Викиконспекты - Вклад участника [ru]

Теория сложности

2013-06-19T10:12:55Z

AVasilyev: /* Интерактивные протоколы */

{{В разработке}}

[[Категория: Теория сложности]]

== Детерминированные и недетерминированные вычисления, сложность по времени и по памяти ==
*[[Сложностные классы]]
*[[Вычисления с оракулом]]

=== Классы P и NP, NP-полнота ===
*[[Класс P]]
*[[Недетерминированные вычисления]]
*[[Классы NP и Σ₁]]
*[[Сведение относительно класса функций. Сведение по Карпу. Трудные и полные задачи]]
*[[NP-полнота BH1N]]
*[[Теорема Кука]]
*[[Примеры NP-полных языков]]
*[[Теоремы о временной и емкостной иерархиях]]
*[[Теорема Бейкера — Гилла — Соловэя]]
*[[Теорема Ладнера]]
*[[Теорема Левина]]
*[[Теорема Бермана — Форчуна]]
*[[Теорема Махэни]]

=== Сложность по памяти, классы PS, L, NL, coNL ===
*[[Класс PS. Связь класса PS с другими классами теории сложности]]
*[[Теорема Сэвича. Совпадение классов NPS и PS]]
*[[PS-полнота языка верных булевых формул с кванторами (TQBF)]]
*[[Классы L, NL, coNL]]
*[[Полнота относительно L-сведения. NL-полнота. P-полнота]]
*[[Теорема Иммермана]]

=== Полиномиальная иерархия ===
*[[Классы PH, Σ и Π]]
*[[Теоремы о коллапсе полиномиальной иерархии]]

== Схемная сложность ==
*[[Схемная сложность и класс P/poly]]
*[[Теорема Карпа — Липтона]]
*[[Классы NC и AC]]
*[[Теорема о непринадлежности XOR классу AC⁰]]

== Вероятностные сложностные классы ==
*[[Вероятностные вычисления. Вероятностная машина Тьюринга]]
*[[Классы RP и coRP]]
*[[Класс ZPP]]
*[[Классы BPP и PP]]
*[[Соотношение вероятностных классов]]
*[[Теорема Лаутемана]]

=== Интерактивные протоколы ===
*[[Интерактивные протоколы. Класс IP. Класс AM]]
*[[Арифметизация булевых формул с кванторами]]
*[[Теорема о соотношении coNP и IP]]
*[[Теорема Шамира]]
*[[Семейство универсальных попарно независимых хеш-функций]]
*[[Протокол Голдвассер-Сипсера для оценки размера множества]]

=== Probabilistically checkable proofs ===
*[[PCP-система]]
*[[Эквивалентность PCP-теоремы и теоремы о трудности аппроксимации]]
*[[PCP-теорема]]

----

[[Теория сложности (старая трешовая версия)|Вот сюда]] можно подсматривать, но злоупотреблять не рекомендуется.

Протокол Голдвассер-Сипсера для оценки размера множества

2013-06-19T10:12:19Z

AVasilyev:

==Описание протокола==
Рассмотрим множество <tex>S \subseteq \left\{ 0, 1 \right\} ^m</tex>, для которого существует сертификат проверки на принадлежность. Протоколом Голдвассер-Сипсера является двухуровневый [[Интерактивные протоколы. Класс IP. Класс AM| интерактивный протокол]], в котором <tex>V</tex> старается принять множество <tex>S</tex>, если <tex>|S| \ge K</tex>, и отвергнуть, если <tex>|S| \le \frac{K}{2}</tex>.

Выберем <tex>k</tex> так, чтобы <tex>2^{k - 2} \le K \le 2^{k - 1}</tex>. Тогда протокол устроен следующим образом:

<tex>V:</tex> Отправляет <tex>P</tex>, случайным образом выбиранные <tex>h : \left\{ 0, 1 \right\} ^ m \rightarrow \left\{ 0, 1 \right\} ^ k</tex> из [[Семейство универсальных попарно независимых хеш-функций| семейства универсальных попарно независимых хеш-функций]] <tex>H_{m, k}</tex> и <tex>y</tex> из <tex>\left\{ 0, 1 \right\} ^ k</tex>.

<tex>P:</tex> Пытается найти <tex>x \in S</tex>, такой что <tex>h(x) = y</tex>. Отправляет <tex>V</tex> найденный <tex>x</tex> и сертификат <tex>c</tex>, подтверждающий принадлежность <tex>x</tex> множеству <tex>S</tex>.

<tex>V:</tex> Если верно, что <tex>x \in S</tex> и <tex>h(x) = y</tex>, то множество <tex>S</tex> принимается. В противном случае <tex>V</tex> отвергает множество <tex>S</tex>.

==Оценки вероятностей==
Пусть <tex>p = \frac{K}{2^k}</tex>. Если <tex>|S| \le \frac{K}{2}</tex>, тогда <tex>|h(S)| \le \frac{p\cdot2^k}{2}</tex>. Отсюда получаем, что <tex>P[y \in h(S)] \le \frac{p}{2}</tex>. Необходимо показать, что в случае <tex>|S| \ge K</tex>, <tex>V</tex> будет принимать <tex>S</tex> с вероятностью различимо большей <tex>\frac{p}{2}</tex>.

{{Утверждение
|statement=
Если <tex>K \le |S| \le 2^{k - 1}</tex>, то <tex>P[\exists x \in S \bigm| h(x) = y] \ge \frac{3}{4}\cdot\frac{|S|}{2^k}</tex>, где <tex>h</tex> случайным образом выбрано из <tex>H_{m, k}</tex>, а <tex>y~-</tex> из <tex>\left\{0,1\right\}^k</tex>.
|proof=
Покажем, что для каждого <tex>y \in \left\{0,1\right\}^k</tex> и случайно выбранной функции <tex>h \in H_{m,k}</tex> справедливо <tex>P[\exists x \in S \bigm| h(x) = y] \ge \frac{3}{4} p</tex>.

Для каждого <tex>x \in S</tex> определим [[Вероятностное пространство, элементарный исход, событие|событие]] <tex>E_x = \left\{h \in H_{m, k} \bigm| h(x) = y\right\}</tex>. Тогда <tex>P[\exists x \in S \bigm| h(x) = y] = P[\bigcup \limits_{x \in S}E_x]</tex>, что [[Формула включения-исключения | формуле включения-исключения]] не меньше, чем <tex>\sum \limits_{x \in S}P[E_x] - \sum\limits_{x_1 \ne x_2 \in S}P[E_{x_1} \cap E_{x_2}]</tex>. Поскольку выбирались <tex>h \in H_{m, k}</tex>, то <tex>P[E_x] = \frac{1}{2^k}</tex> и <tex>P[E_{x_1} \cap E_{x_2}] = \frac{1}{2^{2k}}</tex>. Тогда <tex>P[\bigcup \limits_{x \in S}E_x] \ge \frac{|S|}{2^k} - \frac{1}{2}\cdot\frac{|S|^2}{2^{2k}} \ge \frac{3}{4}\cdot\frac{|S|}{2^k} \ge \frac{3}{4}p</tex>.
}}
Стоит отметить, что если <tex>|S| > 2^{k - 1}</tex>, то <tex>P</tex> может выбрать <tex>C \subseteq S</tex> так, чтобы <tex>K \le |C| \le 2^{k - 1}</tex>. А значит, в качестве нижней оценки <tex>P[\exists x \in S \bigm| h(x) = y]</tex> в этом случае можно использовать <tex>\frac{3}{4}p</tex>.

Итого:
# если <tex>|S| \le \frac{K}{2}</tex>, то <tex>P[V(|S| \ge K) = 1] \le \frac{p}{2}</tex>.
# если <tex>|S| \ge K</tex>, то <tex>P[V(|S| \ge K) = 1] \ge \frac{3}{4}p</tex>.

==Источники==
* ''Sanjeev Arora, Boaz Barak''. [http://www.cs.princeton.edu/theory/complexity Computational Complexity: A Modern Approach]

[[Категория: Теория сложности]]

Протокол Голдвассер-Сипсера для оценки размера множества

2013-06-19T10:11:48Z

AVasilyev: переименовал Протокол Голдвассера-Сипсера для оценки размера множества в Протокол Голдвассер-Сипсера для оценки размера множества:...

==Описание протокола==
Рассмотрим множество <tex>S \subseteq \left\{ 0, 1 \right\} ^m</tex>, для которого существует сертификат проверки на принадлежность. Протоколом Голдвассера-Сипсера является двухуровневый [[Интерактивные протоколы. Класс IP. Класс AM| интерактивный протокол]], в котором <tex>V</tex> старается принять множество <tex>S</tex>, если <tex>|S| \ge K</tex>, и отвергнуть, если <tex>|S| \le \frac{K}{2}</tex>.

Выберем <tex>k</tex> так, чтобы <tex>2^{k - 2} \le K \le 2^{k - 1}</tex>. Тогда протокол устроен следующим образом:

<tex>V:</tex> Отправляет <tex>P</tex>, случайным образом выбиранные <tex>h : \left\{ 0, 1 \right\} ^ m \rightarrow \left\{ 0, 1 \right\} ^ k</tex> из [[Семейство универсальных попарно независимых хеш-функций| семейства универсальных попарно независимых хеш-функций]] <tex>H_{m, k}</tex> и <tex>y</tex> из <tex>\left\{ 0, 1 \right\} ^ k</tex>.

<tex>P:</tex> Пытается найти <tex>x \in S</tex>, такой что <tex>h(x) = y</tex>. Отправляет <tex>V</tex> найденный <tex>x</tex> и сертификат <tex>c</tex>, подтверждающий принадлежность <tex>x</tex> множеству <tex>S</tex>.

<tex>V:</tex> Если верно, что <tex>x \in S</tex> и <tex>h(x) = y</tex>, то множество <tex>S</tex> принимается. В противном случае <tex>V</tex> отвергает множество <tex>S</tex>.

==Оценки вероятностей==
Пусть <tex>p = \frac{K}{2^k}</tex>. Если <tex>|S| \le \frac{K}{2}</tex>, тогда <tex>|h(S)| \le \frac{p\cdot2^k}{2}</tex>. Отсюда получаем, что <tex>P[y \in h(S)] \le \frac{p}{2}</tex>. Необходимо показать, что в случае <tex>|S| \ge K</tex>, <tex>V</tex> будет принимать <tex>S</tex> с вероятностью различимо большей <tex>\frac{p}{2}</tex>.

{{Утверждение
|statement=
Если <tex>K \le |S| \le 2^{k - 1}</tex>, то <tex>P[\exists x \in S \bigm| h(x) = y] \ge \frac{3}{4}\cdot\frac{|S|}{2^k}</tex>, где <tex>h</tex> случайным образом выбрано из <tex>H_{m, k}</tex>, а <tex>y~-</tex> из <tex>\left\{0,1\right\}^k</tex>.
|proof=
Покажем, что для каждого <tex>y \in \left\{0,1\right\}^k</tex> и случайно выбранной функции <tex>h \in H_{m,k}</tex> справедливо <tex>P[\exists x \in S \bigm| h(x) = y] \ge \frac{3}{4} p</tex>.

Для каждого <tex>x \in S</tex> определим [[Вероятностное пространство, элементарный исход, событие|событие]] <tex>E_x = \left\{h \in H_{m, k} \bigm| h(x) = y\right\}</tex>. Тогда <tex>P[\exists x \in S \bigm| h(x) = y] = P[\bigcup \limits_{x \in S}E_x]</tex>, что [[Формула включения-исключения | формуле включения-исключения]] не меньше, чем <tex>\sum \limits_{x \in S}P[E_x] - \sum\limits_{x_1 \ne x_2 \in S}P[E_{x_1} \cap E_{x_2}]</tex>. Поскольку выбирались <tex>h \in H_{m, k}</tex>, то <tex>P[E_x] = \frac{1}{2^k}</tex> и <tex>P[E_{x_1} \cap E_{x_2}] = \frac{1}{2^{2k}}</tex>. Тогда <tex>P[\bigcup \limits_{x \in S}E_x] \ge \frac{|S|}{2^k} - \frac{1}{2}\cdot\frac{|S|^2}{2^{2k}} \ge \frac{3}{4}\cdot\frac{|S|}{2^k} \ge \frac{3}{4}p</tex>.
}}
Стоит отметить, что если <tex>|S| > 2^{k - 1}</tex>, то <tex>P</tex> может выбрать <tex>C \subseteq S</tex> так, чтобы <tex>K \le |C| \le 2^{k - 1}</tex>. А значит, в качестве нижней оценки <tex>P[\exists x \in S \bigm| h(x) = y]</tex> в этом случае можно использовать <tex>\frac{3}{4}p</tex>.

Итого:
# если <tex>|S| \le \frac{K}{2}</tex>, то <tex>P[V(|S| \ge K) = 1] \le \frac{p}{2}</tex>.
# если <tex>|S| \ge K</tex>, то <tex>P[V(|S| \ge K) = 1] \ge \frac{3}{4}p</tex>.

==Источники==
* ''Sanjeev Arora, Boaz Barak''. [http://www.cs.princeton.edu/theory/complexity Computational Complexity: A Modern Approach]

[[Категория: Теория сложности]]

Протокол Голдвассера-Сипсера для оценки размера множества

2013-06-19T10:11:48Z

#перенаправление [[Протокол Голдвассер-Сипсера для оценки размера множества]]

О нелинейных операторных уравнениях

2013-06-12T12:15:55Z

AVasilyev: /* Простые итерации */

{{В разработке}}

Ранее мы рассматривали уравнения вида <tex> y = \lambda x - \mathcal{A} x </tex>, где <tex> y </tex> дано, так называемое "линейное уравнение 2 рода". Для ответа на вопрос "имеет ли решение это уравнение?" надо изучать <tex> \sigma(\mathcal{A}) </tex>.

Сложнее, когда задано уравнение вида <tex>\mathcal{T}(x) = 0</tex> или <tex>\mathcal{T}(x) = x</tex>, где <tex> T: X \xrightarrow[nonlinear]{} X </tex> {{---}} произвольный оператор из <tex> X </tex> в <tex> X </tex>.

В этом параграфе мы покажем 3 способа решения таких уравнений.

== Простые итерации ==

Решаем уравнение <tex> x = \mathcal{T}(x) </tex>. Составляем последовательность <tex> x_{n+1} = \mathcal{T}(x_n) </tex> и изучаем сходимость последовательности <tex> \{ x_n \} \xrightarrow[]{?} x^* </tex>.

Если <tex> \mathcal{T} </tex> {{---}} непрерывный оператор, то <tex> x_{n+1} \to \mathcal{T} x^*, \mathcal{T} x_n \to \mathcal{T} x^* </tex> и, по единственности предела, получаем <tex> x^* = \mathcal{T} x^* </tex>.

Во втором семестре у нас было определение [[Дифференцируемые_отображения_в_нормированных_пространствах|производной Фреше]]: <tex> \mathcal{T}(x+\Delta x) -\mathcal{T}(x) = \mathcal{T}'_x (\Delta x) + o(\Delta x)</tex>. <tex> \mathcal{T}'_x </tex> {{---}} линейный ограниченный оператор.

<tex> \frac { \| o(\Delta x) \|} { \| \Delta x \| } \to 0 </tex>

{{Теорема
|about=Локальная теорема о простой итерации
|statement=
Пусть известно, что существует <tex> \overline{x}: \mathcal{T}(\overline{x}) = \overline{x} </tex> и <tex> \| \mathcal{T}(\overline{x})' \| \le q < 1 </tex>.

Тогда существует такой шар <tex> V_{\delta} (\overline x) </tex>, что если <tex> x_0 \in V_{\delta} (\overline x) </tex>, то:
* Метод простых итераций корректно определен: <tex> \mathcal{T}x_n \in V_{\delta} (\overline x), n \ge 0</tex>.
* <tex> x_n \to \overline x </tex>

|proof=

Положим <tex> \varepsilon = \frac {1-q}2 </tex>.

В силу определения производной Фреше существует <tex> \delta > 0: \| \Delta x \| < \delta \implies \| \mathcal{T} (\overline x + \Delta x) - \mathcal{T}(\overline x) - \mathcal{T}'(\overline x) \cdot \Delta x \| < \varepsilon \| \Delta x \| </tex>.

Убедимся в том, что такая <tex> \delta </tex> подходит в качестве радиуса шара из условия теоремы:

Предположим, что <tex> x_n \in V_\delta (\overline x) </tex>.

<tex> \| x_{n+1} - \overline x \| = \| \mathcal{T}x_n - \mathcal{T} \overline x\| \le </tex>

<tex> \le \| \mathcal{T} x_n - \mathcal{T} \overline x - \mathcal{T}' (\overline x) (x_n - \overline x) \| + \| \mathcal{T}'(\overline x) (x_n - \overline x)\| </tex>.

Рассмотрим первое слагаемое: <tex> x_n \in V_\delta (\overline x) \implies \| x_n - \overline x \| < \delta </tex>, а значит, <tex> \| \mathcal{T} x_n - \mathcal{T} \overline x - \mathcal{T}' (\overline x) (x_n - \overline x) \| < \varepsilon \| x_n - \overline x \| </tex>.

Второе слагаемое: <tex> \| \mathcal{T}'(\overline x) (x_n - \overline x)\| \le \| \mathcal{T}'(\overline x) \| \| x_n - \overline x \| \le q \| x_n - \overline x \| </tex>

Складывая полученное: <tex> \varepsilon \| x_n - \overline x \| + q \| x_n - \overline x \| \le (\frac {1-q}2 + q) \delta = \frac {1+q}2 \delta < \delta </tex>.

Окончательно мы получили, что <tex> x_n \in V_\delta (\overline x) \implies x_{n+1} \in V_\delta (\overline x) </tex>, то есть метод простых итераций определен корректно. Попутно мы также установили, что <tex> \| x_{n+1} - \overline x \| \le \frac {1+q}2 \| x_n - \overline x \| \le \hdots \le (\frac {1+q}2)^{n+1} \| x_0 - \overline x \| \xrightarrow[n \to \infty]{} 0 </tex>, то есть <tex> x_n \to \overline x </tex>.

}}

== Метод Ньютона-Канторовича ==

Ньютоном был предложен классический способ решения уравнений (метод касательных). До Ньютона использовали метод половинного деления. В двадцатом веке Канторович перенес соответствующие методы на операторные уравнения вида <tex> \mathcal{T} x = 0, \mathcal{T} </tex> {{---}} непрерывный оператор из <tex> X </tex> в <tex> X </tex>, <tex>X</tex>{{---}} нормированное пространство.

Предположим, что <tex> \mathcal{T} (\overline x) = 0 </tex>. Получим схему метода Ньютона-Канторовича.

<tex> x_0 </tex> {{---}} начальное приближение.

<tex> \mathcal{T} (\overline x) = \mathcal{T}(x_0) + \mathcal{T}'(x_0) \cdot (\overline x - x_0) + \hdots </tex>. Обрежем последнюю часть: <tex> 0 = \mathcal{T}(x_0) + \mathcal{T}'(x_0) \cdot (x_0 - \overline x) </tex>.

Обозначим <tex> \Gamma(x_0) = (\mathcal{T}'(x_0))^{-1} </tex>.

<tex> -\mathcal{T}(x_0) = \mathcal{T}'(x_0) \cdot (\overline x - x_0) </tex>

Домножим равенство с обеих сторон на <tex> \Gamma(x_0) </tex>:

<tex> -\Gamma(x_0) \mathcal{T}(x_0) = \Gamma(x_0) \mathcal{T}'(x_0) \cdot (\overline x - x_0) = \overline x - x_0 </tex>.

<tex> \overline x = x_0 - \Gamma(x_0) \mathcal{T}(x_0) </tex>.

Теперь положим <tex> x_{n+1} = x_n - \Gamma(x_n) \mathcal{T} (x_n) </tex> и получим итерацию метода Ньютона-Канторовича для функции

<tex> \mathcal{F}(x) = x - \Gamma(x) \mathcal{T} (x)</tex>

<tex> x_{n+1} = \mathcal{F}(x_n) </tex>

Покажем, что <tex> \mathcal{F}'(\overline x) = 0 </tex>, то есть <tex> q = 0 </tex> из условия локальной теоремы о простой итерации.

{{Утверждение
|statement=<tex> \mathcal{F}'(\overline x) = 0 </tex>
|proof=

<tex> \| \mathcal{F} (\overline x + \Delta x) - \mathcal{F} (\overline x) \| </tex>

<tex>= \| \overline x + \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) - \overline x + \Gamma(\overline x) \mathcal{T} (\overline x) \| </tex>

<tex>= \| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) \|</tex>

Запишем <tex> 0 = \mathcal{T}(\overline x) </tex> через значение <tex> \mathcal{T}' (\overline x + \Delta x) </tex>:

<tex> 0 = \mathcal{T}(\overline x) </tex>

<tex> = \mathcal{T}(\overline x + \Delta x) + \mathcal{T}'(\overline x + \Delta x) \cdot (\overline x - (\overline x + \Delta x)) + o(\overline x - (\overline x + \Delta x)) </tex>

<tex>= \mathcal{T}(\overline x + \Delta x) - \mathcal{T}'(\overline x + \Delta x) \cdot \Delta x + o(\Delta x) </tex>, откуда <tex> \mathcal{T}(\overline x + \Delta x) = \mathcal{T}'(\overline x + \Delta x) \cdot \Delta x + o(\Delta x) </tex>.

Подставим это равенство в выражение выше: <tex> \| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) \| </tex>

<tex> =
\| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T}' (\overline x + \Delta x) \cdot \Delta x + \Gamma(\overline x + \Delta x) \cdot o(\Delta x) \| </tex>

<tex> = \| \Delta x - \Delta x + \Gamma(\overline x + \Delta x)) \cdot o(\Delta x) \| </tex>.

Итого: <tex> \| \mathcal{F}(\overline x + \Delta x) - \mathcal{F}(\overline x) \| \le \| \Gamma(\overline x + \Delta x) \| \| o(\Delta x) \| </tex>, откуда <tex> \mathcal{F}(\overline x + \Delta x) - \mathcal{F}(\overline x) = o(\Delta x) \implies \mathcal{F}'(\overline x) = 0 </tex>

}}

== Теорема Шаудера ==

Рассмотрим другую идею решения <tex> \mathcal{T} x = x </tex>. Оно основывается на том факте, что если функция <tex> f </tex> отображает отрезок <tex> [a, b] </tex> в себя, то существует такая точка <tex> c \in [a, b] : c = f(c) </tex>.

Обобщение этого факта для <tex> \mathbb{R}^n </tex> называется теоремой Брауэра:

{{Теорема
|author=Брауэр
|about=о неподвижной точке
|statement=
Пусть <tex> M </tex> {{---}} ограниченное выпуклое замкнутое подмножество <tex> \mathbb{R}^n </tex>, <tex> F </tex> непрерывно отображает <tex> M </tex> в себя. Тогда <tex> \exists x^*: F(x^*) = x^* </tex>.
}}

Как перенести этот факт в бесконечномерный случай? Ответ на это дает теорема Шаудера:

{{Определение
|definition=
Пусть <tex> X </tex> {{---}} B-пространство, <tex> D \subset X </tex> {{---}} ограничено в <tex> X </tex>.
<tex> \mathcal{T} </tex> {{---}} непрерывное отображение <tex> D \mapsto X </tex>. Говорят, что <tex> \mathcal{T} </tex> ''вполне непрерывно'' на <tex> D </tex>, если <tex> \mathcal{T}(D) </tex> {{---}} относительно компактно в <tex> X </tex>.
}}

{{Теорема
|author=Шаудер
|about=о неподвижной точке
|statement=
Пусть <tex> M </tex> {{---}} ограниченное замкнутое выпуклое подмножество B-пространства <tex> X </tex> и <tex> \mathcal{T} </tex> вполне непрерывно отображает <tex> M </tex> в себя.

Тогда <tex> \exists x^* \in M : x^* = Tx^* </tex>.
}}

Замечание: теорему Брауэра нельзя будет назвать частным случаем теоремы Шаудера, так как при доказательстве теоремы Шаудера мы сошлемся на теорему Брауэра. У теоремы Шаудера также очень частое практическое применение.

=== Вспомогательные факты ===

{{Утверждение
|about=Факт Первый
|statement=
Рассмотрим <tex> \mathcal{T}_n </tex> {{---}} последовательность вполне непрерывных операторов на <tex> D </tex>, <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex> (<tex> \forall \varepsilon > 0 \, \exists N: \forall n > N, \forall x \in D : \| \mathcal{T}_n(x) - \mathcal{T}(x) \| < \varepsilon</tex>).

Тогда <tex> \mathcal{T} </tex> вполне непрерывен на <tex> D </tex>.

|proof=

<tex> \forall \varepsilon > 0 </tex> по равномерной сходимости, <tex> \exists n_0: \| \mathcal{T}(x) - \mathcal{T}_{n_0}(x) \| < \varepsilon \, \forall x \in D </tex>.

По предположению, <tex> \mathcal{T}_{n_0} </tex> {{---}} вполне непрерывный: существует конечная <tex> \varepsilon </tex>-сеть <tex> y_1, \hdots, y_p </tex> для <tex> \mathcal{T}_{n_0}(D) </tex>.

<tex> \forall y \in \mathcal{T}(D), y = \mathcal{T}x </tex>. Рассмотрим <tex> \mathcal{T}_{n_0}(x) \in \mathcal{T}_{n_0}(D) </tex> и подберем такое <tex> y_j </tex>, что <tex> \| y_j - \mathcal{T}_{n_0}x \| < \varepsilon </tex>.

<tex> \| y - y_j \| = \| \mathcal{T}x - y_j \| \le \| \mathcal{T}x - \mathcal{T}_{n_0}x \| + \| \mathcal{T}_{n_0}x - y_j \| </tex>. Первое слагаемое <tex> \le \varepsilon </tex> по выбору <tex> n_0 </tex> и равномерной сходимости. Второе слагаемое <tex> \le \varepsilon </tex> по выбору <tex> y_j </tex> из <tex> \varepsilon </tex>-сети.

Окончательно, <tex> \exists y_1, \hdots, y_p : \forall y \in \mathcal{T}(D) \exists y_j: \| y - y_j \| < 2 \varepsilon </tex>. Значит, мы получили <tex> 2\varepsilon </tex>-сеть для <tex> \mathcal{T}(D) </tex>.

}}

{{Утверждение
|about=Факт Второй
|statement=

Рассмотрим <tex> \mathcal{T}_n </tex> {{---}} последовательность вполне непрерывных операторов на <tex> D </tex>, <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex>.

Тогда множество <tex> \mathcal{T}_1(D) \cup \mathcal{T}_2(D) \cup \hdots \cup \mathcal{T}_n(D) \cup \hdots \cup \mathcal{T}(D) </tex> относительно компактно.

|proof=

По равномерной сходимости, <tex> \forall \varepsilon > 0 \, \exists n_0: \forall n > n_0 \forall x \in D: \| \mathcal{T}(x) - \mathcal{T}_n(x) \| < \varepsilon </tex>.

Рассмотрим множество <tex> \mathcal{T}_1(D) \cup \mathcal{T}_2(D) \cup \hdots \cup \mathcal{T}_{n_0}(D) </tex>. Оно относительно компактно как конечное объединение относительно компактных множеств.

<tex> \forall \varepsilon > 0 </tex> рассмотрим <tex> \varepsilon </tex>-сеть для этого множества: <tex> y_1, \hdots, y_p </tex>.

Рассмотрим <tex> \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>. Проверим, что <tex> y_1, \hdots, y_p </tex> {{---}} <tex> k \varepsilon </tex>-сеть для этого множества, где число <tex> k </tex> определим позже.

Возьмем произвольный <tex> y \in \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>.

Рассмотрим, в какое из множеств попадает выбранный нами <tex> y </tex>. Пусть, для начала, <tex> y \in \mathcal{T}_n(D) </tex>.

Если <tex> n \le n_0 </tex>, то <tex> \exists y_j : \| y - y_j \| < \varepsilon </tex>.

Пусть <tex> n > n_0, y \in \mathcal{T}_n(D) \implies y = \mathcal{T}_n x</tex>.

<tex> \| y - y_j \| </tex>

<tex> = \| \mathcal{T}_n x - y_j \| </tex>

<tex> \le \| \mathcal{T}_n x - \mathcal{T} x \| + \| \mathcal{T} x - y_j \| </tex>

<tex> \le \| \mathcal{T}_n x - \mathcal{T} x \| + \| \mathcal{T} x - \mathcal{T}_{n_0} x \| + \| \mathcal{T}_{n_0} x - y_j \| </tex>.

