Interpolation polynomiale

(notes de cours)
Jean-Paul Chehab
Universite de Picardie Jules Vernes
LAMFA CNRS 6140
version du 6 mai 2009
Contents
1 Introduction 2
1.1 Une motivation pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Approximation polynomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Interpolation polynomiale - position du probl`eme et premiers resultats 3
2.1 Representer et evaluer un polynome en un point . . . . . . . . . . . . . . . . . . . . . 3
2.2 Position du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3 Bases de Lagrange et de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3 Les dierences divisees 8
3.1 Proprietes des dierences divisees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2 Dierences divisees et polynome dinterpolation . . . . . . . . . . . . . . . . . . . . . . 10
3.3 Calcul eectif du polynome dinterpolation . . . . . . . . . . . . . . . . . . . . . . . . 11
4 Etude de lerreur dinterpolation 12
4.1 Une expression de lerreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4.2 Choix optimal des points dinterpolation - polynomes de Tchebytche . . . . . . . . . 14
4.3 Defauts de linterpolation polynomiale - phenom`ene de Runge . . . . . . . . . . . . . . 16
4.4 Extention au cas bi-dimensionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5 Polynomes dinterpolation Hermite (polynome osculateur) 18
1
1 Introduction
1.1 Une motivation pratique
Considerons le releve experimental de la temperature dune solution chimique au cours du temps : `a
des temps discrets, notes t
1
, t
2
, , t
N
on mesure les temperatures T
i
et on reporte les resultats sur
un graphe en prenant le temps en abscisse et la temperature en ordonnee, comme ci-dessous
0 0.5 1 1.5 2 2.5 3 3.5 4
25
25.5
26
26.5
27
27.5
28
28.5
29
29.5
relev exprimental de la temprature en fonction du temps
temps (secondes)
t
e
m
p

r
a
t
u
r
e

(
C
)
Figure 1: Releve experimental de la temperature en fonction du temps
La theorie chimique prevoit qur la temperature T depend du temps suivant la loi
T = f(t)
Pour savoir si lexperience a ete eectuee dans de bonnes conditions, il faut pouvoir comparer T
i
`a
f(t
i
). Parfois f nest pas connue explicitement mais seulement tabulee et il est important de disposer
de valeurs intermediaires. Lapproximation de f, vue comme une fonction, en utilisant les donnees
experimentales (t
i
, T
i
) simpose naturellement.
Comment approcher le plus simplement possible une fonction ? Par un polynome.
1.2 Approximation polynomiale
Lapproximation dune fonction f (connue ou non) par un polynome est une demarche naturelle que
lon rencontre dans divers contexte en analyse : lorsque f est assez reguli`ere, elle permet danalyser
le comportement local (developpements de Taylor) mais aussi dans certain cas de decrire globalement
la fonction comme somme innie de monones (fonctions analytiques). Dans ces deux situations la
precision avec laquelle on peut approcher f par un polynome depend de la regularite de la fonction.
A linverse, avec une hypoth`ese de regularite relativement faible, le theor`eme de Stone-Weierstrass
nous assure que lon peut approcher uniformement toute fonction continue sur un intervalle compact,
daussi pr`es que lon veut, par un polynome.
2
Theor`eme 1 Soit f une fonction de (([a, b]). Alors, pour tout > 0, il existe un polynome P tel
que
max
x[a,b]
[f(x) P(x)[ < .
Preuve. Nous donnons ici une ebauche de la preuve, le lecteur est invite `a consulter [4]. On ne perd
rien en generalite `a se ramener `a lensemble f (([0, 1]), f(0) = f(1) = 0 et on demontre de mani`ere
constructive le theor`eme de Stone-Weierstrass `a laide des polynomes de Bernstein
B
n
(f)(x) =
n

k=0
C
n
k
x
k
(1 x)
nk
f(
k
n
)
La fonction f etant continue sur un compact, elle admet un module de continuite w. On etablit
lestimation
max
x[a,b]
[f(x) P(x)[ < cw(
1

n
)
o` u w designe un module de continuite de f et c > 0. En conclusion
lim
n+
max
x[a,b]
[f(x) B
n
(f)(x)[ = 0.
2 Interpolation polynomiale - position du probl`eme et premiers
resultats
2.1 Representer et evaluer un polyn ome en un point
Les polynomes sont les fonctions les plus simples que lon puisse construire `a laide des 3 operations
+, , . La facon la plus simple de representer un polynome p de degre inferieur ou egal `a n est de
lexprimer dans la base canonique 1, x, x
2
, , x
n
comme
p(x) =
n

k=1
a
k
x
k
.
Pour autant cette ecriture ne sugg`ere pas la methode la plus ecace pour calculer (evaluer, donner
une valeur) p(x) pour x donne. Faisons le decompte des operations.
Pour calculer a
j
x
j
, on doit eectuer j multiplications. Le nombre totale de multiplications est donc
N
mult
=
n

