[论文解读] Combined Delta-Nabla Sum Operator in Discrete Fractional Calculus

Nuno R. O. Bastos, Delfim F. M. Torres|arXiv (Cornell University)|Sep 16, 2010

Fractional Differential Equations Solutions参考文献 14被引用 11

一句话总结

本文引入了一种新颖的离散分数阶算子——组合前向-后向求和算子（diamond-γ），作为前向与后向分数阶求和的凸线性组合。该算子推广了标准算子，统一了离散分数阶微积分的框架，同时保持了线性与莱布尼茨型法则等关键性质，并在 γ=1 时退化为前向算子，在 γ=0 时退化为后向算子。

ABSTRACT

We introduce a more general discrete fractional operator, given by convex linear combination of the delta and nabla fractional sums. Fundamental properties of the new fractional operator are proved. As particular cases, results on delta and nabla discrete fractional calculus are obtained.

研究动机与目标

• 将现有的离散分数阶微积分中前向与后向方法统一为一个更通用的单一算子。
• 通过使新算子的定义域与后向方法保持一致，解决前向分数阶求和中的定义域不匹配问题。
• 通过在前向与后向差分算子之间引入连续插值，推广离散集合上的分数阶微积分。
• 为新的钻石-γ算子建立基础性质，如线性性与莱布尼茨法则。
• 为未来在任意时间尺度上发展离散分数阶钻石差分与变分原理提供框架。

提出的方法

• 将钻石-γ分数阶求和算子定义为凸组合：$({}_{\text{γ}}\bowtie_{a}^{-\text{α},-\text{β}}f)(t) = \text{γ}(\nabla_{a}^{-\text{α}}f)(t+\text{α}) + (1-\text{γ})(\nabla_{a}^{-\text{β}}f)(t)$，其中 $\gamma \in [0,1]$。
• 使用标准的前向与后向分数阶求和定义：$\Delta_{a}^{-\text{α}}f(t) = \frac{1}{\Gamma(\text{α})}\sum_{s=a}^{t-\text{α}}(t-\sigma(s))^{(\text{α}-1)}f(s)$ 与 $\nabla_{a}^{-\text{β}}f(t) = \frac{1}{\Gamma(\text{β})}\sum_{s=a}^{t}(t-\rho(s))^{\overline{\text{β}-1}}f(s)$。
• 利用底层前向与后向求和算子的线性性，证明该算子的线性性。
• 通过将 $f(s)$ 与 $g(s)$ 展开为牛顿级数，并利用阶乘与上升阶乘，推导出该算子的莱布尼茨型法则。
• 证明当 $\gamma=1$ 时算子退化为标准前向求和，当 $\gamma=0$ 时退化为后向求和，从而确认其与现有框架的一致性。
• 利用伽马函数与二项式系数的性质，将所得级数表达式简化为包含 $\binom{-\alpha}{k}$ 与 $\binom{-\beta}{k}$ 的紧凑形式。

实验结果

研究问题

• RQ1 如何将前向与后向分数阶求和算子统一为一个连续插值的单一算子？
• RQ2 此类广义离散分数阶算子的基本代数性质（如线性性、莱布尼茨法则）是什么？
• RQ3 新算子能否在保持后向方法定义域一致性的同时，融合前向算子的结构？
• RQ4 在钻石-γ算子下，两个函数乘积的莱布尼茨法则形式为何？
• RQ5 当 $\gamma=0$ 与 $\gamma=1$ 时，如何恢复经典后向与前向分数阶求和？

主要发现

• 钻石-γ算子在 $\mathbb{N}_a = \{a, a+1, a+2, \ldots\}$ 上的函数上有良好定义，并映射到相同定义域，解决了前向算子固有的定义域不匹配问题。
• 该算子满足线性性：$({}_{\gamma}\bowtie_{a}^{-\alpha,-\beta}(f+g))(t) = ({}_{\gamma}\bowtie_{a}^{-\alpha,-\beta}f)(t) + ({}_{\gamma}\bowtie_{a}^{-\alpha,-\beta}g)(t)$。
• 推导出广义的莱布尼茨法则：$({}_{\gamma}\bowtie_{a}^{-\alpha,-\beta}(fg))(t) = \gamma\sum_{k=0}^{\infty}\binom{-\alpha}{k}(\nabla^{k}g)(t)(\Delta_{a}^{-(\alpha+k)}f)(t+\alpha+k) + (1-\gamma)\sum_{k=0}^{\infty}\binom{-\beta}{k}(\nabla^{k}g)(t)(\Delta_{a}^{-(\beta+k)}f)(t+\beta+k)$。
• 当 $\gamma=0$ 时，莱布尼茨法则退化为已知的后向分数阶乘积法则：$(\nabla_{a}^{-\beta}(fg))(t) = \sum_{k=0}^{\infty}\binom{-\beta}{k}[(\nabla^{k}g)(t)][(\Delta_{a}^{-(\beta+k)}f)(t+\beta+k)]$。
• 当 $\gamma=1$ 时，莱布尼茨法则恢复为前向分数阶乘积法则：$(\Delta_{a}^{-\alpha}(fg))(t+\alpha) = \sum_{k=0}^{\infty}\binom{-\alpha}{k}[(\nabla^{k}g)(t)][(\Delta_{a}^{-(\alpha+k)}f)(t+\alpha+k)]$。
• 该框架为将离散分数阶微积分推广至任意时间尺度，以及利用钻石-γ算子发展分数阶变分原理奠定了基础。