Первые два слагаемых <tex> \le \varepsilon </tex> по равномерной сходимости, третье <tex> \le \varepsilon </tex> по выбору <tex> \varepsilon </tex>-сети для <tex> n_0 </tex>.

Аналогичную оценку получаем, если <tex> y \in \mathcal{T}(D) </tex>.

В итоге, получили, что <tex> y_1, \hdots, y_p </tex> {{---}} <tex> 3\varepsilon </tex>-сеть для <tex> \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>.

}}

=== Проекторы Шаудера ===

Основная идея данного доказательства {{---}} построение проекторов Шаудера.

<tex> \mathcal{T} </tex> {{---}} вполне непрерывен на ограниченном <tex> D </tex>, <tex> M = \mathcal{T}(D) </tex> {{---}} относительно компактно.

<tex> \forall \varepsilon > 0 \exists y_1 \in M, \hdots, y_p \in M </tex> {{---}} конечная <tex> \varepsilon </tex>-сеть.

Построим следующую функцию: <tex> \forall j = 1, \hdots, p, \forall y \in M: </tex>

<tex> \mu_j(y) = \begin{cases}
0 & \mbox{if } \| y - y_j \| \ge \varepsilon \\
\varepsilon - \| y - y_j \| & \mbox{if } \| y - y_j \| < \varepsilon \end{cases}
</tex>

Легко проверить, что для любого <tex> j </tex> функция <tex> \mu_j </tex> непрерывна на <tex> M </tex>. {{TODO|t=Легко? Так давайте сделаем это.}}

Поскольку <tex> \{ y_j \} </tex> {{---}} <tex> \varepsilon </tex>-сеть, то <tex> \forall y </tex> все <tex> \mu_j(y) </tex> не могут быть равны нулю одновременно.

Обозначим <tex> S(y) = \sum\limits_{j=1}^p \mu_j(y) </tex>. По предыдущему утверждению, <tex> \forall y: S(y) > 0 </tex>

{{Определение
|definition=

<tex dpi = 140> P_\varepsilon (y) = \sum\limits_{j=1}^p \frac {\mu_j(y)} {S(y)} y_j </tex> {{---}} ''проектор Шаудера''.

}}

Коэффициенты <tex> \frac {\mu_j(y)} {S(y)} </tex> обозначим за <tex> \alpha_j(y) </tex>. Из определения следует, что <tex> \sum\limits_{j=1}^p \alpha_j(y) = 1 </tex>, то есть, <tex> P_\varepsilon(y) </tex> есть выпуклая комбинация точек <tex> \varepsilon </tex> сети для любого <tex> y </tex>.

<tex> P_\varepsilon(M) \subset \mathcal{L}(y_1, \hdots, y_p) </tex>

Если <tex> M = \mathcal{T}(D) </tex> {{---}} выпуклое множество, то <tex> P_\varepsilon(y) \in M </tex>, как выпуклая комбинация точек <tex> y_1, \hdots, y_p </tex>.

Рассмотрим <tex> \| P_\varepsilon (\mathcal{T} x) - \mathcal{T} x \| = \| \sum\limits_{j=1}^p \alpha_j y_j - \sum\limits_{j=1}^p \alpha_j y \| = \| \sum\limits_{j=1}^p \alpha_j (y_j - y) \| </tex>.

Если <tex> \| y_j - y \| > \varepsilon </tex>, то <tex> \alpha_j(y) = 0 </tex>, поэтому, продолжая цепочку неравенств, <tex> \| \sum\limits_{j=1}^p \alpha_j (y_j - y) \| \le \varepsilon \sum\limits_{j=1}^p \alpha_j \le \varepsilon </tex>.

Получили, что <tex> P_\varepsilon \mathcal{T} \rightrightarrows \mathcal{T} </tex>, когда <tex> \varepsilon \to 0 </tex>.

Каждый из операторов <tex> P_\varepsilon \mathcal{T} </tex> конечномерен: <tex> \operatorname{dim} R(P_\varepsilon \mathcal{T}) < +\infty </tex>.

По неравенству, полученному чуть выше, также имеем <tex> \| P_\varepsilon (\mathcal{T} x) - \mathcal{T} x \| \le \varepsilon \, \forall x \in D </tex>.

В итоге мы имеем следующую теорему:

{{Теорема
|statement=
Проекторы Шаудера оператора <tex> \mathcal{T} </tex> равномерно сходятся к <tex> \mathcal{T} </tex>: <tex> P_\varepsilon \mathcal{T} \rightrightarrows \mathcal{T} </tex>, то есть любой вполне непрерывный оператор является равномерным пределом последовательности конечномерных операторов.
}}

Соединяя с теоремой Брауэра, получим:

<tex> M </tex> {{---}} выпуклое ограниченное множество, оператор <tex> \mathcal{T} : M \to M </tex> является вполне ограниченным.

Определим последовательность <tex> \mathcal{T}_n = P_{\frac 1n} \mathcal{T} </tex>. <tex> \mathcal{T}_n : M \to M_n </tex>, где <tex> M_n </tex> {{---}} конечномерное пространство.

Применяя теорему Брауэра, получаем, что <tex> \forall n: \exists x_n \in M_n: x_n = \mathcal{T}_n x_n = x_n </tex>.

Учитывая, что <tex> M_1 \cup M_2 \cup \hdots </tex> относительно компактно, из <tex> \{ x_n \} </tex> можно выделить сходящуюся подпоследовательность: <tex> \exists x_{n_k} \to x^* \in M </tex>.

<tex> \| x^* - \mathcal{T}x^* \| = \| \lim(x_{n_k} - \mathcal{T} x_{n_k}) \| </tex>.

По выбору <tex> x_{n_k} </tex>: <tex> x_{n_k} = \mathcal{T}_{n_k} x_{n_k} </tex>.

По равномерной сходимости <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex>: <tex> \| \mathcal{T}_{n_k} x_{n_k} - \mathcal{T} x_{n_k} \| \le \varepsilon </tex>, начиная с <tex> k_0 </tex> для всех <tex> x \in M </tex>.

Откуда, окончательно, получаем, что искомый предел равен <tex> 0 </tex>, и <tex> \| x^* - \mathcal{T} x^* \| = 0 </tex>, и <tex> x^* = \mathcal{T} x^* </tex>. Теорема Шаудера доказана.

That's all folks!
{{TODO|t=сделать картиночку, как в Looney Tunes в конце серии, только с Додоновым вместо Porky Pig}}

[[Категория: Функциональный анализ 3 курс]]

О нелинейных операторных уравнениях

2013-06-12T11:58:08Z

AVasilyev: /* Простые итерации */

{{В разработке}}

Ранее мы рассматривали уравнения вида <tex> y = \lambda x - \mathcal{A} x </tex>, где <tex> y </tex> дано, так называемое "линейное уравнение 2 рода". Для ответа на вопрос "имеет ли решение это уравнение?" надо изучать <tex> \sigma(\mathcal{A}) </tex>.

Сложнее, когда задано уравнение вида <tex>\mathcal{T}(x) = 0</tex> или <tex>\mathcal{T}(x) = x</tex>, где <tex> T: X \xrightarrow[nonlinear]{} X </tex> {{---}} произвольный оператор из <tex> X </tex> в <tex> X </tex>.

В этом параграфе мы покажем 3 способа решения таких уравнений.

== Простые итерации ==

Решаем уравнение <tex> x = \mathcal{T}(x) </tex>. Составляем последовательность <tex> x_{n+1} = \mathcal{T}(x_n) </tex> и изучаем сходимость последовательности <tex> \{ x_n \} \xrightarrow[]{?} x^* </tex>.

Если <tex> \mathcal{T} </tex> {{---}} непрерывный оператор, то <tex> x_{n+1} \to \mathcal{T} x^*, \mathcal{T} x_n \to \mathcal{T} x^* </tex> и, по единственности предела, получаем <tex> x^* = \mathcal{T} x^* </tex>.

Во втором семестре у нас было определение [[Дифференцируемые_отображения_в_нормированных_пространствах|производной Фреше]]: <tex> \mathcal{T}(x+\Delta x) -\mathcal{T}(x) = \mathcal{T}'_x (\Delta x) + o(\Delta x)</tex>. <tex> \mathcal{T}'_x </tex> {{---}} линейный ограниченный оператор.

<tex> \frac { \| o(\Delta x) \|} { \| \Delta x \| } \to 0 </tex>

{{Теорема
|about=Локальная теорема о простой итерации
|statement=
Пусть известно, что существует <tex> \overline{x}: \mathcal{T}(\overline{x}) = \overline{x} </tex> и <tex> \| \mathcal{T}(\overline{x})' \| \le q < 1 </tex>.

Тогда существует такой шар <tex> V_{\delta} (\overline x) </tex>, что если <tex> x_0 \in V_{\delta} (\overline x) </tex>, то:
* Метод простых итераций корректно определен: <tex> \mathcal{T}x_n \in V_{\delta} (\overline x), n \ge 0</tex>.
* <tex> x_n \to \overline x </tex>

|proof=

Положим <tex> \varepsilon = \frac {1-q}2 </tex>.

В силу определения производной Фреше существует <tex> \delta > 0: \| \Delta x \| < \delta \implies \| \mathcal{T} (\overline x + \Delta x) - \mathcal{T}(\overline x) - \mathcal{T}'(\overline x) \cdot \Delta x \| < \varepsilon \| \Delta x \| </tex>.

Убедимся в том, что такая <tex> \delta </tex> подходит в качестве радиуса шара из условия теоремы:

Предположим, что <tex> x_n \in V_\delta (\overline x) </tex>.

<tex> \| x_{n+1} - \overline x \| = \| \mathcal{T}x_n - \mathcal{T} \overline x\| \le </tex>

<tex> \le \| \mathcal{T} x_n - \mathcal{T} \overline x - \mathcal{T}' (\overline x) (x_n - \overline x) \| + \| \mathcal{T}'(\overline x) (x_n - \overline x)\| </tex>.

Рассмотрим первое слагаемое: <tex> x_n \in V_\delta (\overline x) \implies \| x_n - \overline x \| < \delta </tex>, а значит, <tex> \| \mathcal{T} x_n - \mathcal{T} \overline x - \mathcal{T}' (\overline x) (x_n - \overline x) \| < \varepsilon \| x_n - \overline x \| </tex>.

Второе слагаемое: <tex> \| \mathcal{T}'(\overline x) (x_n - \overline x)\| \le \| \mathcal{T}'(\overline x) \| \| x_n - \overline x \| \le q \| x_n - \overline x \| </tex>

Складывая полученное: <tex> \varepsilon \| x_n - \overline x \| + q \| x_n - \overline x \| = (\frac {1-q}2 + q) \delta = \frac {1+q}2 \delta < \delta </tex>.

Окончательно мы получили, что <tex> x_n \in V_\delta (\overline x) \implies x_{n+1} \in V_\delta (\overline x) </tex>, то есть метод простых итераций определен корректно. Попутно мы также установили, что <tex> \| x_{n+1} - \overline x \| \le \frac {1+q}2 \| x_n - \overline x \| \le \hdots \le (\frac {1+q}2)^{n+1} \| x_0 - \overline x \| \xrightarrow[n \to \infty]{} 0 </tex>, то есть <tex> x_n \to \overline x </tex>.

}}

== Метод Ньютона-Канторовича ==

Ньютоном был предложен классический способ решения уравнений (метод касательных). До Ньютона использовали метод половинного деления. В двадцатом веке Канторович перенес соответствующие методы на операторные уравнения вида <tex> \mathcal{T} x = 0, \mathcal{T} </tex> {{---}} непрерывный оператор из <tex> X </tex> в <tex> X </tex>, <tex>X</tex>{{---}} нормированное пространство.

Предположим, что <tex> \mathcal{T} (\overline x) = 0 </tex>. Получим схему метода Ньютона-Канторовича.

<tex> x_0 </tex> {{---}} начальное приближение.

<tex> \mathcal{T} (\overline x) = \mathcal{T}(x_0) + \mathcal{T}'(x_0) \cdot (\overline x - x_0) + \hdots </tex>. Обрежем последнюю часть: <tex> 0 = \mathcal{T}(x_0) + \mathcal{T}'(x_0) \cdot (x_0 - \overline x) </tex>.

Обозначим <tex> \Gamma(x_0) = (\mathcal{T}'(x_0))^{-1} </tex>.

<tex> -\mathcal{T}(x_0) = \mathcal{T}'(x_0) \cdot (\overline x - x_0) </tex>

Домножим равенство с обеих сторон на <tex> \Gamma(x_0) </tex>:

<tex> -\Gamma(x_0) \mathcal{T}(x_0) = \Gamma(x_0) \mathcal{T}'(x_0) \cdot (\overline x - x_0) = \overline x - x_0 </tex>.

<tex> \overline x = x_0 - \Gamma(x_0) \mathcal{T}(x_0) </tex>.

Теперь положим <tex> x_{n+1} = x_n - \Gamma(x_n) \mathcal{T} (x_n) </tex> и получим итерацию метода Ньютона-Канторовича для функции

<tex> \mathcal{F}(x) = x - \Gamma(x) \mathcal{T} (x)</tex>

<tex> x_{n+1} = \mathcal{F}(x_n) </tex>

Покажем, что <tex> \mathcal{F}'(\overline x) = 0 </tex>, то есть <tex> q = 0 </tex> из условия локальной теоремы о простой итерации.

{{Утверждение
|statement=<tex> \mathcal{F}'(\overline x) = 0 </tex>
|proof=

<tex> \| \mathcal{F} (\overline x + \Delta x) - \mathcal{F} (\overline x) \| </tex>

<tex>= \| \overline x + \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) - \overline x + \Gamma(\overline x) \mathcal{T} (\overline x) \| </tex>

<tex>= \| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) \|</tex>

Запишем <tex> 0 = \mathcal{T}(\overline x) </tex> через значение <tex> \mathcal{T}' (\overline x + \Delta x) </tex>:

<tex> 0 = \mathcal{T}(\overline x) </tex>

<tex> = \mathcal{T}(\overline x + \Delta x) + \mathcal{T}'(\overline x + \Delta x) \cdot (\overline x - (\overline x + \Delta x)) + o(\overline x - (\overline x + \Delta x)) </tex>

<tex>= \mathcal{T}(\overline x + \Delta x) - \mathcal{T}'(\overline x + \Delta x) \cdot \Delta x + o(\Delta x) </tex>, откуда <tex> \mathcal{T}(\overline x + \Delta x) = \mathcal{T}'(\overline x + \Delta x) \cdot \Delta x + o(\Delta x) </tex>.

Подставим это равенство в выражение выше: <tex> \| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) \| </tex>

<tex> =
\| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T}' (\overline x + \Delta x) \cdot \Delta x + \Gamma(\overline x + \Delta x) \cdot o(\Delta x) \| </tex>

<tex> = \| \Delta x - \Delta x + \Gamma(\overline x + \Delta x)) \cdot o(\Delta x) \| </tex>.

Итого: <tex> \| \mathcal{F}(\overline x + \Delta x) - \mathcal{F}(\overline x) \| \le \| \Gamma(\overline x + \Delta x) \| \| o(\Delta x) \| </tex>, откуда <tex> \mathcal{F}(\overline x + \Delta x) - \mathcal{F}(\overline x) = o(\Delta x) \implies \mathcal{F}'(\overline x) = 0 </tex>

}}

== Теорема Шаудера ==

Рассмотрим другую идею решения <tex> \mathcal{T} x = x </tex>. Оно основывается на том факте, что если функция <tex> f </tex> отображает отрезок <tex> [a, b] </tex> в себя, то существует такая точка <tex> c \in [a, b] : c = f(c) </tex>.

Обобщение этого факта для <tex> \mathbb{R}^n </tex> называется теоремой Брауэра:

{{Теорема
|author=Брауэр
|about=о неподвижной точке
|statement=
Пусть <tex> M </tex> {{---}} ограниченное выпуклое замкнутое подмножество <tex> \mathbb{R}^n </tex>, <tex> F </tex> непрерывно отображает <tex> M </tex> в себя. Тогда <tex> \exists x^*: F(x^*) = x^* </tex>.
}}

Как перенести этот факт в бесконечномерный случай? Ответ на это дает теорема Шаудера:

{{Определение
|definition=
Пусть <tex> X </tex> {{---}} B-пространство, <tex> D \subset X </tex> {{---}} ограничено в <tex> X </tex>.
<tex> \mathcal{T} </tex> {{---}} непрерывное отображение <tex> D \mapsto X </tex>. Говорят, что <tex> \mathcal{T} </tex> ''вполне непрерывно'' на <tex> D </tex>, если <tex> \mathcal{T}(D) </tex> {{---}} относительно компактно в <tex> X </tex>.
}}

{{Теорема
|author=Шаудер
|about=о неподвижной точке
|statement=
Пусть <tex> M </tex> {{---}} ограниченное замкнутое выпуклое подмножество B-пространства <tex> X </tex> и <tex> \mathcal{T} </tex> вполне непрерывно отображает <tex> M </tex> в себя.

Тогда <tex> \exists x^* \in M : x^* = Tx^* </tex>.
}}

Замечание: теорему Брауэра нельзя будет назвать частным случаем теоремы Шаудера, так как при доказательстве теоремы Шаудера мы сошлемся на теорему Брауэра. У теоремы Шаудера также очень частое практическое применение.

=== Вспомогательные факты ===

{{Утверждение
|about=Факт Первый
|statement=
Рассмотрим <tex> \mathcal{T}_n </tex> {{---}} последовательность вполне непрерывных операторов на <tex> D </tex>, <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex> (<tex> \forall \varepsilon > 0 \, \exists N: \forall n > N, \forall x \in D : \| \mathcal{T}_n(x) - \mathcal{T}(x) \| < \varepsilon</tex>).

Тогда <tex> \mathcal{T} </tex> вполне непрерывен на <tex> D </tex>.

|proof=

<tex> \forall \varepsilon > 0 </tex> по равномерной сходимости, <tex> \exists n_0: \| \mathcal{T}(x) - \mathcal{T}_{n_0}(x) \| < \varepsilon \, \forall x \in D </tex>.

По предположению, <tex> \mathcal{T}_{n_0} </tex> {{---}} вполне непрерывный: существует конечная <tex> \varepsilon </tex>-сеть <tex> y_1, \hdots, y_p </tex> для <tex> \mathcal{T}_{n_0}(D) </tex>.

<tex> \forall y \in \mathcal{T}(D), y = \mathcal{T}x </tex>. Рассмотрим <tex> \mathcal{T}_{n_0}(x) \in \mathcal{T}_{n_0}(D) </tex> и подберем такое <tex> y_j </tex>, что <tex> \| y_j - \mathcal{T}_{n_0}x \| < \varepsilon </tex>.

<tex> \| y - y_j \| = \| \mathcal{T}x - y_j \| \le \| \mathcal{T}x - \mathcal{T}_{n_0}x \| + \| \mathcal{T}_{n_0}x - y_j \| </tex>. Первое слагаемое <tex> \le \varepsilon </tex> по выбору <tex> n_0 </tex> и равномерной сходимости. Второе слагаемое <tex> \le \varepsilon </tex> по выбору <tex> y_j </tex> из <tex> \varepsilon </tex>-сети.

Окончательно, <tex> \exists y_1, \hdots, y_p : \forall y \in \mathcal{T}(D) \exists y_j: \| y - y_j \| < 2 \varepsilon </tex>. Значит, мы получили <tex> 2\varepsilon </tex>-сеть для <tex> \mathcal{T}(D) </tex>.

}}

{{Утверждение
|about=Факт Второй
|statement=

Рассмотрим <tex> \mathcal{T}_n </tex> {{---}} последовательность вполне непрерывных операторов на <tex> D </tex>, <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex>.

Тогда множество <tex> \mathcal{T}_1(D) \cup \mathcal{T}_2(D) \cup \hdots \cup \mathcal{T}_n(D) \cup \hdots \cup \mathcal{T}(D) </tex> относительно компактно.

|proof=

По равномерной сходимости, <tex> \forall \varepsilon > 0 \, \exists n_0: \forall n > n_0 \forall x \in D: \| \mathcal{T}(x) - \mathcal{T}_n(x) \| < \varepsilon </tex>.

Рассмотрим множество <tex> \mathcal{T}_1(D) \cup \mathcal{T}_2(D) \cup \hdots \cup \mathcal{T}_{n_0}(D) </tex>. Оно относительно компактно как конечное объединение относительно компактных множеств.

<tex> \forall \varepsilon > 0 </tex> рассмотрим <tex> \varepsilon </tex>-сеть для этого множества: <tex> y_1, \hdots, y_p </tex>.

Рассмотрим <tex> \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>. Проверим, что <tex> y_1, \hdots, y_p </tex> {{---}} <tex> k \varepsilon </tex>-сеть для этого множества, где число <tex> k </tex> определим позже.

Возьмем произвольный <tex> y \in \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>.

Рассмотрим, в какое из множеств попадает выбранный нами <tex> y </tex>. Пусть, для начала, <tex> y \in \mathcal{T}_n(D) </tex>.

Если <tex> n \le n_0 </tex>, то <tex> \exists y_j : \| y - y_j \| < \varepsilon </tex>.

Пусть <tex> n > n_0, y \in \mathcal{T}_n(D) \implies y = \mathcal{T}_n x</tex>.

<tex> \| y - y_j \| </tex>

<tex> = \| \mathcal{T}_n x - y_j \| </tex>

<tex> \le \| \mathcal{T}_n x - \mathcal{T} x \| + \| \mathcal{T} x - y_j \| </tex>

<tex> \le \| \mathcal{T}_n x - \mathcal{T} x \| + \| \mathcal{T} x - \mathcal{T}_{n_0} x \| + \| \mathcal{T}_{n_0} x - y_j \| </tex>.

Первые два слагаемых <tex> \le \varepsilon </tex> по равномерной сходимости, третье <tex> \le \varepsilon </tex> по выбору <tex> \varepsilon </tex>-сети для <tex> n_0 </tex>.

Аналогичную оценку получаем, если <tex> y \in \mathcal{T}(D) </tex>.

В итоге, получили, что <tex> y_1, \hdots, y_p </tex> {{---}} <tex> 3\varepsilon </tex>-сеть для <tex> \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>.

}}

=== Проекторы Шаудера ===

Основная идея данного доказательства {{---}} построение проекторов Шаудера.

<tex> \mathcal{T} </tex> {{---}} вполне непрерывен на ограниченном <tex> D </tex>, <tex> M = \mathcal{T}(D) </tex> {{---}} относительно компактно.

<tex> \forall \varepsilon > 0 \exists y_1 \in M, \hdots, y_p \in M </tex> {{---}} конечная <tex> \varepsilon </tex>-сеть.

Построим следующую функцию: <tex> \forall j = 1, \hdots, p, \forall y \in M: </tex>

<tex> \mu_j(y) = \begin{cases}
0 & \mbox{if } \| y - y_j \| \ge \varepsilon \\
\varepsilon - \| y - y_j \| & \mbox{if } \| y - y_j \| < \varepsilon \end{cases}
</tex>

Легко проверить, что для любого <tex> j </tex> функция <tex> \mu_j </tex> непрерывна на <tex> M </tex>. {{TODO|t=Легко? Так давайте сделаем это.}}

Поскольку <tex> \{ y_j \} </tex> {{---}} <tex> \varepsilon </tex>-сеть, то <tex> \forall y </tex> все <tex> \mu_j(y) </tex> не могут быть равны нулю одновременно.

Обозначим <tex> S(y) = \sum\limits_{j=1}^p \mu_j(y) </tex>. По предыдущему утверждению, <tex> \forall y: S(y) > 0 </tex>

{{Определение
|definition=

<tex dpi = 140> P_\varepsilon (y) = \sum\limits_{j=1}^p \frac {\mu_j(y)} {S(y)} y_j </tex> {{---}} ''проектор Шаудера''.

}}

Коэффициенты <tex> \frac {\mu_j(y)} {S(y)} </tex> обозначим за <tex> \alpha_j(y) </tex>. Из определения следует, что <tex> \sum\limits_{j=1}^p \alpha_j(y) = 1 </tex>, то есть, <tex> P_\varepsilon(y) </tex> есть выпуклая комбинация точек <tex> \varepsilon </tex> сети для любого <tex> y </tex>.

<tex> P_\varepsilon(M) \subset \mathcal{L}(y_1, \hdots, y_p) </tex>

Если <tex> M = \mathcal{T}(D) </tex> {{---}} выпуклое множество, то <tex> P_\varepsilon(y) \in M </tex>, как выпуклая комбинация точек <tex> y_1, \hdots, y_p </tex>.

Рассмотрим <tex> \| P_\varepsilon (\mathcal{T} x) - \mathcal{T} x \| = \| \sum\limits_{j=1}^p \alpha_j y_j - \sum\limits_{j=1}^p \alpha_j y \| = \| \sum\limits_{j=1}^p \alpha_j (y_j - y) \| </tex>.

Если <tex> \| y_j - y \| > \varepsilon </tex>, то <tex> \alpha_j(y) = 0 </tex>, поэтому, продолжая цепочку неравенств, <tex> \| \sum\limits_{j=1}^p \alpha_j (y_j - y) \| \le \varepsilon \sum\limits_{j=1}^p \alpha_j \le \varepsilon </tex>.

Получили, что <tex> P_\varepsilon \mathcal{T} \rightrightarrows \mathcal{T} </tex>, когда <tex> \varepsilon \to 0 </tex>.

Каждый из операторов <tex> P_\varepsilon \mathcal{T} </tex> конечномерен: <tex> \operatorname{dim} R(P_\varepsilon \mathcal{T}) < +\infty </tex>.

По неравенству, полученному чуть выше, также имеем <tex> \| P_\varepsilon (\mathcal{T} x) - \mathcal{T} x \| \le \varepsilon \, \forall x \in D </tex>.

В итоге мы имеем следующую теорему:

{{Теорема
|statement=
Проекторы Шаудера оператора <tex> \mathcal{T} </tex> равномерно сходятся к <tex> \mathcal{T} </tex>: <tex> P_\varepsilon \mathcal{T} \rightrightarrows \mathcal{T} </tex>, то есть любой вполне непрерывный оператор является равномерным пределом последовательности конечномерных операторов.
}}

Соединяя с теоремой Брауэра, получим:

<tex> M </tex> {{---}} выпуклое ограниченное множество, оператор <tex> \mathcal{T} : M \to M </tex> является вполне ограниченным.

Определим последовательность <tex> \mathcal{T}_n = P_{\frac 1n} \mathcal{T} </tex>. <tex> \mathcal{T}_n : M \to M_n </tex>, где <tex> M_n </tex> {{---}} конечномерное пространство.

Применяя теорему Брауэра, получаем, что <tex> \forall n: \exists x_n \in M_n: x_n = \mathcal{T}_n x_n = x_n </tex>.

Учитывая, что <tex> M_1 \cup M_2 \cup \hdots </tex> относительно компактно, из <tex> \{ x_n \} </tex> можно выделить сходящуюся подпоследовательность: <tex> \exists x_{n_k} \to x^* \in M </tex>.

<tex> \| x^* - \mathcal{T}x^* \| = \| \lim(x_{n_k} - \mathcal{T} x_{n_k}) \| </tex>.

По выбору <tex> x_{n_k} </tex>: <tex> x_{n_k} = \mathcal{T}_{n_k} x_{n_k} </tex>.

По равномерной сходимости <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex>: <tex> \| \mathcal{T}_{n_k} x_{n_k} - \mathcal{T} x_{n_k} \| \le \varepsilon </tex>, начиная с <tex> k_0 </tex> для всех <tex> x \in M </tex>.

Откуда, окончательно, получаем, что искомый предел равен <tex> 0 </tex>, и <tex> \| x^* - \mathcal{T} x^* \| = 0 </tex>, и <tex> x^* = \mathcal{T} x^* </tex>. Теорема Шаудера доказана.

That's all folks!
{{TODO|t=сделать картиночку, как в Looney Tunes в конце серии, только с Додоновым вместо Porky Pig}}

[[Категория: Функциональный анализ 3 курс]]

Теория Гильберта-Шмидта

2013-06-12T08:23:30Z

AVasilyev: /* Критерии вхождения в спектр и резольвентное множество */

{{В разработке}}

__TOC__

В этом параграфе будем иметь дело с Гильбертовым пространством <tex>\mathcal{H}</tex>, но над полем <tex>\mathbb{C}</tex>.

