1 Les Approximations
Introduction
La première étape de la résolution d’un problème, et peut être la plus délicate,
consiste à modéliser le phénomène observé. Il s’agit en gros d’identifier tous les
facteurs internes et externes qui influent(ou que l’on soupçonne d’influer) sur
les résultats. Dans le cas d’un phénomène physique, on fait l’inventaire des
forces en présence : gravitationnelle, de friction, électrique… L’effort de
modélisation produit en général des systèmes d’équation complexes qui
comprennent un grand nombre de variables inconnues. Pour réussir à les
résoudre, il faut simplifier certaines composantes et négliger les moins
importantes. On fait alors recours à des formules approximatives, d’où la notion
d’approximation.
1. Qu’est-ce qu’une approximation d’une manière générale?
Une approximation est une représentation imprécise ayant toutefois un lien
étroit avec la quantité ou l’objet qu’elle reflète : approximation d’un nombre
(de Pi par 3.14, de la vitesse instantanée d’un véhicule par sa vitesse moyenne
entre deux points), d’une fonction mathématique, d’une solution d’un problème
d’optimisation, d’une forme géométrique, d’une loi physique. Lorsqu’une partie
de l’information nécessaire fait défaut, une approximation peut se substituer à
une représentation exacte. Cependant, même si cette dernière est connue, une
approximation est parfois préférable par le fait qu’elle simplifie l’analyse sans
générer de trop grandes erreurs. Par exemple, les physiciens rapprochent
souvent la forme de la terre à celle d’une sphère, même si des représentations
plus précises sont possibles : plusieurs phénomènes physiques (telle
la pesanteur) sont en effet plus faciles à étudier en supposant une sphère à la
place d’une forme plus complexe. Le choix d’un degré d’approximation dépend
July 29, 2014
2 Les Approximations
de l’information disponible, du niveau d’exactitude souhaité, de la sensibilité
des résultats aux données, des gains de temps et d’effort qui en découlent.
En Sciences : on définit par approximation la méthode par laquelle on
procède par des interactions incessantes entre les mesures empiriques et les
prédictions de la théorie (les lois scientifiques) : les écarts constatés mettent en
lumière ses limites et tracent les voies d’un perfectionnement.
En Mathématiques, le terme « approximation » se réfère :
Aux nombres : les approximations numériques résultent parfois de l’emploi
d’un nombre restreint de chiffres significatifs dans la représentation
décimale d’un nombre. L’approximation diophantienne traite de
l’approximation des nombres réels par les nombres rationnels. Le
1
symbole ou signifie « est approximativement égal à », et permet de
donner une valeur approchée d’un nombre. La largeur limitée des registres
du processeur d’un ordinateur ne permet de représenter exactement qu’un
nombre limité de nombres réels : pour les autres, ce sont des approximations
avec une certaine précision.
Aux fonctions : la théorie de l'approximation est une branche des
mathématiques, représentant une partie importante de l’analyse fonctionnelle.
Les équivalents traitent de l’approximation d’une fonction quand un paramètre
tend vers une valeur donnée.
Aux intégrales définies : les méthodes numériques pour l’approximation
d’une intégrale donnent souvent des résultats approchés, même s’il est possible
de limiter les erreurs à une valeur prédéfinie.
Aux solutions d’équations ou de problèmes d'optimisation : de
nombreuses méthodes existent pour approcher numériquement la solution d’une
July 29, 2014
3 Les Approximations
équation. Citons entre autres la méthode de Newton qui utilise les dérivées
successives pour approcher les solutions d’une fonction.
Aux modèles : afin de réduire la complexité des relations décrivant un
modèle ou pour faciliter sa résolution numérique, une approche fréquente
consiste à simplifier les équations (par exemple en supprimant certains termes
dont l’importance est jugée secondaire) ou à reformuler le problème sous des
hypothèses moins générales :
Si la finalité est la découverte d’un algorithme de résolution, il s’agit d’une
étape intermédiaire dans un processus de recherche.
Si la finalité est de se faciliter la tâche, une grande vigilance s’impose afin
de s’assurer que les simplifications ne dénaturent pas le modèle d’origine. Un
exemple simple illustrant ce propos est fourni par le problème du vendeur de
journaux : le remplacement d’une variable aléatoire par un scalaire (égal à
sa valeur espérée) peut très significativement dégrader les résultats.
