Chapitre 4

Approximation polynomiale
des fonctions

4.1 Approximation polynomiale des fonctions

D’une facon un peu générale, l’approximation polynomiale tente de répondre
au problème suivant, à la base même du calcul scientifique : étant donné une
fonction f calculable, mais ”compliquée”, comment la remplacer par une
fonction f˜ plus ”simple”, tout en restant proche de f ?
On dira qu’une fonction est ”simple” s’il suffit de connaı̂tre un ”petit”
nombre de paramètres pour la connaı̂tre en chacun de ses points. Ainsi,
une courbe sismique ou la trajectoire des particule émises par un moteur
d’avion pourront être considérées comme des fonctions très compliquées,
tandis qu’un polynôme (de degré n pas trop grand) sera vu comme une
fonction particulièrement simple.

Notations
on désignera par Pn l’espace vectoriel des fonctions polynômes sur R à
coefficients réels, de degré inférieur ou égal à n. On a donc dimPn = n + 1.
Par ailleurs, si f est une fonction définie sur un intervalle [a, b] ⊂ R à valeurs
dans R ou C, la norme uniforme de f sur [a, b] sera notée

kf ks = sup |f (x)|.
x∈[a,b]

4.2 Méthode d’Interpolation de Lagrange

Soit f une fonction continue sur [a, b]. On se donne n + 1points x0 , x1 , · ·
·xn dans [a, b], deux à deux distincts non nécessairement rangés par ordre
croissant.

29
 Page 30

Problème : Existe-t-il un polynôme pn ∈ Pn tel que

pn (xi ) = f (xi ), ∀i = 0, · · · , n?

Lemma 4.2.1 Soit n ≥ 0 un entier. Il existe des polynômes Lk ∈ Pn avec

k = 0, · · · , n tels que

Lk (xi ) = δik , ∀i, k = 0, · · · , n.

De plus
n
X
pn (x) = Lk (x)f (xk )
k=0

est l’unique solution à notre problème.

Preuve : Soit k ∈ {0, 1, · · · , n} fixé. Le polynôme Lk doit avoir n racines

{xi , i = 0, · · · n, i =
6 k}. Ainsi Lk est de la forme

Lk (x) = Ck Πni=0i6=k (x − xi )

où Ck est une constante rélle à determiner. Puisque Lk (xk ) = 1, on obtient

1
Ck = Q n .
i=0i6=k (xk − xi )

On montre facilement que f (xi ) = pn (xi ) et pn ∈ Pn .

L’unicité : Soit qn ∈ Pn un autre polynôme solution de notre problème.
Alors qn (xi ) = f (xi ) = pn (xi ) et les xi , i = 0, · · · , n sont les racines du
polynôme qn − pn qui est un polynôme de Pn . On en deduit que pn − qn = 0.

Definition 4.2.1 Le polynôme pn ainsi défini au Lemme 4.2.1 appelé po-

lynôme d’interpolation de Lagrange de la fonction f aux points x0 , x1 , · · ·xn .

Exo1 :Dans une étude réalisée au début des années 2000, des économistes
de la santé avaient prévu une hausse du marché des médicaments anticho-
lestérol. L’évolution du marché américain (en millions de dollars) pour ce
type de médicament, de 1999 à 2005, est consignée dans le tableau suivant :
Année 1999 00 01 02 03 05
Marché 12.19 14.07 16.21 18.28 20 23.89
1)quelle était la valeur du march—’e des médicaments en 2004 ?
2) Certains economistes proposent le modèle suivant : M (t) = 1.95t + 12.19.
Comparer le résultat de la première question. Quel est le taux de variation
de la valeur du marché de ce médicament sur la periode de 19-05 ?

Analyse Numérique M. Mbehou UY1

 Page 31

4.2.1 Erreur d’interpolation

Theorem 4.2.1 On suppose que f est n + 1 fois dérivable sur [a, b]. Alors
pour tout x ∈ [a, b], il existe un point ψx ∈ (min(x, xi ), max(x, xi )) tel que
1
f (x) − pn (x) = Πn+1 (x)f (n+1) (ψx ),
(n + 1)!
avec
n
Y
Πn+1 (x) = (x − xj ).
j=0

Pour démontrer ce théorème, on utilise :