k=1
k =
n(n + 1)
2
Il faut ajouter `a cela n additions. Si une addition a le meme co ut quune multiplication, alors le
nombre totale doperations est de N
tot
= n +
n(n + 1)
2

n
2
2
quand n est grand. Il est `a noter que ce
calcul est intimement li`e `a la forme de lexpression de p. Pour changer de mode de calcul, rearrangeons
les termes. Nous pouvons ecrire
p(x) = a
0
+ x
_
a
1
+ a
2
x + + a
n
x
n1
_
3
et en appliquant une fois cette factorisation partielle `a linterieur de la parenth`ese, nous avons
p(x) = a
0
+ x
_
a
1
+ x
_
a
2
+ + a
n
x
n2
__
.
Bien s ur ce procede peut etre applique recursivement jusqu`a obtenir
p(x) = a
0
+ x(a
1
+ x(a
2
+ (a
3
+ (a
n1
+ a
n
x)) )
Cette ecriture sugg`ere de calculer p(x) de proche en proche en commen cant tpar le terme le plus `a
linterieur de cette expression. Lalgorithme de Horner peut se resumer ainsi
Algorithme de Horner
Initialisation b
0
= a
n
Pour k = 1, n
poser b
k
= xb
k1
+ a
k1
poser p(x)=b
n
Faisons maintenant le decompte des operations. A chaque ligne on eectue exactement une addition
et une multiplication. Avec n lignes, nous obtenons
N
Horner
tot
= 2n
ce qui est asymptotiquement une reduction tr`es importante du nombre doperations. En eet si
n = 1000, avec la methode classique nous devrons eectuer environ 500000 operations tandis que celle
dHorner nen recquiert que 2000. Les operations sont reduites, le calcul est plus rapide mais aussi plus
s ur car sur ordinateur, en precision nie, chaque operation gen`ere des erreurs, darrondis notamment.
2.2 Position du probl`eme
Une premi`ere condition naturelle `a imposer au polynome est quil coincide avec la fonction en des points
prescrits (les points dinterpolation) : cest la demarche que lon emprunte naturellement lorsque lon
eectue un releve de valeurs (par exemple, temperature au cours du temps) et que lon veut faire
passer une courbe reguli`ere par les points experimentaux, comme illustre ci-dessous.
De mani`ere generale, le probl`eme de linterpolation peut se formuler mathematiquement comme
suit :
Probl`eme 1 Etant donnes une suite de N nombres reels y
i
et un ensemble de N formes lineaires
continues
i
sur un espace vectoriel V , construire un element p de V tel que

i
(p) = y
i
, i = 1, , N.
4
0 0.5 1 1.5 2 2.5 3 3.5 4
25
25.5
26
26.5
27
27.5
28
28.5
29
29.5
relev exprimental de la temprature en fonction du temps
temps (secondes)
t
e
m
p

r
a
t
u
r
e

(
C
)


Points exprimentaux
T=f(t)
Figure 2: Releve experimental de la temperature en fonction du temps
Ce probl`eme equivaut `a determiner les reels (a
i
)
n
i=0
tels que
p(x
i
) = y
i
, i = 1..n + 1, avec p =
n

i=0
a
i
x
i
.
D`es lors, il est naturel de considerer les questions points suivants :
se donner des crit`eres dexistence et dunicite pour p
disposer dun procede systematique (un agorithme) permettant de construire p dans la pratique
etudier lerreur comise en remplacant f par p. En particulier, que peut-on dire de [f p[ lorsque
le nombre de points augmente indeniment (voir gure (2.2) ci-dessous,) ?
Dans la suite de ce cours, nous repondrons totalement ou partiellement `a ces questions.
Nous avons le
Theor`eme 2 Le probleme (T) admet une solution unique si et seulement si les reels (x
i
)
n+1
i=1
sont
distincts deux `a deux.
Preuve. Le probl`eme (T) admet une solution unique si et seulement si le syst`eme lineaire
y
i
(= p(x
i
)) =
n

j=0
a
j
x
j
i
, i = 1, , n + 1,
5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
3
2
1
0
1
2
3
Nb pts interpolation 2
x


Poly. Pts unif.
pts interp.
la fonction f
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
3
2
1
0
1
2
3
Nb pts interpolation 4
x


Poly. Pts unif.
pts interp.
la fonction f
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
3
2
1
0
1
2
3
Nb pts interpolation 6
x


Poly. Pts unif.
pts interp.
la fonction f
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
3
2
1
0
1
2
3
Nb pts interpolation 8
x


Poly. Pts unif.
pts interp.
la fonction f
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
3
2
1
0
1
2
3
Nb pts interpolation 10
x


Poly. Pts unif.
pts interp.
la fonction f
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
3
2
1
0
1
2
3
Nb pts interpolation 12
x


