Comptes Rendus
Partial differential equations/Numerical analysis
An LP empirical quadrature procedure for parametrized functions
Comptes Rendus. Mathématique, Volume 355 (2017) no. 11, pp. 1161-1167.

We extend the linear program empirical quadrature procedure proposed in [9] and subsequently [3] to the case in which the functions to be integrated are associated with a parametric manifold. We pose a discretized linear semi-infinite program: we minimize as objective the sum of the (positive) quadrature weights, an 1 norm that yields sparse solutions and furthermore ensures stability; we require as inequality constraints that the integrals of J functions sampled from the parametric manifold are evaluated to accuracy δ¯. We provide an a priori error estimate and numerical results that demonstrate that under suitable regularity conditions, the integral of any function from the parametric manifold is evaluated by the empirical quadrature rule to accuracy δ¯ as J. We present two numerical examples: an inverse Laplace transform; reduced-basis treatment of a nonlinear partial differential equation.

Nous étendons la procédure de quadrature empirique par programmation linéaire proposée dans [9] et par la suite dans [3] au cas où les fonctions à intégrer sont associées à une variété paramétrique. Nous posons un problème de programmation linéaire discret et semi-infini : nous minimisons la fonction objectif, qui est la somme des poids (positifs) de quadrature, qui constitue une norme 1 menant à des solutions parcimonieuses et assurant la stabilité, les contraintes d'inégalité requises étant que les intégrales de J fonctions échantillonnées à partir de la variété soient évaluées à une précision δ¯. Nous fournissons un estimateur d'erreur a priori et des résultats numériques qui démontrent que, sous certaines conditions de régularité, toute fonction de la variété est évaluée par la méthode de quadrature empirique avec précision δ¯ quand J. Nous présentons deux exemples numériques : une transformée inverse de Laplace et un traitement par base réduite d'une équation aux dérivées partielles non linéaire.

Received:
Accepted:
Published online:
DOI: 10.1016/j.crma.2017.10.020

Anthony T. Patera 1; Masayuki Yano 2

1 Room 3-266, Massachusetts Institute of Technology, 77 Massachusetts Avenue, Cambridge, MA 02139, USA
2 University of Toronto, 4925 Duffein Street, Toronto, ON, M3H 5T6, Canada
@article{CRMATH_2017__355_11_1161_0,
     author = {Anthony T. Patera and Masayuki Yano},
     title = {An {LP} empirical quadrature procedure for parametrized functions},
     journal = {Comptes Rendus. Math\'ematique},
     pages = {1161--1167},
     publisher = {Elsevier},
     volume = {355},
     number = {11},
     year = {2017},
     doi = {10.1016/j.crma.2017.10.020},
     language = {en},
}
TY  - JOUR
AU  - Anthony T. Patera
AU  - Masayuki Yano
TI  - An LP empirical quadrature procedure for parametrized functions
JO  - Comptes Rendus. Mathématique
PY  - 2017
SP  - 1161
EP  - 1167
VL  - 355
IS  - 11
PB  - Elsevier
DO  - 10.1016/j.crma.2017.10.020
LA  - en
ID  - CRMATH_2017__355_11_1161_0
ER  - 
%0 Journal Article
%A Anthony T. Patera
%A Masayuki Yano
%T An LP empirical quadrature procedure for parametrized functions
%J Comptes Rendus. Mathématique
%D 2017
%P 1161-1167
%V 355
%N 11
%I Elsevier
%R 10.1016/j.crma.2017.10.020
%G en
%F CRMATH_2017__355_11_1161_0
Anthony T. Patera; Masayuki Yano. An LP empirical quadrature procedure for parametrized functions. Comptes Rendus. Mathématique, Volume 355 (2017) no. 11, pp. 1161-1167. doi : 10.1016/j.crma.2017.10.020. https://comptes-rendus.academie-sciences.fr/mathematique/articles/10.1016/j.crma.2017.10.020/

[1] S.S. An; T. Kim; D.L. James Optimizing cubature for efficient integration of subspace deformations, ACM Trans. Graph., Volume 27 (2008) no. 5

[2] M. Barrault; Y. Maday; C.N. Nguyen; A.T. Patera An empirical interpolation method: application to efficient reduced-basis discretization of partial differential equations, C. R. Acad. Sci. Paris, Ser. I, Volume 339 (2004), pp. 667-672

[3] R. DeVore, S. Foucart, G. Petrova, P. Wojtaszczyk, Computing a quantity of interest from observational data, preprint, 2017.

[4] C. Dossal A necessary and sufficient condition for exact sparse recovery by 1 minimization, C. R. Acad. Sci. Paris, Ser. I, Volume 350 (2012) no. 1–2, pp. 117-120

[5] M. Elad Sparse and Redundant Representations, Springer, 2010

[6] C. Farhat; T. Chapman; P. Avery Structure-preserving, stability, and accuracy properties of the energy-conserving sampling and weighting method for the hyper reduction of nonlinear finite element dynamic models, Int. J. Numer. Methods Eng., Volume 102 (2015), pp. 1077-1110

[7] S. Foucart; H. Rauhut A Mathematical Introduction to Compressive Sensing, Birkhäuser, 2013

[8] G. Rozza; D.B.P. Huynh; A.T. Patera Reduced basis approximation and a posteriori error estimation for affinely parametrized elliptic coercive partial differential equations; application to transport and continuum mechanics, Arch. Comput. Methods Eng., Volume 15 (2008), pp. 229-275

[9] E.K. Ryu; S.P. Boyd Extensions of Gauss quadrature via linear programming, Found. Comput. Math., Volume 15 (2015), pp. 953-971

Cited by Sources:

Comments - Policy