Lemma 4.2.2 On suppose que g est p fois dérivable sur [a, b]. On suppose
qu’il existe p + 1 points c0 < · · · cp de [a, b] tels que g(ci ) = 0. Alors il existe
ψ ∈ (c0 , cp ) tel que g(p) (ψ) = 0
Proof : Pour p = 1, on utilise le lemme de Rolles pour conclure. Supposons le
lemme démontré pour p − 1. Le lemme de Rolles donne une suite des points
γ0 ∈ (c0 , c1 ), · · · , γp−1 ∈ (cp−1 , cp ) tels que g ′ (γi ) = 0. Par hypothèse de
récurrence, il existe ψ ∈ (γ0 , γp− ) ⊂ (c0 , cp ) tel que g ′p−1 (ψ) = 0 = g (p) (ψ).
Preuve du Théorème : Si x = xi , alors Πn+1 (xi ) = 0 et tout point ψx
convient.
Supposons x 6= xi . Soit pn+1 le polynôme d’interpolation de f aux points
x, x0 , · · · , xn de sorte que pn+1 Pn+1 . Par construction, f (x) − pn (x) =
pn+1 (x) − pn (x) et pn+1 − pn ∈ Pn+1 et s’annule en n + 1 points x0 , · · · , xn .
On a donc
pn+1 (t) − pn (t) = cΠn+1 (t), c ∈ R.
Considerons la fonction
g(t) = f (t) − pn+1 (t) = f (t) − pn (t) − cΠn+1 (t).
Cette fonction s’annule en n + 2 points x, x0 , · · · , xn donc d’après le Lemme
4.2.2, il existe ψx ∈ (min(x, xi ), max(x, xi )) tel que g (n+1) (ψx ) = 0. Or
(n+1)
p(n+1)
n = 0, Πn+1 = c(n + 1)!
1 (n+1) (ψ ),
Par conséquent c = (n+1)! f x d’où le résultat.
Corollaire :
1
kf − pn k ≤ kΠn+1 kkf (n+1) k.
(n + 1)!
Cette formule montre que la taille de l’erreur depend à la fois de la quqntité
kf (n+1) k qui peut être grande si f oscille trop vite, et de la quantité kΠn+1 k
qui est liée à la repartition des points xi dans l’intervalle [a, b].
Considerons la subdivision uniforme de l’intervalle [a, b] de pas h = b−a n .
Alors
xi = a + ih, 0 ≤ i ≤ n.

Analyse Numérique M. Mbehou UY1

 Page 32

Theorem 4.2.2 On suppose que f est n + 1 fois dérivable sur [a, b]. Alors
pour tout x ∈ [a, b]
hn+1
|f (x) − pn (x)| ≤ max |f (n+1) |.
n + 1 [x0 ,··· ,xn ]
Preuve : Pour x ∈ [a, b], effectuons le changement de variable
x = a + sh, s ∈ [0, n].
Q Q
Alors Πn+1 (x) = hn+1 nj=0 (s−j). Considerons la fonction φ(s) = | nj=0 (s−
j)|, on montre que max[0,n] φ = max[0,1] φ(s) ≤ n! (il faut montrer que φ est
periodique de periode n donc le max est atteint sur [0, n/2] et ensuite mon-
trer que φ(s − 1) > φ(s) pour tout 1 ≤ s ≤ n/2 pour conclure que le max
est dans [0, 1]).

4.3 Différences divisées et formules de Newton

Résumé : Le problème de l’interpolation consiste à chercher des fonc-
tions ”simples” (polynômes, polynômes par morceaux, poly trigonométriques,...)
passant par des points donnés (x0 , y0 ), · · · , (xn , yn ).
Différences divisées et FN : Etant donnés les n + 1 points (xi , yi ) avec
i = 0, · · · , n où les xi sont distincts mais pas nécessairement ordonnés. On
cherche p(x) un polynome de degré n qui satisfasse p(xi ) = yi , i = 0, · · · , n.
Cas n=1 le polynome de degré 1 passant par les points (x0 , y0 ) et (x1 , y1 )
est donné par
y1 − y0
p(x) = y0 + (x − x0 ) (∗)
x1 − x0
Cas n = 2 Pour obtenir un poly de degré 2 qui passe par les points (x0 , y0 ),
(x1 , y1 ) et (x2 , y2 ), on ajoute un terme de correction à (*) qui doit être zéro
aux points x0 et x1 ie
y1 − y0
p(x) = y0 + (x − x0 ) + a(x − x0 )(x − x1 )
x1 − x0
 
1 y2 −y1 y1 −y0
Le coefficient a s’obtient par p(x2 ) = y2 ie a = x2 −x 0 x2 −x1 − x1 −x0 .

