ECOLE SUPERIEURE EN SCIENCES APPLIQUEES DE TLEMCEN

ANALYSE NUMERIQUE II
INTERPOLATION POLYNOMIALE
COVID19/2021-2022

M. BELMEKKI

1. Introduction
√
√ Pour se fixer
√ les idées, √ supposons qu’on veut calculer 115 connaissant certains carrés parfaits :
100 = 10, 121 = 11 144 = 12. l’idée est de chercher un polynôme qui prend les valeurs 10, 11 et
12 aux points respectifs 100, 121 et 144. Il suffit alors de trouver la valeur du polynôme au point 115.
De manière générale, on se donne un intervalle [a, b] contenant n + 1 points distincts x0 , ..., xn . Suppo-
sons que les valeurs f (x0 ), ..., f (xn ) sont connues. L’interpolation polynômiale revient à chercher un
polynôme Pn (x) = a0 + a1 x + ... + an xn tels que :
Pn (x0 ) = f (x0 ), ..., Pn (xn ) = f (xn ).
On obtient, alors, un système linéaire de n + 1 équations à n + 1 inconnues ai :

a + a1 x0 + a2 x20 + ... + an xn0 = f (x0 )
 0
MOHAMMED BELMEKKI


a0 + a1 x1 + a2 x21 + ... + an xn1 = f (x1 )
(1)
 ....
a0 + a1 xn + a2 x2n + ... + an xnn =

f (xn )

DEPT. FORMATION PREPARATOIRE
Le déterminant de ce système est donné par :
 1 TLEMCEN-
x0 x20 · · · ALGERIA
 
 xn0 
 1 x1 x2 · · · xn 
1 1 
.. 2021-2022
Y
Vn (x0 , · · · , xn ) =  .. .. ..  = (xj − xi ) 6= 0

..
 . . . . .  0≤i<j≤n
 1 xn x2n · · · xnn 


Ce déterminant s’appelle déterminant de VANDERMONDE.

Le polynôme ainsi obtenu est alors unique, On l’appelle polynôme d’interpolation de la fonction f par
rapport aux points d’appui (x0 , f (x0 )), ..., (xn , f (xn )).
Remarque 1. Cette façon de résoudre le problème nécessite le calcul de plusieurs déterminants d’ordre
n + 1 et qui nécessite un temps considérable quant la valeur de n devient assez grande. Nous optons
alors pour d’autres méthodes, en ce qui suit nous présentons deux méthodes de base : La méthode de
LAGRANGE et celle de NEWTON.

2. Polynôme de Lagrange
On commence par chercher un polynôme li (x) de degré ≤ n tel que :

1 si i = j
li (xj ) = (2)
0 si i 6= j
Le polynôme li s’annule aux n points x0 , ..., xi−1 , xi+1 , ..., xn , donc
li (x) = δ i (x − x0 )(x − x1 )...(x − xi−1 )(x − xi+1 )...(x − xn )
où δ i est une constante.
Pour déterminer δ i , on a d’un côté :
li (xi ) = 1
et d’un autre côté :
li (xi ) = δ i (xi − x0 )(xi − x1 )...(xi − xi−1 )(xi − xi+1 )...(xi − xn )
on obtient alors,
1
δi =
(xi − x0 )(xi − x1 )...(xi − xi−1 )(xi − xi+1 )...(xi − xn )
1
2 INTERPOLATION POLYNOMIALE/ M. BELMEKKI

d’où
(x − x0 )(x − x1 )...(x − xi−1 )(x − xi+1 )...(x − xn )
li (x) =
(xi − x0 )(xi − x1 )...(xi − xi−1 )(xi − xi+1 )...(xi − xn )
qu’on peut écrire sous forme condensée :
n
Y x − xj
li (x) = , i = 0, ..., n
xi − xj
j6=i,j=0

li (x)i=0,...,n s’appelle la base de Lagrange.

