Chapitre4 : Interpolation polynomiale
Chapitre 4 : Interpolation polynomiale
4-1 Introduction :
En analyse numérique, l'interpolation est une opération mathématique
permettant de construire une courbe à partir de la donnée d'un nombre fini de
points, ou une fonction à partir de la donnée d'un nombre fini de valeurs.
Ainsi le type le plus simple d'interpolation est l'interpolation linéaire, qui consiste
à « joindre les points » donnés. L'interpolation doit être distinguée de
l'approximation de fonction, qui consiste à chercher la fonction la plus proche
possible, selon certains critères, d'une fonction donnée. Dans le cas de
l'approximation, il n'est en général plus imposé de passer exactement par les
points donnés initialement.
4-2 Définition de l’interpolation :
4-2-1 L’interpolant de la fonction :
Soit f une fonction définie sur ℝ
On choisit n+1 réel distincts x0, x1, x2,…xn
Il existe un unique polynôme 𝑷𝒏 ∈ ℝ𝑛 [𝑋]𝑑𝑒 𝑑𝑒𝑔𝑟é ≤ 𝑛 𝑡𝑒𝑙 𝑞𝑢𝑒:
𝑃𝑛 (𝑥𝑖 ) = 𝑓 (𝑥𝑖 ) ∀𝑖 = 0, 1, … , 𝑛
Construction du polynôme d’interpolation aux points : x0, x1, x2,…xn
𝑃𝑛 peut s’écrire dans une des trois bases de ℝ𝑛 [𝑋] suivantes :
1- (𝟏, 𝒙, 𝒙𝟐 , … , 𝒙𝒏 ) la base canonique de ℝ𝑛 [𝑋].
2- (𝒍𝟎 (𝒙), 𝒍𝟏 (𝒙), … , 𝒍𝒏 (𝒙) ) la base de Lagrange de ℝ𝑛 [𝑋].
3- (𝟏, 𝒆𝟏 (𝒙), … , 𝒆𝒏 (𝒙) ) la base de Newton de ℝ𝑛 [𝑋].
4-2-2 La base canonique :
Le polynôme 𝑷𝒏 interpole f en x0, x1, x2,…xn ↔ 𝑃𝑛 (𝑥𝑖 ) = 𝑓(𝑥𝑖 ) ∀𝑖 = 0, 1, … , 𝑛
(𝟏, 𝒙, 𝒙𝟐 , … , 𝒙𝒏 ) est la base canonique de ℝ𝑛 [𝑋].
Donc : il existe (𝜆0 , 𝜆1, 𝜆2 , … , 𝜆𝑛 ) telle que : 𝑝𝑛 (𝑥 ) = ∑𝑛𝑖=0 𝜆𝑖 𝑥 𝑖
[Link] HELLEL 1
Chapitre4 : Interpolation polynomiale
𝑃𝑛 (𝑥0 ) = 𝑓 (𝑥0 ) 𝜆0 + 𝜆1 𝑥0 + 𝜆2 𝑥02 + ⋯ + 𝜆𝑛 𝑥0𝑛 = 𝑓 (𝑥0 )
𝑃 (𝑥 ) = 𝑓 (𝑥1 )
{ 𝑛 1 ⟶ 𝜆0 + 𝜆1 𝑥1 + 𝜆2 𝑥12 + ⋯ + 𝜆𝑛 𝑥1𝑛 = 𝑓 (𝑥1 ) ⟶
… …
𝑃𝑛 (𝑥𝑛 ) = 𝑓 (𝑥𝑛 ) {𝜆0 + 𝜆1 𝑥𝑛 + 𝜆2 𝑥𝑛2 + ⋯ + 𝜆𝑛 𝑥𝑛𝑛 = 𝑓 (𝑥𝑛 )
𝟏 𝒙𝟎 𝒙𝟐𝟎 … 𝒙𝒏
𝟎 𝝀𝟎 𝑓(𝑥0 )
(𝟏 𝒙𝟏 𝒙𝟐𝟏 … 𝒙𝒏
𝟏
) * (𝝀𝟏 ) = (𝑓(𝑥1 ))
… … …
𝟏 𝒙𝒏 𝒙𝟐𝒏 … 𝒙𝒏 𝝀𝒏 𝑓(𝑥𝑛 )
𝒏
Matrice de Vandemonde associée
aux points x0, x1, x2,…xn
4-2-2-1 Exemple :
Calculer le polynôme passant par les 4 points suivants :
𝑥0 = 0 ⟶ 𝑓 (𝑥0 ) = 1
𝑥1 = 1 ⟶ 𝑓(𝑥1 ) = 2
𝑥2 = 2 ⟶ 𝑓 (𝑥2 ) = 9
𝑥3 = 3 ⟶ 𝑓 (𝑥3 ) = 28
Etant donnés quatre points donc le polynôme recherché est de degré ≤ 3.
