Processing math: 44%
본문 바로가기

대학원 과정/해석학

3.2 Kernel과 Approximate Identity

 

이전 글에서 보였던 Averaging Function은 Convolution과 비슷하다.

 

B(x)f(y)dy=f(y)χB(x)(y)dy=f(y)χB(0)(xy)dy=(fχB(0))(x)

 

여기서 Motivation을 얻어, 다음 Convolution의 성질을 특히 Kernel과 관련지어서 알아보자.

(fKδ)(x)=f(xy)Kδ(y)dy

 

위에서 Kernel이라 불리는 함수모임 {Kδ:δ>0}은 맥락에 따라 다르지만, 핵심적으로 다음을 만족시키는 함수모임이다. 

 

fKδf

(물론 여러가지 sense에서..)


만일 f가 bounded continuous이면 다음이 Kernel의 조건이 된다.

 

Kδ(x)dx=1

|Kδ(x)|dxA

|x|η|Kδ(x)|dx0,η>0

 

그런데 지금, f가 일반적인 integrable function이라 할 때 위 조건만으로는 Kernel이라 할 수 없고, 더 강한 다음 조건 아래 Kernel이라 할 수 있다. 대표적으로 Poisson kernel이나 Heat kernel, 혹은 Fejer kernel이 있다.

 

Kδ(x)dx=1

|Kδ(x)|dxAδd

|Kδ(x)|dxAδ|x|d+1

 

위 3개 조건을 만족하는 Kernel {Kδ}와 Integrable function f에 대하여, 실제로 다음이 성립하는지 확인하자.

(fKδ)(x)f(x)

 

증명.

더보기

Lemma(2.2)

f가 적분가능하고 xRdf의 Lesbegue set의 고정된 점일 때, 양의 실수 r에 대한 다음 함수

A(r)=1rd|y|r|f(xy)f(x)|dy

는 다음 성질을 갖는다.

(1) 연속.

(2) 유계.

(3) lim.

 

Proof : (1)은 자명. (3)은 x가 Lebesgue Set의 원소이므로 ( x0의 근방에서 f의 적분이 상수함수 f(x0)의 적분과 근사함) 자명. (2)는 r>1일 때 f의 integrablity를 이용하면 자명.


Proof

|(fKδ)(x)f(x)||f(xy)f(x)||Kδ(y)|dy=(|y|δ+2kδ<|y|2k+1δ)(|f(xy)f(x)||Kδ(y)|)dycA(δ)+c2kA(2k+1δ)

 

마지막 부등호는 다음 두 식에서 나온다.

|y|δ|f(xy)f(x)||Kδ(y)|dyAδd|y|δ|f(xy)f(x)|dy=AA(δ)

 

2kδ<|y|2k+1δ|f(xy)f(x)||Kδ(y)|dy|y|2k+1δ|f(xy)f(x)||Kδ(y)|dyAδ(2kδ)d+1|y|2k+1δ|f(xy)f(x)|dyA2k(2k+1δ)d|y|2k+1δ|f(xy)f(x)|dyA2kA(2k+1δ)

 

전자 cA(δ)δ0일 때 0으로 가고, 후자의 경우는 조금 더 subtle한데, N을 충분히 크게 잡아 꼬리부분은 A의 유계성을 이용해 ϵ 미만으로 만들고, 머리부분의 N개 sum은 δ를 충분히 작게 잡아서 다시 ϵ 미만으로 만들면 된다.

이 때, fKδ 역시 적분가능하다. 또 f로 a.e. pointwise 수렴할 뿐 아니라 L1 norm sense에서도 수렴한다. 즉, 

(fKδ)f10

 

이것이 3.2의 핵심 정리이다.

 

 

 

'대학원 과정 > 해석학' 카테고리의 다른 글

3.3 미분의 적분  (0) 2024.05.13
2. Integration Theory  (1) 2024.04.25
3. 1 적분의 미분  (0) 2024.04.25
1. Measure Theory  (0) 2024.04.24