Poly. Pts unif.
pts interp.
la fonction f
Figure 3: Comparaison de f et de ses polynomes dinterpolation de degre inferieur ou egale `a n, pour
dierentes valeurs de n
admet une unique solution (a
i
)
n
i=0
. Le determinant de la matrice sous-jacente
V =
_
_
_
_
_
_
_
_
_
_
1 x
1
x
2
1
x
n
1
1 x
2
x
2
2
x
n
1
.
.
.
1 x
k
x
2
k
x
n
k
.
.
.
1 x
n+1
x
2
n+1
x
n
n+1
_
_
_
_
_
_
_
_
_
_
,
vaut
det(V ) =
n+1

i,j=1,i=j
(x
i
x
j
).
Do` u le resultat.
Ce resultat na quun caract`ere theorique : sil ennonce une condition necessaire et susante simple
pour que (T) admette une solution unique, il est pratiquement inutisisable en pratique si lon veut
calculer de mani`ere eective le polynome dinterpolation p ; il faut en eet resoudre un syst`eme lineaire
plein.
2.3 Bases de Lagrange et de Newton
Une premi`ere amelioration du calcul de p consiste `a exprimer ce polynome dans une autre base : la
base de Lagrange. Plus precisement, on se donne la
6
Denition 1 Soient (x
i
)
n+1
i=1
, n+1 points deux `a deux distincts. On appelle base de lagrange relative
aux points x
i
les polyn omes
L
i
(x) =
n+1

j=1,j=i
x x
j
x
i
x
j
De cette denition, on deduit immediatement le
Lemme 1
L
i
(x
j
) =
i,j
Preuve. La peuve est triviale.
Il sensuit la
Proposition 1 La famille (L
i
(x)) forme une base de P
n
et le polynome qui interpole les valeurs y
i
aux points x
i
secrit
p(x) =
n+1

i=1
y
i
L
i
(x)
Preuve. La famille (L
i
(x)) est composee de n + 1 elements. Pour montrer quelle forme une base de
P
n
, qui est de dimension n+1, il faut et il sut detablir que les L
i
(x) sont lineairement independants,
cest `a dire que
n+1

i=1
b
i
L
i
(x) x = b
i
= 0, i = 1, , n + 1.
Ceci decoule immediatement du lemme precedent en prenant successivement x = x
i
, i = 1, , n+1.
En usant du meme argument, on obtient p(x
i
) = y
i
= b
i
, i, 1 i n + 1.
Remarque 1 Si les coecients du polynome dinterpolation dans la base de Lagrange sont acces-
sibles, contrairement au cas de la base canonique, cette approche comporte encore des inconvenients
pratiques importants. Il est notamment necessaire de recalculer tous les elements de la base si lon
rajoute un point dinterpolation.
Une base de polynomes particuli`erement adaptee au calcul eectif de p est la base de Newton. Plus
precisement, on se donne la
Denition 2 La base de Newton relative aux points x
i
, i = 1, , n + 1 est denie par les n + 1
polynomes
i
(x) :

i
(x) =
_

_
1 si i = 0,
i

j=1
(x x
j
) sinon .
Comme auparavant, on etablit directement que les
i
(x), i = 0, , n forment une base de P
n
en
veriant que
n

i=0
c
i

i
(x) x = c
i
= 0, i = 1, , n + 1,
ce qui sobtient en prenant successivement x = x
i
, 1 i n + 1.
7
Avant de de presenter une technique permettant de calculer les coecients c
i
du polynome dinterpolation
dans la base de Newton, mettons en evidence une relation relativement simple entre les c
i
et les y
i
.
Des deux ecritures du polynome dinterpolation, nous tirons
y
k
(= p(x
k
)) =
n

i=0
c
i

i
(x
k
).
Or
i
(x
k
) = 0 si k i. Les c
i
sont donc solution du syst`eme lineaire (triangulaire inferieur)
_

_
y
1
= c
0
,
y
2
= c
0
+ c
1

1
(x
2
) = c
0
+ c
1
(x
2
x
1
),
.
.
.
.
.
.
y
k
= c
0
+
k1

i=1
c
i

i
(x
k
),
.
.
.
.
.
.
y
n+1
= c
0
+
n

i=1
c
i

i
(x
k
).
La resolution de ce syst`eme triangulaire est simple en apparence puisquil sut de calculer les c
i
de
proche en proche, en commencant par c
0
. Les expressions des c
i
deviennent de plus en plus complexes
et encombrantes. Les dierences divisees presentees ci-apr`es orent cadre permettant dexprimer
les c
i
de mani`ere compacte.
3 Les dierences divisees
Denition 3 Soit f une fonction denie aux points x
i
, supposes deux ` a deux distincts. On denit
les dierences divisees par recurence comme suit :
_
f[x
i
] = f(x
i
), i = 1, n
f[x
i
x
i+k+1
] =
f[x
i+1
x
i+k+1
] f[x
i
x
i+k
]
x
i+k+1
x
i
, pour k = 1,
3.1 Proprietes des dierences divisees
Proposition 2
f[x
1
, , x
n
] =
n

