Bernstein多項式

同義語:Bernstein polynomial

概要

Bernstein多項式(Bernstein polynomial)とは、$[0,1]$ 上の関数 $f$ に対し、点 $k/n$ での値を二項分布の確率 $\binom nkx^k(1-x)^{n-k}$ で重み付けして足した多項式 $B_nf$ である。$f$ が連続なら $B_nf$ は $f$ に一様収束し、誤差は連続性の係数 $\omega$ を使って $\frac32\omega(f,n^{-1/2})$ 以下に抑えられ、Weierstrass の近似定理の構成的な証明になる。$f$ が $C^1$ 級なら導関数も一様収束し、単調性と凸性は保たれる。$C^2$ 級なら誤差は $x(1-x)f''(x)/(2n)$ に漸近し(Voronovskaya の定理)、1 次式以外では $1/n$ より速く減らない。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: 連続関数, 一様収束, 二項定理, 期待値

Bernstein多項式(Bernstein polynomial)とは、閉区間 $[0,1]$ 上の関数 $f$ と正の整数 $n$ に対して、等間隔の $n+1$ 点での値 $f(0),f(\frac1n),\dots,f(1)$ を二項分布の確率で重み付けして足し合わせた多項式
$$ B_nf(x)=\sum_{k=0}^nf\!\left(\frac kn\right)\binom nkx^k(1-x)^{n-k} $$
である。$f$ が連続なら $B_nf$ は $[0,1]$ 上で $f$ に一様収束する。これは Weierstrassの近似定理 を、近似する多項式を具体的に書き下して示す証明(構成的な証明)であり、1912 年に Bernstein が確率論の考え方から与えた(Ber12)。
この記事では、Bernstein 多項式の定義と確率による意味、基本的な性質を述べ、主定理として誤差を $f$ の連続性の係数で測る評価 $\Vert B_nf-f\Vert\le\frac32\omega(f,n^{-1/2})$ を証明する。続いて、導関数も同時に近似されること、単調性と凸性が保たれること、誤差の正確な大きさ(Voronovskaya の定理)、Bézier 曲線への応用を扱う。

問い答え
何を使って近似するか標本点 $\frac kn$ での値だけ
収束の仕方連続な $f$ に $[0,1]$ 上で一様収束
誤差の評価$\le\frac32\omega(f,n^{-1/2})$(thm-bp-main)
$C^2$ 級での誤差の大きさ$\frac{x(1-x)}{2n}f''(x)$ に漸近(thm-bp-voronovskaya)
保たれる形単調性、凸性(prop-bp-shape)
長所と短所正値で形を保つが、誤差は $\frac1n$ より速く減らない

定義と確率による意味

Bernstein 多項式

$n$ を正の整数とし、$k=0,1,\dots,n$ に対して
$$ b_{n,k}(x):=\binom nkx^k(1-x)^{n-k} $$
とおく。これらを $n$ 次の Bernstein 基底多項式 という。関数 $f\colon[0,1]\to\mathbb{R}$ に対し
$$ B_nf(x):=\sum_{k=0}^nf\!\left(\frac kn\right)b_{n,k}(x) $$
を $f$ の $n$ 次の Bernstein 多項式 といい、$f\mapsto B_nf$ を Bernstein 作用素 という。$B_nf$ は次数 $n$ 以下の多項式である。

