CHAPITRE 2

INTERPOLATIONS POLYNÔMIALES

2.1 Introduction :
Dans l’analyse numérique, l’interpolation polynomiale a une très grande importance
dans la résolution des équations différentielles, dans la dérivation et dans l’intégra-
tion. On s’intéresse aux interpolations polynomiales lorsqu’on ne connaı̂t que quelques
images de certains points. Et à partir ou à l’aide de ces données on peut construire la
fonction permettant de donner d’autres images d’un autre ensemble de points dans cet
intervalle. Donc le but de ces interpolations est de trouver l’expression de la fonction
f (x) à partir d’un ensemble de points dont on connaı̂t les images. On peut distin-
guer plusieurs méthodes parmi lesquelles on peut citer : La méthode de Lagrange, la
méthode des différences finies et celle-ci de Newton.

2.2 Méthode de LAGRANGE :

Soit un ensemble de n+1 points distincts x0 , x1 , x2 , ...., xn pour lesquelles on connait
les n+1 images f (x0 ), f (x1 ), f (x2 ), ..., f (xn ) d’une fonction f (x) inconnue, il existe alors
un seul polynôme de degré inférieur ou égal à n assurant la relation entre les différentes

20
Chapitre 2. Interpolation polynômiales

valeurs xi de x et leurs images f (xi ).

2.2.1 1ère méthode de LAGRANGE :

Cette méthode permet de déterminer le seul polynôme sous la forme f (x) = a0 +

a1 x + a2 x2 + a3 x3 + ... + an xn à partir de (n + 1) points données x0 , x1 , x2 , ..., xn et
(n + 1) images f (x0 ), f (x1 ), f (x2 ), ..., f (xn ).
Cette méthode consiste à déterminer les coefficients a0 , a1 , a2 , ..., an par la résolution
du système d’équations linéaires suivant :

a0 + a1 x0 + a2 x20 + a3 x30 + ... + an xn0 = f (x0 )






a0 + a1 x1 + a2 x21 + a3 x31 + ... + an xn1 = f (x1 )







a0 + a1 x2 + a2 x22 + a3 x32 + ... + an xn2 = f (x2 )


(2.1)
......................................................................










......................................................................



a0 + a1 xn + a2 x2n + a3 x3n + ... + an xnn = f (xn )



Pouvant être écrit sous la forme matricielle :

    
1 x0 x20 x30 ... xn0 
 a 0

 
 f (x )
0 

 

 







1 2 3 n
x1 x1 x1 ... x1   a f (x )
 
 
 
 

 1 
 1 
    
2 3 n
x2 x2 x2 ... x2  a2 = f (x2 ) (2.2)

1
    
  
  
 

. . . . . .  
 ... 




 .. 


 
 
 
 

2 3 n    
1 xn xn xn ... xn  an   f (xn )

2.2.2 Exemple :

dans cet exemple, on va trouver le polynôme passant par les points suivants :

x 0 1 2 -1
f (x) -2 0 4 -2

21
Chapitre 2. Interpolation polynômiales

Le seul polynôme passant par les points donnés dans le tableau 2.2.2 est de la forme :f (x) =
a0 + a1 x + a2 x2 + a3 x3 + ... + an xn .
On a 4 ponts alors n = 4 d’où le polynôme est de degré 3 au maximum et la relation
précédente devient :f (x) = a0 + a1 x + a2 x2 + a3 x3 .
On construit le système des équations à résoudre :
    
1 0 0 0 a0 
  
 −2

 










    
1 1 1 1  a1
   0



 = (2.3)
1 2 4 8  a
  2

 
 4
  
   
 

1 −1 −1 −2
   
1  a3  

 Le système d’équations peut être

 écrit aussi sous la forme :



 a0 = −2 


 a0 = −2

 

 
a0 + a1 + a2 + a3 = 0
 a1 + a2 + a3 = 2

⇒
a0 + 2a1 + 4a2 + 8a3 = 4 2a1 + 4a2 + 8a3 = 6

 


 


 

a − a + a − a = −2
 −a + a − a = 0

0 1 2 3 1 2 3
 
a0 = −2 a0 = −2

 