𝜆0 + 𝜆1 . 0 + 𝜆2 . 02 + 𝜆3 . 03 =1
𝜆0 + 𝜆1 . 1 + 𝜆2 . 12 + 𝜆3 . 13 =2
𝜆0 + 𝜆1 . 2 + 𝜆2 . 22 + 𝜆3 . 23 =9
𝜆0 + 𝜆1 . 3 + 𝜆2 . 32 + 𝜆3 . 33 = 28
On présente ce système sous forme matricielle :
1 0 0 0 𝜆0 1
1 1 1 1 𝜆 2
[ ] * [ 1] = [ ]
1 2 4 8 𝜆2 9
1 3 9 27 𝜆3 28
Matrice de Vandemonde associée
aux points x0, x1, x2,…xn
On va appliquer la méthode de Gauss pour résoudre ce système
[Link] HELLEL 2
Chapitre4 : Interpolation polynomiale
1 0 0 0 1
1 1 1 1 2
[ ] [ ]
1 2 4 8 9
1 3 9 27 28
Le but est de transformer la matrice en matrice triangulaire supérieure.
On fait les soustractions : (L2-L1), (L3-L1), (L4-L1) :
1 0 0 0 1
0 1 1 1 1
[ ] [ ]
0 2 4 8 8
0 3 9 27 27
Puis (L3- (2*L2)) et (L4- (3*L2)) :
1 0 0 0 1
0 1 1 1 1
[ ] [ ]
0 0 2 6 6
0 0 6 24 24
On divise ligne 3 par (2) et ligne 4 par (6).
1 0 0 0 1
0 1 1 1 1
[ ] [ ]
0 0 1 3 3
0 0 1 4 4
Puis (L4=L4-L3)
1 0 0 0 1
0 1 1 1 1
[ ] [ ]
0 0 1 3 3
0 0 0 1 1
𝜆0 = 1
𝜆 =0
⇒ { 1
𝜆2 = 0
𝜆3 = 1
Donc le polynôme est : 𝑝3 (𝑥 ) = 1 + 𝑥 3
4-2-3 L’interpolation de Lagrange :
Soit y= f(x) une fonction dont on connait les valeurs yi qu’elle prend aux (n+1)
points distincts xi ; i=0 ,1 ,2…n.
Le polynôme d’interpolation de Lagrange s’écrit comme suit :
[Link] HELLEL 3
Chapitre4 : Interpolation polynomiale
𝒑𝒏 (𝒙) = ∑ 𝒚𝒊 𝒍𝒊 (𝒙)
𝒊=𝟎
𝟏 𝒊=𝒌
Avec 𝒍𝒌 (𝒙𝒊 ) = { , ∀ 𝒊 = 𝟎, … , 𝒏
𝟎 𝒊≠𝒌
Ou les 𝒍𝒌 sont des polynômes de degrés n qui forment une base de 𝒑𝒏 :
𝒏
𝒙 − 𝒙𝒊 𝒙 − 𝒙𝟎 𝒙 − 𝒙𝒌−𝟏 𝒙 − 𝒙𝒌+𝟏 𝒙 − 𝒙𝒏
𝒍𝒌 (𝒙𝒊 ) = ∏ = … …
𝒙𝒌 − 𝒙𝒊 𝒙𝒌 − 𝒙𝟎 𝒙𝒌 − 𝒙𝒌−𝟏 𝒙𝒌 − 𝒙𝒌+𝟏 𝒙𝒌 − 𝒙𝒏
𝒊=𝟎
𝒊≠𝒌
4-2-3-1 Exemple :
Etant donné 3 points d’appui {(0, 1), (2, 5), (4, 17)}.
On veut déterminer le polynôme d’interpolation de Lagrange de degré 2 passant
par ces trois points.
