Applications des mathématiques

Interpolation

1.5

1.0

0.5

-1.0 -0.5 0.5 1.0

-0.5

Version pour Mathematica

Edition 2017
Marcel Délèze
https://www.deleze.name/marcel/sec2/applmaths/csud/index.html

Printed by Wolfram Mathematica Student Edition

2 1-Interpolation.nb

§1 Interpolation
§ 1.1 Interpolation polynomiale

Notion d'interpolation
On donne une tabelle de valeurs numériques

x 1 2 3 4
y 1.9 2.3 3.1 2.8

Interpoler signifie "calculer des valeurs intermédiaires", par exemple: quelle valeur y correspond à
x = 2.7?
Graphiquement, la situation se présente comme suit
ListPlot[{{1, 1.9}, {2, 2.3}, {3, 3.1}, {4, 2.8}}, PlotRange → {{0, 5}, {0, 4}},
tracé de liste zone de tracé
PlotStyle → {PointSize[0.03]}, AxesLabel → {"x", "y"}]
style de tracé taille des points titre d'axe
y
4

x
0 1 2 3 4 5

Une méthode simple (mais pas forcément la meilleure) consiste à effectuer une interpolation linéaire
par morceaux, c'est-à-dire à joindre les points par des segments de droite:
ListLinePlot[{{1, 1.9}, {2, 2.3}, {3, 3.1}, {4, 2.8}}, PlotRange → {{0, 5}, {0, 4}}]
tracé de liste de ligne zone de tracé
4

0 1 2 3 4 5

Printed by Wolfram Mathematica Student Edition

 1-Interpolation.nb 3

La fonction affine par morceaux qui passe par les points donnés est appelée interpolant. Pour
x = 2.7, on obtient ainsi y = 2.86 (la méthode de calcul sera présentée ci-dessous).
Une autre méthode (qui semble meilleure mais dont la valeur reste à discuter) consiste à effectuer
une interpolation cubique, c'est-à-dire à faire passer par les 4 points donnés un polynôme de degré
≤3

0 1 2 3 4 5

Le polynôme de degré ≤ 3 qui passe par les points donnés est appelée interpolant. Pour x = 2.7, on
obtient ainsi y = 2.907 (la méthode de calcul sera étudiée ci-après).
Selon l'interpolant choisi, on obtient des réponses différentes. Dans ce chapitre, nous présentons
des procédés généraux pour construire des fonctions d'interpolation qui sont au fondement de
nombreuses méthodes numériques.

Calcul de l'interpolant
Forme matricielle d'un système linéaire
Nous verrons que le calcul consiste essentiellement en un système d'équations linéaires. Il est
avantageux d'exprimer les systèmes linéaires sous forme matricielle. Par exemple, le système
d'équations
3 x -5 y +2 z = 8
x +3 y -z = 5
2 x -y +3 z = -2
peut aussi s'écrire sous la forme suivante, appelée forme matricielle
3 -5 2 x 8
1 3 -1 y = 5
2 -1 3 z -2
Nous mettons à profit cette forme pour résoudre efficacement le système avec Mathematica. Le
tableau des coefficients des inconnues est appelé matrice du système linéaire:
m = {{3, - 5, 2}, {1, 3, - 1}, {2, - 1, 3}}; MatrixForm[m]
apparence matricielle
3 -5 2
1 3 -1
2 -1 3

