MAKSMUM-ÇARPIM OPERATÖRLERNN YAKLAIM ÖZELLKLER
ENGN SARI
YÜKSEK LSANS TEZ MATEMATK
TOBB EKONOM VE TEKNOLOJ ÜNVERSTES FEN BLMLER ENSTTÜSÜ
NSAN 2015 ANKARA
Fen Bilimleri Enstitü onay
Prof. Dr. Osman EROUL Müdür
Bu tezin Yüksek Lisans derecesinin tüm gereksinimlerini sa§lad§n onaylarm.
Prof. Dr. Mustafa BAYRAKTAR Anabilim Dal Ba³kan
ENGN SARI tarafndan hazrlanan MAKSMUM-ÇARPIM OPERATÖR-LERNN YAKLAIM ÖZELLKLER adl bu tezin Yüksek Lisans tezi olarak uygun oldu§unu onaylarm.
Prof. Dr. Oktay DUMAN Tez Dan³man
Tez Jüri Üyeleri
Ba³kan : Prof. Dr. Mustafa BAYRAKTAR
Üye : Prof. Dr. Oktay DUMAN
TEZ BLDRM
Tez içindeki bütün bilgilerin etik davran³ ve akademik kurallar çerçevesinde elde edilerek sunuldu§unu, ayrca tez yazm kurallarna uygun olarak hazrlanan bu çal³mada orijinal olmayan her türlü kayna§a eksiksiz atf yapld§n bildiririm.
Üniversitesi : TOBB Ekonomi ve Teknoloji Üniversitesi
Enstitüsü : Fen Bilimleri
Anabilim Dal : Matematik
Tez Dan³man : Prof. Dr. Oktay DUMAN Tez Türü ve Tarihi : Yüksek Lisans Nisan 2015
Engin SARI
MAKSMUM-ÇARPIM OPERATÖRLERNN YAKLAIM ÖZELLKLER
ÖZET
Bu yüksek lisans tezinde istatistiksel yaknsaklk kavram kullanlarak pseudo-lineer yapdaki maksimum-çarpm operatörlerinin yakla³m özellikleri incelen-mi³tir.
Hem klasik hem de istatistiksel yakla³m sonuçlar üzerinde durulmu³tur. Üstelik elde edilen yakla³mn istatistiksel oranlar ile ilgili sonuçlara da yer verilmi³tir. Son olarak lineer olmayan bu operatörler için q-Bernstein polinomlar yardmyla yeni bir uygulama sunulmu³tur.
Anahtar Kelimeler: A-istatistiksel yaknsaklk, süreklilik modülü, maksimum-çarpm operatörleri, Shepard operatörleri, q-Bernstein polinomlar.
University : TOBB University of Economics and Technology Institute : Institute of Natural and Applied Sciences
Science Programme : Mathematics
Supervisor : Prof. Dr. Oktay DUMAN
Degree Awarded and Date : M.Sc. April 2015
Engin SARI
APPROXIMATION PROPERTIES OF MAX-PRODUCT OPERATORS
ABSTRACT
In this thesis, by using the notion of statistical convergence, we investigate the aproximation properties of max-product operators that are pseudo-linear.
Both classical and statistical approximation results are studied. Moreover, the results related to the statistical rates of the approximation are discussed. Finally, a new application is presented for those nonlinear operators by means of q-Bernstein polynomials.
Keywords: A-statistical convergence, modulus of continuity, max-product operators, Shepard operators, q-Bernstein polynomials.
TEEKKÜR
Bu çal³ma konusunu bana veren ve çal³malarm boyunca ilgi ve önerileriyle beni yönlendiren de§erli dan³man hocam Prof. Dr. Oktay DUMAN'a ve ayrca çal³malarmn her a³amasnda bana yardmc olan karde³im Deniz SARI'ya sayg ve te³ekkürlerimi sunarm.
ÇNDEKLER
ÖZET iv ABSTRACT v TEEKKÜR vi ÇNDEKLER vii SEMBOLLER ix 1 GR 1 2 TEMEL TANIMLAR 2 2.1 Yo§unluk . . . 2 2.2 statistiksel Yaknsaklk . . . 3 2.3 A-Yo§unluk . . . 4 2.4 A-statistiksel Yaknsaklk . . . 5 2.5 Süreklilik Modülü . . . 63 MAKSMUM- ÇARPIM OPERATÖRLER 8 3.1 A-statistiksel Yakla³m Teoremi . . . 9 3.2 A-statistiksel Yaknsaklk Oran . . . 13
4 SONUÇLAR VE UYGULAMALAR 20
4.1 q-Bernstein Polinomlar . . . 20 4.2 Sonuç Uyarlar . . . 26
KAYNAKLAR 27
SEMBOLLER
Bu çal³mada kullanlm³ olan semboller açklamalaryla birlikte a³a§da verilmek-tedir.
