INTERPOLATION POLYNOMIALE

1 GÉNERALITÉS
Le problème de l’interpolation peut se poser dans plusieurs situations. Par
exemple:
1- Une fonction f n’est pas complètement définie. On connait simplement un
nombre fini de ses valeurs sur un intervalle [a, b], (par exemple des données
expérimentales) x1 , x2 , . . . , xn+1 supposés tels que:

a < x1 ≤ x2 ≤ . . . ≤ xn ≤ xn+1 < b

et les valeurs de f en ces points

f (x1 ) = y1 , f (x2 ) = y2 , . . . , f (xn ) = yn , f (xn+1 ) = yn+1

On peut alors vouloir déterminer une fonction ϕ, définie sur tout l’intervalle
[a, b] et constituant une certaine “approximation de f ” (dans un sens à
préciser). Il est alors souhaitable que ϕ(x) soit numériquement facile à
évaluer
2- f (x) est connu pour tout x, mais son évaluation numérique est complexe.
On peut alors vouloir déterminer une fois pour toutes un nombre fini de
valeurs
f (x1 ), f (x2 ), . . . , f (xn ), f (xn+1 )
et pour tout
x 6= x1 , x2 , . . . , xn , xn+1
approcher f (x) en fonction de ces valeurs.
Cadre général de l’interpolation: Chercher une fonction ϕ(appelé l’interpolant),
d’un type préalablement choisi qui interpole f sur [a, b], c’est déterminer cette
fonction ϕ telle que

ϕ(xi ) = f (xi ), i = 1, 2, . . . , n + 1 (1)

Cela signifie d’un point de vue géométrique, qu’il faut trouver une courbe
d’équation y = ϕ(x) et d’un type donné passant par le système de points

Mi = (xi , yi ) i = 1, 2, . . . , n + 1.

1
Le problème ainsi posé peut avoir une infinité de solutions ou ne pas avoir du
tout de solution. Cependant, il admet une solution et une seule si l’on cherche
non pas une fonction quelconque ϕ(x) mais un polynôme de degré inférieur ou
égal à n qui vé rifie (1) et est tel que:
Pn (x1 ) = y1 , Pn (x2 ) = y2 , ......, Pn (xn+1 ) = yn+1 .
Nous obtenons la formule d’interpolation:
y = ϕ(x).
Que nous utiliserons donc pour le calcul approché des valeurs de la fonction
donnée f (x) pour des valeurs de x différentes des points d’interpolation xi , i =
1, ...n + 1.
Remark 1 Si x ∈
/ [x1 ; xn+1 ] on parle d’une extrapolation.
Proposition 2 Si x1 , x2 , . . . , xn+1 sont (n + 1) points distincts de R et si
y1 , y2 , . . . , yn+1 sont (n + 1) réels, alors il existe un et un seul polynôme réel P
de degré inférieur ou égal à n tel que
Pn (x1 ) = y1 , Pn (x2 ) = y2 , ......, Pn (xn+1 ) = yn+1 .
Proof. Tout polynôme réel de degré inférieur ou égal à n s’écrit de manière
unique sous la forme
Pn (x) = a0 xn + a1 xn−1 + ... + an
l’ensemble R [X] de ces polynômes est donc un espace vectoriel réel de dimension
(n + 1). L’application
R [X] → Rn+1
 
P (x1 )
P 7→ 
 .. 
. 
P (xn+1 )
est linéaire et injective car un polynôme de degré inférieur ou égal à n qui a
(n+1) zéros distincts est nul. Il s’ensuit que cette application est aussi surjective,
d’où la conclusion.
Remark 3 Pour trouver les coéfficients du polynôme Pn (x) c’est-à -dire déterminer
a0 , a1 , ..., an , il suffit de résoudre le système linéaire (de Cramer) suivant:
xn1
    
1 x1 a0 y1
 .. .. ..   ..  =  .. 
. . .  .   . 
1 xn+1 xnn+1 an yn+1
La matrice de ce système est une matrice de Vandermonde. Cependant, cette
méthode de détermination des coefficients est peu efficace. On préfère des
méthodes basées sur des formules explicites pour le polynôme Pn (x) telles que
les formules dites de Lagrange et de Newton établies ci-dessous.