Printed by Wolfram Mathematica Student Edition

4 1-Interpolation.nb

Le vecteur-colonne suivant est appelé membre de droite du système

y = {8, 5, - 2}; MatrixForm[y]
apparence matricielle
8
5
-2

Donné sous cette forme, Mathematica nous donne la solution du système

{x, y, z} = LinearSolve[m, y]
résous équation linéaire
131 517
 ,- ,- 
35 7 5

Interpolation linéaire par morceaux

Détaillons les calculs relatifs aux exemples donnés sous "Notion d'interpolation". Dans le cas de
l'interpolation linéaire par morceaux, deux points consécutifs sont les extrémités d'un segment de
droite

x 2 t 3
y 2.3 g(t) 3.1

g(t) est la fonction affine appelée interpolant ou fonction d'interpolation

g (t) = c0 + c1 t
dont il faut déterminer les coefficients c0 et c1 .
L'interpolant doit passer par les deux points donnés:
g (2) = 2.3 et g (3) = 3.1
c0 + c1 2 = 2.3 et c0 + c1 3 = 3.1
Les conditions précédentes constituent un système d'équations linéaires que nous récrivons sous la
forme matricielle
1 2 c 2.3
   0 =  
1 3 c1 3.1
Résolvons le système avec Mathematica
m = {{1, 2}, {1, 3}}; MatrixForm[m]
apparence matricielle

1 2
1 3

y = {2.3, 3.1}; MatrixForm[y]

apparence matricielle

 2.3 
3.1

c = LinearSolve[m, y]; MatrixForm[c]

résous équation linéaire apparence matricielle

 0.7 
0.8

Printed by Wolfram Mathematica Student Edition

 1-Interpolation.nb 5

Clear[g, t];
efface
g[t_] := 0.7 + 0.8 t;
g[2.7]
2.86

Les fonctions suivantes sont appelées fonctions de base:

b0 (t) = 1; b1 (t) = t;
La fonction d'interpolation est une combinaison linéaire des fonctions de base
g (t) = c0 b0 (t) + c1 b1 (t)
Clear[b, g, t];
efface
b[t_] = {1, t};
g[t_] = c.b[t]
0.7 + 0.8 t

Interpolation cubique
Dans le cas de l'interpolation cubique, le polynôme du troisième degré doit passer par les quatre
points donnés

x 1 2 t 3 4
y 1.9 2.3 g(t) 3.1 2.8

L'interpolant est le polynôme g(t) de degré ≤ 3

g (t) = c0 + c1 t + c2 t2 + c3 t3
L'interpolant doit passer par les quatre points donnés:
g (1) = 1.9 , g (2) = 2.3, g (3) = 3.1 , g (4) = 2.8
2 3
c0 + c1 1 + c2 1 + c3 1 = 1.9 , c0 + c1 2 + c2 2 + c3 23 = 2.3, 2

c0 + c1 3 + c2 32 + c3 33 = 3.1 , c0 + c1 4 + c2 42 + c3 43 = 2.8
Les conditions précédentes constituent un système d'équations linéaires que l'on récrit sous la
forme matricielle
1 1 1 1 c0 1.9
1 2 4 8 c1 2.3
=
1 3 9 27 c2 3.1
1 4 16 64 c3 2.8
La résolution du système avec Mathematica nous donne
m = {{1, 1, 1, 1}, {1, 2, 4, 8}, {1, 3, 9, 27}, {1, 4, 16, 64}}; MatrixForm[m]
apparence matricielle
1 1 1 1
1 2 4 8
1 3 9 27
1 4 16 64

Printed by Wolfram Mathematica Student Edition

6 1-Interpolation.nb

y = {1.9, 2.3, 3.1, 2.8}; MatrixForm[y]

apparence matricielle
1.9
2.3
3.1
2.8

c = LinearSolve[m, y]; MatrixForm[c]

résous équation linéaire apparence matricielle
3.4
- 2.95
1.7
- 0.25

Clear[g, t];
efface
g[t_] := 3.4 - 2.95 t + 1.7 t2 - 0.25 t3 ;
g[2.7]
2.90725

Les fonctions suivantes sont appelées fonctions de base:

b0 (t) = 1; b1 (t) = t; b2 (t) = t2 ; b3 (t) = t3
La fonction d'interpolation est une combinaison linéaire des fonctions de base
g (t) = c0 b0 (t) + c1 b1 (t) + c2 b2 (t) + c3 b3 (t)
Clear[b, g, t];
efface
b[t_] = 1, t, t2 , t3 ;
g[t_] = c.b[t]
3.4 - 2.95 t + 1.7 t2 - 0.25 t3

pts = Transpose[{Range[1, 4], y}];

transposée plage
Plot[g[t], {t, 0, 4.5}, PlotRange → {{0, 5}, {0, 4}},
tracé de courbes zone de tracé
Epilog → {PointSize[0.03], Map[Point, pts]}]
épilogue taille des points app⋯point
4

