作为动机，考虑一个平滑且连续的函数，但由于某种原因，执行在其上找到拉普拉斯算子的常规计算非常昂贵（可能是因为它在一个大域上等）。

给定一个原始函数，比如说，在一维中，是否有可能估计（或略微高估）该函数在其给定域上任何位置的拉普拉斯算子的最大绝对值（即幅度）（根本不需要实际计算拉普拉斯算子）点，只是找到最大值）？

为了开始讨论，也许这可以通过沿已知函数获取点的子集并将它们用作估计的基础来完成。