Université Mohammed V de Rabat Département Génie Électrique

École Mohammadia d’Ingénieurs Méthodes Numériques

AU 2021–2022 Khalil Amine

Handout 4 – Interpolation polynomiale

1 Introduction

La météorologie est une discipline scientifique interdisciplinaire qui vise à comprendre les phénomènes
atmosphériques. À l’aide de paramètres physiques, chimiques et mathématiques et à partir d’un ensemble
de mesures observées a priori, elle tente par exemple d’estimer la température moyenne dans un endroit à
un temps future. Cette technique fait appel à une notion mathématique dite interpolation.
L’interpolation consiste à construire une fonction à partir d’un nombre finis de points. Elle permet une
estimation de la valeur de la fonction en dehors des points connue. En d’autre terme, elle répond à la
question suivante : si on ne connaît que des points (xi , f ( xi )) d’une fonction, comme dans le cas ci-dessous,
peut-on obtenir une approximation de f ( x ) pour une valeur de x ∈ [ x0 , xn ] différente des xi ?

Remarque 1 La technique permettant d’approcher une fonction f , en un point x 6∈ [ x0 , xn ] est dite

extrapolation.

Definition 1 (Principe de l’interpolation) Étant donné un ensemble de n + 1 points {( xi , f ( xi ))}in=0 ,

l’interpolation consiste à construire une fonction p relativement simple, dite fonction d’interpolation, tels
que :
p( xi ) = f ( xi ) , ∀i ∈ {0, 1, . . . , n}
Les points {( xi , f ( xi ))}in=0 sont dits points de collocation ou d’interpolation. Les xi sont appelés abscisses
ou nœuds d’interpolation.

L’interpolation permet :
• L’approximation d’une fonction dont la formule est inconnue
• La simplification d’une fonction à formule complexe
• La modélisation d’un phénomène à partir d’un ensemble de mesures observées

1/7
Plusieurs types d’interpolation peuvent être envisagés, à savoir l’interpolation polynomiale :
p ( x ) = a0 + a1 x + a2 x 2 + · · · + a n x n
trigonométrique :
t( x ) = a− M exp(−iMx ) + · · · + a0 + · · · + a M exp(iMx )
ou rationnelle :
a0 + a1 x + a2 x 2 + · · · + a k x k
r(x) =
a0 + a1 x + a2 x 2 + · · · + a n x n
Théoréme 1 Par (n + 1) points de collocation d’abscisses distinctes {( xi , f ( xi ))}in=0 , passe un et un seul
polynôme de degré n.

Ce théorème résulte d’un théorème stipulant qu’un polynôme de degré n possède exactement n racines,
tenant compte des multiplicités et des racines complexes.

2 Interpolation de Lagrange

L’interpolation de Lagrange est une façon simple et systématique de construire un polynôme d’interpolation.
Étant donné (n + 1) points {( xi , f ( xi ))}in=0 , l’approche consiste à construire le polynôme :
n
L( x ) = ∑ f ( xi ) Li ( x )
i =0

où les Li ( x ) sont des polynômes de degré n vérifiant :


Li ( xi ) = 1 ∀i ∈ {0, 1, . . . , n}
Li ( x j ) = 0 ∀ j 6= i
Cela signifie que le polynôme Li ( x ) de degré n prend la valeur 1 en xi et s’annule à tous les autres points
de collocation.
Pour une interpolation de deux points de collocation (n = 1) on a
 
L0 ( x0 ) = 1 L1 ( x0 ) = 0
L0 ( x1 ) = 0 L1 ( x1 ) = 1
ce qui ramène à considérer les polynômes x − x1 pour L0 et x − x0 pour L1 . Pour s’assurer d’une valeur 1
en x = x0 et x = x1 respectivement, il suffit d’effectuer la division appropriée afin d’obtenir :
x − x1 x − x0
L0 ( x ) = L1 ( x ) =
x0 − x1 x1 − x0
ce qui donne un polynôme d’interpolation de Lagrange :
x − x1 x − x0
L ( x ) = f ( x0 ) + f ( x1 )
x0 − x1 x1 − x0
Exercice 1
Trouver l’équation de la droite passant par les deux points (1, 3) et (5, 4)

Exercice 2
Par la même argumentation, chercher le polynôme d’interpolation de Lagrange (le parabole dans ce cas)
passant par trois points de collocation. Faire l’application au cas où les points de collocation sont (0, 1),
(1, 2) et (2, 5)