Definition 4.3.1 (différences divisées) Pour (xi , yi ) donnés avec des xi

distincts, on définit
y[xi ] = yi
y[xj ] − y[xi ]
δy[xi , xj ] =
xj − xi
···
δn−1 y[xi1 , · · · , xin ] − δn−1 y[xi0 , · · · , xin−1 ]
δn y[xi0 , xi1 , · · · , xin ] =
x in − x i0

Analyse Numérique M. Mbehou UY1

 Page 33

Theorem 4.3.1 (formule de Newton) Le polynome d’interpolation de degré

qui passe par les n + 1 points (xi , yi ), i = 0, · · · , n où les xi sont distincts
est unique et est donné par

y[x0 ]+(x−x0 )δy[x0 , x1 ]+(x−x0 )(x−x1 )δ2 y[x0 , x1 , x2 ]+· · ·+(x−x0 ) · · · (x−xn−1 )δn y[x0 , · · · , xn ].

Preuve 4.3.1 A faire...

Exo Déterminer le polynome par la methode de Newton passant par les

points (0, 0), (1, 3), (3, 1), (5, 2), (8, 2).

4.3.1 Erreur d’interpolation

Supposons que les points (xi , yi ), i = 0, · · · , n soient sur le graphe d’une
fonction f : [a, b] → R.

Lemma 4.3.1 Si f est une fonction n fois dérivable et yi = f (xi ). Alors il

existe un ξ ∈ (min xi , max xi ) tel que

f n (ξ)
δn y[x0 , · · · , xn ] = .
n!
Preuve 4.3.2 Soit p(x) le polynome de degré n passant par les points (xi , yi ),
i = 0, · · · , n. On pose d(x) = f (x)−p(x). Par définition, d admet n+1 zéros
distincts xi i = 0, · · · , n. Comme d est n fois differentiable, on peut appli-
quer n fois le lemme de Rolle et on en déduit que d(n) admet un zéro dans
(min xi , max xi ). Notons par ξ ce zéro alors d(n) (ξ) = 0 ie f (n) (ξ)−p(n) (ξ) =
0. Or p(n) (x) = n!an et an = δn y[x0 , · · · , xn ] car δn y[x0 , · · · , xn ] est le coef-
ficient de xn dans p(x).

Theorem 4.3.2 Soit f : [a, b] → R (n + 1) fois différentiable. Soit p le

polynome de degré n passant par les points (xi , f (xi )), i = 0, · · · , n. Alors il
existe ξ ∈ (min xi , max xi ) tel que

f (n+1) (ξ)
f (x) − p(x) = (x − x0 )(x − x1 ) · · · (x − xn ) . (∗∗)
(n + 1)!

Preuve 4.3.3 Soit x ∈ R. Si x = xi alors c’est fini sinon fixons x = x̄ ∈

[a, b] avec x 6= xi . Considerons le polynome p̄ de degré n + 1 passant par
les points (xi , f (xi )), i = 0, · · · , n et (x̄, f (x̄)). Alors la formule de Newton
donne p̄(x) = p(x) + (x − x0 ) · · · (x − xn ))δn+1 y[x0 , · · · , xn , x̄] et d’après le
n+1 (ξ)
lemme, δn+1 y[x0 , · · · , xn , x̄] = f(n+1)! .

Analyse Numérique M. Mbehou UY1

 Page 34

4.3.2 Polynômes de Chebyshev

La formule (**) montre que l’erreur d’interpolation est un produit de la
(n + 1)ieme derivée de f évaluée en un poit avec l’expression (x − x0 ) · · · (x −
xn ) qui dépend de la subdivision {x0 , · · · , xn }
Problème : Chercher pour un n donné, la subdivision de [a, b] pour laquelle
L = maxx∈[a,b] |(x − x) ) · · · (x − xn )| est minimal.
Definition 4.3.2 (PC) Pour n = 0, 1, · · · , et pour x ∈ [−1, 1], on définit

Tn (x) = cos(n arccos x).

Proposition 4.3.1 1. Les fonctions Tn satisfont la relation de récurrence

T0 (x) = 1, Tn+1 (x) = 2xTn (x) − Tn−1 (x)

Par conséquent Tn est un polynome de degré n dont le coeff de xn est

2n−1 ie Tn (x) = 2n−1 xn + · · · .
2. |Tn (x)| ≤ 1 pour tout x ∈ [−1, 1].
3. Tn (cos( kπ k
n )) = (−1) pour k = 0, · · · , n.
4. Tn (cos( (2k+1)π
2n )) = 0 pour k = 0, · · · , n − 1.
5. Les polynomes Tn sont orthogonaux par rapport à la fonction poids
√ 1 ie.
1−x2

Z 1
1 π si n = m = 0

√ Tn (x)Tm (x)dx = π/2 si n = m 6= 0
−1 1 − x2 

0 si n 6= m.

