A note on improvement by iteration for the approximate solutions of second kind Fredholm integral equations with Green's kernels

Titolo: Una nota sul miglioramento per iterazione delle soluzioni approssimate di equazioni integrali di Fredholm di seconda specie con nuclei di Green

1. Il Problema

Il lavoro si concentra sulla risoluzione numerica di equazioni integrali di Fredholm di seconda specie della forma:
$$x - Kx = f$$
dove $f$ è una funzione data e $K$ è un operatore integrale di Fredholm definito su $C[0, 1]$. La specificità principale di questo studio risiede nella natura del nucleo $\kappa(s, t)$ dell'operatore $K$, che è di tipo Green.
Un nucleo di tipo Green è una funzione continua a tratti, definita come:
$$\kappa(s, t) = \begin{cases} \kappa_1(s, t) & \text{se } 0 \le t \le s \le 1 \\ \kappa_2(s, t) & \text{se } 0 \le s \le t \le 1 \end{cases}$$
dove $\kappa_1$ e $\kappa_2$ sono funzioni sufficientemente lisce nei rispettivi domini, ma il nucleo globale $\kappa$ non è liscio lungo la diagonale $s=t$ (non è differenziabile ovunque).

L'obiettivo è analizzare l'efficacia dei metodi di collocazione e delle loro varianti (metodo modificato e metodi iterati) quando si utilizzano punti di collocazione equidistanti (o comunque non punti di Gauss) su una partizione uniforme dell'intervallo $[0, 1]$. In letteratura precedente, per nuclei lisci e polinomi di grado pari, l'iterazione migliora l'ordine di convergenza; il paper indaga se questo fenomeno si ripeta anche per nuclei di tipo Green con punti di collocazione non ottimali.

2. Metodologia

Gli autori adottano un approccio basato sulla proiezione interpolatoria su spazi di polinomi a tratti.

• Partizione e Spazio: L'intervallo $[0, 1]$ è suddiviso in $n$ sottointervalli uniformi di lunghezza $h = 1/n$. Si considera lo spazio $X_n$ dei polinomi a tratti di grado $\le 2r$ associati a questa partizione.
• Punti di Collocazione: In ogni sottointervallo $[t_{j-1}, t_j]$, vengono scelti $2r+1$ punti distinti (non necessariamente punti di Gauss) come punti di collocazione.
• Proiezione Interpolatoria ($P_n$): Viene definita una proiezione $P_n: X \to X_n$ che interpola la funzione ai punti di collocazione scelti.
• Metodi Analizzati:
  1. Metodo di Collocazione Standard: Risoluzione di $\phi_n^C - P_n K \phi_n^C = P_n f$.
  2. Soluzione Iterata di Collocazione (Sloan): $\phi_n^S = K \phi_n^C + f$.
  3. Metodo di Collocazione Modificato (Kulkarni): Risoluzione di $\phi_n^M - K_n^M \phi_n^M = f$, dove $K_n^M = P_n K + K P_n - P_n K P_n$.
  4. Soluzione Iterata Modificata: $\tilde{\phi}_n^M = K \phi_n^M + f$.

La metodologia si basa sull'analisi degli errori di approssimazione utilizzando le differenze divise del nucleo e della funzione incognita. Vengono dimostrate due lemmi cruciali (Lemma 2.1 e 2.2) che forniscono stime superiori per le differenze divise di $Kx$ e delle sue derivate, sfruttando la struttura specifica del nucleo di Green.

3. Contributi Chiave

Il contributo principale del paper è la dimostrazione che, anche in presenza di un nucleo non liscio (tipo Green) e utilizzando punti di collocazione non ottimali (non di Gauss), l'iterazione e la modifica del metodo di collocazione portano a un miglioramento dell'ordine di convergenza.

In particolare, gli autori:

1. Estendono la teoria esistente (valida per nuclei lisci) al caso di nuclei di tipo Green.
2. Dimostrano che l'uso di polinomi di grado pari ($2r$) con punti di collocazione arbitrari (ma distinti) permette di ottenere ordini di convergenza superiori rispetto al metodo di collocazione base.
3. Forniscono stime rigorose degli errori in norma uniforme ($L_\infty$) per tutte le varianti del metodo.

4. Risultati Principali

Sotto l'ipotesi che la soluzione esatta $\phi$ appartenga a $C^{2r+2}([0, 1])$ e che il nucleo soddisfi le condizioni di regolarità richieste, gli autori stabiliscono i seguenti ordini di convergenza in funzione del passo di griglia $h$:

• Metodo di Collocazione Standard ($\phi_n^C$):
  $$\|\phi - \phi_n^C\|_\infty = O(h^{2r+1})$$
  Questo è l'ordine atteso per l'interpolazione di grado $2r$.

• Soluzione Iterata di Collocazione ($\phi_n^S$):
  $$\|\phi - \phi_n^S\|_\infty = O(h^{2r+2})$$
  L'iterazione migliora l'ordine di convergenza di un ordine ($+1$) rispetto al metodo base.

• Metodo di Collocazione Modificato ($\phi_n^M$):
  $$\|\phi - \phi_n^M\|_\infty = \begin{cases} O(h^{2r+2}) & \text{se } r \ge 1 \\ O(h^3) & \text{se } r = 0 \end{cases}$$
  Anche il metodo modificato mostra un miglioramento rispetto al metodo standard.

• Soluzione Iterata Modificata ($\tilde{\phi}_n^M$):
  $$\|\phi - \tilde{\phi}_n^M\|_\infty = \begin{cases} O(h^{2r+3}) & \text{se } r \ge 1 \\ O(h^4) & \text{se } r = 0 \end{cases}$$
  Questa variante offre il miglior ordine di convergenza, guadagnando due ordini rispetto al metodo base per $r \ge 1$.

Un esempio numerico discusso nella sezione conclusiva mostra che, sebbene per certi casi semplici (nuclei costanti e punti non di Gauss) la superconvergenza possa non verificarsi automaticamente, la struttura teorica sviluppata garantisce il miglioramento degli ordini per la classe di problemi considerata.

5. Significato e Implicazioni

Questo lavoro è significativo perché:

• Robustezza dei Metodi Iterati: Conferma che le tecniche di iterazione e modifica (Sloan e Kulkarni) non dipendono esclusivamente dall'uso di punti di Gauss per ottenere superconvergenza, ma funzionano efficacemente anche con partizioni uniformi e punti di collocazione generici, purché si utilizzi un grado polinomiale pari.
• Applicabilità ai Nuclei Singolari: Estende l'analisi di convergenza a una classe importante di operatori (quelli con nucleo di Green), che modellano molti problemi fisici e ingegneristici (es. equazioni differenziali ai limiti), dove la liscietà del nucleo è compromessa dalla discontinuità della derivata sulla diagonale.
• Efficienza Computazionale: Suggerisce che è possibile ottenere soluzioni ad alta precisione senza la complessità computazionale legata alla ricerca di punti di Gauss, rendendo i metodi di collocazione più pratici per problemi con nuclei di Green su griglie uniformi.

In sintesi, il paper dimostra che l'iterazione è uno strumento potente per recuperare precisione nella risoluzione numerica di equazioni integrali con nuclei non lisci, offrendo ordini di convergenza superiori a quelli dei metodi di proiezione diretti.