# (над <tex>\mathbb{R}</tex>): <tex>\langle x, y \rangle = \langle y, x \rangle</tex>
# (над <tex>\mathbb{C}</tex>): <tex>\langle x, y \rangle = \overline{\langle y, x \rangle}</tex>

В конечномерном пространстве <tex>\mathbb{R}^n = \{\langle x_1, x_2, \ldots, x_n \rangle\} </tex> (<tex>x_i \in \mathbb{R}</tex>) скалярное произведение двух векторов определялось как <tex>\langle \bar{x}, \bar{y} \rangle = \sum\limits_{k=1}^n x_n y_n</tex>.

В <tex>\mathbb{C}^n = \{\langle z_1, z_2, \ldots, z_n \rangle\}</tex> (<tex>z_i \in \mathbb{C}</tex>) же, <tex> \langle \bar{z}, \bar{y} \rangle = \sum\limits_{k=1}^n z_i \overline{y_i}</tex>.

Комплексное сопряжение добавлено для того, чтобы выполнялась первая аксиома скалярного произведения: <tex>\langle x, x \rangle \ge 0</tex>:
<tex>\langle \overline{z}, \overline{z} \rangle = \sum\limits_{k=1}^n z_k \overline{z_k} = \sum\limits_{k=1}^n |z_k|^2 \in \mathbb{R}, > 0</tex>.

Нас будут интересовать только линейные ограниченные операторы <tex>\mathcal{A} : \mathcal{H} \to \mathcal{H}</tex>.

{{Определение
|definition=Оператор <tex>\mathcal{A}</tex> в гильбертовом пространстве называется ''самосопряжённым'' (<tex>\mathcal{A} = \mathcal{A}^*</tex>), если <tex>\forall x, y : \langle \mathcal{A}x, y \rangle = \langle x, \mathcal{A}y \rangle</tex>.
}}

Посмотрим, что же такое ''самосопряжённость'' для конечномерного оператора в <tex>\mathbb{C}^n</tex>. В <tex>\mathbb{C}^n</tex> линейный оператор представляет из себя матрицу <tex>A = \{a_{ij}\}</tex>.

{{Утверждение
|statement=Оператор <tex>\mathcal{A} : \mathbb{C}^n \to \mathbb{C}^n</tex> самосопряжён <tex>\iff</tex> <tex>A = \overline{A^T}</tex>.
|proof=<tex>Az = \{a_{ij}\} \cdot \left(\begin{array}{c}z_1\\\vdots\\z_n\end{array}\right) = </tex> <tex>\left(\sum\limits_{j=1}^n a_{ij} z_j\right)_{i=1..n}</tex>.

<tex>\langle \mathcal{A}z, y \rangle = \langle Az, y\rangle = </tex> <tex>\sum\limits_{i=1}^n (Az)_i \overline{y_i} = </tex> <tex>\sum\limits_{i=1}^n\left(\sum\limits_{j=1}^n a_{ij} z_j\right)\overline{y_i} = </tex> <tex>\sum\limits_{i,j=1}^n a_{ij} z_j \overline{y_i} = </tex> <tex>\sum\limits_{j=1}^n\left(\sum\limits_{i=1}^n a_{ij}\overline{y_i}\right)z_j = </tex> <tex>\sum\limits_{j=1}^n\left(\sum\limits_{i=1}^n \overline{\overline{a_{ij}}}\cdot\overline{y_i}\right)z_j = </tex> <tex>\sum\limits_{j=1}^n z_j \overline{\left(\sum\limits_{i=1}^n\overline{a_{ij}}y_i\right)} = </tex> <tex>\langle z, By \rangle = </tex> <tex>\langle z, \overline{A^T} y \rangle</tex>
}}

<tex>\langle \mathcal{A}x, x \rangle = \langle x, \mathcal{A}x \rangle </tex>, <tex>\langle \mathcal{A}x, x \rangle = \overline{\langle x, \mathcal{A}x \rangle}</tex> <tex>\Rightarrow</tex> <tex>\langle \mathcal{A}x, x\rangle \in \mathbb{R}</tex>, так как если комплексное число совпадает со своим сопряжением, то его мнимая часть равна нулю.

Рассмотрим <tex>\lambda = \mu + i\nu \in \mathbb{C}</tex>, <tex>\lambda \mathcal{I} - \mathcal{A} = (\mu\mathcal{I} - \mathcal{A}) + i\nu\mathcal{I}</tex>.

<tex>\| (\lambda\mathcal{I}-\mathcal{A})x \|^2 = </tex> <tex>\langle (\lambda\mathcal{I}-\mathcal{A})x, (\lambda\mathcal{I}-\mathcal{A})x\rangle = </tex> <tex>\langle (\mu\mathcal{I}-\mathcal{A})x+i\nu x, (\mu\mathcal{I}-\mathcal{A})x+i\nu x \rangle = </tex> <tex>\|(\mu\mathcal{I}-\mathcal{A})x\|^2 + |\nu|^2\cdot\|x\|^2 + \langle(\mu\mathcal{I}-\mathcal{A})x, i\nu x\rangle + \langle i\nu x, (\mu\mathcal{I}-\mathcal{A})x\rangle = </tex> [<tex>\mu \in \mathbb{R}</tex>, <tex>\mathcal{A}</tex>{{---}} самосопряжённый <tex>\Rightarrow</tex> <tex>(\mu\mathcal{I}-\mathcal{A})^* = (\mu\mathcal{I}-\mathcal{A})</tex>] <tex> = \|(\mu\mathcal{I}-\mathcal{A}x\|^2 + |\nu|^2\cdot\|x\|^2 + (-i\nu)\langle (\mu\mathcal{I}-\mathcal{A})x, x\rangle + i\nu\langle x, (\mu\mathcal{I}-\mathcal{A})x\rangle = </tex> <tex>\|(\mu\mathcal{I}-\mathcal{A})x\|^2 + |\nu|^2\cdot\|x\|^2</tex>

Итого: <tex>\|(\lambda\mathcal{I}-\mathcal{A})x\| \ge |\nu|\cdot\|x\|</tex>.

{{Утверждение
|statement=Если <tex>\mathcal{A}</tex>{{---}}самосопряжённый, а <tex>\lambda \in \mathbb{C}</tex>, то <tex>\mathcal{H} = \operatorname{Ker} (\lambda\mathcal{I}-\mathcal{A}) \oplus \operatorname{Cl} R(\lambda\mathcal{I}-\mathcal{A})</tex>.
|proof=Доказательство разбивается на два случая: <tex>\lambda \in \mathbb{R}</tex> и <tex>\lambda \notin \mathbb{R}</tex>

* Случай 1. <tex>\lambda \in \mathbb{R}</tex>:

<tex>\lambda \in \mathbb{R} \Rightarrow (\lambda\mathcal{I}-\mathcal{A})^* = \lambda\mathcal{I}-\mathcal{A}</tex>

<tex>\operatorname{Cl} R(\lambda\mathcal{I}-\mathcal{A}) = (\operatorname{Ker} (\lambda\mathcal{I}-\mathcal{A})^*)^\bot = \operatorname{Ker} (\lambda\mathcal{I}-\mathcal{A})^\bot</tex>

* Случай 2. <tex>\lambda \notin \mathbb{R}</tex>:

из неравенства <tex>\|(\lambda\mathcal{I}-\mathcal{A})x\| \ge |\nu|\cdot\|x\| > 0</tex> при <tex>x \ne 0</tex> вытекает <tex>\operatorname{Ker}(\overline{\lambda}\mathcal{I}-\mathcal{A}) = \{0\}</tex>, так как для <tex>\lambda \notin \mathbb R</tex>, <tex>|\nu| \ne 0</tex>.

<tex>\operatorname{Cl} R(\lambda\mathcal{I}-\mathcal{A}) = (\operatorname{Ker} (\lambda\mathcal{I}-\mathcal{A})^*)^\bot = \mathcal{H}</tex>.
}}

== Теоремы о спектре самосопряженного оператора ==

=== Вещественность спектра ===

{{Теорема
|statement = Если <tex>\mathcal{A}</tex> {{---}} самосопряженный, то <tex> \sigma (\mathcal{A}) \subset \mathbb{R} </tex>.
|proof = Проверим, что если <tex> \operatorname{Im} \lambda \ne 0</tex>, то <tex>\lambda \in \rho(\mathcal{A})</tex>.
<tex>\lambda = \mu + i\nu</tex>, <tex>\nu\ne0</tex>, <tex>\|(\lambda\mathcal{I}-\mathcal{A})x\| \ge |\nu|\cdot\|x\| > 0</tex>

<tex>\operatorname{Ker} (\lambda\mathcal{I}-\mathcal{A}) = \{0\}</tex>, <tex>\operatorname{Cl} R(\lambda\mathcal{I}-\mathcal{A}) = \mathcal{H}</tex> (всюду плотно в <tex> \mathcal H </tex>).

С другой стороны, неравенство <tex>\|(\lambda\mathcal{I}-\mathcal{A})x\|\ge|\nu|\cdot\|x\|</tex> даёт априорную оценку <tex>y=(\lambda\mathcal{I}-\mathcal{A})x</tex>, откуда следует, что
<tex>R(\lambda\mathcal{I}-\mathcal{A})</tex> {{---}} замкнуто.

Значит, <tex>\mathcal{H} = R(\lambda\mathcal{I}-\mathcal{A})</tex>

<tex>\lambda\mathcal{I}-\mathcal{A}</tex>{{---}} биективен на <tex>\mathcal{H}</tex>. <tex>\|(\lambda\mathcal{I}-\mathcal{A})x\| \ge |\nu|\cdot\|x\|</tex> гарантирует, что обратный оператор ограничен, и, как следствие, непрерывен. Значит, <tex>\lambda \in \rho(\mathcal{A})</tex>

}}

=== Критерии вхождения в спектр и резольвентное множество ===

{{Теорема
|statement=Пусть <tex>\mathcal{A}</tex>{{---}} самосопряжённый оператор. Тогда
1. <tex>\lambda \in \rho(\mathcal{A}) \iff \exists m > 0 : \forall x \in \mathcal{H} : \|(\lambda\mathcal{I}-\mathcal{A})x\| \ge m\|x\|</tex>
2. <tex>\lambda \in \sigma(\mathcal{A}) \iff \exists x_n : \|x_n\| = 1 : \|(\lambda\mathcal{I}-\mathcal{A})x_n\| \to 0 </tex>
|proof='''Замечание''': второе свойство означает, что спектр самосопряжённого оператора состоит из почти собственных чисел

Докажем первый пункт

<tex>\Longrightarrow</tex>: <tex>\lambda \in \rho(\mathcal{A})</tex>, то есть резольвентный оператор определен.

<tex>\left\| \frac{1}{\lambda I - A} (\lambda I - A) x\right\| \le \left\| \frac{1}{\lambda I - A} \right\| \| (\lambda I - A) x\|</tex>

Возьмем <tex>m=\frac{1}{\left\| \frac{1}{\lambda I - A} \right\|}</tex>, тогда:

<tex>\| (\lambda I - A) x\| \ge m \left\| \frac{1}{\lambda I - A} (\lambda I - A) x\right\| \ge m \|x\|</tex>

<tex>\Longleftarrow</tex>: Существование резольвентного оператора, определенного на <tex> R(\lambda\mathcal{I}-\mathcal{A}) </tex> следует из [[Теорема Банаха об обратном операторе#invlb|одной из теорем об обратных операторах]]. Покажем, что <tex> R(\lambda \mathcal{I} - \mathcal{A}) = \mathcal{H} </tex>. По одному из предыдущих утверждений, <tex>\mathcal{H} = \operatorname{Ker} (\lambda\mathcal{I}-\mathcal{A}) \oplus \operatorname{Cl} R(\lambda\mathcal{I}-\mathcal{A})</tex>. Поскольку <tex> \|(\lambda\mathcal{I}-\mathcal{A})x\| \ge m\|x\| </tex>, то <tex> \operatorname{Ker} (\lambda\mathcal{I}-\mathcal{A}) = \{ 0 \} </tex>. Так как оператор <tex> \lambda\mathcal{I}-\mathcal{A} </tex> допускает, по условию, априорную оценку решений, то <tex> R(\lambda\mathcal{I}-\mathcal{A}) = \operatorname{Cl} R(\lambda\mathcal{I}-\mathcal{A})</tex>, откуда следует, что резольвентный оператор непрерывен и определен на всем <tex> \mathcal{H} </tex>.

Второй пункт — просто логическое отрицание первого.
}}

Выше мы убедились, что <tex>\langle \mathcal{A}x, x \rangle \in \mathbb{R}</tex>

{{Определение
|definition=<tex>m_- = \inf\limits_{\|x\| = 1} \langle \mathcal{A}x, x\rangle</tex>

<tex>m_+ = \sup\limits_{\|x\| = 1} \langle \mathcal{A}x, x \rangle</tex>
}}

Очевидно, что <tex>m_- \le m_+</tex>

<tex>\forall x \in \mathcal{H} : x = \|x\| \frac{x}{\|x\|} = \|x\|z</tex>, где <tex>\|z\| = 1</tex>:
<tex>\langle \mathcal{A}x, x\rangle = \|x\|^2 \langle\mathcal{A}z, z\rangle \le m_+ \|x\|^2</tex>

Аналогично, <tex> \langle\mathcal{A}x, x\rangle \ge m_- \|x\|^2 </tex>

{{Теорема
|statement=
Пусть <tex>A</tex> — самосопряженный оператор. Тогда:
# <tex>\sigma(\mathcal{A}) \subset [m_-; m_+]</tex>
# <tex>m_+, m_- \in \sigma(\mathcal{A})</tex>
|proof=
'''Пункт 1.''' Докажем, что из того, что <tex>\lambda > m_+</tex> следует, что <tex>\lambda \in \rho(\mathcal{A})</tex>. Аналогично докажем для <tex>m_-</tex>

Нужно проверять только <tex>\lambda \in \mathbb{R}</tex>

Пусть <tex>\lambda > m_+</tex>. Проверим, что выполняется критерий вхождения в <tex>\rho(\mathcal{A})</tex> из предыдущей теоремы

<tex>(\lambda - m_+) \cdot \|x\|^2 =</tex> <tex>(\lambda - m_+) \langle x, x \rangle =</tex> <tex>\langle \lambda x, x\rangle - \langle m_+x, x\rangle \le </tex> <tex>\langle \lambda x, x \rangle - \langle \mathcal{A}x, x \rangle = </tex> <tex>\langle (\lambda\mathcal{I}-\mathcal{A})x, x\rangle \le</tex> [неравенство Шварца] <tex>\le \|(\lambda\mathcal{I}-\mathcal{A})x\| \cdot \|x\|</tex>

Итого: <tex>(\lambda-m_+)\|x\| \le \|(\lambda\mathcal{I}-\mathcal{A})x\| \Rightarrow \lambda \in \rho(\mathcal{A})</tex>

'''Пункт 2.''' Докажем, что <tex>m_+ \in \sigma(\mathcal{A})</tex>

Проверим критерий принадлежности спектру из предыдущей теоремы.

<tex>m_+ = \sup\limits_{\|x\|=1} \langle \mathcal{A}x, x\rangle</tex>

По определению <tex>\sup</tex> подбираются <tex>x_n : \|x_n\| = 1</tex>, <tex>\langle \mathcal{A}x_n, x_n\rangle \to m_+</tex>

<tex>\langle \mathcal{A}x, x\rangle \le m_+ \cdot \langle x, x\rangle \iff \langle (m_+\mathcal{I}-\mathcal{A})x, x\rangle \ge 0</tex>

<tex>\mathcal{L} = m_+\mathcal{I} - \mathcal{A}</tex>, <tex>\mathcal{L}=\mathcal{L}^*</tex>

Далее будем использовать обозначение <tex>[x, y] = \langle \mathcal{L}x, y\rangle</tex>.

Так как <tex>\langle \mathcal{L}x, x \rangle \ge 0</tex>, мгновенно проверяем, что <tex>[\_, \_]</tex> удовлетворяет аксиомам скалярного произведения, а значит, для <tex>[\_, \_]</tex> выполняется неравенство Шварца:

<tex>|[x, y]|^2 \le [x, x] \cdot [y, y] </tex>

Надо: <tex>\mathcal{L}x_n \to 0</tex>

<tex>\langle \mathcal{L}x_n, x_n \rangle \to 0</tex>

<tex>|\langle \mathcal{L}x, y \rangle|^2 \le \langle\mathcal{L}x, x\rangle \cdot \langle \mathcal{L}y, y \rangle</tex>

Подставим <tex>x = x_n</tex>, <tex>y = \mathcal{L}x_n</tex>:

<tex>|\langle\mathcal{L}x_n, \mathcal{L}x_n\rangle|^2 \le</tex> <tex>\langle \mathcal{L}x_n, x_n\rangle \cdot \langle \mathcal{L}^2x_n, \mathcal{L}x_n\rangle </tex>

<tex>\|\mathcal{L}x_n\|^4 = |\langle\mathcal{L}x_n, \mathcal{L}x_n\rangle|^2 \le</tex> [по неравенству выше] <tex>\langle\mathcal{L}x_n, x_n\rangle \cdot \langle \mathcal{L}^2 x_n, \mathcal{L}x_n\rangle</tex>. Первый множитель стремится к нулю. Проверив ограниченность второго, убедимся, что <tex>\mathcal{L}x_n \to 0</tex>.

<tex>\langle \mathcal{L}^2 x_n, \mathcal{L}x_n \rangle \le </tex> <tex>\|\mathcal{L}^2 x_n\| \cdot \|\mathcal{L}x_n\| \le </tex> <tex>\|\mathcal{L}\|^3 \cdot \|x_n\|^2 = </tex> <tex>\|\mathcal{L}^3\| < M</tex>

}}

=== Теорема о спектральном радиусе ===

{{Утверждение
|statement=Если <tex>\mathcal{A}</tex>{{---}} самосопряжённый оператор, то <tex>r_\sigma(\mathcal{A}) = \|\mathcal{A}\|</tex>
|proof=Ранее мы доказывали, что <tex>r_\sigma(\mathcal{A}) = \lim\limits_{n\to\infty} \sqrt[n]{\|\mathcal{A}^n\|}</tex>

Если проверить, что <tex>\|\mathcal{A}^{2^n}\| = \|\mathcal{A}\|^{2^n}</tex>, то, по предыдущему утверждению, теорема будет верна: <tex>\sqrt[2^n]{\|\mathcal{A}^{2^n}\|} = \sqrt[2^n]{\|\mathcal{A}\|^{2^n}} = \|\mathcal{A}\|</tex>

Очевидно, достаточно проверить это утверждение только для <tex>n = 1</tex>. Остальное получится автоматически.

<tex>\langle\mathcal{A}x, \mathcal{A}x \rangle = \|\mathcal{A}x\|^2</tex>

По самосопряжённости:

<tex> = \langle x, \mathcal{A}^2x \rangle \le</tex> [по неравенству Шварца] <tex>\le \|\mathcal{A}^2x\|\cdot\|x\| \le</tex> [<tex>\|x\| \le 1</tex>] <tex>\le \|\mathcal{A}^2x\| \le</tex> <tex>\|\mathcal{A}^2\| \cdot \|x\| \le </tex> <tex>\|\mathcal{A}^2\|</tex>

Итого: <tex>\|\mathcal{A}\|^2 \le \|\mathcal{A}^2\|</tex>. Осталось доказать обратное неравенство.

<tex>\|\mathcal{A}^2 x \| = </tex> <tex>\|\mathcal{A}(\mathcal{A}x)\| \le</tex> <tex>\|\mathcal{A}\| \cdot \|\mathcal{A}x\| \le</tex> <tex>\|\mathcal{A}\|^2</tex>
}}

Если <tex>\mathcal{A}</tex>{{---}} компактный, то <tex>\sigma(\mathcal{A})</tex> состоит только из счётного числа собственных чисел <tex>\lambda_i</tex>. Обозначим за <tex>M_{\lambda_i} </tex> собственные подпространства. В силу самосопряжённости, <tex>M_{\lambda_i} \perp M_{\lambda_j}</tex>.

Собственные подпространства конечномерны (<tex>\dim M_\lambda < +\infty</tex>). Можно считать, что в каждом из них определён ортонормированный базис.

== Теорема Гильберта-Шмидта ==

{{Теорема
|author=Гильберт, Шмидт
|statement=Если <tex>\mathcal{A}</tex>{{---}} самосопряжённый компактный оператор в гильбертовом пространстве <tex>\mathcal{H}</tex>, а <tex>M_{\lambda_i}</tex>{{---}} его (оператора) собственные подпространства, то <tex>\mathcal{H} = M_{\lambda_1} \oplus M_{\lambda_2} \oplus \cdots \oplus M_{\lambda_n} \oplus \cdots </tex>
|proof=Обозначим за <tex>M = \bigoplus\limits_n M_{\lambda_n}</tex>, <tex>M^\bot</tex>{{---}} ортогональное дополнение <tex>M</tex> до <tex>\mathcal{H}</tex> (<tex>\mathcal{H} = M \oplus M^\bot</tex>).

Нужно проверить, что <tex>M^\bot = \{0\}</tex>

Элементарно проверяется, что <tex>\forall M_\lambda : \mathcal{A}(M_\lambda) \subset M_\lambda</tex>:
<tex>\forall x \in M_\lambda : \mathcal{A}x = \lambda x \in M_\lambda</tex>

Проверим, что <tex>\mathcal{A}(M^\bot) \subset M^\bot</tex>: <tex>\forall x \in M^\bot : \mathcal{A}x \perp</tex> любому <tex>M_\lambda</tex> <tex>\Rightarrow</tex> <tex>\mathcal{A}x \in M^\bot</tex>

<tex>y \in M_\lambda : \langle \mathcal{A}x, y\rangle = \langle x, \mathcal{A}y\rangle = \langle x, \lambda y \rangle = |\lambda|\langle x, y \rangle</tex>, <tex>x\in M^\bot</tex>, <tex>\langle x, y \rangle = 0</tex>

Значит, <tex>\mathcal{A}(M^\bot)\subset M^\bot</tex>

Рассмотрим <tex>\mathcal{A}_0 = \mathcal{A}|_{M^\bot}</tex>

<tex>M^\bot</tex> {{---}} гильбертово пространство, <tex>\mathcal{A}_0</tex> {{---}} самосопряжённое, <tex>r_\sigma(\mathcal{A}_0) = \|\mathcal{A}_0\|</tex>

Но все собственные числа <tex>\mathcal{A}</tex> задействованы в <tex>M_\lambda</tex> <tex>r_\sigma(\mathcal{A}_0) = 0</tex> <tex>\Rightarrow</tex> <tex>\|\mathcal{A}_0\| = 0</tex> <tex>\Rightarrow</tex> оператор тривиальный <tex>M^\bot = \operatorname{Ker} \mathcal{A}_0</tex>

Если бы у <tex>\mathcal{A}</tex> было нетривиальное ядро, то оно стало бы собственным подпространством, значит, было бы задействовано в <tex>\bigoplus</tex>. Значит, <tex>\operatorname{Ker} \mathcal{A}_0 = \{0\}</tex>.
}}

Если <tex>\mathcal{A}</tex>{{---}} самосопряжённый компактный оператор, то ОНС базис <tex>\mathcal{H}</tex> можно построить из собственных векторов <tex>\varphi_1, \ldots \varphi_n, \ldots</tex>.

Любой <tex>x \in \mathcal{H}</tex> можно разложить в ряд Фурье по свойствам гильбертова пространства. Значит,

<tex>\mathcal{A}x = \sum\limits_{n=1}^\infty \langle x, \varphi_n\rangle \mathcal{A}\varphi_n = \sum\limits_{n=1}^\infty \lambda_n \langle x, \varphi_n\rangle \varphi_n</tex>.

Получаем структуру сопряжённого компактного оператора: <tex>\lambda \in \rho(\mathcal{A})</tex> (<tex>\lambda\mathcal{I}-\mathcal{A}</tex> непрерывно обратим) <tex>\Rightarrow</tex> <tex>y = \sum\limits_{n=1}^\infty \langle y, \varphi_n\rangle \varphi_n</tex>, <tex>y = \lambda x - \mathcal{A}x</tex>

<tex>\sum\limits_{n=1}^\infty \langle y, \varphi_n\rangle \varphi_n = \sum \lambda\langle x, \varphi_n\rangle\varphi_n - \sum\lambda_n\langle x, \varphi_n\rangle\varphi_n = \sum(\lambda-\lambda_n)\langle x, \varphi_n\rangle \varphi_n</tex>.

Можно приравнять коэффициенты: <tex>\langle y, \varphi_n\rangle = (\lambda-\lambda_n)\langle x, \varphi_n\rangle</tex>.

<tex>\langle x, \varphi_n\rangle = \frac{\langle y, \varphi_n\rangle}{\lambda-\lambda_n}</tex> (в знаменателе нуля быть не может, потому что <tex>\lambda \in \rho(\mathcal{A})</tex>).

<tex>R_\lambda(y) = \sum\limits_{n=1}^\infty \frac{\langle y, \varphi_n\rangle}{\lambda-\lambda_n}\varphi_n</tex>.

[[Категория: Функциональный анализ 3 курс]]

Теория Гильберта-Шмидта

2013-06-10T20:40:45Z

AVasilyev: /* Вещественность спектра */

{{В разработке}}

{{TODO|t=
Как обычно, это переписанный с выключенным мозгом конспект. Автор не несёт(пока) ответственности за то, что в статье написан антинаучный бред. Хуже того, чукча не читатель, чукча писатель, и написанное даже не читалось.
В параграфе для операторов используется курсивный шрифт (<tex>\mathcal{A}</tex>, <tex>\mathcal{B}</tex>), а для матриц {{---}} прямой (<tex>A</tex>, <tex>B</tex>). Во-первых, для того, чтобы различать их, а во-вторых, для красоты. Грустно, что тебе, читатель этого, срать на то, написано ли <tex>\mathcal{I}</tex> или <tex>I</tex>, а хочется только сдать экзамен.
}}

{{TODO|t=Расставить точки в конце предложений, а то режет глаз.}}

__TOC__

В этом параграфе будем иметь дело с Гильбертовым пространством <tex>\mathcal{H}</tex>, но над полем <tex>\mathbb{C}</tex>.

# (над <tex>\mathbb{R}</tex>): <tex>\langle x, y \rangle = \langle y, x \rangle</tex>
# (над <tex>\mathbb{C}</tex>): <tex>\langle x, y \rangle = \overline{\langle y, x \rangle}</tex>

В конечномерном пространстве <tex>\mathbb{R}^n = \{\langle x_1, x_2, \ldots, x_n \rangle\} </tex> (<tex>x_i \in \mathbb{R}</tex>) скалярное произведение двух векторов определялось как <tex>\langle \bar{x}, \bar{y} \rangle = \sum\limits_{k=1}^n x_n y_n</tex>.

В <tex>\mathbb{C}^n = \{\langle z_1, z_2, \ldots, z_n \rangle\}</tex> (<tex>z_i \in \mathbb{C}</tex>) же, <tex> \langle \bar{z}, \bar{y} \rangle = \sum\limits_{k=1}^n z_i \overline{y_i}</tex>.

Комплексное сопряжение добавлено для того, чтобы выполнялась первая аксиома скалярного произведения: <tex>\langle x, x \rangle \ge 0</tex>:
<tex>\langle \overline{z}, \overline{z} \rangle = \sum\limits_{k=1}^n z_k \overline{z_k} = \sum\limits_{k=1}^n |z_k|^2 \in \mathbb{R}, > 0</tex>.

Нас будут интересовать только линейные ограниченные операторы <tex>\mathcal{A} : \mathcal{H} \to \mathcal{H}</tex>.

{{Определение
|definition=Оператор <tex>\mathcal{A}</tex> называется ''самосопряжённым'' (<tex>\mathcal{A} = \mathcal{A}^*</tex>), если <tex>\forall x, y : \langle \mathcal{A}x, y \rangle = \langle x, \mathcal{A}y \rangle</tex>.
}}

Посмотрим, что же такое ''самосопряжённость'' для конечномерного оператора в <tex>\mathbb{C}^n</tex>. В <tex>\mathbb{C}^n</tex> линейный оператор представляет из себя матрицу <tex>A = \{a_{ij}\}</tex>.