Définition 1. Soit f (x) une fonction connue par la donnée des points d’appui (xi , f (xi )), i = 0, ..., n.
Le polynôme de Lagrange interpolant f est donné par :
Ln (x) = l0 (x)f (x0 ) + l1 (x)f (x1 ) + ... + ln (x)f (xn )
qu’on peut écrire sous forme condensée :
n
X
Ln (x) = li (x)f (xi )
i=0
√
Exemple 1. Soit à calculer 115 √ en utilisant les points d’appui (100, 10), (121, 11), (144, 12).
Considérons la fonction f (x) = x.
Les li (x) sont données par :
(x − x1 )(x − x2 ) (x − 121)(x − 144) 1
l0 (x) =
MOHAMMED BELMEKKI
(x0 − x1 )(x0 − x2 )
=
(115 − 121)(115 − 144)
=
21.44
(x − 121)(x − 144)

(x − x0 )(x − x2 ) (x − 100)(x − 144) −1

l1 (x) = = = (x − 100)(x − 144)
(x1 − x0 )(x1 −DEPT.
x2 ) FORMATION PREPARATOIRE
(121 − 100)(121 − 144) 21.23
(x − x0 )(x − x1 ) (x − 100)(x − 121) 1
l2 (x) = =TLEMCEN- ALGERIA= (x − 100)(x − 121)
(x2 − x0 )(x2 − x1 ) (144 − 100)(144 − 121) 44.23
donc 2021-2022
L2 (x) = l0 (x)f (x0 ) + l1 (x)f (x1 ) + l2 (x)f (x2 )
10 11 12
= (x − 121)(x − 144) − (x − 100)(x − 144) + (x − 100)(x − 121)
21.44 21.23 44.23
d’où
√
115 ' L2 (115)
10 11 12
= (115 − 121)(115 − 144) − (115 − 100)(115 − 144) + (115 − 100)(115 − 121)
21.44 21.23 44.23
= 10.722755
La valeur théorique est 10.723805
Remarque 2. Pour faciliter les calculs, on reformule le polynôme de Lagrange de la manière suivante :
On pose
n
Y
ω n+1 (x) = (x − xj )
j=0
Sa dérivée au point xi est donnée par :
n
Y
ω 0n+1 (xi ) = (xi − xj )
j6=i,j=0

d’où
ω n+1 (x)
li (x) =
(x − xi )ω 0n+1 (xi )
d’où la nouvelle forme du polynôme de Lagrange :
n
X f (xi )
Ln (x) = ω n+1 (x)
(x − xi )ω 0n+1 (xi )
i=0
 INTERPOLATION POLYNOMIALE/ M. BELMEKKI 3

En pratique on dresse le tableau suivant :

x − x0 x0 − x1 x0 − x2 ......... x0 − xn
x1 − x0 x − x1 x1 − x2 ......... x1 − xn
x2 − x0 x2 − x1 x − x2 ......... x2 − xn
.......... .......... .......... ......... ..........
xn − x0 xn − x1 xn − x2 ......... x − xn
on désigne par D0 le produit des éléments de la première ligne, par D1 ceux de la deuxième ligne et
ainsi de suite.
le produit des éléments de la diagonale par ω n+1 (x) ; d’où
ω n+1 (x)
,0 ≤ i ≤ n
li (x) =
Di
Le polynôme de Lagrange prend la forme suivante :
n
X f (xi )
Ln (x) = ω n+1 (x)
Di
i=0

Exemple 2. Soit à estimer f (323.5) à partir des données suivantes :

xi f (xi )
321.0 2.50651
322.8 2.50893
324.2 2.51081

MOHAMMED BELMEKKI
on dresse le tableau suivant :
325.0 2.51188

xi −DEPT.
xj , i 6=FORMATION
j Di PREPARATOIRE
f (xi ) f (xi ) /Di
2.5 −1.8 −3.2 −4 −57.6 2.50651 −0.0435
1.8 0.7 −1.4TLEMCEN-
−2.2 ALGERIA
3.8808 2.50893 0.6465
3.2 1.4 −0.7 −0.8 2.5088 2.51081 1.0008
4 2.2 0.8 −1.5 2021-2022
−10.56 2.51188 −0.2379
d’où
ω = 1.8375 S = 1.3659
par suite
f (323.5) ' ω ∗ S = 2.5098