L’analyse numérique est la branche des mathématiques qui, entre autres, étudie
qualitativement et quantitativement la nature des approximations issues de
nombreuses méthodes, en particulier la méthode des éléments finis et
la méthode des différences finies permettant de calculer les solutions
d’équations aux dérivées partielles.
2. Approximation en Identification
La détermination d'un modèle quantitatif à partir de données expérimentales
porte, en traitement du signal et en automatique, le nom d'identification. Une
littérature très vaste et de nombreux logiciels existent aujourd'hui en
identification paramétrique, où le paradigme consiste à définir la loi du modèle
à l'aide de paramètres inconnus pour les ajuster ensuite aux données dont on
July 29, 2014
4 Les Approximations
s'est muni. Ceci s'effectue, typiquement, dans un contexte probabiliste et
consiste grosso modo à soumettre le système à des entrées dont la statistique est
connue puis à inférer la valeur la plus probable des paramètres à partir des
statistiques observées de la sortie. Dans ce processus, l'adéquation statistique
des entrées n'est pas le moindre élément car celles-ci doivent, pour une bonne
identification, exciter les différentes parties du système. Par ailleurs, la mesure
théorique de la qualité d'un algorithme de ce type est l'efficacité statistique avec
laquelle on converge vers les ``vrais'' paramètres (si on fait l'hypothèse que le
système est du type prescrit) ou vers les paramètres de la meilleure estimée du
modèle en des sens divers. Un autre type d'identification, plus pragmatique en
un sens, consiste à traiter les données qui se présentent sans se préoccuper d'un
modèle exact au plan global mais en recherchant une approximation convenable
dans le domaine de fonctionnement. Récemment, un certain nombre de travaux
se réclamant de l'identification pour le contrôle ont souligné le fait, à vrai dire
assez naturel, que la qualité locale de l'approximation n'est pas nécessairement
préservée par feedback. Cependant, et hormis la conclusion qu'il est dangereux
de modéliser séparément le système et son compensateur, on ne peut éluder le
caractère fondamentalement local de l'identification qui tient à celui de la classe
de modèles. Un exemple prototypique est l'identification harmonique,
couramment rencontrée en ingénierie, où les données sont les réponses du
système à des excitations périodiques dans sa bande passante de fréquences. On
cherche en général un modèle linéaire et stable qui décrive correctement le
fonctionnement dans cette bande passante, bien que ce modèle puisse être
médiocre aux hautes fréquences qu'on ne peut d'ailleurs guère mesurer. On
dispose donc d'une estimation des valeurs de la fonction de transfert à certaines
fréquences, et on veut bâtir à l'aide de celles-ci un modèle reflétant bien le
système dans la bande passante et doté d'un amortissement suffisant en dehors
July 29, 2014
5 Les Approximations
de celle-ci. On souhaite aussi que ce modèle soit rationnel et de degré
raisonnable s'il se peut, afin de pouvoir l'utiliser efficacement pour le contrôle
ou l'estimation, mais son ordre n'est pas toujours prescrit a priori. Enfin, aucune
statistique n'est disponible sur les erreurs, qui proviennent autant des défauts de
mesure que du caractère erroné de l'hypothèse de linéarité.
3. Les types d’approximations
3.1. Approximations par Défaut et par Excès
Une approximation a’ d’un réel a est une évaluation, un valeur "voisine" de
a. Pour que cette approximation soit utilisable (en mathématique, en physique),
on doit en connaître la précision : approximation à près si| |
est l’incertitude sur la valeur de a.
L’approximation est dite par défaut si (a’-a) est négatif ou nul, elle est dite par
excès si (a’-a) est positif.
3.2. Approximation par Estimation, Troncature et arrondissement
Estimer, c'est déterminer la valeur approximative d'un nombre ou
déterminer le nombre approximatif d'objets que l'on retrouve dans un lieu.
Exemple : Si on compte le nombre d'olives présentement visibles dans ce bocal,
on compte environ 36 olives. On peut estimer qu'il y en a le double dans tout le
bocal, soit 75 olives.
July 29, 2014
6 Les Approximations
Fig. N°1 : Bouteille d’Olives
La troncature est un terme utilisé pour couper le développement décimal
d'un nombre à un certain nombre de chiffres après la virgule.
Exemple : Si on tronque le nombre 3,456723134545 à 4 chiffres après la
virgule, on obtient le nombre suivant : 3,4567.
Arrondir un nombre consiste à chercher une valeur approchée de ce
nombre. Le résultat n'est donc plus exact, mais arrondi (approximatif).