{{Утверждение
|statement=Оператор <tex>\mathcal{A} : \mathbb{C}^n \to \mathbb{C}^n</tex> самосопряжён <tex>\iff</tex> <tex>A = \overline{A^T}</tex>
|proof=<tex>Az = \{a_{ij}\} \cdot \left(\begin{array}{c}z_1\\\vdots\\z_n\end{array}\right) = </tex> <tex>\left(\sum\limits_{j=1}^n a_{ij} z_j\right)_{i=1..n}</tex>.

<tex>\langle \mathcal{A}z, y \rangle = \langle Az, y\rangle = </tex> <tex>\sum\limits_{i=1}^n (Az)_i \overline{y_i} = </tex> <tex>\sum\limits_{i=1}^n\left(\sum\limits_{j=1}^n a_{ij} z_j\right)\overline{y_i} = </tex> <tex>\sum\limits_{i,j=1}^n a_{ij} z_j \overline{y_i} = </tex> <tex>\sum\limits_{j=1}^n\left(\sum\limits_{i=1}^n a_{ij}\overline{y_i}\right)z_j = </tex> <tex>\sum\limits_{j=1}^n\left(\sum\limits_{i=1}^n \overline{\overline{a_{ij}}}\cdot\overline{y_i}\right)z_j = </tex> <tex>\sum\limits_{j=1}^n z_j \overline{\left(\sum\limits_{i=1}^n\overline{a_{ij}}y_i\right)} = </tex> <tex>\langle z, By \rangle = </tex> <tex>\langle z, \overline{A^T} y \rangle</tex>
}}

<tex>\langle \mathcal{A}x, x \rangle = \langle x, \mathcal{A}x \rangle </tex>, <tex>\langle \mathcal{A}x, x \rangle = \overline{\langle x, \mathcal{A}x \rangle}</tex> <tex>\Rightarrow</tex> <tex>\langle \mathcal{A}x, x\rangle \in \mathbb{R}</tex>, так как если комплексное число совпадает со своим сопряжением, то его мнимая часть равна нулю.

Рассмотрим <tex>\lambda = \mu + i\nu \in \mathbb{C}</tex>, <tex>\lambda \mathcal{I} - \mathcal{A} = (\mu\mathcal{I} - \mathcal{A}) + i\nu\mathcal{I}</tex>.

<tex>\| (\lambda\mathcal{I}-\mathcal{A})x \|^2 = </tex> <tex>\langle (\lambda\mathcal{I}-\mathcal{A})x, (\lambda\mathcal{I}-\mathcal{A})x\rangle = </tex> <tex>\langle (\mu\mathcal{I}-\mathcal{A})x+i\nu x, (\mu\mathcal{I}-\mathcal{A})x+i\nu x \rangle = </tex> <tex>\|(\mu\mathcal{I}-\mathcal{A})x\|^2 + |\nu|^2\cdot\|x\|^2 + \langle(\mu\mathcal{I}-\mathcal{A})x, i\nu x\rangle + \langle i\nu x, (\mu\mathcal{I}-\mathcal{A})x\rangle = </tex> [<tex>\mu \in \mathbb{R}</tex>, <tex>\mathcal{A}</tex>{{---}} самосопряжённый <tex>\Rightarrow</tex> <tex>(\mu\mathcal{I}-\mathcal{A})^* = (\mu\mathcal{I}-\mathcal{A})</tex>] <tex> = \|(\mu\mathcal{I}-\mathcal{A}x\|^2 + |\nu|^2\cdot\|x\|^2 + (-i\nu)\langle (\mu\mathcal{I}-\mathcal{A})x, x\rangle + i\nu\langle x, (\mu\mathcal{I}-\mathcal{A})x\rangle = </tex> <tex>\|(\mu\mathcal{I}-\mathcal{A})x\|^2 + |\nu|^2\cdot\|x\|^2</tex>

Итого: <tex>\|(\lambda\mathcal{I}-\mathcal{A})x\| \ge |\nu|\cdot\|x\|</tex>.

{{Утверждение
|statement=Если <tex>\mathcal{A}</tex>{{---}}самосопряжённый, а <tex>\lambda \in \mathbb{C}</tex>, то <tex>\mathcal{H} = \operatorname{Ker} (\lambda\mathcal{I}-\mathcal{A}) \oplus \operatorname{Cl} R(\lambda\mathcal{I}-\mathcal{A})</tex>
|proof=Доказательство разбивается на два случая: <tex>\lambda \in \mathbb{R}</tex> и <tex>\lambda \notin \mathbb{R}</tex>

* Случай 1. <tex>\lambda \in \mathbb{R}</tex>

<tex>\lambda \in \mathbb{R} \Rightarrow (\lambda\mathcal{I}-\mathcal{A})^* = \lambda\mathcal{I}-\mathcal{A}</tex>

<tex>\operatorname{Cl} R(\lambda\mathcal{I}-\mathcal{A}) = (\operatorname{Ker} (\lambda\mathcal{I}-\mathcal{A})^*)^\bot = \operatorname{Ker} (\lambda\mathcal{I}-\mathcal{A})^\bot</tex>

* Случай 2. <tex>\lambda \notin \mathbb{R}</tex>

из неравенства <tex>\|(\lambda\mathcal{I}-\mathcal{A})x\| \ge |\nu|\cdot\|x\| > 0</tex> при <tex>x \ne 0</tex> вытекает <tex>\operatorname{Ker}(\overline{\lambda}\mathcal{I}-\mathcal{A}) = \{0\}</tex>

<tex>\operatorname{Cl} R(\lambda\mathcal{I}-\mathcal{A}) = (\operatorname{Ker} (\lambda\mathcal{I}-\mathcal{A})^*)^\bot = \mathcal{H}</tex>.
}}

== Теоремы о спектре самосопряженного оператора ==

=== Вещественность спектра ===

{{Теорема
|statement = Если <tex>\mathcal{A}</tex> {{---}} самосопряженный, то <tex> \sigma (\mathcal{A}) \subset \mathbb{R} </tex>.
|proof = Проверим, что если <tex> \operatorname{Im} \lambda \ne 0</tex>, то <tex>\lambda \in \rho(\mathcal{A})</tex>.
<tex>\lambda = \mu + i\nu</tex>, <tex>\nu\ne0</tex>, <tex>\|(\lambda\mathcal{I}-\mathcal{A})x\| \ge |\nu|\cdot\|x\| > 0</tex>

<tex>\operatorname{Ker} (\lambda\mathcal{I}-\mathcal{A}) = \{0\}</tex>, <tex>\operatorname{Cl} R(\lambda\mathcal{I}-\mathcal{A}) = \mathcal{H}</tex>

с другой стороны, неравенство <tex>\|(\lambda\mathcal{I}-\mathcal{A})x\|\ge|\nu|\cdot\|x\|</tex> даёт априорную оценку <tex>y=(\lambda\mathcal{I}-\mathcal{A})x</tex>, откуда следует, что
<tex>R(\lambda\mathcal{I}-\mathcal{A})</tex> {{---}} всюду плотно в <tex> \mathcal H </tex>.

А также, <tex>R(\lambda\mathcal{I}-\mathcal{A})</tex> {{---}} замкнуто. Значит, <tex>\mathcal{H} = R(\lambda\mathcal{I}-\mathcal{A})</tex>

<tex>\lambda\mathcal{I}-\mathcal{A}</tex>{{---}} биективен на <tex>\mathcal{H}</tex>. <tex>\|(\lambda\mathcal{I}-\mathcal{A})x\| \ge |\nu|\cdot\|x\|</tex> гарантирует, что обратный оператор ограничен, и, как следствие, непрерывен. Значит, <tex>\lambda \in \rho(\mathcal{A})</tex>

}}

{{Теорема
|statement=Пусть <tex>\mathcal{A}</tex>{{---}} самосопряжённый оператор. Тогда
1. <tex>\lambda \in \rho(\mathcal{A}) \iff \exists m > 0 : \forall x \in \mathcal{H} : \|(\lambda\mathcal{I}-\mathcal{A})x\| \ge m\|x\|</tex>
2. <tex>\lambda \in \sigma(\mathcal{A}) \iff \exists x_n : \|x_n\| = 1 : \|(\lambda\mathcal{I}-\mathcal{A})x_n\| \to 0 </tex>
|proof='''Замечание''': второе свойство означает, что спектр самосопряжённого оператора состоит из почти собственных чисел

Докажем первый пункт

1. <tex>\lambda \in \rho(\mathcal{A})</tex>. Требуемое неравенство{{---}} непрерывность резольвентного оператора

2. <tex>\exists m > 0 : \forall x \in \mathcal{H} : \|(\lambda\mathcal{I}-\mathcal{A})x\| > m\|x\|</tex> {{---}} в силу прошлой теоремы.

Второй пункт {{---}} проверить самим. Это просто логическое отрицание первого. {{TODO|t=запилите кто-нибудь}}
}}

Выше мы убедились, что <tex>\langle \mathcal{A}x, x \rangle \in \mathbb{R}</tex>

{{Определение
|definition=<tex>m_- = \inf\limits_{\|x\| = 1} \langle \mathcal{A}x, x\rangle</tex>

<tex>m_+ = \sup\limits_{\|x\| = 1} \langle \mathcal{A}x, x \rangle</tex>
}}

Очевидно, что <tex>m_- \le m_+</tex>

<tex>\forall x \in \mathcal{H} : x = \|x\| \frac{x}{\|x\|} = \|x\|z</tex>, где <tex>\|z\| = 1</tex>:
<tex>\langle \mathcal{A}x, x\rangle = \|x\|^2 \langle\mathcal{A}z, z\rangle \le m_+ \|x\|^2</tex>

Аналогично, <tex> \langle\mathcal{A}z, z\rangle \ge m_- \|x\|^2 </tex>

{{Теорема
|statement=
Пусть <tex>A</tex> — самосопряженный оператор. Тогда:
# <tex>\sigma(\mathcal{A}) \subset [m_-; m_+]</tex>
# <tex>m_+, m_- \in \sigma(\mathcal{A})</tex>
|proof=
'''Пункт 1.''' Докажем, что из того, что <tex>\lambda > m_+</tex> следует, что <tex>\lambda \in \rho(\mathcal{A})</tex>. Аналогично докажем для <tex>m_-</tex>

Нужно проверять только <tex>\lambda \in \mathbb{R}</tex>

Пусть <tex>\lambda > m_+</tex>. Проверим, что выполняется критерий вхождения в <tex>\rho(\mathcal{A})</tex> из предыдущей теоремы

<tex>(\lambda - m_+) \cdot \|x\|^2 =</tex> <tex>(\lambda - m_+) \langle x, x \rangle =</tex> <tex>\langle \lambda x, x\rangle - \langle m_+x, x\rangle \le </tex> <tex>\langle \lambda x, x \rangle - \langle \mathcal{A}x, x \rangle = </tex> <tex>\langle (\lambda\mathcal{I}-\mathcal{A})x, x\rangle \le</tex> [неравенство Шварца] <tex>\le \|(\lambda\mathcal{I}-\mathcal{A})x\| \cdot \|x\|</tex>

Итого: <tex>(\lambda-m_+)\|x\| \le \|(\lambda\mathcal{I}-\mathcal{A})x\| \Rightarrow \lambda \in \rho(\mathcal{A})</tex>

'''Пункт 2.''' Докажем, что <tex>m_+ \in \sigma(\mathcal{A})</tex>

Проверим критерий принадлежности спектру из предыдущей теоремы.

<tex>m_+ = \sup\limits_{\|x\|=1} \langle \mathcal{A}x, x\rangle</tex>

По определению <tex>\sup</tex> подбираются <tex>x_n : \|x_n\| = 1</tex>, <tex>\langle \mathcal{A}x_n, x_n\rangle \to m_+</tex>

<tex>\langle \mathcal{A}x, x\rangle \le m_+ \cdot \langle x, x\rangle \iff \langle (m_+\mathcal{I}-\mathcal{A})x, x\rangle \ge 0</tex>

<tex>\mathcal{L} = m_+\mathcal{I} - \mathcal{A}</tex>, <tex>\mathcal{L}=\mathcal{L}^*</tex>

Далее будем использовать обозначение <tex>[x, y] = \langle \mathcal{L}x, y\rangle</tex>.

Так как <tex>\langle \mathcal{L}x, x \rangle \ge 0</tex>, мгновенно проверяем, что <tex>[\_, \_]</tex> удовлетворяет аксиомам скалярного произведения, а значит, для <tex>[\_, \_]</tex> выполняется неравенство Шварца:

<tex>|[x, y]|^2 \le [x, x] \cdot [y, y] </tex>

Надо: <tex>\mathcal{L}x_n \to 0</tex>

<tex>\langle \mathcal{L}x, x \rangle \to 0</tex>

<tex>|\langle \mathcal{L}x, y \rangle|^2 \le \langle\mathcal{L}x, x\rangle \cdot \langle \mathcal{L}y, y \rangle</tex>

Подставим <tex>x = x_n</tex>, <tex>y = \mathcal{L}x_n</tex>:

<tex>|\langle\mathcal{L}x_n, \mathcal{L}x_n\rangle| \le</tex> <tex>\langle \mathcal{L}x_n, x_n\rangle \cdot \langle \mathcal{L}^2x_n, \mathcal{L}x_n\rangle </tex>

<tex>|\langle \mathcal{L}x_n, \mathcal{L}x_n\rangle|^2 = \|\mathcal{L}x_n\|^4</tex>, <tex>\langle \mathcal{L}x_n, x_n\rangle \to 0</tex>, <tex>\langle\mathcal{L}^2x_n, \mathcal{L}x_n\rangle \le \|\mathcal{L}^2x_n\|\cdot\|\mathcal{L}x_n\| \le \|\mathcal{L}\|^3 \cdot \|x_n\|^2[=1] = \|\mathcal{L}\|^3 \le M</tex>

}}

=== Теорема о спектральном радиусе ===

{{Утверждение
|statement=Если <tex>\mathcal{A}</tex>{{---}} самосопряжённый оператор, то <tex>r_\sigma(\mathcal{A}) = \|\mathcal{A}\|</tex>
|proof=Ранее мы доказывали, что <tex>r_\sigma(\mathcal{A}) = \lim\limits_{n\to\infty} \sqrt[n]{\|\mathcal{A}^n\|}</tex>

Если проверить, что <tex>\|\mathcal{A}^{2^n}\| = \|\mathcal{A}\|^{2^n}</tex>, то, по предыдущему утверждению, теорема будет верна: <tex>\sqrt[2^n]{\|\mathcal{A}^{2^n}\|} = \sqrt[2^n]{\|\mathcal{A}\|^{2^n}} = \|\mathcal{A}\|</tex>

Очевидно, достаточно проверить это утверждение только для <tex>n = 1</tex>. Остальное получится автоматически.

<tex>\langle\mathcal{A}x, \mathcal{A}x = \|\mathcal{A}x\|^2</tex>

По самосопряжённости:

<tex> = \langle x, \mathcal{A}^2x \rangle \le</tex> [по неравенству Шварца] <tex>\le \|\mathcal{A}^2x\|\cdot\|x\| \le</tex> [<tex>\|x\| \le 1</tex>] <tex>\le \|\mathcal{A}^2x\| \le</tex> <tex>\|\mathcal{A}^2\| \cdot \|x\| \le </tex> <tex>\|\mathcal{A}^2\|</tex>

Итого: <tex>\|\mathcal{A}\|^2 \le \|\mathcal{A}^2\|</tex>. Осталось доказать обратное неравенство.

<tex>\|\mathcal{A}^2 x \| = </tex> <tex>\|\mathcal{A}(\mathcal{A}x)\| \le</tex> <tex>\|\mathcal{A}\| \cdot \|\mathcal{A}x\| \le</tex> <tex>\|\mathcal{A}\|^2</tex>
}}

Если <tex>\mathcal{A}</tex>{{---}} компактный, то <tex>\sigma(\mathcal{A})</tex> состоит только из счётного числа собственных чисел <tex>\lambda_i</tex>. Обозначим за <tex>M_{\lambda_i} </tex> собственные подпространства. В силу самосопряжённости, <tex>M_{\lambda_i} \perp M_{\lambda_j}</tex>.

Собственные подпространства конечномерны (<tex>\dim M_\lambda < +\infty</tex>). Можно считать, что в каждом из них определён ортонормированный базис.

== Теорема Гильберта-Шмидта ==

{{Теорема
|author=Гильберт, Шмидт
|statement=Если <tex>\mathcal{A}</tex>{{---}} самосопряжённый оператор в гильбертовом пространстве <tex>\mathcal{H}</tex>, а <tex>M_{\lambda_i}</tex>{{---}} его (оператора) собственные подпространства, то <tex>\mathcal{H} = M_{\lambda_1} \oplus M_{\lambda_2} \oplus \cdots \oplus M_{\lambda_n} \oplus \cdots </tex>
|proof=Обозначим за <tex>M = \bigoplus\limits_n M_{\lambda_n}</tex>, <tex>M^\bot</tex>{{---}} ортогональное дополнение <tex>M</tex> до <tex>\mathcal{H}</tex> (<tex>\mathcal{H} = M \oplus M^\bot</tex>).

Нужно проверить, что <tex>M^\bot = \{0\}</tex>

Элементарно проверяется, что <tex>\forall M_\lambda : \mathcal{A}(M_\lambda) \subset M_\lambda</tex>:
<tex>\forall x \in M_\lambda : \mathcal{A}x = \lambda x \in M_\lambda</tex>

Проверим, что <tex>\mathcal{A}(M^\bot) \subset M^\bot</tex>: <tex>\forall x \in M^\bot : \mathcal{A}x \perp</tex> любому <tex>M_\lambda</tex> <tex>\Rightarrow</tex> <tex>\mathcal{A}x \in M^\bot</tex>

<tex>y \in M_\lambda : \langle \mathcal{A}x, y\rangle = \langle x, \mathcal{A}y\rangle = \langle x, \lambda y \rangle = |\lambda|\langle x, y \rangle</tex>, <tex>x\in M^\bot</tex>, <tex>\langle x, y \rangle = 0</tex>

Значит, <tex>\mathcal{A}(M^\bot)\subset M^\bot</tex>

Рассмотрим <tex>\mathcal{A}_0 = \mathcal{A}|_{M^\bot}</tex>

<tex>M^\bot</tex> {{---}} гильбертово пространство, <tex>\mathcal{A}_0</tex> {{---}} самосопряжённое, <tex>r_\sigma(\mathcal{A}_0) = \|\mathcal{A}_0\|</tex>

Но все собственные числа <tex>\mathcal{A}</tex> задействованы в <tex>M_\lambda</tex> <tex>r_\sigma(\mathcal{A}_0) = 0</tex> <tex>\Rightarrow</tex> <tex>\|\mathcal{A}_0\| = 0</tex> <tex>\Rightarrow</tex> оператор тривиальный <tex>M^\bot = \operatorname{Ker} \mathcal{A}_0</tex>

Если бы у <tex>\mathcal{A}</tex> было нетривиальное ядро, то оно стало бы собственным подпространосвом, значит, было бы задействовано в <tex>\bigoplus</tex>. Значит, <tex>\operatorname{Ker} \mathcal{A}_0 = \{0\}</tex>
}}

Если <tex>\mathcal{A}</tex>{{---}} самосопряжённый компактный оператор, то ОНС базис <tex>\mathcal{H}</tex> можно построить из собственных векторов, соответствующим собственным числам <tex>\varphi_1, \varphi_2, \ldots</tex>. Любой <tex>x \in \mathcal{H}</tex> можно разложить в ряд Фурье по свойствам гильбертова пространства. Значит,

<tex>\mathcal{A}x = \sum\limits_{n=1}^\infty \langle x, \varphi_n\rangle \mathcal{A}\varphi_n = \sum\limits_{n=1}^\infty \lambda_n \langle x, \varphi_n\rangle \varphi_n</tex>

Получаем структуру сопряжённого компактного оператора: <tex>\lambda \in \rho(\mathcal{A})</tex> (<tex>\lambda\mathcal{I}-\mathcal{A}</tex> непрерывно обратим) <tex>\Rightarrow</tex> <tex>y = \sum\limits_{n=1}^\infty \langle y, \varphi_n\rangle \varphi_n</tex>, <tex>y = \lambda x - \mathcal{A}x</tex>

<tex>\sum\limits_{n=1}^\infty \langle y, \varphi_n\rangle \varphi_n = \sum \lambda\langle x, \varphi_n\rangle\varphi_n - \sum\lambda_n\langle x, \varphi_n\rangle\varphi_n = \sum(\lambda-\lambda_n)\langle x, \varphi_n\rangle \varphi_n</tex>

Можно приравнять коэффициенты: <tex>\langle y, \varphi_n\rangle = (\lambda-\lambda_n)\langle x, \varphi_n\rangle</tex>

<tex>\langle x, \varphi_n\rangle = \frac{\langle y, \varphi_n\rangle}{\lambda-\lambda_n}</tex> (нуля быть не может, потому что <tex>y \in \rho(\mathcal{A})</tex>)

<tex>R_\lambda(y) = \sum\limits_{n=1}^\infty \frac{\langle y, \varphi_n\rangle}{\lambda-\lambda_n}\varphi_n</tex>

[[Категория: Функциональный анализ 3 курс]]

Альтернатива Фредгольма — Шаудера

2013-06-10T20:13:02Z

AVasilyev:

__TOC__

Пусть <tex>X = C[0;1]</tex>, <tex>K(u,v)</tex> непрерывна на <tex>[0;1]^2</tex>.

<tex>A(x,t)=\int\limits_0^1 K(t,s) x(s) ds, x(s) \in C[0;1]</tex>.

<tex>A \colon [0;1] \to [0;1]</tex>, <tex> A </tex> — компактный оператор.

Будем изучать так называемые интегральные уравнения Фредгольма: <tex>f(t) = x(t) + \lambda \int\limits_0^1 K(t,s) x(s) ds</tex> в <tex>C[0;1]</tex>.

Фредгольмом в начале XX века была разработана теория решения таких уравнений без использования методов функционального анализа. В 30-е годы XX века Шаудер обобщил ее на абстрактные компактные операторы.

Пусть <tex>X</tex> — <tex>B</tex>-пространство, <tex>A \colon B \to B</tex>, A — компактный. <tex>T = \lambda I - A</tex>

Ставим задачу: <tex>y</tex> дано, когда <tex>Tx=y</tex> разрешимо относительно <tex>x</tex>?

<tex>y = \lambda x - A x</tex> — операторные уравнения второго рода (явно выделен <tex>I</tex>). Уравнения первого рода (<tex>y=Bx</tex>) решаются гораздо сложней. Объясняется это достаточно просто: <tex>y = \lambda x - A x = \lambda (x - \frac 1 \lambda A)x, \frac 1 {|\lambda|} {\|A\|} < 1 </tex>, следовательно, по теореме Банаха, <tex>I - \frac 1 \lambda A</tex> непрерывно обратим, следовательно, при достаточно больших <tex>\lambda</tex>, <tex>y=\lambda x - A x</tex> разрешимо при любой левой части, причём решения <tex>x</tex> будут непрерывно зависеть от <tex>y</tex>. Интересна ситуация при <tex>|\lambda| < \|A\|</tex>. В случае компактного A ответ даёт теория Шаудера.

{{Утверждение
|statement=
<tex>A</tex> {{---}} компактный оператор. Тогда <tex>\dim\operatorname{Ker}(I-A) < + \infty</tex>
|proof=
<tex>T = I - A</tex>

<tex>\operatorname{Ker}T = \{x|x - Ax = 0\} = \{x|x=Ax\}</tex>, таким образом, ядро <tex>T</tex> — неподвижные точки <tex>A</tex>.

Пусть <tex>\overline V</tex> — единичный шар, <tex>Y = \operatorname{Ker}T</tex> — подпространство <tex>X</tex>.

Допустим, что <tex>\dim \operatorname{Ker}T = + \infty,~\overline W = \overline V \cap Y \Rightarrow \overline W = A \overline W</tex>. Так как <tex>A</tex> — компактный, <tex>\overline W</tex> — компакт в <tex>Y</tex>, но в бесконечномерном пространстве шар (<tex>\overline W</tex> будет шаром в подпространстве <tex>Y</tex>) не может быть компактом, получаем противоречие. Значит, если <tex>A</tex> — компактный, то <tex>\dim\operatorname{Ker}(I-A) < + \infty</tex>.
}}
{{Теорема
|statement=
Пусть <tex>T = I - A</tex>, <tex>A</tex> компактен, тогда <tex> R(T) </tex> замкнуто.
|proof=
[[Теорема Банаха об обратном операторе|Ранее]] мы доказали, что если уравнение <tex>Tx=y, y \in R(T)</tex> допускает априорную оценку (<tex>\exists \alpha~\exists x~Tx=y, \|x\| \leq a\|y\|</tex>), то <tex>R(T)</tex> замкнуто. Нужно доказать, что у <tex>T</tex> есть априорная оценка.

<tex>y \in R(T), Tx=y, \forall z \in \operatorname{Ker}T \Rightarrow T(x+z) = y</tex>. Значит, все решения уравнения <tex>Tx=y</tex> записываются в форме <tex>x=x_0+z</tex>, где <tex>x_0</tex> — одно из решений, z принадлежит <tex>Ker~T</tex>. Но <tex>\dim\operatorname{Ker}T < + \infty \Rightarrow \operatorname{Ker}~T = \mathcal{L} \{ e_1, \ldots e_n \} \Rightarrow x = x_0 + \sum\limits_{k=1}^n \alpha_k e_k, \alpha_k \in \mathbb{R}</tex>.

Рассмотрим функцию от <tex>n</tex> переменных <tex>f(\alpha_1,\ldots,\alpha_n) = \|x_0 + \sum\limits_{k=1}^n \alpha_k e_k\|</tex> Эта функция непрерывна (доказательство непрерывности аналогично таковому в теореме Рисса [[Нормированные пространства (3 курс)|здесь]]) <tex>\Rightarrow \exists \alpha^*_1, \alpha^*_2, \ldots, \alpha^*_n : f (\overline {\alpha}^*) = \inf\limits_{\alpha} f(\alpha)</tex>. {{TODO|t=а на каком компакте непрерывна?}}

<tex>y \in R(T)</tex>, среди всех решений уравнения <tex>Tx=y</tex> существует решение с минимальной нормой. Его назовём <tex>\widehat x</tex>, и далее докажем, что эти решения допускают априорную оценку через <tex>y</tex>.

Допустим, априорной оценки не существует, тогда можно построить последовательность <tex> y_n </tex> и <tex> \widehat x_n </tex> (минимальных по норме решений с правой частью <tex> x_n </tex>), таких, что <tex> \frac{\|\widehat x_n\|}{\|y_n\|} \to \infty </tex>.

В силу линейности уравнения, можно выбрать <tex> \widehat x_n </tex> с единичной нормой, тогда <tex> \|y_n\| \to 0 </tex>.

<tex> T = I - A </tex>, так как <tex> \{ \widehat x_n \} </tex> ограничено и <tex> A </tex> компактен, то из <tex> z_n = A \widehat x_n </tex> можно выделить сходящуюся подпоследовательность (далее, видимо, за <tex> z_n </tex> обозначаются члены этой подпоследовательности), <tex> z_n \to z </tex>.

Тогда получаем <tex> y_n = \widehat x_n - z_n </tex>. {{TODO|t=переписать так, чтобы было понятно, что пользуемся только подпоследовательностью.}}

Но <tex> y_n \to 0 </tex>, значит, <tex> \widehat x_n - z_n \to 0, \widehat x_n \to z_n = z, \widehat x = z = A \widehat x </tex>.

То есть, <tex> Tz = 0, z \in \operatorname{Ker} T </tex>.

<tex> T(\widehat x_n - z) = y_n </tex>, но, так как мы выбирали минимальное по норме <tex> x_n </tex>, то <tex> \|x_n - z\| \ge \|x_n\| = 1</tex>

Получили, что <tex> 0 \ge 1 </tex> — противоречие, значит, априорная оценка существует, <tex> R(T) </tex> замкнуто, и теорема доказана.
}}

Докажем теперь два утверждения.

{{Утверждение
|statement=
Пусть <tex> M_n = \operatorname{Ker} ((I - A)^n), n \in \mathbb N</tex>, <tex> A </tex> — компактный оператор.
Тогда <tex> \exists n_0: M_{n_0} = M_{n_0 + 1} </tex>.
|proof=
Идея доказательства подобных утверждений следующая: идем от противного и, пользуясь леммой Рисса, строим ограниченную последовательность точек. Применяя к ней <tex> A </tex>, получаем последовательность, из которой можно выделить сходящуюся подпоследовательность. После этого ищем противоречие с условием.

