Чому точки з рівними відстаньми поводяться погано?


24

Опис експерименту:

В інтерполяції Лагранжа точне рівняння відбирається в N точках (поліноміальний порядок N1 ) і інтерполюється в 101 бал. Тут N змінюється від 2 до 64. Щоразу, коли підготуються графіки помилок L1 , L2 і L . Видно , що, коли функція дискретизируются на равноразнесенние точках, помилка спочатку падає (це відбувається до N менше , ніж приблизно 15 або близько те ) , а потім помилки йде вгору при подальшому збільшенні N .

Оскільки, якщо початкова вибірка проводиться в точках Легендр-Гаус (LG) (коріння поліномів Лежандра) або точках Легендр-Гаус-Лобата (LGL) (коріння поліномів Лобата), помилка падає на машинний рівень і не збільшуються при подальшому збільшенні N

Мої запитання:

Що саме відбувається у випадку рівновіддалених точок?

Чому збільшення поліноміального порядку викликає зростання помилки після певної точки?

Чи це також означає, що якщо я використовую рівномірно розташовані точки для реконструкції WENO / ENO (використовуючи поліноми Лагранжа), то в гладкій області я отримаю помилки? (ну, це лише гіпотетичні запитання (наскільки я розумію), насправді недоцільно реконструювати поліном порядку 15 або вище за схемою ВЕНО)

Додаткові дані:

Функція наближена:

f(x)=cos(π2 x),x[1,1]

x поділено наN зрівняних (а пізніше LG) точок. Функція щоразу інтерполюється у 101 бал.

Результати:

  1. а) Рівновіддалені точки (інтерполяція для N=65 ):

введіть тут опис зображення

  1. б) Рівнорозміщені точки (графік помилок, масштаб журналу):

введіть тут опис зображення

  1. а) точки LG (Інтерполяція для N=65 ): введіть тут опис зображення

  2. б) точки LG (графік помилок, масштаб журналу):

введіть тут опис зображення

Відповіді:


26

Проблема з одинаковими точками полягає в тому, що поліном помилки інтерполяції, тобто

f(x)Pn(x)=f(n+1)(ξ)(n+1)!i=0n(xxi),ξ[x0,xn]

xi

Якщо ви використовуєте точки Гаусса-Лежандра, поліном помилки поводиться значно краще, тобто він не вибухає по краях. Якщо ви використовуєте вузли Чебишева , цей многочлен зрівняється і помилка інтерполяції мінімальна.


6
В книзі Джона П. Бойда Чебишева та Спектральних методів Фур'є є досить детальне пояснення , де поліноми помилки інтерполяції Педро також є поясненими (німецька глава 4.2).
Борт

Дякую. Також константа Лебега для вищезгаданих варіантів поводиться по-різному. Для рівновіддалених точок константа Лебега зростає експоненціально, тоді як для LG, LGL, Чебишева вона насичується ростом n. en.wikipedia.org/wiki/Lebesgue_constant_(interpolation) , ami.ektf.hu/uploads/papers/finalpdf/AMI_33_from109to123.pdf , але питання щодо числової реалізації все ще залишається ...
Subodh

Вибачте, я мало знаю про ENO / WENO. Але я не очікую проблем у гладкій області для інтерполяцій низького порядку, хоча квадратурні вузли, безумовно, кращий вибір з очевидних причин.
Борт

22

Це дійсно цікаве запитання, і можливих пояснень існує маса. Якщо ми намагаємось використати поліноміальну інтерполяцію, то зауважимо, що поліном задовольняє наступну дратівливу нерівність

PN

|P(x)|N1x2maxx|P(x)|

для кожного . Це відоме як нерівність Бернштейна , зауважте особливість цієї нерівності. Це може бути обмежено нерівністю Марковаx(1,1)

maxx|P(x)|N2maxx|P(x)|

і зауважте, що це різко в тому сенсі, що поліноми Чебішева роблять це рівнянням. Отже, іншими словами, ми маємо наступну комбіновану межу.

