[论文解读] Optimal Quadrature Formulas with Positive Coefficients in $L_2^{(m)}(0,1)$ Space

Kh. M. Shadimetov, A.R. Hayotov|ArXiv.org|Nov 16, 2009

Iterative Methods for Nonlinear Equations参考文献 9被引用 5

一句话总结

本文使用 Sard 方法在 Sobolev 空间 $L_2^{(m)}(0,1)$ 中构造具有正系数的最优求积公式。通过在区间内对称地布置节点并优化参数 $η_0$，作者推导出具有保证正系数且误差范数最小的显式公式，对于 $m=2$，其误差界显著低于经典等距节点公式。关键贡献在于提出了一种系统性方法，在保持 Sard 意义下最优性的同时强制实现系数的正性。

ABSTRACT

In the Sobolev space $L_2^{(m)}(0,1)$ optimal quadrature formulas with the nodes (1.5) are investigated. For optimal coefficients explicit form are obtained and norm of the error functional is calculated. In particular, by choosing parameter $η_0$ in (1.5) the optimal quadrature formulas with positive coefficients are obtained and compared with well known optimal formulas.

研究动机与目标

• 为解决在 $L_2^{(m)}(0,1)$ 中构造具有正系数的最优求积公式这一挑战，因为标准最优公式中通常出现负系数，限制了其实际应用价值。
• 通过引入参数化节点配置，将 Sard 的最优求积公式框架进行扩展，以实现正系数。
• 在正权重约束下，推导最优系数的显式表达式，并计算误差泛函的范数。
• 从误差界的角度，比较新公式的性能与经典等距节点最优公式的差异。

提出的方法

• 采用 Sobolev 方法在 $L_2^{(m)}(0,1)$ 中构造微分算子的离散类比，确保误差泛函定义良好。
• 定义对称节点配置，其中 $x_\beta = \eta_0 h, \dots, h\beta, \dots, 1 - \eta_0 h$，$\beta = 0, \dots, N$，$h = 1/N$，$η_0$ 为可调参数。
• 推导误差泛函 $\ell(x)$，并利用 Riesz 表示定理在对偶空间 $L_2^{(m)*}(0,1)$ 中计算其范数。
• 通过 Ritz 方法优化系数 $C_\beta$，以最小化误差泛函范数，同时满足约束条件 $\sum C_\beta x_\beta^\alpha = \int_0^1 x^\alpha dx$，其中 $\alpha = 0, \dots, m-1$。
• 采用变分法求解所得的线性方程组以确定系数，通过参数调优确保系数的正性。
• 通过数值计算验证系数的正性和最优性，并与已知公式进行比较。

实验结果

研究问题

• RQ1 能否在 $L_2^{(m)}(0,1)$ 中构造出所有系数均为正的最优求积公式，尽管标准最优公式中通常会出现负权重？
• RQ2 节点布置的选择，特别是可调参数 $η_0$ 的取值，如何影响系数的正性和最优性？
• RQ3 此类公式的最优系数和误差泛函范数的显式形式是什么？
• RQ4 新公式的误差界与经典等距节点最优公式相比如何？

主要发现

• 当 $m=2$ 时，$N=2$ 且 $η_0 = 0.205$ 的最优求积公式得到系数 $C_0 = C_2 = 0.270758$，$C_1 = 0.458484$，全部为正，误差范数为 $0.00694814$。
• 当 $N=3$ 时，系数为 $C_0 = C_3 = 0.176835$，$C_1 = C_2 = 0.323165$，全部为正，误差范数为 $0.00340515$。
• 当 $N=4$ 时，系数为 $C_0 = C_4 = 0.133366$，$C_1 = C_3 = 0.238846$，$C_2 = 0.255577$，全部为正，误差范数为 $0.00203430$。
• 当 $N=5$ 时，系数为 $C_0 = C_5 = 0.106534$，$C_1 = C_4 = 0.191832$，$C_2 = C_3 = 0.201634$，全部为正，误差范数为 $0.00134080$。
• 当 $η_0 = 0.205$ 时，新公式的误差范数始终低于经典等距节点公式的误差范数：例如，$N=2$ 时为 $0.006948$ 对比 $0.01398$。
• 结果表明，通过选择 $η_0 = 0.205$，对于所有测试的 $N$ 和 $m=2$，最优系数均保持为正，解决了标准最优公式中一个关键的局限性。