Semboller Açklama
(X, d) kompakt metrik uzay
|K| K kümesinin eleman says
δ(K) K kümesininin yo§unlu§u
δA(K) K kümesinin A-yo§unlu§u
C1 birinci mertebeden Ces`aro matrisi
χK K kümesinin karakteristik fonksiyonu
C(X, [0, ∞)) X metrik uzay üzerinde tanml, negatif olmayan sürekli fonksiyonlarn uzay
ω(f, δ) (δ > 0) f fonksiyonunun süreklilik modülü Ln(f ; x) maksimum-çarpm operatörü
Sλ
n(f ; x) Shepard maksimum-çarpm operatörü
stA− o(pn) o(pn) orannda A-istatistiksel yaknsaklk
1. GR
Korovkin tipinde yakla³mlar teorisi temel olarak operatör dizilerinin düzgün yaknsakl§na, pozitii§ine ve lineerli§ine dayanmaktadr. Literatürde her üç dayanak noktas için çe³itli ilerlemeler ve geni³letmeler bulunmaktadr. Örne§in düzgün yaknsaklk yerine toplam süreci (aritmetik ortalama yaknsaklk, hemen hemen yaknsaklk vb.) ve istatistiksel yaknsaklk gibi daha zayf yaknsaklk metotlar kullanlm³tr (bkz: [3],[4],[13],[17]). Operatörlerin pozitii§i kavram da fonksiyonun artanl§, azalanl§, konveksli§i ve konkavl§ özelliklerinden yararlanlarak zayatlm³tr (bkz: [2],[3]).Yakla³m operatörlerinin lineerli§i ise son yllarda Bede ve arkada³lar tarafndan pseudo-lineerlik kavram kullanlarak geli³tirilmi³tir (bkz: [5],[6],[7],[8]). Duman tarafndan verilen [9] no'lu makalede ise hem yaknsaklk metotu hem de lineerlik kavram zayatlm³tr. Bu yüksek lisans tezinde daha çok [9] da elde edilen sonuçlar üzerinde duraca§z. Bunun için önce çal³lacak yakla³m operatörleri tanmlanacak daha sonra onun klasik ve istatistiksel yakla³m özellikleri incelenecektir. Tezin son ksmnda elde edilen sonuçlar özel bir yakla³m operatörü üzerine uygulanacaktr. Burada q-tamsaylaryla tanmlanan genelle³tirilmi³ Bernstein operatörlerinin lineer ol-mayan versiyonlar in³a edilecektir.
2. TEMEL TANIMLAR
Bu bölümde, ilerde ihtiyaç duyaca§mz baz temel tanm ve notasyonlara yer verece§iz. Öncelikle "yo§unluk", "A-yo§unluk" tanmlar yaplarak, bu tanmlar yardmyla "istatistiksel yaknsaklk" ve "A-istatistiksel yaknsaklk" kavramlar verilecektir. Son olarak teoremlerin ispatlarnda kullanaca§mz "süreklilik modülü" tanm verilerek, süreklilik modülünün baz temel özelliklerine de§inilecektir.
2.1 Yo§unluk
N do§al saylar kümesini göstermek üzere bir K ⊂ N altkümesi verilsin ve Kn=
{k ≤ n : k ∈ K} ³eklinde bir küme tanmlansn. K kümesinin eleman says da |K| ile gösterilsin.
Tanm 2.1.1. Bir K ⊂ N altkümesi için
lim
n
1 n|Kn|
limiti mevcut ise, bu limit de§erine K kümesinin yo§unlu§u denir ve δ(K) ile gösterilir [20]. Bu tanma göre asal saylar kümesi 0 yo§unluklu iken do§al saylar kümesinin yo§unlu§u 1 olup, do§al saylarn her bir sonlu altkümesi de 0 yo§unlukludur. Bunun yansra, örne§in δ({n2 : n ∈ N}) = δ({n3 : n ∈ N}) = 0
ve δ({2n : n ∈ N}) = δ({2n − 1 : n ∈ N}) = 1/2 oldu§u tanmdan çkarlabilir. Bir küme 0 yo§unluklu ise onun her alt kümesi de 0 yo§unlukludur. Ayrca bir B kümesi yo§unlu§a sahip ise, bu durumda δ(N\B) = 1 − δ(B) olacaktr [12],[20].
2.2 statistiksel Yaknsaklk
Bu bölümde yo§unluk kavram kullanlarak bilinen klasik yaknsaklk tanmndan daha zayf olan istatistiksel yaknsaklk tanmna yer verilecektir.
Tanm 2.2.1. Bir x dizisinin L saysna istatistiksel yaknsak olmas demek her ε > 0 için
lim
j
1
j|n ≤ j : |xn− L| ≥ ε| = 0
olmas demektir. Denk bir ifade ile, K := K(ε) = {n ≤ j : |xn− L| ≥ ε} olmak
üzere her ε > 0 için
δ(K(ε)) = 0
olmas demektir. statistiksel yaknsaklk xn → L(stat) veya st − limnxn = L
³eklinde gösterilir [11],[22].
Bu tanma göre, e§er x dizisi bir L saysna istatistiksel yaknsak ise bu durumda L saysnn herhangi bir ε > 0 kom³ulu§unda dizinin sonsuz çoklukta terimi bulunurken bu kom³ulu§un d³nda da indis kümesinin yo§unlu§u sfr olmak ko³uluyla yine diziye ait sonsuz çoklukta terim bulunabilir. Bu durum istatistiksel yaknsakl§n klasik yaknsaklktan daha genel oldu§unu gösterir. Buradan anla³lmaktadr ki yaknsak her dizi ayn de§ere istatistiksel yaknsaktr; fakat yaknsak olmamasna ra§men istatistiksel yaknsak diziler tanmlanabilir.
Örnek 2.2.1. Genel terimi
x = (xn) =
(
1, n = m2 ise 0, n 6= m2 ise
³eklinde tanmlanan x dizisi için st−limnxn= 0 oldu§u görülebilir, fakat buradaki
x dizisi klasik anlamda yaknsak de§ildir.
Yaknsak her dizi snrldr fakat istatistiksel yaknsak dizilerin snrl olmas gerekmez. Bu ilginç özelli§i sa§layan bir dizi örne§ini a³a§daki ³ekilde verebiliriz. Örnek 2.2.2. x = (xn) dizisinin genel terimi
x = (xn) =
( √
n, n = m2 ise
0, n 6= m2 ise
³eklinde tanmlayalm. Bu durumda yine st − limnxn = 0 olmasna ra§men bu x
dizisi üstten snrszdr.
2.3 A-Yo§unluk
Bu bölümde yo§unluk ve istatistiksel yaknsaklk kavram regüler matrisler kullanlarak geli³tirilecektir.
