Interpolation Et Approximation

Chapitre 2 : Interpolation et approximation
Génie Civil
Naima SOUKHER
Ecole Supérieure de Technologie Fkih Ben Salah
Novembre2022
Naima SOUKHER (Institute) Interpolation et approximation 11/22 1 / 42

Introduction
Le problème de l’interpolation consiste à chercher des fonctions “simples”
(polynômes, polynômes par morceaux, polynômes trigonometriques)
passant par des points données
(x0 , y0 ), (x1 , y1 ), ..., (xn , yn )
càd, on cherche p (x ) avec p (xi ) = yi pour i = 0, 1, ..., n Si les valeurs de

yi satisfaisant f (xi ) = yi = fi où f est une fonction donnée, il est
intéressant d’étudier l’erreur de l’approximation
f (x ) p (x ) = ?

Motivations
En analyse numérique, une fonction f inconnue explicitement est souvent
– connue seulement en certains points x0 , x1 , ..., xn ;
– où evaluable uniquement au moyen de l’appel à un code coûteux.
Mais dans de nombreux cas, on a besoin d’e¤ectuer des opérations

(dérivation, intégration,...) sur la fonction f .
On cherche donc à reconstruire f par une autre fonction p simple et facile

à évaluer à partir des données discrètes de f . On espère que le modèle p
ne sera pas trop éloigné de la fonction f aux autres points.

On s’intéresse dans ce cours à la reconstruction de f par des polynômes.
Pourquoi les polynômes ?
1. Théorème d’approximation de Weierstrass : pour toute fonction f

dé…nie et continue sur l’intervalle [a, b ] et pour tout ε > 0, il existe un
polynôme p tel que
8x 2 [a, b ], jf (x ) p (x )j < ε
Plus ε est petit, plus le degré du polynôme est grand.
2. La simplicité de l’évaluation d’un polynôme par le schéma de Hörner :
n
∑ Cj x j = (...((Cn x + Cn +1 )x + Cn +1 )x + ... + C1 )x + C0
j =1

Plus précisément, étant donnés n + 1 points d’abscisses distinctes
Mi (xi , fi ), i = 0, 1, ..., n dans le plan, le problème de l’interpolation
polynomiale consiste à trouver un polynôme de degré inférieur ou égal à
m dont le graphe passe par les n + 1 points Mi ,
c’est-‘a-dire trouver
p 2 Pm tel que p (xi ) = fi , 8i = 0, 1, ..., n. (1)

1. Existence de l’interpolant et sa forme de
Lagrange
1.1 Introduction
2 points : n = 1
Dé…nition 1. L’interpolation linéaire est la méthode la plus simple pour

estimer la valeur prise par une fonction continue entre deux points
déterminés.

Naturellement, le problème de trouver un polynôme de degré inférieur ou
égal 1 dont le graphe passe par 2 points M0 = (x0 , f0 ) et M1 = (x1 , f1 )
d’abscisses di¤érentes x0 6= x1 est très facile :
il su¢ t de choisir l’unique polynôme dont le graphe est la droite (M0 M1 ).

En e¤et, on pose p (x ) = αx + β et on cherche α et β tels que p (x0 ) = f0
et p (x1 ) = f1 .
On obtient simplement
f1 f0 f1 f0
α= , β = f0 αx0 , p (x ) = (x x0 ) + f0
x1 x0 x1 x0
Formule de calcul d’une valeur par la méthode de l’interpolation linéaire.

Exemple 1.
1. Sachant que psat (21 C ) = 24.87hPa et psat (22 C ) = 26.43hPa,

calculer psat (21.3 C ) par interpolation linéaire.
2. Interpolation linéaire inverse
Sachant que psat (21 C ) = 24.87hPa et psat (22 C ) = 26.43hPa, calculer

la température t telle que psat (t ) = 26.0hPa par interpolation linéaire
inverse.

3 points : n = 2
Lorsqu’on dispose de 3 points d’abscisses deux à deux distinctes et que

l’on cherche un polynôme de P2 , le problème est à peine plus di¢ cile. Le
graphe du polynôme cherché est généralement une parabole
(correspondant à un polynôme de degré 2). Mais dans le cas où les 3
points sont alignés, le graphe du polynôme cherché est une droite comme
dans le cas n = 1.

Cas général
Dans le cas général, le problème (1) peut n’avoir aucune solution ou bien
en avoir une in…nité.