Preuve 4.3.4 La propriété 1) est une conséquence directe de la formule

cos((n + 1)φ) + cos((n − 1)φ) = 2 cos φ cos nφ. (3∗)

Donc prendre φ = arccos x ie x = cos φ.

De même la propriété 5), si on pose x = cos φ, on a
Z 1 Z π
1
√ Tn (x)Tm (x)dx = cos(nφ) cos(mφ)dφ.
−1 1 − x2 0

Lemma 4.3.2 L = maxx∈[−1,1] |(x − x0 ) · · · (x − xn )| est minimale ssi

(x − x0 )(x − x1 ) · · · (x − xn ) = 2−n Tn+1 (x)

(2k + 1)π
ie. xk = cos( ) k = 0, · · · , n.
2n + 2
a+b b−a
En utilisant la transformation affine [−1, 1] → [a, b], x 7→ 2 + 2 x, on a
le résultat suivant.

Analyse Numérique M. Mbehou UY1

 Page 35

Theorem 4.3.3 L = maxx∈[a,b] |(x − x0 ) · · · (x − xn )| est minimale parmi

toutes les subdivisions {x0 , · · · , xn } de [a, b] ssi
a+b b−a (2k + 1)π
xk = + cos( ) k = 0, · · · , n.
2 2 2n + 2

4.4 Interpolation par fonctions splines

Soit {x0 , · · · , xn } une subdivision donnée de [a, b]. On se donne les points
(xi , yi ), i = 0, · · · , n. On cherche une fonction S : [a, b] → R satisfaisant les
conditions suivantes :
(S1) S(xi ) = yi , i = 0, · · · , n.
(S2) S(x) est de classe C 2 [a, b].
Rb
(S3) a (S ′′ (x))2 dx est minimale.

Theorem 4.4.1 Soit {x0 , · · · , xn } une subdivision donnée de [a, b]. Soit S :
[a, b] → R satisfaisant les conditions (S1) et (S2) et qui est un polynôme
de degré 3 sur chaque sous-intervalle [xi−1 , xi ] pour i = 1, · · · , n. Alors
pour tout fonction f : [a, b] → R satisfaisant les conditions (S1) et (S2) et
S”(b)(f ′ (b) − S ′ (b)) = S”(a)(f ′ (a) − S ′ (a)), on a
Z b Z b
′′ 2
(S (x)) dx ≤ (f ′′ (x))2 dx.
a a

Preuve 4.4.1 Chaque fonction vérifiant (S1) et (S2) peut s’ecrire sous la
forme f (x) = S(x) + εh(x) où ε ∈ R, h est une fonction de classe C 2 et
h(xi ) = 0, i = 0, · · · , n.
Rb Rb Rb
Montrer que a (S ′′ (x))2 dx ≤ a (f ′′ (x))2 dx revient à montrer que a (S ′′ (x))2 dx ≤
R b ′′ ′′ 2
a (S (x) + εhR (x)) dx ≡ (Sm). R Rb
b b
And Sm = a (S ′′ (x))2 dx + 2ε a S ′′ (x)h′′ (x)dx + ε2 a (h′′ (x))2 dx. Donc
Rb
il suffit de montrer que a S ′′ (x)h′′ (x)dx = 0. Ceci se fait en utilisant
l’intégration par parties et le fait que S ′′′ |[xi−1 ,xi ] = const.

Remarque 4.4.1 Le théorème montre que les candidats à la solution de

(S1) − −(S3) sont des fonctions de classe C 2 qui sont des polynômes de
degré 3 sur chaque sous intervalle [xi−1 , xi ] i = 1, · · · , n.

Definition 4.4.1 (Spline cubique) S : [a, b] → R s’appelle spline cubique

si elle est de classe C 2 et est un polynôme de degré 3 sur chaque sous inter-
valle [xi−1 , xi ] i = 1, · · · , n. On a :
– Spline naturel : S ′′ (a) = S ′′ (b) = 0.
– Spline scellé : On suppose donné les pentes aux extremités :
S ′ (a) = p0 , S ′ (b) = pn .
– Spline périodique : S ′ (a) = S ′ (b) et S ′′ (a) = S ′′ (b).

