[논문 리뷰] Inequalities of Ostrowski's type for m- and (alpha,m)- logarithmically convex functions via Riemann-Liouville Fractional integrals

Ahmet Ocak Akdemi̇r|arXiv (Cornell University)|2012. 12. 07.

Mathematical Inequalities and Applications참고 문헌 9인용 수 4

한 줄 요약

이 논문은 리만-리오비ล레 분수적 적분을 이용하여 m- 및 (α,m)-상대적으로 로그로 변형된 함수에 대한 새로운 오스트로스키 유형 부등식을 수립한다. 도함수의 절대값의 일반화된 볼록성 성질을 활용하고 분수적 적분 항등식을 적용함으로써, 감마 함수와 멱평균을 포함하는 날카운 경계를 유도하며, 고전적 오스트로스키 부등식을 더 넓은 함수 클래스로 확장하고 분수적 해석학 프레임워크 하에서 정밀도를 향상시킨다.

ABSTRACT

In this paper, we establish some new Ostrowski's type inequalities for m- and (alpha,m)- logarithmically convex functions by using the Riemann-Liouville fractional integrals.

연구 동기 및 목표

• 도함수가 m- 및 (α,m)-상대적으로 로그로 변형된 함수인 경우 고전적 오스트로스키 부등식을 일반화하는 것.
• 리만-리오비레 분수적 적분을 오스트로스키 유형 오차 추정에 통합하여 정확도를 향상시키는 것.
• 함수 값과 그 분수적 적분 평균 사이의 편차에 대한 명시적 상한을 유도하는 것.
• 기존 결과를 매개변수 α, m, μ를 도입하여 고전적 볼록성과 분수적 해석학 사이의 보간을 가능하게 하여 일반화하는 것.
• 다양한 매개변수 영역(M < 1 대비 M = 1)에서 감마 함수와 지수적 적분을 이용한 정량적 추정을 제공하는 것.

제안 방법

• μ > 0인 리만-리오비레 적분의 분수적 적분 항등식(보조정리 1)을 활용한다.
• 분수적 적분 차이를 도함수의 Lp 노름에 따라 바OUND링하기 위해 헬더 부등식을 적용한다.
• |f′(x)|에 대한 (α,m)-로그로 볼록성 조건을 활용하여 지수형 적분 경계를 도출한다.
• M < 1인 경우 적분 추정에서 불완전 감마 함수 Γ(μp+1, ln M^α(m−1))를 사용한다.
• [0,1]에서의 매개변수화된 적분을 통해 경계를 도출하며, t는 적분 변수이고 x는 [a,b]의 점이다.
• 멱평균 부등식과 매개변수화된 경계를 적용하여 (x−a)^(μ+1) 및 (b−x)^(μ+1)를 포함하는 간결한 표현을 얻는다.

실험 결과

연구 질문

• RQ1 도함수가 (α,m)-상대적으로 로그로 변형된 함수인 경우 오스트로스키 유형 부등식을 어떻게 일반화할 수 있는가?
• RQ2 리만-리오비레 분수적 적분은 평균 근사의 오차 경계를 어떻게 개선하는가?
• RQ3 매개변수 α, m, μ는 유도된 부등식의 날카움 정도에 어떤 영향을 미치는가?
• RQ4 |f′(x)|이 M < 1 또는 M = 1일 경우 로그로 볼록성 하에서 명시적 경계는 무엇인가?
• RQ5 μ = 1 및 α = m = 1일 때 고전적 오스트로스키 부등식이 특수한 경우로 복원되는가?

주요 결과

• 논문은 리만-리오비레 분수적 적분을 통해 (α,m)-상대적으로 로그로 변형된 함수에 대한 날카운 오스트로스키 유형 부등식을 도출하였으며, 경계에 [1/(2μ+1) + K₁(α,m,t)] 항과 (x−a)^(μ+1), (b−x)^(μ+1)의 가중합이 포함되어 있다.
• |f′(x)| ≤ M < 1일 경우, 경계에 불완전 감마 함수 Γ(μp+1, ln M^α(m−1))가 포함되어 고전적 추정보다 비트리비얼한 개선을 이룬다.
• M = 1인 경우 경계는 1/(μp+1)로 단순화되어 함수의 성장과 무관한 깔끔한 해석적 표현을 제공한다.
• 관찰 4는 α = 1일 경우 결과가 m-로그로 볼록한 도함수에 대한 부등식으로 축소되며, 불완전 감마 함수와 멱평균 인자로 구성된 경계를 포함한다.
• 관찰 6는 μ = 1일 극한에서 고전적 오스트로스키 부등식을 복원하며, 경계는 매개변수 p와 함수의 최대 도함수 경계 M에 따라 달라진다.
• 논문은 분수적 적분 프레임워크가 고전적 방법보다 더 날카우며 더 민첩한 오차 추정을 가능하게 하며, 특히 로그로 볼록성 가정 하에서 뛰어난 성능을 발휘함을 보여준다.