1.2 Existence du polynôme d’interpolation
Théorème 1. Soit A = fx0 , x1 , ..., xn g un ensemble de n + 1 réels
distincts. Quels que soient les n + 1 réels f0 , f1 , ..., fn , il existe un et un
seul polynôme p 2 Pn
tel que
p (xi ) = fi , 8i = 0, 1, ..., n.

Preuve : On décompose p dans la base canonique e0 , e1 , ..., en de Pn
dé…nie par ei (x ) = x i pour tout i = 0, ..., n :
n
p= ∑ α j ej .
j =0
On sait alors que p véri…e p (xi ) = fi , 8i = 0, 1, ..., n si et seulement si
8i = 0, 1, ..., n
n
p= ∑ αj (xi )j = fi . (2)
j =0

(2) est un système linéaire de n + 1 équations à n + 1 inconnues (α0 , α1 ,
..., αn ). Or le déterminant de ce système linéaire est
1 x0 x0n
.. .. ..
. . . n i 1
∆= 1 xi xin = ∏ ∏ (xi xj )
.. .. .. i =1 j =0
. . .
1 xn xnn
On l’appelle le déterminant de Vandermonde. Comme les xi sont tous

distincts, on a ∆ 6= 0 et le système (2) admet une unique solution qui
détermine le polynôme p.

1.3 Forme de Lagrange
Théorème 2. Soit A = fx0 , x1 , ..., xn g un ensemble de n + 1 réels

distincts.
Quels que soient les n + 1 réels f0 , f1 , ..., fn , le seul polynôme p 2 Pn tel

que p (xi ) = fi , 8i = 0, 1, ..., n se met sous la forme (dite de Lagrange)
n
p (x ) = ∑ f (xi )Li (x )
i =0
où Li (x ) est le polynôme élémentaire de Lagrange
n
x xj
Li (x ) = ∏ x xj
j =0,i 6=j i

Les nombres xi s’appellent les points d’interpolation et les valeurs fi
sont les valeurs interpolées.
Lorsque fi = f (xi ), f est la fonction interpolée. L’unique polynôme p 2 Pn

tel que p (xi ) = f (xi ), 8i = 0, 1, ..., n s’appelle alors le polynôme
d’interpolation de Lagrange de f aux points xi . On peut le noter
L[x0 , x1 , ..., xn ; f ] ou bien L[A; f ].
Cette dernière notation est parfaitement valable parce que le polynôme

d’interpolation de f aux points xi dépend uniquement de l’ensemble des
points et pas de la manière dont ces points sont ordonnés.

Exemple 2.
Calculer le polynôme d’interpolation de Lagrange de f aux points

x0 , x1 , x2 , L[ 1, 0, 1; f ] , où f est dé…nit par f (x ) = x 21+1

1.4 Propriétés algébriques et linéarité
n
Proposition 1 Quel que soit l’entier n, pour tout x 2 R, ∑ Li (x ) = 1
i =0

Théorème 3.
Soit A = fx0 , x1 , ..., xn g un ensemble de n + 1 réels distincts. L’application

qui à f dé…nie au moins sur A fait correspondre L[A; f ] est linéaire. Cela
signi…e que pour toutes
fonctions f et g dé…nies au moins sur A et pour tout réel λ, on a
L[A; f + g ] = L[A; f ] + L[A; g ],

L[A; λf ] = λL[A; f ]

Exercice 1.
Pour tout n 2 N, on dé…nit pour tout x 2 R,Mn (x ) = x n
1. Déterminer L[ 1, 0, 1; Mn ].
2. En déduire, pour tout polynôme p, une formule pour L[ 1, 0, 1; p ] en

fonction des coe¢ cients de p.

1.5. Etude de l’erreur
Soit A = fx0 , x1 , ..., xn g un ensemble de n + 1 réels distincts et f une

fonction à interpoler.
Comme L[A; f ] est égal à f en tous les points xi , i = 0, 1, ..., n, il est

naturel d’espérer que la di¤érence entre L[A; f ] et f soit petite en les
autres points x, au moins en les points x pas trop éloignés des xi .
Pour mesurer cette di¤érence, on cherche à estimer (généralement

majorer) la quantité
e (x ) = jf (x ) L[A; f ](x )j
En fait, e (x ) dépend de la fonction à interpoler f et du choix des points xi .

