Dissertations / Theses on the topic 'Cubature formulae'

This thesis established the cubature method developed by Gyurkó & Lyons (2010) and Lyons & Victor (2004) for the Heath–Jarrow–Morton (HJM) model. The HJM model was first proposed by Heath, Jarrow, and Morton (1992) to model the evolution of interest rates through the dynamics of the forward rate curve. These dynamics are described by an infinite-dimensional stochastic equation with the whole forward rate curve as a state variable. To construct the cubature method, we first discretize the infinite dimensional HJM equation and thereafter apply stochastic Taylor expansion to obtain cubature formulae. We further used their results to construct cubature formulae to degree 3, 5, 7 and 9 in 1-dimensional space. We give, a considerable step by step calculation regarding construction of cubature formulae on Wiener space.

The accuracy and efficiency of computing multiple integrals is a very important problem that arises in many scientific, financial and engineering applications. The research conducted in this thesis is designed to build on past work and develop and analyze new numerical methods to evaluate double integrals efficiently. The fundamental aim is to develop and assess techniques for (numerically) evaluating double integrals with high accuracy. The general approach presented in this thesis involves the development of new multivariate approximations from a generalaised Taylor perspective in terms of Appell type polynomials and to study their use in multi-dimensional integration. The expectation is that the new methods will provide polynomial and polynomial-like approximations that can be used for application in a straight forward manner with better accuracy. That is, we aim to devise and investigate new multiple integration formulae and as well as provide information on a priori error bounds. A further major contribution of the work builds on the research conducted in the field of Grüss type inequalities and leads to a new approximation of the one and two dimensional finite Fourier transform. The approximations are in terms of the complex exponential mean and estimate of the error of approximation for different classes of functions of bounded variation defined on finite intervals. It is believed that this work will also have an impact in the area of numerical multidimensional integral evaluation for other integral operators.

Dans de nombreuses applications, nous souhaitons interpoler ou approcher une fonction de plusieurs variables possédant certaines propriétés ou “formes” géométriques, telles que la régularité, la monotonie, la convexité ou la non-négativité. Ces propriétés sont importantes pourdes applications en physique (par exemple, la courbe pression-volume doit avoir une dérivée non négative), aussi bien où le problème de l’interpolation conservant la forme est essentiel dans divers problèmes de l’industrie (par exemple, modélisation automobile, construction de la surface dumasque). Par conséquent, une question importante se pose : comment calculer la meilleure approximation possible à une fonction donnée f lorsque certaines de ses propriétés caractéristiques supplémentaires sont connues ?Cette thèse présente plusieurs nouvelles techniques pour trouver une bonne approximation des fonctions de plusieurs variables par des opérateurs linéaires dont l’erreur d’approximation A( f ) - f garde un signe constant pour toute fonction f satisfaisant une certaine convexité généralisée. Nous nous concentrons dans cette thèse sur la classe des fonctions convexesou fortement convexes. Nous décrirons comment la connaissance a priori de cette information peut être utilisée pour déterminer une bonne majoration de l’erreur pour des fonctions continuellement différentiables avec des gradients Lipschitz continus. Plus précisément, nous montrons que les estimations d’erreur basées sur ces opérateurs sont toujours contrôléespar les constantes de Lipschitz des gradients, le paramètre de la convexité forte ainsi que l’erreur commise associée à l’utilisation de la fonction quadratique. En supposant en plus que la fonction que nous voulons approcher est également fortement convexe, nous établissons de meilleures bornes inférieures et supérieures pour les estimations d’erreur de l’approximation. Lesméthodes de quadrature multidimensionnelle jouent un rôle important, voire fondamental, en analyse numérique. Une analyse satisfaisante des erreurs provenant de l’utilisationdes formules de quadrature multidimensionnelle est bien moins étudiée que dans le cas d’une variable. Nous proposons une méthode d’approximation de l’intégrale d’une fonction réelle donnée à plusieurs variables par des formules de quadrature, qui conduisent à des valeurs approchées par excès (respectivement par défaut) des intégrales des fonctions ayantun certain type de convexité. Nous verrons aussi, comme nous l’avons fait pour l’approximation des fonctions, que pour de telles formules d’intégration, on peut établir un résultat de caractérisation en termes d’estimations d’erreur. En outre, nous avons étudié le problèmede l’approximation d’une intégrale définie d’une fonction donnée quand un certain nombre d’intégrales de cette fonction sur certaines sections hyperplanes d’un l’hyper-rectangle sont seulement disponibles.La motivation derrière ce type de problème est multiple. Il se pose dans de nombreuses applications, en particulier en physique expérimentale et en ingénierie, où les valeurs standards des échantillons discrets des fonctions ne sont pas disponibles, mais où seulement leurs valeurs moyennes sont accessibles. Par exemple, ce type de données apparaît naturellement dans la tomographie par ordinateur avec ses nombreuses applications en médecine, radiologie, géologie, entre autres
In many applications, we may wish to interpolate or approximate a multivariate function possessing certain geometric properties or “shapes” such as smoothness, monotonicity, convexityor nonnegativity. These properties may be desirable for physical (e.g., a volume-pressure curve should have a nonnegative derivative) or practical reasons where the problem of shape preserving interpolation is important in various problems occurring in industry (e.g., car modelling, construction of mask surface). Hence, an important question arises: How can we compute the best possible approximation to a given function f when some of its additional characteristic properties are known?This thesis presents several new techniques to find a good approximation of multivariate functions by a new kind of linear operators, which approximate from above (or, respectively, from below) all functions having certain generalized convexity. We focus on the class of convex and strongly convex functions. We would wish to use this additional informationin order to get a good approximation of f . We will describe how this additional condition can be used to derive sharp error estimates for continuously differentiable functions with Lipschitz continuous gradients. More precisely we show that the error estimates based on such operators are always controlled by the Lipschitz constants of the gradients, the convexity parameter of the strong convexity and the error associated with using the quadratic function. Assuming, in addition, that the function, we want to approximate, is also strongly convex, we establish sharp upper as well as lower refined bounds for the error estimates.Approximation of integrals of multivariate functions is a notoriously difficult tasks and satisfactory error analysis is far less well studied than in the univariate case. We propose a methodto approximate the integral of a given multivariate function by cubature formulas (numerical integration), which approximate from above (or from below) all functions having a certain type of convexity. We shall also see, as we did for for approximation of functions, that for such integration formulas, we can establish a characterization result in terms of sharp error estimates. Also, we investigated the problem of approximating a definite integral of a given function when a number of integrals of this function over certain hyperplane sections of d-dimensional hyper-rectangle are only available rather than its values at some points.The motivation for this problem is multifold. It arises in many applications, especially in experimental physics and engineering, where the standard discrete sample values fromfunctions are not available, but only their mean values are accessible. For instance, this data type appears naturally in computer tomography with its many applications inmedicine, radiology, geology, amongst others

