技术摘要：收缩域上切比雪夫逼近的误差

问题陈述

本研究探讨了当逼近域向原点收缩时，有理切比雪夫逼近（rational Chebyshev approximants）与插值最佳逼近（interpolatory best approximations）的渐近行为。具体而言，给定定义在包含原点的复平面域 $E \subset \mathbb{C}$ 上的全纯函数 $f$，以及一个紧集 $K \subset E$（例如区间 $[-1, 1]$ 或单位圆盘 $\Delta$），本文分析了在缩放集 $\varepsilon K = \{\varepsilon z : z \in K\}$ 上的逼近误差，其中 $\varepsilon \to 0$。

虽然先前的文献（如 [Wal31, TG85]）已经确定，在 $\varepsilon K$ 上的有理切比雪夫逼近在 $\varepsilon \to 0$ 时收敛于 $(m, n)$-Padé 逼近，但对于一般复平面紧域，误差的精确渐近结构以及插值节点在这一极限下的行为尚未得到充分表征。本文旨在填补“逼近函数的收敛性”与“其误差的显式表示”之间的空白。

研究方法

该分析依赖于经典有理插值理论、复分析和渐近分析的结合。核心方法步骤包括：

1. 线性化有理插值： 作者利用 Newton-Padé 逼近框架，其中有理插值器是通过涉及差商（divided differences）的线性化插值问题来定义的。这确保了即使在经典 Hermite 插值可能失效的情况下，插值器依然存在且唯一。
2. 插值器的连续性： 一个关键组成部分是建立有理插值器相对于插值节点及被逼近函数的连续性。命题 3.1 表明，当插值节点趋向于原点时，只要 Padé 逼近是非退化的，有理插值序列就会在系数意义上且“几乎一致地”收敛于 Padé 逼近。
3. 通过差商表示误差： 插值器的误差通过包含插值节点乘积的余项来表示。通过将节点进行缩放 $z_j(\varepsilon) = \varepsilon \zeta_j$，作者推导出了误差项 $v_\varepsilon(\varepsilon z)$ 的渐近展开式。
4. 节点优化： 本研究通过分析乘积项 $\prod (z - \zeta_j)$ 将渐近误差与域 $K$ 的几何性质联系起来。作者利用切比雪夫节点（即在 $K$ 上使单项式 $z^{m+n+1}$ 的一致范数最小化的多项式的零点）的性质，来确定能够最小化领先阶误差项的最优插值节点分布。
5. 切比雪夫逼近的插值性质： 本文证明了对于足够小的 $\varepsilon$，复切比雪夫逼近在 $\varepsilon K$ 上会达到特定的插值节点。这使得作者可以将切比雪夫逼近视为一种特定的“插值最佳逼近”（即在插值于 $f$ 于特定节点的有理函数中最小化误差）。

核心贡献与结果

1. 插值最佳逼近的渐近误差

主要结果（定理 8.1）确立了对于非退化 Padé 逼近，插值最佳逼近 $r_\varepsilon$ 在 $\varepsilon K$ 上的逐点误差行为如下：
$$r_\varepsilon(\varepsilon z) - f(\varepsilon z) = a_{mn} \varepsilon^{m+n+1} \prod_{j=0}^{m+n} (z - \tau_j) + o(\varepsilon^{m+n+1})$$
其中：

• $a_{mn}$ 是 Padé 误差展开式的领先系数（$a_{mn} = v_0(0)$）。
• $\tau_j$ 是集合 $K$ 的 $m+n+1$ 个切比雪夫节点。
• 缩放后的插值节点 $\zeta_j(\varepsilon)$ 向切比雪夫节点 $\tau_j$ 的收敛性得到了证明。

因此，一致误差的缩放比例为：
$$\|r_\varepsilon - f\|_{\varepsilon K} = |a_{mn}| t_{m+n+1} \varepsilon^{m+n+1} + O(\varepsilon^{m+n+2})$$
其中 $t_{m+n+1}$ 是 $K$ 的切比雪夫常数（即 $K$ 上次数为 $m+n+1$ 的首一多项式的最小一致范数）。

2. 切比雪夫逼近与插值最佳逼近的等价性

命题 7.1 表明，对于足够小的 $\varepsilon$，一个在 $\varepsilon K$ 上的有理切比雪夫逼近会在一个缩放后的圆盘 $\varepsilon \rho \Delta$ 内精确达到 $m+n+1$ 个插值节点。这意味着在收缩域上，切比雪夫逼近实际上是一个插值最佳逼近，其插值节点趋向于 $K$ 的切比雪夫节点。

3. 具体应用与一致性

研究结果被证明与之前的发现一致并对其进行了推广：

• 实区间 $[-1, 1]$： 推导出的渐近误差与 [Mei67, Theorem 103] 关于有理逼近的结果，以及 [Mei67, Theorem 62] 关于多项式逼近（$n=0$）的结果相匹配。
• 单位圆盘： 结果与单位圆盘已知的渐近行为一致。
• 指数函数： 本文将这些结果应用于 $f(z) = \exp(z)$ 的 $(m, n)$-逼近，恢复了误差系数 $a_{mn}$ 的显式公式。
• 酉最佳逼近（Unitary Best Approximation）： 该框架被应用于指数函数的酉最佳逼近（由 [JS23] 引入），表明当频率 $\omega \to 0$（等价于 $\varepsilon \to 0$）时，酉最佳逼近与标准切比雪夫逼近具有相同的渐近误差。

重要性与主张

本文声称提供了一个关于收缩域上有理切比雪夫逼近的统一渐近框架。其重要性在于：

• 架起收敛与误差之间的桥梁： 它超越了仅仅说明切比雪夫逼近收敛于 Padé 逼近这一结论，它提供了误差的显式领先阶项，并识别了控制该误差的几何结构（切比雪夫节点）。
• 统一设定： 其结果同时适用于复切比雪夫逼近、实区间上的实切比雪夫逼近以及酉最佳逼近，证明了这些不同的问题在域收缩时具有共同的渐近行为。
• 插值特征化： 它严格建立了在小规模域上，切比雪夫逼近可以被理解为插值最佳逼近，从而将极小化极大（minimax）性质与极限情况下的插值性质联系起来。

作者指出，虽然对于收缩域上固定阶数的渐近误差现在已经明确，但对于一般函数而言，这种极限与固定域上增加阶数（$m+n \to \infty$）时的渐近误差之间的关系，仍是一个开放性问题，尽管对于指数函数该结论成立。