0 1 2 3 4 5

Printed by Wolfram Mathematica Student Edition

 1-Interpolation.nb 7

Calcul de l'interpolant avec Mathematica

Mathematica peut nous donner directement l'interpolant:
? InterpolatingPolynomial
InterpolatingPolynomial[data, var] renvoie un polynôme de la variable
var qui donne un ajustement exact pour une liste de données. Le format
des données peut être {{x1, f1}, {x2, f2}, ... } ou {f1, f2, ... }. Dans
le second cas, les xi ont les valeurs 1, 2, ... . Les fi peuvent être
remplacées par {fi, dfi, ddfi, ... }, spécifiant les dérivées aux points xi.

Dans le cas de l'interpolation linéaire par morceaux:

pts = {{2, 2.3}, {3, 3.1}};
Clear[g, t];
efface
g[t_] = InterpolatingPolynomial[pts, t];
polynôme d'interpolation
Expand[g[t]]
développe

0.7 + 0.8 t

g[2.7]
2.86

Dans le cas de l'interpolation cubique:

pts = {{1, 1.9}, {2, 2.3}, {3, 3.1}, {4, 2.8}};
Clear[g, t];
efface
g[t_] = InterpolatingPolynomial[pts, t];
polynôme d'interpolation
Expand[g[t]]
développe

3.4 - 2.95 t + 1.7 t2 - 0.25 t3

g[2.7]
2.90725

Le problème d'interpolation
Enoncé du problème d'interpolation 1-1
Sont donnés n points
(x0 , y0 ), (x1 , y1 ), ..., (xn-1 , yn-1 ) d' abscisses distinctes x0 < x1 < ... < xn-1 .
Déterminez le polynôme g de degré ≤ (n - 1) passant par ces points, c'est-à-dire
g (x0 ) = y0 , g (x1 ) = y1 , ..., g (xn-1 ) = yn-1 .

Proposition 1-1
Le problème d'interpolation 1-1 possède une et une seule solution g.

Printed by Wolfram Mathematica Student Edition

8 1-Interpolation.nb

Démonstration de l'existence du polynôme d'interpolation g

Dans l'exercice 1.2-1, nous prouverons l'existence du polynôme d'interpolation. L'existence découle
du fait que le système d'équations que l'on obtient possède au moins une solution.

Démonstration de l'unicité du polynôme d'interpolation g

Soient g1 , g2 deux solutions du problème d'interpolation.
Définissons d(x) = g2 (x) - g1 (x).
d est un polynôme de degré ≤ ( n - 1) qui s'annule en n abscisses distinctes
d (x0 ) = g2 (x0 ) - g1 (x0 ) = y0 - y0 = 0,
d (x1 ) = g2 (x1 ) - g1 (x1 ) = y1 - y1 = 0,
...
d (xn-1 ) = g2 (xn-1 ) - g1 (xn-1 ) = yn-1 - yn-1 = 0.
Par conséquent, d est divisible par (x - x0 ), (x - x1 ), ..., (x - xn-1 ) donc
d (x) = (x - x0 ) (x - x1 ) ... (x - xn-1 ) q (x) où q est un polynôme.
Si q ≠ 0, alors degré(d) ≥ n; or degré(d) ≤ ( n - 1) , donc q = 0.
Finalement, d =0 et g 1 = g2 . ■

Exercice 1.1 - 1 [sans ordinateur]

Les points suivants étant donnés
M0 (-1, 2), M1 (1, -1), M2 (2, 3), M3 (5, -7),
calculez, par interpolation linéaire les ordonnées qui correspondent à t = 1.3 et t = 3.2

