Quadrature Adaptative

La quadrature adaptative subdivise automatiquement l'intervalle d'intégration là où l'intégrande est difficile, en utilisant des estimations d'erreur locales pour atteindre une précision requise avec le moins d'évaluations de fonction possible.

Definition

La quadrature adaptative est toute stratégie d'intégration numérique qui utilise des estimations de l'erreur d'approximation locale pour décider où et avec quelle finesse subdiviser le domaine d'intégration afin qu'une tolérance d'erreur globale prescrite soit atteinte efficacement.

Scope

Ce sujet couvre l'estimation de l'erreur locale par la comparaison de règles d'ordres ou de niveaux de raffinement différents, la bissection récursive d'intervalle (Simpson adaptative et Gauss-Kronrod adaptative), les budgets d'erreur globaux et les critères d'arrêt, le traitement des singularités et des caractéristiques abruptes, ainsi que la conception d'intégrateurs automatiques de production tels que ceux de la bibliothèque QUADPACK.

Core questions

• Comment l'erreur locale d'une estimation de quadrature est-elle calculée sans connaître l'intégrale exacte ?
• Comment la subdivision récursive concentre-t-elle l'effort là où l'intégrande varie le plus ?
• Quels critères d'arrêt permettent d'atteindre de manière fiable la tolérance requise tout en évitant le travail inutile ?
• Comment les singularités intégrables et les discontinuités sont-elles détectées et traitées de manière robuste ?

Key theories

Estimation de l'erreur locale et subdivision

La comparaison d'une estimation grossière et d'une estimation plus fine (ou d'ordre supérieur) sur un sous-intervalle fournit une estimation de l'erreur locale; si elle dépasse la part de la tolérance allouée à ce sous-intervalle, le sous-intervalle est divisé et la procédure se répète, sinon sa contribution est acceptée.

Stratégies globalement adaptatives

Plutôt que de traiter les sous-intervalles indépendamment, les intégrateurs globalement adaptatifs maintiennent une file d'attente de sous-intervalles classés par erreur estimée et affinent toujours le plus problématique, ce qui gère efficacement les singularités localisées et est à la base des routines QUADPACK.

Mechanisms

Sur chaque sous-intervalle, l'intégrateur évalue une paire de règles imbriquées — par exemple une paire de Gauss-Kronrod ou deux estimations de Simpson à différents niveaux de raffinement — dont la différence estime l'erreur locale. Une méthode localement adaptative procède par récursion en bissectant tout sous-intervalle dont l'erreur estimée est trop grande. Une méthode globalement adaptative maintient une file de priorité de sous-intervalles classés par erreur estimée et subdivise de manière répétée le sous-intervalle le plus problématique jusqu'à ce que l'estimation de l'erreur cumulée atteigne la tolérance. L'extrapolation et la gestion spécialisée des poids sont ajoutées pour faire face aux singularités aux bornes et aux intégrales oscillantes.

Clinical relevance

La quadrature adaptative est ce sur quoi les routines d'intégration à usage général des logiciels scientifiques s'appuient pour fournir un résultat avec une précision spécifiée par l'utilisateur sans que l'utilisateur n'ait à analyser l'intégrande; elle est essentielle pour les intégrales présentant des pics, un comportement de couche limite ou des singularités intégrables qui mettraient en échec une règle fixe, et elle est à la base des intégrateurs automatiques dans les progiciels numériques et statistiques largement utilisés.

History

L'intégration automatique et contrôlée par l'erreur a mûri dans les années 1970 et au début des années 1980, culminant avec le progiciel QUADPACK (1983), dont les routines adaptatives de Gauss-Kronrod avec extrapolation sont devenues la norme de facto et ont été par la suite adoptées, portées ou réimplémentées dans de nombreux systèmes logiciels numériques et statistiques.

Key figures

• Robert Piessens
• Philip J. Davis
• Philip Rabinowitz

Seminal works

• davis1984
• piessens1983

Frequently asked questions

Comment un intégrateur adaptatif connaît-il l'erreur s'il ne connaît pas la réponse ?

Il estime l'erreur locale en comparant deux approximations de précision différente sur le même sous-intervalle — par exemple une règle d'ordre supérieur et une règle d'ordre inférieur. Leur différence approxime l'erreur et guide l'endroit où affiner, même si l'intégrale vraie est inconnue.

Quand la quadrature adaptative rencontre-t-elle des difficultés ?

Elle peut être induite en erreur par des intégrales qui sont lisses aux points d'échantillonnage mais qui présentent des caractéristiques cachées entre eux, par des intégrales fortement oscillantes, ou par des singularités non intégrables. Des règles spécialisées, des transformations ou des méthodes d'intégration oscillatoire sont alors nécessaires.