Chapitre 1

Interpolation

Sommaire
1.1 Interpolation de Lagrange : . . . . . . . . . . . . . . . . . . . . 6
1.1.1 Estimation de l’erreur dans l’interpolation de Lagrange. . . . . 8
1.1.2 Inconvénients de la méthode de Lagrange : . . . . . . . . . . . 9
1.2 Interpolation de Newton . . . . . . . . . . . . . . . . . . . . . 9
1.2.1 Différences divisées et formule de Newton . . . . . . . . . . . . 9
1.3 Interpolation d’Hermite . . . . . . . . . . . . . . . . . . . . . . 11
1.3.1 Interpolation d’Hermite de type cubique (Polynôme de degré 3) 12
1.3.2 Base d’Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.3 Estimation de l’erreur . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.4 Interpolation d’Hermite dans le cadre général . . . . . . . . . . 15

Question :
Soit f une fonction connue explicitement ou seulement par ses valeurs en quelques points.
Est-il possible d’approcher f par une fonction polynôme ?
Première idée :
Utiliser la forumle de Taylor au voisinage de c = a+b
2
:

(x − c)n (n) (x − c)n+1 (n+1)

∀x ∈ [a, b], ∃ξ ∈ [a, b]\f (x) = f (c)+(x−c)f ′ (c)+· · ·+ f (c)+ f (ξ).
n! (n + 1)!
(x−c)n (n)
SI on pose pn (x) = f (c) + (x − c)f ′ (c) + · · · + n!
f (c),
n+1
alors f (x) = pn (x) + (x−c)
(n+1)!
f (n+1) (ξ).
 n+1
Mn+1 b−a
d’où |f (x) − pn (x)| ≤ (n+1)! 2
, où Mn+1 = supt∈[a,b] |f (n+1) (t)|
Inconvénient de cette méthode :
1. Très côuteuse (trop de calcul) puisqu’elle exige le calcul des dérivées successives
f ′ , · · · , f (n) de f.
xn
2. Problème numérique provient de calcul de n!
pour x et n assez grand.

5
6 Chapitre 1. Interpolation

Deuxième idée :
Considérer (n + 1) points deux à deux distincts x0 , x1 , · · · , xn de [a, b], puis chercher une
fonction polynomiale p de degré inférieur ou égal à n qui passe par les points M0 =
(x0 , f (x0 )), M1 = (x1 , f (x1 )),· · · , Mn (xn , f (xn )). Autrement dit, on veut chercher un
polynôme p de degré inférieur ou égal à n tel que

p(xi ) = f (xi ), pour i = 0, 1, · · · , n.

Un tel polynôme s’appelle polynôme d’interpolation de f . On dit encore que p interpole

f en x0 , x1 ,· · · , xn .

1.1 Interpolation de Lagrange :

Dans la suite, on note Pn l’ensemble des polynômes de degré inférieur ou égal à n.
Soient f : [a, b] −→ R une fonction numérique et x0 , x1 , · · · , xn (n + 1) points distincts de
[a, b].

Théorème 1.1 Il existe un et un seul polynôme p ∈ Pn vérifiant :

p(xi ) = f (xi ), ∀i = 0, 1, · · · , n.

Démonstration.

• Unicité : Soient p, q ∈ Pn vérifiant :

p(xi ) = f (xi ), i = 0, 1, · · · , n
q(xi ) = f (xi ), i = 0, 1, · · · , n.

Le polynôme r = p − q ∈ Pn et vérifie

r(xi ) = p(xi ) − q(xi ) = 0, ∀i = 0, 1, · · · , n

Donc
r ∈ Pn
(
=⇒ r = 0 =⇒ p = q
r admet (n + 1) racines distinctes

• Existence :

– La construction d’un polynôme p ∈ Pn \ p(xi ) = f (xi ) i = 0, 1, · · · , n.

prouvera l’existence.
(
Lk (xi ) = 0 pour i ̸= k (1)
– Cherchons Lk ∈ Pn \
Lk (xk ) = 1 (2)
∗ (1) : x0 , x1 , xk−1 , xk+1 , · · · , xn sont des racines de Lk . D’où