Exemple : Arrondir un nombre à une décimale près (dizième, centième,
millième) est une forme d'estimation qui obéit à certaines règles précises.
Étape 1 : On repère le chiffre qui se situe à la position à arrondir.
Étape 2 : On repère le chiffre à droite de la position à arrondir :
• si ce chiffre est 0, 1, 2, 3 ou 4, le chiffre à la position à arrondir reste le
même;
• si ce chiffre est 5, 6, 7, 8 ou 9, on ajoute 1 au chiffre de la position à arrondir.
Étape 3 : On remplace tous les chiffres à droite de la position à arrondir par
des 0.
Arrondir 17 683 à l’unité de mille près.
July 29, 2014
7 Les Approximations
Tableau 1 : Exemple d’arrondissement
La réponse finale est 18000
3.3. Approximation par Développements Limités
On appelle développement limité d'une fonction un type d'approximation
polynomial valable au voisinage de 0, ou plus généralement de a fini. La
définition rigoureuse donnée plus bas se comprend mieux en partant d'une
notion un peu plus générale, mais hors-programme : celle de développement
asymptotique, qui nécessite elle-même de définir ce qu'on appelle une échelle
de comparaison; nous allons commencer par esquisser une définition de ces
termes.
3.3.1. Echelles de comparaison
Une échelle de comparaison est une suite de fonctions totalement ordonnée par
la relation . Ainsi, on a ( ) l'échelle des , puisque ; et en
0 l’échelle
On peut prolonger ces deux échelles : on a vu que pour x tendant vers on
avait par exemple ; et on peut montrer (exercice)
July 29, 2014
8 Les Approximations
que les fonctions ( ) forment une échelle, plus « riche » que les
précédentes (on dit qu'on a intercalé des fonctions dans l'échelle des ).
Une échelle de comparaison est une base de référence pour les fonctions (plus
compliquées) qu'on veut étudier : on essaie de déterminer la position de ces
fonctions par rapport aux fonctions de l'échelle.
3.3.2. Partie principale
On dit que f a pour partie principale (dans une échelle donnée) la fonction
(ou c est une constante 0) si fait partie de l'échelle, et si . On voit
aisément qu'une fonction donnée ne peut avoir qu'une partie principale (car on
ne peut avoir et ; et que ) ; mais toutes les
fonctions n'en ont pas : ainsi sur l'échelle des , en , tout polynôme
( ) ∑ a pour partie principal mais n'ont pas de
parties principales sur cette échelle…
On peut « deviner » une partie principale, mais il est plus rigoureux d'étudier la
limite « générale » , où f est la fonction qu'on veut approximer, et où
est une fonction « quelconque » de l'échelle; il doit y avoir une seule fonction
pour laquelle cette limite vaut c fini et non nul, et la partie principale de f est
alors
Par définition, si f a pour partie principale , c'est que ( ); on
voit ainsi que la partie principale d'un produit (ou d'un quotient) est le produit
(ou le quotient) des parties principales (du moins si l'échelle est assez riche), et
si la somme de deux parties principales n'est pas nulle, la partie principale de la
somme est celle des deux qui l'emporte sur l'autre; ou la somme des deux si
elles sont de même ordre (c'est-à-dire et ).
July 29, 2014
9 Les Approximations
Mais on ne peut rien dire de précis si les parties principales se sont
compensées…
C'est cette technique qui justifie les raisonnements du type « prenons les termes
de plus haut degré ». En effet, les règles de calcul sur fonctions équivalentes
( )
montrent que et entraîne que , etc.
( )
3.3.3. Développements asymptotiques
Si on a pu trouver la partie principale de f, l'intérêt se concentre sur la mesure
précise de l' « erreur » ; si cette fonction possède elle-même une partie
principale , il est clair que , et que l'on peut écrire
( ) écriture qui est plus précise que ( ). Rien
n'empêche de recommencer, et on aboutit à
( )
(avec les dans l'échelle, et ) ; une telle écriture
s'appelle un développement asymptotique de f sur l'échelle choisie.
À partir de ce point, nous ne considérerons plus que l'échelle des au
voisinage de 0.
On appelle alors développement limité de f à l'ordre n en 0 (qu'on abrège
souvent en ( ) ou même ) un polynôme ( )(de degré n) tel que
(au voisinage de 0) ( ) ( ) ( ) ; notant ( ) ∑ , on a
( ) ( ) ce qui coïncide bien avec la définition
précédente. On écrira donc ( ) (ou, quand on veut attirer l'attention
sur la précision exacte : ( ) ( ) ( )) ; il est aisé de démontrer que si
P existe (pour une certaine valeur de n), P est unique; et que deux et
de la même fonction coïncident jusqu'au terme de degré min(m; n).
