🔢 mathematics

Residual-adaptive truncation in an arbitrary-order tangent iteration for $\pi$ : quadratic growth of the accuracy exponent

Cet article introduit une règle de troncature résiduelle-adaptative pour une itération tangente d'ordre arbitraire afin de calculer $\pi$ , laquelle exploite la série alternée de l'arctangente pour atteindre une croissance quadratique de l'exposant de précision décimale, permettant ainsi une convergence rapide d'une approximation unique de Chudnovsky à plus d'un million de décimales correctes.

Auteurs originaux : Shih-Han Wang

Publié 2026-09-16

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Shih-Han Wang

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

La quête du calcul du nombre pi, le rapport entre la circonférence d'un cercle et son diamètre, sert depuis longtemps de terrain d'essai pour les outils mathématiques les plus puissants. Bien que le nombre lui-même soit simple à définir, son développement décimal infini et non périodique en fait un cas de test parfait pour la manière dont nous gérons les calculs complexes. Pendant des siècles, les mathématiciens se sont appuyés sur deux stratégies principales pour trouver plus de chiffres de pi. La première consiste à additionner de longues listes de nombres dans une série, où chaque nouveau terme ajoute une précision fixe et prévisible. La seconde stratégie utilise des méthodes itératives, où un ordinateur part d'une estimation grossière et l'affine de manière répétée. Dans ces approches itératives, l'objectif est généralement de doubler le nombre de chiffres corrects à chaque étape, un processus connu sous le nom de convergence quadratique. Bien que ces méthodes soient incroyablement rapides, elles suivent généralement un script rigide : la formule utilisée pour améliorer l'estimation reste la même, même lorsque l'estimation devient plus précise.

Une nouvelle étude de Shih-Han Wang, de l'Université de Virginia Tech, remet en question l'idée que le script doive rester rigide. La recherche introduit une méthode où le calcul change lui-même de comportement en fonction de sa proximité avec la réponse. Au lieu d'utiliser une formule fixe, la méthode examine l'erreur actuelle — la différence entre l'estimation actuelle et la valeur réelle de pi — et utilise cette erreur pour décider du nombre de termes à inclure dans l'étape de calcul suivante. Cela crée un système auto-ajustable où la vitesse d'amélioration s'accélère de manière spectaculaire à mesure que le calcul s'améliore. L'étude démontre que cette approche ne se contente pas de doubler le nombre de chiffres corrects, mais qu'elle élève le nombre de chiffres corrects au carré à chaque étape, menant à une explosion de précision qui surpasse largement les méthodes traditionnelles à ordre fixe.

Le cœur de ce travail réside dans une relation mathématique spécifique impliquant la fonction tangente. Lorsqu'un nombre est très proche de pi, sa valeur tangente est extrêmement petite, et cette petite valeur sert de mesure directe de l'erreur. Le chercheur a réalisé que la taille de cette erreur pouvait être utilisée pour déterminer exactement combien de termes de correction étaient nécessaires pour corriger l'estimation. Dans une méthode standard, un mathématicien pourrait décider d'utiliser une formule qui corrige les dix premiers termes d'un développement, qu'il soit décalé d'une fraction infime ou d'un montant important. Dans la méthode adaptative de Wang, l'ordinateur vérifie d'abord la taille de l'erreur. Si l'erreur est grande, il utilise une correction courte. Si l'erreur est minuscule, il bascule automatiquement vers une correction beaucoup plus longue et détaillée. Cette décision est prise à chaque étape, rendant le processus non stationnaire, ce qui signifie que les règles du jeu changent au fur et à mesure que la partie progresse.

Les résultats de cette stratégie adaptative sont mathématiquement profonds. L'étude prouve que si un calcul possède un certain nombre de chiffres corrects, l'étape suivante produira un nombre de chiffres corrects qui est approximativement le carré du compte précédent. Pour mettre cela en perspective, si un calcul a atteint 10 chiffres corrects, l'étape suivante passerait à environ 100 chiffres corrects. S'il atteint 1 000 chiffres corrects, l'étape suivante bondirait à un million. Il s'agit d'un changement fondamental par rapport à la croissance linéaire ou quadratique observée dans les autres algorithmes à haute vitesse. L'article montre que cette croissance n'est pas seulement une possibilité théorique, mais une loi mathématique prouvée pour ce type spécifique d'itération, à condition que l'estimation initiale soit déjà raisonnablement proche de la valeur réelle.

Pour vérifier ces découvertes, le chercheur a mené une expérience numérique en partant d'une approximation bien connue de pi dérivée de la formule de Chudnovsky. L'estimation initiale était précise à environ 13 décimales. Après la première étape adaptative, la précision a bondi à environ 385 chiffres corrects. La deuxième étape a poussé la précision à près de 300 000 chiffres corrects. La troisième étape était si puissante qu'elle produisait théoriquement plus de 100 milliards de chiffres corrects, un nombre si vaste que l'ordinateur n'a pu vérifier que le premier million de chiffres par rapport à un standard de référence connu. Le fait que le premier million de chiffres corresponde parfaitement à la référence a confirmé que les prédictions théoriques étaient exactes. La méthode a généré avec succès une séquence d'approximations dont la précision augmentait exactement comme le modèle mathématique le prédisait, passant de milliers à des millions de chiffres en seulement quelques itérations.

