Advances in Applied Mathematics
Vol. 08  No. 04 ( 2019 ), Article ID: 29907 , 6 pages
10.12677/AAM.2019.84084

Pseudo n-Width of Infinite Dimension Identity Operator

Wenjing Lu, Hanyue Xiao, Jing Qin

School of Science, Xihua University, Chengdu Sichuan

Received: Apr. 3rd, 2019; accepted: Apr. 18th, 2019; published: Apr. 25th, 2019

ABSTRACT

In this paper, we study the pseudo width of infinite dimension identity operator I p , q : l p , r l q ( 1 q p < , r > 1 q 1 p ) , and obtain its asymptotic degree.

Keywords:Infinite Dimension Identity Operator, Pseudo Width, Sequence Space, Asymptotic Degree

无穷维恒等算子的伪宽度

陆文静,肖寒月,秦静

西华大学理学院,四川 成都

收稿日期:2019年4月3日;录用日期:2019年4月18日;发布日期:2019年4月25日

摘 要

本文讨论了无穷维恒等算子 I p , q : l p , r l q ( 1 q p < , r > 1 q 1 p ) 的伪宽度,并计算了其精确渐近阶。

关键词 :无穷维恒等算子,伪宽度,序列空间,渐近阶

Copyright © 2019 by authors and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY).

http://creativecommons.org/licenses/by/4.0/

1. 引言及主要结果

宽度理论是函数逼近论的重要内容之一,也是国内外研究的热点之一,它与计算复杂性有着密切的联系 [1] 。其中,关于伪宽度的研究是当下宽度理论研究的热点之一,伪宽度在模式识别、消退估计、经验过程、学习理论中都有重要的应用。VC-维数的概念最早被Vapnik和Chervonenkis在参考文献 [2] [3] 中提出,他们介绍了集合的指标函数的VC维数。在实值函数中,Pollard [4] 和Haussler [5] 将VC-维数的定义扩展到伪维数,VC维数和伪维数是集合或空间容量的度量,它与一个函数类的熵有联系 [6] 。1998年,Maiorov和Ratsaby在参考文献 [7] 中给出VC-宽度和伪宽度的定义,研究了有限维空间伪宽度在一致框架下的逼近特征,并确定了在一致框架下的VC-宽度 ρ n V C ( B p m , l q m ) 和伪宽度 ρ n P ( B p m , l q m ) 的精确渐近阶。2007年,陈广贵等 [8] 讨论了具有共同光滑函数类的伪宽度,并且计算了其精确阶。本文主要讨论无穷维恒等算子的伪宽度。首先,介绍伪维数和伪宽度的定义。

定义1.1:对实数 x sgn ( x ) 表示符号函数,当 x > 0 时,其值为1,其它情形其值为−1。对向量 x R m , sgn ( x ) : = ( sgn ( x 1 ) , , sgn ( x m ) ) ,如果 F R m 上的一个实值函数集合,称满足下列条件的最大整数 k F 的伪维数,即存在指标集 I { 1 , 2 , , m } y R k 使得集合

{ sgn ( F | I , y ) : F | I , y = ( x i 1 + y 1 , , x i k + y k ) , x = ( x 1 , , x m ) F , i j I , 1 j k }

的基数为 2 k 。如果不存在这样的最大的 k ,那么 F 的伪维数是正无穷。我们将 F 的伪维数记为 dim p ( F )

定义1.2:设 W 为赋范线性空间 ( Z , ) 的一非空子集, n = 0 , 1 , 2 , ,称

ρ n ( W , Z ) = inf F n sup x W inf y F n x y

W Z 中的伪宽度,其中 F n 取遍 Z 中的伪维数不超过 n 的所有线性子空间。

定义1.3:设 X , Y 为两个赋范线性空间,其范数分别为 · X · Y T X Y 的有界线性算子, n = 0 , 1 , 2 , ,称

ρ n ( T : X Y ) = ρ n ( T ( B z ) , Y ¯ )

为算子 T 的伪宽度,其中 B X 表示 X 的单位球,即 B X : = { x X | x X 1 }

关于伪宽度的一些重要性质已经得到了精彩的结果。本文将讨论无限维恒等算子 I p , q : l p , r l q ( 1 q p < , r > 1 q 1 p ) 的伪宽度。为此,继续介绍有关概念。

1 p ,对任一实序列 x = { x n } n = 1 ,令

x l p = { ( n = 1 | x n | p ) 1 / p , 1 p < sup n 1 | x n | , p =

l p 表示满足条件 x l p < 的实序列 x 所构成的集合。众所周知, · l p l p 上的一个范数,而且 l p 是一个Banach空间。易见, l p 空间具有如下性质:

1) l p l q ( 1 p q )

2) l p l q ( 1 p q )

因此,无穷维恒等算子 I 是从 l p l q ( 1 p q ) 的有界线性算子,而不是 l p l q ( 1 q < p ) 的算子。

对于 1 p , r > 0 x = { x n } n = 1 l p ,令

x r : = { n r x n } n = 1 x l p , r = x ( r ) l p

l p , r : = { x l p | x l p , r < }

则易见 · l p , r l p , r 上的范数,且 l p , r 为Banach空间。用 B p , r 表示 l p , r 中的单位球。

1 q < p r > 1 q 1 p ,( p = 时,记 1 p = 0 ),对任意的 x = { x n } l p , r ,由Hölder不等式有

x l q { x l p . r ( n = 1 n p r p q ) 1 q 1 p < , 1 q < p < x l p . r ( n = 1 n r q ) 1 q < , p =

因此 x l q 。从而无穷维恒等算子 ( 1 q < p , r > 1 q 1 p )

I p , q : l p , r l q

x x

l p , r l q 的有界线性算子。

本文利用离散化的方法讨论了无穷维恒等算子 I p , q ( 1 q < p ) 的伪宽度,并得到其精确渐近阶。这就是本文的主要结果,即

定理1:设 1 q < p < r > 1 q 1 p n = 0 , 1 , 2 ,

ρ n ( I p , q : l p , r l q ) n ( r 1 q + 1 p )

其中,符号“ ”的定义如下:假设 c i , i = 0 , 1 , 是和参数 p , q , r 有关的非负常数。对两个正函数 a ( y ) b ( y ) y D ,如果存在正常数 c 1 满足条件 a ( y ) c 1 b ( y ) ,则记 a ( y ) = b ( y ) 。若存在正常数 c 2 满足条件 c 2 a ( y ) b ( y ) ,则记 a ( y ) b ( y ) ,若 a ( y ) = b ( y ) a ( y ) b ( y ) ,则记 a ( y ) b ( y )

2. 主要结果的证明

为了证明定理1,首先讨论有限维空间的伪宽度。令 m = { x = ( x 1 , , x m ) { x i R , i = 1 , , m }

1 p x = ( x 1 , , x m ) m 。令

x l p m = { ( n = 1 m | x n | p ) 1 / p , 1 p < , max 1 n m | x n | , p = .

· l p m m 上的范数。用 l p m 表示 m 按照范数 · l p m 所构成的Banach空间。用 B p m 表示 l p m 中的单位球。易见 { e n } n = 1 m l p m 的基,其中 e n = ( 0 , , 0 , 1 , 0 , 0 ) m (第n个分量为1,其余分量为0)。

引理1: [7] 设 1 q < p n = 1 , 2 , m c n ,则

ρ n ( B p m , l q m ) ( m n ) 1 q 1 p .

下面建立估计定理1上界的离散化定理。首先介绍一些记号。

k ,其中 = { 1 , 2 , } ,记 S k = { n N { 2 k 1 n < 2 k } 。则对任意的 k , k ,且 k k S k S k = = k = 1 S k 。用 m k 表示 S k 中元素的个数,则 m k = | S k | = 2 k 1

以下我们总是假设 1 p < 。用 e n 表示第 n 个分量为1,其余分量为0的无穷维实序列,则 { e n } n = 1 l p ( 1 p < ) 的Schauder基。从而对 x = { x n } l p ,有 x = n = 1 x n e n

k ,记 F k = span { e n | n S k } ,则 dim ρ ( F k ) = m k = 2 k 1 。令

I k : F k R m k

x = n S k x n e n j = 1 m x 2 k 1 + j 1 e 2 k 1 + j 1

则对 x = n S k x n e n F k ,有

x l p , r = ( n S k | n r x n | p ) 1 / p ( n S k | 2 r k x n | p ) 1 / p = 2 r k ( n S k | x n | p ) 1 / p = 2 r k I k x l p m k (2.1)

x l p = ( n S k | x n | p ) 1 / p = I k x l p m k . (2.2)

从而 I k l p F k l p m k 上的等距同构映射。

引理2:设 1 q < p < r > 1 q 1 p ,非负整数序列 { n k } k = 1 满足 0 n k m k ,且 k = 1 n k n 。则

ρ n ( B p , r , l q ) = n = 1 2 r k ρ n k ( B p m k , l q m k ) .