Solution :
𝟐
𝒑𝟐 (𝒙) = ∑ 𝒚𝒊 𝒍𝒊 (𝒙)
𝒊=𝟎
Et
𝟐
(𝒙 − 𝒙𝒊 )
𝒍𝒌 (𝒙𝒊 ) = ∏ ; 𝒊 = 𝟎…𝟐
(𝒙𝒌 − 𝒙𝒊 )
𝒊=𝟎
𝒊≠𝒌
Calculons 𝒍𝟎 , 𝒍𝟏 , 𝒆𝒕 𝒍𝟐 :
(𝒙− 𝒙𝟏 ) (𝒙− 𝒙𝟐 ) (𝒙−𝟐)(𝒙−𝟒) 𝒙𝟐 −𝟔𝒙+𝟖
𝒍𝟎 (𝒙) = (𝒙𝟎 − 𝒙𝟏 ) (𝒙𝟎 − 𝒙𝟐 )
= =
(𝟎−𝟐)(𝟎−𝟒) 𝟖
(𝒙− 𝒙𝟎 ) (𝒙− 𝒙𝟐 ) (𝒙−𝟎)(𝒙−𝟒) 𝒙𝟐 −𝟒𝒙
𝒍𝟏 (𝒙) = (𝒙𝟏 − 𝒙𝟎 ) (𝒙𝟏 − 𝒙𝟐 )
= =
(𝟐−𝟎)(𝟐−𝟒) −𝟒
(𝒙− 𝒙𝟎 ) (𝒙− 𝒙𝟏 ) (𝒙−𝟎)(𝒙−𝟐) 𝒙𝟐 −𝟐𝒙
𝒍𝟐 (𝒙) = (𝒙𝟐 − 𝒙𝟎 ) (𝒙𝟐 − 𝒙𝟏 )
= =
(𝟒−𝟎)(𝟒−𝟐) 𝟖
On a donc :
𝒑𝟐 (𝒙) = 𝒍𝟎 (𝒙) + 𝟓 𝒍𝟏 (𝒙) + 𝟏𝟕𝒍𝟐 (𝒙)
= 1+𝒙𝟐
[Link] HELLEL 4
Chapitre4 : Interpolation polynomiale
4-2-3-2 Erreur d’interpolation de Lagrange :
Dans la pratique, l’interpolation polynômiale sert à remplacer la fonction f par
un polynôme. Le polynôme 𝒑𝒏 (𝒙) est donc une approximation de la fonction f.
Il est donc important d’étudier l’erreur de l’approximation.
Théorème :
Soit [a, b] un intervalle contenant 𝒙𝟎 , 𝒙𝟏 , … 𝒙𝒏 . On suppose que la fonction f est
(n+1) fois dérivable sur [a, b]. Alors, pour tout 𝑥 ∈ [𝑎, 𝑏], il existe 𝜉 ∈ [𝑎, 𝑏], tel
que :
𝒏
𝒇(𝒏+𝟏)(𝜉 )
𝒇(𝒙) − 𝒑𝒏 (𝒙) = ∏(𝒙 − 𝒙𝒊 )
(𝒏 + 𝟏)!
𝒊=𝟎
(𝒇(𝒏+𝟏) est la dérivée d’ordre (n+1) de la fonction f).
Remarque :
La formule précédente ne permet pas de calculer la valeur exacte de l’erreur
puisque 𝜉 est en général inconnu. Cependant, on peut calculer une majoration de
l’erreur.
𝒏
𝑴
|𝒇(𝒙) − 𝒑𝒏 (𝒙)| ≤ |∏(𝒙 − 𝒙𝒊 )|
(𝒏 + 𝟏)!
𝒊=𝟎
Avec 𝑴 = 𝒎𝒂𝒙 |𝒇(𝒏+𝟏)(𝒙)| 𝒙 ∈ [𝒂, 𝒃]
Exercice :
Soit le tableau suivant de la fonction f(x)=ln(x).
x 3 3.5
Ln(x) 1.0986 1.2528
1- Calculer ln (3.2) par l’interpolation de Lagrange.
2- Donner la forme analytique de l’erreur et déduire une majoration de cette
erreur.
3- Calculer cette erreur.
