L'étude des manières dont des fonctions ou des objets sont approchés par des familles plus simples ou plus maniables (par exemple des polynômes, des splines ou des fonctions rationnelles), avec des mesures quantitatives de l'erreur d'approximation et du comportement de convergence dans des normes ou métriques choisies.

Principe

Choisir une famille d'approximants et une topologie ou norme ; quantifier les compromis entre complexité et erreur par des ordres d'approximation, des taux de convergence et la stabilité face aux perturbations.

Démonstration

Approcher une fonction continue sur un intervalle compact par des polynômes : utiliser les polynômes de Chebyshev pour obtenir une erreur uniforme proche du minimax, ou utiliser les moindres carrés pour minimiser l'erreur en L2 ; estimer la décroissance de l'erreur en fonction du degré du polynôme.

Mauvaise application

Prétendre qu'une convergence point par point implique une convergence uniforme ; appliquer des affirmations sur les taux asymptotiques à des degrés finis sans vérifier les constantes ; utiliser une famille d'approximants inadéquate pour la classe de fonctions (par exemple des polynômes pour des fonctions avec coupures de branche) et conclure à tort à une bonne approximation sans vérifier les normes.

Conséquence

Bien appliquée, la théorie de l'approximation fournit des bornes d'erreur explicites, le choix de bases efficaces et des critères pour l'approximation adaptative et la stabilité numérique, orientant la conception d'algorithmes et les estimations de complexité.

Inversion

La théorie de la représentation exacte : exiger l'égalité exacte (interpolation ou identités) plutôt qu'une approximation contrôlée ; ou privilégier la simplicité du modèle sans contrôle explicite de l'erreur.

Limite

Couvre l'approximation dans des espaces fonctionnels et des normes spécifiées (C, Lp, Sobolev, Hölder) ; exclut des sujets non liés comme l'arrondi en virgule flottante, l'estimation purement probabiliste sans modèle d'approximation, et les questions de calculabilité au-delà de l'erreur d'approximation.

Tension sémantique

Tension avec l'interpolation et l'estimation : l'interpolation exige un appariement exact en des nœuds, tandis que l'approximation tolère un écart contrôlé ; les approches d'apprentissage automatique estompent la frontière entre approximation, estimation statistique et régularisation.

Synthèse

La théorie de l'approximation organise le choix des familles d'approximants, des normes et des taux pour fournir des contrôles démontrables sur la qualité avec laquelle des objets plus simples représentent des objets plus complexes, en équilibrant complexité et erreur pour l'analyse et le calcul.