Tanm 2.3.1. A = (ajn) j, n = 1, 2,...; sonsuz bir matris olmak üzere verilen
bir x = (xj) dizisi için, x in "A-dönü³üm dizisi", Ax := ((Ax)j) ile gösterilir ve
(Ax)j = ∞
X
n=1
ajnxn
³eklinde tanmlanr. Burada her bir n için seri yaknsak kabul edilmektedir. E§er limjxj = L oldu§unda limj(Ax)j = L ko³ulu gerçekleniyorsa, bu durumda A
"regüler matris" adn alr [14].
Toplanabilme teorisinde C1 := (cjn) Ces`aro matrisi
cjn=
( 1
j, 1 ≤ n ≤ j ise
ile tanmlanr. Kolayca görülece§i üzere Ces`aro matrisi regülerdir. Bir A = (ajn) matrisinin regüler olmas, Silverman - Toeplitz ko³ullar olarak da bilinen
a³a§daki teorem ile karakterize edilir. imdi bu teoremi ispatsz olarak verece§iz. Teorem 2.3.1. (Silverman-Toeplitz) Bir A = (ajn) matrisinin regüler olmas
için gerek ve yeter ko³ul
i. supj
P∞
n=1|ajn| < ∞,
ii. ∀ n için an:= limjajn= 0,
iii. limj
P∞
n=1ajn= 1
ko³ullarnn sa§lanmasdr [14],[18].
Tanm 2.3.2. A = (ajn), negatif olmayan regüler bir toplanabilme matrisi olsun.
Bir K ⊂ N altkümesi için
δA(K) = lim j ∞ X n=1 ajnχK(n) (2.1)
limiti mevcut ise, bu limit de§erine K kümesinin A-yo§unlu§u denir. Buna denk olarak, δA(K) = lim j X n∈K ajn (2.2)
yazabiliriz. (2.1) deki χK sembolü, K kümesinin karakteristik fonksiyonunu
göstermektedir [12].
2.4 A-statistiksel Yaknsaklk
Bu ksmda da A-yo§unluk yardmyla A-istatistiksel yaknsaklk kavramn tantaca§z.
Tanm 2.4.1. A = (ajn)negatif olmayan regüler bir matrsi olsun. E§er her ε > 0
için K := K(ε) = {n ≤ j : |xn− L| ≥ ε} olmak üzere
lim j ∞ X n=1 ajnχK(ε)(n) = 0 (2.3)
ise, ya da buna denk olarak her ε > 0 için
lim
j
X
n:|xn−L|≥ε
ajn= 0 veya δA(K(ε)) = 0 (2.4)
gerçekleniyorsa, bu durumda x = (xn) dizisi L saysna A-istatistiksel yaknsaktr
denir ve stA− lim x = L ile gösterilir [12],[19].
Bu tanma göre, e§er (2.4) ile verilen denklemde A matrisi yerine I birim matrisini alrsak, bu durumda klasik anlamda yaknsaklk elde edilir. Yani; stI− lim x =
lim x = L bulunur. A yerine C1 Ces`aro matrisi alnd§nda ise, A-istatistiksel
yaknsaklk istatistiksel yaknsakl§a indirgenir.
A-istatistiksel yaknsaklk tanm kullanlarak yaknsak her dizinin A- istatistiksel yaknsak oldu§u görülebilir. Fakat bunun kar³t her zaman için do§ru de§ildir. limjmaxn{ajn} = 0 ³artn sa§layan negatif olmayan regüler A = (ajn) matrisi
için A-istatistiksel yaknsaklk klasik yaknsaklktan daha güçlü bir ifadedir [15].
2.5 Süreklilik Modülü
(X, d) kompakt metrik uzay ve f, X üzerinde sürekli, reel de§erli bir fonksiyon olsun. f fonksiyonunun süreklilik modülü ω(f, δ) ile gösterilir ve
olarak tanmlanr. Burada W sembolü maksimumu göstermektedir. Süreklilik modülü, δ > 0 uzunlu§unu a³mayan bir aralkta fonksiyonunun maksimum salnmn ifade etmektedir.
imdi süreklilik modülünün baz temel özelliklerini verelim (bkz: [1],[16]).
i. Her x, y ∈ X için |f(x) − f(y)| ≤ ω(f, d(x, y)) e³itsizli§i gerçeklenir, ii. Her δ > 0 ve her n ∈ N için ω(f, nδ) ≤ nω(f, δ) e³itsizli§i sa§lanr, iii. Her λ, δ > 0 için ω(f, λδ) ≤ (1 + λ)ω(f, δ) e§itsizli§i gerçeklenir.
3. MAKSMUM- ÇARPIM OPERATÖRLER
(X, d), kompakt metrik uzay ve A = (ajn), negatif olmayan regüler bir matris
olsun. Bu durumda maksimum-çarpm operatörü
Ln(f ; x) = n
_
k=0
Kn(x, xk).f (xk), x ∈ X ve f ∈ C(X, [0, ∞)) (3.1)
³eklinde tanmlanr (bkz: [6],[9]). Bu çal³mada ∀x ∈ X için
δA {n ∈ N : n
_
k=0
Kn(x, xk) = 1} = 1 (3.2)
e³itli§inin sa§land§ kabul edilecektir. Burada k = 0, 1, ..., n için xk lar X metrik
uzayndan alnan temsilci noktalar olup Kn(x, xk) çekirdek fonksiyonunun da X
metrik uzay üzerinde tanml, negatif olmayan x'e göre sürekli bir fonksiyon oldu§u kabul edilmektedir.
imdi maksimum-çarpm operatörleri için pseudo-lineerlik özelli§ini hatrlayalm.