二項定理 により $\sum_kb_{n,k}(x)=(x+(1-x))^n=1$ であり、$0\le x\le1$ では各 $b_{n,k}(x)\ge0$ である。したがって $x\in[0,1]$ を固定すると、$(b_{n,k}(x))_k$ は $\{0,1,\dots,n\}$ 上の確率分布、すなわち試行回数 $n$、成功確率 $x$ の二項分布になる。
確率による意味。 成功確率 $x$ の試行を独立に $n$ 回行い、成功の回数を $S_n$ とする。$P(S_n=k)=b_{n,k}(x)$ なので
$$ B_nf(x)=E\!\left[f\!\left(\frac{S_n}n\right)\right] $$
である。大数の法則 により、$n$ が大きいと成功の割合 $\frac{S_n}n$ は高い確率で $x$ の近くに来る。$f$ が連続なら $f(\frac{S_n}n)$ も $f(x)$ の近くに来るので、その期待値 $B_nf(x)$ は $f(x)$ に近いはずである。Bernstein は、成功の回数が $k$ のとき $f(\frac kn)$ を受け取る賭けの期待値としてこの多項式を導入し、Bernoulli の定理(大数の法則)で $f(x)$ との差が小さいことを示した(Ber12 pp. 1–2)。確率論の教科書では大数の弱法則の応用として扱われる(Dur19 Example 2.2.4、p. 58)。

次数の小さい場合

$n=1$ では $B_1f(x)=f(0)(1-x)+f(1)x$ で、両端を結ぶ 1 次関数である。$n=2$ では
$$ B_2f(x)=f(0)(1-x)^2+2f(\tfrac12)x(1-x)+f(1)x^2 $$
である。$f(x)=\lvert2x-1\rvert$ なら $f(0)=f(1)=1$、$f(\frac12)=0$ なので $B_2f(x)=(1-x)^2+x^2=1-2x(1-x)$ となり、$x=\frac12$ での値は $\frac12$ で、$f(\frac12)=0$ との差は $\frac12$ である。$B_nf$ は一般に標本点でも $f$ と一致しない(補間ではない)。一致が保証されるのは両端だけである。

基本性質

$v(x):=x(1-x)$ と書く。$0\le x\le1$ では $0\le v(x)\le\frac14$ である。

積率

すべての実数 $x$ について次が成り立つ。
$$ \sum_{k=0}^nb_{n,k}=1,\qquad\sum_{k=0}^n(k-nx)\,b_{n,k}=0,\qquad\sum_{k=0}^n(k-nx)^2\,b_{n,k}=nv, $$
$$ \sum_{k=0}^n(k-nx)^4\,b_{n,k}=nv+3n(n-2)v^2\qquad(v=x(1-x)). $$
とくに $B_n1=1$、$B_nx=x$、$B_nx^2=x^2+\frac{x(1-x)}n$ である。

要点:成功の回数 $S_n$ を独立な試行の和に分け、期待値を展開する。

証明を開く

どの等式も両辺が $x$ の多項式なので、$0\le x\le1$ で示せば実数全体で成り立つ。$X_1,\dots,X_n$ を独立で $P(X_i=1)=x$、$P(X_i=0)=1-x$ となる確率変数とし、$Y_i:=X_i-x$ とおく。$S_n-nx=\sum_iY_i$ で、左辺はそれぞれ $E[(S_n-nx)^j]$($j=0,1,2,4$)である。

$E[Y_i]=x(1-x)+(1-x)(-x)=0$、$E[Y_i^2]=x(1-x)^2+(1-x)x^2=v$、$E[Y_i^4]=x(1-x)^4+(1-x)x^4=v\bigl((1-x)^3+x^3\bigr)=v(1-3v)$ である($(1-x)^3+x^3=1-3x+3x^2=1-3v$)。

$(\sum_iY_i)^2$ を展開すると、$i\ne j$ の項 $E[Y_iY_j]=E[Y_i]E[Y_j]=0$ が消えて $E[(S_n-nx)^2]=nv$ となる。$(\sum_iY_i)^4$ を展開すると、どれかの $Y_i$ がちょうど 1 乗で現れる項は独立性により $0$ になる。残るのは $Y_i^4$ の $n$ 項と、$i< j$ について $Y_i^2Y_j^2$ が $\binom42=6$ 通りに現れる項なので、$E[(S_n-nx)^4]=n\,v(1-3v)+6\binom n2v^2=nv+3n(n-2)v^2$ である。