Lk (x) = λ(x − x0 )(x − x1 ) · · · (x − xk−1 )(x − xk+1 ) · · · (x − xn )

2023-2024 Analyse numérique ISSAT de SOUSSE

1.1. Interpolation de Lagrange : 7

1
∗ (2) : Lk (xk ) = 1 =⇒ λ =
(xk − x0 )(xk − x1 ) · · · (xk − xk−1 )(xk − xk+1 ) · · · (xk − xn )
n
Y x − xi
donc Lk (x) =
i=0,i̸=k xk − xi

(L0 , L1 , · · · , Ln ) sont linéairement indépendants, en effet :

Soient α0 , α1 , · · · , αn (n + 1) réels tel que :
n
αi Li (x) = 0, ∀x ∈ R.
X

i=0

En particulier pour x = xk (k = 0, 1, 2, · · · , n), on a :

α0 L0 (xk ) + · · · + αk Lk (xk ) + · · · + αn Ln (xk ) = 0,

d’où αk = 0, pour k = 0, 1, · · · , n.
Comme card(L0 , L1 , · · · , Ln ) = dimPn = n + 1 donc (L0 , L1 , · · · , Ln ) est une base
Pn .
Le polynôme p cherché s’obtient comme combinaison linéaire des polynômes (L0 , L1 , · · · , Ln )
d’où : n X
p(x) = f (xk )Lk (x).
k=0

On remarque bien que p(xk ) = f (xk ), k = 0, 1, · · · , n.

■

Définition 1.1 La famille (L0 , L1 , · · · , Ln ) est appelée base de Lagrange de Pn associée

aux points x0 , x1 , · · · , xn .

Exemple 1.1 Pour n = 2, x0 = −1, x1 = 0 et x2 = 1. La base de Lagrange de P2 associée

aux points −1, 0 et 1 est formé par :
(x − x1 )(x − x2 ) 1
L0 (x) = = x(x − 1)
(x0 − x1 )(x0 − x2 ) 2
(x − x0 )(x − x2 )
L1 (x) = = 1 − x2 .
(x1 − x0 )(x1 − x2 )
(x − x0 )(x − x1 ) 1 1
L2 (x) = = x2 + x.
(x2 − x0 )(x2 − x1 ) 2 2
Exercice 1.1 Soit f (x) = ex trouver l’interpolant f de degré 2 aux points −1, 0 et 1.
2
X
p(x) = f (xi )Li (x)
i=0
1 1 1
     
= x(x − 1) + e0 1 − x2 + e x(x + 1)
e 2 2
1 e 2 e 1
  
= −1+ x + − x+1
2e 2 2 2e
2023-2024 Analyse numérique ISSAT de SOUSSE
8 Chapitre 1. Interpolation

1.1.1 Estimation de l’erreur dans l’interpolation de Lagrange.

Avant de donner une estimation de l’erreur, nous allons utiliser les résultats suivants.

Théorème 1.2 (de Rolle ) Soit f : [a, b] −→ R une application continue sur [a, b] et
dérivable sur ]a, b[ telle que f (a) = f (b), alors il existe c ∈]a, b[ telle que f ′ (c) = 0.

Lemme 1.1 Soit f : [a, b] −→ R dérivable sur [a, b] alors si f possède au moins (n + 2)
zéros distincts sur [a, b], f ′ possède au moins (n + 1) zéros distincts sur [a, b].
Démonstration. Il suffit d’appliquer le théorème de Rolle entre deux zéros consécutifs
de f . c’est à dire entre deux racines de f , f possède un maximum ou un minimum.
■

Corollaire 1.1 Soit f ∈ C n+1 [a, b]. Si f possède au moins (n + 2) zéros distincts sur [a, b]
alors f (n+1) admet au moins un zéro sur [a, b].
Démonstration. Par récurence en appliquant le Lemme 1.1
■

Théorème 1.3 Soit f ∈ C n+1 [a, b], si a ≤ x0 < x1 < · · · < xn ≤ b. Alors
(x − x0 )(x − x1 ) · · · (x − xn ) (n+1)
f (x) − pn (x) = f (ξx ),
(n + 1)!
où a ≤ min(x, x0 ) < ξx < max(x, xn ) ≤ b.
Démonstration.
• Si x ∈ {x0 , x1 , · · · , xn } alors f (x) − pn (x) = 0, la relation est vérifiée.
• Soit x ∈ [a, b] fixé tel que x ∈
/ {x0 , x1 , · · · , xn }
F : [a, b] −→ R
Posons Vn (t)
t 7−→ F (t) = f (t) − pn (t) − [f (x) − pn (x)]
Vn (x)
n
Y
où Vn = (x − xk ).
k=0

– Il est clair que F ∈ C n+1 [a, b].