∀f, g ∈ C(X, [0, ∞)) ve ∀α, β ≥ 0 için Ln(α.f _ β.g; x) = α.Ln(f ; x) _ β.Ln(g; x)
e³itli§i gerçeklenir [6]. Bu e³itlik bize göstermektedir ki maksimum-çarpm operatörleri klasik anlamda lineer operatörler de§ildir.
3.1 A-statistiksel Yakla³m Teoremi
Makimum-çarpm operatörlerinin yakla³m teoreminden önce a³a§daki lemmaya ihtiyaç duyaca§z.
Lemma 3.1.1. ∀ak, bk ∈ [0, ∞) ve k = 0, 1, ..., n için
| n _ k=0 ak− n _ k=0 bk| ≤ n _ k=0 |ak− bk| e³itsizli§i gerçeklenir [6].
spat. Maksimum-çarpm operatörlerinin azalmayan özelli§ini kullanarak
n _ k=0 ak= n _ k=0 |bk+ ak− bk| ≤ n _ k=0 bk+ |ak− bk|
e³itsizli§ini elde ederiz. Bu e³itsizli§i düzenlersek istenileni elde etmi³ oluruz. imdi O. Duman tafarndan 2010 ylnda verilen istatistiksel yakla³m teoremini ifade edebiliriz (bkz: [9]).
Teorem 3.1.1. (X, d), kompakt metrik uzay ve A = (ajn), negatif olmayan
regüler bir matris olsun. E§er (3.1) ve (3.2) ile verilen Ln operatörü,
stA− lim
n _{|Ln(ϕx; x)| : x ∈ X} = 0, ϕx(y) = d 2(y, x)
³artn sa§lyorsa ∀f ∈ C(X, [0, ∞)) için
stA− lim
n _{|Ln(f ; x) − f (x)| : x ∈ X} = 0
spat. x ∈ X ve f ∈ C(X, [0, ∞)) verilsin. f nin X üzerindeki düzgün süreklili§inden ∀ε > 0 için ∃ δ > 0 öyle ki,
|f (x) − f (y)| ≤ ε + 2Mf
δ2 ϕx(y) (3.3)
e³itsizli§i ∀y ∈ X için sa§lanr. Burada Mf := W{|f (y)| : y ∈ X} olarak
tanmlanm³tr. K := {n ∈ N : n _ k=0 Kn(x, xk) = 1}
kümesini göz önüne alrsak (3.2) den δA(K) = 1 ya da δA(N \ K) = 0 bulunur.
∀n ∈ K için (3.3) ve Lemma 3.1.1 uyarnca
|Ln(f ; x) − f (x)| = | n _ k=0 Kn(x, xk).f (xk) − n _ k=0 Kn(x, xk).f (x)| ≤ n _ k=0 Kn(x, xk).|f (xk) − f (x)| ≤ n _ k=0 Kn(x, xk). ε + 2Mf δ2 ϕx(xk) ≤ ε +2Mf δ2 n _ k=0 Kn(x, xk).ϕx(xk) = ε +2Mf δ2 Ln(ϕx; x)
elde edilir. x ∈ X üzerinden maksimum alrsak, ∀n ∈ K için
_ {|Ln(f ; x) − f (x)| : x ∈ X} ≤ ε + 2Mf δ2 _ {|Ln(ϕx; x)| : x ∈ X}
e³itsizli§i gerçeklenir. Verilen bir r > 0 says için ε < r olacak ³ekilde ε > 0 seçerek D ve D0 kümelerini a³a§daki ³ekilde tanmlayabiliriz:
D :=n ∈ N : (_{|Ln(f ; x) − f (x)| : x ∈ X}) ≥ r ,
D0 :=n ∈ N : (_{|Ln(ϕx; x)| : x ∈ X}) ≥
(r − ε)δ2
2Mf
.
D ve D0 kümelerinin tanmndan yararlanarak
D ∩ K ⊆ D0 ∩ K
oldu§unu kolaylkla görebiliriz. Buna göre ∀j ∈ N için a³a§daki e³itsizlik gerçeklenir: X n∈D∩K ajn≤ X n∈D0∩K ajn ≤ X n∈D0 ajn.
imdi j → ∞ üzerinden limit alrsak
lim
j
X
n∈D∩K
ajn = 0
bulunur. Ayrca ∀j ∈ N için
X n∈D ajn = X n∈D∩K ajn+ X n∈D∩(N\K) ajn ≤ X n∈D∩K ajn+ X n∈(N\K) ajn
lim
j
X
n∈D
ajn = 0
ifadesi bulunur ki bu da bize maksimum-çarpm operatörlerinin istatistiksel yaknsakl§n verir. Yani sonuç olarak
stA− lim
n _{|Ln(f ; x) − f (x)| : x ∈ X} = 0
bulunur.
imdi Teorem 3.1.1 in bir sonucu olarak a³a§dakini elde edebiliriz.
Sonuç 3.1.1. (X, d), kompakt metrik uzay olsun. E§er (3.1) ile tanmlanan Ln
operatörleri
n
_
k=0
Kn(x, xk) = 1(∀n ∈ N, x ∈ X)
³artn sa§lyor ve {Ln(ϕx)}n∈N dizisi, sfr fonksiyonuna X üzerinde düzgün
yaknsaksa, her f ∈ C(X, [0, ∞)) için {Ln(f )}n∈N dizisi de f fonksiyonuna X
üzerinde düzgün yaknsaktr [9].