i=1
f(x
i
)
n

j=1,j=i
(x
i
x
j
)
8
Preuve. On proc`ede par recurrence. La formule est facilement veriable pour n = 1 et n = 2.
Supposons-l`a vraie jusquau rang n 1. Nous avons
f[x
1
, , x
n
] =
f[x
2
x
n
] f(x
1
x
n1
]
x
n
x
1
=
1
x
n
x
1
_
_
_
_
_
_
_
n

i=2
f(x
i
)
n

j=2,j=i
(x
i
x
j
)

n1

i=1
f(x
i
)
n1

j=1,j=i
(x
i
x
j
)
_
_
_
_
_
_
_
=
1
x
n
x
1
_
_
_
_
_
_
_

f(x
1
)
n1

j=2,j=i
(x
i
x
j
)
+
n1

i=2
f(x
i
)(
1
n

j=2,j=i
(x
i
x
j
)

1
n1

j=1,j=i
(x
i
x
j
)
)
+
f(x
n
)
n1

j=1,j=i
(x
i
x
j
)
)
Corollaire 1 Nous avons les propietes suivantes
les dierences divisees ne dependent pas de lordre dans lequel les arguments sont pris.
si f = g + h alors
f[x
1
x
n
] = f[x
1
x
n
] + h[x
1
x
n
]
si f = gh (Liebnitz)
f[x
1
x
n
] =
n

j=1
g[x
1
x
j
]h[x
j
x
n
]
Preuve. Le premier point decoule directement du theo`eme precedent.
Sagissant de la formule de Liebnitz, considerons les polynomes
p
1
=
i+k

m=i
g[x
i
x
m
](x x
i
) (x x
m1
)
et
p
2
=
i+k

m=i
h[x
m
x
i+k
](x x
m+1
) (x x
i+k
)
p
1
et p
2
interpolent g et h aux points x
i
x
i+k
. Ainsi
F(x) = p
1
p
2
interpole gh en ces memes points.
9
Proposition 3 Soit w(x) =
n+1

i=1
(x x
i
). Alors
w

(x
i
) =
n+1

j=1,j=i
(x
i
x
j
)
Preuve. On ecrit
w(x) = (x x
i
)
n+1

j=1,j=i
(x x
j
) = (x x
i
)q(x)
si bien que
w

(x) =
n+1

j=1,j=i
(x x
j
) + (x x
i
)q

(x).
Le resulat sobtient en posant x = x
i
dans cette derni`ere expression.
3.2 Dierences divisees et polyn ome dinterpolation
Theor`eme 3 (Formule de Newton 1669)
Le polynome dinterpolation de f degre n aux points x
1
, x
n+1
sexprime dans la base de Newton
comme
p(x) = f[x
1
] + (x x
1
)f[x
1
x
2
] + (x x
1
)(x x
2
)f[x
1
x
2
x
3
] + +
n

i=1
(x x
i
)f[x
1
x
n+1
]
Preuve. La formule proposee est vraie pour n = 1, 2. Pour letablir dans le cas general nous procedons
par recurrence. Soit p
1
le polynome dinterpolation de f aux points x
1
sx
n
. Par hyoth`ese de recurrence
au rang n nous pouvons ecrire
p
1
(x) = f[x
1
] + (x x
1
)f[x
1
x
2
] + (x x
1
)(x x
2
)f[x
1
x
2
x
3
] + +
n1

i=1
(x x
i
)f[x
1
x
n
]
Soit alors q(x) le polynome de P
n
deni par
p(x) = p
1
(x) + q(x)
Comme p(x
i
) = p
1
(x
i
) pour i = 1, , n il est clair que les x
i
sont les n racines de q et donc que
q = a(x x
1
) (x x
n
). Il reste `a determiner a, par exemple par la valeur en x
n+1
. Soit p
2
le
plynome de degre n 1 deni par
p
2
(x) = f[x
2
] + (x x
2
)f[x
2
x
3
] + (x x
2
)(x x
3
)f[x
2
x
3
x
4
] + +
n

i=2
(x x
i
)f[x
2
x
n+1
]
On remarque que
p(x) =
1
x
n+1
x
1
((x
n+1
x)p
1
(x) + (x x
1
)p
2
(x))
10
En eet, ces deux polynomes de degre n coincident en les n + 1 points distincts x
i
, le terme de
droite est donc le polynome dinterpolation p par unicite de ce dernier. EN rempla cant p par cette
expression, on trouve
1
x
n+1
x
1
((x
n+1
x)p
1
(x) + (x x
1
)p
2
(x)) = p
1
(x) + a(x x
1
) (x x
n
)
En considerant le coecient de plus haut degre, on trouve
a =
1
x
n+1
x
1
(f[x
2
x
n+1
] (f[x
1
x
n
]) = f[x
1
x
n+1
].
Theor`eme 4 Soit f continue sur I = [a, b] et (x
i
)
n+1
i=1
n+1 points deux `a deux distincts. Nous avons
alors la relation
f(x) = f[x
1
] + (x x
1
)f[x
1
x
2
] + (x x
1
)(x x
2
)f[x
1
x
2
x
3
] +
+
n

