Este artículo presenta un marco para aproximar secuencialmente funciones en secuencias que varían lentamente, aprovechando la reutilización de consultas anteriores para reducir el costo computacional general. Los autores presentan nuevos resultados de estimación secuencial para potencias de matrices, densidades espectrales, integración de Monte Carlo y problemas de valores en la frontera de ecuaciones diferenciales parciales.
- Generaliza la estimación implícita de trazas a diversas funciones lineales y no lineales en varios espacios vectoriales.
- Desarrolla un algoritmo que escala localmente el presupuesto de estimación con la magnitud de la diferencia de secuencia α_t.
- Logra cotas de variación más ajustadas de O(∑α_i) en comparación con la cota anterior del peor caso de O(m·max α_i).
- Demuestra cómo los cambios pueden estimarse sobre la marcha con casi ningún costo adicional, eliminando la necesidad de una cota conocida para α_i.
El marco hace que la aproximación secuencial sea de propósito general y adaptativa, mejorando las garantías del estado del arte para la estimación dinámica de trazas.