[Link] HELLEL 5
Chapitre4 : Interpolation polynomiale
Solution :
1- 𝒑𝟏 (𝒙) = 𝒚𝟎 𝒍𝟎 (𝒙) + 𝒚𝟏 𝒍𝟏 (𝒙)
(𝒙− 𝒙𝟏 ) (𝒙− 𝟑.𝟓) (𝒙− 𝟑.𝟓)
𝒍𝟎 (𝒙)= (𝒙𝟎 − 𝒙𝟏 )
= (𝟑− =
𝟑.𝟓) −𝟎.𝟓
(𝒙− 𝒙𝟎 ) (𝒙− 𝟑) (𝒙− 𝟑)
𝒍𝟏 (𝒙)= (𝒙𝟏 − 𝒙𝟎 )
= (𝟑.𝟓− =
𝟑) 𝟎.𝟓
𝒙−𝟑.𝟓 𝒙−𝟑
𝒑𝟏 (𝒙) = 𝟏. 𝟎𝟗𝟖𝟔 ( ) + 𝟏. 𝟐𝟓𝟐𝟖 ( )
−𝟎.𝟓 𝟎.𝟓
𝒑𝟏 (𝒙) = 0.3.84x+0.1734
𝒑𝟏 (𝟑. 𝟐) = 𝟏. 𝟏𝟔𝟎𝟐 (≅ 𝒍𝒏(𝟑. 𝟐) = 𝟏. 𝟏𝟔𝟑
𝑴
2- 𝑬(𝒙) = (𝒏+𝟏)! (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) … (𝒙 − 𝒙𝒏 )
𝑴 = 𝑴𝒂𝒙 |𝒇(𝒏+𝟏)𝝃(𝒙)| 𝒙 ∈ [𝒙𝟎 , 𝒙𝟏 ]
𝒇(𝟐) 𝝃(𝒙)
𝑬(𝒙) = (𝒙 − 𝟑)(𝒙 − 𝟑. 𝟓) La forme analytique.
𝟐!
Majoration :
On a : f(x)=ln(x)
𝟏 𝟏
𝒇′ (𝒙) = , et 𝒇′′ (𝒙) = −
𝒙 𝒙𝟐
𝟒𝟗
𝟑 ≤ 𝒙 ≤ 𝟑. 𝟓 ⇔ 𝟗 ≤ 𝒙𝟐 ≤
𝟒
𝟒 𝟏 𝟏 −𝟏 −𝟏 −𝟒
⇔ ≤ ≤ ⇔ ≤ ≤
𝟒𝟗 𝒙𝟐 𝟗 𝟗 𝒙𝟐 𝟒𝟗
𝟒 𝟏
≤ |𝒇′′ (𝒙)| ≤
𝟒𝟗 𝟗
M= 1/9
𝟏
𝑬(𝒙) ≤ (𝒙 − 𝟑)(𝒙 − 𝟑. 𝟓)
𝟏𝟖
3- Calculons l’erreur :
𝟏 𝟏
𝑬(𝟑. 𝟐) ≤ | (𝟑. 𝟐 − 𝟑)(𝟑. 𝟐 − 𝟑. 𝟓)| = . 𝟏𝟎−𝟐
𝟏𝟖 𝟑
4-2-3-3 Inconvénients de l’interpolation de Lagrange :
Elle nécessite un grand nombre d’opérations.
Si on ajoute d’autres points d’interpolation, on doit refaire tous les
calculs.
L’estimation de l’erreur est difficile.
[Link] HELLEL 6
Chapitre4 : Interpolation polynomiale
4-2-4 Interpolation de Newton :
Les polynômes ek de la base de Newton sont définis comme suit :
𝒌−𝟏
𝒆𝒌 (𝒙) = ∏(𝒙 − 𝒙𝒊 ) = (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) … (𝒙 − 𝒙𝒌−𝟏 ); 𝒌 = 𝟏, … , 𝒏
𝒊=𝟎
Avec : 𝒆𝟎 = 𝟏
En outre :
𝒆𝟏 = (𝒙 − 𝒙𝟎 )
𝒆𝟐 = (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 )
𝒆𝟑 = (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 )(𝒙 − 𝒙𝟑 )
…
𝒆𝒏 = (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) … (𝒙 − 𝒙𝒏−𝟏 )
Le polynôme d’interpolation de Newton de degré n relatif à la
subdivision {(𝒙𝟎 , 𝒚𝟎 ), (𝒙𝟏 , 𝒚𝟏 ), … (𝒙𝒏 , 𝒚𝒏 )} s’écrit :
𝑛
𝑝𝑛 (𝑥 ) = ∑ 𝛼𝑘 𝒆𝒌 (𝒙)
𝑘=0
= 𝜶𝟎 + 𝜶𝟏 (𝒙 − 𝒙𝟎 ) + 𝜶𝟐 (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) +
… 𝜶𝒏 (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) … (𝒙 − 𝒙𝒏−𝟏 )
Avec :
𝑝𝑛 (𝑥𝑖 ) = 𝑓(𝑥𝑖 ), ∀𝑖 = 0,1, … , 𝑛
Il faut déterminer les coefficients(𝜶𝒌 )𝟎≤𝒌≤𝒏. Pour cela on va voir la notion de
différence divisée.
