[논문 리뷰] Multivariate Newton Interpolation

Michael Hecht, Karl B. Hoffmann외 2명|arXiv (Cornell University)|2018. 12. 11.

Mathematical functions and polynomials참고 문헌 46인용 수 5

한 줄 요약

이 논문은 다변수 나머지 차분 기반의 새로운 다변수 나머지 차분 체계를 사용하여 단변수 나머지 보간을 임의의 차원으로 일반화한 다변수 나머지 보간 프레임워크를 제시한다. PIP-SOLVER 알고리즘은 O(N²) 시간과 O(N) 메모리로 보간 다항식을 계산하며, 주기적 Sobolev 함수에 대해 k > m/2 조건을 만족할 경우 균일 수렴을 보장하는 유일해를 갖는 나머지 체비셰프 노드를 도입하여 룬게의 현상을 피한다.

ABSTRACT

For $m,n \in \mathbb{N}$, $m\geq 1$ and a given function $f : \mathbb{R}^m\longrightarrow \mathbb{R}$, the polynomial interpolation problem (PIP) is to determine a unisolvent node set $P_{m,n} \subseteq \mathbb{R}^m$ of $N(m,n):=|P_{m,n}|=\binom{m+n}{n}$ points and the uniquely defined polynomial $Q_{m,n,f}\in Π_{m,n}$ in $m$ variables of degree $\mathrm{deg}(Q_{m,n,f})\leq n \in \mathbb{N}$ that fits $f$ on $P_{m,n}$, i.e., $Q_{m,n,f}(p) = f(p)$, $\forall\, p \in P_{m,n}$. For $m=1$ the solution to the PIP is well known. In higher dimensions, however, no closed framework was available. We here present a generalization of the classic Newton interpolation from one-dimensional to arbitrary-dimensional spaces. Further we formulate an algorithm, termed PIP-SOLVER, based on a multivariate divided difference scheme that computes the solution $Q_{m,n,f}$ in $\mathcal{O}\big(N(m,n)^2\big)$ time using $\mathcal{O}\big(mN(m,n)\big)$ memory. Further, we introduce unisolvent Newton-Chebyshev nodes and show that these nodes avoid Runge's phenomenon in the sense that arbitrary periodic Sobolev functions $f \in H^k(Ω,\mathbb{R}) \subsetneq C^0(Ω,\mathbb{R})$, $Ω=[-1,1]^m$ of regularity $k >m/2$ can be uniformly approximated, i.e., $ \lim_{n ightarrow \infty}||\,f -Q_{m,n,f} \,||_{C^0(Ω)}= 0$. Numerical experiments demonstrate the computational performance and approximation accuracy of the PIP-SOLVER in practice. We expect the presented results to be relevant for many applications, including numerical solvers, quadrature, non-linear optimization, polynomial regression, adaptive sampling, Bayesian inference, and spectral analysis.

연구 동기 및 목표

• 단변수 나머지 보간을 임의의 차원으로 일반화하여 다변수 다항식 보간을 위한 폐쇄형 프레임워크를 제공한다.
• O(N(m,n)²) 시간과 O(N(m,n)) 메모리로 보간 다항식을 계산하는 효율적인 알고리즘인 PIP-SOLVER를 개발한다.
• 고차원에서 주기적 Sobolev 함수에 대해 룬게의 현상을 피하는 유일해를 갖는 나머지 체비셰프 노드를 도입한다.
• 제안된 노드 집합과 보간 체계를 사용한 다항식 근사의 이론적 수렴 한계를 확립한다.
• 안정적이고 확장 가능한 보간 방법을 통해 수치 해법, 최적화, 회귀, 스펙트럼 분석 등의 실용적 응용을 가능하게 한다.

제안 방법

• m차원 공간에서 나머지 보간의 기초로 다변수 나머지 차분 체계를 제안하여 단변수 나머지 기저를 고차원으로 확장한다.
• 카디널리티가 N(m,n) = (m+n choose n)인 유일해를 갖는 노드 집합 P_{m,n} ⊆ ℝ^m를 정의하여, 임의의 f에 대해 유일한 보간 다항식 Q_{m,n,f} ∈ Π_{m,n}이 존재하도록 보장한다.
• 다변수 나머지 차분 체계를 기반으로 한 PIP-SOLVER 알고리즘을 설계하여 O(N(m,n)²) 시간 복잡도와 O(N(m,n)) 메모리 사용을 달성한다.
• 체비셰프 다항식에서 유도된 특정한 유일해를 갖는 나머지 체비셰프 노드를 도입하며, 이는 룬게의 현상을 피한다는 것이 증명되었다.
• Sobolev 공간 이론을 활용하여 k > m/2 조건 하에서 리프시츠 상수를 유계화하고, 주기적 f에 대해 [-1,1]^m에서 Q_{m,n,f}가 f로의 균일 수렴을 증명한다.
• 계층적 노드 순서를 사용한 다변수 나머지 기저 다항식의 재귀적 구성 방식을 통해 수치적 안정성과 효율성을 확보한다.

실험 결과

연구 질문

• RQ1 일반화된 다변수 나머지 보간 프레임워크를 단변수 나머지 방법의 고차원 확장으로서 구축할 수 있는가?
• RQ2 다변수 나머지 차분 체계를 사용한 보간 다항식 계산의 계산 복잡도는 무엇이며, 시간과 메모리 측면에서 최적화할 수 있는가?
• RQ3 유일해를 갖는 나머지 체비셰프 노드는 주기적 Sobolev 함수에 대해 k > m/2 조건을 만족할 경우 보간 다항식이 진짜 함수로의 균일 수렴을 보장하는가?
• RQ4 n → ∞일 때 근사 오차는 어떻게 행동하며, Sobolev 노름을 사용해 수렴 속도를 유계화할 수 있는가?
• RQ5 제안된 방법은 수치 해법, 회귀, 베이지안 추론 등의 실용적 문제에 안정성과 정확도 보장을 갖춰 적용 가능한가?

주요 결과

• PIP-SOLVER 알고리즘은 O(N(m,n)²) 시간과 O(N(m,n)) 메모리로 다변수 보간 다항식을 계산하여 고차원 보간의 확장 가능성을 제공한다.
• 유일해를 갖는 나머지 체비셰프 노드는 f ∈ H^k(Ω,ℝ)이면서 Ω = [-1,1]^m에서 주기적일 경우, 모든 f에 대해 보간 오차 ||f - Q_{m,n,f}||_{C⁰(Ω)} → 0 as n → ∞임을 보장한다.
• Sobolev 정규성 조건 k > m/2 하에서 리프시츠 상수가 유계이므로, 구성에 의해 주기적 Sobolev 함수에 대해 룬게의 현상이 발생하지 않는다.
• 수치 실험을 통해 PIP-SOLVER의 계산 성능과 근사 정확도가 다양한 테스트 함수와 차원에서 확인되었다.
• 이론적 프레임워크는 단변수 나머지 보간을 일반화하며, 향후 다변수 바리센트 라그랑주 또는 에르미트 보간과 같은 확장에 기초를 제공한다.
• 이 방법은 계산 가능한 f와 자유롭게 선택한 노드에 국한되며, 재샘플링 없이 고정되거나 산산이 흩어진 데이터 세트에 직접 적용되지 않는다.