[论文解读] The Marcinkiewicz-type discretization theorems for the hyperbolic cross polynomials

Vladimir Temlyakov|arXiv (Cornell University)|Feb 6, 2017

Numerical Methods and Algorithms被引用 21

一句话总结

本文利用概率论与数论方法，建立了关于双曲横截三角多项式类的Marcinkiewicz型离散化定理。研究证明，双曲横截多项式子空间可实现与维数成比例的采样集离散化，通过点值评估实现对 $ L_q $-范数的统一控制，同时给出了混合光滑性类中熵数与逼近误差的显式界。

ABSTRACT

The main goal of this paper is to study the discretization problem for the hyperbolic cross trigonometric polynomials. This important problem turns out to be very difficult. In this paper we begin a systematic study of this problem and demonstrate two different techniques -- the probabilistic and the number theoretical techniques.

研究动机与目标

• 系统解决双曲横截三角多项式类的离散化问题，这是逼近论与计算数学中的一个基本挑战。
• 在混合光滑性函数类背景下，建立 $ L_q $-范数离散化的Marcinkiewicz型定理。
• 展示两种不同的方法——概率法与数论法——以构造保持范数等价性的采样集。
• 推导 $ L_\rho $-空间中熵数的新上界，特别是针对双曲横截多项式。
• 将已知的最佳 $ m $-项逼近与熵数结果推广至多变量双曲横截设置。

提出的方法

• 使用 $ \mathcal{M}(m,q) $ 定理框架定义离散化：对子空间 $ X_N $，寻找 $ m $ 个点，使得 $ |f(x^\nu)|^q $ 的归一化 $ \ell_q $-平均与 $ \|f\|_q^q $ 等价。
• 应用概率技术构造采样集，以高概率满足双曲横截多项式类的Marcinkiewicz型不等式。
• 采用数论构造方法（如基于 $ \nu(4\mathbf{N}) $ 的结构化网格），实现最优采样规模与范数等价性。
• 利用 $ \mathcal{V}^d $ 的张量积结构（一种由切比雪夫型函数导出的函数系），控制部分和的上范数。
• 通过 [19] 中的不等式，建立最佳 $ m $-项逼近与熵数之间的对偶关系，将逼近误差与熵衰减联系起来。
• 应用引理 5.1，以 $ 2^{\|\mathbf{s}\|_1/2} $ 表达部分和的上范数，从而实现对系数 $ \ell^1 $-范数的控制。

实验结果

研究问题

• RQ1 能否在与维数相当的采样集大小下，为双曲横截三角多项式建立Marcinkiewicz离散化定理？
• RQ2 保持双曲横截多项式 $ L_q $-范数至多相差常数的最优采样集大小是多少？
• RQ3 概率法与数论法在构造此类离散化集方面有何异同？
• RQ4 双曲横截多项式空间中单位球的熵数是多少？其关于指标 $ k $ 的衰减速率如何？
• RQ5 最佳 $ m $-项逼近界能否推广至 $ L_p $-空间（$ p \geq 2 $）中的双曲横截多项式？

主要发现

• 双曲横截三角多项式子空间 $ \mathcal{T}(Q_n) $ 满足 $ \mathcal{T}(Q_n) \in \mathcal{M}(m,q) $，且 $ m \asymp |Q_n| $，在 $ 1 \leq q \leq \infty $ 下实现 $ L_q $-范数等价。
• 当 $ d=2 $ 时，$ L_p $ 中的最佳 $ m $-项逼近满足 $ \sigma_m(\mathcal{V}(Q_n)_A, \mathcal{V}_n^1)_p \ll |Q_n|^{1/2 - 1/p} m^{1/p - 1} $，在高维中改进为 $ \ll n^{(d-1)/2}(|Q_n|/m)^{1-1/p} $。
• 在 $ L_\infty $ 中，$ \mathcal{T}(Q_n)_1 $ 单位球的熵数满足 $ \varepsilon_k(\mathcal{T}(Q_n)_1, L_\infty) \ll n^{d/2}(|Q_n|/k)\log(4|Q_n|/k) $，当 $ k \leq 2|Q_n| $。
• 当 $ k \geq 2|Q_n| $ 时，熵数呈指数衰减：$ \varepsilon_k(\mathcal{T}(Q_n)_1, L_\infty) \ll n^{d/2} 2^{-k/(2|Q_n|)} $。
• 部分和 $ \sum_{\mathbf{k} \in \rho^+(\mathbf{s})} a_\mathbf{k} v_\mathbf{k} $ 的上范数被控制为 $ C(d,\kappa,\delta) 2^{\|\mathbf{s}\|_1/2} \max |a_\mathbf{k}| $，从而实现对 $ \ell^1 $-范数的控制。
• 该结果将已知的在规则网格上的 $ L_2 $-范数离散化推广至 $ L_q $-范数及混合光滑性类中的熵估计，借助双曲横截多项式实现。