Teorem 3.1.1, maksimum-çarpm operatörlerinin bir f ∈ C(X, [0, ∞)) fonksiy-onuna istatistiksel yaknsakl§n verirken; Sonuç 3.1.1, bize klasik yaknsakl§ vermektedir. Fakat a³a§daki örnek ikisi arasndaki ili³kiyi ortaya koymaktadr. Örnek 3.1.1. (X, d), kompakt metrik uzay olsun. x ∈ X, λ, n ∈ N ve f ∈ C(X, [0, ∞)) için Shepard maksimum-çarpm operatörü:
Snλ(f ; x) = n _ Kn,λ(x, xk).f (xk) = Wn k=0 f (xk) dλ(x,x k) Wn 1
³eklinde tanmlanr. Burada Kn,λ(x, xk) çekirdek fonksiyonu a³a§daki ³ekilde verilmektedir: Kn,λ(x, xk) = 1 dλ(x,x k) Wn j=0 1 dλ(x,x j) , x /∈ {xk : k = 0, 1, ..., n}. Her f ∈ C(X, [0, ∞)) için {Sλ
n(f ; x)} dizisi f fonksiyonuna X üzerinde düzgün
yaknsaktr [7]. Sfr fonksiyonuna A-istatistiksel olarak yaknsak fakat klasik anlamda raksak bir (un) dizisi tanmlayabiliriz [15]. Tanmlad§mz (un) dizisi
ve {Sλ
n(f ; x)}dizisi yardmyla, x ∈ X ve f ∈ C(X, [0, ∞)) için maksimum-çarpm
operatörünü
Tn(f ; x) = (1 + un)Snλ(f ; x) (3.4)
³elinde tanmlarsak Teorem 3.1.1 in tüm ³artlar Tn operatörü için gerçeklenir.
Buradan ∀f ∈ C(X, [0, ∞)) için
stA− lim
n _{|Tn(f ; x) − f (x)| : x ∈ X} = 0
buluruz. Fakat dikkat edilirse (un) klasik anlamda yaknsak olmad§ndan (3.4)
ile verilen (Tn(f )) dizisiyle f fonksiyonuna yakla³mak imkanszdr.
3.2 A-statistiksel Yaknsaklk Oran
Bu bölümde Teorem 3.1.1 de elde edilen istatistiksel yakla³mn oranlarna de§inece§iz. Önce [10] da verilen a³a§daki iki tanma ihtiyaç vardr.
Tanm 3.2.1. A = (ajn) negatif olmayan regüler bir matris ve (pn)n∈N pozitif
lim j 1 pj X n:|xn−L|≥ε ajn= 0
ise, bu durumda x = (xn)n∈N dizisine o(pn) orannda L saysna A-istatistiksel
yaknsaktr denir ve xn− L = stA− o(pn) (n → ∞) ile gösterilir.
Tanm 3.2.2. A = (ajn) negatif olmayan regüler bir matris ve (pn)n∈N pozitif
terimli artmayan bir dizi olsun. Her ε > 0 için
lim
j
X
n:|xn−L|≥εpn
ajn= 0
ise, bu durumda x = (xn)n∈N dizisine om(pn) orannda L saysna A-istatistiksel
yaknsaktr denir ve xn− L = stA− om(pn)(n → ∞) ile gösterilir.
statistiksel yaknsaklk oranlaryla ilgili Teoremlere geçmeden önce maksimum-çarpm operatörleri için a³a§daki lemmaya itiyaç duyarz.
Lemma 3.2.1. Her ak, bk ≥ 0(k = 0, 1, , n) için
n _ k=0 akbk≤ v u u t n _ k=0 a2 k v u u t n _ k=0 b2 k e³itsizli§i sa§lanr [9]. spat. p, q ∈ {0, 1, , n} için n _ k=0 ak = ap ve n _ k=0 bk = bq
oldu§unu farzedelim. ∀k = 0, 1, , n için n _ k=0 akbk≤ apbq, n _ k=0 a2k = a2p ve n _ k=0 b2k= b2q
e³itsizlikleri sa§lanr. Buradan da sonuç kolaylkla elde edilir.
Teorem 3.2.1. (X, d), kompakt metrik uzay, A = (ajn), negatif olmayan regüler
bir matris ve (pn)n∈N pozitif terimli artmayan bir dizi olsun. E§er (3.1) ve (3.2)
ile verilen Ln operatörü f ∈ C(X, [0, ∞)) için
ω(f, δn) = stA− o(pn) (n → ∞)
δn :=
q _
{Ln(ϕx; x) : x ∈ X}, ϕx(y) = d2(y, x)
³artn sa§lyorsa, her n ∈ N için qn ≥ pn ve qn ≥ 1 ³artn sa§layan pozitif
terimli artmayan bir (qn) dizisi için
_
{|Ln(f ; x) − f (x)| : x ∈ X} = stA− o(qn) (n → ∞)
e³itli§i gerçeklenir [9].