2
2 POLYNOME DE LAGRANGE
Soit {x1 , x2 , ...xn+1 }, (n + 1) valeurs distinctes de [a, b] données. On suppose
que que l’on connaisse les valeurs correspondantes de y = f (x) c’est-à-dire on
a:
f (x1 ) = y1 , f (x2 ) = y2 , .....f (xn+1 ) = yn+1 .
Pn+1
On veut construire un polynôme Ln (x) = i=1 pi (x)f (xi ), de degré inférieur
ou égal à n, vérifiant:

Ln (xi ) = yi , i = 1, 2, ...n + 1.

où les fonctions pi (x) sont telles que:


1 si j=i
pi (xj ) = δij =
0 si j 6= i
Où δij est le symbole de Kronecker.
Résolution du problème: Le polynôme à obtenir s’annulant en (n + 1)
points x1 , x2 ..., xi−1 , xi+1 , ..., xn+1 , il s’ecrit donc:

pi (x) = Ci (x − x1 )(x − x2 )...(x − xi−1 )(x − xi+1 )...(x − xn ), (2)

où Ci est une constante. Posant dans (2) x = xi et comme pi (xi ) = 1, on a

donc:

Ci (xi − x1 )(xi − x2 )...(xi − xi−1 )(xi − xi+1 )...(xi − xn ) = 1

c’est-à-dire:
1
Ci =
(xi − x1 )(xi − x2 )...(xi − xi−1 )(xi − xi+1 )...(xi − xn )
en portant cette valeur dans (2) on obtient:
n+1
(x − x1 )(x − x2 )...(x − xi−1 )(x − xi+1 )...(x − xn ) Y (x − xj )
pi (x) = = .
(xi − x1 )(xi − x2 )...(xi − xi−1 )(xi − xi+1 )...(xi − xn ) j=1
(xi − xj )
j6=i

(3)
Le polynôme Ln (x) qui vérifie les conditions Ln (xi ) = yi , est alors de la forme:
n+1
X
Ln (x) = pi (x)yi (4)
i=1

En effet, d’une part le polynôme Ln (x) ainsi construit est un polyn ôme de degré
inférieur ou égal à n. Et d’autre part comme pi (xj ) = 1 si j = i et 0 sinon, on
a:
n+1
X
Ln (xj ) = pi (xj )yi = pj (xj )yi = yi j = 1, 2, ..., n + 1
i=1

3
En portant la valeur de pi (x) dans (4) tirée de (3) on obtient :
n+1
X (x − x1 )(x − x2 )...(x − xi−1 )(x − xi+1 )...(x − xn )
Ln (x) = yi =(5)
i=1
(xi − x1 )(xi − x2 )...(xi − xi−1 )(xi − xi+1 )...(xi − xn )
 
n+1 n+1
X  Y (x − xj ) 
=  yi .
(xi − xj )

i=1 j=1
j6=i

Le polynôme donné par (5) est appelé le polynôme d’interpolation de Lagrange.

et  
n+1
 Y (x − xj ) 
pi (xj ) =  (6)
(xi − xj )

j=1
j6=i

sont appelés les coeficients de Lagrange.

Proposition 4 Le polynôme d’interpolation de Lagrange est unique.
Proof. Faisons un raisonnement par l’absurde. Soit Ľn (x) un polynôme de
degré inférieur ou é gal à n, distinct de Ln (x) et est tel que:
Ľn (x) = yi i = 1, 2, ..., n + 1
Le polynôme
Qn (x) = Ľn (x) − Ln (x)
dont le degré est aussi inférieur ou égal à n, s’annule en n+1 points {x1 , x2 ...., xn+1 },
c’est-à-dire:
Qn (x) = 0
donc
Ľn (x) = Ln (x)

Example 5 Construire les coefficients de Lagrange pour n + 1 = 2 et n + 1 = 3.

