Approximation et interpolation

L’approximation a pour but de modéliser une situation à l’aide d’une fonction simple. Avec une
fonction simple, les calculs sont plus rapides. L’interpolation modélise des données partielles par une
fonction. On obtient ainsi une fonction qui permet de prédire des valeurs manquantes.

1. Approximation locale

1.1. Développement limité à l’ordre 1

On considère une fonction f : I → R dérivable autant de fois que nécessaire sur un intervalle I ⊂ R. Fixons
un point x 0 ∈ I. Comme f est continue alors f (x) ≃ f (x 0 ) pour tout x proche de x 0 . Comment obtenir une
meilleure approximation ? On va utiliser la dérivée pour écrire un développement limité à l’ordre de 1 de f
autour de x 0 :

f (x) ≃ f (x 0 ) + (x − x 0 ) f ′ (x 0 )

En écrivant x = x 0 + h (avec h proche de 0 lorsque x est proche de x 0 ), une autre écriture possible est :

f (x 0 + h) ≃ f (x 0 ) + h f ′ (x 0 )

Géométriquement cela correspond à approcher le graphe de f autour de x 0 par la tangente à ce graphe en

x 0 . Bien sûr, un développement limité ne fournit qu’une approximation locale qui n’a aucune utilité si x est
trop éloigné de x 0 .

Exemple.
Considérons f (x) = p1x autour de x 0 = 1. On a f ′ (x) = − 2x1p x . Ainsi f (x 0 ) = 1 et f ′ (x 0 ) = − 21 . Le DL
de f d’ordre 1 autour de x 0 = 1 est :
1 1
p ≃ 1 − (x − 1)
x 2
ou encore :
1 1
p ≃ 1 − h.
1+h 2
1 1
Combien vaut 1.1 ? Avec h = 0.1, on obtient 1.1 ≃ 0.95. Ce qui est proche de la valeur exacte
p p

p1 = 0.953463 . . .
1.1
Sur le dessin de gauche ci-dessous est tracée la courbe de f , ainsi que son DL d’ordre 1 (c’est donc la
tangente à la courbe en x 0 = 1). Sur la figure de droite on mesure l’erreur commise par le DL d’ordre 1,
c’est-à-dire le graphe de f (x) − (1 − 12 (x − 1)).
APPROXIMATION ET INTERPOLATION 2

Normalisation. Le calcul de p1x est particulièrement important car il est utilisé dans la normalisation d’un
vecteur. Par exemple : comment trouver le point P situé à une distance t du point S dans la direction du
vecteur #»
v ? C’est le point :
#»
v
P = S + t #»
∥v∥

.
P

#»
v
.
S

#»
Si #»
v = (vx , v y ) alors v
∥ #»
v∥ = q 1 (vx , v y ). Les calculs de p1 sont désormais directement implémentés dans
v x2 +v 2y x
les processeurs graphiques. Noter que notre approximation par un DL d’ordre 1 n’est valide que pour des
vecteurs qui sont déjà proches d’une norme 1. Une autre technique consiste à appliquer la méthode de
Newton, également basée sur la dérivée ; avec un choix judicieux de la valeur initiale, une seule itération
peut suffire (« astuce de Carmack »).

1.2. Développement limité à l’ordre n

Voici la formule du DL de f en x 0 à l’ordre n :

f ′′ (x 0 ) f (n) (x 0 )
f (x) ≃ f (x 0 ) + f ′ (x 0 )(x − x 0 ) + (x − x 0 )2 + · · · + (x − x 0 )n
2! n!

Ce que l’on peut récrire :

f ′′ (x 0 ) 2 f (n) (x 0 ) n
f (x 0 + h) ≃ f (x 0 ) + f ′ (x 0 )h + h + ··· + h
2! n!
c’est-à-dire :
n
X f (k) (x 0 ) k
f (x 0 + h) ≃ h .
k=0
k!
Géométriquement un DL à l’ordre 2 correspond à approcher le graphe de f par une parabole autour de x 0 .
Un DL à l’ordre n correspond à approcher le graphe de f par une courbe polynomiale de degré n autour de
x 0 . Plus n est grand, plus la courbe polynomiale est proche du graphe de f , mais toujours seulement autour
de x 0 .
APPROXIMATION ET INTERPOLATION 3

Exemple.
1 3
p1 3 − 25
Considérons f (x) = x
= x − 2 autour de x 0 = 1. On a f ′ (x) = − 21 x − 2 et f ′′ (x) = 4x et f ′′′ (x) =
7 f (k) (x 0 )
− 15
8 x
−2
ce qui permet de calculer les coefficients k! . Les DL à l’ordre 1, 2 et 3 donnent donc :
1 1
p ≃1− h
1+h 2
1 1 3
p ≃ 1 − h + h2
1+h 2 8
1 1 3 2 5 3
p ≃1− h+ h − h
1+h 2 8 16
Avec h = 0.1 on obtient p1 ≃ 0.953437 via le DL à l’ordre 3, ce qui donne 4 chiffres exacts après la
1.1
virgule.