i=1
(x x
i
)f[x
1
x
n+1
] +
n+1

i=1
(x x
i
)f[xx
1
x
n+1
].
Preuve. On proc`ede par recurrence. Nous avons
f(x) = f(x
1
) + (x x
1
)f[xx
1
]
Supposons que cette relation soit vraie `a lordre n, i.e.
f(x) = f(x
1
) + (x x
1
)f[x
1
x
2
] + (x x
1
)(x x
2
)f[x
1
x
2
x
3
] +
+
n1

i=1
(x x
i
)f[x
1
x
n
] +
n

i=1
(x x
i
)f[xx
1
x
n
].
Nous pouvons ecrire
f[xx
1
x
n+1
] =
f[x
1
x
n+1
] f[xx
1
x
n
]
x
n+1
x
soit
f[xx
1
x
n
] = f[x
1
x
2
x
n+1
] (x
n+1
x)f[xx
1
x
n+1
]
Le resultat en decoule.
3.3 Calcul eectif du polynome dinterpolation
Dressons la table des dierences divisees :
x
1
f[x
1
]
x
2
f[x
2
] f[x
1
x
2
]
x
3
f[x
3
] f[x
2
x
3
] f[x
1
x
2
x
3
]
.
.
.
.
.
.
.
.
.
.
.
.
x
n+1
f[x
n+1
] f[x
n
x
n+1
] f[x
n1
x
n
x
n+1
] f[x
1
x
n+1
]
11
Seules les valeurs encadres, sur la diagonale, interviennent dans lexpression du polynome dinterpolation
:
p
n
(x) =
Le tableau des dierences divisees associe est :
2 3
-1
3 2 -1
3 0
4 1 1
5
5 6
Le polynome dinterpolation est donc
p(x) = 3 + 1(x 2) + 1(x 2)(x 3) +0(x 2)(x 3)(x 4) = x
2
+ 4x 1.
Voici un algorithme pour le calcul eectif des dierences divisees, il peut se programmer pratique-
ment tel quel en Maple
pour i=1 `a n fairet[i]=f[i]pour j=i-1 `a 1 par pas de -1 fairet[j]=(t[j+1]-t[j])/(x[i]-x[j])a[i]=t[1]n
4 Etude de lerreur dinterpolation
4.1 Une expression de lerreur
On a le
Proposition 4 Soit f une fonction de classe (
n+1
sur un intervalle I contenant les points deux `a
deux distincts x
i
, i = 0, N, ranges dans lordre croissant. Alors pour tout x [x
0
, x
N
] il existe (au
moins) un reel
x
dans ce meme intervalle tel que
f[xx
0
x
1
x
N
] =
f
(N+1)
(
x
)
(N + 1)!
.
Preuve. La preuve est assez jolie et repose sur lutilisation successive du theor`eme de Rolle. Soit P
N
le polynome dinterpolation de f aux points x
i
. On a
P
N
(x) = f(x
0
) + (x x
0
)f[x
0
x
1
] + (x x
0
)(x x
1
)f[x
0
x
1
x
2
] + +
N1

i=0
(x x
i
)f[x
0
x
1
x
N
]
et
f(x) = P
N
(x) +
N

i=0
(x x
i
)f[xx
0
x
1
x
N
].
Soit x [x
0
, x
N
] xe, x ,= x
i
, i = 0, N. On introduit maintenant la fonction
F(t) = f(t) p(t)
N

i=0
(t x
i
)f[xx
0
x
1
x
N
].
12
La fonction F est de classe (
N+1
et admet au moins N+2 racines distinctes : x et les x
i
, i = 0, , N.
On peut donc appliquer N+1 fois le theor`eme de Rolle comme suit : puisque F sannule en chacune de
ses N+2 racines, le theor`eme de Rolle nous assure quil existe au moins un reel
(1)
i
strictement compris
entre la i-ime et la i +1i`eme racine de F tel que F

(
(1)
i
) = 0. La fonction F

verie les hypoth`eses du

theor`eme de Rolle et nous pouvons lappliquer `a nouveau sur chaque intervalle [
(1)
i
,
(1)
i+1
], i = 1, N.
Il existe donc (au moins) N reels
(2)
i
, i = 1, N tels que F