La propagation d' incertitudes en simulation numérique peut être traitée dans le cadre probabiliste par une approche fonctionnelle utilisant des fonctions de variables aléatoires. Dans cette thèse nous avons étudié la méthode spectrale de représentation des variables aléatoires par développement en chaos polynômial. En effet, une des grandes propriétés du chaos polynômial est que la connaissance des coefficients permet la réalisation de différentes analyses d'incertitude et de sensibilité. On peut ainsi à partir des coefficients du développement, approcher facilement différentes grandeurs d'intérêt comme les moyennes et les variances des variables analysées et par décomposition fonctionnelle de la variance obtenir les indices de sensibilité de Sobol caractérisant la part de la variance due par une variable ou par un groupe de variables d'entrées. Les méthodes de calcul de ce développement polynômial se séparent en deux catégories: celles qui modifient le code de calcul; méthodes dites intrusives, et celles qui utilisent le code comme une "boîte noire" en calculant les coefficients à laide de réalisations du code, méthodes dites non-intrusives. Ce travail de thèse s'est intéressé en particulier à une méthode non-intrusive donnée: la méthode de projection non-intrusive. Cette méthode utilise l'orthogonalité des bases de Polynômes de Chaos pour calculer les coefficients du développement par approx­imation de produits scalaires. Ce qui revient ici à approcher numériquement des intégrales. Le problème principal que l'on rencontre alors est le coût numérique important de l'intégration multidimensionnelle en grande dimension, ce qui est généralement le cas en propagation d'incertitudes. Ce coût correspond au nombre de points des formules d'intégration numérique, chaque point nécessitant une réalisation du code de calcul. La projection non-intrusive est généralement associée à la cubature par construc­tion de Smolyak (ou cubature de Smolyak) pour réduire le nombre de points nécessaire à l'intégration. Cependant, lorsque la dimension augmente l'efficacité de cette méthode devient insuffisante et le nombre de points nécessaire trop élevé. Pour diminuer ce coût nous nous sommes tournés vers l'intégration adap­tative et les méthodes de cubature de Smolyak généralisée. La combinaison des deux a récemment permis la mise au point de méthodes de cubature adapta­tive qui permettent de diminuer considérablement le coût d'intégration pour des fonctions anisotropes. Le coeur de cette thèse consiste donc à l'étude de la cubature adaptative à partir de la cubature de Smolyak généralisée et à sa mise en oeuvre pour le calcul du développement en Polynômes de Chaos. Cela nous a amené à proposer notre propre méthode de cubature adaptative ainsi qu'un algorithme pour calculer un développement polynômial adapté au problème. On obtient ainsi un développement polynômial sur une base creuse et un coût numérique d'intégration réduit qui permettent l'étude de problèmes anisotropes de plus grandes dimensions.

