The main result in this paper is an error estimate for interpolation biharmonic polysplines in an annulus $A\left( r_{1},r_{N}\right) $, with respect to a partition by concentric annular domains $A\left( r_{1} ,r_{2}\right) ,$ ...., $A\left( r_{N-1},r_{N}\right) ,$ for radii $0<r_{1}<....<r_{N}.$ The biharmonic polysplines interpolate a smooth function on the spheres $\left\vert x\right\vert =r_{j}$ for $j=1,...,N$ and satisfy natural boundary conditions for $\left\vert x\right\vert =r_{1}$ and $\left\vert x\right\vert =r_{N}.$ By analogy with a technique in one-dimensional spline theory established by C. de Boor, we base our proof on error estimates for harmonic interpolation splines with respect to the partition by the annuli $A\left( r_{j-1},r_{j}\right) $. For these estimates it is important to determine the smallest constant $c\left( \Omega\right) ,$ where $\Omega=A\left( r_{j-1},r_{j}\right) ,$ among all constants $c$ satisfying \[ \sup_{x\in\Omega}\left\vert f\left( x\right) \right\vert \leq c\sup _{x\in\Omega}\left\vert \Delta f\left( x\right) \right\vert \] for all $f\in C^{2}\left( \Omega\right) \cap C\left( \overline{\Omega }\right) $ vanishing on the boundary of the bounded domain $\Omega$ . In this paper we describe $c\left( \Omega\right) $ for an annulus $\Omega=A\left( r,R\right) $ and we will give the estimate \[ \min\{\frac{1}{2d},\frac{1}{8}\}\left( R-r\right) ^{2}\leq c\left( A\left( r,R\right) \right) \leq\max\{\frac{1}{2d},\frac{1}{8}\}\left( R-r\right) ^{2}% \] where $d$ is the dimension of the underlying space.


翻译:本文的主要结果为:对于以同心消散域的分区,$A\left(r\1},r\\\\r\right),美元,美元,美元(r\r\r\r),美元(r\r\r),美元(r\r\r\r),美元(r\r\r\r),美元(r\r\r),美元(r\r),美元(r\r),美元(r\r),美元(r\r\r\_____rr>.),美元(r\r\r\r\r\r\r\r\r\r>。 美元(r\r\r\r\r\r>。),美元(r),美元(r\\r\\r\r\r\r\r\r\r\r\r>,美元,在域域上,(r\\\\\\\\\\\\\\\\\\\\\\\r_r_r) 美元,我们将我们的证据,我们的证据 以对纸(r) 纸(r) r) 的错误估计 美元,

0
下载
关闭预览

相关内容

专知会员服务
31+阅读 · 2021年6月12日
【课程推荐】 深度学习中的几何(Geometry of Deep Learning)
专知会员服务
57+阅读 · 2019年11月10日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
从Bayesian Deep Learning到Adversarial Robustness新范式
PaperWeekly
0+阅读 · 2021年12月29日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月14日
VIP会员
相关资讯
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
从Bayesian Deep Learning到Adversarial Robustness新范式
PaperWeekly
0+阅读 · 2021年12月29日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员