<tex> (I - A)^n = \sum\limits_{k=0}^{n} C_n^k (-1)^k A^k = I - (-\sum\limits_{k=1}^{n} C_n^k (-1)^k A^k) </tex>

Второе слагаемое является компактным оператором, обозначим его за <tex> B </tex>, <tex> (I - A)^n = I - B </tex>.

<tex> \dim \operatorname{Ker} (I - B) < +\infty </tex>, следовательно, <tex> \dim M_n < +\infty </tex>

Пусть <tex> T = I - A </tex>, <tex> x \in M_n </tex> и <tex> T^n(x) = 0 </tex>, тогда <tex> T^{n+1}(x) = T(0) = 0 </tex>, то есть, <tex> M_n \subset M_{n+1} </tex>.

Допустим, что <tex> \forall n: M_n \subset M_{n+1} </tex> (строго).
<tex> M_n </tex> — подпространство <tex> X </tex>.

Применим к паре подпространств <tex> M_n, M_{n+1} </tex> лемму Рисса:

<tex> \exists x_{n+1} \in M_{n+1}: \|x_{n+1}\| = 1, \forall x \in M_n \|x_{n+1} - x\| \ge \frac12 </tex>

Таким образом выстраиваем последовательность <tex> x_1, x_2, \ldots, x_n, \ldots, \|x_n\| = 1 </tex>.

<tex> y_n = Ax_n </tex>, из <tex> y_n </tex> можно выделить сходящуюся подпоследовательность.

<tex> y_{n+p} - y_n = Ax_{n+p} - Ax_{n} = x_{n+p} - (x_{n+p} - Ax_{n+p} + Ax_n) </tex>.

Обозначим сумму в скобках за <tex> z </tex>.

Заметим, что <tex> z = T(x_{n+p}) + Ax_n </tex>.

<tex> T^{m+p=1}(z) = T^{m+p}(x_{m+p}) + T^{m+p-1}(Ax_n) </tex>.

Здесь первое слагаемое равно нулю по определению последовательности <tex> x_n </tex>. Второе же, так как операторы <tex> T^{m+p-1} </tex> и <tex> A </tex> коммутируют, равно <tex> A(T^{m+p-1}(x_n)) = A(0) = 0 </tex>, и <tex> z \in \operatorname{Ker}(T^{m+p-1}) </tex>.

Но раз <tex> z \in M_{n+p-1} </tex>, то <tex> \|x_{n+p} - z\| \ge \frac12 </tex>, и <tex> \|y_{n+p} - y_{n}\| \ge \frac12 </tex>, чего не может быть, поскольку в этом случае мы не сможем выделить из <tex> y_n </tex> сходящуюся подпоследовательность. Поэтому наше предположение неверно, теорема доказана.

}}

{{Утверждение
|statement=
Пусть <tex> A </tex> — компактный оператор на банаховом <tex> X </tex>, <tex> T = I - A </tex>.
Тогда <tex> R(T) = X \Leftrightarrow \operatorname{Ker} T = \{0\} </tex>.
|proof=
<tex> \Longrightarrow </tex>:

Пусть существует <tex> x_1 \ne 0, x_1 \in \operatorname{Ker} T = N_1 </tex>.

Так как <tex> R(T) = X </tex>, то у уравнения <tex> Tx = x_1 </tex> существует решение, обозначим его <tex> x_2 </tex>.

<tex> T(Tx_2) = T(x_1) = 0 </tex>, то есть, <tex> x_2 \in \operatorname{Ker} T^2 = N_2 </tex>.

Заметим, что <tex> x_2 \notin N_1 </tex>, в противном случае <tex> x_1 = Tx_2 = 0 </tex>, что противоречит нашему предположению.

Значит, <tex> N_1 \subset N_2 </tex> (строго). Действуя аналогично, берем <tex> x_3 </tex> решение уравнения — <tex> Tx = x_2 </tex>, <tex> x_3 \notin N_2, x_3 \in N_3 </tex>.

Получаем бесконечную цепочку строго вложенных множеств <tex> N_k </tex>, существование которой противоречит предыдущему утверждению, значит, <tex> \operatorname{Ker} T = \{0\} </tex>.

<tex> \Longleftarrow </tex>:

Пусть <tex> \operatorname{Ker} T = \{0\} </tex>.

<tex> R(T) </tex> — замкнутое множество, <tex> T^* = I - A^* </tex>, <tex> R(T^*) = (\operatorname{Ker} T)^{\perp} = (\{0\})^{\perp} = X^* </tex>.

Тогда <tex> \operatorname{Ker} T^* = {0} </tex>, и <tex> R(T) = (\operatorname{Ker} T^*)^{\perp} = X </tex>.
}}

== Альтернатива Фредгольма-Шаудера ==

{{Теорема
|about=
альтернатива Фредгольма-Шаудера
|statement=
Пусть <tex>A:X \to X</tex> — компактный оператор и <tex>T = A - \lambda I</tex>. Тогда возможно только две ситуации:
# <tex>\operatorname{Ker} T = \{0\}</tex>, тогда <tex> y = Tx</tex> разрешимо для любого <tex>y</tex>
# <tex>\operatorname{Ker} T \ne \{0\}</tex>, тогда <tex> y = Tx</tex> разрешимо только для тех <tex>y</tex>, которые принадлежат <tex>(\operatorname{Ker} T^*)^\perp</tex>
|proof=
# <tex> \operatorname{Ker} T = \{0\} </tex>, то есть <tex> R(T) = X </tex>, тогда <tex> y = Tx </tex> действительно разрешимо для всех <tex> y </tex>
# <tex> \operatorname{Ker} T \ne \{0\} </tex>, по первой теореме этого параграфа, <tex> R(T) = \operatorname{Cl} R(T) </tex> по [[Сопряженный оператор#Теоремы о множестве значений оператора|общим теоремам о сопряженном операторе]], <tex> R(T) = (\operatorname{Ker} T^*)^\perp </tex>. Рассмотрим <tex> y = Tx </tex>, очевидно, оно разрешимо, когда <tex> y \in R(T) </tex>, то есть, <tex> y \in (\operatorname{Ker} T^*)^\perp </tex>.
}}

== Теорема о счетности спектра компактного оператора ==
Рассмотрим <tex>A - \lambda I</tex>.

# <tex>\operatorname{Ker} (A - \lambda I) \ne \{0\}</tex>, тогда оператор необратим, и <tex>\lambda</tex> — собственное число, то есть <tex>\lambda \in \sigma(A)</tex>.
# <tex>\operatorname{Ker} (A - \lambda I) = \{0\}</tex>, тогда по альтернативе, оператор непрерывно обратим, то есть <tex>\lambda \in \rho(A)</tex>.

Таким образом, спектр состоит из собственных чисел, и, возможно, нуля. Теперь изучим мощность спектра:

{{Теорема
|statement=
Спектр компактного оператора не более чем счётен и его предельной точкой может быть только 0.
|proof=
Так как спектр линейного ограниченного оператора [[Спектр линейного оператора|входит в круг радиуса <tex>\|A\|</tex>]], получаем <tex>|\lambda| \in [0, \|A\|]</tex>.

Рассмотрим <tex>\alpha > 0</tex>, проверим, что на отрезке <tex>[\alpha,\|A\|]</tex> — конечное число точек спектра. Предположим обратное, тогда выделим подпоследовательность <tex>\lambda_1 \dots \lambda_n \dots</tex> различных собственных значений (каждое из них больше <tex>\alpha</tex>). Пусть им соответствуют собственные элементы <tex>x_1 \dots x_n \dots</tex>.

Покажем, что при любом <tex>n</tex>, собственные элементы <tex>x_1 \dots x_n</tex> — линейно независимы, и что линейные оболочки <tex>L_n = \mathcal{L}(x_1 \dots x_n)</tex> и <tex>L_{n+1} = \mathcal{L}(x_1 \dots x_{n+1})</tex> строго вложены друг в друга. Доказательство по индукции: для <tex>n=1</tex> — тривиально. Пусть <tex>x_1 \dots x_n</tex> — ЛНЗ, покажем, что <tex>x_1 \dots x_{n+1}</tex> — тоже ЛНЗ. Покажем от противного: пусть <tex>x_{n+1} = \sum\limits_{i=1}^n \alpha_i x_i</tex>. Подействуем на обе части оператором <tex>A</tex>: <tex>Ax_{n+1} = \lambda_{n + 1} x_{n+1} = \sum\limits_{i=1}^n \alpha_i A x_i = \sum\limits_{i=1}^n \alpha_i \lambda_i x_i</tex>. Разделив обе части на <tex>\lambda_{n + 1}</tex> (он ненулевой), получим другое разложение <tex>x_{n+1}</tex> по векторам <tex>x_1 \dots x_n</tex>: <tex>x_{n+1} = \sum\limits_{i=1}^n \frac{\alpha_i \lambda_i}{\lambda_{n + 1}} x_i</tex>. Но так как разложение по линейно независимой системе должно быть единственно, то получаем, что <tex>\frac{\alpha_i \lambda_i}{\lambda_{n + 1}} = \alpha_i</tex>, здесь либо <tex>\alpha_i</tex> нулевое, либо <tex>\frac{\lambda_i}{\lambda_{n+1}} = 1</tex>. Так как собственный вектор <tex>x_{n+1}</tex> ненулевой, найдется такое <tex>q</tex>, что <tex>\alpha_q \ne 0</tex>, и тогда <tex>\frac{\lambda_q}{\lambda_{n+1}} = 1</tex>, то есть получили два одинаковых собственных значения, противоречие, а значит, <tex>x_1 \dots x_{n+1}</tex> — ЛНЗ и включение <tex>L_n \subset L_{n+1}</tex> — строгое.

Применим к цепи подпространств [[Гильбертовы пространства|лемму Рисса о почти перпендикуляре]]: <tex>\exists y_{n+1} \in L_{n+1},\|y_{n+1}\| = 1: \forall y_n \in L_n: \|y_{n+1} - y_n\| \ge \frac12</tex>. Проделав такое для каждого <tex>L_n</tex>, получим последовательность <tex>y_n</tex>, заметим, что она ограничена 1.

Определим <tex>z_n = A y_n</tex>. В силу компактности <tex>A</tex> из <tex>\{z_n\}</tex> можно выбрать сходящуюся последовательность точек. Проверим, что это сделать нельзя, противоречие будет связано с допущением о том, что на <tex>[\alpha,\|A\|]</tex> бесконечное количество точек.

Составим разность <tex>z_{n+p}-z_n = A y_{n+p} - A y_n = \lambda_{n+p} y_{n+p} - (\lambda_{n+p} y_{n+p} - A y_{n+p} + A y_n)</tex>. Проверим, что то, что находится в скобке, принадлежит <tex>L_{n+p-1}</tex>.

<tex>\lambda_{n+p} y_{n+p} - A y_{n+p} + A y_n \in L_{n+p-1}</tex>. <tex>L_{n+p-1} = \mathcal{L} \{x_1,\ldots,x_{n+p-1}\}</tex>. <tex>y_{n+p} \in L_{n+p}</tex>, <tex>y_{n+p} = \sum\limits_{k=1}^{n+p-1} \alpha_k x_k + \alpha_{n+p} x_{n+p}</tex>. Подействуем A: <tex>A y_{n+p} = \sum\limits_{k=1}^{n+p-1} \alpha_k A x_k + \alpha_{n+p} A x_{n+p} = \sum\limits_{k=1}^{n+p-1} \alpha_k \lambda_k x_k + \alpha_{n+p} \lambda_{n+p} x_{n+p} </tex>. Разность <tex>\lambda_{n+p} y_{n+p} - A y_{n+p} = \sum\limits_{k=1}^{n+p-1} \beta_k x_k \in L_{n+p-1}</tex>. <tex>y_n = \sum\limits_{k=1}^n \gamma_k x_k, A y_n = \sum\limits_{k=1}^n \gamma_k \lambda_k x_k \in L_{n+p-1}</tex> и, следовательно, <tex>\lambda_{n+p} y_{n+p} - A y_{n+p} + A y_n</tex> принадлежит <tex>L_{n+p-1}</tex>.

Таким образом, <tex>\lambda_{n+p} y_{n+p} - \lambda_{n+p} z = \lambda_{n+p} (y_{n+p} - z)</tex>. Получаем: <tex>\|z_{n+p} - z_n\| = |\lambda_{n+p}| \|y_{n+p} - z\|</tex>, где первый множитель не меньше <tex>\alpha</tex>, а второй — <tex>\frac 1 2</tex> (по построению <tex>y_n</tex>) , в итоге <tex>\|z_{n+p} - z_n\| \geq \frac{\alpha}{2}</tex> и, значит, из <tex>\{z_n\}</tex> не выделить сходящейся подпоследовательности. Получили противоречие, а значит, на каждом отрезке <tex>[\alpha, \|A\|]</tex> действительно конечное число собственных чисел, и спектр счетен.

Осталось проверить, что только <tex>0</tex> может быть предельной точкой. Пусть это не так, и какое-то <tex>\lambda \ne 0</tex> — предельная точка, это означает, что для любого <tex>\forall \varepsilon: 0 < \varepsilon < \frac{\lambda}{2}</tex>, во множестве <tex>[\lambda - \varepsilon, \lambda) \cup (\lambda, \lambda + \varepsilon]</tex> содержится собственное число, то есть в отрезке <tex>[\frac{\lambda}{2}, \|A\|]</tex> содержится счетно-бесконечное число точек спектра, чего быть не может, как мы уже показали выше.
}}

[[Категория: Функциональный анализ 3 курс]]

Сопряжённый оператор

2013-06-10T17:16:37Z

AVasilyev: /* Теорема 2 */

{{В разработке}}

Все рассматриваемые далее пространства считаем Банаховыми.

{{Определение
|definition=
<tex> E^* </tex> {{---}} множество линейных непрерывных функционалов над <tex> E </tex>, его называют пространством, сопряженным к <tex> E </tex>.<br>
Аналогично, <tex> E^{**} </tex> {{---}} пространство, сопряженное к <tex> E^* </tex>.
}}

== Естественное вложение ==
{{Утверждение
|statement=
Между <tex> E </tex> и <tex> E^{**} </tex> существует так называемый '''естественный изоморфизм''', сохраняющий норму точки.
|proof=
Введем <tex> F_x </tex> следующим образом: <tex>\forall x \in E : F_x (f) = f(x), f \in E^{*} </tex>.

<tex> F_x : E^{*} \to \mathbb{R} </tex> — функционал, заданный на <tex>E^{*}</tex>, то есть <tex> F_x \in E^{**} </tex>.

Тогда само <tex> F </tex> отображает <tex> E </tex> в <tex> E^{**} </tex>.

<tex> F </tex> линейно: <tex> F_{\alpha x_1 + \beta x_2} = \alpha F_{x_1} + \beta F_{x_2} </tex>.

<tex> | F_x(f) | = |f(x)| \le \| f \| \| x \| </tex>, откуда <tex> \| F_x \| \le \| x \| </tex>.

С другой стороны, по следствию из теоремы Хана-Банаха, для любого <tex> x_0 \in E </tex> существует <tex> f_0 \in E^* </tex>, такое, что выполняются два условия:
# <tex> f_0(x_0) = \| x_0 \| </tex>
# <tex> \| f_0 \| = 1 </tex>.

<tex> | F_{x_0} (f_0) | = f_0 (x_0) = \| x_0 \|, \| f_0 \| = 1 </tex>, потому получаем, что <tex> \| F_{x_0} \| \ge \| x_0 \| \implies \| F_{x_0} \| = \| x_0 \| </tex>.

Значит, получившееся преобразование <tex> x \mapsto F_x </tex> — изометрия, <tex> \| x \| = \| F_x \| </tex>, получили '''естественное вложение''' <tex> E </tex> в <tex> E^{**} </tex>.
}}

{{Определение
|definition=
<tex> E </tex> называется '''рефлексивным''', если <tex> E </tex> будет совпадать с <tex> E^{**} </tex> при таком отображении.
}}

Например, гильбертово пространство <tex> H </tex> рефлексивно (следует из теоремы Рисса об общем виде линейного функционала).

<tex> C[0, 1] </tex> не является рефлексивным.

== Сопряженный оператор ==

Пусть оператор <tex> A </tex> действует из <tex> E </tex> в <tex> F </tex>, и функционал <tex> \varphi </tex> принадлежит <tex> F^* </tex>.

Рассмотрим <tex> f(x) = \varphi (Ax), | f(x) | \le \| \varphi \| \| A \| \| x \| </tex>.

Получили новый функционал <tex> f </tex>, принадлежащий <tex> E^* </tex>. <tex> \varphi \mapsto \varphi A </tex>.

<tex> \varphi A = A^* (\varphi), A^* : F^* \to E^* </tex>. <tex> A^* </tex> {{---}} '''сопряженный оператор''' к <tex> A </tex>.

{{Теорема
|statement=
Если <tex> A </tex> {{---}} линейный ограниченный оператор, то <tex> \| A^* \| = \| A \| </tex>.
|proof=
Возьмем <tex> x \in E, \varphi \in F^* </tex>.

<tex> | A^* (\varphi, x) | = | \varphi (Ax) | \le \| A \| \| \varphi \| \| x \| </tex>.

Получили, что <tex> \| A^* (\varphi) \| \le \| A \| \| \varphi \| </tex>, откуда <tex> \| A^* \| \le \| A \| </tex>.

Для доказательства в обратную сторону используем [[Теорема Хана-Банаха#hbnorm|следствие из теоремы Хана-Банаха]]:

По определению нормы: <tex> \forall \varepsilon > 0 \, \exists x: \| x \| = 1 \implies \| A \| - \varepsilon < \| Ax \| </tex>.

<tex> Ax \in F </tex>, по следствию из теоремы Хана-Банаха подберем <tex> \varphi_0 \in F^*, \| \varphi_0 \| = 1: \varphi_0 (Ax) = \| Ax \| </tex>.

<tex> | A^*(\varphi_0, x) | = | \varphi_0(Ax) | = \| Ax \| > \| A \| - \varepsilon </tex>.

<tex> | A^*(\varphi_0, x) | \le \| A^*(\varphi_0) \| \| x \| = \| A^*(\varphi_0) \| \le \| A^* \| \| \varphi_0 \| = \| A^* \| </tex>.

Соединяя эти два неравенства, получаем, что <tex> \forall \varepsilon > 0: \| A^* \| > \| A \| - \varepsilon </tex>.

Устремляя <tex> \varepsilon </tex> к нулю, получаем, что <tex> \| A^* \| \ge \| A \| </tex>, и, окончательно, <tex> \| A^* \| = \| A \| </tex>.

}}

== Примеры сопряженных операторов ==

Возьмем любое гильбертово пространство <tex> H </tex>, <tex> A : H \to H </tex>.

<tex> \forall \varphi \in H^* </tex> по теореме Рисса об общем виде линейного функционала в <tex> H </tex> существует единственный
<tex> z : \varphi (y) = \langle y, z \rangle, \| \varphi \| = \| z \| </tex>.

Поскольку <tex> x \mapsto \varphi (Ax) </tex> также является линейным функционалом <tex> H \to H </tex>, то <tex> \varphi (Ax) = \langle Ax, z \rangle = \langle x, y \rangle </tex>, где <tex> y </tex> не зависит от <tex> x </tex>.

Имеем отображение <tex> z \mapsto y </tex>, тогда <tex> y = A^*(z) </tex>, и окончательно:

<tex> \langle Ax, z \rangle = \langle x, A^*z \rangle </tex>.

В гильбертовом пространстве <tex> H </tex> сопряженный оператор {{---}} тот оператор, который позволяет писать равенство выше.

{{Определение
|definition=
Оператор <tex> A </tex> в гильбертовом пространстве называется '''самосопряженным''', если <tex> A = A^* </tex>
}}

В случае <tex> \mathbb{R}^n </tex> (частный случай <tex> H </tex>) оператор <tex> A : \mathbb{R}^n \to \mathbb{R}^n </tex> представляет собой матрицу размером <tex> n \times n </tex>. Сопряженный к <tex> A </tex> оператор получается транспонированием соответствующей матрицы: <tex> A^* = A^T </tex>. Для симметричной матрицы <tex> A </tex> получается <tex> A^* = A^T = A </tex>, то есть, если <tex> A </tex> {{---}} симметричная матрица, то <tex> A </tex> {{---}} самосопряженный оператор.

Рассмотрим теперь пространство <tex> E = L_p [0, 1] </tex>.

Пусть <tex> K(u, v) : [0, 1] \times [0, 1] \to \mathbb{R} </tex> {{---}} непрерывная функция на <tex> [0, 1] \times [0, 1] </tex>, <tex> x \in E </tex>.

'''Интегральный оператор''' <tex> A </tex>, действующий из <tex> L_p [0, 1] </tex> в <tex> L_p [0, 1] </tex> определяется так: <tex> A(x, s) = (Ax)(s) = \int\limits_0^1 K(s, t) x(t) dt </tex>. <tex> Ax \in E </tex>.

Построим сопряженный оператор:

По теореме об общем виде линейного функционала в <tex> L_p </tex> {{TODO|t=Ее у нас в курсе не было. Спросить у Додонова, что с ней делать.}},

<tex> \forall \varphi \in E^*, x \in E: \varphi(x) = \int\limits_0^1 y(t) x(t) dt, y \in L_q </tex>, где <tex> \frac 1p + \frac 1q = 1 </tex> (<tex> p </tex> и <tex> q </tex> называются '''сопряженными показателями''').

<tex> L_p^* = L_q </tex>.

<tex> A^*(\varphi, x) = \varphi (Ax) = \int\limits_0^1 y(s) (Ax)(s) ds = \int\limits_0^1 y(s) (\int\limits_0^1 K(s, t) x(t) dt) ds = </tex> (по теореме Фубини поменяем порядок интегрирования) <tex> = \int\limits_0^1 ( \int\limits_0^1 K(s, t) y(s) ds) x(t) dt </tex>

Получили, что <tex> A^*(\varphi, x) = \int\limits_0^1 ( \int\limits_0^1 K(s, t) y(s) ds) x(t) dt </tex>. Обозначим <tex> z(t) = \int\limits_0^1 K(s, t) y(s) ds </tex>, тогда <tex> A^* (\varphi) \equiv z </tex>, аналогично <tex> \varphi \equiv y </tex>.

<tex> A^* </tex> {{---}} интегральный оператор из <tex> L_q </tex>, имеющий ядро <tex> K^*(s, t) = K(t, s) </tex>. В частности, если ядро симметрично (<tex> K(s, t) = K(t, s) </tex>) и <tex> k = 2 </tex>, то <tex> A = A^* </tex>.

== Ортогональное дополнение ==

Важное значение имеет ортогональное дополнение (в любом нормированном пространстве):

{{Определение
|definition=
Пусть <tex> E </tex> {{---}} НП, <tex> S \subset E^* </tex>.

<tex> S^{\bot} = \{ x \in E \mid \forall f \in S: f(x) = 0 \} </tex> {{---}} '''ортогональное дополнение''' <tex> S </tex>.

Аналогично, если <tex> T \subset E </tex>, то <tex> T^{\bot} = \{ f \in E^* \mid \forall x \in T: f(x) = 0 \} </tex>.
}}

{{Утверждение
|statement= <tex> \{ 0 \} = (E^*)^{\bot}, \{ 0 \} = E^{\bot} </tex>.
|proof=

Оба включения <tex> \subset </tex> очевидны по определению. В обратную сторону:

# Пусть <tex> x \in (E^*)^{\bot} </tex>, тогда <tex> \forall f \in E^*: f(x) = 0 </tex>. Предположим, что <tex> x \neq 0 </tex>, тогда по [[Теорема Хана-Банаха|следствию из теоремы Хана-Банаха]], для такого <tex>x</tex>, найдется функционал <tex>f: f(x) = \| x \| \neq 0 </tex>, получили противоречие, что <tex> x \in (E^*)^{\bot} </tex>.
# Пусть <tex> f \in E^\bot </tex>, тогда <tex> \forall x \in E: f(x) = 0</tex>. Тогда <tex>f</tex> — нулевой функционал по определению.
}}

== Теоремы о множестве значений оператора ==
=== Теорема 1 ===

{{Теорема
|statement= <tex> A \in \mathcal{L}(E,F) \implies \operatorname{Cl} R(A) = (\operatorname{Ker} A^*)^\perp </tex>.
|proof =
<tex>\Longrightarrow</tex>:

<tex>\varphi \in \operatorname{Ker}A^*</tex>, <tex>A^* \varphi = 0</tex>.

<tex>\forall x \in E: A^*(\varphi, x) = 0, A^*(\varphi, x) = \varphi(A x) \implies \varphi(A x) = 0</tex>

Пусть <tex>y \in R(A) </tex>, тогда <tex> y = Ax </tex>.

<tex> \varphi (y) = \varphi(A x) = 0 </tex>, следовательно, <tex> R(A)\subset(\operatorname{Ker}A^*)^\perp</tex>.

Теперь, пусть <tex>y \in \operatorname{Cl} R(A)</tex>, тогда <tex> y = \lim y_n, y_n \in R(A)</tex>.

<tex>\varphi(y_n) = 0, \varphi(y_n) \xrightarrow[]{n \to \infty} \varphi(y) \implies \varphi(y) = 0</tex>, и <tex>\operatorname{Cl}(R(A)) \subset (\operatorname{Ker}(A^*))^\perp</tex>

<tex>\Longleftarrow</tex>:

Надо показать, что <tex>y \in (\operatorname{Ker}A^*)^\perp \implies y \in \operatorname{Cl} R(A)</tex>. Пусть это не так: <tex> y \notin \operatorname{Cl} R(A)</tex>.

Рассмотрим <tex> F_1 = \{ z + ty \mid z \in \operatorname{Cl}(R(A)), t \in \mathbb{R} \} </tex>. <tex>F_1</tex> {{---}} линейное множество в силу линейности <tex>\operatorname{Cl}(R(A))</tex>.

Покажем, что <tex>F_1</tex> -- подпространство <tex>F</tex>.

Проверим сначала замкнутость <tex>F_1</tex>:

Пусть <tex>z_n+t_{n}y \to u = z + ty</tex>, хотим убедиться в том, что <tex>u \in \operatorname{Cl} R(F_1)</tex>.

Если <tex> |t_{n}| \le const </tex>, то выберем <tex>t_{n_k}</tex>, стремящееся к какому-то <tex>t</tex>. Из <tex>z_n+t_{n}y \to u, t_{n_k}y \to ty </tex> получаем <tex> z_n \to z \in \operatorname{Cl}(R(A))</tex>.

Если допустить, что <tex>t_{n_k} \to \infty</tex>:

<tex>z_{n_k}+t_{n_k}y \to u</tex>. <tex>z_{n_k}/t_{n_k} + y \to 0 \implies z_{n_k}/t_{n_k} \to -y \implies -y \in \operatorname{Cl}(R(A)) \implies y \in \operatorname{Cl}(R(A))</tex> {{---}} противоречие.

Таким образом, <tex>\operatorname{Cl}(F_1) = F_1</tex>.

Построим на <tex>F_1</tex> фунционал <tex>\varphi_0 : \varphi_0(z+ty) = t </tex>, <tex> \varphi_0(z) = 0</tex>. Он, очевидно, непрерывен, а по теореме Хана-Банаха с сохранением напрерывности его можно продолжить на <tex>F: \widetilde{\varphi} \in F^*</tex>, причем так, что <tex>\widetilde{\varphi}\mid _{F_1} = \varphi_0</tex>.

Рассмотрим значение <tex>\widetilde{\varphi_0}(y)</tex>:

* С одной стороны, <tex>\widetilde{\varphi_0}(y) = \varphi_0(y) = \varphi(0 + 1 y) = 1</tex>
* С другой стороны, <tex>y \in (\operatorname{Ker}A^*)^\perp</tex>, а значит, на любом функционале из ядра <tex>A^*</tex>, в том числе, и на <tex>\widetilde{\varphi_0}</tex>, должно выполняться <tex>\widetilde{\varphi_0}(y) = 0</tex>

Получили противоречие, следовательно, <tex> y \in \operatorname{Cl}(R(A))</tex>.
}}

=== Теорема 2 ===

{{Теорема
|statement= <tex> A \in \mathcal{L}(E,F),~R(A) = \operatorname{Cl} R(A) \implies R(A^*) = (\operatorname{Ker}A )^\perp </tex>.
|proof =
1) <tex>f \in R(A^*) \implies f = \varphi A , \varphi \in F^*</tex>.

