Interpolation and approximation of piecewise smooth functions with corner discontinuities on sigma quasi-uniform grids

Título: Interpolação e Aproximação de Funções Suaves por Partes com Descontinuidades de Cantos em Grades Quasi-Uniformes $\sigma$

Autores: J.A. Padilla e J.C. Trillo
Data: 10 de abril de 2026

1. Problema Abordado

O artigo foca no desafio de interpolar e aproximar dados unidimensionais provenientes de funções que possuem descontinuidades isoladas na primeira derivada (singularidades de "canto" ou corner singularities).

• Limitação dos Métodos Lineares: Técnicas de interpolação lineares clássicas falham na presença de descontinuidades, gerando oscilações espúrias (fenômeno de Gibbs) e difusão da descontinuidade, o que degrada a precisão global.
• Contexto de Malhas: Embora malhas uniformes sejam comuns, muitas aplicações práticas exigem malhas não uniformes. A teoria para malhas não uniformes gerais é complexa. O artigo foca especificamente em grades quasi-uniformes $\sigma$, onde a razão entre o espaçamento máximo ($h_{max}$) e mínimo ($h_{min}$) é limitada por uma constante $\sigma$ ($h_{max}/h_{min} \le \sigma$).
• Objetivo: Estender os resultados teóricos de detecção de singularidades e reconstrução de alta ordem, originalmente desenvolvidos para malhas uniformes, para o cenário de grades quasi-uniformes $\sigma$.

2. Metodologia

Os autores propõem e analisam um procedimento de interpolação não linear baseado na combinação de duas técnicas:

1. ENO (Essentially Non-Oscillatory): Seleção de estênceis (conjuntos de pontos) baseada em diferenças divididas para evitar oscilações.
2. SR (Subcell Resolution): Reconstrução que permite localizar a posição exata da descontinuidade dentro de um intervalo de grade.

O Algoritmo Proposto:

• Detecção de Singularidades: Um mecanismo de dois passos utiliza diferenças divididas de segunda ordem para identificar intervalos "suspeitos" (tipo B) que podem conter a singularidade. Intervalos que não apresentam grandes variações nas diferenças divididas são marcados como "suaves" (tipo G).
• Reconstrução Adaptativa:
  • Em intervalos Tipo G: Utiliza-se interpolação polinomial padrão (Lagrange) baseada em estênceis ENO.
  • Em intervalos Tipo B (ou pares adjacentes de B): O algoritmo constrói dois polinômios distintos (um baseado na esquerda e outro na direita da possível descontinuidade). A interseção única desses polinômios ($\psi$) é usada para estimar a posição exata da singularidade $\mu$. A interpolação final é definida piecewise: um polinômio à esquerda de $\psi$ e outro à direita.
• Análise Teórica: A prova de convergência considera funções com derivadas limitadas fora da singularidade e utiliza expansões de Taylor para estimar os erros de interpolação e a precisão na localização da singularidade.

3. Principais Contribuições

• Generalização para Malhas Quasi-Uniformes: O trabalho estende a teoria de detecção de cantos e reconstrução SR (anteriormente restrita a malhas uniformes) para grades quasi-uniformes $\sigma$, provando que as propriedades de convergência são mantidas sob restrições específicas de $\sigma$ (especificamente $\sigma < 3/2$ para certos resultados teóricos).
• Estabelecimento de Ordem de Aproximação Ótima:
  • Demonstra-se que, para espaçamentos de grade $h$ menores que um valor crítico $h_c$, o método atinge a ordem ótima de aproximação $O(h^m)$ (onde $m$ é a ordem desejada), mesmo na presença de singularidades.
  • Para $h > h_c$, a ordem de aproximação é garantida como $O(h^2)$, que é o melhor resultado possível para funções com descontinuidades de primeira derivada (conforme demonstrado por um exemplo de contra-exemplo no artigo, que mostra que ordens superiores a 2 não são garantidas globalmente sem detecção precisa).
• Precisão na Localização: Prova-se que a posição estimada da singularidade converge para a posição real com alta precisão ($O(h^m)$) quando a malha é suficientemente refinada.
• Validação Numérica: Os resultados teóricos são corroborados por experimentos numéricos que mostram a recuperação da ordem de convergência esperada em diferentes níveis de refinamento e intensidade de descontinuidade.

4. Resultados Chave

• Teorema de Aproximação: Para uma função $f$ com derivada $m$-ésima limitada fora da singularidade $\mu$, e em uma grade $\sigma$ quasi-uniforme com $\sigma < 3/2$:
  • Se $h < k h_c$ (onde $k$ é uma constante e $h_c$ depende do salto na derivada e da curvatura da função), o erro de interpolação é $||f - I_X f||_\infty \le C h^m$.
  • Para qualquer $h > 0$, o erro é limitado por $||f - I_X f||_\infty \le C h^2$.
• Comportamento Crítico: O artigo define um valor crítico $h_c = \frac{|[f']|}{4 \sup |f''|}$. Abaixo deste limiar, o mecanismo de detecção funciona perfeitamente, isolando a singularidade e permitindo a reconstrução de alta ordem. Acima dele, o método decai para uma precisão de segunda ordem, o que é consistente com a teoria de funções não suaves.
• Experimentos Numéricos:
  • Foram testadas funções com descontinuidades de derivada de intensidades variáveis ($d$).
  • Os resultados mostraram que, para malhas onde $h_{max} < h_c$, o algoritmo atingiu consistentemente a quarta ordem de precisão (para $m=4$).
  • Mesmo quando $h$ era ligeiramente maior que $h_c$, a ordem de precisão de quarta ordem foi observada, sugerindo que as condições teóricas são suficientes, mas não estritamente necessárias na prática.
  • O valor $\sigma = 2$ foi testado e funcionou bem, embora o teorema formal tenha sido provado para $\sigma < 1.5$, indicando a robustez do método.

5. Significado e Impacto

Este trabalho é significativo porque:

1. Ponte Teórica-Prática: A maioria dos métodos de alta ordem (como ENO/WENO) é desenvolvida para malhas uniformes. Este artigo valida a aplicação desses métodos em malhas não uniformes (comuns em problemas de física computacional e processamento de imagens adaptativos), garantindo que a precisão não seja perdida devido à não uniformidade da grade.
2. Robustez em Presença de Descontinuidades: Oferece uma solução robusta para problemas de captura de choque (shock capturing) e processamento de imagens onde a preservação de bordas e a minimização de oscilações são críticas.
3. Eficiência Computacional: Ao garantir que a ordem ótima de convergência seja recuperada em malhas não uniformes, o método permite o uso de grades adaptativas (com refinamento local) sem sacrificar a precisão global, otimizando o custo computacional em simulações complexas.

Em resumo, o artigo prova matematicamente e valida numericamente que técnicas de interpolação não linear baseadas em ENO e Subcell Resolution mantêm sua eficácia e alta ordem de precisão em grades quasi-uniformes, superando as limitações dos métodos lineares na presença de singularidades de canto.