Quadratura Adaptativa

A quadratura adaptativa subdivide automaticamente o intervalo de integração onde o integrando é difícil, usando estimativas de erro local para atingir uma precisão solicitada com o menor número possível de avaliações de função.

Definition

Quadratura adaptativa é qualquer estratégia de integração numérica que utiliza estimativas do erro de aproximação local para decidir onde e quão finamente subdividir o domínio de integração, de modo que uma tolerância de erro geral prescrita seja alcançada eficientemente.

Scope

Este tópico abrange a estimativa de erro local comparando regras de diferentes ordens ou níveis de refinamento, bisseção recursiva de intervalos (Simpson adaptativo e Gauss-Kronrod adaptativo), orçamentos de erro global e critérios de parada, o tratamento de singularidades e características acentuadas, e o design de integradores automáticos de produção, como os da biblioteca QUADPACK.

Core questions

• Como o erro local de uma estimativa de quadratura é calculado sem conhecer a integral exata?
• Como a subdivisão recursiva concentra o esforço onde o integrando varia mais?
• Quais critérios de parada atingem de forma confiável a tolerância solicitada, evitando trabalho desnecessário?
• Como as singularidades e descontinuidades integráveis são detectadas e tratadas de forma robusta?

Key theories

Estimativa de erro local e subdivisão

Comparar uma estimativa grosseira e uma mais fina (ou de ordem superior) em um subintervalo fornece uma estimativa do erro local; se exceder a parcela da tolerância alocada a esse subintervalo, o subintervalo é dividido e o procedimento recursa, caso contrário, sua contribuição é aceita.

Estratégias globalmente adaptativas

Em vez de tratar os subintervalos independentemente, os integradores globalmente adaptativos mantêm uma fila de subintervalos ordenados pelo erro estimado e sempre refinam o pior, o que lida eficientemente com singularidades localizadas e é a base das rotinas QUADPACK.

Mechanisms

Em cada subintervalo, o integrador avalia um par de regras aninhadas — por exemplo, um par de Gauss-Kronrod ou duas estimativas de Simpson em diferentes refinamentos — cuja diferença estima o erro local. Um método localmente adaptativo recursa bisseccionando qualquer subintervalo cujo erro estimado seja muito grande. Um método globalmente adaptativo mantém uma fila de prioridade de subintervalos indexados pelo erro estimado e subdivide repetidamente o pior infrator atual até que a estimativa de erro somada atinja a tolerância. Extrapolação e tratamento especializado de pesos são adicionados para lidar com singularidades de ponto final e integrandos oscilatórios.

Clinical relevance

A quadratura adaptativa é o que as rotinas de integração de propósito geral em software científico utilizam para fornecer um resultado com uma precisão especificada pelo usuário, sem que este precise analisar o integrando; é essencial para integrandos com picos, comportamento de camada limite ou singularidades integráveis que derrotariam uma regra fixa, e é a base dos integradores automáticos em pacotes numéricos e estatísticos amplamente utilizados.

History

A integração automática e controlada por erro amadureceu nas décadas de 1970 e início de 1980, culminando no pacote QUADPACK (1983), cujas rotinas adaptativas de Gauss-Kronrod com extrapolação se tornaram o padrão de fato e foram posteriormente adotadas, portadas ou reimplementadas em muitos sistemas de software numéricos e estatísticos.

Key figures

• Robert Piessens
• Philip J. Davis
• Philip Rabinowitz

Seminal works

• davis1984
• piessens1983

Frequently asked questions

Como um integrador adaptativo sabe o erro se não conhece a resposta?

Ele estima o erro local comparando duas aproximações de precisão diferente no mesmo subintervalo — por exemplo, uma regra de ordem superior e uma de ordem inferior. A diferença entre elas aproxima o erro e orienta onde refinar, mesmo que a integral verdadeira seja desconhecida.

Quando a quadratura adaptativa apresenta dificuldades?

Ela pode ser enganada por integrandos que são suaves nos pontos de amostragem, mas possuem características ocultas entre eles, por integrandos fortemente oscilatórios ou por singularidades não integráveis. Nesses casos, são necessárias regras especializadas, transformações ou métodos de integração oscilatória.