|P(x)|min(N1x2,N2)maxx|P(x)|

Що це означає: Градієнти многочленів ростуть лінійно у своєму порядку скрізь, за винятком невеликих сусідств інтервальних меж. На межах вони зростають більше, як . Не випадково всі стабільні вузли інтерполяції мають кластеризацію біля меж. Кластеризація необхідна для контролю градієнтів основи, тоді як поблизу середньої точки можна трохи розслабитися.N21/N2

Однак виявляється, що це необов'язково поліноміальні явища, я пропоную наступний документ:

http://math.la.asu.edu/~platte/pub/previd.pdf

Це вільно говорить: Якщо у вас однакова потужність апроксимації полінома, то ви не можете стабільно використовувати однаково розташовані точки.


1

Проблема не однаково розташованих точок . Саме проблема полягає в глобальній підтримці функціонування бази, а також однаково розташованих точок. Ідеально добре кондиціонований інтерполянт, що використовує однаково розташовані точки, описаний у Чисельному аналізі Кресса з використанням функцій основи кубічного b сплайна компактної опори.


звичайно, але тоді ваш інтерполянт не буде глобально рівним ( для вашого прикладу лише )C2
GoHokies

@GoHokies: ітеративна згортка може бути зроблена настільки ж гладкою, наскільки це хочеться. Який випадок використання інтерполяції ? C
користувач14717

справедлива точка. ("положення-швидкість-прискорення") вистачає для більшості застосувань. ви можете захотіти для деяких проблем з граничними значеннями, але не можете придумати жоден звичайний випадок використання вище цього. C2C4
GoHokies

1

Що саме відбувається у випадку рівновіддалених точок?

Чому збільшення поліноміального порядку викликає зростання помилки після певної точки?

Це схоже на явище Рунге, коли з оснащеними вузлами помилка інтерполяції переходить до нескінченності зі збільшенням ступеня полінома, тобто кількості точок.

Одне з коренів цієї проблеми можна знайти в константі Лебега, як зазначається в коментарі @ Subodh до відповіді @Pedro. Ця константа пов'язує інтерполяцію з найкращим наближенням.


Деякі позначення

У нас є функція для інтерполяції над вузлами . У інтерполяції Лагранжа визначені поліноми Лагранжа :fC([a,b])xk

Lk(x)=i=0,ijnxxixkxi

при цьому визначається інтерполяційний поліном над парами для легкого позначенняpnPn(xk,f(xk))(xk,fk)

pn(x)=k=0nfkLk(x)

Тепер розглянемо збурення над даними, це може бути, наприклад, для округлення, тому у нас є . При цьому новий многочлен :f~kp~n

p~n(x)=k=0nf~kLk(x)

Оцінки помилок:

pn(x)p~n(x)=k=0n(fkf~k)Lk(x)

|pn(x)p~n(x)|k=0n|fkf~k||Lk(x)|(maxk|fkf~k|)k=0n|Lk(x)|

Тепер константу Лебега можна визначити як:Λn

Λn=maxx[a,b]k=0n|Lk(x)|

При цьому остаточні оцінки:

||pnp~n||(maxk|fkf~k|)Λn

(гранична примітка, ми дивимось лише норму також тому, що ми перебуваємо над простором кінцевої міри, тому )LL1

З наведеного вище обчислення ми отримали, що є:Λn

  • незалежно від дати:
  • залежить лише від розподілу вузлів;
  • показник стабільності (чим він менший, тим він кращий).