Exemple.
On souhaite approcher f (x) = sin(x) par un polynôme sur l’intervalle [0, π2 ].
DL en 0. En posant x 0 = 0, on a f (0) = 0, f ′ (0) = 1, f ′′ (0) = 0 et f ′′′ (0) = −1. Le DL à l’ordre 3 en 0 est
donc :
1
sin(x) ≃ x − x 3
6
DL en π4 . En posant x 0 = π4 , on calcule f ( π4 ) = p12 , f ′ ( π4 ) = p12 ,. . . Le DL à l’ordre 3 en π4 est donc :
1 1  π 1  π 2 1  π 3
sin(x) ≃ p + p x − − p x− − p x−
2 2 4 2 2 4 6 2 4
π π
Comparaison. Sur [0, 2 ] le DL en 4 est plus précis que le DL en 0 car l’approximation est centrée sur le
milieu de l’intervalle.

Temps de calculs. Si on n’a pas besoin d’une grande précision mais d’une grande vitesse de calcul,
remplacer le calcul de sin(x) par un DL à l’ordre 3 est une bonne idée.
APPROXIMATION ET INTERPOLATION 4

Voici les premiers termes des développements limités de fonctions usuelles autour de x 0 = 0 :
x2 x3 x4
exp(x) ≃ 1 + x + + + + ···
2! 3! 4!
p x x2 x3
1+ x ≃1+ − + + ···
2 8 16
x3 x5 x7
sin(x) ≃ x − + − + ···
3! 5! 7!
x2 x4 x6
cos(x) ≃ 1 − + − + ···
2! 4! 6!
x 3 2x 5
tan(x) ≃ x + + + ···
3 15
x2 x3 x4
ln(1 + x) ≃ x − + − + ···
2 3 4

1.3. Deux variables

Soit f : R2 → R une fonction à deux variables. Le DL à l’ordre 1 de f en (x 0 , y0 ) est :

∂f ∂f
f (x 0 + h, y0 + k) ≃ f (x 0 , y0 ) + h ∂ x (x 0 , y0 ) + k ∂ x (x 0 , y0 )

Géométriquement le graphe de f (qui est ici une surface) est approché par le plan tangent à ce graphe en
(x 0 , y0 ).

Exemple.
La luminosité perçue dépend de l’intensité I0 de la source et de la distance R0 à cette source selon la
formule
I0
L= 2
R0
Comment évolue cette luminosité lorsque l’intensité ou la distance change ? Le DL à l’ordre 1 de f (x, y) =
x
y2
en (x 0 , y0 ) est :
x0 1 x0
f (x 0 + h, y0 + k) ≃ 2 + h 2 − 2k 3
y0 y0 y0
Ce qui pour notre problème donne :
I0 1 I0
L(I0 + ∆I, R0 + ∆R) ≃ 2 + ∆I 2 − 2∆R 3
R0 R0 R0
Application numérique avec (I0 , R0 ) = (100, 10), qui donne une luminosité initiale L(I0 , R0 ) = 1, et
∆I = 10 et ∆R = 1 :
L(110, 11) ≃ 1 + 0.1 − 0.2 = 0.9.
APPROXIMATION ET INTERPOLATION 5

2. Courbes de Bézier

2.1. Cubique de Bézier

Expliquons intuitivement les contraintes pour tracer une courbe de Bézier dans l’un des cas le plus simple.
On se donne deux points A et B, ainsi que deux vecteurs : un vecteur v#»A issu de A et un vecteur v#»
B issu de B.
La cubique de Bézier est une courbe qui passe par A et B et dont les tangentes sont données par les vecteurs
v#»A et v#»
B . Plus les vecteurs sont grands, plus la courbe reste tangente à ces vecteurs.

v#»A

. A
.
B
v#»B

Comme on contrôle le vecteur tangent aux extrémités, on peut en recoller deux ensembles de façon à obtenir
une courbe globale lisse.