2/7
Théoréme 2 Étant donné (n + 1) points de collocation {( xi , f ( xi ))}in=0 , l’unique polynôme
d’interpolation de degré n passant par tous ces points peut s’écrire sous la forme de Lagrange :
n
L( x ) = ∑ f ( xi ) Li ( x )
i =0

où les (n + 1) fonctions Li ( x ) sont définies par la relation

n (x − x )
( x − x0 ) . . . ( x − xi−1 )( x − xi+1 ) . . . ( x − xn ) j
Li ( x ) = =∏
( xi − x0 ) . . . ( xi − xi−1 )( xi − xi+1 ) . . . ( xi − xn ) j=0 ( xi − x j )
j 6 =i

Exercice 3
1. Trouver le polynôme d’interpolation de Lagrange pour la fonction f définissant les points de
collocation (0, 1), (1, 2), (2, 9) et (3, 28)
2. Trouver ainsi une approximation de f en 2.5
3. Peut-on avoir une approximation de f en 4.25 ? Justifier

Exercice 4
On considère la fonction f ( x ) = sin(πx ).
1. Calculer le développement de Taylor de degré 3 de f ( x ) autour de x0 = 0
2. Obtenir le polynôme de Lagrange qui interpole f ( x ) aux nœuds 0, 41 , 34 et 1
3. Comparer les valeurs des dérivées de ces deux approximants en x = 13 avec la valeur exacte de la
dérivée de f ( x ). Quelle est l’approximation la plus précise. Justifier

Remarque 2 L’inconvénient majeur de la méthode d’interpolation de Lagrange réside dans son aspect
non-récursif. En effet, si un point de collocation ( xn+1 , f ( xn+1 )) est ajouté, on peut pas passer du polynôme
d’interpolation de Lagrange de degré n à un polynôme de degré (n + 1) et il faut reprendre pratiquement
tout le calcul dès le début.

3 Interpolation de Newton

Une autre façon de construire un polynôme p de degré n tel que p( xi ) = f ( xi ) est d’utiliser la formule de
Taylor. En effet, par la formule de Taylor, on écrit :
p ( x ) = p ( x0 ) + ( x − x0 ) Q0 ( x ) avec Q0 un polynôme de degré n − 1
or p( x0 ) = f ( x0 ), donc
p ( x ) = f ( x0 ) + ( x − x0 ) Q0 ( x )
f ( x1 ) − f ( x0 )
Pour que p( x1 ) = f ( x1 ), il faut avoir Q0 ( x1 ) = .
x1 − x0
On applique à nouveau la formule de Taylor au polynôme Q0 ( x ) autour de x1 on trouve
p( x ) = p( x0 ) + ( x − x0 ) Q0 ( x1 ) + ( x − x0 )( x − x1 ) Q1 ( x ) avec Q1 un polynôme de degré n − 2
On a bien p( x0 ) = f ( x0 ) et p( x1 ) = f ( x1 ). Reste à avoir p( x2 ) = f ( x2 ), pour cela il faut avoir
f ( x2 ) − f ( x0 ) − ( x2 − x0 ) Q0 ( x1 )
Q1 ( x2 ) =
( x2 − x0 )( x2 − x1 )
on continue le processus en faisant le développement de Taylor de Q1 ( x ) au point x2 , puis de Q2 ( x ) au
point x3 et ainsi de suite. Les Qi ( xi+1 ) sont appelés les différences divisées.

3/7
Definition 2 (Différences divisées) On définit les premières différences divisées de la fonction f ( x ) par :

f ( x i +1 ) − f ( x i )
f [ x i , x i +1 ] =
x i +1 − x i

Les deuxièmes différences divisées de la fonction f ( x ) sont définies à partir des premières différences
divisées par la relation :
f [ x i +1 , x i +2 ] − f [ x i , x i +1 ]
f [ x i , x i +1 , x i +2 ] =
x i +2 − x i
De même, les n-ièmes différences divisées de la fonction f ( x ) sont définies à partir des (n − 1)-ièmes
différences divisées de la façon suivante :

f [ x 1 , x 2 , . . . , x n ] − f [ x 0 , x 1 , x 2 , . . . , x n −1 ]
f [ x0 , x1 , x2 , . . . , x n ] =
x n − x0

Notons que les différences divisées d’ordre 0 sont tout simplement les f ( xi ), ainsi on peut noter : f [ xi ] =
f ( x i ).
En vertu de cette définition, Q0 ( x1 ) = f [ x0 , x1 ], Q1 ( x2 ) = f [ x0 , x1 , x2 ], Q2 ( x3 ) = f [ x0 , x1 , x2 , x3 ] et
ainsi de suite.