最後に $B_nx=\sum_k\frac knb_{n,k}=\frac1n\cdot nx=x$、$B_nx^2=\sum_k\frac{k^2}{n^2}b_{n,k}=\frac1{n^2}\bigl(nv+n^2x^2\bigr)$ である($\sum k^2b_{n,k}=\sum(k-nx)^2b_{n,k}+n^2x^2$)。

線形性・正値性・導関数の公式
  1. $B_n$ は線形で、正値である:$[0,1]$ 上で $f\ge0$ なら $B_nf\ge0$。とくに $f\le g$ なら $B_nf\le B_ng$ で、$\lvert B_nf\rvert\le B_n\lvert f\rvert$ である。
  2. $B_nf(0)=f(0)$、$B_nf(1)=f(1)$。1 次関数 $f$ では $B_nf=f$。
  3. $b_{n,k}=(1-x)\,b_{n-1,k}+x\,b_{n-1,k-1}$(範囲外の $b_{n-1,j}$ は $0$ とする)。
  4. 差分を $\Delta f(\frac kn):=f(\frac{k+1}n)-f(\frac kn)$、$\Delta^2f(\frac kn):=f(\frac{k+2}n)-2f(\frac{k+1}n)+f(\frac kn)$ とおくと、
    $$ (B_nf)'=n\sum_{k=0}^{n-1}\Delta f\!\left(\tfrac kn\right)b_{n-1,k},\qquad (B_nf)''=n(n-1)\sum_{k=0}^{n-2}\Delta^2f\!\left(\tfrac kn\right)b_{n-2,k} $$
    (後者は $n\ge2$)。

要点:3・4 は二項係数の恒等式から出る。

証明を開く

1:$b_{n,k}\ge0$ による。$\pm f\le\lvert f\rvert$ に当てれば最後の不等式が出る。2:$x=0$ では $b_{n,0}=1$ 以外の基底は $0$、$x=1$ では $b_{n,n}=1$ 以外は $0$ である。1 次関数については lem-bp-moments の $B_n1=1$、$B_nx=x$ と線形性による。

3:$\binom nk=\binom{n-1}k+\binom{n-1}{k-1}$ の両辺に $x^k(1-x)^{n-k}$ を掛ける。

4:積の微分と $k\binom nk=n\binom{n-1}{k-1}$、$(n-k)\binom nk=n\binom{n-1}k$ により $b_{n,k}'=n(b_{n-1,k-1}-b_{n-1,k})$ である。よって $(B_nf)'=n\sum_kf(\frac kn)(b_{n-1,k-1}-b_{n-1,k})$ で、和の添字をずらして $b_{n-1,k}$ ごとにまとめると第 1 式になる。第 1 式は係数 $c_k:=n\Delta f(\frac kn)$ による $\sum_kc_kb_{n-1,k}$ の形なので、同じ計算を次数 $n-1$ で繰り返すと $(n-1)\sum_k(c_{k+1}-c_k)b_{n-2,k}$ となり、$c_{k+1}-c_k=n\Delta^2f(\frac kn)$ から第 2 式を得る。

3 の漸化式は、$B_nf(x)$ の値を、隣り合う値を $1-x$ と $x$ の比で混ぜる操作を $n$ 回繰り返して計算できることを意味する(de Casteljau の算法、ex-bp-bezier)。

主定理:連続性の係数による誤差の評価

連続性の係数

$f\colon[0,1]\to\mathbb{R}$ と $\delta>0$ に対し
$$ \omega(f,\delta):=\sup\{\lvert f(s)-f(t)\rvert\mid s,t\in[0,1],\ \lvert s-t\rvert\le\delta\} $$
を $f$ の 連続性の係数(modulus of continuity)という。

$f$ が $[0,1]$ で連続なら、Heine–Cantorの定理 により 一様連続 で、$\delta\to0$ のとき $\omega(f,\delta)\to0$ となる。$f$ が定数 $K$ の Lipschitz連続 なら $\omega(f,\delta)\le K\delta$ である。