Рассмотрим <tex> x \in (\operatorname{Ker}A). </tex>
<tex>f(x) = \varphi(Ax) = \varphi(0) = 0 \implies R(A^*) \subset (\operatorname{Ker}A )^\perp</tex>.

2) Докажем теперь обратное включение:

<tex>(\operatorname{Ker}A )^\perp</tex> — набор таких <tex>f</tex>, что если <tex>Ax=0</tex>, то <tex>f(x)=0</tex>.

Надо показать, что <tex>f \in R(A^*)</tex>, т.е. проверить, что <tex>f = \varphi A</tex>.

Если найдем <tex>\varphi</tex>, заданный на <tex>R(A)</tex>, то сможем продолжить его на все <tex>F</tex> по теореме Хана-Банаха.

Рассмотрим произвольное <tex>y \in R(A)</tex>, пусть <tex>y = Ax</tex> и <tex>y = Ax'</tex>.

Тогда <tex>A(x - x') = 0</tex>, то есть <tex>x - x' \in \operatorname{Ker} A</tex>, <tex>f(x - x') = 0</tex>, и <tex>f(x) = f(x')</tex>, то есть, значение функционала не зависит от того, какой конкретно <tex>x</tex> (при <tex>Ax = y</tex>) был выбран.

Тогда можно взять <tex>\varphi(y) = f(x)</tex>, где <tex>y = Ax</tex> — линейный функционал, <tex>f = \varphi A</tex>. Осталось проверить ограниченность <tex>\varphi</tex> на <tex>R(A)</tex>.

Рассмотрим <tex>E/_{\operatorname{Ker} A}</tex>, <tex>\widetilde{A} : E/_{\operatorname{Ker} A} \to F</tex>, <tex>\widetilde{A}([x]) = Ax</tex>.

<tex>\widetilde{A} : E/_{\operatorname{Ker} A} \to R(A)</tex> — биекция, <tex>R(A)</tex> — замкнуто, <tex>F</tex> — банахово, поэтому <tex>R(A)</tex> — также банахово как подпространство в <tex>F</tex>. Введем норму для <tex>[x] \in E/_{\operatorname{Ker} A}</tex> как <tex>\|[x]\| = \inf\limits_{x\in [x]} \|x\|</tex>.

Покажем, что <tex>\widetilde{A}</tex> — ограничен: <tex>\|\widetilde{A}\| = \sup\limits_{\|[x]\| = 1} \|\widetilde{A}[x]\|</tex>. Теперь перейдем от классов эквивалентности к их представителям. Так как <tex>\|[x]\| = \inf\limits_{x \in [x]} \|x\| = 1</tex>, найдется <tex>x \in [x]</tex>, такой, что <tex>\|x\| \le 2</tex> (по определению инфимума), возьмем его в качестве представителя (мы можем это сделать, так как значение <tex>Ax</tex> одно и тоже для любого <tex>x\in[x]</tex>). Тогда: <tex>\|\widetilde{A}\| = \sup\limits_{\|[x]\| = 1} \|\widetilde{A}[x]\| \le \sup\limits_{\|x\| \le 2} \|Ax\| \le \sup\limits_{\|y\| \le 1} \|A(2 y)\| \le 2 \sup\limits_{\|y\| \le 1} \|Ay\| = 2 \|A\|</tex>, так как <tex>\|A\|</tex> был ограничен, <tex>\widetilde{A}</tex> тоже окажется ограниченным.

Тогда по [[Теорема Банаха об обратном операторе#Теорема Банаха о гомеоморфизме|теореме Банаха об гомеоморфизме]] существует линейный ограниченный оператор <tex>\widetilde{A}^{-1}</tex>, <tex>\| \widetilde{A}^{-1} \| \le m \|y\| < 2m \|y\|</tex>. Замечание: строгое неравенство нам нужно для того, чтобы обеспечить существование такого <tex> x' \in A^{-1}(y) </tex>, что <tex> \| x' \| < 2m\| y \| </tex>.

<tex>\widetilde{A}^{-1}(y) = \{ x: y = Ax \}</tex>

<tex>\|\widetilde{A}^{-1}(y)\| = \inf\limits_{x\in \widetilde{A}^{-1}(y)} \|x\| < 2m \|y\| </tex>, следовательно, существует <tex> x' = A^{-1}y, \|x'\| < 2m\|y\|</tex>.

<tex> \|\varphi(y)\| = \|f(x')\| \le \|f\|\|x'\| < (2m\|f\|)\|y\| </tex>, то есть, получили ограниченность <tex> \varphi </tex>, теорема доказана.
}}

Эти две теоремы являются наиболее общей формой записи условий разрешимости операторных уравнений.

Смысл: рассмотрим уравнение <tex>Ax = y</tex>, где <tex>y</tex> — дано. Для того, чтобы понять, разрешимо ли уравнение, нужно проверить, что <tex>y \in R(A)</tex>. В общем случае, не существует способа это сделать, но можно ограничиться проверкой <tex>R(A) = \operatorname{Cl} R(A)</tex>, и тогда <tex>R(A) = (\operatorname{Ker}A^*)^\bot</tex>, сопряженный оператор можно построить, ядро поддается конструктивному описанию: <tex>y \in R(A) \iff y \perp \operatorname{Ker} A^*</tex>.

Например, <tex>A: \mathbb{R}^m \to \mathbb{R}^n</tex>, <tex>A^* = A^\top : \mathbb{R}^n \to \mathbb{R}^m</tex>. <tex>R(A) = \operatorname{Cl} R(A)</tex>, <tex>Ax = y</tex>, <tex>y</tex> — дано. Надо смотреть <tex>y \perp \operatorname{Ker} A^*</tex>, то есть <tex>A^\top y = 0</tex>.

В следующих параграфах мы введем класс бесконечномерных операторов, для которых <tex>R(A)</tex> — замкнуто, в частности, в этот класс входят интегральные операторы.

[[Категория: Функциональный анализ 3 курс]]

Сопряжённый оператор

2013-06-10T16:35:51Z

AVasilyev: /* Теорема 2 */

{{В разработке}}

Все рассматриваемые далее пространства считаем Банаховыми.

{{Определение
|definition=
<tex> E^* </tex> {{---}} множество линейных непрерывных функционалов над <tex> E </tex>, его называют пространством, сопряженным к <tex> E </tex>.<br>
Аналогично, <tex> E^{**} </tex> {{---}} пространство, сопряженное к <tex> E^* </tex>.
}}

== Естественное вложение ==
{{Утверждение
|statement=
Между <tex> E </tex> и <tex> E^{**} </tex> существует так называемый '''естественный изоморфизм''', сохраняющий норму точки.
|proof=
Введем <tex> F_x </tex> следующим образом: <tex>\forall x \in E : F_x (f) = f(x), f \in E^{*} </tex>.

<tex> F_x : E^{*} \to \mathbb{R} </tex> — функционал, заданный на <tex>E^{*}</tex>, то есть <tex> F_x \in E^{**} </tex>.

Тогда само <tex> F </tex> отображает <tex> E </tex> в <tex> E^{**} </tex>.

<tex> F </tex> линейно: <tex> F_{\alpha x_1 + \beta x_2} = \alpha F_{x_1} + \beta F_{x_2} </tex>.

<tex> | F_x(f) | = |f(x)| \le \| f \| \| x \| </tex>, откуда <tex> \| F_x \| \le \| x \| </tex>.

С другой стороны, по следствию из теоремы Хана-Банаха, для любого <tex> x_0 \in E </tex> существует <tex> f_0 \in E^* </tex>, такое, что выполняются два условия:
# <tex> f_0(x_0) = \| x_0 \| </tex>
# <tex> \| f_0 \| = 1 </tex>.

<tex> | F_{x_0} (f_0) | = f_0 (x_0) = \| x_0 \|, \| f_0 \| = 1 </tex>, потому получаем, что <tex> \| F_{x_0} \| \ge \| x_0 \| \implies \| F_{x_0} \| = \| x_0 \| </tex>.

Значит, получившееся преобразование <tex> x \mapsto F_x </tex> — изометрия, <tex> \| x \| = \| F_x \| </tex>, получили '''естественное вложение''' <tex> E </tex> в <tex> E^{**} </tex>.
}}

{{Определение
|definition=
<tex> E </tex> называется '''рефлексивным''', если <tex> E </tex> будет совпадать с <tex> E^{**} </tex> при таком отображении.
}}

Например, гильбертово пространство <tex> H </tex> рефлексивно (следует из теоремы Рисса об общем виде линейного функционала).

<tex> C[0, 1] </tex> не является рефлексивным.

== Сопряженный оператор ==

Пусть оператор <tex> A </tex> действует из <tex> E </tex> в <tex> F </tex>, и функционал <tex> \varphi </tex> принадлежит <tex> F^* </tex>.

Рассмотрим <tex> f(x) = \varphi (Ax), | f(x) | \le \| \varphi \| \| A \| \| x \| </tex>.

Получили новый функционал <tex> f </tex>, принадлежащий <tex> E^* </tex>. <tex> \varphi \mapsto \varphi A </tex>.

<tex> \varphi A = A^* (\varphi), A^* : F^* \to E^* </tex>. <tex> A^* </tex> {{---}} '''сопряженный оператор''' к <tex> A </tex>.

{{Теорема
|statement=
Если <tex> A </tex> {{---}} линейный ограниченный оператор, то <tex> \| A^* \| = \| A \| </tex>.
|proof=
Возьмем <tex> x \in E, \varphi \in F^* </tex>.

<tex> | A^* (\varphi, x) | = | \varphi (Ax) | \le \| A \| \| \varphi \| \| x \| </tex>.

Получили, что <tex> \| A^* (\varphi) \| \le \| A \| \| \varphi \| </tex>, откуда <tex> \| A^* \| \le \| A \| </tex>.

Для доказательства в обратную сторону используем [[Теорема Хана-Банаха#hbnorm|следствие из теоремы Хана-Банаха]]:

По определению нормы: <tex> \forall \varepsilon > 0 \, \exists x: \| x \| = 1 \implies \| A \| - \varepsilon < \| Ax \| </tex>.

<tex> Ax \in F </tex>, по следствию из теоремы Хана-Банаха подберем <tex> \varphi_0 \in F^*, \| \varphi_0 \| = 1: \varphi_0 (Ax) = \| Ax \| </tex>.

<tex> \| A^*(\varphi_0, x) \| = | \varphi_0(Ax) | = \| Ax \| > \| A \| - \varepsilon </tex>.

<tex> \| A^*(\varphi_0, x) \| \le \| A^*(\varphi_0) \| \| x \| = \| A^*(\varphi_0) \| \le \| A^* \| \| \varphi_0 \| = \| A^* \| </tex>.

Соединяя эти два неравенства, получаем, что <tex> \forall \varepsilon > 0: \| A^* \| > \| A \| - \varepsilon </tex>.

Устремляя <tex> \varepsilon </tex> к нулю, получаем, что <tex> \| A^* \| \ge \| A \| </tex>, и, окончательно, <tex> \| A^* \| = \| A \| </tex>.

}}

== Примеры сопряженных операторов ==

Возьмем любое гильбертово пространство <tex> H </tex>, <tex> A : H \to H </tex>.

<tex> \forall \varphi \in H^* </tex> по теореме Рисса об общем виде линейного функционала в <tex> H </tex> существует единственный
<tex> z : \varphi (y) = \langle y, z \rangle, \| \varphi \| = \| z \| </tex>.

Поскольку <tex> x \mapsto \varphi (Ax) </tex> также является линейным функционалом <tex> H \to H </tex>, то <tex> \varphi (Ax) = \langle Ax, z \rangle = \langle x, y \rangle </tex>, где <tex> y </tex> не зависит от <tex> x </tex>.

Имеем отображение <tex> z \mapsto y </tex>, тогда <tex> y = A^*(z) </tex>, и окончательно:

<tex> \langle Ax, z \rangle = \langle x, A^*z \rangle </tex>.

В гильбертовом пространстве <tex> H </tex> сопряженный оператор {{---}} тот оператор, который позволяет писать равенство выше.

{{Определение
|definition=
Оператор <tex> A </tex> в гильбертовом пространстве называется '''самосопряженным''', если <tex> A = A^* </tex>
}}

В случае <tex> \mathbb{R}^n </tex> (частный случай <tex> H </tex>) оператор <tex> A : \mathbb{R}^n \to \mathbb{R}^n </tex> представляет собой матрицу размером <tex> n \times n </tex>. Сопряженный к <tex> A </tex> оператор получается транспонированием соответствующей матрицы: <tex> A^* = A^T </tex>. Для симметричной матрицы <tex> A </tex> получается <tex> A^* = A^T = A </tex>, то есть, если <tex> A </tex> {{---}} симметричная матрица, то <tex> A </tex> {{---}} самосопряженный оператор.

Рассмотрим теперь пространство <tex> E = L_p [0, 1] </tex>.

Пусть <tex> K(u, v) : [0, 1] \times [0, 1] \to \mathbb{R} </tex> {{---}} непрерывная функция на <tex> [0, 1] \times [0, 1] </tex>, <tex> x \in E </tex>.

'''Интегральный оператор''' <tex> A </tex>, действующий из <tex> L_p [0, 1] </tex> в <tex> L_p [0, 1] </tex> определяется так: <tex> A(x, s) = (Ax)(s) = \int\limits_0^1 K(s, t) x(t) dt </tex>. <tex> Ax \in E </tex>.

Построим сопряженный оператор:

По теореме об общем виде линейного функционала в <tex> L_p </tex> {{TODO|t=Ее у нас в курсе не было. Спросить у Додонова, что с ней делать.}},

<tex> \forall \varphi \in E^*, x \in E: \varphi(x) = \int\limits_0^1 y(t) x(t) dt, y \in L_q </tex>, где <tex> \frac 1p + \frac 1q = 1 </tex> (<tex> p </tex> и <tex> q </tex> называются '''сопряженными показателями''').

<tex> L_p^* = L_q </tex>.

<tex> A^*(\varphi, x) = \varphi (Ax) = \int\limits_0^1 y(s) (Ax)(s) ds = \int\limits_0^1 y(s) (\int\limits_0^1 K(s, t) x(t) dt) ds = </tex> (по теореме Фубини поменяем порядок интегрирования) <tex> = \int\limits_0^1 ( \int\limits_0^1 K(s, t) y(s) ds) x(t) dt </tex>

Получили, что <tex> A^*(\varphi, x) = \int\limits_0^1 ( \int\limits_0^1 K(s, t) y(s) ds) x(t) dt </tex>. Обозначим <tex> z(t) = \int\limits_0^1 K(s, t) y(s) ds </tex>, тогда <tex> A^* (\varphi) \equiv z </tex>, аналогично <tex> \varphi \equiv y </tex>.

<tex> A^* </tex> {{---}} интегральный оператор из <tex> L_q </tex>, имеющий ядро <tex> K^*(s, t) = K(t, s) </tex>. В частности, если ядро симметрично (<tex> K(s, t) = K(t, s) </tex>) и <tex> k = 2 </tex>, то <tex> A = A^* </tex>.

== Ортогональное дополнение ==

Важное значение имеет ортогональное дополнение (в любом нормированном пространстве):

{{Определение
|definition=
Пусть <tex> E </tex> {{---}} НП, <tex> S \subset E^* </tex>.

<tex> S^{\bot} = \{ x \in E \mid \forall f \in S: f(x) = 0 \} </tex> {{---}} '''ортогональное дополнение''' <tex> S </tex>.

Аналогично, если <tex> T \subset E </tex>, то <tex> T^{\bot} = \{ f \in E^* \mid \forall x \in T: f(x) = 0 \} </tex>.
}}

{{Утверждение
|statement= <tex> \{ 0 \} = (E^*)^{\bot}, \{ 0 \} = E^{\bot} </tex>.
|proof=

Оба включения <tex> \subset </tex> очевидны по определению. В обратную сторону:

# Пусть <tex> x \in (E^*)^{\bot} </tex>, тогда <tex> \forall f \in E^*: f(x) = 0 </tex>. Предположим, что <tex> x \neq 0 </tex>, тогда по [[Теорема Хана-Банаха|следствию из теоремы Хана-Банаха]], для такого <tex>x</tex>, найдется функционал <tex>f: f(x) = \| x \| \neq 0 </tex>, получили противоречие, что <tex> x \in (E^*)^{\bot} </tex>.
# Пусть <tex> f \in E^\bot </tex>, тогда <tex> \forall x \in E: f(x) = 0</tex>. Тогда <tex>f</tex> — нулевой функционал по определению.
}}

== Теоремы о множестве значений оператора ==
=== Теорема 1 ===

{{Теорема
|statement= <tex> A \in \mathcal{L}(E,F) \implies \operatorname{Cl} R(A) = (\operatorname{Ker} A^*)^\perp </tex>.
|proof =
<tex>\Longrightarrow</tex>:

<tex>\varphi \in \operatorname{Ker}A^*</tex>, <tex>A^* \varphi = 0</tex>.

<tex>\forall x \in E: A^*(\varphi, x) = 0, A^*(\varphi, x) = \varphi(A x) \implies \varphi(A x) = 0</tex>

Пусть <tex>y \in R(A) </tex>, тогда <tex> y = Ax </tex>.

<tex> \varphi (y) = \varphi(A x) = 0 </tex>, следовательно, <tex> R(A)\subset(\operatorname{Ker}A^*)^\perp</tex>.

Теперь, пусть <tex>y \in \operatorname{Cl} R(A)</tex>, тогда <tex> y = \lim y_n, y_n \in R(A)</tex>.

<tex>\varphi(y_n) = 0, \varphi(y_n) \xrightarrow[]{n \to \infty} \varphi(y) \implies \varphi(y) = 0</tex>, и <tex>\operatorname{Cl}(R(A)) \subset (\operatorname{Ker}(A^*))^\perp</tex>

<tex>\Longleftarrow</tex>:

Надо показать, что <tex>y \in (\operatorname{Ker}A^*)^\perp \implies y \in \operatorname{Cl} R(A)</tex>. Пусть это не так: <tex> y \notin \operatorname{Cl} R(A)</tex>.

Рассмотрим <tex> F_1 = \{ z + ty \mid z \in \operatorname{Cl}(R(A)), t \in \mathbb{R} \} </tex>. <tex>F_1</tex> {{---}} линейное множество в силу линейности <tex>\operatorname{Cl}(R(A))</tex>.

Покажем, что <tex>F_1</tex> -- подпространство <tex>F</tex>.

Проверим сначала замкнутость <tex>F_1</tex>:

Пусть <tex>z_n+t_{n}y \to u = z + ty</tex>, хотим убедиться в том, что <tex>u \in \operatorname{Cl} R(F_1)</tex>.

Если <tex> |t_{n}| \le const </tex>, то выберем <tex>t_{n_k}</tex>, стремящееся к какому-то <tex>t</tex>. Из <tex>z_n+t_{n}y \to u, t_{n_k}y \to ty </tex> получаем <tex> z_n \to z \in \operatorname{Cl}(R(A))</tex>.

Если допустить, что <tex>t_{n_k} \to \infty</tex>:

<tex>z_{n_k}+t_{n_k}y \to u</tex>. <tex>z_{n_k}/t_{n_k} + y \to 0 \implies z_{n_k}/t_{n_k} \to -y \implies -y \in \operatorname{Cl}(R(A)) \implies y \in \operatorname{Cl}(R(A))</tex> {{---}} противоречие.

Таким образом, <tex>\operatorname{Cl}(F_1) = F_1</tex>.

Построим на <tex>F_1</tex> фунционал <tex>\varphi_0 : \varphi_0(z+ty) = t </tex>, <tex> \varphi_0(z) = 0</tex>. Он, очевидно, непрерывен, а по теореме Хана-Банаха с сохранением напрерывности его можно продолжить на <tex>F: \widetilde{\varphi} \in F^*</tex>, причем так, что <tex>\widetilde{\varphi}\mid _{F_1} = \varphi_0</tex>.

Рассмотрим значение <tex>\widetilde{\varphi_0}(y)</tex>:

* С одной стороны, <tex>\widetilde{\varphi_0}(y) = \varphi_0(y) = \varphi(0 + 1 y) = 1</tex>
* С другой стороны, <tex>y \in (\operatorname{Ker}A^*)^\perp</tex>, а значит, на любом функционале из ядра <tex>A^*</tex>, в том числе, и на <tex>\widetilde{\varphi_0}</tex>, должно выполняться <tex>\widetilde{\varphi_0}(y) = 0</tex>

Получили противоречие, следовательно, <tex> y \in \operatorname{Cl}(R(A))</tex>.
}}

=== Теорема 2 ===

{{Теорема
|statement= <tex> A \in \mathcal{L}(E,F),~R(A) = \operatorname{Cl} R(A) \implies R(A^*) = (\operatorname{Ker}A )^\perp </tex>.
|proof =
1) <tex>f \in R(A^*) \implies f = \varphi A , \varphi \in F^*</tex>.

Рассмотрим <tex> x \in (\operatorname{Ker}A). </tex>
<tex>f(x) = \varphi(Ax) = \varphi(0) = 0 \implies R(A^*) \subset (\operatorname{Ker}A )^\perp</tex>.

2) Докажем теперь обратное включение:

<tex>(\operatorname{Ker}A )^\perp</tex> — набор таких <tex>f</tex>, что если <tex>Ax=0</tex>, то <tex>f(x)=0</tex>.

Надо показать, что <tex>f \in R(A^*)</tex>, т.е. проверить, что <tex>f = \varphi A</tex>.

Если найдем <tex>\varphi</tex>, заданный на <tex>R(A)</tex>, то сможем продолжить его на все <tex>F</tex> по теореме Хана-Банаха.

Рассмотрим произвольное <tex>y \in R(A)</tex>, пусть <tex>y = Ax</tex> и <tex>y = Ax'</tex>.

Тогда <tex>A(x - x') = 0</tex>, то есть <tex>x - x' \in \operatorname{Ker} A</tex>, <tex>f(x - x') = 0</tex>, и <tex>f(x) = f(x')</tex>, то есть, значение функционала не зависит от того, какой конкретно <tex>x</tex> (при <tex>Ax = y</tex>) был выбран.

Тогда можно взять <tex>\varphi(y) = f(x)</tex>, где <tex>y = Ax</tex> — линейный функционал, <tex>f = \varphi A</tex>. Осталось проверить ограниченность <tex>\varphi</tex> на <tex>R(A)</tex>.

Рассмотрим <tex>E/_{\operatorname{Ker} A}</tex>, <tex>\widetilde{A} : E/_{\operatorname{Ker} A} \to F</tex>, <tex>\widetilde{A}([x]) = Ax</tex>.

<tex>\widetilde{A} : E/_{\operatorname{Ker} A} \to R(A)</tex> — биекция, <tex>R(A)</tex> — замкнуто, <tex>F</tex> — банахово, поэтому <tex>R(A)</tex> — также банахово как подпространство в <tex>F</tex>.

Тогда по теореме Банаха об обратном операторе существует линейный ограниченный оператор <tex>\widetilde{A}^{-1}</tex>, <tex>\| \widetilde{A}^{-1} \| \le m \|y\| < 2m \|y\|</tex>. Замечание: строгое неравенство нам нужно для того, чтобы обеспечить существование такого <tex> x' \in A^{-1}(y) </tex>, что <tex> \| x' \| < 2m\| y \| </tex>.

Если <tex>\xi \in E/_{\operatorname{Ker} A}, \xi = [x]</tex>, то <tex>\|\xi\| = \inf\limits_{x\in \xi} \|x\|</tex>.

<tex>\widetilde{A}^{-1}(y) = \{ x: y = Ax \}</tex>

<tex>\|\widetilde{A}^{-1}(y)\| = \inf\limits_{x\in \widetilde{A}^{-1}(y)} \|x\| < 2m \|y\| </tex>, следовательно, существует <tex> x' = A^{-1}y, \|x'\| < 2m\|y\|</tex>.

<tex> \|\varphi(y)\| = \|f(x')\| \le \|f\|\|x'\| < (2m\|f\|)\|y\| </tex>, то есть, получили ограниченность <tex> \varphi </tex>, теорема доказана.
}}

Эти две теоремы являются наиболее общей формой записи условий разрешимости операторных уравнений.

Смысл: рассмотрим уравнение <tex>Ax = y</tex>, где <tex>y</tex> — дано. Для того, чтобы понять, разрешимо ли уравнение, нужно проверить, что <tex>y \in R(A)</tex>. В общем случае, не существует способа это сделать, но можно ограничиться проверкой <tex>R(A) = \operatorname{Cl} R(A)</tex>, и тогда <tex>R(A) = (\operatorname{Ker}A^*)^\bot</tex>, сопряженный оператор можно построить, ядро поддается конструктивному описанию: <tex>y \in R(A) \iff y \perp \operatorname{Ker} A^*</tex>.

Например, <tex>A: \mathbb{R}^m \to \mathbb{R}^n</tex>, <tex>A^* = A^\top : \mathbb{R}^n \to \mathbb{R}^m</tex>. <tex>R(A) = \operatorname{Cl} R(A)</tex>, <tex>Ax = y</tex>, <tex>y</tex> — дано. Надо смотреть <tex>y \perp \operatorname{Ker} A^*</tex>, то есть <tex>A^\top y = 0</tex>.

В следующих параграфах мы введем класс бесконечномерных операторов, для которых <tex>R(A)</tex> — замкнуто, в частности, в этот класс входят интегральные операторы.

[[Категория: Функциональный анализ 3 курс]]

Сопряжённый оператор

2013-06-10T15:40:11Z

AVasilyev: /* Теорема 1 */

{{В разработке}}

Все рассматриваемые далее пространства считаем Банаховыми.

{{Определение
|definition=
<tex> E^* </tex> {{---}} множество линейных непрерывных функционалов над <tex> E </tex>, его называют пространством, сопряженным к <tex> E </tex>.<br>
Аналогично, <tex> E^{**} </tex> {{---}} пространство, сопряженное к <tex> E^* </tex>.
}}

== Естественное вложение ==
{{Утверждение
|statement=
Между <tex> E </tex> и <tex> E^{**} </tex> существует так называемый '''естественный изоморфизм''', сохраняющий норму точки.
|proof=
Введем <tex> F_x </tex> следующим образом: <tex>\forall x \in E : F_x (f) = f(x), f \in E^{*} </tex>.

<tex> F_x : E^{*} \to \mathbb{R} </tex> — функционал, заданный на <tex>E^{*}</tex>, то есть <tex> F_x \in E^{**} </tex>.

Тогда само <tex> F </tex> отображает <tex> E </tex> в <tex> E^{**} </tex>.

<tex> F </tex> линейно: <tex> F_{\alpha x_1 + \beta x_2} = \alpha F_{x_1} + \beta F_{x_2} </tex>.

<tex> | F_x(f) | = |f(x)| \le \| f \| \| x \| </tex>, откуда <tex> \| F_x \| \le \| x \| </tex>.

С другой стороны, по следствию из теоремы Хана-Банаха, для любого <tex> x_0 \in E </tex> существует <tex> f_0 \in E^* </tex>, такое, что выполняются два условия:
# <tex> f_0(x_0) = \| x_0 \| </tex>
# <tex> \| f_0 \| = 1 </tex>.

<tex> | F_{x_0} (f_0) | = f_0 (x_0) = \| x_0 \|, \| f_0 \| = 1 </tex>, потому получаем, что <tex> \| F_{x_0} \| \ge \| x_0 \| \implies \| F_{x_0} \| = \| x_0 \| </tex>.

Значит, получившееся преобразование <tex> x \mapsto F_x </tex> — изометрия, <tex> \| x \| = \| F_x \| </tex>, получили '''естественное вложение''' <tex> E </tex> в <tex> E^{**} </tex>.
}}

{{Определение
|definition=
<tex> E </tex> называется '''рефлексивным''', если <tex> E </tex> будет совпадать с <tex> E^{**} </tex> при таком отображении.
}}

Например, гильбертово пространство <tex> H </tex> рефлексивно (следует из теоремы Рисса об общем виде линейного функционала).

<tex> C[0, 1] </tex> не является рефлексивным.

