Académique Documents
Professionnel Documents
Culture Documents
Interpolation polynômiale
Position du problème Etant donnés x0 < x1 < · · · < xn , n + 1 valeurs réelles, et (y0 , · · · , yn ) ∈ Rn+1 .
On veut construire un polynôme Pn ∈ Rn [X] dont la courbe passe par les points (xi , yi )0≤i≤n , c’est-à-dire, tel
que :
Pn (xi ) = yi , ∀i ∈ {0, · · · , n}
Exemples Soit x0 < x1 , deux valeurs réelles, et y0 , y1 ∈ R, on cherche la droite qui passe par les points,
(x0 , y0 ), (x1 , y1 ), l’équation de cette droite est :
y1 − y0
P1 (x) = (x − x0 ) + y0
x1 − x0
Soient x0 < · · · < xn ∈ R et f : [x0 , xn ] → R. On essaye de construire un polynôme d’approximation de f sur
l’intervalle [x0 , xn ].
On dit que Pn ∈ Rn [X] est le polynôme d’interpolation de f (au nœuds) en x0 , · · · , xn si et seulement si :
Puisque x0 < x1 < · · · < xn , on a alors Det(V ) ̸= 0, d’où c’est un système de Cramer qui nous garantit
l’existence et l’unicité de AT = (a0 , · · · , an ) ∈ Rn+1 tel que V A = Y . AT = (a0 , · · · , an ) sont les coordonnées de
Pn dans la base canonique de Rn [X].
1
La résolution de système par une méthode directe (Pivot de Gauss, ou décomposition P A = LU ) est de l’ordre
de 32 n3 .
2 Méthode de Lagrange
On définit les polynômes d’interpolation de Lagrange aux point x0 < x1 < · · · < xn
∏ X − xi
Lk (x) = , k = 0, · · · , n
xk − xi
0≤i̸=k≤n
Exemple. Soit f (x) = sin(πx). Donnez le polynôme d’interpolation de f au nœuds 0; 0.25; 0.5
2
3 Méthode de Newton
On définit les polynômes de diférences divisées aux point x0 < x1 < · · · < xn ∈ R
∏
D0 (X) = 1; Dk+1 (X) = (X − xi ) = (X − xk )Dk (X)
0≤i≤k
f [xi ] = f (xi )
f (xi+1 −f (xi )
f [xi xi+1 ] = xi+1 −xi
f [xi+1 ···xi+k ]−f [xi ···xi+k−1 ]
f [xi · · · xi+k ] = xi+k −xi
Théorème 1 Soient x0 < x1 < · · · < xn ∈ R, et soit f : [x0 , xn ] → R, et Pn ∈ Rn [X] tel que Pn (xi ) =
∑
n
f (xi ), ∀i ∈ {0, · · · , n}. Alors Pn (X) = δk Dk (X) avec δk = f [x0 , · · · , xk ]
k=0
Pn (X) = f [x0 ] + f [x0 x1 ](X − x0 ) + f [x0 x1 x2 ](X − x0 )(X − x1 ) + · · · + f [x0 · · · xn ](X − x0 ) · · · (X − xn−1 )
Démonstration par récurrence : Pour n = 0, P0 ∈ R0 [X] tel que P0 (x0 ) = f (x0 ) =⇒ P0 (x) = f [x0 ].
Pour n = 1, P1 ∈ R1 [X] tel que P1 (x0 ) = f (x0 ) et P1 (x1 ) = f (x1 )
f (x1 ) − f (x0 )
P1 (x) = (x − x0 ) + f (x0 ) = δ1 D1 (X) + δ0
x1 − x0
On a :
Pn (x0 ) = f (x0 )
Rn (xn+1 ) = f (xn+1 )
Soit Pn+1 (x) le polynôme de degré n + 1 qui interpole f en x0 < · · · < xn+1 .
3
On conclut que (Pn+1 − Pn )(X) = λ(X − x0 ) · · · (X − xn ) pour λ ∈ R.
Par hypothèse de récurrence :
∑
n
Pn+1 (X) = Pn (X) + λDn+1 (X) = f [x0 · · · xk ]Dk (X) + λDn+1 (X)
k=0
4
P2 (X) = −2D0 (X) + 2D1 (X) + 0D2 (X) = −2 + 2X
2. La meileure façon de rajouter une valeur d’interpolation (sans reprendre le calcul) est la méthode de Newton :
0 −2
2
1 0 0
2 −1
2 2 −3
−4
3 −2
P3 (X) = −2D0 (X) + 2D1 (X) + 0D2 (X) − 1D3 (X) = f (X) par unicité du polynôme de degré ≤ 3 qui interpole
f en 4 points !
4 Estimation de l’erreur
Dans ce qui suit, on considère x0 < x1 < · · · < xn ∈ R et f : [x0 , xn ] → R de classe C n+1 . Soit alors Pn le
polynôme d’interpolation de f aux points x0 , · · · , xn .
On définit l’erreur d’interpolation au point x, la valeur : En (x) = |f (x) − Pn (x)|.
Théorème 2 Soit x0 < x1 < · · · < xn ∈ R et f : [x0 , xn ] → R de classe C n+1 . Soit alors Pn le polynôme
d’interpolation de f aux points x0 , · · · , xn .
|f (n+1) (ζ)| ∏
n
∀x ∈ [x0 , xn ], ∃ζ ∈ [x0 , xn ], En (x) = |f (x) − Pn (x)| = |x − xi |
(n + 1)! i=0
max |f (n+1) (t)| ∏
n
On peut alors majorer cette valeur : En (x) ≤ (n+1)! |x − xi |
i=0
∏
n
(t−xi )
Démonstration : Soit Πn (t) = i=0
(n+1)! . Soit x ∈ [x0 , xn ] fixé.
Πn (x) = 0 ⇐⇒ x ∈ {x0 , · · · , xn }, on a alors En (xi ) = 0.
Si Πn (x) ̸= 0 on a alors f (x) − Pn (x) = µΠn (x)
On pose g(t) = f (t) − Pn (t) − µΠn (x) qui est de classe C n+1 . On a g(x) = g(x0 ) = · · · = g(xn ) = 0.
Par le lemme ∃y ∈ [x0 , xn ], g (n+1) (y) = 0 = f (n+1) (y) − µ. On a alors µ = f (n+1) (y), et donc