spat. x ∈ X ve f ∈ C(X, [0, ∞)) olsun. Teorem 3.1.1 in ispatndaki ayn K kümesini kullanarak ∀n ∈ K ve δ > 0 için Lemma 3.2.1 uyarnca
|Ln(f ; x) − f (x)| ≤ n _ k=0 Kn(x, xk).|f (xk) − f (x)| ≤ n _ k=0 Kn(x, xk).ω(f, d(xk, x)) ≤ ω(f, δ) n _ k=0 Kn(x, xk).(1 + d(xk, x) δ ) = ω(f, δ)1 +1 δ n _ k=0 Kn(x, xk)d(xk, x) = ω(f, δ) ( 1 + 1 δ v u u t n _ k=0 [Kn(x, xk)]. v u u t n _ k=0 [Kn(x, xk)d2(xk, x)] )
elde edilir. Buradan ∀n ∈ K ve δ > 0 için
|Ln(f ; x) − f (x)| ≤ ω(f, δ){1 +
1 δ
p
Ln(d2(., x); x)}
e³itsizli§i bulunur. Ayn n ve δ de§eri için
_
{|Ln(f ; x) − f (x)| : x ∈ X} ≤ ω(f, δ){1 +
δn
δ } e³itsizli§ini elde ederiz. Özel olarak δ := δn seçersek
_
{|Ln(f ; x) − f (x)| : x ∈ X} ≤ 2ω(f, δn)
buluruz. ε > 0 için E ve E0 kümelerini a³a§daki gibi tanmlayabiliriz:
E0 : n ∈ N : ω(f, δn) ≥
ε 2 . Bu tanmlardan yararlanarak
E ∩ K ⊆ E0 ∩ K
yazabiliriz. ∀j ∈ N için qj ≥ pj oldu§undan
1 qj X n∈E∩K ajn ≤ 1 pj X n∈E0∩K ajn≤ 1 pj X n∈E0 ajn
e³itsizli§ini elde ederiz. j üzerinden limit alrsak
lim j 1 qj X n∈E∩K ajn = 0
buluruz. Teorem 3.1.1 in ispatnda oldu§u gibi
X n∈E ajn= X n∈E∩K ajn+ X n∈E∩(N\K) ajn≤ X n∈E∩K ajn+ X n∈(N\K) ajn yazabiliriz. Buradan 1 qj X n∈E ajn ≤ 1 qj X n∈E∩K ajn+ 1 qj X n∈(N\K) ajn
1 qj X n∈E ajn≤ 1 qj X n∈E∩K ajn+ X n∈(N\K) ajn
e³itsizli§i sa§lanr. j → ∞ üzerinden limit alrsak
lim j 1 qj X n∈E ajn = 0 buluruz. Buradan _ {|Ln(f ; x) − f (x)| : x ∈ X} = stA− o(qn) (n → ∞) sonucuna ula³rz.
Bir di§er A-istatistiksel oran teoremini de a³a§daki ³ekilde ifade edebiliriz. Teorem 3.2.2. (X, d), kompakt metrik uzay, A = (ajn), negatif olmayan regüler
bir matris ve (pn)n∈N pozitif terimli artmayan bir dizi olsun. E§er (3.1) ve (3.2)
ile verilen Ln operatörü f ∈ C(X, [0, ∞)) için
ω(f, δn) = stA− om(pn) (n → ∞)
δn :=
q _
{Ln(ϕx; x) : x ∈ X}, ϕx(y) = d2(y, x)
³artn sa§lyorsa, her n ∈ N için qn≥ pn³artn sa§layan pozitif terimli artmayan
bir (qn) dizisi için
_
e³itli§i gerçeklenir [9].
spat. ε > 0 için F ve F0 kümelerini
F : n ∈ N : (_{|Ln(f ; x) − f (x)| : x ∈ X}) ≥ εqn ,
F0 : n ∈ N : ω(f, δn) ≥
εpn
2
³eklinde tanmlayalm. Bu durumda az önceki ispat tekni§inden yararlanarak
F ∩ K ⊆ F0∩ K yazabiliriz. Buradan lim j X n∈F ∩K ajn= 0
e³itli§ini elde ederiz. Sonuç olarak
lim j X n∈F ajn= 0 olup, bu ise W{|Ln(f ; x) − f (x)| : x ∈ X} = stA− om(qn) (n → ∞) demektir.
4. SONUÇLAR VE UYGULAMALAR
Bu bölümde, maksimum-çarpm operatörlerinin klasik Bernstein polinomu ve onun q-genelle³tirmesi üzerine olan uygulamalarna yer verilecektir.
4.1 q-Bernstein Polinomlar
Kabul edelim ki; n ∈ N, f ∈ C[0, 1], x ∈ [0, 1] ve q ∈ (0, 1] olsun. Bernstein polinomu ve onun q-genelle³tirmesi
Bn(f ; x) = n X k=0 n k fk n xk(1 − x)n−k, (4.1) Bn(f ; x; q) = n X k=0 " n k # q f[k]q [n]q xk n−k−1 Y s=0 (1 − qsx) (4.2)
olarak tanmlanmaktadr [17],[21]. Burada
[n]q := 1 + q + ... + qn−1(n = 1, 2, ...); [0]q := 0, [n]q = ( 1−qn 1−q , q 6= 1 ise [n]q= n, q = 1 ise ve
[n]q! = ( [n]q...[2]q[1]q, n = 1, 2, ... ise 1, n = 0 ise " n k # q := [n]q! [k]q![n − k]q! olarak tanmlanmaktadr.
Burada Bn(f ; x) derecesi en fazla n olan bir polinomu göstermektedir. Kolayca
görebiliriz ki; Bn(f ; 0) = f (0) ve Bn(f ; 1) = f (1) e³itlikleri gerçeklenir.
Bernstein teoremi, [0, 1] aral§ üzerinde Bn(f ) dizisinin f fonksiyonuna düzgün
yaknsad§n ifade etmektedir. E§er q = 1 seçersek, genelle³tirilmi³ Bernstein polinomu klasik Bernstein polinomuna dönü³ür. Her n ∈ N ve her q ∈ (0, 1] için q-Bernstein polinomlar
Bn(f ; 0; q) = f (0), Bn(f ; 1; q) = f (1)
özelliklerini sa§lamaktadr.