== Сопряженный оператор ==

Пусть оператор <tex> A </tex> действует из <tex> E </tex> в <tex> F </tex>, и функционал <tex> \varphi </tex> принадлежит <tex> F^* </tex>.

Рассмотрим <tex> f(x) = \varphi (Ax), | f(x) | \le \| \varphi \| \| A \| \| x \| </tex>.

Получили новый функционал <tex> f </tex>, принадлежащий <tex> E^* </tex>. <tex> \varphi \mapsto \varphi A </tex>.

<tex> \varphi A = A^* (\varphi), A^* : F^* \to E^* </tex>. <tex> A^* </tex> {{---}} '''сопряженный оператор''' к <tex> A </tex>.

{{Теорема
|statement=
Если <tex> A </tex> {{---}} линейный ограниченный оператор, то <tex> \| A^* \| = \| A \| </tex>.
|proof=
Возьмем <tex> x \in E, \varphi \in F^* </tex>.

<tex> | A^* (\varphi, x) | = | \varphi (Ax) | \le \| A \| \| \varphi \| \| x \| </tex>.

Получили, что <tex> \| A^* (\varphi) \| \le \| A \| \| \varphi \| </tex>, откуда <tex> \| A^* \| \le \| A \| </tex>.

Для доказательства в обратную сторону используем [[Теорема Хана-Банаха#hbnorm|следствие из теоремы Хана-Банаха]]:

По определению нормы: <tex> \forall \varepsilon > 0 \, \exists x: \| x \| = 1 \implies \| A \| - \varepsilon < \| Ax \| </tex>.

<tex> Ax \in F </tex>, по следствию из теоремы Хана-Банаха подберем <tex> \varphi_0 \in F^*, \| \varphi_0 \| = 1: \varphi_0 (Ax) = \| Ax \| </tex>.

<tex> \| A^*(\varphi_0, x) \| = | \varphi_0(Ax) | = \| Ax \| > \| A \| - \varepsilon </tex>.

<tex> \| A^*(\varphi_0, x) \| \le \| A^*(\varphi_0) \| \| x \| = \| A^*(\varphi_0) \| \le \| A^* \| \| \varphi_0 \| = \| A^* \| </tex>.

Соединяя эти два неравенства, получаем, что <tex> \forall \varepsilon > 0: \| A^* \| > \| A \| - \varepsilon </tex>.

Устремляя <tex> \varepsilon </tex> к нулю, получаем, что <tex> \| A^* \| \ge \| A \| </tex>, и, окончательно, <tex> \| A^* \| = \| A \| </tex>.

}}

== Примеры сопряженных операторов ==

Возьмем любое гильбертово пространство <tex> H </tex>, <tex> A : H \to H </tex>.

<tex> \forall \varphi \in H^* </tex> по теореме Рисса об общем виде линейного функционала в <tex> H </tex> существует единственный
<tex> z : \varphi (y) = \langle y, z \rangle, \| \varphi \| = \| z \| </tex>.

Поскольку <tex> x \mapsto \varphi (Ax) </tex> также является линейным функционалом <tex> H \to H </tex>, то <tex> \varphi (Ax) = \langle Ax, z \rangle = \langle x, y \rangle </tex>, где <tex> y </tex> не зависит от <tex> x </tex>.

Имеем отображение <tex> z \mapsto y </tex>, тогда <tex> y = A^*(z) </tex>, и окончательно:

<tex> \langle Ax, z \rangle = \langle x, A^*z \rangle </tex>.

В гильбертовом пространстве <tex> H </tex> сопряженный оператор {{---}} тот оператор, который позволяет писать равенство выше.

{{Определение
|definition=
Оператор <tex> A </tex> в гильбертовом пространстве называется '''самосопряженным''', если <tex> A = A^* </tex>
}}

В случае <tex> \mathbb{R}^n </tex> (частный случай <tex> H </tex>) оператор <tex> A : \mathbb{R}^n \to \mathbb{R}^n </tex> представляет собой матрицу размером <tex> n \times n </tex>. Сопряженный к <tex> A </tex> оператор получается транспонированием соответствующей матрицы: <tex> A^* = A^T </tex>. Для симметричной матрицы <tex> A </tex> получается <tex> A^* = A^T = A </tex>, то есть, если <tex> A </tex> {{---}} симметричная матрица, то <tex> A </tex> {{---}} самосопряженный оператор.

Рассмотрим теперь пространство <tex> E = L_p [0, 1] </tex>.

Пусть <tex> K(u, v) : [0, 1] \times [0, 1] \to \mathbb{R} </tex> {{---}} непрерывная функция на <tex> [0, 1] \times [0, 1] </tex>, <tex> x \in E </tex>.

'''Интегральный оператор''' <tex> A </tex>, действующий из <tex> L_p [0, 1] </tex> в <tex> L_p [0, 1] </tex> определяется так: <tex> A(x, s) = (Ax)(s) = \int\limits_0^1 K(s, t) x(t) dt </tex>. <tex> Ax \in E </tex>.

Построим сопряженный оператор:

По теореме об общем виде линейного функционала в <tex> L_p </tex> {{TODO|t=Ее у нас в курсе не было. Спросить у Додонова, что с ней делать.}},

<tex> \forall \varphi \in E^*, x \in E: \varphi(x) = \int\limits_0^1 y(t) x(t) dt, y \in L_q </tex>, где <tex> \frac 1p + \frac 1q = 1 </tex> (<tex> p </tex> и <tex> q </tex> называются '''сопряженными показателями''').

<tex> L_p^* = L_q </tex>.

<tex> A^*(\varphi, x) = \varphi (Ax) = \int\limits_0^1 y(s) (Ax)(s) ds = \int\limits_0^1 y(s) (\int\limits_0^1 K(s, t) x(t) dt) ds = </tex> (по теореме Фубини поменяем порядок интегрирования) <tex> = \int\limits_0^1 ( \int\limits_0^1 K(s, t) y(s) ds) x(t) dt </tex>

Получили, что <tex> A^*(\varphi, x) = \int\limits_0^1 ( \int\limits_0^1 K(s, t) y(s) ds) x(t) dt </tex>. Обозначим <tex> z(t) = \int\limits_0^1 K(s, t) y(s) ds </tex>, тогда <tex> A^* (\varphi) \equiv z </tex>, аналогично <tex> \varphi \equiv y </tex>.

<tex> A^* </tex> {{---}} интегральный оператор из <tex> L_q </tex>, имеющий ядро <tex> K^*(s, t) = K(t, s) </tex>. В частности, если ядро симметрично (<tex> K(s, t) = K(t, s) </tex>) и <tex> k = 2 </tex>, то <tex> A = A^* </tex>.

== Ортогональное дополнение ==

Важное значение имеет ортогональное дополнение (в любом нормированном пространстве):

{{Определение
|definition=
Пусть <tex> E </tex> {{---}} НП, <tex> S \subset E^* </tex>.

<tex> S^{\bot} = \{ x \in E \mid \forall f \in S: f(x) = 0 \} </tex> {{---}} '''ортогональное дополнение''' <tex> S </tex>.

Аналогично, если <tex> T \subset E </tex>, то <tex> T^{\bot} = \{ f \in E^* \mid \forall x \in T: f(x) = 0 \} </tex>.
}}

{{Утверждение
|statement= <tex> \{ 0 \} = (E^*)^{\bot}, \{ 0 \} = E^{\bot} </tex>.
|proof=

Оба включения <tex> \subset </tex> очевидны по определению. В обратную сторону:

# Пусть <tex> x \in (E^*)^{\bot} </tex>, тогда <tex> \forall f \in E^*: f(x) = 0 </tex>. Предположим, что <tex> x \neq 0 </tex>, тогда по [[Теорема Хана-Банаха|следствию из теоремы Хана-Банаха]], для такого <tex>x</tex>, найдется функционал <tex>f: f(x) = \| x \| \neq 0 </tex>, получили противоречие, что <tex> x \in (E^*)^{\bot} </tex>.
# Пусть <tex> f \in E^\bot </tex>, тогда <tex> \forall x \in E: f(x) = 0</tex>. Тогда <tex>f</tex> — нулевой функционал по определению.
}}

== Теоремы о множестве значений оператора ==
=== Теорема 1 ===

{{Теорема
|statement= <tex> A \in \mathcal{L}(E,F) \implies \operatorname{Cl} R(A) = (\operatorname{Ker} A^*)^\perp </tex>.
|proof =
<tex>\Longrightarrow</tex>:

<tex>\varphi \in \operatorname{Ker}A^*</tex>, <tex>A^* \varphi = 0</tex>.

<tex>\forall x \in E: A^*(\varphi, x) = 0, A^*(\varphi, x) = \varphi(A x) \implies \varphi(A x) = 0</tex>

Пусть <tex>y \in R(A) </tex>, тогда <tex> y = Ax </tex>.

<tex> \varphi (y) = \varphi(A x) = 0 </tex>, следовательно, <tex> R(A)\subset(\operatorname{Ker}A^*)^\perp</tex>.

Теперь, пусть <tex>y \in \operatorname{Cl} R(A)</tex>, тогда <tex> y = \lim y_n, y_n \in R(A)</tex>.

<tex>\varphi(y_n) = 0, \varphi(y_n) \xrightarrow[]{n \to \infty} \varphi(y) \implies \varphi(y) = 0</tex>, и <tex>\operatorname{Cl}(R(A)) \subset (\operatorname{Ker}(A^*))^\perp</tex>

<tex>\Longleftarrow</tex>:

Надо показать, что <tex>y \in (\operatorname{Ker}A^*)^\perp \implies y \in \operatorname{Cl} R(A)</tex>. Пусть это не так: <tex> y \notin \operatorname{Cl} R(A)</tex>.

Рассмотрим <tex> F_1 = \{ z + ty \mid z \in \operatorname{Cl}(R(A)), t \in \mathbb{R} \} </tex>. <tex>F_1</tex> {{---}} линейное множество в силу линейности <tex>\operatorname{Cl}(R(A))</tex>.

Покажем, что <tex>F_1</tex> -- подпространство <tex>F</tex>.

Проверим сначала замкнутость <tex>F_1</tex>:

Пусть <tex>z_n+t_{n}y \to u = z + ty</tex>, хотим убедиться в том, что <tex>u \in \operatorname{Cl} R(F_1)</tex>.

Если <tex> |t_{n}| \le const </tex>, то выберем <tex>t_{n_k}</tex>, стремящееся к какому-то <tex>t</tex>. Из <tex>z_n+t_{n}y \to u, t_{n_k}y \to ty </tex> получаем <tex> z_n \to z \in \operatorname{Cl}(R(A))</tex>.

Если допустить, что <tex>t_{n_k} \to \infty</tex>:

<tex>z_{n_k}+t_{n_k}y \to u</tex>. <tex>z_{n_k}/t_{n_k} + y \to 0 \implies z_{n_k}/t_{n_k} \to -y \implies -y \in \operatorname{Cl}(R(A)) \implies y \in \operatorname{Cl}(R(A))</tex> {{---}} противоречие.

Таким образом, <tex>\operatorname{Cl}(F_1) = F_1</tex>.

Построим на <tex>F_1</tex> фунционал <tex>\varphi_0 : \varphi_0(z+ty) = t </tex>, <tex> \varphi_0(z) = 0</tex>. Он, очевидно, непрерывен, а по теореме Хана-Банаха с сохранением напрерывности его можно продолжить на <tex>F: \widetilde{\varphi} \in F^*</tex>, причем так, что <tex>\widetilde{\varphi}\mid _{F_1} = \varphi_0</tex>.

Рассмотрим значение <tex>\widetilde{\varphi_0}(y)</tex>:

* С одной стороны, <tex>\widetilde{\varphi_0}(y) = \varphi_0(y) = \varphi(0 + 1 y) = 1</tex>
* С другой стороны, <tex>y \in (\operatorname{Ker}A^*)^\perp</tex>, а значит, на любом функционале из ядра <tex>A^*</tex>, в том числе, и на <tex>\widetilde{\varphi_0}</tex>, должно выполняться <tex>\widetilde{\varphi_0}(y) = 0</tex>

Получили противоречие, следовательно, <tex> y \in \operatorname{Cl}(R(A))</tex>.
}}

=== Теорема 2 ===

{{Теорема
|statement= <tex> A \in \mathcal{L}(E,F),~R(A) = \operatorname{Cl} R(A) \implies R(A^*) = (\operatorname{Ker}A )^\perp </tex>.
|proof =
1) <tex>f \in R(A^*) \implies f = \varphi A , \varphi \in F^*</tex>.

Рассмотрим <tex> x \in (\operatorname{Ker}A). </tex>
<tex>f(x) = \varphi(Ax) = \varphi(0) = 0 \implies R(A^*) \subset (\operatorname{Ker}A )^\perp</tex>.

2) Докажем теперь обратное включение:
Рассмотрим <tex>f \in (\operatorname{Ker}A )^\perp</tex>, если <tex>Ax=0</tex>, то <tex>f(x)=0</tex>.

Надо показать, что <tex>f \in R(A^*)</tex>, т.е. проверить, что <tex>f = \varphi A^*</tex>.

Если найдем <tex>\varphi</tex>, заданный на <tex>R(A)</tex> (которое замкнуто {{TODO|t=где здесь нужна замкнутость?}}), то сможем продолжить его на все <tex>F</tex> по теореме Хана-Банаха.

Рассмотрим произвольное <tex>y \in R(A)</tex>, пусть <tex>y = Ax</tex> и <tex>y = Ax'</tex>.

Тогда <tex>A(x - x') = 0</tex>, то есть <tex>x - x' \in \operatorname{Ker} A</tex>, <tex>f(x - x') = 0</tex>, и <tex>f(x) = f(x')</tex>, то есть, значение функционала не зависит от того, какой конкретно <tex>x</tex> (при <tex>Ax = y</tex>) был выбран.

Тогда можно взять <tex>\varphi(y) = f(x)</tex>, где <tex>y = Ax</tex> — линейный функционал, <tex>f = \varphi A</tex>. Осталось проверить ограниченность <tex>\varphi</tex> на <tex>R(A)</tex>.

Рассмотрим <tex>E/_{\operatorname{Ker} A}</tex>, <tex>\widetilde{A} : E/_{\operatorname{Ker} A} \to F</tex>, <tex>\widetilde{A}([x]) = Ax</tex>.

<tex>\widetilde{A} : E/_{\operatorname{Ker} A} \to R(A)</tex> — биекция, <tex>R(A)</tex> — замкнуто, <tex>F</tex> — банахово, поэтому <tex>R(A)</tex> — также банахово как подпространство в <tex>F</tex>.

Тогда по теореме Банаха об обратном операторе существует линейный ограниченный оператор <tex>\widetilde{A}^{-1}</tex>, <tex>\| \widetilde{A}^{-1} \| \le m \|y\| \le 2m \|y\|</tex> {{TODO|t=а последнее неравенство зачем?}}.

Если <tex>\xi \in E/_{\operatorname{Ker} A}, \xi = [x]</tex>, то <tex>\|\xi\| = \inf\limits_{x\in \xi} \|x\|</tex>.

<tex>\widetilde{A}^{-1}(y) = \{ x: y = Ax \}</tex>

<tex>\|\widetilde{A}^{-1}(y)\| = \inf\limits_{x\in \widetilde{A}^{-1}(y)} \|x\| < 2m \|y\| </tex>, следовательно, существует <tex> x' = A^{-1}y, \|x'\| < 2m\|y\|</tex>.

<tex> \|\varphi(y)\| = \|f(x')\| \le \|f\|\|x'\| < (2m\|f\|)\|y\| </tex>, то есть, получили ограниченность <tex> \varphi </tex>, теорема доказана.
}}

Эти две теоремы являются наиболее общей формой записи условий разрешимости операторных уравнений.

Смысл: рассмотрим уравнение <tex>Ax = y</tex>, где <tex>y</tex> — дано. Для того, чтобы понять, разрешимо ли уравнение, нужно проверить, что <tex>y \in R(A)</tex>. В общем случае, не существует способа это сделать, но можно ограничиться проверкой <tex>R(A) = \operatorname{Cl} R(A)</tex>, и тогда <tex>R(A) = (\operatorname{Ker}A^*)^\bot</tex>, сопряженный оператор можно построить, ядро поддается конструктивному описанию: <tex>y \in R(A) \iff y \perp \operatorname{Ker} A^*</tex>.

Например, <tex>A: \mathbb{R}^m \to \mathbb{R}^n</tex>, <tex>A^* = A^\top : \mathbb{R}^n \to \mathbb{R}^m</tex>. <tex>R(A) = \operatorname{Cl} R(A)</tex>, <tex>Ax = y</tex>, <tex>y</tex> — дано. Надо смотреть <tex>y \perp \operatorname{Ker} A^*</tex>, то есть <tex>A^\top y = 0</tex>.

В следующих параграфах мы введем класс бесконечномерных операторов, для которых <tex>R(A)</tex> — замкнуто, в частности, в этот класс входят интегральные операторы.

[[Категория: Функциональный анализ 3 курс]]

Сопряжённый оператор

2013-06-10T15:32:17Z

AVasilyev: /* Теорема 1 */

{{В разработке}}

Все рассматриваемые далее пространства считаем Банаховыми.

{{Определение
|definition=
<tex> E^* </tex> {{---}} множество линейных непрерывных функционалов над <tex> E </tex>, его называют пространством, сопряженным к <tex> E </tex>.<br>
Аналогично, <tex> E^{**} </tex> {{---}} пространство, сопряженное к <tex> E^* </tex>.
}}

== Естественное вложение ==
{{Утверждение
|statement=
Между <tex> E </tex> и <tex> E^{**} </tex> существует так называемый '''естественный изоморфизм''', сохраняющий норму точки.
|proof=
Введем <tex> F_x </tex> следующим образом: <tex>\forall x \in E : F_x (f) = f(x), f \in E^{*} </tex>.

<tex> F_x : E^{*} \to \mathbb{R} </tex> — функционал, заданный на <tex>E^{*}</tex>, то есть <tex> F_x \in E^{**} </tex>.

Тогда само <tex> F </tex> отображает <tex> E </tex> в <tex> E^{**} </tex>.

<tex> F </tex> линейно: <tex> F_{\alpha x_1 + \beta x_2} = \alpha F_{x_1} + \beta F_{x_2} </tex>.

<tex> | F_x(f) | = |f(x)| \le \| f \| \| x \| </tex>, откуда <tex> \| F_x \| \le \| x \| </tex>.

С другой стороны, по следствию из теоремы Хана-Банаха, для любого <tex> x_0 \in E </tex> существует <tex> f_0 \in E^* </tex>, такое, что выполняются два условия:
# <tex> f_0(x_0) = \| x_0 \| </tex>
# <tex> \| f_0 \| = 1 </tex>.

<tex> | F_{x_0} (f_0) | = f_0 (x_0) = \| x_0 \|, \| f_0 \| = 1 </tex>, потому получаем, что <tex> \| F_{x_0} \| \ge \| x_0 \| \implies \| F_{x_0} \| = \| x_0 \| </tex>.

Значит, получившееся преобразование <tex> x \mapsto F_x </tex> — изометрия, <tex> \| x \| = \| F_x \| </tex>, получили '''естественное вложение''' <tex> E </tex> в <tex> E^{**} </tex>.
}}

{{Определение
|definition=
<tex> E </tex> называется '''рефлексивным''', если <tex> E </tex> будет совпадать с <tex> E^{**} </tex> при таком отображении.
}}

Например, гильбертово пространство <tex> H </tex> рефлексивно (следует из теоремы Рисса об общем виде линейного функционала).

<tex> C[0, 1] </tex> не является рефлексивным.

== Сопряженный оператор ==

Пусть оператор <tex> A </tex> действует из <tex> E </tex> в <tex> F </tex>, и функционал <tex> \varphi </tex> принадлежит <tex> F^* </tex>.

Рассмотрим <tex> f(x) = \varphi (Ax), | f(x) | \le \| \varphi \| \| A \| \| x \| </tex>.

Получили новый функционал <tex> f </tex>, принадлежащий <tex> E^* </tex>. <tex> \varphi \mapsto \varphi A </tex>.

<tex> \varphi A = A^* (\varphi), A^* : F^* \to E^* </tex>. <tex> A^* </tex> {{---}} '''сопряженный оператор''' к <tex> A </tex>.

{{Теорема
|statement=
Если <tex> A </tex> {{---}} линейный ограниченный оператор, то <tex> \| A^* \| = \| A \| </tex>.
|proof=
Возьмем <tex> x \in E, \varphi \in F^* </tex>.

<tex> | A^* (\varphi, x) | = | \varphi (Ax) | \le \| A \| \| \varphi \| \| x \| </tex>.

Получили, что <tex> \| A^* (\varphi) \| \le \| A \| \| \varphi \| </tex>, откуда <tex> \| A^* \| \le \| A \| </tex>.

Для доказательства в обратную сторону используем [[Теорема Хана-Банаха#hbnorm|следствие из теоремы Хана-Банаха]]:

По определению нормы: <tex> \forall \varepsilon > 0 \, \exists x: \| x \| = 1 \implies \| A \| - \varepsilon < \| Ax \| </tex>.

<tex> Ax \in F </tex>, по следствию из теоремы Хана-Банаха подберем <tex> \varphi_0 \in F^*, \| \varphi_0 \| = 1: \varphi_0 (Ax) = \| Ax \| </tex>.

<tex> \| A^*(\varphi_0, x) \| = | \varphi_0(Ax) | = \| Ax \| > \| A \| - \varepsilon </tex>.

<tex> \| A^*(\varphi_0, x) \| \le \| A^*(\varphi_0) \| \| x \| = \| A^*(\varphi_0) \| \le \| A^* \| \| \varphi_0 \| = \| A^* \| </tex>.

Соединяя эти два неравенства, получаем, что <tex> \forall \varepsilon > 0: \| A^* \| > \| A \| - \varepsilon </tex>.

Устремляя <tex> \varepsilon </tex> к нулю, получаем, что <tex> \| A^* \| \ge \| A \| </tex>, и, окончательно, <tex> \| A^* \| = \| A \| </tex>.

}}

== Примеры сопряженных операторов ==

Возьмем любое гильбертово пространство <tex> H </tex>, <tex> A : H \to H </tex>.

<tex> \forall \varphi \in H^* </tex> по теореме Рисса об общем виде линейного функционала в <tex> H </tex> существует единственный
<tex> z : \varphi (y) = \langle y, z \rangle, \| \varphi \| = \| z \| </tex>.

Поскольку <tex> x \mapsto \varphi (Ax) </tex> также является линейным функционалом <tex> H \to H </tex>, то <tex> \varphi (Ax) = \langle Ax, z \rangle = \langle x, y \rangle </tex>, где <tex> y </tex> не зависит от <tex> x </tex>.

Имеем отображение <tex> z \mapsto y </tex>, тогда <tex> y = A^*(z) </tex>, и окончательно:

<tex> \langle Ax, z \rangle = \langle x, A^*z \rangle </tex>.

В гильбертовом пространстве <tex> H </tex> сопряженный оператор {{---}} тот оператор, который позволяет писать равенство выше.

{{Определение
|definition=
Оператор <tex> A </tex> в гильбертовом пространстве называется '''самосопряженным''', если <tex> A = A^* </tex>
}}

В случае <tex> \mathbb{R}^n </tex> (частный случай <tex> H </tex>) оператор <tex> A : \mathbb{R}^n \to \mathbb{R}^n </tex> представляет собой матрицу размером <tex> n \times n </tex>. Сопряженный к <tex> A </tex> оператор получается транспонированием соответствующей матрицы: <tex> A^* = A^T </tex>. Для симметричной матрицы <tex> A </tex> получается <tex> A^* = A^T = A </tex>, то есть, если <tex> A </tex> {{---}} симметричная матрица, то <tex> A </tex> {{---}} самосопряженный оператор.

Рассмотрим теперь пространство <tex> E = L_p [0, 1] </tex>.

Пусть <tex> K(u, v) : [0, 1] \times [0, 1] \to \mathbb{R} </tex> {{---}} непрерывная функция на <tex> [0, 1] \times [0, 1] </tex>, <tex> x \in E </tex>.

'''Интегральный оператор''' <tex> A </tex>, действующий из <tex> L_p [0, 1] </tex> в <tex> L_p [0, 1] </tex> определяется так: <tex> A(x, s) = (Ax)(s) = \int\limits_0^1 K(s, t) x(t) dt </tex>. <tex> Ax \in E </tex>.

Построим сопряженный оператор:

По теореме об общем виде линейного функционала в <tex> L_p </tex> {{TODO|t=Ее у нас в курсе не было. Спросить у Додонова, что с ней делать.}},

<tex> \forall \varphi \in E^*, x \in E: \varphi(x) = \int\limits_0^1 y(t) x(t) dt, y \in L_q </tex>, где <tex> \frac 1p + \frac 1q = 1 </tex> (<tex> p </tex> и <tex> q </tex> называются '''сопряженными показателями''').

<tex> L_p^* = L_q </tex>.

<tex> A^*(\varphi, x) = \varphi (Ax) = \int\limits_0^1 y(s) (Ax)(s) ds = \int\limits_0^1 y(s) (\int\limits_0^1 K(s, t) x(t) dt) ds = </tex> (по теореме Фубини поменяем порядок интегрирования) <tex> = \int\limits_0^1 ( \int\limits_0^1 K(s, t) y(s) ds) x(t) dt </tex>

Получили, что <tex> A^*(\varphi, x) = \int\limits_0^1 ( \int\limits_0^1 K(s, t) y(s) ds) x(t) dt </tex>. Обозначим <tex> z(t) = \int\limits_0^1 K(s, t) y(s) ds </tex>, тогда <tex> A^* (\varphi) \equiv z </tex>, аналогично <tex> \varphi \equiv y </tex>.

<tex> A^* </tex> {{---}} интегральный оператор из <tex> L_q </tex>, имеющий ядро <tex> K^*(s, t) = K(t, s) </tex>. В частности, если ядро симметрично (<tex> K(s, t) = K(t, s) </tex>) и <tex> k = 2 </tex>, то <tex> A = A^* </tex>.

== Ортогональное дополнение ==

Важное значение имеет ортогональное дополнение (в любом нормированном пространстве):

{{Определение
|definition=
Пусть <tex> E </tex> {{---}} НП, <tex> S \subset E^* </tex>.

<tex> S^{\bot} = \{ x \in E \mid \forall f \in S: f(x) = 0 \} </tex> {{---}} '''ортогональное дополнение''' <tex> S </tex>.

Аналогично, если <tex> T \subset E </tex>, то <tex> T^{\bot} = \{ f \in E^* \mid \forall x \in T: f(x) = 0 \} </tex>.
}}

{{Утверждение
|statement= <tex> \{ 0 \} = (E^*)^{\bot}, \{ 0 \} = E^{\bot} </tex>.
|proof=

Оба включения <tex> \subset </tex> очевидны по определению. В обратную сторону:

# Пусть <tex> x \in (E^*)^{\bot} </tex>, тогда <tex> \forall f \in E^*: f(x) = 0 </tex>. Предположим, что <tex> x \neq 0 </tex>, тогда по [[Теорема Хана-Банаха|следствию из теоремы Хана-Банаха]], для такого <tex>x</tex>, найдется функционал <tex>f: f(x) = \| x \| \neq 0 </tex>, получили противоречие, что <tex> x \in (E^*)^{\bot} </tex>.
# Пусть <tex> f \in E^\bot </tex>, тогда <tex> \forall x \in E: f(x) = 0</tex>. Тогда <tex>f</tex> — нулевой функционал по определению.
}}

== Теоремы о множестве значений оператора ==
=== Теорема 1 ===

{{Теорема
|statement= <tex> A \in \mathcal{L}(E,F) \implies \operatorname{Cl} R(A) = (\operatorname{Ker} A^*)^\perp </tex>.
|proof =
<tex>\Longrightarrow</tex>:

<tex>\varphi \in \operatorname{Ker}A^*</tex>, <tex>A^* \varphi = 0</tex>.

<tex>\forall x \in E: A^*(\varphi, x) = 0, A^*(\varphi, x) = \varphi(A x) \implies \varphi(A x) = 0</tex>

Пусть <tex>y \in R(A) </tex>, тогда <tex> y = Ax </tex>.

<tex> \varphi (y) = \varphi(A x) = 0 </tex>, следовательно, <tex> R(A)\subset(\operatorname{Ker}A^*)^\perp</tex>.