– La fonction F s’annule pour t = x0 , x1 , · · · , xn , x, donc elle admet au moins
(n + 2) zéros.
D’après le corollaire 1.1, il existe au moins un réel ξx ∈ [a, b] tel que F (n+1) (ξx ) = 0.
Comme pn est un polynôme de degré inférieur ou égal à n donc p(n+1) n = 0 et
Vnn+1 = (n + 1)! d’où :
(n + 1)!
F (n+1) (ξx ) = f (n+1) (ξx ) − [f (x) − pn (x)]
Vn (x)

2023-2024 Analyse numérique ISSAT de SOUSSE

1.2. Interpolation de Newton 9

Remarque 1.1 le point ξx étant inconnu, il faut trouver une majoration de f (n+1) (ξx ) .

Corollaire 1.2 Si f (n+1) est continue sur [a, b], alors f atteint sa borne supèrieure et on
a:

|(x − x0 )(x − x1 ) · · · (x − xn )|
|f (x) − pn (x)| ≤ max f (n+1) (x)
(n + 1)! x∈[a,b]

1.1.2 Inconvénients de la méthode de Lagrange :

• La base de Lagrange change si on modifie le nombre des points d’interpolation.

• La Méthode est coûteuse en temps de calcul.

• Problème numérique surtout si les points xi sont très voisins c’est à dire
1
xi+1 − xi −→ 0 donc −→ +∞.
xi+1 − xi

1.2 Interpolation de Newton

1.2.1 Différences divisées et formule de Newton
Définition 1.2 (Différences divisées) • On appelle différence divisée du premier
ordre :
f (xi+1 ) − f (xi )
f [xi , xi+1 ] =
xi+1 − xi

• On appelle différence divisée d’ordre 2 :

f [xi+1 , xi+2 ] − f [xi , xi+1 ]

f [xi , xi+1 , xi+2 ] =
xi+2 − xi

• On appelle différence divisée d’ordre k :

f [xi+1 , · · · , xi+k ] − f [xi , · · · , xi+k−1 ]

f [xi , xi+1 , · · · , xi+k ] =
xi+k − xi

Forme de Newton :
Nous allons écrire le polynôme pn qui interpole f aux points x0 , x1 , · · · , xn sous la forme

pn (x) = a0 + a1 (x − x0 ) + a2 (x − x0 )(x − x1 ) + · · · + an (x − x0 )(x − x1 ) · · · (x − xn−1 ).

2023-2024 Analyse numérique ISSAT de SOUSSE

10 Chapitre 1. Interpolation

• n = 1, le polynôme de degré 1 qui interpole les points (x0 , y0 ) et (x1 , y1 ) est donné
par :
y1 − y0
p1 (x) = y0 + (x − x0 )
x1 − x0
= f [x0 ] + f [x0 , x1 ](x − x0 )

• n = 2, le polynôme qui interpole les points (x0 , y0 ), (x1 , y1 ) et (x2 , y2 ) est obtenu en
ajoutant un polyôme de degré inférieur ou égale à 2 à p1
y1 − y0
p2 (x) = y0 + (x − x0 ) + α(x − x0 )(x − x1 )
x1 − x0

α est déterminé par p2 (x2 ) = y2 .

On trouve que
1 y2 − y1 y1 − y0
 
α= −
x2 − x0 x2 − x1 x1 − x0
= f [x0 , x1 , x2 ] .