4-2-4-1 Différences divisées :
Le polynôme d’interpolation de Newton de degré n, 𝑝𝑛 (𝑥 ) évalué en 𝒙𝟎 donne :
𝑛
𝑝𝑛 (𝒙𝟎 ) = ∑ 𝛼𝑘 𝒆𝒌 (𝒙𝟎 ) = 𝜶𝟎 = 𝑓(𝑥0 ) = 𝑓[𝑥0 ]
𝑘=0
De manière générale, on note :
𝑓(𝑥𝑖 ) = 𝑓[𝑥𝑖 ] ∀𝑖 = 0,1, … , 𝑛
[Link] HELLEL 7
Chapitre4 : Interpolation polynomiale
𝑓[𝑥𝑖 ] est appelée 𝐝𝐢𝐟𝐟é𝐫𝐞𝐧𝐜𝐞 𝐝𝐢𝐯𝐢𝐬é𝐞 d’ordre 0.
Le polynôme d’interpolation de Newton de degré n, 𝑝𝑛 (𝑥 ) évalué en 𝒙𝟏 donne :
𝑛
𝑝𝑛 (𝒙𝟏 ) = ∑ 𝛼𝑘 𝒆𝒌 (𝒙𝟏 )
𝑘=0
= 𝜶𝟎 + 𝜶𝟏 (𝒙𝟏 − 𝒙𝟎 )
= 𝑓 [𝑥0 ] + 𝜶𝟏 (𝒙𝟏 − 𝒙𝟎 )
= 𝑓 [𝑥1 ]
D’où :
𝑓[𝑥1 ]− 𝑓[𝑥0 ]
𝛼1 = = 𝑓 [𝑥0 , 𝑥1 ]
𝑥1 − 𝑥 0
𝑓[𝑥0 , 𝑥1 ] est appelée 𝐝𝐢𝐟𝐟é𝐫𝐞𝐧𝐜𝐞 𝐝𝐢𝐯𝐢𝐬é𝐞 d’ordre 1.
Le polynôme d’interpolation de Newton de degré n, 𝑝𝑛 (𝑥 ) évalué en 𝒙𝟐 donne :
𝑝𝑛 (𝒙𝟐 ) = ∑𝑛𝑘=0 𝛼𝑘 𝒆𝒌 (𝒙𝟐 )
= 𝜶𝟎 + 𝜶𝟏 (𝒙𝟐 − 𝒙𝟎 ) + 𝜶𝟐 (𝒙𝟐 − 𝒙𝟎 )(𝒙𝟐 − 𝒙𝟏 )
= 𝑓 [𝑥0 ] + 𝑓[𝑥0 , 𝑥1 ](𝒙𝟐 − 𝒙𝟎 ) + 𝜶𝟐 (𝒙𝟐 − 𝒙𝟎 )(𝒙𝟐 − 𝒙𝟏 )
= 𝑓 [𝑥2 ]
On a :
𝜶𝟐 (𝒙𝟐 − 𝒙𝟎 )(𝒙𝟐 − 𝒙𝟏 )= 𝑓 [𝑥2 ] − 𝑓[𝑥0 ] − 𝑓 [𝑥0 , 𝑥1 ](𝒙𝟐 − 𝒙𝟎 )
𝜶𝟐 (𝒙𝟐 − 𝒙𝟎 )(𝒙𝟐 − 𝒙𝟏 )= 𝑓 [𝑥2 ] − 𝑓[𝑥0 ] − 𝑓 [𝑥0 , 𝑥1 ](𝒙𝟐 − 𝒙𝟎 ) + 𝑓[𝑥1 ] − 𝑓[𝑥1 ]
𝜶𝟐 (𝒙𝟐 − 𝒙𝟎 )(𝒙𝟐 − 𝒙𝟏 )= 𝑓 [𝑥2 ] − 𝑓 [𝑥1 ] + 𝑓 [𝑥1 ] − 𝑓[𝑥0 ] − 𝑓 [𝑥0 , 𝑥1 ](𝒙𝟐 − 𝒙𝟎 )
𝜶𝟐 (𝒙𝟐 − 𝒙𝟎 )(𝒙𝟐 − 𝒙𝟏 )= 𝑓 [𝑥2 ] − 𝑓 [𝑥1 ] + 𝑓 [𝑥0 , 𝑥1 ](𝒙𝟏 − 𝒙𝟎 ) − 𝑓[𝑥0 , 𝑥1 ](𝒙𝟐 − 𝒙𝟎 )
𝜶𝟐 (𝒙𝟐 − 𝒙𝟎 )(𝒙𝟐 − 𝒙𝟏 )= 𝑓 [𝑥2 ] − 𝑓 [𝑥1 ] + 𝑓 [𝑥0 , 𝑥1 ](𝒙𝟏 − 𝒙𝟐 )
𝑓[𝑥2 ]−𝑓[𝑥1 ]