Solution 6 - Cas n + 1 = 2: En appliquant la formule (6) on obtient
x − x2 x − x1
p1 (x) = ; p2 (x) =
x1 − x2 x2 − x1
et alors
x − x2 x − x1
L(x) = f (x1 ) + f (x2 )
x1 − x2 x2 − x1
- Cas n + 1 = 3: En appliquant la formule (6) on obtient
(x − x2 ) (x − x3 ) (x − x1 ) (x − x3 ) (x − x1 ) (x − x2 )
p1 (x) = ; p2 (x) = ; p3 (x) = ;
(x1 − x2 ) (x1 − x3 ) (x2 − x1 ) (x2 − x3 ) (x3 − x1 ) (x3 − x2 )
et alors
(x − x2 ) (x − x3 ) (x − x1 ) (x − x3 ) (x − x1 ) (x − x2 )
L2 (x) = f (x1 )+ f (x2 )+ f (x3 ).
(x1 − x2 ) (x1 − x3 ) (x2 − x1 ) (x2 − x3 ) (x3 − x1 ) (x3 − x2 )

4
Example 7 Construire le polynôme de Lagrange de la fonction donnée par y =
f (x) = sin πx pour les points x1 = 0, x2 = 61 , x3 = 12 .

Solution 8 On calcule d’abord les valeurs correspondantes aux points d’interpolation

de la fonction y = f (x):
π 1 π
y1 = 0, y2 = sin = , y3 = sin =1
6 2 2
On applique ensuite les formules (5), on obtient le polynô me de Lagrange de
degré inférieur ou égal à 2 suivant:

(x − 16 )(x − 12 ) (x)(x − 12 ) 1 (x)(x − 61 )

L2 (x) = .0 + 1 .2 + 1 1 1 .1
(0 − 16 )(0 − 12 ) 1 1
6(6 − 2) 2(2 − 6)

Ou
7
L2 (x) = −3x2 + x
2
Example 9 Soit la fonction y = f (x) donnée par le tableau suivant:

x y
321, 0 2, 50651
322, 8 2, 50893
324, 2 2, 51081
325, 0 2, 51188

On demande le calcul de la valeur de f en 323, 5.

Solution 10 On pose x = 323, 5 ; le polynôme de Lagrange sera un polynôme

de degr é inférieur ou égal à n = 3. D’après les formules (5), on a:

(323, 5 − 322, 8)(323, 5 − 324, 2)(323, 5 − 325, 0)

f (323, 5) = .2, 50651 +
(321, 0 − 322, 8)(321, 0 − 324, 2)(321, 0 − 325, 0)
(323, 5 − 321, 0)(323, 5 − 324, 2)(323, 5 − 325, 0)
+ .2, 50893 +
(322, 8 − 321, 0)(322, 8 − 324, 2)(322, 8 − 325, 0)
(323, 5 − 321, 0)(323, 5 − 322, 8)(323, 5 − 325, 0)
+ .2, 51081 +
(324, 2 − 321, 0)(324, 2 − 322, 8)(324, 2 − 325, 0)
(323, 5 − 321, 0)(323, 5 − 322, 8)(323, 5 − 324, 2)
.2, 51188
(325, 0 − 321, 0)(325, 0 − 322, 8)(325, 0 − 324, 2)
= −0, 07996 + 1, 18794 + 1, 83897 − 0, 43708 = 2, 50987

2.1 Cas où les points sont equidistants

Soit {x1 , x2 ...., xn+1 } , (n + 1) points d’interpolation de [a, b], on suppose que :

x2 = x1 +h, x3 = x2 +h = x1 +2h, ...xj = xj−1 +h = x1 +(j−1)h, ...xn+1 = xn +h = x1 +nh

5
Où h = b−a n représente le pas de la subdivision. Les points d’interpolation
xi sont alors dits équidistants. Dans ce cas, les coefficients de Lagrange peuvent
être simplifiés, en posant:
x = x1 + th
on aura:
t1 = 0, t2 = 1, ...tn = n.
D’où
 
n+1 n+1
X Y (x1 + th − x1 − (j − 1)h)
ln (t) =  yi (7)
 
((x1 + (i − 1)h) − x1 + (j − 1)h)

i=1 j=1
j6=i
 
n+1 n+1
X Y (t − j + 1) 
=  yi

(i − j)

i=1 j=1
j6=i

Les coefficients de ln (t) sont donc indépendants du pas h et des points xi ; ils
peuvent être représentés dans une table.

Example 11 Soit la fonction y = cos x donnée par le tableau suivant:

x 5, 0 5, 1 5, 2 5, 3 5, 4 5, 5 5, 6 5, 7
y 0, 283662 0, 377977 0, 468516 0, 554374 0, 634692 0, 708669 0, 775565 0, 834712
t 1 2 3 4 5 6 7 8

Calculer cos 5, 34.