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

Généralement on a :

Théorème 1.4 (Formule de Newton) L’unique polynôme d’interpolation de degré in-

férieur ou égal à n qui passe par les (n + 1) points (x0 , y0 ), (x1 , y1 ), · · · , (xn , yn ) où les xi
sont deux à deux distincts est donné par :

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 )

Algorithme Pratique :
Le calcul est réalisé rapidement en utilisant un tableau que l’on donnera par 5 points ;
x0 , x1 , x2 , x3 et x4 :

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 [x0 , x1 , x2 , x3 , x4 ]
f [x2 , x3 ] f [x1 , x2 , x3 , x4 ]
x3 f (x3 ) f [x2 , x3 , x4 ]
f [x3 , x4 ]
x4 f (x4 )

2023-2024 Analyse numérique ISSAT de SOUSSE

1.3. Interpolation d’Hermite 11

Les coefficients de p dans la formule de Newton sera la diagonale descendante de f (x0 )

jusqu’a f [x0 , x1 , x2 , x3 , x4 ]

Exemple 1.2 Interpoler f (x) = x3 par un polynôme de degré 2 aux points x0 = 0, x1 = 1

et x2 = 3.

• Méthode de newton :

x0 = 0 f (x0 ) = 0
f [x0 , x1 ] = 1
13−1
x1 = 1 f (x1 ) = 1 f [x0 , x1 , x2 ] = 3−0
=4
27−1
f [x1 , x2 ] = 3−1
= 13
x2 = 3 f (x2 ) = 27

donc

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

= 0 + 1(x − 0) + 4(x − 0)(x − 1) = x × (4x − 3)

• Méthode de Lagrange :

(x − x1 )(x − x2 ) 1
– L0 (x) = = (x − 1)(x − 3)
(x0 − x1 )(x0 − x2 ) 3
(x − x0 )(x − x2 ) 1
– L1 (x) = = − x(x − 3)
(x1 − x0 )(x1 − x2 ) 2
(x − x0 )(x − x1 ) 1
– L2 (x) = = x(x − 1)
(x2 − x0 )(x2 − x1 ) 6
2
X 1 27
p(x) = f (xi )Li (x) = 0 − x(x − 3) + x(x − 1) = x(4x − 3).
i=0 2 6

Avantages de la méthode de Newton.

• Plus rapide que la méthode de La grange.

• Numériquement stable.

1.3 Interpolation d’Hermite

Les polynômes d’interpolation de Lagrange font intervenir les valeurs de polynômes et de
fonctions en certains points, mais ne tiennent pas compte des dérivées. Il existe d’autres
polynômes d’interpolation pour lesquels les valeurs de p(t) et de la dérivée p′ (t) sont
données en certains points.

2023-2024 Analyse numérique ISSAT de SOUSSE

12 Chapitre 1. Interpolation

1.3.1 Interpolation d’Hermite de type cubique (Polynôme de

degré 3)
Théorème 1.5 Soit f ∈ C 1 [a, b] et x1 , x2 deux points distincts. Il existe un seul polynôme
p de degré inférieur ou égal à 3 vérifiant :


 p(x1 ) = f (x1 )
p(x ) = f (x2 )


(S)  ′ 2
 p (x1 ) = f ′ (x1 )
 ′
= f ′ (x2 )

p (x2 )
Démonstration. On pose p(x) = a3 x3 + a2 x2 + a1 x + a0 .



 a3 x31 + a2 x21 + a1 x1 + a0 = f (x1 )
a3 x32 + a2 x22 + a1 x2 + a0 = f (x2 )


(S) ⇐⇒


 3a3 x21 + 2a2 x1 + a1 + 0 = f ′ (x1 )
3a3 x22 + 2a2 x2 + a1 + 0 = f ′ (x2 )


 
1 x1 x21 x31 a0 f (x1 )
   

1 x2 x22 x32  a   f (x ) 
 
 1
⇐⇒ AX = B où A  2 , X =  , B= ′ 2 
   
0 1 2x1 3x1  a2  f (x1 )
0 1 2x2 3x22 a3 f ′ (x2 )
det(A) = −(x2 − x1 )4 ̸= 0 car x1 ̸= x2 , donc le système (S) admet une et une seule
solution.
■