Théorème 4.
Soient A = fx0 , x1 , ..., xn g [a, b ] et f 2 C n +1 ([a, b ]). On suppose que

x0 < x1 < ... < xn . Alors pour tout x 2 [a, b ], il existe αx 2]a, b [ tel que
f (n +1 ) ( α x ) n
(n + 1)! i∏
f (x ) L[A; f ](x ) = (x xi )
=0

Corollaire 1.
Soient A = fx0 , x1 , ..., xn g [a, b ] et f 2 C n +1 ([a, b ]). On suppose que

x0 < x1 < ... < xn . Alors pour tout x 2 [a, b ]
f (n +1 ) n
∞,[a,b ]
e (x )
(n + 1) ! ∏ (x xi )
i =0
On a aussi
f (n +1 ) n
∞,[a,b ]
kf (x ) L[A; f ](x )k∞,[a,b ]
(n + 1) ! ∏ (x xi ) (3)
i =0
On rappelle que
k h k∞,[a,b ] := sup jh(t )j.
t 2[a,b ]

Exercice 2.
p
On considère la fonction f dé…nie sur R+ par f (x ) = x. Soient
x0 = 100, x1 = 121 et x2 = 144.
1. Calculer L[x0 , x1 , x2 ; f ](115).
2.pMontrer (sans évaluer le membre de gauche) que

j 115 L[x0 , x1 , x2 ; f ](115).j < 1.8 10 3

La majoration (3) montre que pour une fonction à interpoler f donnée, si
nous avons le choix des points d’interpolation dans [a, b ], nous avons
intérêt à choisir ces points de telle sorte que la quantité
n
∏ (x xi ) soit minimale.
i =0 ∞,[a,b ]
Il existe un unique ensemble de points qui minimise cette quantité. On les

appelle les points de Chebyshev en hommage au mathématicien russe qui
les a déterminés pour la première fois en 1874. Lorsque [a, b ] = [ 1, 1],
ces points sont donnés par la formule
2i + 1 π
xi = cos i = 0, 1, ..., n
n+1 2

Répartition des points de Chebyshev et des points équidistants (les étoiles
noires) sur [ 1, 1] et tracé de la fonction x 7! sin(πx ) (en rouge) et de
l’interpolant de Lagrange
correspondant (en bleu) pour n = 12.
On peut comparer la répartition des points de Chebyshev à celle des points

équidistants sur l’intervalle [ 1, 1] pour n = 12 sur les graphiques de la
…gure ci-dessus . Les premiers tendent à être en nombre plus important
aux extrémités de l’intervalle.

2. Forme de Newton
Dans toute cette section, on note A = fx0 , x1 , ..., xn g un ensemble de

n + 1 réels distincts et f une fonction à interpoler, dé…nie au moins sur A.
Dans la forme de Lagrange du polynôme d’interpolation de f relativement
à A, ajouter un point d’interpolation dans A nécessite de recommencer
tous les calculs. C’est pour éviter cela que l’on introduit la forme de
Newton de L[A; f ]. Comme elle dé…nit le polynôme d’interpolation par
récurrence, ajouter un point dans A devient peu coûteux.

2.1 Les di¤érences divisées
Dé…nition 2.
On note f [x0 , x1 , ..., xn ] le coe¢ cient de x n dans le polynôme L[A; f ](x ) et

on l’appelle la n-ième di¤érence divisée de f aux points x0 , x1 , ..., xn .

Exemple 3 :
1. Si n = 0 et A = fx0 g, L[A; f ](x ) = f (x0 ), 8x 2 R. Le coe¢ cient de

x 0 = 1 est f (x0 ) et donc
f [x0 ] = f (x0 ).
2. Si n = 1 et A = fx0 , x1 g, L[A; f ](x ) = f (x0 ) xx0 xx11 + f (x1 ) xx1 x0

x0 ,
8x 2 R. Le coe¢ cient de x 1 = x dans ce polynôme est
1 1
f (x0 ) + f (x1 )
x0 x1 x1 x0
donc
f (x1 ) f (x0 )
f [x0 , x1 ] =
x1 x0
2.2 La forme de Newton
Théorème 5.
n
L[A; f ](x ) = f [x0 ] + ∑ f [x0 , x1 , ..., xj ](x x1 )(x x2 )...(x xj 1 ).
j =1

Exemple 4.
Lorsque n = 1 et A = fx0 , x1 g, on a
f (x1 ) f (x0 )
L[A; f ](x ) = f [x0 ] + f [x0 , x1 ](x x0 ) = f [x0 ] + (x x0 )
x1 x0

