Chapitre 3

Approximation et Interpolation
f(x)

1
 Introduction
• Nous abordons dans ce chapitre un nouveau type de
problème, faisant intervenir la notion d’approximation
d’une fonction.

2
 Introduction
• D’après la Formule de Taylor à l’ordre 5 de la fonction
sin(x), on a :

• on a tronqué la formule de Taylor après l’ordre N (ici

5), on obtient :au voisinage de 0; une approximation de
sin(x) par un polynôme de degré N

3
 Introduction
• L’erreur commise serait de l’ordre de
• Ainsi avec ce type d’approximation, on a :

4
 Approximation de fonctions
• Soit une fonction f (inconnue explicitement)
– connue seulement en certains points x0,x1…xn
– ou évaluable par un calcul coûteux.
• Principe :
– représenter f par une fonction simple, facile à évaluer
• Problème :
– il existe une infinité de solutions !
2

-1

-2

-3

-4
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
5
 Approximation de fonctions
• Il faut se restreindre à une famille de fonctions
– polynômes,
– exponentielles,
– fonctions trigonométriques…

-1

-2

-3

-4
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8

6
Quelques méthodes d'approximation

• Interpolation polynomiale
– polynômes de degré au plus n
• polynômes de Lagrange
• différences finies de Newton
• Interpolation par splines
– polynômes par morceaux
• Interpolation d'Hermite
– informations sur les dérivées de la fonction à approcher
• ...
7
 Méthodes d'approximation
soit f une fonction définie et continue sur l' intervalle [a, b]
Alors, ∀ε > 0, il existe un polynôme P ( x), définit sur [a, b] tel que :
f ( x) − P( x) < ε ∀ x ∈ [a, b] ε )+ε
ff(x)+(x
P (x)
P(x)

f(x)
f (x)

f (x) − ε
f(x)-ε

plus ε , est petit,

plus l' ordre du polynome est grand

ab ab
Interpolation :
n + 1 points, n + 1 contraintes, n + 1 équations, n + 1 inconnues : ordre n8
 Interpolation polynomiale
• Le problème : les données, la solution recherchée
( x0 , y0 = f ( x0 ) ),..., ( xi , yi = f ( xi ) ),..., ( xi , yi = f ( xi ) )
P( x) tel que P ( xi ) = f ( xi ), i = 0, n
• mauvaisen solution : résoudre le système linéaire
P( x) = ∑ ai xi ⇒ Va = y V : matricede Vandermonde
i =0

• la combinaison linéaire de polynômes est un polynôme

P( x) = y0 P0 ( x) + ... + yi Pi ( x) + yn Pn ( x)

tel que Pi ( xi ) = 1 et Pi ( x j ) = 0 j≠i

ainsi P( xi ) = y0 P0 ( xi ) + ... + yi Pi ( xi ) + yn Pn ( xi )
↓ ↓ ↓
0 1 0 9
 Interpolation polynomiale : Lagrange

• Théorème
– Soient n+1 points distincts xi réels et n+1 réels yi,
il existe un unique polynôme p ∈ Pn tel que
p(xi) = yi pour i = 0 à n
n

– Construction de p : p( x ) = ∑ y i Li ( x )
i =0
(x − x )
n
L (x)=∏
j
avec Li polynôme de Lagrange i
(x − x )
j =0
j ≠i
i j

– Propriétés de Li L est un polynôme d’ordre n

• Li(xi)=1
• Li(xj)=0 (j ≠ i)
10
 Lagrange : exemple n°1
• Exemple avec n=1
– on connaît 2 points (x0,y0) et (x1,y1)
– on cherche la droite y=ax+b (polynôme de degré 1)
qui passe par les 2 points :
• y0 = a x0 + b a = (y0 - y1) / (x0 - x1)
y1
• y1 = a x1 + b b = (x0 y1 - x1 y0) / (x0 - x1)
y0
y0 − y1 x 0 y 1 − x1 y 0
– y= x+ x0 x1
x0 − x 1 x0 − x1
x − x1 x − x0 x − x1 x − x0
y = y0 − y1 = y0 + y1
x0 − x1 x 0 − x1 x0 − x1 x1 − x0
L0(x) L1(x)
11
 Lagrange : exemple n°2
• Exemple avec n=2
– on connaît 3 points (0,1), (2,5) et (4,17)
– polynômes de Lagrange associés :
L0 ( x ) =
( x − 2 )(x − 4 )
L1 ( x ) =
x( x − 4 )
L2 ( x ) =
x( x − 2 )
8 −4 8

0 2 4 0 2 4 0 2 4

12
 Lagrange : exemple n°2
– calcul du polynôme d'interpolation
30

25

• p(x)=L0(x) + 5 L1(x) + 17 L2(x) 20

15

10

0
-1 0 1 2 3 4 5

• en simplifiant, on trouve p(x)=x2+1

13
 Lagrange : l’algorithme

Fonction y = lagrange(x,xi,yi)
pour i = 1 jusqu' à n
pour j = 1 jusqu' à n, j ≠ i;
x − xi ( j )
l ←l*
xi (i ) − xi ( j )
fait
y ← y + yi * l
fait