Exercice 1.1 - 2 [avec Mathematica]

Déterminez le polynôme de degré ≤ 3 qui passe par les quatre points suivants
M0 (-1, 2), M1 (1, -1), M2 (2, 3), M3 (5, -7)

Exercice 1.1 - 3 [sans ordinateur]

Déterminez le polynôme de degré ≤ 3 qui passe par les quatre points suivants
M0 (-1, 2), M1 (1, -1), M2 (2, 3), M3 (5, -7)
Prescription d'exercice : écrivez le polynôme cherché comme combinaison linéaire des fonctions de
base suivantes :
{1, t - x0 , (t - x0 ) (t - x1 ), (t - x0 ) (t - x1 ) (t - x2 )}
Quel avantage obtient-on en ayant choisi ces fonctions de base ?
Résolvez le système d'équations et écrivez explicitement la solution g.

Printed by Wolfram Mathematica Student Edition

 1-Interpolation.nb 9

§ 1.2 Interpolation trigonométrique

On donne une tabelle de valeurs numériques qui représente la température moyenne journalière en
un lieu imaginaire

t Début janvier Fin mars Mi-juin Mi-septembre

y -3 5 15 8

Interpoler signifie "calculer des valeurs intermédiaires", par exemple: quelle est la température
moyenne journalière au début du mois d'août ?
Numérotons les 365 jours de l'année de 0 à 364:
119
120
150
151
180
181
211
212
242
243
272
273
303
304
333
334
364
30
31
58
59
89
90
0

30 septembre

30 novembre

31 décembre
1 septembre

1 novembre

1 décembre
31 octobre
31 janvier

28 février

1 octobre
1 janvier

31 juillet
1 février

31 mars

31 août
30 avril

1 juillet
1 mars

31 mai

30 juin

1 août
1 avril

1 mai

1 juin

Ainsi, le temps sera exprimé en jours (unité d = day).

t [d] 0 89 166 258

y [°C] - 3 5 15 8

Montrons d'abord qu'il n'est pas judicieux d'interpoler par un polynôme car le climat est un
phénomène cyclique.
pts = {{0, - 3.}, {89, 5.}, {166, 15.}, {258, 8.}};
Clear[g, t];
efface
g[t_] = InterpolatingPolynomial[pts, t];
polynôme d'interpolation
Expand[g[t]]
développe

- 3. - 0.0151272 t + 0.00168343 t2 - 5.65713 × 10-6 t3

Plot[g[t], {t, 0, 365}, PlotRange → All]

tracé de courbes zone de tracé tout
20

50 100 150 200 250 300 350

-20

-40

-60

Printed by Wolfram Mathematica Student Edition

10 1-Interpolation.nb

Le climat étant un phénomène cyclique, la température au 31 décembre doit être proche de celle du
premier janvier. Le premier jour de l'année suivante, la température devrait être de -3 °C, ce qui est
loin d'être le cas
g[365]
- 59.3369

Il faut interpoler par des fonctions périodiques dont la période est un sous-multiple de 365 jours,
365 365
c'est-à-dire 365, 2
, 3 , ...
Choisissons comme fonctions de base
2π 2π 4π
b0 (t) = 1; b1 (t) = cos t ; b2 (t) = sin t ; b3 (t) = cos t
365 365 365
La fonction d'interpolation est
g (t) = c0 b0 (t) + c1 b1 (t) + c2 b2 (t) + c3 b3 (t) =
2π 2π 4π
c0 + c1 cos t + c2 sin t + c3 cos t
365 365 365
Les conditions à remplir sont
g (0) = -3 , g (89) = 5, g (166) = 15 , g (258) = 8
2π 2π 4π
c0 + c1 cos 0 + c2 sin 0 + c3 cos
0 = -3 ,
365 365
365
2π 2π 4π
c0 + c1 cos 89 + c2 sin 89 + c3 cos 89 = 5,
365 365 365
2π 2π 4π
c0 + c1 cos 166 + c2 sin 166 + c3 cos 166 = 15 ,
365 365 365
2π 2π 4π
c0 + c1 cos 258 + c2 sin 258 + c3 cos 258 = 8
365 365 365
Le système d'équations est linéaire. Écrivons-le sous la forme matricielle
1 1 0 1
c0 -3
1 cos  365  sin  365  cos  356
178 π 178 π π