2.3 Formule de récurrence pour les di¤érences divisées
Théorème 6. Les di¤érences divisées s’obtiennent par récurrence : pour

tout entier j 1
f [x1 , ..., xj ] f [x0 , x1 , ..., xj 1]

f [x0 , x1 , ..., xj ] =
xj x0

2.4 Algorithme
Dans l’algorithme ci-dessous, la première étape consiste à calculer toutes
les di¤érences divisées suivantes et à les stocker dans une matrice D,
NC 1 2 3 n+1
NL
1 x0 f [x 0 ]
2 x1 f [x 1 ] f [x 0 , x 1 ]
3 x2 f [x 2 ] f [x 1 , x 2 ] f [x 0 , x 1 , x 2 ]
.. .. .. .. ..
. . . . .
n xn 1 f [ x n 1 ] f [ x n 2 , x n 1 ]
n + 1 xn f [x n ] f [x n 1 , x n ] f [x 0 , x 1 , ..., x n ]

puis à évaluer le polynôme d’interpolation en un point x au moyen de la
forme de Newton
n
L[A; f ](x ) = f [x0 ] + ∑ f [x0 , x1 , ..., xj ](x x1 )(x x2 )...(x xj 1 ).
j =1

Exemple 5.
Calculer le polynôme d’interpolation de Newton de f aux points x0 , x1 , x2 ,

L[ 1, 0, 1; f ] , où f est dé…nit par f (x ) = x 21+1

2.5 Etude de l’erreur
Théorème 7.
n
8x 2 [a, b ], f (x ) L[A; f ](x ) = ∏ (x xi )f [x0 , x1 , ..., xn , x ].
i =0

3. Phénomène de Runge
Il est assez naturel de penser que le polynôme d’interpolation de Lagrange

approche d’autant mieux la fonction interpolée que le nombre de points
d’interpolation est grand.
Cette idée reste correcte pour une grande classe de fonctions et pour des
points d’interpolation correctement choisis, mais elle est fausse en général.
En particulier, quels que soient les points d’interpolation choisis, il est

toujours possible de trouver une fonction continue qui ne se laisse pas
approcher par les polynômes d’interpolation correspondants.

3.1 Exemple classique de Runge
Il a été donné par Runge (allemand, 1856-1927) en 1901 : les polynômes

d’interpolation aux points équidistants de la fonction f dé…nie par
1
f (x ) =
1 + x2
donnent des résultats très mauvais.

3.2 Les points de Chebyshev
Il est possible de montrer que, pour des fonctions dérivables et de dérivée

bornée, les polynômes d’interpolation aux points de Chebyshev convergent
uniformément vers la fonction interpolée lorsque le nombre n + 1 de points
d’interpolation tend vers l’in…ni

Remarque – La convergence peut être lente ;
on dit que la suite de fonctions (fi )i 2N converge uniformément vers f

lorsque n tend vers l’in…ni si la suite de nombres réels positifs kf fi k∞
converge vers 0 lorsque n tend vers l’in…ni.

1
Graphes de l’erreur entre la fonction f dé…nie par f (x ) = 1 +100x 2 et ses
interpolants de Lagrange correspondants relativement aux points
équidistants xi = 1 + 2in , i = 0, 1, ..., n, pour di¤érentes valeurs du
degré n.

1
Graphes de l’erreur entre la fonction f dé…nie par f (x ) = 1 +100x 2 et ses
interpolants de Lagrange correspondants relativement aux points de
Chebyshev, pour di¤érentes
valeurs du degré n.

Interpolation Et Approximation

Transféré par

Droits d'auteur :

Formats disponibles

Interpolation Et Approximation

Transféré par

Informations du document

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 Et Approximation

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 2 : Interpolation et approximation

Ecole Supérieure de Technologie Fkih Ben Salah

Naima SOUKHER (Institute) Interpolation et approximation 11/22 1 / 42

(x0 , y0 ), (x1 , y1 ), ..., (xn , yn )

càd, on cherche p (x ) avec p (xi ) = yi pour i = 0, 1, ..., n Si les valeurs de

Naima SOUKHER (Institute) Interpolation et approximation 11/22 2 / 42

– connue seulement en certains points x0 , x1 , ..., xn ;

– où evaluable uniquement au moyen de l’appel à un code coûteux.