Ce travail se distingue des autres méthodes à haute vitesse par sa flexibilité. Alors que d'autres algorithmes peuvent être conçus pour avoir un « ordre » de convergence fixe, tel que le doublement ou le triplement des chiffres à chaque fois, cette méthode n'a pas d'ordre fixe. Au lieu de cela, son ordre de convergence augmente automatiquement à mesure que le calcul s'améliore. L'étude précise que cela ne signifie pas que la méthode est infiniment rapide dans un sens pratique, car le coût de l'exécution des calculs augmente également avec le nombre de chiffres. Cependant, en termes de relation mathématique entre l'erreur actuelle et l'erreur suivante, l'amélioration est plus rapide que toute puissance fixe de l'erreur actuelle. La recherche fournit une preuve rigoureuse que l'erreur de l'étape suivante devient négligeable par rapport à toute puissance fixe de l'erreur actuelle, une propriété qui la distingue de toutes les itérations à ordre fixe connues auparavant.

L'étude aborde également les limites de son propre succès. La méthode repose sur le fait que l'estimation initiale se situe dans une plage spécifique de la valeur réelle de pi, plus précisément dans un quart de radian. Heureusement, le point de départ utilisé dans l'expérience, dérivé de la formule de Chudnovsky, tombe bien dans cette zone de sécurité. Une fois que le calcul entre dans cette zone, la méthode garantit qu'il y restera et continuera de s'améliorer. Le papier ne prétend pas résoudre le problème de la recherche de pi à partir d'un point de départ aléatoire, mais propose plutôt un moteur hautement efficace pour affiner une estimation qui est déjà proche. Il note également que, bien que la convergence mathématique soit spectaculaire, le temps réel nécessaire pour exécuter ces calculs sur un ordinateur dépend de l'efficacité avec laquelle l'ordinateur peut gérer le nombre massif de chiffres impliqués, ce qui est un défi d'ingénierie distinct.

En fin de compte, cette recherche offre une nouvelle façon de penser sur la manière dont nous affinons les réponses numériques. Elle suggère que lorsqu'une formule de correction est disponible sous une forme flexible, l'erreur actuelle peut être utilisée non seulement pour mesurer le progrès, mais aussi pour dicter la stratégie de la prochaine étape. En laissant l'erreur déterminer la profondeur de la correction, la méthode transforme un processus itératif standard en un système auto-accéléré. Les conclusions sont soutenues à la fois par une preuve mathématique rigoureuse et par une vérification numérique directe, montrant que le nombre de chiffres corrects peut effectivement croître à un rythme qui élève la précision précédente au carré. Cette approche ouvre une nouvelle voie pour l'arithmétique de haute précision, démontant que le chemin vers une précision extrême peut être pavé par des algorithmes qui adaptent leurs propres règles au fur et à mesure qu'ils progressent.

Résumé Technique : Troncature Adaptative au Résiduel dans une Itération Tangentielle d'Ordre Arbitraire pour $\pi$

Énoncé du Problème
Le calcul de $\pi$ sert de référence pour l'interaction entre les identités analytiques, l'itération non linéaire et l'arithmétique de haute précision. Alors que les méthodes basées sur des séries (ex. Chudnovsky) offrent une croissance linéaire du nombre de chiffres corrects par terme, et que les méthodes itératives à ordre fixe (ex. Brent–Salamin ou les itérations de la tangente de Labelle) offrent des ordres de convergence algébrique, il existe un fossé entre ces méthodes et celles où l'ordre de convergence s'adapte automatiquement à la précision actuelle. Les constructions existantes à ordre arbitraire nécessitent un ordre entier $p$ prescrit de l'extérieur, ce qui résulte en un taux de convergence algébrique fixe. Ce document examine si la profondeur de troncature d'une itération basée sur la tangente peut être sélectionnée directement à partir du résiduel actuel, permettant à l'exposant de correction d'erreur d'augmenter automatiquement à mesure que l'approximation s'améliore.

Méthodologie
La méthode proposée utilise l'identité locale $\pi = x - \arctan(\tan x)$ , valable pour $x$ dans la branche principale proche de $\pi$ . Soit $x_n$ une approximation de $\pi$ avec une erreur $e_n = x_n - \pi$ . Le résiduel tangentiel est défini par $t_n = \tan x_n = \tan e_n$ . Puisque $e_n = \arctan t_n$ , l'erreur peut être exprimée comme la queue de la série de Maclaurin de $\arctan t_n$ .