(
(2)
i
= 0, i = 1, N. On applique
successivement ce procede jusqu`a obtenir lexistence dun reel
N+1
= tel que F
(N+1)
() = 0.
Calculons cette derivee. Nous avons
F
(N+1)
(t) = f
(N+1)
(t) p
(N+1)
(t) ((N + 1)!)f[xx
0
x
1
x
N
]
Pour t = , F
(N+1)
() = 0, nous en deduisons alors que
f
(N+1)
()
(N + 1)!
= f[xx
0
x
1
x
N
].
Theor`eme 5 Sous les memes hypoth`eses lerreur dinterpolation au point x sexprime comme
e(x) = f(x) p(x) =
f
(N+1)
(
x
)
(n + 1)!
On en deduit le
Corollaire 2
[e(x)[ max
x[x
0
,x
N
]
_
N

i=0
(x x
i
)
_
max
x[x
0
,x
N
]
[f
(N+1)
(x)[
(n + 1)!
A present, nous pouvons exhiber certaines familles de fonctions pour lesquelles le polynome dinterpolation
converge uniformement vers f lorsque n tend vers linni.
Proposition 5 Soit I = [a, b] un intervalle ferme, borne et f (

[a, b]). Soit x

(n)
= (x
(n)
0
, x
(n)
1
, , x
(n)
n
)
une suite de points deux deux distincts. On suppose quil existe une constante M > 0 telle que
max
x[a,b]
[f
(N+1)
(x)[ M, N IN.
Alors
lim
n+
max
x[a,b]
[f(x) p
n
(x)[ = 0
Preuve. Nous avons directement
max
x[a,b]
[e(x)[
(b a)
n
n!
M, n IN
Comme
(b a)
n
n!
est le terme general dune serie convergente (vers e
ba)
), cette quantite tend vers 0
lorsque n tend vers linni.
13
4.2 Choix optimal des points dinterpolation - polynomes de Tchebytche
Probl`eme 2 Lerreur dinterpolation est le produit de deux expressions :
lune ne dependant que de f, de sa derivee n + 1-i`eme en fait,
lautre qui ne depend que de la subdivision choisie.
Il est donc naturel de chercher pour quels points x
1n+1
la la quantite
max
x[a,b]
[(x x
1
) (x x
n+1
)[
est minimale.
Les polynomes de Tchebytche (ou Chebyshev) permettent de resoudre ce probl`eme
Denition 4 On denit le polynome de Tchebytche de degre n, n = 0, 1, par
T
n
(x) = cos(ncos(x)), [1, 1].
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
Polynomes de Tchebytcheff Tk , k=1,2,3,4,5
x
T
k

(
x
)
Figure 4: Les premiers polynomes de Tchebytche
Nous pouvons immediatement etablir les proprietes suivantes
14
Proposition 6 i Les T
n
satisfont la relation de recurrence `a trois termes
T
0
= 1, T
1
= x
T
n+1
(x) = 2xT
n
(x) T
n1
(x), n = 1,
ii T
n
(x) est un polynome de degre n dont le coeient de x
n
est 2
n1
; T
n
est pair si n est pair et
impair sinon.
iii [T
n
(x)[ 1, x [1, 1]
iv T
n
(cos(
k
n
)) = (1)
k
, k = 0, 1, , n
v T
n
(cos(
(2k+1)
2n
)) = 0, k = 0, 1, , n
vi Les polynomes T
n
sont orthogonaux par rapport au produit scalaire L
2
`a poids w(x) =
1

1 x
2
,
i.e.
_
1
1
T
i
(x)T
j
(x)
1

1 x
2
dx =
_
_
_
si i = j = 0

2
si i = j ,= 0
0 si i ,= j
Preuve. [i] se demontre par simple application des formules trigonometriques. On pose = cos(x),
ainsi
T
n+1
(x) + T
n1
(x) = 2 cos(n) cos() sin(n) sin() = 2xcos(n) = 2xT
n
(x).
Lassertion [ii] se demontre simplement par ecurrence.
[iii] decoule de la denition des T
n
[iv] et [v] sont de simples verications `a partir de la denition des T
n
.
Les relations dorthogonalite [vi] sobtiennent par un simple changement de variables u = cos(x)
_
1
1
T
i
(x)T
j
(x)
1