係数の伸び

$\lambda>0$、$\delta>0$ について $\omega(f,\lambda\delta)\le(1+\lambda)\,\omega(f,\delta)$ である。

要点:長い区間を長さ $\delta$ 以下の小区間に分ける。

証明を開く

$m$ を $\lambda\le m< \lambda+1$ となる正の整数とする。$\lvert s-t\rvert\le\lambda\delta$ のとき、$s$ と $t$ を結ぶ線分を $m$ 等分した点 $s=t_0,t_1,\dots,t_m=t$ をとると $\lvert t_{i+1}-t_i\rvert\le\frac{\lambda\delta}m\le\delta$ なので、$\lvert f(s)-f(t)\rvert\le\sum_i\lvert f(t_{i+1})-f(t_i)\rvert\le m\,\omega(f,\delta)\le(1+\lambda)\,\omega(f,\delta)$ である。

Bernstein 多項式による一様近似

$f$ を $[0,1]$ 上の連続な実数値関数とする。すべての正の整数 $n$ について
$$ \sup_{0\le x\le1}\lvert B_nf(x)-f(x)\rvert\le\frac32\,\omega\!\left(f,\frac1{\sqrt n}\right) $$
が成り立つ。とくに $B_nf$ は $[0,1]$ 上で $f$ に一様収束する。

$x\in[0,1]$ を固定し、$\delta>0$ とする。lem-bp-modulus-scaling を $\lambda=\lvert s-t\rvert/\delta$ に当てると($s=t$ のときは明らか)、すべての $s,t\in[0,1]$ について
$$ \lvert f(s)-f(t)\rvert\le\left(1+\frac{\lvert s-t\rvert}\delta\right)\omega(f,\delta) $$
である。lem-bp-moments の $\sum_kb_{n,k}(x)=1$ と $b_{n,k}(x)\ge0$ を使うと
$$ \lvert B_nf(x)-f(x)\rvert=\Bigl\lvert\sum_k\bigl(f(\tfrac kn)-f(x)\bigr)b_{n,k}(x)\Bigr\rvert\le\omega(f,\delta)\left(1+\frac1\delta\sum_k\Bigl\lvert\frac kn-x\Bigr\rvert b_{n,k}(x)\right). $$
最後の和を Cauchy–Schwarzの不等式 で評価する。$b_{n,k}=\sqrt{b_{n,k}}\sqrt{b_{n,k}}$ と分けて
$$ \sum_k\Bigl\lvert\frac kn-x\Bigr\rvert b_{n,k}\le\Bigl(\sum_k\Bigl(\frac kn-x\Bigr)^2b_{n,k}\Bigr)^{1/2}\Bigl(\sum_kb_{n,k}\Bigr)^{1/2}=\sqrt{\frac{x(1-x)}n}\le\frac1{2\sqrt n} $$
である(lem-bp-moments の 2 次の積率を $n^2$ で割った)。よって $\lvert B_nf(x)-f(x)\rvert\le\omega(f,\delta)\bigl(1+\frac1{2\delta\sqrt n}\bigr)$ で、$\delta=\frac1{\sqrt n}$ とおくと右辺は $\frac32\omega(f,\frac1{\sqrt n})$ になる。これは $x$ によらない。
$f$ は一様連続なので $\omega(f,\frac1{\sqrt n})\to0$ であり、$B_nf$ は $f$ に一様収束する。$\square$

証明で $f$ の値を使ったのは標本点 $\frac kn$ と $x$ だけで、極限操作は $\omega(f,\delta)\to0$ の一か所しかない。$\varepsilon>0$ が与えられたら、$\omega(f,\delta)< \frac23\varepsilon$ となる $\delta$ をとり、$n\ge\delta^{-2}$ とすれば、多項式 $B_nf$ が誤差 $\varepsilon$ 以下の近似になる。どの次数で十分かが具体的に分かる点が、この証明の構成的なところである。