证明:对 k ,由(2.1)知,对 x B l p , r F k ,有

1 x l p , r = 2 r k I k x l p m k

y F k ,由(2.2)知

y l q = I k y l q m k

所以

ρ n k ( B p , r F k , l q F k ) = 2 r k ρ n k ( B p m k , l q m k )

由伪宽度的定义知,存在 l q F k 的一个伪维数不超过 n k 的线性子空间 M k 使得

sup x B p , r F k inf y M k x y l q = 2 r k ρ n k ( B p m k , l q m k )

M = k = 1 M k (直和)。则 M l q 的线性子空间,且

dim ρ ( M ) k = 1 dim ρ ( M k ) k = 1 n k n

从而

ρ n ( B p , r , l q ) = sup x B p , r inf y M x y l q k = 1 sup x B p , r F k inf y M k x y l q = k = 1 2 r k ρ n k ( B p m k , l q m k )

下面引理3是估计定理1下界的离散化定理。

引理3:令 1 q < p < r > 1 q 1 p n = 0 , 1 , 2 , ,则

ρ n ( B p , r , l q ) = 2 r k ρ n ( B p m k , l q m k )

其中 n 2 k = 2 n

证明:对 x B p m k ,则由(2.1)有

1 x l p m k 2 r k I k 1 x l p , r

y l q m k ,则由(2.2)有

y l q m k = I k 1 y l q

所以

ρ n ( B p , r , l q ) ρ n ( B p , r F k , l q F k ) = 2 r k ρ n ( B p m k , l q m k )

定理1的证明:

由定义1.1及定义1.2和无穷维恒等算子 I p , r 的定义,易见 ρ n ( I p , q : l p , r l p ) = ρ n ( B p , r , l q )

首先估计定理1的上界。

k ,令 k = [ lg n ]

n k = { m k , 1 k < k 2 k · 2 β ( k k ) , k k

其中, 0 < β < 1 ,易见 { n k } 满足引理2的条件。

由引理2和引理1有

ρ n ( I p , q : l p , r l q ) = n = 1 2 r k ρ n k ( B p m k , l q m k ) = k = k 2 r k ρ n k ( B p m k , l q m k ) = k = k 2 r k · 2 ( 1 q 1 p ) k = k = k 2 ( r 1 q + 1 p ) k = 2 ( r 1 q + 1 p ) ) k = n ( r 1 q + 1 p )

定理1的下界估计。

取满足引理3中条件的 k ,则由引理3和引理1有

ρ n ( I p , q : l p , r l q ) = 2 r k ρ n ( B p m k , l q m k ) = 2 r k n 1 q 1 p = n ( r 1 q + 1 p )

综上,定理1得证。

文章引用

陆文静,肖寒月,秦 静. 无穷维恒等算子的伪宽度
Pseudo n-Width of Infinite Dimension Identity Operator[J]. 应用数学进展, 2019, 08(04): 747-752. https://doi.org/10.12677/AAM.2019.84084

参考文献

  1. 1. Traub, J.F. Wasilkowski, G.W. and Wozniakowski, H. (1988) Information-Based Complexity. Academic Press, Bos-ton.

  2. 2. Vapnik, V.N. and Chervonenkis, A.Ya. (1971) On the Uniform Convergence of Relative Frequencies of Events to Their Probabilities. Theory of Probability & Its Applications, 16, 264-280. https://doi.org/10.1137/1116025

  3. 3. Vapnik, V.N. and Cbervonenkis, A.Ya. (1981) Necessary and Sufficient Conditions for the Uniform Convergence of Means to Their Expectations. Theory of Probability & Its Applications, 26, 532-553. https://doi.org/10.1137/1126059

  4. 4. Pollard, D. (1989) Empiricai Processes: Theory and Applications. NSF-CBMS Regional Conference Sews in Probability and Statistics, Vol. 2, Institute of Mathmatical Statistics and American Statistical Association.

  5. 5. Haussler, D. (1992) Decision Theoretic Generalizations of the PAC Model for Neural Net and Other Learning Applications. Information and Computation, 100, 78-150. https://doi.org/10.1016/0890-5401(92)90010-D

  6. 6. Vapnik, V.N. (1982) Estimation of Dependences Based on Empirical Data. Springer. Berlin.

  7. 7. Maiorova, V. and Ratsaby, J. (1998) The Degree of Approximation of Sets in Euclidean Space Using Sets with Bounded Vapnik-Chervonenkis Dimension. Discrete Applied Mathematics, 86, 81-93. https://doi.org/10.1016/S0166-218X(98)00015-8

  8. 8. Chen, G.G., Fang, G.S. and Ruan, Y.L. (2007) Non-Linear Approximation of Functions with Mixed Smoothness by Sets of Finite Pseudo-Dimension. Acta Mathematica Sinica, English Series, 23, 671-676. https://doi.org/10.1007/s10114-005-0921-x

期刊菜单