 

 

 
a1 = 2 − a2 − a3
 a1 = 1

⇒ ⇒
a2 + 3a3 = 1 a3 = 0

 


 


 


2a = 2 
a = 1
2 2
Après avoir trouver les valeurs des coefficients a0 , a1 , a2 et a3 , le polynôme recherché
est :f (x) = x2 + x − 2
Cette première méthode de Lagrange devient lourde et compliquée plus en plus le degré
du polynôme augmente. A cet effet que nous allons utiliser une autre méthode qui nous
permet de déterminer explicitement le polynôme recherché sans passer par la résolution
du système des équations.

22
Chapitre 2. Interpolation polynômiales

2.2.3 2ème méthode de LAGRANGE :

A cause de des problème de résolution des systèmes d’équations à grandes dimen-

sions, LAGRANGE a proposé une autre méthode basée sur l’utilisation des fonctions
dites de pondérations ou connues aussi sous le nom des fonctions d’interpolations, et
le polynôme recherché est donné par :
Xn
f (x) = Li (x) × f (xi )
i=0
Où Li (x) :représentent les fonctions de pondération ou dites aussi fonctions d’interpo-
lation. La valeur de chaque fonctions d’interpolation vérifient la propriété suivante :



 1 si i = j

Li (xj ) = (2.4)


 0 si i 6= j


En respectant et appliquant cette propriété, on peut aboutir à la relation de chaque

fonction d’interpolation par :
j6=i
Y
(x − xj ) j6=i
j=0,...,n Y x − xj
Li (x) = = (2.5)
j6=i
Y x − xj
j=0,...,n i
(xi − xj )
j=0,...,n

2.2.4 Exemple :
re
On reprend le même exemple traité dans la méthode de LAGRANGE :
A partir de 4 points on ne peut créer qu’un seul polynôme d’ordre inférieur ou égale à
3:
Pour chaque point, on forme une fonction d’interpolation dont l’expression est donnée
par la relation (2.5).
Pour i = 0

j6=0
Y x − xj (x − x1 )(x − x2 )(x − x3 )
L0 (x) = =
x
j=0,...,3 0
− x j (x 0 − x1 )(x0 − x2 )(x0 − x3 )

23
Chapitre 2. Interpolation polynômiales

(x − 1)(x − 2)(x + 1) 1 1
L0 (x) = = (x2 − 1)(x − 2) = (x3 − 2x2 − x + 2)
−1 × −2 × 1 2 2
1
L0 (x)f (x0 ) = −2 × (x3 − 2x2 − x + 2) = −x3 + 2x2 + x − 2 (2.6)
2

Pour i = 1
Puisque f (x1 ) = 0 donc :

L1 (x)f (x1 ) = 0 (2.7)

Pour i = 2

j6=2
Y x − xj (x − x0 )(x − x1 )(x − x3 )
L2 (x) = =
x − xj
j=0,...,3 2
(x2 − x0 )(x2 − x1 )(x2 − x3 )

x(x − 1)(x + 1) 1 1
L2 (x) = = (x2 − x)(x + 1) = (x3 − x)
2×1×3 6 6
1 2
L2 (x)f (x2 ) = 4 × (x3 − x) = (x3 − x) (2.8)
6 3

Pour i = 3

j6=3
Y x − xj (x − x0 )(x − x1 )(x − x2 )
L3 (x) = =
x
j=0,...,3 3
− x j (x 3 − x0 )(x3 − x1 )(x3 − x2 )

x(x − 1)(x − 2) 1 1
L3 (x) = = − (x2 − x)(x − 2) = − (x3 − 3x2 + 2x)
−1 × −2 × −3 6 6
1 1
L3 (x)f (x3 ) = 2 × (x3 − 3x2 + 2x) = (x3 − 3x2 + 2x) (2.9)
6 3
3
X 2 3
−x3 + 2x2 + x − 2 + 0 +



Le polynôme f (x) = Li (x) × f (xi ) = x −x +
i=0
3
1 3
x − 3x2 + 2x = x2 + x + 2


3

f (x) = x2 + x + 2

24