.
C

.A
.
B
#»
vB′

v#»B

Revenons à la définition mathématique de la cubique de Bézier. Soient P0 , P1 , P2 , P3 ∈ R2 quatre points du

plan. On appelle cubique de Bézier le graphe de la fonction γ : [0, 1] → R2 définie par :

γ(t) = (1 − t)3 P0 + 3(1 − t)2 t P1 + 3(1 − t)t 2 P2 + t 3 P3

# » # »
Cette courbe part de P0 suivant le vecteur tangent P0 P1 puis arrive à P3 suivant le vecteur tangent P2 P3
# » # »
(ainsi P0 joue le rôle de A, P3 celui de B et v#»A = P0 P1 et v#»
B = P3 P2 ). Attention la courbe ne passe pas par les
points P1 et P2 !

.
P1

.
P2

.
P0
.
P3
APPROXIMATION ET INTERPOLATION 6

Il faut comprendre l’addition de points comme une addition de vecteurs de R2 : aP + bQ a pour coordonnées
(a x P + b x Q , a y P + b yQ ). Ainsi pour t = 0 on a γ(0) = P0 et pour t = 1 on a γ(1) = P3 .
Voici différents exemples de courbes de Bézier. Tout d’abord si on change la position du point d’arrivée P3
seulement.

.
.
P1
.
. .
P2
.
. .
.. .
. ........
P0

Ci-dessous on change seulement les vecteurs tangents.

.. . .
.. . .
.. . .
.. ..

.
P0
.
P3

La courbe de Bézier peut parfois avoir des formes surprenantes, par exemple elle peut se recouper elle-même.

.
P2
.
P1

.
P0
.
P3

Bounding box. Noter que la courbe de Bézier est toujours contenue dans le quadrilatère convexe de sommets
P0 , P1 , P2 , P3 . Cela permet d’obtenir un rectangle appelé bounding box (ou boîte englobante) de cette courbe.
Attention, ce rectangle n’est pas nécessairement le rectangle minimal pour la courbe de Bézier.
APPROXIMATION ET INTERPOLATION 7

.
P1

. P2

.
P0
.
P3

2.2. Vecteur tangent

Soit γ : [0, 1] → R2 une courbe de Bézier cubique donnée par :
γ(t) = (1 − t)3 P0 + 3(1 − t)2 t P1 + 3(1 − t)t 2 P2 + t 3 P3
Alors le vecteur tangent à la courbe au point γ(t) est donné par :
# » # » # »
γ′ (t) = 3(1 − t)2 P0 P1 + 6(1 − t)t P1 P2 + 3t 2 P2 P3

Voici la preuve :
d
γ′ (t) = (1 − t)3 P0 + 3(1 − t)2 t P1 + 3(1 − t)t 2 P2 + t 3 P3


dt
= −3(1 − t)2 P0 − 6(1 − t)t P1 + 3(1 − t)2 P1 + 6(1 − t)t P2 − 3t 2 P2 + 3t 2 P3
= 3(1 − t)2 (P1 − P0 ) + 6(1 − t)t(P2 − P1 ) + 3t 2 (P3 − P2 )
# » # » # »
= 3(1 − t)2 P0 P1 + 6(1 − t)t P1 P2 + 3t 2 P2 P3
Ainsi le vecteur tangent initial (au point γ(0) = P0 ) est :
# »
γ′ (0) = 3 P0 P1 .
Celui à la fin (au point γ(1) = P3 ) est :
# »
γ′ (1) = −3 P3 P2 .
# » # »
Ainsi la courbe est bien tangente au départ et à l’arrivée aux vecteurs P0 P1 et P3 P2 .

v#»P = γ′ (t)
n# »P

.
P = γ(t)

.
.
P0
P3

Une fois que l’on connaît le vecteur tangent #»

v = (a, b) en un point de la courbe, on calcule simplement le
#»
vecteur normal n = (−b, a), qui est un vecteur perpendiculaire à la tangente à la courbe.
APPROXIMATION ET INTERPOLATION 8

...
...
.....
....
..
...
................

Il est utile de rendre ces vecteurs normaux unitaires.

.
.

Connaître les vecteurs tangents et normaux unitaires permet de dessiner le long d’une courbe, tracer une
courbe parallèle (comme des rails, mais attention le second rail n’est pas un translaté du premier) ou bien
de dessiner ou d’écrire du texte le long d’une courbe.