(4.1) ve (4.2) ile tanmlanan Klasik Bernstein polinomlar ve q-Bernstein polinom-lar pozitif ve lineer operatörlerdir. Bu nedenle yakla³n özellikleri klasik Korovkin teoremi yardmyla incelenebilir [16]. Klasik Bernstein polinomlarnn lineer olmayan yapdaki modikasyonu Bede ve Gal tarafndan üretilmi³tir [5]. Lineer olmayan yapdaki operatörler için klasik Korovkin teoremini uygulayamayz ancak bu yeni operatörlerin klasik Bernstein polinomlaryla benzer yakla³m özellikleri oldu§u Bede ve Gal tarafndan gösterilmi³tir [5]. Operatörler lineer olmad§ndan dolay bu çal³malar yakla³m teoremine önemli katklar sa§lamaktadr. imdi q-Bernstein polinomlarnn lineer olmayan yapdaki versiyonunu inceleyece§iz.
olarak tanmlayalm. Binom açlmndan dolay n X k=0 n k xk(1 − x)n−k = [x + (1 − x)]n = 1
oldu§unu biliyoruz. Bundan yararlanarak klasik Bernstein polinomunu
Bn(f ; x) = Pn k=0 n kf k n xk(1 − x)n−k Pn k=0 n kxk(1 − x)n−k
³eklinde ifade edebiliriz. Bu formülde toplam operatörünü, maksimum oper-atörüyle yer de§i³tirerek Bede ve Gal [5] a³a§daki lineer olmayan yakla³m operatörünü elde etmi³tir:
Bn(M )(f ; x) = Wn k=0 n kf k n xk(1 − x)n−k Wn k=0 n kxk(1 − x)n−k , (f ∈ C+[0, 1], n ∈ N). (4.3)
Burada "M" har maksimumun ksaltmasdr. Bu lineer olmayan yakla³m operatörlerinin süreklilik modülü yardmyla yakla³m hz a³a§daki ³ekilde hesaplanm³tr: |B(M ) n (f ; x) − f (x)| = ω(f, 1 √ n + 1).
Benzer ³ekilde lineer olmayan q-Bernstein operatörlerini de a³a§daki ³ekilde tanmlayabiliriz: Bn(M )(f ; x; q) = Wn k=0pn,k(x; q)f [k]q [n]q n . (4.4)
Burada n ∈ N, f ∈ C+[0, 1], x ∈ [0, 1] ve q ∈ (0, 1) olmak üzere pn,k(x; q), pn,k(x; q) = " n k # q xk n−k Y s=1 (1 − qsx)
³eklinde verilmektedir. E§er xn,k ve Kn(x, xn,k) ifadeleri
xn,k = [k]q [n]q ve Kn(x, xn,k) = pn,k(x; q) Wn k=0pn,k(x; q)
³eklinde tanmlanrsa q-Bernstein operatörleri için daha önce de (3.1) de verildi§i gibi a³a§daki formu elde ederiz:
Bn(M )(f ; x; q) =
n
_
k=0
Kn(x, xn,k).f (xn,k).
q → 1− iken (4.4) ile verilen Bn(M )(f ; x; q) operatörü (4.3) ile verilen B(M )n (f ; x)
operatörüne indirgenir. Kolayca görebiliriz ki; her x ∈ [0, 1] ve her q ∈ (0, 1) için
n
_
k=0
pn,k(x; q) > 0
e³itsizli§i gerçeklenir. Bu nedenle B(M )
n (f ; x; q) operatörü iyi tanmldr. Her
f ∈ C+[0, 1] için
Bn(M )(f ; 0; q) = f (0)
e³itli§i gerçeklenir. Ayrca f ∈ C+[0, 1] ve f fonksiyonu [0, 1] aral§ üzerinde
Bn(M )(f ; 1; q) = f (1)
e³itli§ini elde ederiz. Gerçekten, f fonksiyonu [0, 1] aral§ üzerinde azalmayan oldu§unda pn,k(1; q)f [k]q [n]q ≤ pn,n(1; q)f [n]q [n]q = f (1)
e³itsizli§i gerçeklenir. Buradan B(M )
n (f ; 1; q) = f (1) ifadesine ula³rz. Fakat
her f ∈ C+[0, 1] için bu sonuç elde edilemez. Örne§in [0, 1] aral§ üzerinde
f (x) = 1 − x fonksiyonunu göz önüne alrsak, her q ∈ (0, 1) için
Bn(M )(f ; 1; q) > pn,0(1; q)f (0) = n
Y
s=1
(1 − qs) > 0 = f (1)
e³itsizli§ini elde ederiz. f ∈ C+[0, 1] iken, her n ∈ N ve q ∈ (0, 1) için
Bn(M )(f ; .; q) ∈ C+[0, 1] oldu§unu görebiliriz; ancak C+[0, 1] üzerinde lineer
de§ildir.
f, g ∈ C+[0, 1] için B (M )
n (f ; x; q) operatörü monoton artandr. Yani
f ≤ g ⇒ B(M )n (f ; x; q) ≤ Bn(M )(g; x; q) (4.5)
e³itsizli§i sa§lanr. Ayrca her f, g ∈ C+[0, 1] için
Bn(M )(f + g; x; q) ≤ Bn(M )(f ; x; q) + Bn(M )(g; x; q) (4.6)
e³itsizli§i sa§lanr. Bu e³itsizlik B(M )
n (f ; x; q) operatörünün C+[0, 1] üzerinde
imdi (4.5) ve (4.6) ile verilen e³itsizlikleri ve B(M )
n (e0; 1; q) = 1 e³itli§ini
kullanarak B(M )
n (f ; x; q) operatörü için a³a§daki sonucu elde ederiz.