Solution 12 Posons
x = 0, 1t + 5
Les valeurs de la nouvelle variable t associées aux points d’interpolation seront
alors:
t = 0, 1, 2, 3, 4, 5, 6, 7
Il faut donc trouver la valeur de y pour x = 5, 34, c’est-à-dire pour t = 3, 47, les
points étant équidistants, on a donc:
 
8 8
X  Y (3, 47 − j + 1) 
ln (3, 47) =  yi
(i − j)

i=1 j=1
j6=i

= 0, 592864

Donc cos 5, 34 = 0, 592864.

6
3 ESTIMATION DE L’ERREUR DANS L’INTERPOLATION
DE LAGRANGE
Soit Ln (x) le polynôme de Lagrange qui interpole la fonction y = f (x) aux
points {x1 , x2 ...., xn+1 } c’est-à -dire qui vérifie:

Ln (x1 ) = y1 , Ln (x2 ) = y2 , ..., Ln (xn+1 ) = yn+1 .

La question que l’on se pose maintenant est : quelle est l’approximation du

polynôme construit par rapport à la fonction f (x)? ou en d’autres termes quelle
est la grandeur du reste:

Rn (x) = f (x) − Ln (x)

Pour évaluer cette erreur commise dans l’interpolation par le polynô me de

Lagrange, nous supposons que la fonction f est continue, dé rivable et à dérivées
continues jusqu’à l’ordre (n + 1) dans le domaine [a, b] contenant x et les points
d’interpolation xi . Soit

g(x) = f (x) − Ln (x) − k(x − x1 )(x − x2 )......(x − xn )

Où k est une constante. La fonction g possède n + 1 racines aux points

x1 , x2 , .....xn

Choisissons k de sorte que g(x) ait une (n+2)ième racine en un point quelconque
fixé x̃ de [a, b], autre que les points d’interpolation. Il suffit pour cela de poser

f (x̃) − Ln (x̃) − k(x̃ − x1 )(x̃ − x2 )......(x̃ − xn )

D’où
f (x̃) − Ln (x̃)
k= (8)
(x̃ − x1 )(x̃ − x2 )......(x̃ − xn )
car x̃ n’est pas un point d’interpolation. Pour cette valeur de k, la fonction g(x)
admet (n + 2) racines sur [a, b] et elle s’annule aux extrémités de chacun des
intervalles suivants:

[x1 , x2 ] , [x2 , x3 ] , ... [xi , x̃] , [x̃, xi+1 ] , ... [xn , xn+1 ] ,

En appliquant le théorème de Rolle à chacun de ces intervalles, on voit que la

dérivée g 0 (x) admet au moins (n + 1) racines sur [a, b]. De même, la dérivée
seconde g 00 (x) s’ annule au moins n fois sur [a, b] . En opérant de même pour les
dérivées successives de la fonction g, on aboutit à la conclusion que dans [a, b] ,
la dérivée g (n+1) (x) possède au moins une racine. Notons par ξ cette racine: on
a donc g (n+1) (ξ) = 0. Comme

g (n+1) (x) = f (n+1) (x) − k(n + 1)!

7
Pour x = ξ on obtient:
0 = f (n+1) (ξ) − k(n + 1)!
Donc
f (n+1) (ξ)
k= (9)
(n + 1)!
En identifiant les équations (8) et (9) on obtient:
f (x̃) − Ln (x̃) f (n+1) (ξ)
=
(x̃ − x1 )(x̃ − x2 )......(x̃ − xn ) (n + 1)!
C’est-à-dire
f (n+1) (ξ)
f (x̃) − Ln (x̃) = (x̃ − x1 )(x̃ − x2 )......(x̃ − xn+1 ) (10)
(n + 1)!
Comme x̃ est complètement arbitraire, l’équation (10) s’écrit:
f (n+1) (ξ)
Rn (x) = f (x) − Ln (x) = (x − x1 )(x − x2 )......(x − xn+1 ) (11)
(n + 1)!
Où ξ ∈ [a, b] dépend de x.
Remark 13 L’équation (11) est vraie pour tout point de [a, b], y compris les
points d’interpolation. En posant
 
