[论文解读] Error autocorrection in rational approximation and interval estimates

Grigori Litvinov|ArXiv.org|Jul 21, 2002

Numerical Methods and Algorithms参考文献 14被引用 8

一句话总结

本文研究了有理逼近中的误差自校正效应，即在系数计算中存在较大误差时，最终逼近函数的精度不会因此下降，原因在于误差相互补偿。研究表明，标准区间估计在此类情况下过于悲观，作者提出该效应源于系数误差构成对同一函数的新有理逼近，从而在病态系统下仍能实现鲁棒逼近。

ABSTRACT

The error autocorrection effect means that in a calculation all the intermediate errors compensate each other, so the final result is much more accurate than the intermediate results. In this case standard interval estimates are too pessimistic. We shall discuss a very strong form of the effect which appears in rational approximations to functions, where very significant errors in the approximant coefficients do not affect the accuracy of this approximant. The reason is that the errors in the coefficients of the rational approximant are not distributed in an arbitrary way, but form a collection of coefficients for a new rational approximant to the same approximated function. Understanding this mechanism allows to decrease the approximation error by varying the approximation procedure depending on the form of the approximant. The effect of error autocorrection indicates that variations of an approximated function under some deformations of rather general type may have little effect on the corresponding rational approximant viewed as a function (whereas the coefficients of the approximant can have very significant changes). Accordingly, deforming a function for which good rational approximation is possible may lead to a rapid increase in the corresponding approximant's error. Thus the property of having a good rational approximation is not stable under small deformations of the approximated functions: this property is "individual", in the sense that it holds for specific functions. Results of computer experiments are presented.

研究动机与目标

• 分析有理逼近中误差自校正现象，即中间误差相互抵消，导致结果出乎意料地精确。
• 质疑在病态有理逼近问题背景下，标准区间估计的可靠性。
• 证明误差自校正效应是帕德（Padé）和切比雪夫（Chebyshev）逼近等高效逼近方法的内在特性。
• 表明良好的有理逼近性质在逼近函数发生微小扰动时并不稳定。
• 提出一种机制，解释为何系数误差不会传播至最终逼近误差，其基础在于误差项可构成对同一函数的新有理逼近。

提出的方法

• 论文采用误差传播的标量积公式，将有理函数的误差表示为梯度向量与输入误差向量的点积。
• 将其应用于形式为 $ R(x) = \frac{P(x)}{Q(x)} $ 的有理逼近，考虑系数 $ a_i $ 和 $ b_j $ 的误差，并通过偏导数推导误差界。
• 该方法评估误差 $ \Delta R \approx \sum \frac{x^i}{Q(x)} \Delta a_i + \sum \frac{P(x)x^j}{Q^2(x)} \Delta b_j $，表明即使各项本身较大，总和仍可能很小。
• 针对 $ \cos x $ 和 $ \arctan x $ 等函数进行计算机实验，以验证理论上的误差补偿效应。
• 分析基于后验区间分析，将理论误差界与实际计算误差进行比较。
• 该框架进一步扩展，表明当输入误差构成相关系统的一个近似解时，误差自校正效应即产生，导致误差抵消。

实验结果

研究问题

• RQ1 为何有理逼近系数中的大误差未能降低最终逼近的精度？
• RQ2 误差自校正效应如何使标准区间估计在有理逼近中失效？
• RQ3 数学机制为何允许系数误差形成对同一函数的新有理逼近？
• RQ4 为何良好的有理逼近性质在逼近函数发生微小变形时不稳定？
• RQ5 梯度向量与误差向量的正交性如何导致有理函数求值中的误差抵消？

主要发现

• 在 $ [-\pi/4, \pi/4] $ 区间上，对于 $ \cos x $，当 $ m=4, n=6 $ 时，有理逼近的相对误差为 $ 0.55 \times 10^{-13} $，接近最佳可能值 $ 0.46 \times 10^{-13} $，尽管系统条件数高达 $ 10^9 $。
• 即使系数扰动达到小数点后6至9位，逼近的相对误差仍保持在 $ 0.55 \times 10^{-13} $，表明存在强烈的误差补偿效应。
• 对于 $ [-1,1] $ 区间上的 $ \arctan x $，标准区间估计预测误差为 $ 10^{-4} $ 量级，但实际误差仅为 $ 10^{-11} $，表明经典区间分析过于悲观。
• 有理逼近的误差保持较小，是因为系数中的误差项构成对同一函数的新有理逼近，从而在误差表达式中产生抵消。
• 误差自校正效应在多种方法中均被观察到，包括帕德（Padé）、多点帕德（multipoint Padé）和切比雪夫（Chebyshev）逼近，表明这是有理逼近中的普遍现象。
• 该效应在逼近函数发生微小变形时即告失效，表明良好的有理逼近是一种不稳定且依赖于具体函数的性质。