Cuadratura Gaussiana

La cuadratura gaussiana elige tanto los nodos como los pesos de una regla de cuadratura para maximizar su grado polinómico de exactitud, integrando polinomios de grado 2n-1 exactamente con solo n evaluaciones de función.

Definition

La cuadratura gaussiana es una familia de reglas de cuadratura cuyos nodos son las raíces de polinomios ortogonales asociados con una función de peso, elegidos junto con sus pesos para lograr el máximo grado posible de exactitud para un número dado de nodos.

Scope

Este tema abarca la construcción de reglas gaussianas a partir de las raíces de polinomios ortogonales, la regla de Gauss-Legendre y variantes ponderadas (Gauss-Chebyshev, Gauss-Hermite, Gauss-Laguerre), el algoritmo de valores propios de Golub-Welsch para calcular nodos y pesos, y las extensiones de Gauss-Kronrod utilizadas para la estimación práctica de errores.

Core questions

• ¿Cómo el colocar nodos en las raíces de polinomios ortogonales duplica el grado de exactitud en comparación con las reglas de nodos fijos?
• ¿Cómo se calculan con precisión los nodos y los pesos para una función de peso dada?
• ¿Cómo manejan las reglas gaussianas ponderadas las integrales con funciones de peso singulares o de dominio infinito?
• ¿Cómo se obtienen estimaciones de error fiables, por ejemplo, a través de pares de Gauss-Kronrod?

Key theories

Grado máximo de exactitud

Una regla de cuadratura de n puntos puede ser exacta para polinomios hasta el grado 2n-1, y este máximo se alcanza precisamente cuando los nodos son las raíces del polinomio ortogonal de grado n para la función de peso, con todos los pesos positivos.

Algoritmo de Golub-Welsch

Los nodos y pesos de una regla gaussiana se obtienen como los valores propios y los componentes cuadrados del primer vector propio de la matriz de Jacobi tridiagonal simétrica formada a partir de los coeficientes de recurrencia de los polinomios ortogonales, convirtiendo la construcción de la cuadratura en un cálculo de valores propios.

Mechanisms

Los polinomios ortogonales satisfacen una recurrencia de tres términos cuyos coeficientes pueblan una matriz de Jacobi tridiagonal simétrica; el algoritmo de Golub-Welsch calcula sus valores propios (los nodos de cuadratura) y utiliza los primeros componentes de los vectores propios para recuperar los pesos, todo de manera estable. Cambiar la función de peso —a una con singularidades incorporadas o soportada en una semirrecta o en toda la recta— produce reglas de Gauss-Chebyshev, Gauss-Laguerre o Gauss-Hermite que absorben el comportamiento difícil analíticamente. Las reglas de Gauss-Kronrod reutilizan los nodos de Gauss y añaden nodos entrelazados para que se obtenga una estimación de orden superior, y por lo tanto una estimación de error, con un costo adicional modesto.

Clinical relevance

La cuadratura gaussiana es la herramienta principal para evaluar integrales de elementos y rigidez en el análisis de elementos finitos, para calcular momentos y expectativas frente a funciones de peso de probabilidad en estadística y cuantificación de la incertidumbre, y para la evaluación de alta precisión de integrales suaves en física e ingeniería, donde minimizar el número de evaluaciones costosas del integrando es primordial.

History

Gauss derivó su cuadratura óptima en 1814; Jacobi la conectó con polinomios ortogonales, y el tratamiento computacional moderno fue establecido por el algoritmo de Golub-Welsch de 1969, que hizo que los nodos y los pesos fueran rutinariamente computables y llevó las reglas gaussianas a las bibliotecas numéricas estándar.

Key figures

• Carl Friedrich Gauss
• Carl Gustav Jacob Jacobi
• Gene H. Golub
• Walter Gautschi

Seminal works

• davis1984
• gautschi2004

Frequently asked questions

¿Cómo pueden n puntos integrar un polinomio de grado 2n-1 exactamente?

Debido a que tanto los n nodos como los n pesos son parámetros libres, hay 2n grados de libertad, suficientes para igualar las integrales de 2n polinomios base (grados 0 a 2n-1). Colocar los nodos en las raíces de polinomios ortogonales logra exactamente esto.

¿Cómo se verifica la precisión de una regla gaussiana en la práctica?

Un enfoque común es el par de Gauss-Kronrod, que aumenta una regla de Gauss con nodos adicionales para producir una estimación de orden superior; la diferencia entre las dos estimaciones sirve como una estimación práctica del error utilizada por los integradores adaptativos.