Sonuç 4.1.1. Her f ∈ C+[0, 1], n ∈ N, x ∈ [0, 1] ve q ∈ (0, 1) için
|B(M )
n (f ; x; q) − f (x)| ≤ 2ω(f, δn(x; q))
olur. Burada
δn(x; q) := Bn(M )(ϕx; x; q), ϕx(t) = |t − x|
³eklinde tanmlanmaktadr.
imdi (0,1) aral§nda bulunan sabit q de§erini, terimleri (0,1) aral§nda bulunan ve 0 < qn< 1, ∀n ∈ N stA− lim n qn= 1 ve stA− lim q n n = 1
³artlarn sa§layan uygun bir qn dizisi ile yer de§i³tirirsek
stA− lim n
_ {B(M )
n (ϕx; x; qn) : x ∈ [0, 1]} = 0
e³itli§i gerçeklenmi³ olur. Yukardaki ifade B(M )
n (ϕx; x; qn) operatörünün sfr
4.2 Sonuç Uyarlar
Bu yüksek lisans tezinde pseudo-lineer yapdaki (lineer olmayan) maksimum-çarpm operatörlerinin yakla³m özellikleri incelenmi³tir. Özellikle yakla³mdaki klasik yaknsaklk yerine daha zayf olan "istatistiksel yaknsaklk" kavram kullanlrken Duman [9] tarafndan elde edilen sonuçlara yer verilmi³tir. Bu yakla³mlarn istatistiksel oranlar da incelenmi³tir. Son olarak q-Bernstein operatörleri yardmyla burada bulunan sonuçlara örnek te³kil edecek yeni bir maksimum-çarpm operatör dizisi in³a edilmi³tir.
Maksimum-çarpm operatörleriyle elde edilen bu sonuçlarn gelecek yllardaki çal³malarda maksimum-minimum operatörlerine de aktarlma potansiyeli bu-lunmaktadr. Üstelik istatistiksel yakla³m için elde edilen teoremlerin "toplam süreci" kavramyla yeniden ele alnmas da bir ba³ka ara³trma problemi olarak önerilebilir.
KAYNAKLAR
[1] Altomare, F. and Campiti, M., Korovkin-type approximation theory and its applications, Walter de Gruyter & Co. Berlin, 17, 1994.
[2] Anastassiou, G.A. and Duman, O., On relaxing the positivity condition of linear operators in statistical Korovkin-type approximations, Journal of Computational Analysis, 11, 7-9, 2009.
[3] Anastassiou, G.A. and Duman, O., Towards intelligent modeling: Statistical approximation theory, Springer-Verlag, Berlin, 14, 2011.
[4] Atlhan, Ö.G. and Orhan, C., Matrix summability and positive linear operators, Positivity, 11, 387-398, 2007.
[5] Bede, B. and Gal, S.G., Approximation by nonlinear Bernstein and Favard-Szász-Mirakjan operators of max-product kind, J. Concr. Appl. Math., 8, 193-207, 2010.
[6] Bede, B., Nobuhara, H., Danková, M. and Nola, A. D., Approximation by pseudo - linear operators, Fuzzy Sets & Systems, 159, 804-820, 2008.
[7] Bede, B., Nobuhara, H., Fodor, J. and Hirota, K., Max-product Shepard approximation operators, J. Adv. Comput. Intelligence Intelligent Informatics, 10, 494-497, 2006.
[8] Bede, B., Schwab, E. D., Nobuhara, H. and Rudas, I.J., Approximation by Shepard Type pseudo-linear operators and applications to image processing, Internat. J. Approx. Reason., 50, 21-26, 2009.
[9] Duman, O., Statistical convergence of max-product approximating operators, Turk J Math, 34,501-514, 2010.
[10] Duman, O., Khan, M.K. and Orhan, C., A-Statistical convergence of approximating operators, Math. Inequal. Appl., 6, 689-699, 2003.
[11] Fast, H., Sur la convergence statistique, Colloq. Math., 2, 241-244, 1951. [12] Freedman, A. R. and Sember, J. J., Densities and summability, Pacic J.
Math., 95, 293-305, 1981.
[13] Gadjiev, A.D. and Orhan, C., Some approximation theorems via statistical convergence, Rocky Mountain J. Math., 32, 129-138, 2002.
[14] Hardy, G. H., Divergent Series, Oxford Univ. Press, London, 1949.
[15] Kolk, E., Matrix summability of statistically convergent sequences, Analysis, 13, 77-83, 1993.
[16] Korovkin, P.P., Linear Operators and Approximation Theory, Hindustan Publishing Corp. (India), Delhi, 1960.
[17] Lorentz, G.G., Bernstein Polynomials, Mathematical Expositions, no. 8, University of Toronto Press, Toronto, 1953.
[18] Maddox, I. J., Elements of Functional Analysis, Cambridge University Press, 1970.
[19] Miller, H. I., A measure theoretical subsequence characterization of statistical convergence, Trans. Amer. Math. Soc., 347, 1811-1819, 1995.
[20] Niven, I. and Zuckerman, H. S., An Introduction to the Theory of Numbers. John Wiley & Sons, 4th ed. New York, 1980.
[21] Phillips, G.M., Bernstein Polynomials based on the q-integers, Ann. Numer. Math., 4, 511-518, 1997.
[22] Steinhaus, H., Sur la convergence ordinaire et la convergence asymptotique. Collog. Math., 2, 73-74, 1951.
ÖZGEÇM
Ki³isel BilgilerSoyad, Ad : ENGN, SARI
Uyru§u : T.C.
Do§um tarihi ve yeri : 05.07.1981 Ankara Medeni hali : Bekar
Telefon : 0506 217 97 58
e-mail : esari@etu.edu.tr
E§itim
Derece E§itim Birimi Mezuniyet Tarihi Lisans Mersin Üniversitesi 2005
³ Deneyimi
Yl Yer Görev
2006 Peker n³. Tic. ve San. A.. Çevre Müh. 2007-2008 A.Z.K.-sutek ORTAKLII Çevre Müh. 2014 Sivas Çevre ve ehircilik l Müdürlü§ü Çevre Müh. 2014-2015 TCDD Genel Müdürlü§ü Çevre Müh.
Yabanc Dil ngilizce
Uluslararas Konferans Bildirileri
• E. Sar, "Approximation Properties of Max-Product Operators", Recent Advances in Pure and Applied Mathematics (ICRAPAM14), 6-9 November, 2014, Antalya, Turkey.