Mais dans de nombreux cas, on a besoin d’e¤ectuer des opérations

On cherche donc à reconstruire f par une autre fonction p simple et facile

Naima SOUKHER (Institute) Interpolation et approximation 11/22 3 / 42

Pourquoi les polynômes ?

1. Théorème d’approximation de Weierstrass : pour toute fonction f

2. La simplicité de l’évaluation d’un polynôme par le schéma de Hörner :

Naima SOUKHER (Institute) Interpolation et approximation 11/22 4 / 42

p 2 Pm tel que p (xi ) = fi , 8i = 0, 1, ..., n. (1)

Naima SOUKHER (Institute) Interpolation et approximation 11/22 5 / 42

Dé…nition 1. L’interpolation linéaire est la méthode la plus simple pour

Naima SOUKHER (Institute) Interpolation et approximation 11/22 6 / 42

il su¢ t de choisir l’unique polynôme dont le graphe est la droite (M0 M1 ).

Naima SOUKHER (Institute) Interpolation et approximation 11/22 7 / 42

Formule de calcul d’une valeur par la méthode de l’interpolation linéaire.

Naima SOUKHER (Institute) Interpolation et approximation 11/22 8 / 42

1. Sachant que psat (21 C ) = 24.87hPa et psat (22 C ) = 26.43hPa,

2. Interpolation linéaire inverse

Sachant que psat (21 C ) = 24.87hPa et psat (22 C ) = 26.43hPa, calculer

Naima SOUKHER (Institute) Interpolation et approximation 11/22 9 / 42

Lorsqu’on dispose de 3 points d’abscisses deux à deux distinctes et que

Naima SOUKHER (Institute) Interpolation et approximation 11/22 10 / 42

Naima SOUKHER (Institute) Interpolation et approximation 11/22 11 / 42

Naima SOUKHER (Institute) Interpolation et approximation 11/22 12 / 42

On sait alors que p véri…e p (xi ) = fi , 8i = 0, 1, ..., n si et seulement si

Naima SOUKHER (Institute) Interpolation et approximation 11/22 13 / 42

On l’appelle le déterminant de Vandermonde. Comme les xi sont tous

Naima SOUKHER (Institute) Interpolation et approximation 11/22 14 / 42

Théorème 2. Soit A = fx0 , x1 , ..., xn g un ensemble de n + 1 réels

Quels que soient les n + 1 réels f0 , f1 , ..., fn , le seul polynôme p 2 Pn tel

où Li (x ) est le polynôme élémentaire de Lagrange

Naima SOUKHER (Institute) Interpolation et approximation 11/22 15 / 42

Lorsque fi = f (xi ), f est la fonction interpolée. L’unique polynôme p 2 Pn

Cette dernière notation est parfaitement valable parce que le polynôme

Naima SOUKHER (Institute) Interpolation et approximation 11/22 16 / 42

Calculer le polynôme d’interpolation de Lagrange de f aux points

Naima SOUKHER (Institute) Interpolation et approximation 11/22 17 / 42

Naima SOUKHER (Institute) Interpolation et approximation 11/22 18 / 42

Soit A = fx0 , x1 , ..., xn g un ensemble de n + 1 réels distincts. L’application

L[A; f + g ] = L[A; f ] + L[A; g ],

Naima SOUKHER (Institute) Interpolation et approximation 11/22 19 / 42

Pour tout n 2 N, on dé…nit pour tout x 2 R,Mn (x ) = x n

2. En déduire, pour tout polynôme p, une formule pour L[ 1, 0, 1; p ] en

Naima SOUKHER (Institute) Interpolation et approximation 11/22 20 / 42

Soit A = fx0 , x1 , ..., xn g un ensemble de n + 1 réels distincts et f une

Comme L[A; f ] est égal à f en tous les points xi , i = 0, 1, ..., n, il est

Pour mesurer cette di¤érence, on cherche à estimer (généralement

En fait, e (x ) dépend de la fonction à interpoler f et du choix des points xi .

Soient A = fx0 , x1 , ..., xn g [a, b ] et f 2 C n +1 ([a, b ]). On suppose que

Naima SOUKHER (Institute) Interpolation et approximation 11/22 22 / 42

Soient A = fx0 , x1 , ..., xn g [a, b ] et f 2 C n +1 ([a, b ]). On suppose que

Naima SOUKHER (Institute) Interpolation et approximation 11/22 23 / 42

1. Calculer L[x0 , x1 , x2 ; f ](115).