365 c1 5
=
1 cos  332
365
π
 sin  332
365
π
 cos  664
365
π
 c2 15
c3 8
1 cos  516
365
π
 sin  516
365
π
 cos  1032
365
π


Résolvons le système avec Mathematica

Clear[b, t]; x = {0, 89, 166, 258};
efface
2π 2π 4π
b[t_] = 1, Cos t, Sin t, Cos t;
365
cosinus sinus 365 365
cosinus

m = Map[b, x]; MatrixForm[m]

applique apparence matricielle
1 1 0 1
1 Sin 9 π  Cos 9 π  - Cos 9 π 
730 730 365
1 - Cos 33 π  Sin 33 π  Cos 66 π 
365 365 365
1 - Sin 63 π  - Cos 63 π  - Cos 63 π 
730 730 365

Printed by Wolfram Mathematica Student Edition

 1-Interpolation.nb 11

MatrixForm[N[m]]
apparence m⋯ valeur numérique
1. 1. 0. 1.
1. 0.0387223 0.99925 - 0.997001
1. - 0.959933 0.280231 0.842942
1. - 0.267814 - 0.963471 - 0.856551

Les coefficients de la matrice sont des valeurs numériques; aussi, la résolution du système ne
présente pas de difficulté particulière.
y = {- 3., 5., 15., 8.}; MatrixForm[y]
apparence matricielle
- 3.
5.
15.
8.

c = LinearSolve[m, y]; MatrixForm[c]

résous équation linéaire apparence matricielle
5.81979
- 9.22485
- 0.0587724
0.405065

Clear[g, t];
efface
g[t_] = c.b[t];
g[t]
2πt 4πt 2πt
5.81979 - 9.22485 Cos  + 0.405065 Cos  - 0.0587724 Sin 
365 365 365

Plot[g[t], {t, 0, 365 * 2}]

tracé de courbes

15

10

100 200 300 400 500 600 700

La fonction est périodique

g[0]
- 3.

g[365]
- 3.

La température au début du mois d'août sera donc, en degrés Celsius,

Printed by Wolfram Mathematica Student Edition

12 1-Interpolation.nb

g[212]
14.1226

Printed by Wolfram Mathematica Student Edition

 1-Interpolation.nb 13

§ 1.3 Interpolation (généralisation)

Enoncé du problème
On donne
x0 , x1 , ..., xn-1 des abscisses distinctes p ≤ xj ≤ q
y0 , y1 , ..., yn-1 des ordonnées quelconques;
b0 , b1 , ..., bn-1 des fonctions de base
bj
[p, q] →  , j = 0, 1, ..., n - 1
On cherche une fonction d'interpolation
g = c0 b0 + c1 b1 + ... + cn-1 bn-1
telle que
g (x0 ) = y0 , g (x1 ) = y1 , ..., g (xn-1 ) = yn-1