閉区間での多項式近似

$f$ を閉区間 $[a,b]$($a< b$)上の連続関数とし、$g(t):=f(a+(b-a)t)$ とおく。多項式 $p_n(x):=B_ng\bigl(\frac{x-a}{b-a}\bigr)$ は
$$ \sup_{a\le x\le b}\lvert p_n(x)-f(x)\rvert\le\frac32\,\omega\!\left(g,\frac1{\sqrt n}\right)\to0 $$
を満たす。とくに $f$ が定数 $K$ の Lipschitz 連続なら、誤差は $\frac{3K(b-a)}{2\sqrt n}$ 以下である。

$t\in[0,1]$ を $x=a+(b-a)t$ に移せば thm-bp-main がそのまま当てはまり、$g$ の Lipschitz 定数は $K(b-a)$ である。これで Weierstrassの近似定理 が具体的な多項式とともに示された。
この形の評価は Popoviciu による。定数 $\frac32$ は $\frac54$ まで小さくでき、$f$ が $C^1$ 級なら誤差は $\frac34n^{-1/2}\omega(f',n^{-1/2})$ 以下になる(Lor86)。Lipschitz 連続な $f$ に限れば、Cauchy–Schwarz の評価を直接使って $\frac K{2\sqrt n}$ が得られる(Weierstrassの近似定理 の記事の命題「Lipschitz 連続な関数での誤差」)。

導関数の近似と形の保存

導関数の同時近似

$f$ が $[0,1]$ 上で $C^1$ 級(端点では片側微分)なら、$n\ge2$ について
$$ \sup_{0\le x\le1}\lvert(B_nf)'(x)-f'(x)\rvert\le\omega\!\left(f',\frac1n\right)+\frac32\,\omega\!\left(f',\frac1{\sqrt{n-1}}\right) $$
であり、$(B_nf)'$ は $f'$ に一様収束する。

prop-bp-basic の 4 と 平均値の定理 により、$n\Delta f(\frac kn)=f'(\xi_k)$ となる $\xi_k\in[\frac kn,\frac{k+1}n]$ があって
$$ (B_nf)'(x)=\sum_{k=0}^{n-1}f'(\xi_k)\,b_{n-1,k}(x) $$
である。これを $B_{n-1}(f')(x)=\sum_kf'(\frac k{n-1})b_{n-1,k}(x)$ と比べる。$0\le k\le n-1$ では $\frac kn\le\frac k{n-1}\le\frac{k+1}n$ なので(右の不等式は $k\le n-1$ と同値)、$\xi_k$ と $\frac k{n-1}$ はともに長さ $\frac1n$ の区間 $[\frac kn,\frac{k+1}n]$ に入り、$\lvert f'(\xi_k)-f'(\frac k{n-1})\rvert\le\omega(f',\frac1n)$ である。$b_{n-1,k}\ge0$、$\sum_kb_{n-1,k}=1$ より
$$ \lvert(B_nf)'(x)-B_{n-1}(f')(x)\rvert\le\omega\!\left(f',\frac1n\right). $$
$f'$ は連続なので thm-bp-main により $\lvert B_{n-1}(f')(x)-f'(x)\rvert\le\frac32\omega(f',\frac1{\sqrt{n-1}})$ であり、三角不等式で主張を得る。$f'$ は一様連続なので右辺は $0$ に収束する。$\square$

同じ多項式 $B_nf$ が $f$ と $f'$ を同時に近似する。Weierstrassの近似定理 の記事の系「関数と導関数の同時近似」は、$f'$ を近似する多項式を積分して同じ結論を得ている。こちらは近似する多項式を変えずに済む。