Mn+1 = max f (n+1) (x)
 
x∈[a,b]

Nous obtenons l’estimation de l’erreur absolue dans l’interpolation par le polynôme

de Lagrange sous la forme:
Mn+1
|Rn (x)| = |f (x) − Ln (x)| ≤ |(x − x1 )(x − x2 )......(x − xn )|
(n + 1)!
√
Example 14 Avec quelle précision peut-on calculer 115 à√l’aide d’une inter-
polation par le polynôme de Lagrange de la fonction y = xsi l’on prend les
points d’interpolation
x1 = 100, x2 = 121, x3 = 144.
Solution 15 Comme on a
1 1 1 3 3 5
y 0 = x− 2 , y 00 = − x− 2 , y 000 = x− 2 .
2 4 8
Il s’ensuit
3 5 3
M3 = max |y 000 | = (100)− 2 = 10−5 pour 100 ≤ x ≤ 144
8 8
Donc
3 −5 1
|R2 (x)| ≤ 10 |(115 − 100)(115 − 121)(115 − 144)| =
8 3!
1 −5
= 10 .15.6.29 ≈ 1, 6.10−3
16

8
4 POLYNOME DE NEWTON
4.1 Différences finies
Definition 16 Soit y = f (x) une fonction donnée. On pose ∆x = xi+1 −xi = h
une valeur fixée de l’accroissement de x. On appelle différence d’ordre un de la
fonction y l’expression:

∆y = ∆f (x) = f (x + ∆x) − f (x)

On définit de façon analogue les différences d’ordres supé rieurs

∆n y = ∆(∆n−1 y) (n = 2, 3, .....)

Example 17 ∆2 y = ∆ [f (x + ∆x) − f (x)] = [f (x + 2∆x) − f (x + ∆x)]−[f (x + ∆x) − f (x)] =

f (x + 2∆x) − 2f (x + ∆x) + f (x).

Example 18 Construire les différences de f (x) = x3 , en prenant le pas ∆x =

1.
 
Solution 19 On a ∆f (x) = (x+1)3 −x3 = 3x2 +3x+1, ∆2 f (x) = 3(x + 1)2 + 3(x + 1) + 1 −
(3x2 + 3x + 1) = 6x + 6, ∆3 f (x) = [6(x + 1) + 6] − (6x + 6) = 6, ∆n f (x) = 0,
pour n > 3.

Proposition 20 Si f (x) = Pn (x) = a0 xn + a1 xn−1 + ... + an est un polynôme

de degré n, alors ∆n f (x) = ∆n Pn (x) = n!a0 hn = C où ∆x = h et C est une
constante.

Proof. En effet, on a:

∆f (x) = ∆Pn (x) = Pn (x + h) − Pn (x) =

a0 [(x + h)n − xn ] + a1 (x + h)n−1 − xn−1 + ...
 
=
... + an−1 [(x + h) − h]

En utilisant la formule du binôme de Newton, on voit que ∆f (x) = ∆Pn (x) est
un polynôme de degré (n − 1):

∆f (x) = ∆Pn (x) = b0 xn−1 + b1 xn−2 + · · · + bn−1

Où
b0 = nha0
Suivant le même raisonnement la différence seconde ∆2 f (x) = ∆2 Pn (x) est un
polynôme de degré (n − 2) :

∆2 f (x) = ∆2 Pn (x) = c0 xn−2 + c1 xn−3 + · · · + cn−2

et
c0 = (n − 1)hb0 = n(n − 1)h2 a0

9
En raisonnant ainsi on établit de proche en proche que
∆n f (x) = ∆n Pn (x) = n!hn a0
D’où l’on conclut
∆m f (x) = ∆m Pn (x) = 0 pour m > n

Remark 21 Le symbole ∆ (delta) peut être considéré comme un opérateur qui

associe à la fonction y = f (x) la fonction ∆y = f (x + ∆x) − f (x) (∆x étant
une constante).
Remark 22 L’opérateur ∆ a les propriétés suivantes:
1. ∆(u + v) = ∆u + ∆v;
2. ∆(Ku) = K∆u (K est une constante);
m n m+n
3. ∆ (∆ u) = ∆ u (m et n entiers non négatifs);
4. On pose par définition ∆0 u = u.