𝜶 𝟐 ( 𝒙 𝟐 − 𝒙𝟎 ) = − 𝑓 [𝑥0 , 𝑥1]
𝒙𝟐 −𝒙𝟏
𝜶𝟐 (𝒙𝟐 − 𝒙𝟎 )= 𝑓[𝑥1 , 𝑥2 ] − 𝑓 [𝑥0 , 𝑥1 ]
D’où :
𝑓[𝑥1 ,𝑥2 ]−𝑓[𝑥0 ,𝑥1 ]
𝜶𝟐 = (𝒙𝟐 −𝒙𝟎 )
= 𝑓[𝑥0, 𝑥1, , 𝑥2]
[Link] HELLEL 8
Chapitre4 : Interpolation polynomiale
𝑓[𝑥0 , 𝑥1, , 𝑥2 ] est appelée 𝐝𝐢𝐟𝐟é𝐫𝐞𝐧𝐜𝐞 𝐝𝐢𝐯𝐢𝐬é𝐞 d’ordre 2.
On obtient alors par récurrence :
𝑓[𝑥1 ,… ,𝑥𝑘 ]−𝑓[𝑥0 ,… ,𝑥𝑘−1 ]
𝜶𝒌 = (𝒙𝒌 −𝒙𝟎 )
= 𝑓[𝑥0, 𝑥1, , … , 𝑥𝑘 ]
Alors 𝑓[𝑥0, 𝑥1, , … , 𝑥𝑘 ] est appelée 𝐝𝐢𝐟𝐟é𝐫𝐞𝐧𝐜𝐞 𝐝𝐢𝐯𝐢𝐬é𝐞 d’ordre k.
En pratique lorsqu’on veut déterminer la différence divisée d’ordre 3 par
exemple 𝑓[𝑥0, 𝑥1, , 𝑥2, 𝑥3], on a besoins des quantités suivantes :
𝑥0 𝑓[𝑥0 ]
𝑥1 𝑓 [𝑥1 ] 𝑓 [𝑥0 , 𝑥1]
𝑥2 𝑓[𝑥2 ] 𝑓[𝑥1 , 𝑥2 ] 𝑓[𝑥0 , 𝑥1, , 𝑥2 ]
𝑥3 𝑓[𝑥3 ] 𝑓[𝑥2 , 𝑥3 ] 𝑓[𝑥1 , 𝑥2, , 𝑥3 ] 𝑓[𝑥0 , 𝑥1 , 𝑥2, , 𝑥3 ]
Puisque :
𝑓[𝑥1 ,𝑥2, ,𝑥3 ]− 𝑓[𝑥0 ,𝑥1, ,𝑥2 ]
𝑓[𝑥0 , 𝑥1 , 𝑥2, , 𝑥3 ] =
𝑥3 −𝑥0
D’une façon générale :
𝑓[𝑥𝑖+1 ,… 𝑥𝑗]− 𝑓[𝑥𝑖 ,… 𝑥𝑗−1]
𝑓[𝑥𝑖 , … 𝑥𝑗 ] =
𝑥𝑗 −𝑥𝑖
Le polynôme d’interpolation de Newton de degré n :
𝑛
𝑝𝑛 (𝑥 ) = 𝑓[𝑥0 ] + ∑ 𝑓 [𝑥0 , … , 𝑥𝑘 ] 𝒆𝒌 (𝒙)
𝑘=1
4-2-4-2 Erreur d’interpolation de Newton :
Pour le calcul de l’erreur d’interpolation, on utilise la même formule que celle
relative à l’interpolation de Lagrange. En effet :
[Link] HELLEL 9
Chapitre4 : Interpolation polynomiale
𝒏
𝒇(𝒏+𝟏)(𝜉 )
𝒇(𝒙) − 𝒑𝒏 (𝒙) = ∏(𝒙 − 𝒙𝒊 )
(𝒏 + 𝟏)!
