule disponible.
√
Soit une table de la fonction x.

xi f (xi ) f [xi , xi+1 ] f [xi , · · · , xi+2 ] f [xi , · · · , xi+3 ] f [xi , · · · , xi+4 ]
7 2.645 751
0.177 124
9 3.000 000 −0.004 702 99
0.158 312 0.000 206 783
11 3.316 625 −0.003 462 29 −0.9692 × 10−5
0.144 463 0.000 129 248
13 3.605 551 −0.002 686 80
0.133 716
15 3.872 983
Comparons l’erreur exacte avec son approximation
√
On tente d’obtenir une approximation de 8 à l’aide de cette table. En se
basant sur un polynôme de degré 1 et en prenant x0 = 7, on obtient facilement :
p1 (x) = 2.645 751 + 0.177 124(x − 7)
de telle sorte que :

p1 (8) = 2.822 875
L’erreur exacte en x = 8 est alors :
√
E1 (8) = f (8) − p1 (8) = 8 − 2.822 875 = 0.005 552 125
On peut estimer cette erreur par le terme suivant dans la formule de Newton
E1 (8) ' −0.004 702 99(8 − 7)(8 − 9) = 0.004 702 99
On constate donc que l’erreur approximative est assez près de l’erreur exacte.
Dans l’interpolation de Newton l’ordre dans lequel on place les points de col-
locations a-t-il un effet sur le polynôme ?
Si on prend tout les points : non, car le polynôme est unique !
Si on ne prend pas tout les points : oui, car à travers la formule de
l’erreur on sait que l’approximation est meilleure en prenant des points
près du point d’évaluation, donc l’ordre a de l’importance si on n’utilise
pas tout les points.
p
Retour sur f (x) = (x) en lisant le tableau à l’envers. Si on refait la table pour
p
(x) mais en prenant les points en ordre décroissant. Cela revient à utiliser la
diagonale du bas dans le tableau originale (ordre croissant) :

xi f (xi ) f [xi , xi+1 ] f [xi , · · · , xi+2 ] f [xi , · · · , xi+3 ] f [xi , · · · , xi+4 ]
7 2.645 751
0.177 124
9 3.000 000 −0.004 702 99
0.158 312 0.000 206 783
11 3.316 625 −0.003 462 29 −0.9692 × 10−5
0.144 463 0.000 129 248
13 3.605 551 −0.002 686 80
0.133 716
15 3.872 983
p∗0 (x) = 3.872 983

p∗1 (x) = p∗0 (x) + 0.133 716(x − 15)
p∗2 (x) = p∗1 (x) − 0.002 686 80(x − 15)(x − 13)
p∗3 (x) = p∗2 (x) + 0.000 129 248(x − 15)(x − 13)(x − 11)
p∗4 (x) = p∗3 (x) − 0.9692 × 10−5 (x − 15)(x − 13)(x − 11)(x − 9)
Pour l’ensemble des points les deux polynômes, p4 et p∗4 coincident. Mais ce
n’est pas le cas pour les autres puisqu’ils ne sont pas construit avec les mêmes
points.
Pour l’approximation en x = 8 avec 3 points, p∗2 est le “pire” polynômes puis-
qu’il utilise les points les plus loin du point d’évaluation :
p∗2 (8) = 2.842933 ⇒ E2∗ (8) = 0.014506
alors qu’en utilisant les points dans l’ordre croissant on utilise les ”meilleurs”
points (ce sont les plus proche de x) on a
p2 (8) = 2.827577 ⇒ E2 (8) = 0.000849
C ONCLUSION
Lagrange : surtout théorique, permet de développer des outils liés à
l’interpolation.
Interpolation de Newton : adapté à l’utilisation pratique
Erreur d’interpolation : pour n + 1 points de collocation
f (n+1) (ξ(x))
En (x) = (x − x0 )(x − x1 ) . . . (x − xn )
(n + 1)!
On peut approximer l’erreur comme la différence avec le polynôme

courant et le polynôme “suivant” : En (x) ≈ pn+1 (x) − pn (x)
On réduit l’erreur en utilisant des points de collocation près du point
d’évaluation.
Dans certain cas des oscillations importantes apparaissent si on prend
trop de points : éviter les interpolation de degré élevée.
Conclusion 38 / 39
Pour éviter les oscillations et prendre des points de collocation près de x :

on interpole avec un plus petit degré mais sur des “morceaux” du
domaine total [x0 , xn ] : c’est l’interpolation par morceaux.
Spline cubique : on interpole avec un degré 3 sur chaque intervalles
[xi , xi+1 ] en imposant des conditions de continuité de la dérivée seconde
aux noeuds de collocation. Assure que la courbe produite est ”lisse”.
Conclusion 39 / 39

