[논문 리뷰] Convergence of the Zipper algorithm for conformal mapping

Donald E. Marshall, Steffen Rohde|ArXiv.org|2006. 05. 18.

Analytic and geometric function theory참고 문헌 10인용 수 20

한 줄 요약

이 논문은 코너멀 맵핑에 대한 Zipper 알고리즘의 수렴성을 증명하며, Jordan 영역에 적용되었을 때 진정한 코너멀 맵핑과 그 역함수에 대해 균일하게 가까운 근사를 생성함을 보여준다. 데이터 포인트 간격과 경계의 매끄러움에 따라 정량적 오차 한계를 설정하여, 디스크 체인의 경우 순서 $\epsilon^p$($p < 1/2$) 및 $K$-등각곡선의 경우 $p$가 1에 가까운 수렴 속도를 보인다.

ABSTRACT

In the early 1980's an elementary algorithm for computing conformal maps was discovered by R. Kühnau and the first author. The algorithm is fast and accurate, but convergence was not known. Given points z_0,...,z_n in the plane, the algorithm computes an explicit conformal map of the unit disk onto a region bounded by a Jordan curve γwith z_0,...,z_n \in γ. We prove convergence for Jordan regions in the sense of uniformly close boundaries, and give corresponding uniform estimates on the closed region and the closed disc for the mapping functions and their inverses. Improved estimates are obtained if the data points lie on a C^1 curve or a K-quasicircle. The algorithm was discovered as an approximate method for conformal welding, however it can also be viewed as a discretization of the Löwner differential equation.

연구 동기 및 목표

• 경계가 균일하게 가까운 방식으로 수렴하는 코너멀 맵핑에 대한 Zipper 알고리즘의 엄밀한 수렴성을 확립하기 위해.
• 닫힌 단위 원판과 닫힌 Jordan 영역에서 코너멀 맵핑과 그 역함수의 수렴에 대한 균일한 추정치를 제공하기 위해.
• 경계가 더 매끄러운 경우, 예를 들어 $C^1$ 곡선과 $K$-등각곡선에 대해 수렴 결과를 확장하고 개선된 오차 추정치를 제공하기 위해.
• Loewner 미분방정식의 타당한 이산화로서 알고리즘을 정당화하고, 코너멀 용접의 수치적 해법으로서의 타당성을 입증하기 위해.
• 이전까지는 경험적으로 관찰되었지만 증명되지 않았던 알고리즘의 수치적 성공에 대한 이론적 기초를 마련하기 위해.

제안 방법

• 알고리즘은 초순수 지오데식을 이용해 슬릿 반평면 위로의 기본 매핑의 복합체로 코너멀 맵핑을 구성한다.
• 선형 분수 변환, 제곱, 제곱근 매핑을 사용하여 기본 코너멀 매핑과 그 역함수를 생성한다.
• 수렴 증명은 단순연결 영역 내에서 디스크의 하이퍼볼릭 볼록성을 보장하는 Jørgensen의 정리에 기반한다.
• 레마 3.5와 3.6를 통한 '자기 개선' 기법을 사용하여 반복적으로 근사를 정밀화하고 경계에의 근접도를 향상시킨다.
• 수치적 역함수 계산을 위해 뉴턴 방법을 네 개의 평면 영역에서 적용하여 2차 수렴을 달성한다.
• 알고리즘은 Loewner 미분방정식의 이산화로 해석되어 연속적인 코너멀 맵핑 이론과 연결된다.

실험 결과

연구 질문

• RQ1 경계 데이터가 이산 포인트로 주어진 Jordan 영역에 대해 Zipper 알고리즘이 진정한 코너멀 맵핑으로 수렴하는가?
• RQ2 경계 상의 데이터 포인트 간격 $\epsilon$ 에 대해 알고리즘의 수렴 속도는 어떻게 되는가?
• RQ3 경계의 매끄러움 특성—예를 들어 $C^1$ 또는 $K$-등각곡선—은 수렴 속도와 오차 한계에 어떤 영향을 미치는가?
• RQ4 알고리즘은 균일한 정확도로 동시에 코너멀 맵핑과 그 역함수를 계산할 수 있는가?
• RQ5 계산된 경계와 진짜 경계 사이의 하우스도르프 거리와 코너멀 맵핑 간의 균일한 거리 사이의 관계는 무엇인가?

주요 결과

• 경계가 반경 $\leq \epsilon$ 인 서로 겹치지 않는 디스크 체인에 포함되고, 데이터 포인트가 접촉점에 위치할 경우, 진짜 경계 $\partial\Omega$ 와 계산된 경계 $\partial\Omega_c$ 사이의 하우스도르프 거리는 최대 $\epsilon$ 이다.
• $K$-등각곡선이 $K$가 1에 가까울 경우이고 데이터 포인트 간격이 $\epsilon$ 이면, 하우스도르프 거리는 $\epsilon$ 이하로 제한되며, 코너멀 맵핑의 수렴 속도는 $\epsilon^p$($p$가 1에 가까움)이다.
• 코너멀 맵핑 $\varphi$ 와 $\varphi_c$ 사이의 균일한 거리에 대해 $\sup_{\Omega \cap \Omega_c} |\varphi - \varphi_c| \leq C\epsilon^p$ 를 만족하며, 디스크 체인의 경우 임의의 $p < 1/2$ 에 대해 성립한다.
• $C^1$ 경계의 경우, 알고리즘은 경계와 단위 탄젠트 벡터가 모두 진짜 값과 균일하게 가까운 $C^1$-매끄러운 계산된 영역 $\Omega_c$ 를 생성한다.
• 역함수 역시 균일하게 수렴하며, $K$-등각곡선의 경우 $p$가 1에 가까운 경우 $\sup_D |\varphi^{-1} - \varphi_c^{-1}| \leq C\epsilon^p$ 를 만족한다.
• 적절히 분할된 평면 영역에서 뉴턴 방법을 적용할 경우, 역함수에 대해 2차 수렴을 달성한다.