𝒊=𝟎
Si on pose : 𝑴 = 𝒎𝒂𝒙 |𝒇(𝒏+𝟏)(𝒙)| 𝒙 ∈ [𝒂, 𝒃]
Alors on obtient la majoration suivante :
𝒏
𝑴
|𝒇(𝒙) − 𝒑𝒏 (𝒙)| ≤ |∏(𝒙 − 𝒙𝒊 )|
(𝒏 + 𝟏)!
𝒊=𝟎
4-2-2-3 Exemple :
Étant donné trois points {(0,1), (2,5), (4,17)}. Nous allons déterminer le
polynôme d’interpolation de Newton de degré 2 passant par ces points.
𝑥0 = 0 𝑓[𝑥0 ] = 1
5−1
𝑥1 = 2 𝑓[𝑥1 ] = 5 𝑓 [𝑥0 , 𝑥1 ] = = 𝟐
2−0
17−5 6−2
𝑥2 = 4 𝑓[𝑥2 ] = 17 𝑓 [𝑥1 , 𝑥2 ] = = 𝟔 𝑓[𝑥0 , 𝑥1, , 𝑥2 ] = = 𝟏
4−2 4−0
Par suite :
𝒑𝟐 (𝒙) = 𝑓 [𝑥0 ] + 𝑓 [𝑥0 , 𝑥1]𝑥 + 𝑓[𝑥0, 𝑥1, , 𝑥2 ]𝑥(𝑥 − 2)
= 1+𝒙𝟐
4-3 Cas des points équidistants :
Ce cas a une grande importance dans l’interpolation des fonctions. Dans ce cas où
les valeurs successives 𝑥0 ,𝑥1 = 𝑥0 + ℎ, 𝑥2 = 𝑥0 + 2ℎ,…, 𝑥𝑛 = 𝑥0 + 𝑛ℎ.
(ℎ > 0 ), sont en progression arithmétique, on a intérêt à faire intervenir les
différences finies.
4-3-1 Différences finie :
4-3-1-1 Définition :
Soient 𝑦0 , 𝑦1 , … 𝑦𝑛 des nombres réels. On appelle différence finie progressive
d’ordre 1 l’expression :
∆𝑦𝑖 = 𝑦𝑖+1 − 𝑦𝑖 ; 𝑖 = 0, 1, … , 𝑛 − 1
Une différence finie d’ordre 2 est :
∆𝟐 𝑦𝑖 = ∆𝑦𝑖+1 − ∆𝑦𝑖 ; 𝑖 = 0, 1, … , 𝑛 − 2
[Link] HELLEL 10
Chapitre4 : Interpolation polynomiale
En général, une différence finie progressive d’ordre k est donnée par :
∆𝒌 𝑦𝑖 = ∆𝒌−𝟏 𝑦𝑖+1 − ∆𝒌−𝟏 𝑦𝑖 ; 𝑖 = 0, 1, … , 𝑛 − 𝑘
Par convention :
∆𝟎 𝑦𝑖 = 𝑦𝑖 ; 𝑖 = 0, 1, … , 𝑛
4-3-2 Relation entre différences finies progressives et différences divisées :
Théorème : Soit f(x) une fonction dont on connait les valeurs f (xi) aux points xi,
i=0, 1,…, n, avec 𝑥𝑖 = 𝑥𝑖−1 + ℎ; 𝑖 = 1, … , 𝑛; ℎ > 0. Alors :
∆𝑘 𝑓(𝑥𝑖 )
𝑓 [𝑥𝑖 , 𝑥𝑖+1 … 𝑥𝑖+𝑘 ] = 𝑘 ; 0≤𝑖 ≤𝑖+𝑘 ≤𝑛
ℎ 𝑘!
Ou’ 𝑓 [𝑥𝑖 , 𝑥𝑖+1 … 𝑥𝑖+𝑘 ] est la différence divisée d’ordre k et ∆𝑘 𝑓(𝑥𝑖 ) est la
différence finie d’ordre k au point (𝑥𝑖 , 𝑓(𝑥𝑖 )).
Preuve :
Pour simplifier, on prend i=0 :
∆𝑘 𝑓(𝑥0 )
𝑓[𝑥0 , 𝑥𝑖+1 … 𝑥𝑘 ] = ; 0≤𝑘≤𝑛
ℎ𝑘 𝑘!