July 29, 2014
10 Les Approximations
Toutes les fonctions mêmes « régulières » n'ont pas forcément de en 0; on
étudiera en classe les diverses sources d'exceptions possibles. Mais si une
fonction est de classe près de 0, on verra (en 3.4) qu'une des conséquences
des formules de Taylor est qu'elle possède un
Un développement limité n'est pas exactement une formule d'approximation; en
effet le « reste » (et donc l'erreur commise) est donnée sous forme d'un ( ),
dont on sait seulement qu'il tend vers 0 (plus vite que ) avec x ; mais on ne
dispose d'aucune garantie concrète (ainsi par exemple ( )
√| | admet le DL1 : ( ) ( ), mais l'erreur ne devient
négligeable (inférieure à x/10, par exemple) que pour | | ) C’est
pourquoi nous verrons en 3.4 des méthodes d'encadrement du reste.
3.4. Approximation par la formule de Taylor
3.4.1. Les trois formules de Taylor
Les formules de Taylor sont des expressions d'approximations polynomiales de
« bonnes fonctions »; les diverses formules expriment le « reste », c'est-à-dire le
terme d' « erreur », de plusieurs façons;
Leur démonstration est assez technique; le plus simple est de « parachuter » le
résultat (qui fut « deviné » historiquement par des manipulations de
polynômes), et d'appliquer alors la formule des accroissements finis à une
( )
fonction auxiliaire (déduite de ) ; c'est un exercice classique, mais cette
méthode est désagréablement artificielle !
Formules de Taylor
Hypothèses (Attention: elles doivent être soigneusement contrôlées)
July 29, 2014
11 Les Approximations
f est continûment dérivable jusqu’à l’ordre n sur [a ;b] ( de classe Cn) et admet
une dérivée d’ordre (n+1) sur ] [
Conclusions (les « formules »)
( )
(1) ( )( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) (Taylor – Lagrange)
( )
( )
(2) ( )( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( ( ))
Qu’on utilise en particulier avec a=0 et b=x, d’où on a :
( )
(2’) ( )( ) ( ) ( ) ( ) ( )
( ) (Marc – Laurin)
( )
Et (cas particulier), si est bornée au voisinage de 0, on obtient :
( )
(3) ( ) ( ) ( ) ( ) ( )
(DL) de Young, mais en fait il suffit, pour que ce DL soit valable, que f soit de
classe en 0, et de classe au voisinage de 0…
3.4.2. Exemple pratiques et estimation du reste
Les DL des fonctions usuelles ( ( ) ) sont des exemples de DL
de Young; pour obtenir d'autres exemples « à l'ordre n », il faut disposer d'une
formule générale pour (par exemple la formule de Leibnitz).
Mais on peut souvent obtenir des résultats théoriques d'existence de DL
justifiant leur calcul; par exemple, en admettant l'existence d'un DLn de (où
f est une bijection dont on connait le DLn), il est possible de le calculer par
identification en remarquant qu'on doit avoir ( )( ) , mais cette
July 29, 2014
12 Les Approximations
méthode manque de rigueur… Toutefois, les fonctions pour lesquelles on utilise
cette méthode en pratique sont de classe , et on a vu au précédent chapitre
que (si ( ) ), il en est de même de ; on peut alors justifier l'existence
du DLn de grâce à la formule de Taylor.
De même, on n'a pas en général le droit de dériver un DL, car il est faux d'écrire
( ( )) ( ), toutefois la formule de Taylor permet de le faire si f est
de classe (et on peut alors aussi calculer le DLn d'une primitive de f en
prenant une primitive de DLn(f), et en n'oubliant pas d'ajuster la constante
d'intégration !)
Les applications les plus intéressantes correspondent aux cas où on connait un
( )
encadrement de la dérivée (n + 1)-ème ( ), car on peut alors majorer
l'erreur commise. Un exemple célèbre est l'étude de la suite un = 1 + 1 + 1/2 +
… + 1/n!, qui « converge » vers e
3.5. Approximation de GAUSS et Diophantienne
Dans le domaine de la science, surtout celui de la physique appliquée,
plusieurs approximations sont faites ; ainsi en optique nous avons
l’approximation de Gauss qui permet de simplifier l’équation fondamentale
des miroirs sphériques ; pour l’étude du régime transitoire des machines
électriques on parle de certaines hypothèses appelées hypothèses
simplificatrices. L’approximation diophantienne traite de l’approximation
des nombres réels par les nombres rationnels.