2.3. Construction récursive

Pierre Bézier (1910-1999) était ingénieur chez Renault et cherchait des courbes simples à calculer et à
dessiner. C’est Paul de Casteljau (1930-2022, ingénieur chez Citroën !) qui propose un algorithme pour
construire facilement les courbes de Bézier.
Avec deux points. Soient P0 , P1 ∈ R2 deux points du plan. La courbe de Bézier est alors simplement le
segment [P0 , P1 ] paramétré par :
γ(t) = (1 − t)P0 + t P1
APPROXIMATION ET INTERPOLATION 9

.
P1

t .
P0
. P = γ(t)

Nous parlerons de paramétrisation linéaire (abrégé en lerp pour linear interpolation). Cela signifie que
γ(0) = P0 et γ(1) = P1 et γ(t) est à une distance t de P0 et à une distance 1 − t de P1 (si on suppose que la
distance P0 P1 vaut 1).
Avec trois points. Soient P0 , P1 , P2 ∈ R2 trois points du plan. Pour tracer la courbe de Bézier, on calcule d’une
part la paramétrisation linéaire Q 0 (t) du segment [P0 , P1 ] et d’autre part la paramétrisation linéaire Q 1 (t) du
segment [P1 , P2 ]. Pour chaque t, on obtient un segment [Q 0 (t), Q 1 (t)]. On calcule alors la paramétrisation
linéaire R(t) de ce segment. Ce point R(t) est le point de la courbe de Bézier au paramètre t.

.
P1
t

.
Q 1 (t)

.
Q 0 (t)
t . R(t)
t

.
P0
.
P2

Avec quatre points. On part de quatre points P0 , P1 , P2 , P3 , on calcule trois paramétrisations linéaires
correspondant aux trois segments, on obtient ainsi trois points Q 0 (t), Q 1 (t), Q 2 (t), puis on calcule deux
paramétrisations linéaires R0 (t), R1 (t) correspondant aux deux segments [Q 0 (t), Q 1 (t)], [Q 1 (t), Q 2 (t)],
finalement le point final S(t) de la courbe de Bézier est celui de la paramétrisation linéaire de [R0 (t), R1 (t)].
Noter que cet algorithme est récursif : on calcule le point d’une courbe de Bézier de n points en calculant
des points de plusieurs courbes de Bézier de n − 1 points. Il faut bien noter que le paramètre t ∈ [0, 1] est le
même pour toutes les courbes de Bézier intermédiaires.

P1
. .
Q 1 (t)

.
R1 (t)
.
P2

. .Q 2 (t)

R0 (t)
. S(t)

Q 0 (t)
.
.
P0
.
P3
APPROXIMATION ET INTERPOLATION 10

2.4. Cas général

Les formules et constructions précédentes se généralisent pour obtenir la courbe de Bézier pour n + 1 points
P0 , . . . , Pn .
Le polynôme de Bernstein de degré n est défini par :
 ‹
n i
bi,n (t) = t (1 − t)n−i
i
n n!


où i = i!(n−i)! est le coefficient binomial « i parmi n ». La courbe de Bézier associée à P0 , . . . , Pn est alors
paramétrée par :

n
X
γ(t) = bi,n (t)Pi
i=0

3. Approximation globale

3.1. Interpolation de Lagrange

Le problème est le suivant : on nous donne n + 1 points dans le plan et on cherche une courbe passant
exactement par tous ces points.
Précisons le problème : soient (a0 , b0 ), . . . , (an , bn ), n + 1 points du plan avec a0 < a1 < · · · < an . On cherche
un polynôme P(X ) de degré ⩽ n tel que P(ai ) = bi pour tout i = 0, . . . , n.

Proposition 1.
Si on note le polynôme de Lagrange élémentaire
APPROXIMATION ET INTERPOLATION 11

n
Y X − aj
L i (X ) =
j=0
ai − a j
j̸=i

alors l’unique polynôme de degré ⩽ n vérifiant P(ai ) = bi pour tout i = 0, . . . , n, est :

n
X
P(X ) = bi L i (X )
i=0

Pour la preuve le point clé est de remarquer que pour le polynôme élémentaire L i (X ), on a :
L i (ai ) = 1 et L i (a j ) = 0 pour tout j ̸= i.

Démonstration. Montrons d’abord que le polynôme P(X ) (qui est bien de degré n) convient. En effet
Xn
P(ai ) = b j L j (ai ) = bi L i (ai ) = bi
j=0

car pour j ̸= i, on a L j (ai ) = 0.