The accuracy and efficiency of computing multiple integrals is a very important problem that arises in many scientific, financial and engineering applications. The research conducted in this thesis is designed to build on past work and develop and analyze new numerical methods to evaluate double integrals efficiently. The fundamental aim is to develop and assess techniques for (numerically) evaluating double integrals with high accuracy. The general approach presented in this thesis involves the development of new multivariate approximations from a generalaised Taylor perspective in terms of Appell type polynomials and to study their use in multi-dimensional integration. The expectation is that the new methods will provide polynomial and polynomial-like approximations that can be used for application in a straight forward manner with better accuracy. That is, we aim to devise and investigate new multiple integration formulae and as well as provide information on a priori error bounds. A further major contribution of the work builds on the research conducted in the field of Grüss type inequalities and leads to a new approximation of the one and two dimensional finite Fourier transform. The approximations are in terms of the complex exponential mean and estimate of the error of approximation for different classes of functions of bounded variation defined on finite intervals. It is believed that this work will also have an impact in the area of numerical multidimensional integral evaluation for other integral operators.

Cette thèse porte sur la reconstruction de formes linéaires sur l'anneau des polynômes dans le cas multivarié et ses applications. Nous proposons des outils théoriques et algorithmiques permettant de résoudre des problèmes liés aux moments : la reconstruction de polytopes convexes à partir de leurs moments et la recherche de cubatures. L'algorithme numérique proposé pour reconstruire des polytopes utilise des méthodes numériques utilisées précédemment pour le cas des polygones, ainsi que les identités de Brion reliant moments directionnels et sommets projetés. Un polyèdre à 57 sommets - la coupe d'un diamant - est ainsi reconstruit. Pour la recherche de cubatures, nous adaptons la méthode de Prony univariée en une méthode multivariée à l'aide des opérateurs de Hankel. Un problème de complétion de matrices est aussi résolu grâce au théorème d'extension plate de Curto-Fialkow. Nous expliquons ainsi la recherche de cubatures à l'aide des matrices de moments, connue dans la littérature. La symétrie, qui est ici un élément naturel, réduit la complexité algorithmique. Nous prouvons qu'une diagonalisation par blocs des matrices concernées est alors possible. De ces blocs et à l'aide de la matrice de multiplicités d'un groupe fini, des conditions nécessaires à l'existence de cubatures sont obtenues. Pour une mesure, un degré et un nombre de nœuds donnés, notre algorithme certifie tout d'abord l'existence de cubatures et ensuite calcule ses poids et nœuds. De nouvelles cubatures ont ainsi été trouvées : soit en complétant celles connues pour une mesure et un degré donnés, soit en ajoutant des cubatures de degrés supérieurs pour une mesure donnée
This thesis deals with the reconstruction of linear forms on the polynomial ring and its applications. We propose theoretical and algorithmic tools to solve multivariate moment problems: the reconstruction of convex polytopes from their moments (shape-from-moments) and the search for cubatures. The numerical algorithm we propose to reconstruct polytopes uses numerical methods previously known in the case of polygons, and also Brion's identities that relate directional moments and projected vertices. A polyhedron with 57 vertices – a diamond cut – is thus reconstructed. Concerning the search for cubatures, we adapt the univariate Prony's method into a multivariate method thanks to Hankel operators. A matrix completion problem is then solved with a basis-free version of Curto-Fialkow's flat extension theorem. We explain thus the moment matrix approach to cubatures, known in the litterature. Symmetry is here a natural ingredient and reduces the algorithmic complexity. We show that a block diagonalisation of the involved matrices is possible. Those blocs and the matrix of multiplicities of a finite group provide necessary conditions on the existence of cubatures. Given a measure, a degree and a number of nodes, our algorithm first certify the existence of cubatures and then compute the weights and nodes. New cubatures have been found: either by completing the ones known for a given measure and degree, or by adding cubatures with a higher degree for a given measure

