混合范数下的Hermit型多元样本定理和各向异性函数类由Hermite型信息的逼近  

MULTIDIMENSIONAL SAMPLING THEOREM OF HERMITE TYPE IN VECTOR NORM AND APPROXIMATION OF ANISOTROPIC CLASSES BY HERMITE INFORMATION

作　　者：宋春元[1] 

机构地区：[1]北京师范大学数学科学学院,数学与复杂系统教育部重点实验室,北京100875

出　　处：《北京师范大学学报（自然科学版）》2012年第4期341-345,共5页Journal of Beijing Normal University(Natural Science)

基　　金：国家自然科学基金资助项目(11071019);高等学校博士学科点专项科研基金资助项目

摘　　要：给出了混合范数下的Hermite型多元样本定理,即对于函数f∈E2ν,p(Rd),1<p<∞,Hermite型样本定理仍成立,并讨论了各向异性Besov类SrpθB(Rd),p=(p1,…,pd)和Besov-Wiener类SrpqθB(Rd)由Hermite型信息样本的最优恢复问题,得到了相应误差的弱渐进估计.The multidimensional sampling theorem of Hermite type is proved： for allf∈E2v,p（R^d）,1〈p〈∞^-,HermiteIn addition, we addressed the optimal recovery problem on anisotropic Besov classes using Hermite sampling information. Weak asymptotic results forcorresponding quantities in the worst-case setting are obtained.

关 键 词：Hermite型信息 最优恢复 BESOV类 Besov-Wiener类 

分 类 号：O174.41[理学—数学]