4. Les sources d’erreurs d’approximations
4.1. Erreurs de modélisation
Les erreurs de modélisation comme leur nom l’indiquent, proviennent de
l’étape de mathématisation du phénomène physique auquel on s’intéresse. Cette
July 29, 2014
13 Les Approximations
étape consiste à faire ressortir les plus déterminantes du problème et à les mettre
en équation généralement des équations différentielles. Si le phénomène
observé est complexe, il faut simplifier et négliger les composantes qui
semblent être moins importantes ou qui rendent la résolution numérique très
difficile. C’est ce qu’on appelle erreur de modélisation.
4.2. Erreurs dues à la représentation des nombres sur ordinateur
En approximation, le second type d’erreur est lié à l’utilisation de l’ordinateur.
En effet, la représentation sur ordinateur (généralement binaire) introduit
souvent des erreurs.
Même infirmes au départ, ces erreurs peuvent s’accumuler à mesure qu’on
effectue un très grand nombre d’opération. Par exemple, la fraction 1/3 n’a pas
de représentation binaire exacte car elle ne possède pas de représentation
décimale finie. Ces erreurs se propagent au fil des calculs et peuvent
compromettre la précision des résultats.
4.3. Erreur de troncature
Les erreurs de troncature proviennent de l’utilisation du développement de
Taylor, qui permet de remplacer par exemple une équation différentielle par une
équation algébrique Certaine opérations/fonctions ne pourront pas être
représenté de manière exacte par un polynôme de degré fini (c’est pourquoi on
parle d’approximation par des polynômes). Tout comme on ne peut utiliser une
mantisse de longueur infinie il est exclu d’utiliser des polynômes de degré
infinie... On ”tronquera” le polynôme à un degré fini induisant ainsi une erreur.
Dans ce cas aussi on parlera d’erreur de troncature mais il ne s’agit plus ici des
erreurs liées à la représentation des nombres sur ordinateur, mais aux erreurs
liée au choix d’approximation pour les fonctions complexes.
July 29, 2014
14 Les Approximations
4.4. Les différentes erreurs d’approximation
4.4.1. L’erreur absolue – l’erreur relative
L’erreur absolue mesure l’écart entre la valeur approchée et la vraie valeur. Soit
x un nombre réel et x1 une approximation de x.
L’erreur absolue est notée ∆x et est définie par : ∆x = | |
L’erreur relative quant à elle mesure l’importance de l’erreur. Elle est notée E r
et définie par la relation Er =
En pratique, il est difficile de mesurer ces deux types d’erreur car on ne connait
généralement pas la valeur exacte de x et on n’a que la valeur approchée. Ainsi
dans le cas de quantités mesurées dont on ne connait que la valeur
approximative, il est impossible d’évaluer l’erreur absolue ; on dispose en
revanche d’une borne supérieure de cette erreur qui dépend de la précision des
instruments de mesure utilisés.
4.4.2. Ordre de précision d’une approximation
La méthode des différences finies consiste à approximer les dérivées des
équations de la physique au moyen des développements de Taylor et se déduit
directement de la définition de la dérivée. Elle est due aux travaux de plusieurs
mathématiciens du 18éme siècle (Euler, Taylor, Leibniz...).
Soit u(x,y,z,t) une fonction de l'espace et du temps. Par définition de la dérivée,
on a :
( ) ( )
July 29, 2014
15 Les Approximations
Si est petit, un développement de Taylor de ( ) au voisinage
de x donne : ( ) ( ) ( )
( ) ( )
En tronquant la série au premier ordre en , on obtient :
( ) ( )
( ) ( )
L’approximation de la dérivée ( ) est alors d’ordre 1 indiquant que l’erreur
de troncature O( ) tend vers zéro comme la puissance première de .
Conclusion
Il existe donc plusieurs types d’approximation avec les erreurs qu’elles
engendrent et leur utilisation permet donc résoudre de façon simple les
systèmes d’équations complexes qui modélisent les phénomènes physiques en
fonction du besoin et de l’objectif visé. Il est donc primordiale à un futur
ingénieur de connaitre le type d’approximation à utiliser dans les moindre
détails selon le phénomène physique à modéliser.
Webographie
[Link]
[Link]
July 29, 2014