1 x
2
dx =
_

0
cos(iu) cos(ju)du
A present nous allons montrer que les T
n
satisfont la propriete de minimisation recherchee. Nous
commencons par le
Lemme 2 Soit q(x) un polynome de degre n dont le coecient de x
n
est 2
n1
. On suppose q ,= T
n
.
Alors
max
x[1,1]
[q(x)[ > max
x[1,1]
[T
n
(x)[ = 1.
Preuve. On proc`ede par labsurde. Supposons que
max
x[1,1]
[q(x)[ max
x[1,1]
[T
n
(x)[ = 1
On consid`ere r(x) = q(x)T
n
(x). Cette fonction sannule au moins une fois dans chacun des intervalles
[cos(
k
n
), cos(
(k+1)
n
))]. Ainsi r(x) poss`ede n zeros dans [1, 1]. Or r(x) est un polynome de degre
n 1, les termes directeurs sannulant. Ceci contredit r(x) ,= 0. Nous pouvons desormais etablir le
resultat principal
15
Theor`eme 6 Le choix des points dinterpolation minimisant lexpression
max
x[1,1]
[(x x
1
) (x x
n+1
)[
est donne par
x
k
=
a + b
2
+
b a
2
cos(
(2k 1)
2n + 2
), , k = 1, n + 1.
Preuve. Dapr`es le lemme precedent, la valeur minimale est atteinte pour (xx
1
) (xx
n+1
)2
n
T
n
(x).
4.3 Defauts de linterpolation polyn omiale - phenom`ene de Runge
Le polynome diterpolation p ne converge pas toujours uniformement vers la fonction f quel que soit
le choix des points dinterpolation. Un contre exemple cel`ebre a ete propose par Runge. On consid`ere
la fonction f(x) =
1
1 + 16x
2
sur [1, 1]. Pour des points dinterpolations reguli`erement repartis, on
observe lapparition doscillations importantes pr`es de x = 1 et x = 1 lorsque n augmente. Ce
phenom`ene, connu sous le nom de phenom`ene de Runge ne survient pas lorsque les x
i
sont les racines
du polynome de Tchebytche, voir gure ci-dessous.
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
0
0.5
1
Phnomne de Runge
x


Poly. Pts unif.
pts interp.
la fonction f
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
0
0.5
1
Runge stabilis
x


Poly. Pts Cheb.
pts interp.
la fonction f
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
1
0.5
0
0.5
1
Phnomne de Runge
x


Poly. Pts unif.
pts interp.
la fonction f
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
0
0.5
1
Runge stabilis
x


Poly. Pts Cheb.
pts interp.
la fonction f
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
2
0
2
4
Phnomne de Runge
x


Poly. Pts unif.
pts interp.
la fonction f
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
0
0.5
1
1.5
Runge stabilis
x


Poly. Pts Cheb.
pts interp.
la fonction f
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
20
10
0
10
Phnomne de Runge
x


Poly. Pts unif.
pts interp.
la fonction f
1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1
0
0.5
1
Runge stabilis
x


Poly. Pts Cheb.
pts interp.
la fonction f
Figure 5: Phenom`ene de Runge pour f(x) =
1
1 + 16x
2
Soient x
i
, i = 1, une suite de points deux `a deux distincts. Soit X la matrice innie triangulaire
inferieure dont la i`eme ligne est
x
1
x
2
x
i
16
ou encore
X =
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
1
0 0
x
1
x
2
0
.
.
.
x
1
x
n
.
.
.
.
.
.
_
_
_
_
_
_
_
_
_
_
_
_
_
_
On denit lerreur dinterpolation par
E
n,
= |f
n
f|

Soit p

n
la meilleure interpolation polynomiale, i.e. le polynome tel que
E

n
= |f p

n
|

|f q
n
|

, q
n
P
n
Nous avons alors le resultat suivant dont nous ne donnons pas la demonstration, le lecteur (la lectrice)
pourra consulter [3].
Theor`eme 7 Soient f (
0
([a, b]) et X une matrice dinterpolation sur [a, b]. Alors
E
n,
(X) E

n
(1 +
n
(X)), n = 1,
o` u
n
est la constante de Lebesgue de X, elle se denie par

n
(X) = |
n+1

i=1
[l
n
i
[|
o` u l
n
j
designe le i-`eme polynome caracteristique associe `a la n + 1-`eme ligne de X
4.4 Extention au cas bi-dimensionnel
On peut construire facilement un polynome dinterpolation de Lagrange sur un reseau cartesien de
point. Soit = [a, b] [c, d] On se donne N +1 points x
i
et M+1 points y
i
tels que
a x
0
< x
1
< < x
N
b et c y
0
< y
1
< < y
M
d.
On consid`ere alors deux familles de polynomes de Lagrange
L
x
i
(x) =
N

k=0,k=i
x x
k
x
i
x
k
et L
y
j
(y) =
N

m=0,m=j
y y
m
y
j
y
m
Soit `a present f une fonction continue sur , on denit le polynome dinterpolation de Lagrange de f
sur , de degre N en x et de degre M en y par

N,M
(f)(x, y) =
N

i=0
M

j=0
f(x
i
, y
j
)L
x
i
(x)L
y
j
(y)
17
0
0.5
1
0
0.5
1
0
0.2
0.4
0.6
0.8
1
x
Graphe de P(x,y)
y
P
(
x
,
y
)
0
0.5
1
0
0.5
1
0
0.2
0.4
0.6
0.8
1
x
Graphe de f(x,y)
y
f
(
x
,
y
)
Figure 6: Polynome de Lagrange en dimension 2
5 Polyn omes dinterpolation Hermite (polyn ome osculateur)
Soit f (
1
([a, b]) et (x
i
)
N
i=0
N + 1 points deux `a deux distincts de [a, b]. On cherche `a interpoler f
ainsi que sa derivee premi`ere aux points x
i
. Ces 2N +2 degres de liberte nous conduisent `a construire
un tel polynome dans P
2N+1
. Cherchons demblee a construire les fonctions de P
2N+1
h
i
(x) et