Théoréme 3 Étant donné (n + 1) points de collocation {( xi , f ( xi ))}in=0 , l’unique polynôme

d’interpolation de degré n passant par tous ces points peut s’écrire sous la forme de Newton :
n
N ( x ) = f ( x0 ) + ∑ f [ x0 , x1 , . . . , xi ]( x − x0 )( x − x1 ) . . . ( x − xi−1 )
i =1
!
n i −1
= f ( x0 ) + ∑ f [ x0 , x1 , . . . , x i ] ∏ ( x − x j )
i =1 j =0

Contrairement à la formule de Lagrange, la formule de Newton consiste à ajouter à chaque fois, un terme de
j −1
degré j au polynôme d’interpolation des points {( xi , f ( xi ))}i=0 de degré ( j − 1) sans recalculer les termes
de ce dernier. En raison de cette propriété, cette méthode est dite récursive.

Théoréme 4 Étant donné (n + 1) points de collocation {( xi , f ( xi ))}in=0 , l’unique polynôme

d’interpolation de degré n passant par tous ces points peut s’écrire sous la forme récursive :

Nn ( x ) = Nn−1 ( x ) + f [ x0 , x1 , . . . , xn ]( x − x0 )( x − x1 ) . . . ( x − xn−1 )
n −1
= Nn−1 ( x ) + f [ x0 , x1 , . . . , xn ] ∏ ( x − x j )
j =0

tel que Nn−1 ( x ) est un polynôme de degré (n − 1) dont les coefficients sont les f [ x0 , . . . , xi ] pour 0 ≤ i ≤
n − 1.

Remarque 3 Les points de collocation ne doivent pas forcément être placés en ordre croissant des
abscisses.

Remarque 4 En vertu de l’unicité du polynôme d’interpolation d’un certain degré, l’interpolation par la
formule de Lagrange et celle par la formule de Newton doivent aboutir au même polynôme.

4/7
Le calcul des différences divisées se fait aussi d’une manière récursive selon le schéma suivant :

x0 f ( x0 )
f [ x0 , x1 ]
x1 f ( x1 ) f [ x0 , x1 , x2 ]
f [ x1 , x2 ]
x2 f ( x2 )
.. .. .. ..
. . . . f [ x0 , x1 , x2 , . . . , xn−2 , xn−1 , xn ]
x n −2 f ( x n −2 )
f [ x n −2 , x n ]
x n −1 f ( x n −1 ) f [ x n −2 , x n −1 , x n ]
f [ x n −1 , x n ]
xn f ( xn )

Algorithme 1 Différence divisées

Input: n point ( xi , f ( xi ))
Output: Le vecteur des différences divisées d = (d0 , . . . , dn )
1: pour i de 0 à n faire
2: di ← f ( xi )
3: fin pour
4: pour i de 1 à n faire
5: pour j de n à i faire
d j − d j −1
6: dj ←
x j − x j −1
7: fin pour
8: fin pour
9: return d

Considérant les points de collocation (0, 1), (1, 2), (2, 9) et (3, 28), les différences divisées peuvent être
présentées dans le tableau suivant :

xi f [ xi ] f [ x i , x i +1 ] f [ x i , x i +1 , x i +2 ] f [ x0 , x1 , x2 , x3 ]
0 1
1
1 2 3
7 1
2 9 6
19
3 28

Ainsi le polynôme d’interpolation de Newton s’écrit :

N ( x ) = 1 + 1( x − 0) + 3( x − 0)( x − 1) + 1( x − 0)( x − 1)( x − 2)
= x3 + 1
Exercice 5
Calculer les différences divisées nécessaire pour l’interpolation des points (0, 1.5), (1, 1.2), (2, 1.3),
(3, 2.3) et (4, 0.6)

5/7
L’évaluation d’un polynôme d’interpolation de Newton peut se faire par la méthode dite de Horner :

Algorithme 2 Méthode de Horner

Input: une valeur approchée de f ( x )
Output: Le vecteur des différences divisées d = (d0 , . . . , dn )
1: val ← dn
2: pour i de n − 1 à 0 faire
3: val ← di + ( x − xi ) × val
4: fin pour
5: return val

Exercice 6
Déterminer le polynôme d’interpolation de Newton pour les points (0, 1.5), (1, 1.2), (2, 1.3), (3, 2.3) et
(4, 0.6)

Exercice 7
Un cas particulier intéressant de la formule d’interpolation de Newton se présente lorsque les points
d’interpolation xi sont également distants, c’est-à-dire lorsque : xi+1 − xi = h. Obtenir l’expression des
premières, deuxièmes et troisièmes différences divisées dans ce cas précis. Donner un aperçu de ce que
pourraient être les autres différences divisées.