Made available in DSpace on 2014-06-11T19:22:18Z (GMT). No. of bitstreams: 0 Previous issue date: 2011-02-24Bitstream added on 2014-06-13T20:28:32Z : No. of bitstreams: 1 niime_fn_me_sjrp.pdf: 457352 bytes, checksum: 318f01064234c003baca33cae4183d6d (MD5)
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
O objetivo des trabalho é estudar os polinômios ortogonais em várias variáveis com relação a um funcional linear, L e suas propriedades análogas às dos polinômios ortogonais em uma variável, tais como: a relação de três termos, a relação de recorrência de três termos, o teorema de Favard, os zeros comuns ea cubatura gaussiana. Além disso, apresentamos um método para gerar polinômios ortonormais em duas variáveis e alguns exemplos.
The aim here is to study the orthogonal polynomials in several variables with respect to a linear functional, L. also, to study its properties analogous to orthogonal polynomials in one variable, such as the theree term relation, the three term recurrence relation, Favard's theorem, the common zeros and Gaussian cubature. A method to generating orthonormal polynomials in two variables and some examples are presented.

Cette thèse traite de la solution numérique de deux types de problèmes stochastiques. Premièrement, nous nous intéressons aux EDS fortement oscillantes, c'est-à-dire, les systèmes composés de variables ergodiques évoluant rapidement par rapport aux autres. Nous proposons un algorithme basé sur des résultats d'homogénéisation. Il est défini par un schéma d'Euler appliqué aux variables lentes couplé avec un estimateur à pas décroissant pour approcher la limite ergodique des variables rapides. Nous prouvons la convergence forte de l'algorithme et montrons que son erreur normalisée satisfait un résultat du type théorème limite centrale généralisé. Nous proposons également une version extrapolée de l'algorithme ayant une meilleure complexité asymptotique en satisfaisant les mêmes propriétés que la version originale. Ensuite, nous étudions la solution des EDS de type McKean-Vlasov (EDSPR-MKV) associées à la solution de certains problèmes de contrôle sous un environnement formé d'un grand nombre de particules ayant des interactions du type champ-moyen. D'abord, nous présentons un nouvel algorithme, basé sur la méthode de cubature sur l'espace de Wiener, pour approcher faiblement la solution d'une EDS du type McKean-Vlasov. Il est déterministe et peut être paramétré pour atteindre tout ordre de convergence souhaité. Puis, en utilisant ce nouvel algorithme, nous construisons deux schémas pour résoudre les EDSPR-MKV découplées et nous montrons que ces schémas ont des convergences d'ordres un et deux. Enfin, nous considérons le problème de réduction de la complexité de la méthode présentée tout en respectant la vitesse de convergence énoncée.

Cette thèse traite de deux sujets: la résolubilité forte d'équations différentielles stochastiques à dérive hölderienne et bruit hypoelliptique et la simulation de processus progressifs-rétrogrades découplés de McKean-Vlasov. Dans le premier cas, on montre qu'un système hypoelliptique, composé d'une composante diffusive et d'une composante totalement dégénérée, est fortement résoluble lorsque l'exposant de la régularité Hölder de la dérive par rapport à la composante dégénérée est strictement supérieur à 2/3. Ce travail étend au cadre dégénéré les travaux antérieurs de Zvonkin (1974), Veretennikov (1980) et Krylov et Röckner (2005). L'apparition d'un seuil critique pour l'exposant peut-être vue comme le prix à payer pour la dégénérescence. La preuve repose sur des résultats de régularité de la solution de l'EDP associée, qui est dégénérée, et est basée sur une méthode parametrix. Dans le second cas, on propose un algorithme basé sur les méthodes de cubature pour la simulation de processus progessifs-rétrogrades découplés de McKean-Vlasov apparaissant dans des problèmes de contrôle dans un environnement de type champ moyen. Cet algorithme se divise en deux parties. Une première étape de construction d'un arbre de particules, à dynamique déterministe, approchant la loi de la composante progressive. Cet arbre peut être paramétré de manière à obtenir n'importe quel ordre d'approximation (en terme de pas de discrétisation de l'intervalle). Une seconde étape, conditionnelle à l'arbre, permettant l'approximation de la composante rétrograde. Deux schémas explicites sont proposés permettant un ordre d'approximation de 1 et 2.