Analyse Numérique M. Mbehou UY1

 Page 36

4.4.1 Construction des splines

Interpolation d’Hermite
Considerons un seul sous intervalle [xi−1 , xi ]. On note hi = xi − xi−1 et
cherchons Si sur [xi−1 , xi ] un polynome de degré 3 vérifiant
Si (xi−1 ) = yi−1 , Si (xi ) = yi
Si′ (xi−1 ) = pi−1 , Si′ (xi ) = pi
Alors
Si (x) = yi−1 + (x − xi−1 )δy[xi , xi−1 ] (4∗)
(x − xi−1 )(x − xi )
+ ((pi − δy[xi , xi−1 ])(x − xi−1 ) + (pi−1 − δy[xi , xi−1 ])(x − xi )) .
h2i
Pour chaque choix des pentes p0 , · · · , pn , la fonction S : [a, b] → R définie
par S(x) = Si (x) pour tout x ∈ [xi−1 , xi ] satisfait
a) S(xi ) = yi , i = 0, · · · , n.
b) S(x) est de classe C 1 [a, b] et S ′ (xi ) = pi , i = 0, · · · , n.
c) Sur chaque sous intervalle [xi−1 , xi ], S(x) un polynome de degré 3.
Pour construire le spline interpolant, il reste à déterminer les pentes p0 , · · · , pn
à ce que S ′′ soit continue. ie
S”i (xi ) = S”i+1 (xi ) i = 1, · · · , n − 1. (5∗)
et qu’une des conditions du type de spline soit satisfaite.
En dérivant 2 fois (4*), on obtient
2
Si′′ (xi ) = (2pi + pi−1 − 3δy[xi , xi−1 ])
hi
2
Si′′ (xi−1 ) = (pi + 2pi−1 − 3δy[xi , xi−1 ])
hi
et la condition (5*) donne
 
pi−1 1 1 pi+1 δy[xi , xi−1 ] δy[xi+1 , xi ]
+ 2( + )pi + =3 +
hi hi hi+1 hi+1 hi hi+1
1 ≤ i ≤ n − 1.
Ce qui donne (n−1) équations avec (n+1) inconnues. Les 2 autres équations
sont données par le type de spline.
Exemple : Pour le spline scellé, les valeurs de p0 et pn sont explicitement
données et le systeme linéaire ainsi obtenu s’ecrit
Ap = C
où  
1 1 1 1
A = T ridiag , 2( + ), .
hi hi hi+1 hi+1
A est symétrique et tridiagonale.

Analyse Numérique M. Mbehou UY1

 Page 37

4.4.2 Erreur du spline

Theorem 4.4.2 (Erreur spline scellé) Soit f ∈ C 4 [a, b] et Soit {x0 , · · · , xn }
une subdivision donnée de [a, b]. Soit S le spline qui passe par les points
(xi , f (xi )) i = 0, · · · , n et qui satisfait S ′ (x0 ) = f ′ (x0 ) et S ′ (xn ) = f ′ (xn ).
Alors avec hi = xi+1 − xi et h = max hi , on a
5 4
|f (x) − S(x)| ≤ h max |f (4) (ξ)|
384 ξ∈[a,b]

Si de plus la subdivision est équidistante et f ∈ C 5 [a, b] alors

5 4
|f (x) − S(x)| ≤ h max |f (4) (ξ)| + f rach5 240 max |f (5) (ξ)|.
384 ξ∈[a,b] ξ∈[a,b]

Exercices :
Exo 1 : Calculer le poly d’interpolation passant par les points (0, 0) (1,3)
(3,1) (5,2) et (8,2).
Exo2 : 1) Montrer que la formule de quadrature
Z 1 s
f (x) πX (2k + 1)π
√ dx ≈ f (ck ), ck = cos( )
−1 1 − x2 s 2s
k=1

est exacte pour tout polynome de degré ≤ 2s − 1. Indication Utiliser les

polynomes de Chebyshev T0 (x), · · · , T2s−1 (x).
2) Effectuer le changement de variables x = cos t. A quelle formule de qua-
drature se ramène t-on ?
Exo3 : Calculer le spline naturel qui passe par les points (-3,0) (-2,0), (-1,0)
(0,1) (1,0) (2,0), (3,0). Indication pour des données symétriques par rapport
‘a x = 0, le spline naturel est une fonction paire.

Analyse Numérique M. Mbehou UY1