単調性と凸性の保存

$f\colon[0,1]\to\mathbb{R}$ とする。

  1. $f$ が単調増加なら、$B_nf$ も $[0,1]$ で単調増加である。
  2. $f$ が凸関数なら、$B_nf$ も $[0,1]$ で凸であり、さらに $B_nf\ge f$ である。

1:単調増加なら $\Delta f(\frac kn)\ge0$ なので、prop-bp-basic の 4 の第 1 式により $[0,1]$ で $(B_nf)'\ge0$ である。
2:凸なら $\frac{k+1}n$ は $\frac kn$ と $\frac{k+2}n$ の中点なので $\Delta^2f(\frac kn)\ge0$ であり、第 2 式により $[0,1]$ で $(B_nf)''\ge0$、よって $B_nf$ は凸である($n=1$ のときは 1 次式)。また $B_nf(x)=E[f(\frac{S_n}n)]$ と $E[\frac{S_n}n]=x$ に Jensenの不等式 を当てると $B_nf(x)\ge f(x)$ である。$\square$

一般の多項式近似は、近似したい関数が単調でも凸でも、その形を保つとは限らない。Bernstein 多項式は正値な作用素で、差分の符号を保つので、形を保った近似が要る場面(曲線の設計など)に向く。

誤差の正確な大きさ

Voronovskaya の定理

$f$ が $[0,1]$ 上で $C^2$ 級なら、$n\to\infty$ のとき $[0,1]$ 上一様に
$$ n\bigl(B_nf(x)-f(x)\bigr)\to\frac{x(1-x)}2f''(x) $$
となる。

$x\in[0,1]$、$h_k:=\frac kn-x$ とする。Taylorの定理(剰余を Lagrange の形にしたもの)により
$$ f\!\left(\tfrac kn\right)=f(x)+f'(x)h_k+\tfrac12f''(x)h_k^2+r_kh_k^2,\qquad\lvert r_k\rvert\le\tfrac12\,\omega(f'',\lvert h_k\rvert) $$
と書ける($r_k=\frac12(f''(\eta_k)-f''(x))$、$\eta_k$ は $x$ と $\frac kn$ の間)。$b_{n,k}(x)$ を掛けて足すと、lem-bp-moments より $\sum h_kb_{n,k}=0$、$\sum h_k^2b_{n,k}=\frac vn$ なので
$$ n\bigl(B_nf(x)-f(x)\bigr)-\frac v2f''(x)=n\sum_kr_kh_k^2\,b_{n,k}(x). $$
$\delta\in(0,1)$ をとり、右辺の和を $\lvert h_k\rvert< \delta$ と $\lvert h_k\rvert\ge\delta$ に分ける。前者は $\lvert r_k\rvert\le\frac12\omega(f'',\delta)$ なので、合わせて $n\cdot\frac12\omega(f'',\delta)\cdot\frac vn\le\frac18\omega(f'',\delta)$ 以下である。後者は $\lvert r_k\rvert\le\Vert f''\Vert$($\sup\lvert f''\rvert$)と $h_k^2\le h_k^4/\delta^2$ を使い、4 次の積率を $n^4$ で割ったもので評価すると
$$ n\,\Vert f''\Vert\,\frac1{\delta^2}\sum_kh_k^4b_{n,k}=\frac{\Vert f''\Vert}{\delta^2}\cdot\frac{nv+3n(n-2)v^2}{n^3}\le\frac{\Vert f''\Vert}{\delta^2}\left(\frac1{4n^2}+\frac3{16n}\right) $$
以下である。よって
$$ \sup_x\Bigl\lvert n\bigl(B_nf(x)-f(x)\bigr)-\frac{x(1-x)}2f''(x)\Bigr\rvert\le\frac18\omega(f'',\delta)+\frac{\Vert f''\Vert}{\delta^2}\cdot\frac1{2n}. $$
$\varepsilon>0$ に対し、$f''$ の一様連続性から $\frac18\omega(f'',\delta)< \frac\varepsilon2$ となる $\delta$ をとり、次に $n$ を大きくとれば右辺は $\varepsilon$ 未満になる。$\square$

