[논문 리뷰] On (p,q)-analogue of Bernstein Operators (Revised)

M. ‎Mursaleen, Khursheed J‎. ‎Ansari외 1명|arXiv (Cornell University)|2015. 03. 24.

Approximation Theory and Sequence Spaces참고 문헌 12인용 수 7

한 줄 요약

이 논문은 원래 설정에서 $ B_{n,p,q}(1;x) = 1 $ 조건을 위반한 바, (p,q)-베르슈타인 연산자의 (p,q)-해석을 재수정하여 올바른 모멘트 성질을 확보한다. 수정된 연산자는 코로브킨 근사정리에 따라 $ p_n, q_n \to 1 $ 일 때 연속함수 $ f $ 에 대해 [0,1]에서 균일수렴하며, 수렴 속도는 $ \frac{2p_n^{n-1}}{[n]_{p_n,q_n}} $ 로 유계이다.

ABSTRACT

In the present article, we have given a corrigendum to our paper ``On (p,q)-analogue of Bernstein operators" published in Applied Mathematics and Computation 266 (2015) 874-882.

연구 동기 및 목표

• 2015년 원본 논문에서 $ B_{n,p,q}(1;x) = 1 $ 를 만족하지 못하는 잘못된 (p,q)-베르슈타인 연산자를 수정한다.
• 양의성과 모멘트 조건을 복원하기 위해 정규화 인자 $ p^{-n(n-1)/2} $ 와 수정된 단항식 스케일링을 포함한 재정의된 연산자 형태를 도입한다.
• 조건 $ \lim_{n\to\infty} p_n = \lim_{n\to\infty} q_n = 1 $ 하에서, 수정된 연산자가 [0,1]에서 연속함수로 균일수렴함을 확립한다.
• 모멘트 추정을 이용해 새로운 연산자 집합에 대해 코로브킨 유형의 근사정리를 증명한다.
• 다양한 $ p, q, n $ 에서의 수렴 행동을 확인하는 수치적 예시를 제공한다.

제안 방법

• 수정된 연산자는 $ B_{n,p,q}(f;x) = \frac{1}{p^{n(n-1)/2}} \sum_{k=0}^{n} \binom{n}{k}_{p,q} p^{k(k-1)/2} x^k \prod_{s=0}^{n-k-1} (p^s - q^s x) \cdot f\left( \frac{[k]_{p,q}}{p^{k-n}[n]_{p,q}} \right) $ 로 정의되며, 이는 정확한 정규화를 보장한다.
• $ p $-정수와 $ p,q $-이항계수를 사용하여 기저 함수와 연산자 가중치를 정의한다.
• 수정된 연산자가 상수 함수와 선형 함수를 유지함을 증명한다: $ B_{n,p,q}(1;x) = 1 $, $ B_{n,p,q}(t;x) = x $, 그리고 두 번째 모멘트 $ B_{n,p,q}(t^2;x) = \frac{p^{n-1}}{[n]_{p,q}}x + \frac{q[n-1]_{p,q}}{[n]_{p,q}}x^2 $ 를 유도한다.
• 코로브킨 근사정리를 적용하기 위해, $ n \to \infty $ 일 때 첫 세 모멘트가 항등 연산자로 수렴하는지 확인한다.
• 균일 노름을 이용해 $ f(t) = t^2 $ 에 대한 오차를 유계로 제한한다: $ \|B_{n,p_n,q_n}(t^2;x) - x^2\|_{C[0,1]} \leq \frac{2p_n^{n-1}}{[n]_{p_n,q_n}} $, 이는 주어진 극한 조건 하에서 0으로 수렴한다.
• MATLAB을 사용하여 테스트 함수 $ f(x) = (x-1/3)(x-1/2)(x-3/4) $ 에 대해 다양한 $ p, q, n $ 에서의 수렴 행동을 시각적으로 비교한다.

실험 결과

연구 질문

• RQ1 원래 (p,q)-베르슈타인 연산자 가족이 상수를 유지하지 못하는가? 만약 그렇다면, 이는 왜 핵심적인 결함인가?
• RQ2 양의성과 선형 근사 조건을 유지하면서 $ B_{n,p,q}(1;x) = 1 $ 이 되도록 (p,q)-베르슈타인 연산자를 어떻게 재정의할 수 있는가?
• RQ3 수정된 연산자가 [0,1]에서 연속함수로 균일수렴하기 위해 $ p_n $ 과 $ q_n $ 에 어떤 조건이 필요한가?
• RQ4 수정된 연산자의 수렴 속도는 $ p_n $, $ q_n $, $ n $ 에 따라 어떻게 달라지며, 특히 두 번째 모멘트 오차 측면에서 어떤가?
• RQ5 $ p $- 및 $ q $-미적분 도구, 예를 들어 $ [k]_{p,q} $ 와 $ \binom{n}{k}_{p,q} $ 는 수정된 연산자를 구성하는 데 어떤 역할을 하는가?

주요 결과

• 수정된 (p,q)-베르슈타인 연산자는 $ B_{n,p,q}(1;x) = 1 $ 을 만족하여 원래 설정의 근본적인 결함을 수정한다.
• 연산자는 선형 함수를 유지한다: $ B_{n,p,q}(t;x) = x $, 이는 애핀 함수의 정확한 근사화를 보장한다.
• 두 번째 모멘트는 명시적으로 $ B_{n,p,q}(t^2;x) = \frac{p^{n-1}}{[n]_{p,q}}x + \frac{q[n-1]_{p,q}}{[n]_{p,q}}x^2 $ 로 계산되며, 이는 수렴 분석에 필수적이다.
• 조건 $ \lim_{n\to\infty} p_n = 1 $ 과 $ \lim_{n\to\infty} q_n = 1 $ 하에서, 코로브킨 정리에 따라 임의의 $ f \in C[0,1] $ 에 대해 [0,1]에서 $ f $ 로 균일수렴한다.
• 수렴 속도는 $ \|B_{n,p_n,q_n}(t^2;x) - x^2\|_{C[0,1]} \leq \frac{2p_n^{n-1}}{[n]_{p_n,q_n}} $ 로 정량적으로 유계이며, $ n \to \infty $ 일 때 0으로 수렴한다.
• 수치 실험 결과는 $ n $, $ q $ 를 증가시키거나 $ p, q $ 를 1에 가깝게 만들수록 테스트 함수 $ f(x) = (x-1/3)(x-1/2)(x-3/4) $ 로의 수렴이 향상됨을 확인한다.