1.3.2 Base d’Hermite

Cherchons une base (A1 , A2 , B1 , B2 ) de P3 telle que
p(x) = f (x1 )A1 (x) + f (x2 )A2 (x) + f ′ (x1 )B1 (x) + f ′ (x2 )B2 (x).
• La relation p(x1 ) = f (x1 ) s’écrit :
f (x1 )A1 (x1 ) + f (x2 )A2 (x1 ) + f ′ (x1 )B1 (x1 ) + f ′ (x2 )B2 (x1 ) = f (x1 )
f (x1 ) [A1 (x1 ) − 1] + f (x2 )A2 (x1 ) + f ′ (x1 )B1 (x1 ) + f ′ (x2 )B2 (x1 ) = 0,
d’où 

 A1 (x1 ) =1
A2 (x1 ) =0


(1)


 B1 (x1 ) =0
B2 (x1 ) =0


• De la même façon la condition p(x2 ) = f (x2 ) s’écrit :



 A1 (x2 ) =0
A2 (x2 ) =1


(2)


 B1 (x2 ) =0
B2 (x2 ) =0


2023-2024 Analyse numérique ISSAT de SOUSSE

1.3. Interpolation d’Hermite 13

• Les conditions p′ (x1 ) = f ′ (x1 ) et p′ (x2 ) = f ′ (x2 ) s’écrivent :

A′1 (x1 ) A′1 (x2 )

 

 =0 
 =0
A′2 (x1 ) =0 A′2 (x2 ) =0

 

(3) et (4)
B ′ (x1 ) =1 B ′ (x2 ) =0
 1′  1′

 

 
B2 (x1 ) =0 B2 (x2 ) =1

• Les systèmes (1), (2), (3) et (4) s’écrivent maintenant :

 

 A1 (x1 ) =1 
 A2 (x1 ) =0
A′ (x ) =0 A′ (x ) =0

 

(5)  1 1 (6)  2 1
 A1 (x2 ) =0  A2 (x2 ) =1
 ′
  ′

A1 (x2 ) =0 A2 (x2 ) =0
 

 B1 (x1 ) =0 
 B2 (x1 ) =0
B1′ (x1 ) =1 B2′ (x1 ) =0

 

(7) (8)

 B1 (x2 ) =0 
 B2 (x2 ) =0
 ′
  ′

B1 (x2 ) =0 B2 (x2 ) =1

• Comme A1 ∈ P3 le système (5) nous donne

A1 (x) = (ax + b)(x − x2 )2




1 = (ax1 + b)(x1 − x2 )2
= a(x1 − x2 )2 + 2(x1 − x2 )(ax1 + b)


0

2 3x1 − x2
d’où a = − et b = ou encore :
(x1 − x2 )3 (x1 − x2 )3

2(x − x1 )(x − x2 )2 (x − x2 )2
A1 (x) = − +
(x1 − x2 )3 (x1 − x2 )2
1 x − x2 2
  
= 1 − 2(x − x1 ).
x1 − x2 x 1 − x2
x − x2
= [1 − 2(x − x1 ).L′1 (x)] (L1 (x))2 où L1 (x) =
x1 − x2

• Par symétrie on obtient :

2
1 x − x1
 
A2 (x) = 1 − 2(x − x2 ).
x2 − x1 x 2 − x1
x − x1
= [1 − 2(x − x2 ).L′2 (x)] (L2 (x))2 où L2 (x) =
x2 − x1

• Expression de B1 et B2 . En utilisant (7), et en tenant compte que B1 ∈ P3 , on

obtient
2

 B1 (x) = (ax + b)(x − x2 )

0 = (ax1 + b)(x1 − x2 )2
= a(x1 − x2 )2 + 2(x1 − x2 )(ax1 + b)


1

2023-2024 Analyse numérique ISSAT de SOUSSE

14 Chapitre 1. Interpolation

1 x1
d’où a = et b = − donc
(x1 − x2 )2 (x1 − x2 )2

(x − x1 )(x − x2 )2
B1 (x) =
(x1 − x2 )2
x − x2
= (x − x1 ) (L1 (x))2 , où L1 (x) =
x1 − x 2

• Par symétrie on a :
2
x − x1

B2 (x) = (x − x2 )
x2 − x1
x − x1
= (x − x2 ) (L2 (x))2 , où L2 (x) =
x2 − x 1

1.3.3 Estimation de l’erreur

Théorème 1.6 Soit f ∈ C 4 ([a, b]). Alors il exsite ξx ∈]a, b[ tel que :

(x − x1 )2 (x − x2 )2 (4)
f (x) − p(x) = f (ξx ).
4!