この定理の主張は Voronovskaya によるもので、$f$ が $[0,1]$ で有界なら、$f''(x)$ が存在する点 $x$ ごとの極限としても成り立つ(Lor86)。上の証明は $C^2$ 級に限って一様収束の形で示した。

誤差は $1/n$ より速く減らない

$f$ が $[0,1]$ 上で $C^2$ 級で、$n(B_nf-f)\to0$ が $[0,1]$ の各点で成り立つなら、$f$ は 1 次関数である。

thm-bp-voronovskaya により $x(1-x)f''(x)=0$ が各点で成り立つので、$(0,1)$ で $f''=0$、連続性から $[0,1]$ で $f''=0$ となり、$f$ は 1 次式である。逆に 1 次式なら $B_nf=f$ である(prop-bp-basic の 2)。たとえば $f(x)=x^2$ では lem-bp-moments より $B_nf-f=\frac{x(1-x)}n$ で、誤差は正確に $\frac1n$ の大きさである。滑らかな関数に対しても、ほかの多項式近似($C^r$ 級なら $n^{-r}$ の速さを達成できるもの)に比べて収束は遅い。Bernstein 多項式の価値は速さではなく、作り方の単純さと正値性・形の保存にある。

Bézier 曲線

Bézier 曲線と de Casteljau の算法

平面の点 $P_0,\dots,P_n$(制御点)に対し、曲線 $C(x):=\sum_{k=0}^nb_{n,k}(x)P_k$($0\le x\le1$)を Bézier 曲線 という。座標ごとに見れば、$k\mapsto P_k$ の座標を標本値とする Bernstein 多項式である。

  • $C(0)=P_0$、$C(1)=P_n$ で、prop-bp-basic の 4 より $C'(0)=n(P_1-P_0)$、$C'(1)=n(P_n-P_{n-1})$ である。曲線は端点で、最初と最後の辺に接する。
  • $b_{n,k}(x)\ge0$ で和が $1$ なので、$C(x)$ は制御点の凸包に入る。
  • prop-bp-basic の 3 を繰り返すと、$P_k^{(0)}:=P_k$、$P_k^{(j)}:=(1-x)P_k^{(j-1)}+xP_{k+1}^{(j-1)}$ として $C(x)=P_0^{(n)}$ となる。線分を比 $x:1-x$ に分ける操作の繰り返しだけで曲線上の点が求まる(de Casteljau の算法)。
    $P_0=(0,0)$、$P_1=(1,2)$、$P_2=(2,0)$ なら $C(x)=(2x,\ 4x(1-x))$ で、放物線 $y=x(2-x)$ の $0\le x\le2$ の部分になる。$x=\frac12$ では、$P_0P_1$ の中点 $(\frac12,1)$ と $P_1P_2$ の中点 $(\frac32,1)$ の中点として $C(\frac12)=(1,1)$ が求まる。

反例:条件を外すと成り立たないこと

外す条件反例成り立たなくなること
$f$ の連続性(thm-bp-main)$x\ge\frac12$ で $1$、$x< \frac12$ で $0$ となる $f$$n$ が奇数なら $B_nf(\frac12)=\frac12$ で、$f(\frac12)=1$ に収束しない
$C^1$ 級(thm-bp-derivative)$f(x)=\lvert x-\frac12\rvert$$(B_nf)'$ は $x\ne\frac12$ の範囲でも $f'$ に一様収束しない
$C^2$ 級(thm-bp-voronovskaya)$f(x)=\lvert x-\frac12\rvert$$n(B_nf-f)(\frac12)\ge\frac{\sqrt n}{2\sqrt3}$ で、有限の極限をもたない
凸性(prop-bp-shape の $B_nf\ge f$)$f(x)=-x^2$$B_nf=f-\frac{x(1-x)}n< f$($0< x< 1$)
1 次式であること($B_nf=f$)$f(x)=x^2$$B_nf-f=\frac{x(1-x)}n\ne0$
反例の確かめ