Cette relation est vraie pour k=1 car :
𝑓(𝑥0 ) − 𝑓(𝑥1 ) 𝑓 (𝑥1 ) − 𝑓(𝑥0 ) ∆𝑓(𝑥0 )
𝑓[𝑥0 , 𝑥1 ] = = =
𝑥0 − 𝑥1 𝑥1 − 𝑥0 1! ℎ
4-3-3 Forme de Newton pour les différences finies :
Si les abscisses sont équidistantes, on peut énoncer le théorème suivant :
Théorème : Soient 𝑥0 , 𝑥1, … , 𝑥𝑛 (n+1) abscisses telles que : 𝑥𝑖 = 𝑥𝑖−1 +
ℎ (𝑖 = 1, … , 𝑛 𝑒𝑡 ℎ > 0). Le polynôme d’interpolation 𝑓(x) aux points 𝑥𝑖 peut
s’écrire :
∆𝑓 (𝑥0 ) ∆2𝑓(𝑥0 )
𝑝𝑛 (𝑥) = 𝑓 (𝑥0 ) + (𝑥 − 𝑥0 ) + 2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + ⋯
ℎ1! ℎ 2!
∆𝑛 𝑓(𝑥0 )
+ 𝑛 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) … (𝑥 − 𝑥𝑛−1 )
ℎ 𝑛!
[Link] HELLEL 11
Chapitre4 : Interpolation polynomiale
Cette formule est appelée forme de Newton du polynôme d’interpolation pour
les différences finies progressives.
4-3-4 Exemple :
Construire le polynôme d’interpolation de Newton à l’aide des différences finies
pour les points : {(4, 1), (6, 3), (8, 8), (10, 20)}
Solution :
On a ℎ = 𝑥𝑖+1 − 𝑥𝑖 = 6 − 4 = 2
∆𝑘 𝑦𝑖 = ∆𝑘−1𝑦𝑖+1 − ∆𝑘−1𝑦𝑖 ; 𝑖 = 0, 1, … , 𝑛 − 𝑘
∆𝑦0 ∆2𝑦0
𝑝𝑛 (𝑥 ) = 𝑦0 + (𝑥 − 𝑥0 ) + 2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1)
1! ℎ ℎ 2!
3
∆ 𝑦0
+ 3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1)(𝑥 − 𝑥2 )
ℎ 3!
On construit le tableau de différences finies :
𝒙𝐢 𝒚𝒊 ∆𝒚𝟎 ∆ 𝟐 𝒚𝟎 ∆ 𝟑 𝒚𝟎
4 1
2
6 3 3
5 4
8 8 7
12
10 20
2 3 4
𝒑𝟑 (𝒙) = 1+ (𝑥 − 4)+ (𝑥 − 4)(𝑥 − 6)+ (𝑥 − 4)(𝑥 − 6)(𝑥 − 8)
2 2.22 6.23
71 9 1
𝒑𝟑 (𝒙) = −10 + 𝑥− 𝑥2 + 𝑥3
21 8 12
[Link] HELLEL 12
Chapitre4 : Interpolation polynomiale
Table des matières
4-1 Introduction : ...............................................................................................................................1
4-2 Définition de l’interpolation : .......................................................................................................1
4-2-1 L’interpolant de la fonction : .................................................................................................1
4-2-2 La base canonique : ...............................................................................................................1
4-2-2-1 Exemple : ........................................................................................................................2
4-2-3 L’interpolation de Lagrange : ..........................................................................................3
4-2-3-1 Exemple : ........................................................................................................................4
4-2-3-2 Erreur d’interpolation de Lagrange :...............................................................................5
4-2-3-3 Inconvénients de l’interpolation de Lagrange : ..............................................................6
4-2-4 Interpolation de Newton : .....................................................................................................7
4-2-4-1 Différences divisées : ......................................................................................................7
4-2-4-2 Erreur d’interpolation de Newton : ................................................................................9
4-2-2-3 Exemple : ...................................................................................................................... 10
4-3 Cas des points équidistants : ...................................................................................................... 10
4-3-1 Différences finie : ................................................................................................................ 10
4-3-1-1 Définition : ................................................................................................................... 10
4-3-2 Relation entre différences finies progressives et différences divisées : ............................... 11
4-3-3 Forme de Newton pour les différences finies : .................................................................... 11
4-3-4 Exemple : ............................................................................................................................. 12
[Link] HELLEL 13