A note on superconvergence in projection-based numerical approximations of eigenvalue problems for Fredholm integral operators

Título: Uma nota sobre superconvergência em aproximações numéricas baseadas em projeção de problemas de autovalor para operadores integrais de Fredholm

Autor: Shashank K. Shukla
Instituições: IIT Goa e RGIPT Jais, Índia.

---

1. Problema Investigado

O artigo aborda o problema de autovalor associado a um operador integral de Fredholm $K$ definido por um núcleo (kernel) suave $\kappa$:
$$K\psi = \lambda\psi$$
onde $K: X \to X$ é um operador linear compacto no espaço de Banach $X = C[0, 1]$. O objetivo principal é analisar o comportamento de convergência de aproximações numéricas para os autovalores ($\lambda$) e os correspondentes subespaços espectrais (autofunções $\psi$).

O foco específico é superar as limitações dos métodos clássicos de colocalização, que frequentemente dependem de nós de Gauss (zeros de polinômios ortogonais) para atingir altas ordens de convergência. O autor busca estabelecer taxas de convergência explícitas utilizando pontos de colocalização equidistantes em espaços de polinômios por partes de grau par.

2. Metodologia

2.1. Espaço de Aproximação e Projeção

• Espaço Discreto ($X_n$): Considera-se uma partição uniforme do intervalo $[0, 1]$ com tamanho de malha $h$. O espaço de aproximação $X_n$ consiste em polinômios por partes de grau par no máximo $2r$.
• Projeção Interpolatória ($Q_n$): Define-se um operador de projeção $Q_n: X \to X_n$ baseado na interpolação em $2r+1$ pontos equidistantes em cada subintervalo. Diferentemente dos métodos tradicionais, estes pontos não são os nós de Gauss, o que simplifica a implementação.
• Convergência da Projeção: Para funções suaves, $Q_n$ converge uniformemente para a identidade, com uma taxa de erro de interpolação de ordem $O(h^{2r+1})$.

2.2. Esquemas Numéricos Propostos

O artigo compara três abordagens para aproximar o problema de autovalor:

1. Método de Colocalização Clássico ($K_n^C = Q_n K$):
   • Busca-se $\lambda_n^C$ e $\psi_n^C$ tais que $Q_n K \psi_n^C = \lambda_n^C \psi_n^C$.
   • Inclui uma versão iterada (método de Sloan): $\psi_n^S = \frac{1}{\lambda_n^C} K \psi_n^C$.
2. Método de Colocalização Modificado ($K_n^M$):
   • Introduzido por Kulkarni, o operador é definido como:
     $$K_n^M = Q_n K + K Q_n - Q_n K Q_n$$
   • Este operador de posto finito visa melhorar a precisão da aproximação dos autovalores.
3. Versão Iterada do Método Modificado:
   • Define-se a autofunção iterada como $\tilde{\psi}_n^M = \frac{1}{\lambda_n^M} K \psi_n^M$.

2.3. Ferramentas Teóricas

A análise baseia-se na teoria de aproximação de operadores compactos (teoria de Osborn e Kulkarni). São utilizados projetores espectrais e a métrica de "gap" (distância entre subespaços) para estimar os erros de autovalores e autofunções. A análise é conduzida na norma uniforme ($L_\infty$).

3. Contribuições Principais e Resultados Teóricos

O artigo estabelece taxas de convergência explícitas para os métodos acima, assumindo que o núcleo $\kappa$ é suficientemente suave ($C^{2r+2}$).

• Método de Colocalização Clássico:

  • Erro do autovalor: $O(h^{2r+2})$.
  • Erro da autofunção: $O(h^{2r+1})$.
  • Erro da autofunção iterada (Sloan): $O(h^{2r+2})$.
  • Observação: A iteração melhora a ordem da autofunção em uma unidade.

• Método de Colocalização Modificado:

  • Erro do autovalor: $O(h^{4r+4})$.
  • Erro da autofunção: $O(h^{4r+3})$.
  • Erro da autofunção iterada: $O(h^{4r+4})$.
  • Observação: O método modificado oferece uma superconvergência significativa, dobrando a ordem de convergência em relação ao método clássico.

• Superconvergência:
  O trabalho demonstra que a aplicação de iteração ao método modificado resulta em aproximações superconvergentes para as autofunções, atingindo a mesma ordem de convergência dos autovalores ($O(h^{4r+4})$).

• Flexibilidade dos Nós:
  Uma contribuição crucial é a demonstração de que altas ordens de convergência podem ser alcançadas sem o uso de nós de Gauss. O uso de pontos equidistantes em polinômios de grau par é suficiente, o que torna o método mais flexível e fácil de implementar computacionalmente.

4. Resultados Numéricos

Dois exemplos numéricos foram realizados para validar a teoria:

1. Exemplo 1: Núcleo $\kappa(s, t) = e^{st}$.
2. Exemplo 2: Núcleo $\kappa(s, t) = \cos(\pi s)\cos(\pi t)$ (núcleo separável).

Conclusões dos Experimentos:

• Autovalores: O método clássico exibiu convergência de segunda ordem ($O(h^2)$), enquanto o método modificado atingiu convergência de quarta ordem ($O(h^4)$), confirmando as previsões teóricas para $r=0$ (polinômios constantes).
• Autofunções: O método clássico convergiu com ordem 1, melhorando para ordem 2 com iteração. O método modificado atingiu ordem 3, e sua versão iterada atingiu ordem 4.
• Os resultados numéricos alinharam-se perfeitamente com as estimativas de erro teóricas, validando a eficácia da abordagem proposta.

5. Significado e Impacto

• Eficiência Computacional: O método modificado permite obter alta precisão sem aumentar o tamanho do sistema linear (o posto do operador aproximado permanece o mesmo que no método clássico).
• Simplicidade de Implementação: Ao eliminar a necessidade de calcular raízes de polinômios ortogonais (nós de Gauss) e utilizar apenas pontos equidistantes, o método torna-se mais acessível para implementação em problemas complexos.
• Avanço Teórico: O trabalho fornece uma análise rigorosa de superconvergência para operadores integrais de Fredholm com núcleos suaves, estendendo resultados anteriores de Sloan e Kulkarni para o contexto de projeções interpolatórias com nós equidistantes.

Em suma, o artigo demonstra que a combinação de métodos de colocalização modificados com iteração é uma estratégia superior para a aproximação de problemas de autovalor em operadores integrais, oferecendo ganhos substanciais de precisão com custo computacional moderado.