h
i
(x)
telles que
h
i
(x
j
) =
i,j
, h

i
(x
j
) = 0 et

h

i
(x
j
) =
i,j
,

h
i
(x
j
) = 0.
Si de telles fonctions existent, alors
p(x) =
N

k=0
f(x
k
)h
k
(x) +
N

k=0
f

(x
k
)

h
k
(x)
est bien un polynome de P
2N+1
et satisfait les conditions dinterpolation.
18
Proposition 7 On pose N = 2n + 2. On a
H
N1
=
n+1

i=1
_
y
i
A
i
(x) + y

i
B
i
(x)
_
avec
A
i
(x) = (1 2(x x
i
)l

i
(x
i
))l
2
i
(x) et B
i
(x) = (x x
i
)l
2
i
(x)
On remarque que l

i
(x
i
) =
n+1

k=1,k=i
1
x
i
x
k
Preuve. Par construction, H
N1
est un element de P
2N+1
et il verie de plus les relations dinterpolation.
Il reste etablir lunicite. Pour cela il sut de verier que si H
N+1
(x) = 0, x alors A
i
= B
i
= 0. Cest
chose aisee grace aux proprietes de h
i
et

h
i
.
Nous pouvons etablir un resultat dexpression de lerreur dinterpolation similaire `a celui obtenu
pour les polynomes de Lagrange.
Theor`eme 8 Soit f une fonction de classe (
2n+2
sur un intervalle I contenant les points deux ` a
deux distincts x
i
, i = 0, N, ranges dans lordre croissant. Alors pour tout x [x
0
, x
N
] il existe (au
moins) un reel
x
dans ce meme intervalle tel que
f(x) H
N1
(x) =
f
(2N+2)
(
x
)
(N + 1)!
.
Preuve. On proc`ede comme dans le cas de linterpolation de Lagrange, mais en considerant la fonction
F(t) = f(t) H
N1
(t)
_
n+1

i=1
(t x
i
)
_
2
S(x)
o` u S(x) est telle que F(x) = 0.
Exemple Soit f une fonction de classe (
2
sur lintervalle I = [0, 1]. Soit H(x) un polynome de
degre 3 tel que
_

_
H(0) = f(0)
H(1) = f(1)
H

(0) = f

(0)
H

(1) = f

(1)
Determinons H. En appliquant les formules du theor`eme, on trouve
H(x) = f(0)(1 x)
2
(1 + 2x) + f(1)x
2
(3 2x) + f

(0)x(1 x)
2
+ f

(1)x
2
(x 1)
= f(0) + xf

(0) + (2f

(0) 3f(0) + 3f(1) f

(1))x
2
+ (2f(0) + f

(0) 2f(1) + f

(1))x
3
Le resultat suivant lie les polyn omes de Lagrange et de Hermite
Proposition 8 Soient x
i
, i = 1, , n + 1 n + 1 reels deux `a deux distincts et ranges dans lordre
croissant. Soit f (
2n+2
([x
1
, x
n+1
]). Soit > 0 tel que
x
1
< x
1
+ < x
2
< x
2
< x
2
+ x
k
< x
k
< x
k
+ x
n+1
< x
n+1
19
0 0.2 0.4 0.6 0.8 1
0.2
0
0.2
0.4
0.6
0.8
1
1.2
Interpolation de Hermite avec n=1
x
y


H(x)
Pts interp
f(x)
0 0.2 0.4 0.6 0.8 1
0.2
0
0.2
0.4
0.6
0.8
1
1.2
Interpolation de Hermite avec n=2
x
y


H(x)
Pts interp
f(x)
Figure 7: Polynome dinterpolation dHermite pour f(x) = sin(x) sur [0, 1] avec 2 et 3 points
dinterpolation
On note P

(x) P
2n+1
le polyn ome dinterpolation de f en ces points. Alors
lim
0
max
x[x
1
,x
n+1
]
[p

(x) H(x)[
o` u H P
2n+1
est le polynome dinterpolation de Hermite aux points x
i
veriant
H(x
i
) = f(x
i
), H

(x
i
) = f

(x
i
), i = 1, n + 1.
Preuve.
References
[1] Hairer, Cours danalyse numerique, universite de Gen`eve
[2] A. Magnus, Analyse numerique, cours UCL, Louvain la Neuve.
[3] A. Quarteroni, R. Sacco, F. Saleri, Methodes numeriques pour le calcul scientique, Springer
Paris, 2000.
[4] M. Schatzman, Analyse numerique pour la licence, InterEdition, 1993.
[5] J. Stoer, R. Burlisch,Introduction to Numerical Analysis, text in Applied Mathematics, 12,
Springer, 3rd Edition 2002
20