Théorie de l'approximation
La théorie de l'approximation étudie la capacité des fonctions à être représentées par des fonctions plus simples — polynômes, splines, séries trigonométriques ou fonctions rationnelles — et construit les approximants qui atteignent la meilleure précision ou une précision quasi optimale.
Definition
La théorie de l'approximation est la branche de l'analyse numérique qui s'intéresse à la représentation des fonctions par des classes de fonctions plus simples et à la quantification de l'erreur de ces représentations selon diverses mesures d'ajustement optimal.
Scope
Ce domaine couvre l'interpolation et la meilleure approximation, la convergence et l'erreur des approximants polynomiaux et splines, les critères des moindres carrés et du minimax (Tchebychev), ainsi que les résultats théoriques — existence, unicité et taux de convergence — qui quantifient la diminution de l'erreur d'approximation à mesure que des degrés de liberté supplémentaires sont ajoutés.
Sub-topics
Core questions
- Avec quelle précision une fonction donnée peut-elle être approximée par des polynômes, des splines ou des fonctions rationnelles d'une taille donnée ?
- Quel approximant est optimal selon une mesure d'erreur choisie, telle que les moindres carrés ou l'erreur maximale (minimax) ?
- Comment la régularité d'une fonction contrôle-t-elle le taux de diminution de l'erreur d'approximation ?
- Quand l'interpolation converge-t-elle vers la fonction sous-jacente, et quand échoue-t-elle ?
Key theories
- Théorème d'approximation de Weierstrass
- Toute fonction continue sur un intervalle fermé borné peut être uniformément approximée aussi précisément que souhaité par des polynômes, établissant ainsi que les polynômes sont denses dans l'espace des fonctions continues et motivant les méthodes d'approximation constructives.
- Meilleure approximation et équioscillation
- La meilleure approximation polynomiale minimax d'une fonction continue existe, est unique et est caractérisée par le théorème d'équioscillation de Tchebychev, qui stipule que l'erreur atteint son amplitude maximale avec un signe alterné en un nombre suffisant de points.
- Régularité et taux de convergence
- Le taux de décroissance de l'erreur d'approximation est régi par la régularité de la fonction cible : les fonctions analytiques permettent une convergence géométrique des approximants polynomiaux, tandis que les fonctions avec des dérivées limitées ne convergent qu'algébriquement.
Clinical relevance
La théorie de l'approximation sous-tend la construction de méthodes numériques précises dans l'ensemble du calcul scientifique : les règles de quadrature, les bases spectrales et d'éléments finis, l'ajustement et le lissage de données, la conception géométrique assistée par ordinateur, ainsi que les routines de fonctions spéciales et de fonctions élémentaires intégrées aux logiciels numériques, reposent toutes sur des résultats concernant la qualité et le coût de l'approximation des fonctions.
History
Le sujet a émergé des travaux de Tchebychev au XIXe siècle sur la meilleure approximation uniforme et du théorème de densité de Weierstrass, a été développé par l'étude des polynômes orthogonaux et des séries de Fourier, et a été remodelé à l'ère informatique par la théorie des splines et par les méthodes pratiques basées sur Tchebychev popularisées dans le calcul numérique moderne.
Key figures
- Pafnuty Chebyshev
- Karl Weierstrass
- Carl Runge
- Lloyd N. Trefethen
Related topics
Seminal works
- trefethen2013
- powell1981
- cheney1966
Frequently asked questions
- Quelle est la différence entre l'interpolation et la meilleure approximation ?
- L'interpolation contraint l'approximant à correspondre exactement à la fonction en des points choisis, tandis que la meilleure approximation minimise une mesure d'erreur globale (telle que l'erreur maximale ou des moindres carrés) sans nécessairement correspondre en aucun point. Un meilleur approximant est généralement plus précis globalement mais plus difficile à construire.
- Pourquoi l'utilisation de plus de points d'interpolation peut-elle parfois aggraver la situation ?
- L'interpolation polynomiale de haut degré à des points équidistants peut osciller de manière importante près des extrémités de l'intervalle — le phénomène de Runge — de sorte que l'erreur peut augmenter plutôt que de diminuer. Le choix de points distribués selon Tchebychev ou l'utilisation de splines permet d'éviter cela.