L'innovation centrale est une règle de troncature adaptative au résiduel :

Exposant de Précision du Résiduel : Définir $\rho_n = -\log_{10} |t_n|$ .
Indice de Troncature Adaptatif : Fixer la profondeur de troncature $d_n = \max\{1, \lfloor \rho_n \rfloor\}$ . Cet indice représente l'ordre de grandeur décimal du résiduel actuel.
Étape d'Itération : La prochaine itérée est calculée en soustrayant les $d_n + 1$ premiers termes de la série $\arctan$ :
$x_{n+1} = x_n - \sum_{j=0}^{d_n} \frac{(-1)^j t_n^{2j+1}}{2j+1}$
La nouvelle erreur $e_{n+1}$ correspond exactement à la queue omise de la série alternée, commençant à la puissance $2d_n + 3$ .

Contributions Clés

Schéma d'Itération Non Stationnaire : Le document introduit une itération non stationnaire où la forme analytique de la mise à jour reste constante, mais où la profondeur de troncature $d_n$ varie à chaque étape en fonction de la magnitude du résiduel tangentiel.
Analyse d'Erreur Rigoureuse : En exploitant le théorème du reste de la série alternée, l'auteur dérive une représentation exacte de la queue pour la nouvelle erreur. Cela produit une borne de reste asymptotique uniforme :
$|e_{n+1}| \leq \frac{|t_n|^{2d_n+3}}{2d_n+3}$
Croissance Quadratique de l'Exposant de Précision : Le résultat théorique principal est la dérivation de la relation de récurrence pour l'exposant de précision décimale $D_n = -\log_{10} |e_n|$ . Le document prouve que lorsque $e_n \to 0$ :
$D_{n+1} = 2D_n^2 + O(D_n)$
Une expansion raffinée est fournie pour résoudre les termes linéaires induits par l'opérateur partie entière (floor) et les corrections logarithmiques.
Convergence Super-Algébrique : Il est démontré que pour tout $r > 0$ fixé, le rapport $|e_{n+1}|/|e_n|^r \to 0$ . Cela implique que la méthode converge plus rapidement que toute méthode algébrique d'ordre fixe, bien que l'auteur distingue cette convergence mathématique de la complexité computationnelle.
Invariance de Branche : Le document prouve qu'une fois qu'une itérée entre dans l'intervalle $|x_n - \pi| < \pi/4$ , toutes les itérées suivantes restent sur la même branche de l'arctangente, garantissant la validité de l'identité de la branche principale tout au long du processus.

Résultats
La méthode a été validée numériquement en partant d'une approximation de Chudnovsky à un terme ( $x_0$ ). La convergence observée correspondait aux prédictions théoriques avec une grande précision :

Itération 0 à 1 : La précision est passée d'environ 13 chiffres à environ 385 chiffres.
Itération 1 à 2 : La précision est passée d'environ 385 chiffres à environ 297 686 chiffres.
Itération 2 à 3 : La prédiction théorique suggère un exposant de précision de $\approx 1,77 \times 10^{11}$ . L'itérée calculée $x_3$ a été vérifiée par rapport à un ensemble de données de référence indépendant (le jeu de données de 22,4 billions de chiffres de Trueb) avec une concordance d'au moins 1 000 000 de décimales.
Les données numériques ont confirmé la loi de croissance quadratique $D_{n+1} \approx 2D_n^2$ et la validité de la règle de troncature adaptative.

Signification et Revendications
Le document affirme sa signification en établissant une récurrence en forme close pour l'exposant de précision qui découle naturellement du couplage de la profondeur de troncature à la magnitude du résiduel.

Convergence Mathématique : La méthode atteint un nombre d'itérations externes de $O(\log \log N)$ pour atteindre un exposant de précision $N$ une fois le régime asymptotique entré, ce qui est supérieur au $O(\log N)$ requis par les méthodes à ordre fixe.
Distinction de la Complexité : L'auteur stipule explicitement que ce résultat concerne la convergence mathématique, et non la complexité computationnelle. Ils ne prétendent pas une supériorité en temps de calcul réel par rapport aux méthodes optimisées de Chudnovsky ou basées sur l'AGM, notant que l'évaluation de haute précision des résiduels transcendants et la sommation de nombreux termes comportent leurs propres coûts arithmétiques.
Principe Général : Ce travail illustre un principe général : lorsqu'une correction d'ordre arbitraire est disponible dans une expansion analytique unique, le résiduel actuel peut être utilisé non seulement pour estimer l'erreur, mais aussi pour déterminer la profondeur de troncature, transformant une famille d'ordre fixe en un schéma non stationnaire avec une croissance de précision quadratique.

Le document conclut que, bien que la loi quadratique soit une conséquence du calendrier linéaire spécifique $d_n \sim \rho_n$ , la règle de troncature explicitement contrôlée par le résiduel et son analyse d'erreur rigoureuse représentent une contribution nouvelle à la théorie de la recherche de racines non linéaires pour $\pi$ .

Articles similaires