技术摘要：受限柯尔莫哥洛夫宽度 (Constrained Kolmogorov Widths)

问题陈述

本文解决的核心问题是对受限逼近 (constrained approximation) 进行定量分析。在经典逼近理论中，目标是使用来自 $n$ 维线性空间 $V$ 的函数来逼近紧集 $K$（模型类）中的元素。这一过程的效率由柯尔莫哥洛夫宽度 (Kolmogorov width) $d_n(K)_X$ 来衡量。

然而，许多应用（例如数值偏微分方程、学习理论、几何设计）要求逼近函数满足额外的约束，例如保持单调性、凸性、正定性，或者保持在模型类 $K$ 之内。本文研究了施加这些约束如何影响逼近效率。具体而言，它定义并研究了受限柯尔莫哥洛夫宽度，记作 $d_n(K, C)_X$，其中逼近函数必须属于线性空间 $V$ 与约束类 $C$ 的交集。

主要问题在于，施加这些约束是否会降低渐近逼近速率（即，随着 $n \to \infty$，$d_n(K, C)_X$ 是否会比 $d_n(K)_X$ 衰减得显著更慢？）。

方法论与定义

本文采用了一个“宽度”的系统框架，用以衡量在各种限制下的逼近能力。

1. 标准宽度： 作者回顾了柯尔莫哥洛夫宽度 ($d_n$)、线性宽度 ($\delta_n$) 和格兰迪特宽度 ($d_n$) 的定义。
2. 受限宽度：
   • 受限柯尔莫哥洛夫宽度 ($d_n(K, C)_X$)： 在所有 $n$ 维空间 $V$ 中寻找下确界，其中误差是在用属于 $V \cap C$ 的元素逼近 $f \in K$ 时产生的最坏情况误差。
   • $\gamma$-受限宽度 ($d_n^{c, \gamma}(K)_X$)： 这是一种放宽形式，要求逼近量必须位于 $V \cap K_\gamma$ 中，其中 $K_\gamma = \bigcup_{0 \le \lambda \le \gamma} \lambda K$。这允许逼近量是模型类的缩放版本。
3. 相关宽度：
   • 贪婪宽度 ($d_n^g(K)_X$)： 由 $K$ 中的元素生成的逼近空间。
   • 限制宽度 ($d_n^r(K)_X$)： 由 $K$ 的线性张成空间生成的逼近空间。
4. 分析工具：
   • 插值理论： 本文利用实插值方法将 Besov 空间与逼近类联系起来。
   • K-泛函 (K-functional)： 用于定义插值空间并推导宽度的上界。
   • Jackson 和 Bernstein 不等式： 用于表征逼近空间并建立不同宽度定义之间的等价关系。

主要贡献与结果

1. 一般性质与比较 (第 2–4 节)

本文建立了对于一般 Banach 空间和紧集的各种宽度之间的基本关系。

• 不等式： 它证明了宽度的层级关系：
  $$d_n(K)_X \le d_n^r(K)_X \le d_n^g(K)_X \le \lim_{\gamma \to \infty} d_n^{c, \gamma}(K)_X \le d_n^{c, \gamma}(K)_X \le d_n^c(K)_X$$
• Hilbert 空间中的等价性： 对于 Hilbert 空间中凸的、中心对称的集合 $K$，限制、贪婪和 $\gamma$-受限宽度（当 $\gamma \to \infty$ 时）与标准柯尔莫哥洛夫宽度一致。
• 一般设定下的效率损失： 本文证明了对于一般的 Banach 空间和任意紧集，受限宽度可能比标准宽度大得多。
  • 定理 4.6： 存在某些 Banach 空间和集合，使得 $d_n^r(K)_X \ge C\sqrt{n} d_n(K)_X$。
  • 定理 4.7： 对于 Hilbert 空间和凸集，不存在可以普遍成立的直接比较形式 $d_n^c(K)_X \le \lambda_n d_{m_n}(K)_X$；即使标准宽度很小时，受限宽度仍可能保持较大。
  • 引理 4.8： 对于 $\ell_\infty$ 中的 $\ell_1$ 单位球，标准宽度按 $O(\sqrt{\log(m/n)/n})$ 衰减，而受限宽度被下界定为常数 ($1/2$)，这表明严格约束 ($\gamma=1$) 会导致严重的效率损失。

