[论文解读] The Marcinkiewicz-type discretization theorems

Vladimir Temlyakov|arXiv (Cornell University)|Mar 10, 2017

Mathematical Approximation and Integration参考文献 12被引用 7

一句话总结

本文通过将概率链技术与一致范数下的熵数估计相结合，建立了有限维子空间中函数 $L_1$ 范数的新型 Marcinkiewicz 型离散化定理。关键结果表明，使用 $m \ll N(\log N)^{7/2}$ 个采样点即可实现离散化，几乎达到理想的 $m = N$ 情况，显著改进了 $L_1$ 和 $L_\infty$ 设置下的先前界限。

ABSTRACT

The paper is devoted to discretization of integral norms of functions from a given finite dimensional subspace. This problem is very important in applications but there is no systematic study of it. We present here a new technique, which works well for discretization of the integral norm. It is a combination of probabilistic technique, based on chaining, with results on the entropy numbers in the uniform norm.

研究动机与目标

• 解决有限维子空间中函数积分范数离散化的根本问题，特别是针对 $L_1$ 和 $L_\infty$ 范数。
• 为 Marcinkiewicz 型离散化定理建立系统性框架，并给出采样点数量的显式界。
• 通过建立等权求积规则有效的条件，弥合理论离散化与实际数值积分之间的差距。
• 将关于正交矩阵子矩阵的现有结果扩展至 $L_1$ 和 $L_\infty$ 范数，特别是针对混合光滑性函数类。
• 分析 $L_\infty$ 中 $X_N$ 的熵数在实现离散化中的作用，尤其针对三角多项式与双曲横截多项式。

提出的方法

• 结合概率链技术与一致范数下的熵数估计，以控制函数类上随机过程的上确界。
• 将熵数 $\varepsilon_k(X_N^1, L_\infty)$ 作为核心工具，推导出实现离散化所需采样点数的界。
• 应用链方法控制有限维子空间上经验 $L_1$ 范数与其真实 $L_1$ 范数之间的偏差。
• 利用关于正交矩阵子矩阵的已知结果（如 Rudelson 定理及 Batson-Spielman-Srivastava 定理）作为基于 $L_2$ 的洞察基础。
• 引入基于字典的逼近方案，利用归一化的 Dirichlet 核估计高维空间中的熵数。
• 通过熵数与链方法的论证，推导出实现 $\mathcal{M}(m,1,\varepsilon)$ 与 $\mathcal{M}^{w}(m,1,\varepsilon)$ 定理所需点数 $m$ 的界。

实验结果

研究问题

• RQ1 对于有限维子空间，$L_1$ 范数离散化所需的采样点数能否被控制在 $N(\log N)^{7/2}$ 以下？
• RQ2 在 $L_\infty$ 中的熵数在多大程度上控制了 $L_1$ 中 Marcinkiewicz 型离散化的可行性？
• RQ3 对于双曲横截多项式，是否可能实现 $\mathcal{M}(m,1)$ 且满足 $m \asymp |Q_n|$，还是 $n^{7/2}$ 因子不可避免？
• RQ4 与已知的 $L_\infty$ 中的负面结果相比，$L_1$ 的结果如何？在 $L_\infty$ 中，$m \gg |Q_n|^{1+c}$ 是必需的。
• RQ5 是否可将 $d > 2$ 情况下的熵数估计 $\varepsilon_k(\mathcal{T}(Q_n)_1, L_\infty) \ll n^{3/2}(|Q_n|/k)\log(4|Q_n|/k)$ 推广至更高维？

主要发现

• 对于 $L_1$ 离散化，采样点数 $m$ 满足 $m \ll N(\log N)^{7/2}$，几乎达到理想的 $m = N$ 情况。
• 利用 $d=2$ 时的熵数估计 $\varepsilon_k(\mathcal{T}(Q_n)_1, L_\infty) \ll n^{1/2}(|Q_n|/k)\log(4|Q_n|/k)$，推导出 $L_1$ 离散化的最优界。
• 对于所有 $d$，不等式 $\varepsilon_k(\mathcal{T}(Q_n)_1, L_\infty) \ll n^{3/2}(|Q_n|/k)\log(4|Q_n|/k)$ 成立，但弱于 $d=2$ 时的结果。
• 链方法在最终界中贡献了 $n^2$ 因子，而熵数估计贡献了 $n^{3/2}$ 因子，导致总点数中出现 $n^{7/2}$ 因子。
• 对于 $L_\infty$ 离散化，本文确认了一个已知的负面结果：$m \gg |Q_n|^{1+c}$ 是 $\mathcal{M}(m,\infty)$ 所必需的，凸显了 $L_\infty$ 离散化的根本困难。
• 结果 $X_N(\Omega_M) \in \mathcal{M}^w(m,2,\varepsilon)$ 对于 $m \geq CN\varepsilon^{-2}$ 表明了 $L_2$ 中加权离散化的鲁棒性，尽管本文重点仍在于 $L_1$。