Soit maintenant Q(X ) un autre polynôme de degré ⩽ n vérifiant Q(ai ) = bi pour tout i = 0, . . . , n. On a
alors (P − Q)(ai ) = 0 pour tout i = 0, . . . , n. Donc le polynôme P(X ) − Q(X ) est un polynôme de degré ⩽ n
ayant n + 1 racines distinctes, c’est donc le polynôme nul. D’où P(X ) = Q(X ).

Exemple.
Considérons n = 2 et les 3 points (a0 , b0 ), (a1 , b1 ) et (a2 , b2 ). Trouvons l’équation de l’unique parabole
passant par ces trois points. Tout d’abord :
(X − a1 )(X − a2 ) (X − a0 )(X − a2 ) (X − a0 )(X − a1 )
L0 (X ) = L1 (X ) = L2 (X ) =
(a0 − a1 )(a0 − a2 ) (a1 − a0 )(a1 − a2 ) (a2 − a0 )(a2 − a1 )
et donc
P(X ) = b0 L0 (X ) + b1 L1 (X ) + b2 L2 (X ).
Par exemple pour les points (0, 2), (1, 1) et (3, 4), on a :
(X − 1)(X − 3) 1 2
L0 (X ) = = (X − 4X + 3)
(0 − 1)(0 − 3) 3
(X − 0)(X − 3) 1
L1 (X ) = = − (X 2 − 3X )
(1 − 0)(1 − 3) 2
(X − 0)(X − 1) 1 2
L2 (X ) = = (X − X )
(3 − 0)(3 − 1) 6
et donc
2 2 1 4 1
P(X ) = (X − 4X + 3) − (X 2 − 3X ) + (X 2 − X ) = (5X 2 − 11X + 12)
3 2 6 6
APPROXIMATION ET INTERPOLATION 12

Exemple.
Voici un exemple avec 4 points (n = 3).

On remarque que même si ces quatre points sont presque alignés la courbe obtenue est très éloignée
d’une courbe affine. On peut se demander si imposer de passer exactement par les points n’est pas une
contrainte trop forte.

3.2. Polynômes de Tchebychev

Décrivons deux façons de définir les polynômes de Tchebychev Tn (X ).
Définition trigonométrique. Le polynôme Tn (X ) est défini par la relation :
Tn (X ) = cos(n arccos X )
Autrement dit :

Tn (cos θ ) = cos(nθ )

Définition par récurrence. Le polynôme Tn (X ) est aussi défini par la relation de récurrence :

T0 (X ) = 1 T1 (X ) = X Tn+1 (X ) = 2X Tn (X ) − Tn−1 (X ) pour n ⩾ 1

APPROXIMATION ET INTERPOLATION 13

Voici la liste des premiers polynômes de Tchebychev :

T0 (X ) = 1 T1 (X ) = X T2 (X ) = 2X 2 − 1
T3 (X ) = 4X 3 − 3X T4 (X ) = 8X 4 − 8X 2 + 1 T5 (X ) = 16X 5 − 20X 3 + 5X
Voici les graphes de ces polynômes Tn (X ) pour n = 1, . . . , 6.

Voici quelques propriétés immédiates des polynômes de Tchebychev :

Proposition 2.
• Tn (X ) est un polynôme de degré n de coefficient dominant 2n−1 (pour tout n ⩾ 1).
• Le polynôme Tn (X ) admet n racines distinctes dans [−1, 1] qui sont :
2k + 1
 ‹
ωk = cos π k = 0, . . . , n − 1.
2n
La propriété qui nous concerne davantage est la suivante :
Proposition 3.
1
Le polynôme 2n−1 Tn (X ) est le polynôme qui approche au mieux la fonction nulle sur l’intervalle [−1, 1] parmi
tous les polynômes de degré n et de coefficient dominant 1.
La reformulation mathématique de cette proposition est la suivante : soit ∥ f ∥∞ = max−1⩽ x ⩽1 | f (x)|, la
1
norme infinie d’une fonction f sur l’intervalle [−1, 1]. Alors ∥Tn ∥∞ = 2n−1 est la plus petite norme possible
pour un polynôme de degré n et de coefficient dominant 1.
APPROXIMATION ET INTERPOLATION 14