14
 Lagrange : exemple n°3
• Exemple avec n=2
(fonction à approcher y=ex)
– on connaît 3 points (0,1), (2,7.3891) et (4,54.5982)
– Polynôme d'interpolation 60
• p(x) =L0(x) + 7.3891 L1(x) + 54.5982 L2(x)
50

40

30

20

10

-10
-1 0 1 2 3 4 5

15
 Lagrange : exemple n°3
– Erreur d'interpolation e(x) = f(x) - p(x)
60

50

40

30

20

10

-10

-20
-1 0 1 2 3 4 5

16
 Lagrange : erreur d'interpolation
• Théorème :
– si f est n+1 dérivable sur [a,b], ∀ x ∈ [a,b], notons :
• I le plus petit intervalle fermé contenant x et les xi
• φ(x)=(x-x0)(x-x1)…(x-xn)
– alors, il existe ξ ∈ I tel que e( x ) =
f (ξ ) φ (x )
( n +1)

(n + 1)!
– NB : ξ dépend de x

• Utilité = on contrôle l’erreur d’approximation donc .

la qualité de l’approximation
17
Lagrange : erreur d'interpolation

18
 Lagrange : erreur d'interpolation
• Dans le cas particulier où les nœuds sont équirépartis
on a le résultat suivant :

19
20
Exercice

21
22
 Lagrange : choix de n
• Supposons que l'on possède un nb élevé de points pour
approcher f … faut-il tous les utiliser ?
– (calculs lourds)

• Méthode de Neville :
– on augmente progressivement n
– on calcule des Li de manière récursive
– on arrête dès que l'erreur est inférieure à un seuil
(d’ou l’utilité du calcul de l’erreur)

23
 Interpolation polynomiale : Newton
• Polynômes de Newton :
– base = {1, (x-x0), (x-x0)(x-x1), …, (x-x0)(x-x1)…(x-xn-1)}

– on peut ré-écrire p(x) :

p(x)=a0 + a1(x-x0) + a2(x-x0)(x-x1)+…+ an(x-x0)(x-x1)…(x-xn-1)

– calcul des ak : méthode des différences divisées

24
 Newton : différences divisées
• Définition :
– Soit une fonction f dont on connaît les valeurs en des points
distincts a, b, c, …
– On appelle différence divisée d’ordre 0, 1, 2,...,n
les expressions définies par récurrence sur l’ordre k :
– k=0 f [a] = f (a)
– k=1 f [a,b] = ( f [b] - f [a] ) / ( b - a )
– k=2 f [a,b,c] = ( f [a,c] - f [a,b] ) / ( c - b )

– … f [X,a,b] = ( f [X,b] - f [X,a] ) / ( b - a )

a∉X, b∉X, a≠b
25
 Newton : différences divisées
• Théorèmes :
– détermination des coefficients de p(x) dans la base de
Newton :

f [x0, x1,…, xk] = ak avec k = 0 … n

– erreur d'interpolation :

e(x) = f [x0, x1,…, xn, x] φ(x)

26
 Newton : différences divisées
• Calcul pratique des coefficients :

a0
x0 f [x0] a1
x1 f [x1] f [x0, x1] a2
x2 f [x2] f [x1, x2] f [x0, x1, x2]
… … … ...
… … … f [xn-3, xn-2, xn-1] an
xn f [xn] f [xn-1, xn] f [xn-2, xn-1, xn] … f [x0, ..., xn]

27
Newton : différences divisées

28
Exemple : différences divisées

29
 Newton : exemple
• (ex. n°2) : n=2 (0,1), (2,5) et (4,17)

a
0
0 f [x0]=1

2 f [x1]=5 f [x0, x1] a1

=(1-5)/(0-2)=2
4 f [x2]=17 f [x1, x2] f [x0, x1, x2] a2
=(5-17)/(2-4)=6 = (2-6)/(0-4)=1

p(x)=1 + 2x + x(x-2) (et on retombe sur p(x) = 1 + x2)

30
 Newton : l’algorithme
Fonction a = Newton(xi,yi)
pour i = 1 jusqu' à n
F (i,0) ← yi (i )
fait
pour i = 1 jusqu' à n
pour j = 1 jusqu' à i
F(i,j − 1 ) − F(i − 1,j − 1 )
F(i,j) ←
xi (i ) − xi (i − j )
fait
fait
pour i = 1 jusqu' à n
a(i) ← F (n, i )
fait

31
 Exercice :
Soit f (x) une fonction qui passe par les points :
q1 = (0 , 3), q2 = (2 , −1) et q3 = (5 , 8).

À l’aide de la formule de Newton, trouver le polynôme

d’interpolation de degré 2 qui passe par les points q1, q2
et q3 et proposer une approximation de f (3).

Réponse: f (3) = P2(3) = 0.

32
 A bas les polynômes
• Ex : y=2(1+tanh(x)) - x/10 avec 9 points
– entre les points, le polynôme fait ce qu'il veut…
et plus son degré est élevé plus il est apte à osciller !
6

-2

-4

-6
-6 -4 -2 0 2 4 6

33