4 Erreur d’interpolation

On considère pn ( x ) un polynôme d’interpolation de degré n d’une fonction f ( x ), tels que les points de
collocation sont {( xi , f ( xi ))}in=0 . On écrit l’erreur d’interpolation de f par pn comme suit

En = f ( x ) − pn ( x )

Cette erreur est nulle aux points de collocation puisque le polynôme passe exactement par ces points. On
suppose de plus que les données des points {( xi , f ( xi ))}in=0 sont exactes, ce qui n’est pas toujours le cas.
En effet, si ces données proviennent de mesures expérimentales, elles peuvent être entachées d’une erreur
de mesure.

Théoréme 5 Soit x0 < x1 < x2 < · · · < xn , les abscisses des points de collocation. On suppose que la
fonction f ( x ) est définie dans l’intervalle [ x0 , xn ] et qu’elle est (n + 1) fois dérivable dans ] x0 , xn [. Alors,
pour tout x dans l’intervalle [ x0 , xn ], il existe ξ x ∈] x0 , xn [ tel que :

f ( n +1) ( ξ x )
En = ( x − x0 )( x − x1 ) . . . ( x − xn )
( n + 1) !

Remarque 5 1. La fonction a priori inconnue f ( x ) apparaît dans l’expression de l’erreur par

l’intervention de sa dérivée d’ordre (n + 1) évaluée au point ξ x , également inconnu, qui varie avec
x et qui est généralement difficile de déterminer.
2. Puisque le terme d’erreur en un point x fait intervenir des coefficients de la forme ( x − xi ), il est
intéressant de choisir les points xi qui sont situés le plus près possible de x. Ce choix est utile
lorsqu’un grand nombre de points de collocation sont disponibles et qu’il n’est pas nécessaire
de construire un polynôme passant par tous les points. On retient alors seulement les points de
collocation les plus près de x de manière à minimiser l’erreur.

6/7
 3. La fonction ( x − x0 )( x − x1 ) . . . ( x − xn ) est un polynôme de degré (n + 1) et possède donc les
(n + 1) racines réelles (xi pour i = 0, 1, . . . , n). Dans certaines conditions, cette fonction peut
osciller avec de fortes amplitudes, d’où le risque de grandes erreurs d’interpolation. Cette propriété
fait en sorte qu’il est délicat d’effectuer des interpolations en utilisant des polynômes de degré élevé.

Théoréme 6 Dans le cas où les abscisses xi des points de collocation sont équidistantes tel que xi+1 −
xi = h, l’expression analytique de l’erreur d’interpolation s’écrit :

f ( n +1) ( ξ )
En = s(s − 1)(s − 2) . . . (s − n)hn+1
( n + 1) !
x − x0
pour s = h et ξ x ∈] x0 , xn [.

Remarque 6 D’après l’expression analytique de l’erreur d’interpolation, pn ( x ) est une approximation

d’ordre (n + 1) de la fonction f ( x ). Aussi, si on prend des points de collocation situés à une distance 2h les
uns des autres, l’erreur d’interpolation sera diminuée d’un facteur de 2n+1 .

Exercice 8
Soit les points suivants :

x 0.0 1.0 2.0 3.0 4.0

f(x) 0.0 2.0 36.0 252.0 1040.0
1. Obtenir le polynôme de Lagrange passant par les 3 premiers points
2. Obtenir le polynôme de Lagrange passant par les 4 premiers points. Est-ce possible d’utiliser les
calculs faits en 1 ?
3. Donner l’expression analytique de l’erreur pour les polynômes obtenus en 1 et 2
4. Obtenir des approximations de f (1.5) à l’aide des 2 polynômes obtenus en 1 et 2

Exercice 9
Refaire l’exercice précédent en utilisant la méthode de Newton. Donner en plus des approximations des
erreurs commises en 4

Exercice 10 √
Soit la fonction définie par f ( x ) = 3 x.

1. Construire la table des différences divisées à partir des données : {( xi , f ( xi ))}4i=0 , avec x0 = 0,
x1 = 1, x2 = 8, x3 = 27, x4 = 64
2. Écrire le polynôme d’interpolation de Newton de f , noté N4 . Calculer Ni (20) pour i = 1, 2, 3, 4 et
comparer à f (20)
3. Écrire l’erreur d’interpolation E4 ( x ) = f ( x ) − N4 ( x ). Peut-on majorer E4 (20) sur l’intervalle
considéré ? Expliquer les résultats de la question précédente

7/7