4.2 Différences divisées

Definition 23 Soit {x1 , x2 ...., xn+1 } , (n + 1) points d’interpolation de [a, b], et

:
f (x1 ) = y1 , f (x2 ) = y2 , ..., f (xn+1 ) = yn+1 .
on pose :
∆xi = xi+1 − xi 6= 0 (i = 1, 2, ....)
On appelle différences divisées d’ordre 1, les relations données par:
yi+1 − yi
f [xi , xi+1 ] = , (i = 1, 2, ....)
xi+1 − xi
y2 −y1 y3 −y2
Example 24 f [x1 , x2 ] = x2 −x1 , f [x2 , x3 ] = x3 −x2 , etc...
D’une façon analogue on définit les différences divisées d’ordre 2
f [xi+1 , xi+2 ] − f [xi , xi+1 ]
f [xi , xi+1 , xi+2 ] = , (i = 1, 2, ....)
xi+2 − xi
f [x2 ,x3 ]−f [x1 ,x2 ]
Example 25 f [x1 , x2 , x3 ] = f [x3 ,x1 ] .
D’une façon générale, les différences divisées d’ordre n s’obtiennent à partir des
différences divisées d’ordre (n − 1) à l’aide de la relation de récurrence suivante
:
f [xi+1 , ...xi+n ] − f [xi , xi+n−1 ]
f [xi , xi+1 , ...xi+n ] = , (n = 1, 2, ....; i = 1, 2, ....)
xi+n − xi

10
Remark 26 Les différences divisées sont symétriques de leurs arguments, c’est-
à-dire que les différences divisées ne changent pas avec la permutation des
éléments. Plus précisément, pour toute permutation σ de {1, 2...., k} on a
 
f xσ(1) , xσ(2) , ...xσ(k) = f [x1 , x2 , ...xk ]
y2 −y1 y1 −y2
Example 27 f [x1 , x2 ] = x2 −x1 = x1 −x2 = f [x2 , x1 ]

Theorem 28 Soit pn le polynôme d’interpolation de f aux points {x1 , x2 ...., xn+1 },

alors pour tout k de {1, 2...., n} on a:

f [x2 , ...xk+1 ] − f [x1 , xk ]

f [x1 , x2 , ...xk ] = ,
xk+1 − x1

Proof. L’idée est de construire une fonction polynôme qui interpole f sur
{x1 , x2 ...., xk+1 }; puis on identifie les deux expressions disponibles de son coef-
ficient dominant. Soit p défini par
x − x1 xk+1 − x
p(x) = qk (x) + pk (x)
xk+1 − x1 xk+1 − x1

Où qk (respectivement pk ) désigne le polynôme d’interpolation de f sur {x2 , x3 ...., xk+1 }

(respectivement {x1 , x2 ...., xk }). Par définition, p est un polynôme de degré
inférieur ou égal à k. Montrons que p interpole f sur {x1 , x2 ...., xk }. On evalue
d’abord p(x1 ): la contribution du premier terme de la somme est nulle; il vient
p(x1 ) = pk (x1 ) soit p(x1 ) = f (x1 ) par d éfinition de pk . On évalue alors p(xk ) par
le même type de raisonnement, on montre que p(xk ) = f (xk ). Puis on considè
re xj pour tout j dans {2, 3...., k} . On sait que pk (xj ) = qk (xj ) = f (xj ) grâce
aux définitions de pk et de qk . Un calcul simple montre que : p(xj ) = f (xj ); en
effet
1
p(xj ) = [(xj − x1 ) f (xj ) + (xk+1 − xj ) f (xj )] (12)
xk+1 − x1
Soit
p(xj ) = f (xj )
p est le polynôme d’interpolation de f sur {x1 , x2 ...., xk+1 }. Soit α le coefficient
dominant de p; d’après ce qui préc ède, α = f [x1 , ..., xk+1 ]. Sur l’expression
(12), on voit que le coefficient dominant de p est donné par
1
α= [coef dominant (qk ) − coef dominant (pk )]
xk+1 − x1

comme (qk ) et (pk ) sont des polynômes d’interpolation sur {x2 , x3 ...., xk+1 } et
{x1 , x2 ...., xk } respectivement, l’égalité cherché e en découle.
Remark 29 Les différences divisées forment généralement un tableau du type