Démonstration.

• Si x = x1 ou x = x2 alors f (x) − p(x) = 0, la relation est évidente.

• Si x ∈
/ {x1 , x2 } :
Posons " #
2 2 f (x) − p(x)
F (t) = f (t) − p(t) − (t − x1 ) (t − x2 )
(x − x1 )2 (x − x2 )2

– t 7→ F (t) est de classe C 4 [a, b] et admet trois racines distinctes x, x1 et x2 sur

[a, b].
– On raisonne comme le corollaire 1, il exsite ξx ∈]a, b[ tel que F (4) (ξx ) = 0, or

f (x) − p(x)
F (4) (ξx ) = f (4) (ξx ) − p4 (ξx ) − 4!
(x − x1 )2 (x − x2 )2

Comme p ∈ P3 donc p(4) = 0 et par suite on a :

f (x) − p(x) f (4) (ξx )

=
(x − x1 )2 (x − x2 )2 4!

2023-2024 Analyse numérique ISSAT de SOUSSE

1.3. Interpolation d’Hermite 15

1.3.4 Interpolation d’Hermite dans le cadre général

Théorème 1.7 Soit f une fonction donnée et on cherche un polynôme p ∈ P2n+1 tel que :
(
p(xi ) = f (xi ), i = 0, 1, · · · , n.
p′ (xi ) = f ′ (xi ), i = 0, 1, · · · , n.
Alors on a : n
[f (xi )Ai (x) + f ′ (xi )Bi (x)]
X
p(x) =
i=0
où la base (Ai , Bi ) est donnée par :
= [1 − 2(x − xi )L′i (xi )] (Li (x))2


 Ai (x)
= (x − xi )(Li (xi ))2 , i = 0, 1, · · · , n.


 Bi (x)
n
Y x − xj
avec L (x) = , i = 0, 1, · · · , n.


 i
j=0,j̸=i xi − xj



Théorème 1.8 (L’erreur d’interpolation d’Hermite) On suppose que f ∈ C 2n+2 [a, b], si
a ≤ x0 < x1 < · · · < xn ≤ b. Alors il existe ξx ∈] min(x, (xi )i=0,1,··· ,n , max(x, (xi )i=0,1,··· ,n )[
tel que :
n
f (2n+2) (ξx )
(x − xj )2
Y
f (x) − p(x) =
j=0 (2n + 2)!

1
Exercice 1.2 Soit f (x) = , trouver le polynôme d’Hermite p tel que
1 + x2


 p(0) = f (0)
p′ (0) = f ′ (0)



 p(5) = f (5)
 ′
= f ′ (5)

p (5)
Solution :

p(x) = A1 (x)f (x1 ) + A2 (x)f (x2 ) + B1 (x)f ′ (x1 ) + B2 (x)f ′ (x2 ),

où x1 = 0, x2 = 5.
x − x2 x
A1 (x) = [1 − 2(x − x1 )L′1 (x)] (L1 (x))2 , L1 (x) = =1−
x1 − x2 5
2 3 3
= x + x2 + 1.
125 25
x − x1 x
A2 (x) = [1 − 2(x − x2 )L′2 (x)] (L2 (x))2 , L2 (x) = =
x2 − x1 5
2 3 3
=− x + x2 .
125 25
1 3 2 2
B1 (x) = (x − x1 )(L1 (x))2 = x − x +x
25 5
1 1 2
B2 (x) = (x − x2 )(L2 (x))2 = x3 − x
25 5

2023-2024 Analyse numérique ISSAT de SOUSSE

16 Chapitre 1. Interpolation

d’où

p(x) = A1 (x)f (0) + A2 (x)f (5) + B1 (x)f ′ (0) + B2 (x)f ′ (5)

10 3 76 2
= x − x + 1.
262 262

2023-2024 Analyse numérique ISSAT de SOUSSE