Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2410.04885

帮助 | 高级搜索

数学 > 数值分析

arXiv:2410.04885 (math)
[提交于 2024年10月7日 ]

标题: 切比雪夫逼近在收缩域上的误差

标题: The error of Chebyshev approximations on shrinking domains

Authors:Tobias Jawecki
摘要: 先前的研究表明,随着逼近的基域缩小到原点,有理切比雪夫逼近子收敛于帕德逼近子。在本工作中,研究了这种情况下有理切比雪夫逼近子的渐近误差和插值性质。具体来说,显示了切比雪夫逼近子的逐点误差趋于一个切比雪夫多项式乘以帕德逼近子误差的渐近主导项,对于一致误差和切比雪夫常数也有类似的结果。此外,显示有理切比雪夫逼近子达到的插值节点在极限情况下接近缩放后的切比雪夫节点。主要结果适用于插值最佳逼近,并适用于复数切比雪夫逼近以及实数切比雪夫逼近实函数和指数函数的单位最佳逼近。
摘要: Previous works show convergence of rational Chebyshev approximants to the Pad\'e approximant as the underlying domain of approximation shrinks to the origin. In the present work, the asymptotic error and interpolation properties of rational Chebyshev approximants are studied in such settings. Namely, the point-wise error of Chebyshev approximants is shown to approach a Chebyshev polynomial multiplied by the asymptotically leading order term of the error of the Pad\'e approximant, and similar results hold true for the uniform error and Chebyshev constants. Moreover, rational Chebyshev approximants are shown to attain interpolation nodes which approach scaled Chebyshev nodes in the limit. Main results are formulated for interpolatory best approximations and apply for complex Chebyshev approximation as well as real Chebyshev approximation to real functions and unitary best approximation to the exponential function.
主题: 数值分析 (math.NA)
MSC 类: 30E10, 41A05, 41A20, 41A25, 41A50
引用方式: arXiv:2410.04885 [math.NA]
  (或者 arXiv:2410.04885v1 [math.NA] 对于此版本)
  https://doi.org/10.48550/arXiv.2410.04885
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Tobias Jawecki [查看电子邮件]
[v1] 星期一, 2024 年 10 月 7 日 10:12:24 UTC (36 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
math.NA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-10
切换浏览方式为:
cs
cs.NA
math

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号