Interpolation Polynomiale

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Interpolation Polynomiale

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 3 : Interpolation polynomiale

TABLE DES MATIÈRES

Il s’agit de construire, à partir des données :

(xi , f (xi )) avec i = 0, 1, 2, . . . , n

p(xi ) = f (xi ) pour tout i

Dans ce chapitre, il sera surtout question d’interpolation polynomiale, la

Degré d’un polynôme

est de degré n si an 6= 0 et an+m = 0 ∀m ≥ 1

Choix du degré du polynôme d’interpolation

Approche par la Matrice de Vandermonde

Le problème d’interpolation consiste donc à déterminer l’unique polynôme

p(xi ) = f (xi ) pour tout i

a0 + a1 xi + a2 xi2 + a3 xi3 + ... + an xin = f (xi ) pour i = 0, 1, 2, . . . , n

On obtient un système linéaire de (n + 1) équations et (n + 1) inconnues. Ce

S YSTÈME MATRICIEL DE VANDERMONDE

x02 x03 · · · x0n

La matrice de ce système linéaire porte le nom de matrice de Vandermonde.

Unicité du polynôme d"interpolation

Une condition nécessaire et suffisante pour qu’il existe un et un seul polynôme

Soit donc : p(x) = 1 + x3 .

C ONSTRUCTION DE LA MATRICE DE VANDERMONDE

C ONSTRUCTION DE LA MATRICE DE VANDERMONDE

Si les abscisses sont distinctes alors la matrice de Vandermonde est inver-

L’approche par la matrice de Vandermonde exige la résolution d’un sys-

L’approche de Lagrange consiste à introduire un polynôme de la forme

où Li (x) sont des polynômes de degré n vérifiant

Dans ce cas pn est le polynôme de collocation car :

Construction des Li pour 2 points de collocation

On doit construire deux polynômes L0 (x) et L1 (x) de degré 1 (2 − 1 = 1) qui

Polynôme d’interpolation à 2 points de collocation

p1 (x) = f (x0 )L0 (x) + f (x1 )L1 (x)

Construction des Li pour 3 points de collocation

On doit construire L0 (x), L1 (x) et L2 (x) de degrè 2 qui vérifient :

Polynôme d’interpolation à 3 points de collocation

Construction des Li pour n + 1 points de collocations

On veut des polynômes de degré n tels que

Interpolation à n + 1 points de collocation

C’est la formule de Lagrange

(x − x1 )(x − x2 ) (x − 3)(x − 4) (x − 3)(x − 4)

(x − x0 )(x − x2 ) (x − 1)(x − 4) (x − 1)(x − 4)

(x − x1 )(x − x2 )(x − x3 ) (x − 1)(x − 2)(x − 3)

(x − x0 )(x − x2 )(x − x3 ) x(x − 2)(x − 3)

Exemple 1.4 suite

(x − 1)(x − 2)(x − 3) x(x − 2)(x − 3)

Limites de l’interpolation de Lagrange

Tout comme le système de Vandermonde, cette approche possède un inconvé-

On remarque que le coefficient an est associé à n monômes de la forme

pn (x1 ) = a0 + a1 (x1 − x0 ) = f (x1 ) ⇒

pn (x2 ) = a0 + a1 (x2 − x0 ) + a2 (x2 − x0 )(x2 − x1 ) = f (x2 ) ⇒

Deuxièmes différences divisées

n-ièmes différences divisées

En utilisant les différences divisées on déduit que :

L’interpolant avec 2 points de collocation

L’interpolant avec 3 points de collocation

p2 (x) = f (x0 ) + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 )

Calcul des coefficients du polynôme de Newton

On peut continuer la construction pour n + 1 points de collocation.

pn (x) = pn−1 (x) + an (x − x0 )(x − x1 ) · · · (x − xn−1 )

et les coefficients de ce polynôme sont les différences divisées :

En plus de pouvoir construire de manère récursive les polynômes de Newton,

La manière la plus simple pour construire les coefficients consiste à construire

Cette relation représente l’expression analytique de l’erreur d’interpolation.

Remarques sur la formule d’erreur