11
suivant:
x f (x) Différences divisées
Ordre 1 Ordre 2 Ordre 3 Ordre 4
x1 f [x1 ]
f [x1 , x2 ]
x2 f [x2 ] f [x1 , x2 , x3 ]
f [x2 , x3 ] f [x1 , x2 , x3 , x4 ]
x3 f [x3 ] f [x2 , x3 , x4 ] f [x1 , x2 , x3 , x4 , x5 ]
f [x3 , x4 ] f [x2 , x3 , x4 , x5 ]
x4 f [x4 ] f [x3 , x4 , x5 ]
f [x4 , x5 ]
x5 f [x5 ]

Example 30 Donner les différences divisées de la fonction donnée par le tableau

suivant:
x 0 0, 2 0, 3 0, 4 0, 7 0, 9
y 132, 651 148, 877 157, 464 166, 375 195, 112 216, 000

Solution 31 Les résultats sont portés sur le tableau suivant:

x y Différences divisées
Ordre 1 Ordre 2 Ordre 3 Ordre 4
0 132, 651
81, 13
0, 2 148, 877 15, 8
85, 87 1
0, 3 157, 464 16, 2 0
89, 11 1
0, 4 166, 375 16, 7 0
95, 79 1
0, 7 195, 112 17, 3
104, 44
0, 9 216, 000

5 POLYNÔME D’INTERPOLATION DE NEW-

TON:
On a par définition
y1 − y f (x) − f (x1 )
f [x, x1 ] = = ,
x1 − x x − x1
donc
f (x) = f (x1 ) + (x − x1 ) f [x, x1 ]

12
et
f [x, x1 ] − f [x1 , x2 ]
f [x, x1 , x2 ] =
x − x2
donc

f (x) = f (x1 ) + (x − x1 ) f [x1 , x2 ] + (x − x1 ) (x − x2 ) f [x, x1 , x2 ]

en réitérant le procédé, on obtient:

f (x) = f (x1 ) + (x − x1 ) f [x1 , x2 ] + (x − x1 ) (x − x2 ) f [x1 , x2 , x3 ] + · · ·(13)

+
+ (x − x1 ) (x − x2 ) · · · · · · (x − xn ) f [x1 , x2 , ..., xn+1 ]
+ (x − x1 ) (x − x2 ) · · · · · · (x − xn ) (x − xn+1 ) f [x, x1 , x2 , ..., xn+1 ]

Remark 32 Si f est un polynôme de degré inférieur ou égal à n on a:

f [x, x1 , x2 , ..., xn+1 ] = 0

Remark 33 Le polynôme défini par

Pn (x) = f (x1 ) + (x − x1 ) f [x1 , x2 ] + (x − x1 ) (x − x2 ) f [x1 , x2 , x3 ] + · · · +

+ (x − x1 ) (x − x2 ) · · · · · · (x − xn ) f [x1 , x2 , ..., xn+1 ]

est le polynôme d’interpolation de degré inférieur ou égal à n de f pour les points

{x1 , x2 ...., xn+1 } appelé polynôme d’interpolation de Newton. C’est-à-dire qu’il
vérifie:
Pn (xi ) = f (xi ) i = 1, 2, ...n + 1.

5.1 Erreur d’interpolation

En comparant f (x) et Pn (x), nous obtenons la formule générale de l’erreur:

ε(x) = f (x) − Pn (x) = (x − x1 ) (x − x2 ) · · · · · · (x − xn+1 ) f [x, x1 , x2 , ..., xn+1 ]

que l’on peut ecrire sous la forme:

n+1
!
Y
ε(x) = (x − xi ) f [x, x1 , x2 , ..., xn+1 ]
i=1

5.2 Autre écriture du polynôme d’interpolation de New-

ton
5.2.1 Cas des points équidistants
En posant le pas du tableau h = ∆x (∆xi = xi+1 − xi , i = 1, 2, ..., n + 1) et
y1 = f (x1 ), y2 = f (x2 ), . . . , yn = f (xn ), yn+1 = f (xn+1 ); alors nous obtenons:

k(k − 1) 2 k(k − 1)...(k − n + 1) n

f (x) = y1 + k∆y1 + ∆ y1 + · · · + ∆ y1 + Rn (x)
2! n!