2. 经典设定：插值与逼近空间 (第 5–6 节)

论文将重点转向“经典设定”，其中 $K$ 是特定光滑类（Besov 空间、逼近类）在 $L_p$ 空间中的单位球。

• 插值空间： 作者证明了对于插值空间 $X_{\theta, q}$，只要 $\gamma$ 足够大，$\gamma$-受限宽度的衰减速率与标准宽度相同。具体而言，如果 $d_n(U(Y))_X \sim \delta_n$，则 $d_n^{c, \tilde{\gamma}}(U(X_{\theta, q}))_X \lesssim \delta_n^\theta$。
• 逼近类： 对于逼近类 $A(\sigma, X)$，论文表明限制、贪婪和 $\gamma$-受限宽度与标准柯尔莫哥洛夫宽度相等（在 $\gamma$ 的常数因子范围内）。
  • 定理 6.2： 对于由序列 $\sigma_n$ 定义的逼近类，$d_n^r(U(\sigma, X))_X = d_n^{c, \gamma_n}(U(\sigma, X))_X = d_n(U(\sigma, X))_X = \sigma_n$，其中 $\gamma_n$ 是取决于拟范数常数的常数。
• 精细逼近空间： 结果被扩展到精细空间 $A_q^r$，表明对于足够大的 $\gamma$，$\gamma$-受限宽度的渐近衰减速率与标准宽度相匹配。

3. 光滑度类与 Besov 空间 (第 7 节)

论文将上述理论机制应用于有界 Lipschitz 域上的 Besov 空间 $B_q^s(L_p(\Omega))$。

• 上界： 利用 Besov 空间既是插值空间又是逼近空间的特性，作者推导出了 $\gamma$-受限宽度的上界。
• 主要结果 (定理 7.1)： 对于 Besov 球 $U(B_q^s(L_\tau(\Omega)))$ 在 $L_p(\Omega)$ 中的情况，存在一个 $\gamma$（取决于参数），使得：
  $$d_n^{c, \gamma}(U_s^{\tau, q})_{L_p} \lesssim (n+1)^{-(s/d - (1/\tau - 1/p)_+)}$$
  该速率与这些类别的已知标准柯尔莫哥洛夫宽度的渐近衰减速率相匹配。
• 局限性： 作者指出，虽然建立了上界，但在“Kashin 机制”（即最优逼近需要概率方法而非经典多项式/样条函数的领域）中，受限宽度的下界仍是一个开放问题。

重要性与主张

本文声称提供了一项对受限逼近的系统性研究，区分了会导致性能严重下降的一般设定与不会发生这种情况的经典光滑设定。

• 经典类不存在效率损失： 主要的正向结果是，对于经典模型类（Besov 空间、逼近类）在 $L_p$ 空间中，施加约束（特别是允许逼近量为模型类缩放版本的 $\gamma$-约束）不会降低逼近的渐近速率。受限宽度的衰减速率与未受限的柯尔莫哥洛夫宽度相同。
• $\gamma$ 的作用： 论文强调，虽然严格约束 ($\gamma=1$) 可能导致显著损失（如 $\ell_1/\ell_\infty$ 示例所示），但通过放宽约束以允许一个缩放因子 $\gamma$（即使是固定的有限值）通常足以恢复最优逼近速率。
• 学习理论的工具： 引入 $\gamma$-受限宽度的动机来自于学习理论，其中人们寻求与模型类“接近”的逼近量。其结果表明，在涉及光滑性的许多实际场景中，可以在不牺牲理论收敛速率的情况下实施这些结构性约束。

作者对“Kashin 机制”保持谦逊，明确指出在某些最优无约束逼近依赖于非构造性概率方法的案例中，受限宽度的行为尚未得到充分理解。