Це також норма оператора інтерполяції щодо норма .||||

Через наступну теорему ми отримали оцінку помилки інтерполяції з постійною Лебега:

Нехай і як вище, маємо де - помилка найкращим наближеннямfpn

||fpn||(1+Λn)dn(f)
dn(f)=infqnPn||fqn||

Тобто, якщо невелика, помилка інтерполяції не далека від помилки найкращого рівномірного наближення і теорема порівнює помилку інтерполяції з найменшою можливою помилкою, що є помилкою найкращого рівномірного наближення.Λn

Для цього поведінка інтерполяції залежить від розподілу вузлів. Існує нижня межа про що при розподілі вузлів існує константа така, що: тому константа росте, але як вона росте імпортан.Λnc

Λn2πlog(n)c

Для обладнань з інтервалом я опустив деякі деталі, але ми бачимо, що зростання є експоненціальним.

Λn2n+1enlog(n)

Для Чебишевих вузлів також тут я опустив деякі деталі, є більш точні та складні оцінки. Докладніше див. У розділі [1]. Зауважимо, що вузли родини Чебишевих мають логарифмічний ріст, і за попередніми оцінками, це майже найкраще, що можна отримати.

Λn2πlog(n)+4

Для інших розподілів вузлів див., Наприклад, таблицю 1 цієї статті .


У книзі про інтерполяцію є багато посилань. Он-лайн ці слайди приємні як резюме.

Також ця відкрита стаття ([1])

Числове порівняння інтерполяції семи сіток для многочлена на інтервалі для різних порівнянь.


1

Добре бути в курсі інтерполянтів Floater-Hormann, коли вам доведеться (або хочете) працювати з рівновіддаленими точками .{xi}i=1n

З огляду на ціле число з , нехай - поліноміальний інтерполянт . Тоді інтерполянт FH функції при має виглядd0dnpi{xi,xi+d}f{xi}i=1n

rn(x):=i=0ndλi(x)pi(x)i=0ndλi(x)

з "функціями змішування"

λi(x)=(1)i(xxi)(xxi+d)

Деякі властивості цих інтерполянтів:

  • вони є баріцентричними раціональними інтерполянтами без реальних полюсів ;
  • досягти довільних порядків наближення для , незалежно від розподілу точок;f C d + 2 [ a , b ]O(hd+1)fCd+2[a,b]
  • дещо схожі на сплайни, оскільки вони змішують (локальні) поліноміальні інтерполянти з функцією , яка виконує функції змішування; λp0,pndλ
  • вони відтворюють поліноми ступеня не більше (або якщо непарних);d + 1 n - ddd+1nd
  • може бути написана барицентричною формою (див. розділ 4 Floater та Hormann's paper).

Caveat emptor : Як і очікувалося (див. Статтю, на яку посилається @ Reid.Atcheson), збільшення швидко погіршує процес кондиціонування.d

Існує деяка досить недавня робота Клейна, щоб полегшити цю проблему. Він змінив оригінальний підхід Floater-Hormann, додавши нових значень даних, що відповідають точкам поза вихідним інтерполяційним інтервалом побудованим з плавного розширення назовні використовуючи лише дані . Цей "глобальний" набір даних потім інтерполюється новою раціональною функцією FH і оцінюється лише всередині .[ a , b ] f [ a , b ] f 0 , f n r n + 2 d [ a , b ]2d [a,b]f[a,b]f0,fnrn+2d[a,b]

Деталі чітко викладені в статті Клейна (зв'язана нижче), де показано, що ці розширені раціональні інтерполянти мають константи Лебега, які зростають логарифмічно з і (тоді як для початкової схеми FH зазначений ріст експоненціальний у , див. Bos та ін. ).d dndd

Бібліотека Chebfun використовує інтерполянти FH при формуванні chebfunsнерівномірних даних, як пояснено тут .

Список літератури:

М. С. Флотер та К. Горман, Барицентрична раціональна інтерполяція без полюсів і високих темпів наближення, Numerische Mathematik 107 (2007).

Г. Кляйн, Розширення сімейства плавців – Горманів барицентричних раціональних інтерполянтів, Математика обчислень , 82 (2011) - препринт

Л. Бос, С. Де Марчі, К. Горман, Г. Кляйн, Про константу Лебега барицентричної раціональної інтерполяції на рівновіддалених вузлах, Число. Математика. 121 (2012)

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.