[论文解读] On trigonometric approximation of functions in the Lp norm

R. N. Mohapatra, Bogdan Szal|arXiv (Cornell University)|May 26, 2012

Approximation Theory and Sequence Spaces参考文献 3被引用 5

一句话总结

本文通过利用积分模连续性，建立了基于傅里叶级数导出的线性算子对 $ L^p $-函数的三角逼近次数的精确界。该研究推广了经典结果，在更宽松的可求和矩阵条件下证明了收敛速度为 $ O(n^{-\beta}) $，包括涉及 $ RBVS $、$ HBVS $ 和 $ AMDS $ 序列的情形。

ABSTRACT

In this paper we obtain degree of approximation of functions in Lp by operators associated with their Fourier series using integral modulus of continuity. These results generalize many know results and are proved under less stringent conditions on the infinite matrix.

研究动机与目标

• 通过将收敛速度估计推广到更广泛的可求和矩阵类，推广已知的 $ L^p $-范数下三角逼近结果。
• 分析使用算子 $ T_n(f;x) = \sum_{k=0}^n a_{n,k} S_k(f;x) $ 对 $ f \in L^p $ 的逼近程度，其中 $ S_k $ 为傅里叶级数的部分和。
• 在对矩阵 $ (a_{n,k}) $ 的最小假设下，建立收敛速度 $ \|T_n(f) - f\|_{L^p} = O(n^{-\beta}) $，特别是当 $ (a_{n,k}) \in RBVS $、$ HBVS $ 或 $ AMDS $ 时。
• 通过引入基于积分模连续性和有界变差序列的框架，统一并扩展了关于切萨罗和瑞兹平均的先前结果。
• 证明收敛速度取决于函数 $ f $ 的光滑性，以 $ \omega_p(f;\delta) = O(\delta^\alpha) $ 衡量，以及矩阵 $ (a_{n,k}) $ 的结构。

提出的方法

• 定义逼近算子 $ T_n(f;x) = \sum_{k=0}^n a_{n,k} S_k(f;x) $，其中 $ S_k(f;x) $ 为 $ f \in L^p $ 的傅里叶级数的第 $ k $ 个部分和。
• 使用积分模连续性 $ \omega_p(f;\delta) $ 表征函数 $ f $ 的光滑性，若 $ \omega_p(f;\delta) = O(\delta^\alpha) $，则 $ f \in \text{Lip}(\alpha,p) $。
• 应用闵可夫斯基不等式和核估计，通过核 $ K_n(u) = \sum_{k=0}^n a_{n,k} \frac{\sin((k+1/2)u)}{2\sin(u/2)} $ 的 $ L^1 $-范数来界定 $ \|T_n(f) - f\|_{L^p} $。
• 通过将积分拆分为 $ [0,\pi/n] $ 和 $ [\pi/n, \pi] $，利用 $ a_{n,k} $ 及其差分的性质，估计核 $ K_n(u) $ 的 $ L^1 $-范数。
• 运用阿贝尔变换和有界变差条件（例如 $ (k+1)^{-\beta}a_{n,k} \in HBVS $）控制系数的变差，并推导出衰减速率。
• 利用引理1中的辅助三角多项式 $ t_n $，将 $ \|T_n(f) - f\|_{L^1} $ 分解为逼近项与误差项，从而实现对速率的分析。

实验结果

研究问题

• RQ1 对于由其傅里叶级数导出的线性算子 $ T_n(f;x) $，$ f \in L^p $ 在 $ L^p $-范数下的最优逼近程度是什么？
• RQ2 收敛速度如何依赖于以积分模连续性 $ \omega_p(f;\delta) $ 衡量的 $ f $ 的光滑性？
• RQ3 在何种矩阵 $ (a_{n,k}) $ 条件下（如 $ RBVS $、$ HBVS $ 或 $ AMDS $）有 $ \|T_n(f) - f\|_{L^p} = O(n^{-\beta}) $ 成立？
• RQ4 能否将切萨罗和瑞兹平均的经典结果推广到在最小假设下更广泛的可求和矩阵类？
• RQ5 系数 $ a_{n,k} $ 及其差分 $ \Delta_k a_{n,k} $ 在决定逼近误差方面起什么作用？

主要发现

• 对于满足 $ 0 < \alpha \leq 1 $ 的 $ f \in \text{Lip}(\alpha,p) $，若 $ (a_{n,k}) \in RBVS $ 或 $ HBVS $，则算子 $ T_n(f) $ 满足 $ \|T_n(f) - f\|_{L^p} = O(n^{-\alpha}) $，推广了奎德于1937年的结果。
• 若 $ (a_{n,k}) \in RBVS $，则 $ \|T_n(f) - f\|_{L^1} \ll (n+1)^{1-\alpha} a_{n,0} $；若 $ (n+1)a_{n,0} = O(1) $，则 $ \|T_n(f) - f\|_{L^1} = O(n^{-\alpha}) $。
• 当 $ p=1 $、$ \alpha=1 $ 且 $ (a_{n,k}) \in HBVS $，且 $ (n+1)a_{n,n} = O(1) $ 时，本文证明了 $ \|T_n(f) - f\|_{L^1} = O(n^{-1}) $，与切萨罗平均的已知对数情形一致。
• 在 $ (a_{n,k}) $ 满足 $ HBVS $ 或 $ AMIS $ 条件时，建立了核范数 $ \int_0^{\pi} |K_n(u)| du = O(1) $，这对控制逼近误差至关重要。
• 通过使用阿贝尔变换和分解式 $ \|T_n(f) - f\|_{L^1} \leq \|T_n(f) - \sum a_{n,k} t_k\|_{L^1} + \|\sum a_{n,k} t_k - f\|_{L^1} $，能够精确控制误差，其依赖于 $ \|f - t_n\|_{L^1} $。
• 该结果可推广至 $ p > 1 $ 的情形，表明在相同矩阵条件下，$ \|T_n(f) - f\|_{L^p} = O(n^{-\alpha}) $ 对 $ f \in \text{Lip}(\alpha,p) $ 成立，推广了关于切萨罗平均的已知 $ L^p $-结果。