13
Où
x − x1
k= et ∆y1 = y2 − y1; ∆2 y1 = ∆y2 − ∆y1,
h
et
hn+1 k(k − 1)...(k − n) (n+1) k(k − 1)...(k − n) n+1
Rn (x) = f (ξx ) ' ∆ y1 ; ξx ∈ [x, xi ]
(n + 1)! (n + 1)!
Example 34 Sachant que sin 26◦ = 0, 43837; sin 27◦ = 0, 45399 et sin 28◦ =
0, 46947, calculer sin 26◦ 150 .

Solution 35 Le tableau des valeurs se présente comme suit:

i xi yi ∆yi ∆2 y i
1 26 0, 43837
0, 01562
2 27 0, 45399 −0, 00014
0, 01548
3 28 0, 46947

15750 −1560 0
comme h = 600 et k = 60 = 1
4 donc
1 1
1 ( − 1)
sin 26◦ 150 = 0, 43837 + .0, 01562 + 4 4 (−0, 00014) = 0, 44229.
4 2
L’erreur
1 1
− 1)( 41 − 2) π
4(4
|R2 (x)| ≤ ( ) ' 0, 2510−6
3! 180
 
car comme y = sin x alors y (n)  ≤ 1.

Remark 36 Si l’on fixe n et que l’on pose

h= max |xk+1 − xk |
h∈{1,...,n}

alors pour tout x ∈ [x1 , x2 ], on a

|(x − x1 ) · · · (x1 − xn+1 )| ≤ h(h)(2h) · · · (nh) ≤ hn+1 n!.

Si f est de classe C n+1 sur [a, b] et si on a x1 = a et h < b−an , alors

 (n+1) 
supx∈[a,b] f (x) n+1
sup |f (x) − Pn (x)| ≤ h .
x∈[x1 ,x2 ] n+1

Comme le second membre tend vers zéro avec h, on peut donc rendre

sup |f (x) − Pn (x)|

x∈[x1 ,x2 ]

aussi petit que l’on veut (avec h suffisamment petit). Ceci montre que l’interpolation
polynomiale peut être utilisée pour approcher les valeurs de f (x).

14
Remark 37 La remarque précédente n’est en général pas vraie, même si f est
très régulière sur [a, b]. Dans le cas o ù xk+1 − xk ne dépend pas de k, c’est là
ce qu’on appelle le phénomène de Runge. Par exmple si
1
f (x) =
1 + 25x2
et si [a, b] = [−1, 1], on peut montrer que le polyn ôme Pn (x) interpolant f (x)
aux points
2k
xk = −1 + , (k = 1, ..., n + 1),
n
ne tend pas vers f lorsque n → ∞.

6 INTERPOLATION CUBIQUE DE HERMITE

On cherche le polynôme P3 de R [X] qui prend deux valeurs imposées y1 et y2
en deux points donnés x1 et x2 , et deux valeurs imposées de la dérivée y3 et y4
aux deux mêmes points, c’est-à -dire:

P3 (x1 ) = y1 , P3 (x2 ) = y2 , P30 (x1 ) = y3 , P30 (x2 ) = y4 .

Comme il y a quatre inconnues à déterminer dans P3 (x) = ax3 + bx2 + cx + d,

on écrit les équations


 ax31 + bx21 + cx1 + d = y1
ax32 + bx22 + cx2 + d = y2

 3ax21 + 2bx1 + c
 = y3
3ax22 + 2bx2 + c = y4


le déterminant de ce système se factorise en −(x2 − x1 )4 et on obtient:

2(y1 −y2 ) y3 +y4
a = (x2 −x1 )3 + (x1 −x2 )2
3(x1 +x2 )(y1 −y2 )
b = (x1 −x2 )3 − (x1 +2x2(x )y3 +(2x1 +x2 )y4
1 −x2 )
2
6x1 x2 (y1 −y2 ) x2 (2x1 +x2 )y3 +x1 (2x2 +x1 )y4
c = (x2 −x1 )3 + (x1 −x2 )2
x21 (3x1 −x2 )y1 −x22 (3x2 −x1 )y2
d = (x1 −x2 )3 − x1 x2(x(x2 y3 +x1 y4 )
1 −x2 )
2 .

15