This dissertation is a detailed analysis of two-dimensional integration providing a priori error bounds in a variety of measures of integrand derivatives. Cubature formulae involving both function evaluations and one-dimensional integration are furnished and numerical experiments to investigate the efficacy of the error formulae are performed. Product (and singular) double integration is investigated. Two-dimensional rectangular integral inequalities are constructed via embedding two one dimensional Peano kernels. In one dimension, linear kernels with a parametric discontinuity furnish "three point" rules where sampling occurs at the boundary and an interior point. The error is bounded in terms of the Lebesgue norms of the first derivative of the integrand. In two dimensions for a rectangular region, we find that the rule generalises to three "three point" rules in each dimension. That is nine sample points and six one dimensional integrals. The error bound is expressed in terms of norms of the first mixed partial derivative of the integrand. These results are further generalised to provide error bounds in terms an arbitrary order mixed partial derivative of the integrand. That is, error bounds in measures of δfn+m/δtnδsm for some integers n,m>0 where the integrand is f. In this case, we find that the rule involves both sample points and one-dimensional integrals involving all the partial derivatives of the integrand up to the stated order. Finally, we explore product integrands, where the weight ω(•,•) is positive and integrable. In this case, the rule and the error bound involve moments of the weight. Particular attention is applied to identifying a priori two dimensional grids for which the error bound is minimized. Various weights and weight null spaces are explored and cubature formulae providing "optimal" grids are given.

Cette thèse s'intéresse à l'étude des propriétés et applications de quatre familles des fonctions spéciales associées aux groupes de Weyl et dénotées $C$, $S$, $S^s$ et $S^l$. Ces fonctions peuvent être vues comme des généralisations des polynômes de Tchebyshev. Elles sont en lien avec des polynômes orthogonaux à plusieurs variables associés aux algèbres de Lie simples, par exemple les polynômes de Jacobi et de Macdonald. Elles ont plusieurs propriétés remarquables, dont l'orthogonalité continue et discrète. En particulier, il est prouvé dans la présente thèse que les fonctions $S^s$ et $S^l$ caractérisées par certains paramètres sont mutuellement orthogonales par rapport à une mesure discrète. Leur orthogonalité discrète permet de déduire deux types de transformées discrètes analogues aux transformées de Fourier pour chaque algèbre de Lie simple avec racines des longueurs différentes. Comme les polynômes de Tchebyshev, ces quatre familles des fonctions ont des applications en analyse numérique. On obtient dans cette thèse quelques formules de <>, pour des fonctions de plusieurs variables, en liaison avec les fonctions $C$, $S^s$ et $S^l$. On fournit également une description complète des transformées en cosinus discrètes de types V--VIII à $n$ dimensions en employant les fonctions spéciales associées aux algèbres de Lie simples $B_n$ et $C_n$, appelées cosinus antisymétriques et symétriques. Enfin, on étudie quatre familles de polynômes orthogonaux à plusieurs variables, analogues aux polynômes de Tchebyshev, introduits en utilisant les cosinus (anti)symétriques.
This thesis presents several properties and applications of four families of Weyl group orbit functions called $C$-, $S$-, $S^s$- and $S^l$-functions. These functions may be viewed as generalizations of the well-known Chebyshev polynomials. They are related to orthogonal polynomials associated with simple Lie algebras, e.g. the multivariate Jacobi and Macdonald polynomials. They have numerous remarkable properties such as continuous and discrete orthogonality. In particular, it is shown that the $S^s$- and $S^l$-functions characterized by certain parameters are mutually orthogonal with respect to a discrete measure. Their discrete orthogonality allows to deduce two types of Fourier-like discrete transforms for each simple Lie algebra with two different lengths of roots. Similarly to the Chebyshev polynomials, these four families of functions have applications in numerical integration. We obtain in this thesis various cubature formulas, for functions of several variables, arising from $C$-, $S^s$- and $S^l$-functions. We also provide a~complete description of discrete multivariate cosine transforms of types V--VIII involving the Weyl group orbit functions arising from simple Lie algebras $C_n$ and $B_n$, called antisymmetric and symmetric cosine functions. Furthermore, we study four families of multivariate Chebyshev-like orthogonal polynomials introduced via (anti)symmetric cosine functions.