3. Polynôme de Newton
L’inconveignant majeur de la méthode de Lagrange est que si on ajoute un point d’appui xn+1 au
système initial x0 , ..., xn alors pour déterminer le polynôme de Lagrange pour le nouveau système on
doit refaire les calculs depuis le début. La méthode de Newton permet d’éviter un tel inconveignant.
On procède de lamanière suivante :
On prend un point d’appui (x0 , f (x0 )), le polynôme d’interpolation P0 (x) est de degré 0, donc constant,
par suite
P0 (x) = f (x0 )
On ajoute un point d’appui (x1 , f (x1 )), on cherche un polynôme P1 (x) de degré 1 sous la forme :
P1 (x) = P0 (x) + a1 (x − x0 )
et qui vérifie les conditions
P1 (x0 ) = f (x0 ), P1 (x1 ) = f (x1 )
on obtient alors :
f (x1 ) − f (x0 )
a1 =
x1 − x0
d’où
f (x1 ) − f (x0 )
P1 (x) = f (x0 ) + (x − x0 )
x1 − x0
On ajoute un point d’appui (x2 , f (x2 )), on cherche un polynôme P2 (x) de degré 2 sous la forme :
P2 (x) = P1 (x) + a2 (x − x0 )(x − x1 )
4 INTERPOLATION POLYNOMIALE/ M. BELMEKKI

et qui vérifie les conditions

P2 (x0 ) = f (x0 ), P2 (x1 ) = f (x1 ) P2 (x2 ) = f (x2 )
on obtient alors :
f (x2 )−f (x1 ) f (x1 )−f (x0 )
x2 −x1 − x1 −x0
a2 =
x2 − x0
d’où
f (x2 )−f (x1 )
f (x1 ) − f (x0 ) x2 −x1 − f (xx11)−f
−x0
(x0 )
P2 (x) = f (x0 ) + (x − x0 ) + (x − x0 )(x − x1 ).
x1 − x0 x2 − x0
Pour écrire la forme générale du polynôme de Newton pour un système de n + 1 points d’appui, on
aura besoin de la définition suivante :
Définition 2. Si f est définie en deux points x0 , x1 , On appelle Différence Divisée Première de f la
valeur :
f (x1 ) − f (x0 )
f [x0 , x1 ] =
x1 − x0
Si f est définie en trois points x0 , x1 , x2 , On appelle Différence Divisée Seconde de f la valeur :
f [x1 , x2 ] − f [x0 , x1 ]
f [x0 , x1 , x2 ] =
x2 − x1
De manière générale, on définie la nième Différence Divisée de f par :
f [x1 , ..., xn ] − f [x0 , ..., xn−1 ]
MOHAMMED BELMEKKI
f [x0 , x1 , ..., xn ] =
xn − x0
En utilisant les notations précédentes, on a la définition suivante :
DEPT.connue
Définition 3. Soit f (x) une fonction FORMATION PREPARATOIRE
par la donnée des points d’appui (xi , f (xi )), i = 0, ..., n.
Le polynôme de Newton interpolant f est donné par :
TLEMCEN- ALGERIA
Nn (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 )
2021-2022
√ √ √ √
Exemple 3. Soit à calculer 115 à partir des données 100 = 10, 121 = 11, 144 = 12.
On dresse le tableau suivant :
x f(x) DD1 f (x) DD2 f (x)
100 10
11−10 1
121 11 121−100 = 21
12−11 1 1/23−1/21 1
144 12 144−121 = 23 144−100 =- 10626
D’où
Nn (x) = f (x0 ) + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 )
1 1
= 10 + (x − 100) − (x − 100)(x − 121)
21 10626
par suite
1 1
Nn (x) = 10 + (115 − 100) − (115 − 100)(115 − 121)
21 10626
= 10.722755

4. erreur d’interpolation
Théorème 1. Soit f une fonction de classe C n+1 sur [a, b].
Soit Pn le polynôme d’interpolation de f par rapport aux données x0 , ..., xn .
Alors pour tout x ∈ [a, b] on a :
Mn+1
|f (x) − Pn (x)| ≤ |ω n+1 (x)|
(n + 1)!
où
  n
Y
 (n+1)
Mn+1 = sup f (x) , ω n+1 (x) = (x − xj )

x∈[a,b] j=0
 INTERPOLATION POLYNOMIALE/ M. BELMEKKI 5

En effet ; Introduisons une fonction auxiliaire :