Calcul
g (x0 ) = y0 , g (x1 ) = y1 , ..., g (xn-1 ) = yn-1
c0 b0 (x0 ) + c1 b1 (x0 ) + ... + cn-1 bn-1 (x0 ) = y0
c0 b0 (x1 ) + c1 b1 (x1 ) + ... + cn-1 bn-1 (x1 ) = y1
...
c0 b0 (xn-1 ) + c1 b1 (xn-1 ) + ... + cn-1 bn-1 (xn-1 ) = yn-1
Le système d'équations peut s'écrire sous forme vectorielle
b0 (x0 ) b1 (x0 ) bn-1 (x0 ) y0
b0 (x1 ) b1 (x1 ) bn-1 (x1 ) y1
c0 + c1 + ... + cn-1 =
... ... ... ...
b0 (xn-1 ) b1 (xn-1 ) bn-1 (xn-1 ) yn-1
Il s'agit de résoudre un système de n équations à n inconnues :
b0 (x0 ) b1 (x0 ) ... bn-1 (x0 ) c0 y0
b0 (x1 ) b1 (x1 ) ... bn-1 (x1 ) c1 y1
=
... ... ... ... ... ...
b0 (xn-1 ) b1 (xn-1 ) ... bn-1 (xn-1 ) cn-1 yn-1

Hypothèses
La matrice est régulière. En particulier, ses vecteurs-colonnes sont linéairement indépendants et
constituent une base de ℝn
b0 (x0 ) b1 (x0 ) bn-1 (x0 )
b0 (x1 ) b1 (x1 ) bn-1 (x1 )
e0 = , e1 = , ..., en-1 =
... ... ...
b0 (xn-1 ) b1 (xn-1 ) bn-1 (xn-1 )
Notre problème consiste à exprimer le vecteur 
y dans la base  e0 , e1 , ..., en-1 , c'est-à-dire à
déterminer les coefficients { c0 , c1 , ..., cn-1 } tels que
y0
y1
c0 e0 + c1 e1 + ... + cn-1 en-1 =
y où 
y=
...
yn-1

Printed by Wolfram Mathematica Student Edition

14 1-Interpolation.nb

Échantillonnage (ou discrétisation ou "digitalisation")

Pour n'importe quelle fonction (dont on ne connaît pas forcément l'expression analytique)
f : [p, q] → 
on définit l'opération d'échantillonnage ou de discrétisation comme suit
f (x0 )
f (x1 )
discr (f) :=
...
f (xn-1 )
où { x0 , x1 , ... , xn-1 } sont les abscisses de l'échantillonnage. Par exemple, le vecteur donné
y0
y1
...
yn-1
pourrait être l'échantillonnage d'une certaine fonction f

y = discr (f)
que l'on désire interpoler avec les fonctions { b0 , b1 , ..., bn-1 }. (Ce point de vue sera développé
dans le § 3.)
Avec la notation précédente, les vecteurs-colonnes de la matrice prennent la forme

ek = discr (bk ) pour k = 0, 1, ..., n - 1

Exemple
Interpolation polynomiale
b0 (t) = 1, b1 (t) = t, b2 (t) = t2 , ..., bn-1 (t) = tn-1
1 x0 x20 ... xn-1
0 c0 y0
1 x1 x21 ... xn-1
1 c1 y1
=
... ... ... ... ... ... ...
1 xn-1 x2n-1 ... xn-1
n-1
cn-1 yn-1

Printed by Wolfram Mathematica Student Edition

 1-Interpolation.nb 15

Exercice 1.2 - 1 [sans ordinateur]

De la proposition 1-1 découle l'existence du polynôme d'interpolation de degré ≤ (n - 1).
En généralisant la méthode de l'exercice 1.1-3, démontrez l'existence de g.
Indications: Il suffit de démontrer que le système d'équations est régulier. Plus précisément ici,
montrez que le système est triangulaire et que les coefficients diagonaux sont non nuls.

Exercice 1.2 - 2 [avec Mathematica]

Déterminez une fonction périodique de période 7 qui passe par les points suivants
M0 (-1, 2), M1 (1, -1), M2 (3, -3), M3 (5, 0)
Indication: Choisissez les fonctions de base suivantes
2π 2π 4π
b0 (t) = 1; b1 (t) = cos t ; b2 (t) = sin t ; b3 (t) = cos t
7 7 7

Lien vers les corrigés des exercices

https://www.deleze.name/marcel/sec2/applmaths/csud/corriges/interpolation/1-interpolation-cor.pdf

Printed by Wolfram Mathematica Student Edition