Intégration numérique
L'intégration numérique, ou quadrature, approxime les intégrales définies par des sommes pondérées de valeurs de fonction, fournissant des valeurs précises lorsqu'une primitive n'est pas disponible ou que l'intégrande n'est connue qu'en des points d'échantillonnage.
Definition
L'intégration numérique est l'approximation d'une intégrale définie par une combinaison pondérée finie de valeurs de l'intégrande, appelée règle de quadrature, ainsi que l'analyse de sa précision.
Scope
Ce domaine couvre les règles de quadrature interpolatoires construites en intégrant des interpolants polynomiaux (Newton-Cotes), les règles de Gauss de degré optimal basées sur des polynômes orthogonaux, les schémas composites et adaptatifs qui contrôlent automatiquement l'erreur, ainsi que l'analyse d'erreur qui régit la précision et la convergence ; l'intégration multidimensionnelle est traitée comme une extension de ces fondations unidimensionnelles.
Sub-topics
Core questions
- Comment les règles de quadrature sont-elles construites à partir de l'interpolation polynomiale, et qu'est-ce qui détermine leur précision ?
- Quel est le degré d'exactitude d'une règle, et comment les règles de Gauss le maximisent-elles pour un nombre donné de points ?
- Comment les stratégies composites et adaptatives contrôlent-elles l'erreur sur un intervalle ?
- Comment la régularité de l'intégrande régit-elle le taux de convergence d'une règle de quadrature ?
Key theories
- Quadrature interpolatoire
- L'intégration du polynôme qui interpole l'intégrande aux nœuds choisis donne une règle de quadrature dont les poids sont les intégrales des fonctions de base de Lagrange ; la règle est exacte pour tous les polynômes jusqu'au degré d'interpolation.
- Quadrature de Gauss et polynômes orthogonaux
- Le choix des nœuds comme racines de polynômes orthogonaux produit une règle à n points exacte pour les polynômes jusqu'au degré 2n-1, le maximum possible, reliant la quadrature optimale à la théorie des polynômes orthogonaux.
- Contrôle adaptatif de l'erreur
- La comparaison des estimations issues de règles d'ordres différents ou de subdivisions affinées fournit une estimation d'erreur qui pilote la subdivision automatique, concentrant l'effort là où l'intégrande varie rapidement.
Clinical relevance
La quadrature est nécessaire partout où les intégrales ne peuvent pas être évaluées sous forme fermée : pour le calcul des espérances et des constantes de normalisation en probabilités et statistiques, l'évaluation des intégrales d'éléments dans les méthodes par éléments finis, la sommation des contributions radiatives et de force dans les simulations physiques, et la valorisation d'instruments en finance computationnelle ; le choix de la règle implique un compromis entre la précision et le nombre d'évaluations (souvent coûteuses) de l'intégrande.
History
Les règles interpolatoires classiques remontent à Newton et Cotes, tandis que Gauss a introduit sa quadrature de degré optimal en 1814 ; l'ère informatique a ajouté des algorithmes adaptatifs automatiques et des bibliothèques logicielles de haute qualité, et a renouvelé l'attention portée au conditionnement et à la stabilité de la quadrature pour les intégrales difficiles.
Key figures
- Carl Friedrich Gauss
- Isaac Newton
- Roger Cotes
- Philip J. Davis
Related topics
Seminal works
- davis1984
- quarteroni2007
Frequently asked questions
- Quand l'intégration numérique est-elle nécessaire au lieu de trouver une primitive ?
- De nombreuses intégrales n'ont pas de primitive exprimable en fonctions élémentaires, et en pratique, l'intégrande peut n'être disponible que sous forme de données ou de sortie d'une simulation. Dans les deux cas, une règle de quadrature estime l'intégrale directement à partir des valeurs de la fonction.
- Pourquoi la quadrature de Gauss est-elle si efficace ?
- En plaçant de manière optimale les nœuds et les poids, une règle de Gauss à n points intègre exactement les polynômes jusqu'au degré 2n-1 — soit le double du degré d'une règle de Newton-Cotes avec le même nombre de points — elle atteint donc une grande précision avec peu d'évaluations de fonction pour les intégrales régulières.