[论文解读] Inner product quadratures

Yu Chen|arXiv (Cornell University)|May 3, 2012

Mathematical Analysis and Transform Methods参考文献 1被引用 3

一句话总结

本文提出了一种新颖的n项求积方法，用于直接积分n个函数的内积，称为内积求积（inner product quadrature），该方法通过直接针对内积积分而非函数积分，将经典高斯求积推广至更一般情形。该方法建立了基函数正交列与求积节点之间的对偶关系，通过商矩阵的特征值分解，可精确积分格拉姆矩阵（Gramian matrices），并应用于成像、积分方程以及通过降维技术设计高维求积规则。

ABSTRACT

We introduce a n-term quadrature to integrate inner products of n functions, as opposed to a Gaussian quadrature to integrate 2n functions. We will characterize and provide computational tools to construct the inner product quadrature, and establish its connection to the Gaussian quadrature.

研究动机与目标

• 开发一种直接积分n个函数内积的求积方法，而非如经典高斯求积中对2n个函数进行积分。
• 建立函数基矩阵中正交列结构与存在具有正权重的n项求积规则之间的对偶关系。
• 将框架扩展至处理非正定权重，并为积分方程与成像问题构造求积规则。
• 提供一种构造性算法，通过从格拉姆矩阵导出的商矩阵的特征值分解，生成此类求积规则。
• 将方法推广至高维情形，利用降维技术构造双变量与三变量多项式空间的求积规则，以恢复缺失节点。

提出的方法

• 提出一种Type-2求积方法，通过确保正交基矩阵Q(n, {x_j})的n个列向量相互正交，实现对n维函数空间T(n,x)中所有内积的积分。
• 利用格拉姆矩阵B(n,n) = T(n,x) · T(x,n)定义内积条件，利用A(n,n) = T(n,x) · μ(x)T(x,n)定义矩条件。
• 证明当两个格拉姆矩阵均被精确积分时，求积节点x_j为矩阵AB⁻¹的特征值。
• 应用对偶条件：若Q(n, {x_j})的列向量正交且范数为1/√w_j，则求积规则{x_j, w_j}可精确积分单位格拉姆矩阵。
• 引入降维技术，通过迭代从格拉姆矩阵A和B中移除已知节点及其贡献，利用降维后商矩阵的特征值分解恢复额外节点。
• 通过使用多个矩矩阵（如A_x, A_y）将方法扩展至高维情形，并应用降维技术恢复双变量与三变量多项式空间中的节点。

实验结果

研究问题

• RQ1 是否存在一个具有n个节点的求积规则，可精确积分给定函数空间中n个函数的所有内积？该规则存在的条件是什么？
• RQ2 当经典高斯求积框架因非正定权重而不适用时，如何计算求积节点与权重？
• RQ3 基函数列的正交性与有效n项求积规则的存在性之间存在何种关系？
• RQ4 当所需节点数超过函数空间维度时，该方法如何扩展至高维积分问题？
• RQ5 是否可利用降维技术迭代恢复特征值分解商矩阵所得节点之外的额外求积节点？

主要发现

• n项内积求积存在的充要条件是正交基矩阵Q(n, {x_j})的列向量相互正交。
• 求积节点x_j为矩阵AB⁻¹的特征值，其中A和B分别为函数空间在权重u和简单函数μ下的格拉姆矩阵。
• 对于多项式基，当μ(x) = x时，该方法通过AB⁻¹的特征值恢复经典高斯求积节点。
• 在次数小于n的双变量多项式空间中，该方法可通过特征值分解生成最多n(n+1)/2个节点，额外节点可通过降维恢复。
• 降维可恢复最多n(n−1)/6个额外节点，且该方法在构造高维空间中的Gauss-Radau与Gauss-Lobatto型规则时有效。
• 理论收敛性由类库仑势能的快速衰减所支持，从而最小化初始节点估计带来的误差传播。