要点:どの行も、表の左の条件以外の仮定(連続性など)は満たしている。

確かめを開く

1 行目:$x=\frac12$ では $S_n$ と $n-S_n$ の分布は等しく、$n$ が奇数なら $S_n=\frac n2$ とはならないので、$P(S_n\ge\frac n2)=P(S_n\le\frac n2)=1-P(S_n\ge\frac n2)$、すなわち $B_nf(\frac12)=P(S_n\ge\frac n2)=\frac12$ である。$f$ は $\frac12$ で連続でない。

2 行目:$f$ は連続で、$x\ne\frac12$ では微分可能($f'=\pm1$)だが、$\frac12$ で微分可能でない。$(B_nf)'$ が $[0,1]\setminus\{\frac12\}$ 上で $f'$ に一様収束するなら、$(B_nf)'$ はその上で一様に Cauchy であり、各 $(B_nf)'$ は $[0,1]$ で連続なので、$[0,1]$ でも一様に Cauchy になる。その極限は $[0,1]$ 上の連続関数で、$\frac12$ の左で $-1$、右で $1$ に等しくなり矛盾する。

3 行目:$X:=S_n-\frac n2$(成功確率 $\frac12$)とおくと $n(B_nf-f)(\frac12)=E\lvert X\rvert$ である。$v=\frac14$ で lem-bp-moments より $E[X^2]=\frac n4$、$E[X^4]=\frac n4+\frac{3n(n-2)}{16}\le\frac{3n^2}{16}$($n\ge1$)である。Hölderの不等式 を $X^2=\lvert X\rvert^{2/3}\lvert X\rvert^{4/3}$ に指数 $\frac32$ と $3$ で当てると $E[X^2]\le(E\lvert X\rvert)^{2/3}(E[X^4])^{1/3}$、よって $E\lvert X\rvert\ge E[X^2]^{3/2}/E[X^4]^{1/2}\ge\frac{(n/4)^{3/2}}{\sqrt3\,n/4}=\frac{\sqrt n}{2\sqrt3}$ である。$f$ は Lipschitz 連続だが $C^2$ 級ではない。

4 行目:$B_n(-x^2)=-x^2-\frac{x(1-x)}n$(lem-bp-moments)。$-x^2$ は凹で凸でない。$B_nf$ 自身は 2 次式 $-(1-\frac1n)x^2-\frac xn$ で、$n\ge2$ では凹のままなので、凸性の保存とも矛盾しない。

5 行目:同じく lem-bp-moments による。2 次式でも誤差は $0$ にならない。

歴史と広がり

  • 由来。 Bernstein の 1912 年の論文は 2 頁で、確率 $x$ の事象を $n$ 回試す賭けの期待値として多項式を置き、Bernoulli の定理から Weierstrassの近似定理 を導いた(Ber12)。
  • 正値作用素の見方。 thm-bp-main の証明で本質的だったのは、$B_n$ が正値で、関数 $1,x,x^2$ を正しく近似することだけである。この観察を一般化したのが Korovkin の定理で、近似理論 の記事が扱う。
  • 一般化。 多項式による近似をコンパクト空間上の関数環に広げたのが Stone–Weierstrassの定理 である。Bernstein 多項式は、その特別な場合である区間の上で、近似する多項式を具体的な式で与える。
  • 曲線。 Bézier 曲線は、区分的な多項式曲線である Bスプライン 曲線のうち、内部の節点がない場合にあたる。

関連項目

参考文献

[1]
S. Bernstein, Démonstration du théorème de Weierstrass fondée sur le calcul des probabilités, Communications de la Société Mathématique de Kharkov, 2e série, 1912, pp. 1–2

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する