Évidemment approcher la fonction nulle a peu d’intérêt en soi mais prouve que les polynômes de Tchebychev
permettent d’approcher efficacement une fonction sur un intervalle tout entier et pas seulement en quelques
points. Les polynômes de Tchebychev permettent en fait d’approcher n’importe quelle fonction sur un
intervalle [a, b] par un polynôme de degré n (de façon analogue aux séries de Fourier). Nous énonçons le
résultat de manière informelle.
Soit f : [−1, 1] → R une fonction continue et dérivable. Il existe des coefficients ci ∈ R tels que P(X ) =
Pn−1
i=0 ci Ti (X ) est un polynôme de degré n − 1 qui approche correctement f sur l’intervalle [−1, 1] :

n−1
X
f (x) ≃ ci Ti (x) pour tout x ∈ [−1, 1]
i=0

où les coefficients se calculent par les formules :

n−1 n−1
1X 2X
c0 = f (ωk ) et ci = f (ωk )Ti (ωk ) pour i = 1, . . . , n − 1
n k=0 n k=0

et où les ωk sont les n racines de Tn (X ).

L’erreur que l’on cherche à minimiser est ∥ f − P∥∞ . Les polynômes de Tchebychev ne fournissent pas une
approximation optimale mais une approximation qui est suffisamment bonne pour être utilisée dans la
plupart des cas.

Exemple.
1
Voici les approximations de la fonction f (x) = 1+2x+5x 2
par des séries de Tchebychev pour les ordres
n = 3, 5, 7, 9.
APPROXIMATION ET INTERPOLATION 15

Exemple.
On souhaite approcher g(x) = sin(x) sur l’intervalle [0, π2 ]. On commence par transformer la fonction g
définie sur [0, π2 ] en une fonction f définie sur [−1, 1] par :
x +1π π
 ‹ 
f (x) = g = sin (x + 1)
2 2 4
Calculons le développement en série de Tchebychev de f pour n = 3.
• Tout d’abord, on rappelle :
T0 (X ) = 1 T1 (X ) = X T2 (X ) = 2X 2 − 1 T3 (X ) = 4X 3 − 3X
• Les racines de T3 (X ) sont :
 ‹ p p
1 3 3 5 3
 ‹  ‹
ω0 = cos π = ω1 = cos π =0 ω2 = cos π =−
6 2 6 6 2
• Les coefficients c i sont :
1
c0 = ( f (ω0 ) + f (ω1 ) + f (ω2 )) ≃ 0.602202
3
2
c1 = ( f (ω0 )T1 (ω0 ) + f (ω1 )T1 (ω1 ) + f (ω2 )T1 (ω2 )) ≃ 0.513518
3
2
c2 = ( f (ω0 )T2 (ω0 ) + f (ω1 )T2 (ω1 ) + f (ω2 )T2 (ω2 )) ≃ −0.104905
3
• Ainsi le développement en série de Tchebychev de f pour n = 3 est :
f (x) ≃ P(x) = c0 T0 (x) + c1 T1 (x) + c2 T2 (x) = (c0 − c2 ) + c1 x + 2c2 x 2
π
• Revenons à notre problème initial d’approcher g(x) = sin(x) sur l’intervalle [0, 2 ]. On effectue la
transformation inverse sur P(X )
4X
 ‹
Q(X ) = P −1
π
• Voici le graphe obtenu pour Q(x) comparé avec celui de g(x) (figure de gauche). L’erreur commise
par cette approximation sur [0, π2 ] est partout inférieure à 0.02 (figure de droite).

3.3. Approximants de Padé

Au lieu d’approcher une fonction sur un intervalle par des polynômes on peut aussi l’approcher par des
fractions rationnelles de la forme :
R(x) a0 + a1 x + · · · + an x n
=
Q(X ) b0 + b1 x + · · · + bm x m
où R(x) et Q(x) sont des polynômes de degrés respectifs n et m. Avec des polynômes de degrés plus petits
on obtient une approximation équivalente à celle obtenue par un polynôme P(X ) de degré n + m.
APPROXIMATION ET INTERPOLATION 16

Exemple.
Soit f (x) = exp(x) à approcher autour de x 0 = 0. Le développement limité à l’ordre 4 autour de 0 est :
x2 x3 x4
P(x) = 1 + x + + + .
2 6 24
L’approximant de Padé de bidegré (n, m) = (2, 2) est :
R(x) 12 + 6x + x 2
= .
Q(x) 12 − 6x + x 2
R(x)
Les comportements de P(X ) et de Q(x) autour de x 0 = 0 sont quasi-identiques mais les approximants de
Padé peuvent avoir un comportement plus adapté loin de x 0 .