[论文解读] Polynomial of best uniform approximation to $x^{-1}$ and smoothing in two-level methods

Johannes Kraus, Panayot S. Vassilevski+1 more|arXiv (Cornell University)|Feb 9, 2010

Advanced Numerical Methods in Computational Mathematics参考文献 4被引用 7

一句话总结

该论文推导出在正区间上对 $x^{-1}$ 进行最佳一致逼近的多项式所满足的三重递推关系，从而实现了对两水平多重网格方法中最优平滑算子的高效计算。其主要贡献在于证明了该多项式具有新颖的平滑性质，当与稳定的粗空间结合时，可确保对具有异质系数的标量椭圆型PDE的有限元离散化实现鲁棒、与对比度无关的收敛性。

ABSTRACT

We derive a three-term recurrence relation for computing the polynomial of best approximation in the uniform norm to $x^{-1}$ on a finite interval with positive endpoints. As application, we consider two-level methods for scalar elliptic partial differential equation (PDE), where the relaxation on the fine grid uses the aforementioned polynomial of best approximation. Based on a new smoothing property of this polynomial smoother that we prove, combined with a proper choice of the coarse space, we obtain as a corollary, that the convergence rate of the resulting two-level method is uniform with respect to the mesh parameters, coarsening ratio and PDE coefficient variation.

研究动机与目标

• 开发一种在具有正端点的有限区间上计算 $x^{-1}$ 的最佳一致逼近多项式的高效计算方法。
• 建立用于构造这些逼近多项式的三重递推关系，以实现实际应用。
• 证明该多项式平滑算子的新平滑性质，确保在两水平方法中实现鲁棒收敛。
• 证明使用该平滑算子的两水平方法在椭圆型PDE中实现与网格尺寸、粗化比和系数变化无关的收敛率。
• 为将两水平方法与具有与对比度无关逼近性质的粗空间结合时的鲁棒性提供理论依据。

提出的方法

• 通过将问题转化为区间 $[-1,1]$ 并利用切比雪夫多项式的性质，推导出 $x^{-1}$ 的最佳一致逼近多项式所满足的三重递推关系。
• 使用变换 $t = 2\sigma x - a$ 将 $[\lambda_{\min}, \lambda_{\max}]$ 映射到 $[-1,1]$，从而将问题简化为逼近 $1/(t+a)$。
• 应用关于 $1/(t-a)$（其中 $a>1$）的最佳逼近的已知结果，并通过对称性将其适配到 $1/(t+a)$，并证明所得多项式为最优。
• 通过分析其在抽象两水平收敛估计背景下的行为，建立多项式平滑算子的关键平滑性质。
• 依赖于最佳逼近在切比雪夫多项式及其导数中的表示形式，利用涉及 $\delta = a - \sqrt{a^2 - 1}$ 的恒等式。
• 证明当粗空间满足稳定性和逼近性质时，两水平方法的收敛率在网格参数和系数变化方面均保持一致有界。

实验结果

研究问题

• RQ1 能否为在正区间上对 $x^{-1}$ 的最佳一致逼近多项式推导出三重递推关系？
• RQ2 这些最佳逼近多项式序列的关键解析性质是什么，例如正性和单调性？
• RQ3 基于 $x^{-1}$ 的最佳一致逼近的多项式平滑算子是否表现出适合多重网格方法的强平滑性质？
• RQ4 使用该平滑算子的两水平方法能否在椭圆型PDE中实现与网格细化、粗化比和系数变化无关的收敛率？
• RQ5 在使用该多项式平滑算子时，粗空间需满足何种条件才能确保与对比度无关的收敛性？

主要发现

• 推导出在 $[\lambda_{\min}, \lambda_{\max}]$ 上计算 $x^{-1}$ 的最佳一致逼近多项式的三重递推关系，实现了高效且稳定的计算。
• 证明了对 $x^{-1}$ 的最佳逼近多项式序列具有正性且关于次数单调递减，这为收敛性分析提供了支持。
• 证明了该多项式平滑算子具有新的平滑性质，其显式依赖于多项式次数，确保在多重网格循环中有效降低误差。
• 证明了当粗空间具备鲁棒的逼近和稳定性性质时，两水平方法的收敛率在网格尺寸、粗化比和PDE系数变化方面均保持一致有界。
• 理论收敛估计显式依赖于多项式次数和谱区间范围，验证了该平滑算子在谱降维设计中的合理性。
• 论文中的数值实验验证了理论预测的鲁棒收敛行为，展示了与对比度无关的性能。