φ (x) = f (x) − Pn (x) − kω n+1 (x)
la fonction φ admet (n + 1) racines x0 , ..., xn .
Choisissons k de telle sorte que φ admet une racine x∗ dans [a, b] autre que x0 , ..., xn .
Ce choix est possible, en effet :
f (x∗ ) − Pn (x∗ ) − kω n+1 (x∗ ) = 0
d’où
f (x∗ ) − Pn (x∗ )
k= (3)
ω n+1 (x∗ )
∗
k est bien définie du moment que ω n+1 (x ) 6= 0.
pour cette valeur de k la fonction φ s’annule (n + 2) fois aux extrémités des segments :
[x0 , x1 ] , [x1 , x2 ] , ..., [xi , x∗ ] , [x∗ , xi+1 ] , ..., [xn−1 , xn ]
en appliquant le théorème de Rolle à chaccun des segments, la fonction dérivée φ0 admet alors au
moins (n + 1) racines ;
en faisant de même, la fonction φ00 admet n racines, et ainsi de suite, la dérivée φ(n+1) admettera au
moins une racine ξ dans [a, b] :
φ(n+1) (ξ) = 0.
or
(n+1)
φ(n+1) (x) = f (n+1) (x) − Pn(n+1) (x) − kω n+1 (x)
cependant,
MOHAMMED BELMEKKI Pn(n+1) (x) = 0
car on dérive à l’ordre n + 1 un polynôme de degré ≤ n.
DEPT. FORMATION PREPARATOIRE
d’autre part
(n+1)
TLEMCEN-
ω n+1 (x) = (n ALGERIA
+ 1)!
en particulier pour x = ξ on obtient :
2021-2022
0 = φ(n+1) (ξ) = f (n+1) (ξ) − k (n + 1)!
d’où
f (n+1) (ξ)
k= (4)
(n + 1)!
en comparant (3) et (4) on a :
f (x∗ ) − Pn (x∗ ) f (n+1) (ξ)
=
ω n+1 (x∗ ) (n + 1)!
d’où
f (n+1) (ξ)
f (x∗ ) − Pn (x∗ ) = ω n+1 (x∗ )
(n + 1)!
or x∗ est arbitraire dans [a, b] donc on peut remplcer x∗ par x et on a :
f (n+1) (ξ)
f (x) − Pn (x) = π n+1 (x)
(n + 1)!
où ξ dépend de x.
en passant à la valeur absolue on a :
 (n+1) 
f (ξ)
|f (x) − Pn (x)| = |ω n+1 (x)|
(n + 1)!
et on a alors la formule du reste :
Mn+1
|f (x) − Pn (x)| ≤ |ω n+1 (x)|
(n + 1)!
Remarque 3. l’erreur commise dépend de la régularité de la fonction, du nombre de points d’appui
et dela répartition des popints d’appui dans l’intervalle [a, b].
Remarque 4. Cette formule est valable pour le polynôme de Lagrange ainsi que celui de Newton.
6 INTERPOLATION POLYNOMIALE/ M. BELMEKKI

5. Phénomène de Runge.
D’après la formule de l’erreur, on remarque que l’erreur est inversement proportionnnelle au nombre
de points d’appui, on peu alors croire que la précision va augmenter en augementant le nombre de
points, ce qui n’est pas toujours vrai. Runge a montré que l’erreur d’interpolation entre Pn et f peut
augmenter indéfiniment lorsque n augmente. Autrement dit, plus on augmente le nombre de points
d’appui, moins bien on approche la fonction f . En fait, lorsqu’on augmente le nombre de points, on
constate que le polynôme se met à osciller fortement entre les points xi avec une amplitude de plus
en plus grande.
Considérons la fonction suivante :
1
f (x) =
1 + 25x2
on considère n + 1 points équirépartis dans le segment [−1, 1] :
x0 = −1, x1 = x0 + h, ..., xk+1 = xk + h = x0 + (k + 1)h, ..., xn = 1
avec
2
h=
n
soit Pn (x) le polynôme interpolateur de f (x) aux points d’appui (xi , f (xi )).
on a :  
lim max |f (x) − Pn (x)| = ∞
n→∞ −1≤x≤1

Remarque 5. Dans le but de contourner ce problème de Runge, on a développé d’autres méthodes

MOHAMMED BELMEKKI
d’interpolation, en l’occurrence : La méthode d’Hermite, La méthode de Chebyshev, la méthode des
splines.

DEPT. FORMATION PREPARATOIRE

TLEMCEN- ALGERIA
2021-2022