Теперь, пусть <tex>y \in \operatorname{Cl} R(A)</tex>, тогда <tex> y = \lim y_n, y_n \in R(A)</tex>.

<tex>\varphi(y_n) = 0, \varphi(y_n) \xrightarrow[]{n \to \infty} \varphi(y) \implies \varphi(y) = 0</tex>, и <tex>\operatorname{Cl}(R(A)) \subset (\operatorname{Ker}(A^*))^\perp</tex>

<tex>\Longleftarrow</tex>:

Надо показать, что <tex>y \in (\operatorname{Ker}A^*)^\perp \implies y \in \operatorname{Cl} R(A)</tex>. Пусть это не так: <tex> y \notin \operatorname{Cl} R(A)</tex>.

Рассмотрим <tex> F_1 = \{ z + ty \mid z \in \operatorname{Cl}(R(A)), t \in \mathbb{R} \} </tex>. <tex>F_1</tex> {{---}} линейное множество в силу линейности <tex>\operatorname{Cl}(R(A))</tex>.

Покажем, что <tex>F_1</tex> -- подпространство <tex>F</tex>.

Проверим сначала замкнутость <tex>F_1</tex>:

Пусть <tex>z_n+t_{n}y \to u = z + ty</tex>, хотим убедиться в том, что <tex>u \in \operatorname{Cl} R(F_1)</tex>.

Если <tex> |t_{n}| \le const </tex>, то выберем <tex>t_{n_k}</tex>, стремящееся к какому-то <tex>t</tex>. Из <tex>z_n+t_{n}y \to u, t_{n_k}y \to ty </tex> получаем <tex> z_n \to z \in \operatorname{Cl}(A)</tex>.

Если допустить, что <tex>t_{n_k} \to \infty</tex>:

<tex>z_{n_k}+t_{n_k}y \to u</tex>. <tex>z_{n_k}/t_{n_k} + y \to 0 \implies z_{n_k}/t_{n_k} \to -y \implies -y \in \operatorname{Cl}(R(A)) \implies y \in \operatorname{Cl}(R(A))</tex> {{---}} противоречие.

Таким образом, <tex>\operatorname{Cl}(F_1) = F_1</tex>.

Построим на <tex>F_1</tex> фунционал <tex>\varphi_0 : \varphi_0(z+ty) = t </tex>, <tex> \varphi_0(z) = 0</tex>. Он, очевидно, непрерывен, а по теореме Хана-Банаха с сохранением напрерывности его можно продолжить на <tex>F: \widetilde{\varphi} \in F^*</tex>, причем так, что <tex>\widetilde{\varphi}\mid _{F_1} = \varphi_0</tex>.

Рассмотрим значение <tex>\widetilde{\varphi_0}(y)</tex>:

* С одной стороны, <tex>\widetilde{\varphi_0}(y) = \varphi_0(y) = \varphi(0 + 1 y) = 1</tex>
* С другой стороны, <tex>y \in (\operatorname{Ker}A^*)^\perp</tex>, а значит, на любом функционале из ядра <tex>A^*</tex>, в том числе, и на <tex>\widetilde{\varphi_0}</tex>, должно выполняться <tex>\widetilde{\varphi_0}(y) = 0</tex>

Получили противоречие, следовательно, <tex> y \in \operatorname{Cl}(R(A))</tex>.
}}

=== Теорема 2 ===

{{Теорема
|statement= <tex> A \in \mathcal{L}(E,F),~R(A) = \operatorname{Cl} R(A) \implies R(A^*) = (\operatorname{Ker}A )^\perp </tex>.
|proof =
1) <tex>f \in R(A^*) \implies f = \varphi A , \varphi \in F^*</tex>.

Рассмотрим <tex> x \in (\operatorname{Ker}A). </tex>
<tex>f(x) = \varphi(Ax) = \varphi(0) = 0 \implies R(A^*) \subset (\operatorname{Ker}A )^\perp</tex>.

2) Докажем теперь обратное включение:
Рассмотрим <tex>f \in (\operatorname{Ker}A )^\perp</tex>, если <tex>Ax=0</tex>, то <tex>f(x)=0</tex>.

Надо показать, что <tex>f \in R(A^*)</tex>, т.е. проверить, что <tex>f = \varphi A^*</tex>.

Если найдем <tex>\varphi</tex>, заданный на <tex>R(A)</tex> (которое замкнуто {{TODO|t=где здесь нужна замкнутость?}}), то сможем продолжить его на все <tex>F</tex> по теореме Хана-Банаха.

Рассмотрим произвольное <tex>y \in R(A)</tex>, пусть <tex>y = Ax</tex> и <tex>y = Ax'</tex>.

Тогда <tex>A(x - x') = 0</tex>, то есть <tex>x - x' \in \operatorname{Ker} A</tex>, <tex>f(x - x') = 0</tex>, и <tex>f(x) = f(x')</tex>, то есть, значение функционала не зависит от того, какой конкретно <tex>x</tex> (при <tex>Ax = y</tex>) был выбран.

Тогда можно взять <tex>\varphi(y) = f(x)</tex>, где <tex>y = Ax</tex> — линейный функционал, <tex>f = \varphi A</tex>. Осталось проверить ограниченность <tex>\varphi</tex> на <tex>R(A)</tex>.

Рассмотрим <tex>E/_{\operatorname{Ker} A}</tex>, <tex>\widetilde{A} : E/_{\operatorname{Ker} A} \to F</tex>, <tex>\widetilde{A}([x]) = Ax</tex>.

<tex>\widetilde{A} : E/_{\operatorname{Ker} A} \to R(A)</tex> — биекция, <tex>R(A)</tex> — замкнуто, <tex>F</tex> — банахово, поэтому <tex>R(A)</tex> — также банахово как подпространство в <tex>F</tex>.

Тогда по теореме Банаха об обратном операторе существует линейный ограниченный оператор <tex>\widetilde{A}^{-1}</tex>, <tex>\| \widetilde{A}^{-1} \| \le m \|y\| \le 2m \|y\|</tex> {{TODO|t=а последнее неравенство зачем?}}.

Если <tex>\xi \in E/_{\operatorname{Ker} A}, \xi = [x]</tex>, то <tex>\|\xi\| = \inf\limits_{x\in \xi} \|x\|</tex>.

<tex>\widetilde{A}^{-1}(y) = \{ x: y = Ax \}</tex>

<tex>\|\widetilde{A}^{-1}(y)\| = \inf\limits_{x\in \widetilde{A}^{-1}(y)} \|x\| < 2m \|y\| </tex>, следовательно, существует <tex> x' = A^{-1}y, \|x'\| < 2m\|y\|</tex>.

<tex> \|\varphi(y)\| = \|f(x')\| \le \|f\|\|x'\| < (2m\|f\|)\|y\| </tex>, то есть, получили ограниченность <tex> \varphi </tex>, теорема доказана.
}}

Эти две теоремы являются наиболее общей формой записи условий разрешимости операторных уравнений.

Смысл: рассмотрим уравнение <tex>Ax = y</tex>, где <tex>y</tex> — дано. Для того, чтобы понять, разрешимо ли уравнение, нужно проверить, что <tex>y \in R(A)</tex>. В общем случае, не существует способа это сделать, но можно ограничиться проверкой <tex>R(A) = \operatorname{Cl} R(A)</tex>, и тогда <tex>R(A) = (\operatorname{Ker}A^*)^\bot</tex>, сопряженный оператор можно построить, ядро поддается конструктивному описанию: <tex>y \in R(A) \iff y \perp \operatorname{Ker} A^*</tex>.

Например, <tex>A: \mathbb{R}^m \to \mathbb{R}^n</tex>, <tex>A^* = A^\top : \mathbb{R}^n \to \mathbb{R}^m</tex>. <tex>R(A) = \operatorname{Cl} R(A)</tex>, <tex>Ax = y</tex>, <tex>y</tex> — дано. Надо смотреть <tex>y \perp \operatorname{Ker} A^*</tex>, то есть <tex>A^\top y = 0</tex>.

В следующих параграфах мы введем класс бесконечномерных операторов, для которых <tex>R(A)</tex> — замкнуто, в частности, в этот класс входят интегральные операторы.

[[Категория: Функциональный анализ 3 курс]]

Обсуждение:Сопряжённый оператор

2013-06-08T16:58:28Z

AVasilyev: /* Теорема о норме сопряженного оператора */

== <tex> L_p^* = L_q </tex> ==
Вот это, вроде бы, нетривиальный факт, и Додонов нам его не рассказывал. --[[Участник:Sementry|Мейнстер Д.]] 21:37, 16 февраля 2013 (GST)

== Последняя теорема ==
Ядро чего именно имеется в виду в условии? --[[Участник:SkudarnovYaroslav|SkudarnovYaroslav]] 21:51, 7 июня 2013 (GST)

== Теорема о норме сопряженного оператора ==
Что-то я в упор не пойму, как там используется теорема Хана-Банаха. Реквестирую более подробное объяснение в статье от того, кто это уже понял. --[[Участник:Sementry|Мейнстер Д.]] 17:20, 8 июня 2013 (GST)

К той же теореме: строка, начинающаяся с «По определению нормы:…» мне одному кажется какой-то крайне мутной? --[[Участник:SkudarnovYaroslav|SkudarnovYaroslav]] 20:15, 8 июня 2013 (GST)

Смотреть определение нормы: [[Линейные_операторы_в_нормированных_пространствах]] --[[Участник:AVasilyev|AVasilyev]]

О нелинейных операторных уравнениях

2013-06-08T16:08:21Z

AVasilyev: /* Теорема Шаудера */

{{В разработке}}

Ранее мы рассматривали уравнения вида <tex> y = \lambda x - \mathcal{A} x </tex>, где <tex> y </tex> дано, так называемое "линейное уравнение 2 рода". Для ответа на вопрос "имеет ли решение это уравнение?" надо изучать <tex> \sigma(\mathcal{A}) </tex>.

Сложнее, когда задано уравнение вида <tex>\mathcal{T}(x) = 0</tex> или <tex>\mathcal{T}(x) = x</tex>, где <tex> T: X \xrightarrow[nonlinear]{} X </tex> {{---}} произвольный оператор из <tex> X </tex> в <tex> X </tex>.

В этом параграфе мы покажем 3 способа решения таких уравнений.

== Простые итерации ==

Решаем уравнение <tex> x = \mathcal{T}(x) </tex>. Составляем последовательность <tex> x_{n+1} = \mathcal{T}(x_n) </tex> и изучаем сходимость последовательности <tex> \{ x_n \} \xrightarrow[]{?} x^* </tex>.

Если <tex> \mathcal{T} </tex> {{---}} непрерывный оператор, то <tex> x_{n+1} \to \mathcal{T} x^*, \mathcal{T} x_n \to \mathcal{T} x^* </tex> и, по единственности предела, получаем <tex> x^* = \mathcal{T} x^* </tex>.

Во втором семестре у нас было определение [[Дифференцируемые_отображения_в_нормированных_пространствах|производной Фреше]]: <tex> \mathcal{T}(x+\Delta x) -\mathcal{T}(x) = \mathcal{T}'(x) \cdot \Delta x + o(\Delta x)</tex>. <tex> \mathcal{T}' </tex> {{---}} линейный ограниченный оператор.

<tex> \frac { \| o(\Delta x) \|} { \| \Delta x \| } \to 0 </tex>

{{Теорема
|about=Локальная теорема о простой итерации
|statement=
Пусть известно, что существует <tex> \overline{x}: \mathcal{T}(\overline{x}) = \overline{x} </tex> и <tex> \| \mathcal{T}' \| \le q < 1 </tex>.

Тогда существует такой шар <tex> V_{\delta} (\overline x) </tex>, что если <tex> x_0 \in V_{\delta} (\overline x) </tex>, то:
* Метод простых итераций корректно определен: <tex> \mathcal{T}x_n \in V_{\delta} (\overline x), n \le 0</tex>.
* <tex> x_n \to \overline x </tex>

|proof=

Положим <tex> \varepsilon = \frac {1-q}2 </tex>.

В силу определения производной Фреше существует <tex> \delta > 0: \| \Delta x \| \implies \| \mathcal{T} (\overline x + \Delta x) \mathcal{T}(\overline x) - \mathcal{T}'(\overline x) \cdot \Delta x \| < \varepsilon \| \Delta x \| </tex>.

Убедимся в том, что такая <tex> \delta </tex> подходит в качестве радуса шара из условия теоремы:

Предположим, что <tex> x_n \in V_\delta (\overline x) </tex>.

<tex> \| x_{n+1} - \overline x \| = \| \mathcal{T}x_n - \mathcal{T} \overline x\| \le </tex>

<tex> \le \| \mathcal{T} x_n - \mathcal{T} \overline x - \mathcal{T}' (\overline x) (x_n - \overline x) \| + \| \mathcal{T}'(\overline x) (x_n - \overline x)\| </tex>.

Рассмотрим первое слагаемое: <tex> x_n \in V_\delta (\overline x) \implies \| x_n - \overline x \| < \delta </tex>, а значит, <tex> \| \mathcal{T} x_n - \mathcal{T} \overline x - \mathcal{T}' (\overline x) (x_n - \overline x) \| < \varepsilon \| x_n - \overline x \| </tex>.

Второе слагаемое: <tex> \| \mathcal{T}'(\overline x) (x_n - \overline x)\| \le \| \mathcal{T}'(\overline x) \| \| x_n - \overline x \| \le q \| x_n - \overline x \| </tex>

Складывая полученное: <tex> \varepsilon \| x_n - \overline x \| + q \| x_n - \overline x \| = (\frac {1-q}2 + q) \le \frac {1+q}2 \delta < \delta </tex>.

Окончательно мы получили, что <tex> x_n \in V_\delta (\overline x) \implies x_{n+1} \in V_\delta (\overline x) </tex>, то есть метод простых итераций определен корректно. Попутно мы также установили, что <tex> \| x_{n+1} - \overline x \| \le \frac {1+q}2 \| x_n - \overline x \| \le \hdots \le (\frac {1+q}2)^{n+1} \| x_0 - \overline x \| \xrightarrow[n \to \infty]{} 0 </tex>, то есть <tex> x_n \to \overline x </tex>.

}}

== Метод Ньютона-Канторовича ==

Ньютоном был предложен классический способ решения уравнений (метод касательных). До Ньютона использовали метод половинного деления. В двадцатом веке Канторович перенес соответствующие методы на операторные уравнения вида <tex> \mathcal{T} x = 0, \mathcal{T} </tex> {{---}} непрерывный оператор из <tex> X </tex> в <tex> X </tex>, <tex>X</tex>{{---}} нормированное пространство.

Предположим, что <tex> \mathcal{T} (\overline x) = 0 </tex>. Получим схему метода Ньютона-Канторовича.

<tex> x_0 </tex> {{---}} начальное приближение.

<tex> \mathcal{T} (\overline x) = \mathcal{T}(x_0) + \mathcal{T}'(x_0) \cdot (\overline x - x_0) + \hdots </tex>. Обрежем последнюю часть: <tex> 0 = \mathcal{T}(x_0) + \mathcal{T}'(x_0) \cdot (x_0 - \overline x) </tex>.

Обозначим <tex> \mathcal{\Gamma}(x_0) = (\mathcal{T}'(x_0))^{-1} </tex>.

<tex> -\mathcal{T}(x_0) = \mathcal{T}'(x_0) \cdot (\overline x - x_0) </tex>

Домножим равенство с обеих сторон на <tex> \Gamma(x_0) </tex>: <tex> -\Gamma(x_0) \mathcal{T}(x_0) = \Gamma(x_0) \mathcal{T}'(x_0) \cdot (\overline x - x_0) = \overline x - x_0 </tex>.

<tex> \overline x = x_0 - \Gamma(x_0) \mathcal{T}(x_0) </tex>.

Теперь положим <tex> x_{n+1} = x_n - \Gamma(x_n) \mathcal{T} (x_n) </tex> и получим итерацию метода Ньютона-Канторовича для функции

<tex> \mathcal{F}(x) = x - \Gamma(x) \mathcal{T} (x)</tex>

<tex> x_{n+1} = \mathcal{F}(x_n) </tex>

Покажем, что <tex> \mathcal{F}'(\overline x) = 0 </tex>, то есть <tex> q = 0 </tex> из условия локальной теоремы о простой итерации.

{{Утверждение
|statement=<tex> \mathcal{F}'(\overline x) = 0 </tex>
|proof=

<tex> \| \mathcal{F} (\overline x - \Delta x) - \mathcal{F} (\overline x) \| </tex>

<tex>= \| \overline x + \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) - \overline x + \Gamma(\overline x) \mathcal{T} (\overline x) \| </tex>

<tex>= \| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) \|</tex>

Запишем <tex> 0 = \mathcal{T}(\overline x) </tex> через значение <tex> \mathcal{T}' (\overline x + \Delta x) </tex>:

<tex> 0 = \mathcal{T}(\overline x) </tex>

<tex> = \mathcal{T}(\overline x + \Delta x) + \mathcal{T}'(\overline x + \Delta x) \cdot (\overline x - (\overline x + \Delta x)) + o(\overline x - (\overline x + \Delta x)) </tex>

<tex>= \mathcal{T}(\overline x + \Delta x) - \mathcal{T}'(\overline x + \Delta x) \cdot \Delta x + o(\Delta x) </tex>, откуда <tex> \mathcal{T}(\overline x + \Delta x) = \mathcal{T}'(\overline x + \Delta x) \cdot \Delta x + o(\Delta x) </tex>.

Подставим это равенство в выражение выше: <tex> \| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) \| </tex>

<tex> =
\| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T}' (\overline x + \Delta x) \cdot \Delta x + \Gamma(\overline x + \Delta x) \cdot o(\Delta x) \| </tex>

<tex> = \| \Delta x - \Delta x + \Gamma(\overline x + \Delta x)) \cdot o(\Delta x) </tex>.

Итого: <tex> \| \mathcal{F}(\overline x + \Delta x) - \mathcal{F}(\overline x) \| \le \| \Gamma(\overline x + \Delta x) \| \| o(\Delta x) \| </tex>, откуда <tex> \mathcal{F}(\overline x + \Delta x) - \mathcal{F}(\overline x) = o(\Delta x) \implies \mathcal{F}'(\overline x) = 0 </tex>

}}

== Теорема Шаудера ==

Рассмотрим другую идею решения <tex> \mathcal{T} x = x </tex>. Оно основывается на том факте, что если функция <tex> f </tex> отображает отрезок <tex> [a, b] </tex> в себя, то существует такая точка <tex> c \in [a, b] : c = f(c) </tex>.

Обобщение этого факта для <tex> \mathbb{R}^n </tex> называется теоремой Брауэра:

{{Теорема
|author=Брауэр
|about=о неподвижной точке
|statement=
Пусть <tex> M </tex> {{---}} ограниченное выпуклое замкнутое подмножество <tex> \mathbb{R}^n </tex>, <tex> F </tex> непрерывно отображает <tex> M </tex> в себя. Тогда <tex> \exists x^*: F(x^*) = x^* </tex>.
}}

Как перенести этот факт в бесконечномерный случай? Ответ на это дает теорема Шаудера:

{{Определение
|definition=
Пусть <tex> X </tex> {{---}} B-пространство, <tex> D \subset X </tex> {{---}} ограничено в <tex> X </tex>.
<tex> \mathcal{T} </tex> {{---}} непрерывное отображение <tex> D \mapsto X </tex>. Говорят, что <tex> \mathcal{T} </tex> ''вполне непрерывно'' на <tex> D </tex>, если <tex> \mathcal{T}(D) </tex> {{---}} относительно компактно в <tex> X </tex>.
}}

{{Теорема
|author=Шаудер
|about=о неподвижной точке
|statement=
Пусть <tex> M </tex> {{---}} ограниченное замкнутое выпуклое подмножество B-пространства <tex> X </tex> и <tex> \mathcal{T} </tex> вполне непрерывно отображает <tex> M </tex> в себя.

Тогда <tex> \exists x^* \in M : x^* = Tx^* </tex>.
}}

Замечание: теорему Брауэра нельзя будет назвать частным случаем теоремы Шаудера, так как при доказательстве теоремы Шаудера мы сошлемся на теорему Брауэера. У теоремы Шаудера также очень частое практическое применение.

=== Вспомогательные факты ===

{{Утверждение
|about=Факт Первый
|statement=
Рассмотрим <tex> \mathcal{T}_n </tex> {{---}} последовательность вполне непрерывных операторов на <tex> D </tex>, <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex> (<tex> \forall \varepsilon > 0 \, \exists N: \forall n > N, \forall x \in D : \| \mathcal{T}_n(x) - \mathcal{T}(x) \| < \varepsilon</tex>).

Тогда <tex> \mathcal{T} </tex> вполне непрерывен на <tex> D </tex>.

|proof=

<tex> \forall \varepsilon > 0 </tex> по равномерной сходимости, <tex> \exists n_0: \| \mathcal{T}(x) - \mathcal{T}_{n_0}(x) \| < \varepsilon \, \forall x \in D </tex>.

По предположению, <tex> \mathcal{T}_{n_0} </tex> {{---}} вполне непрерывный: существует конечная <tex> \varepsilon </tex>-сеть <tex> y_1, \hdots, y_p </tex> для <tex> \mathcal{T}_{n_0}(D) </tex>.

<tex> \forall y \in \mathcal{T}(D), y = \mathcal{T}x </tex>. Рассмотрим <tex> \mathcal{T}_{n_0}(x) \in \mathcal{T}_{n_0}(D) </tex> и подберем такое <tex> y_j </tex>, что <tex> \| y_j - \mathcal{T}_{n_0}x \| < \varepsilon </tex>.

<tex> \| y - y_j \| = \| \mathcal{T}x - y_j \| \le \| \mathcal{T}x - \mathcal{T}_{n_0}x \| + \| \mathcal{T}_{n_0}x - y_j \| </tex>. Первое слагаемое <tex> \le \varepsilon </tex> по выбору <tex> n_0 </tex> и равномерной сходимости. Второе слагаемое <tex> \le \varepsilon </tex> по выбору <tex> y_j </tex> из <tex> \varepsilon </tex>-сети.

Окончательно, <tex> \exists y_1, \hdots, y_p : \forall y \in \mathcal{T}(D) \exists y_j: \| y - y_j \| < 2 \varepsilon </tex>. Значит, мы получили <tex> 2\varepsilon </tex>-сеть для <tex> \mathcal{T}(D) </tex>.

}}

{{Утверждение
|about=Факт Второй
|statement=

Рассмотрим <tex> \mathcal{T}_n </tex> {{---}} последовательность вполне непрерывных операторов на <tex> D </tex>, <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex>.

Тогда множество <tex> \mathcal{T}_1(D) \cup \mathcal{T}_2(D) \cup \hdots \cup \mathcal{T}_n(D) \cup \hdots \cup \mathcal{T}(D) </tex> относительно компактно.

|proof=

По равномерной сходимости, <tex> \forall \varepsilon > 0 \, \exists n_0: \forall n > n_0 \forall x \in D: \| \mathcal{T}(x) - \mathcal{T}_n(x) \| < \varepsilon </tex>.

Рассмотрим множество <tex> \mathcal{T}_1(D) \cup \mathcal{T}_2(D) \cup \hdots \cup \mathcal{T}_{n_0}(D) </tex>. Оно относительно компактно как конечное объединение относительно компактных множеств.

<tex> \forall \varepsilon > 0 </tex> рассмотрим <tex> \varepsilon </tex>-сеть для этого множества: <tex> y_1, \hdots, y_p </tex>.

Рассмотрим <tex> \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>. Проверим, что <tex> y_1, \hdots, y_p </tex> {{---}} <tex> k \varepsilon </tex>-сеть для этого множества, где число <tex> k </tex> определим позже.

Возьмем произвольный <tex> y \in \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>.

Рассмотрим, в какое из множеств попадает выбранный нами <tex> y </tex>. Пусть, для начала, <tex> y \in \mathcal{T}_n(D) </tex>.

Если <tex> n \le n_0 </tex>, то <tex> \exists y_j : \| y - y_j \| < \varepsilon </tex>.

Пусть <tex> n > n_0, y \in \mathcal{T}_n(D) \implies y = \mathcal{T}_n x</tex>.

<tex> \| y - y_j \| </tex>

<tex> = \| \mathcal{T}_n x - y_j \| </tex>

<tex> \le \| \mathcal{T}_n x - \mathcal{T} x \| + \| \mathcal{T} x - y_j \| </tex>

<tex> \le \| \mathcal{T}_n x - \mathcal{T} x \| + \| \mathcal{T} x - \mathcal{T}_{n_0} x \| + \| \mathcal{T}_{n_0} x - y_j \| </tex>.

Первые два слагаемых <tex> \le \varepsilon </tex> по равномерной сходимости, третье <tex> \le \varepsilon </tex> по выбору <tex> \varepsilon </tex>-сети для <tex> n_0 </tex>.

Аналогичную оценку получаем, если <tex> y \in \mathcal{T}(D) </tex>.

В итоге, получили, что <tex> y_1, \hdots, y_p </tex> {{---}} <tex> 3\varepsilon </tex>-сеть для <tex> \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>.

}}

=== Проекторы Шаудера ===

Основная идея данного доказательства {{---}} построение проекторов Шаудера.

<tex> \mathcal{T} </tex> {{---}} вполне непрерывен на ограниченном <tex> D </tex>, <tex> M = \mathcal{T}(D) </tex> {{---}} относительно компактно.

<tex> \forall \varepsilon > 0 \exists y_1 \in M, \hdots, y_p \in M </tex> {{---}} конечная <tex> \varepsilon </tex>-сеть.

Построим следующую функцию: <tex> \forall j = 1, \hdots, p, \forall y \in M: </tex>

<tex> \mu_j(y) = \begin{cases}
0 & \mbox{if } \| y - y_j \| \ge \varepsilon \\
\varepsilon - \| y - y_j \| & \mbox{if } \| y - y_j \| < \varepsilon \end{cases}
</tex>

Легко проверить, что для любого <tex> j </tex> функция <tex> \mu_j </tex> непрерывна на <tex> M </tex>. {{TODO|t=Легко? Так давайте сделаем это.}}

Поскольку <tex> \{ y_j \} </tex> {{---}} <tex> \varepsilon </tex>-сеть, то <tex> \forall y </tex> все <tex> \mu_j(y) </tex> не могут быть равны нулю одновременно.

Обозначим <tex> S(y) = \sum\limits_{j=1}^p \mu_j(y) </tex>. По предыдущему утверждению, <tex> \forall y: S(y) > 0 </tex>

{{Определение
|definition=

<tex dpi = 140> P_\varepsilon (y) = \sum\limits_{j=1}^p \frac {\mu_j(y)} {S(y)} y_j </tex> {{---}} ''проектор Шаудера''.

}}

Коэффициенты <tex> \frac {\mu_j(y)} {S(y)} </tex> обозначим за <tex> \alpha_j(y) </tex>. Из определения следует, что <tex> \sum\limits_{j=1}^p \alpha_j(y) = 1 </tex>, то есть, <tex> P_\varepsilon(y) </tex> есть выпуклая комбинация точек <tex> \varepsilon </tex> сети для любого <tex> y </tex>.

<tex> P_\varepsilon(M) \subset \mathcal{L}(y_1, \hdots, y_p) </tex>

Если <tex> M = \mathcal{T}(D) </tex> {{---}} выпуклое множество, то <tex> P_\varepsilon(y) \in M </tex>, как выпуклая комбинация точек <tex> y_1, \hdots, y_p </tex>.

Рассмотрим <tex> \| P_\varepsilon (\mathcal{T} x) - \mathcal{T} x \| = \| \sum\limits_{j=1}^p \alpha_j y_j - \sum\limits_{j=1}^p \alpha_j y \| = \| \sum\limits_{j=1}^p \alpha_j (y_j - y) \| </tex>.

Если <tex> \| y_j - y \| > \varepsilon </tex>, то <tex> \alpha_j(y) = 0 </tex>, поэтому, продолжая цепочку неравенств, <tex> \| \sum\limits_{j=1}^p \alpha_j (y_j - y) \| \le \varepsilon \sum\limits_{j=1}^p \alpha_j \le \varepsilon </tex>.

Получили, что <tex> P_\varepsilon \mathcal{T} \rightrightarrows \mathcal{T} </tex>, когда <tex> \varepsilon \to 0 </tex>.

Каждый из операторов <tex> P_\varepsilon \mathcal{T} </tex> конечномерен: <tex> \mathop{dim} R(P_\varepsilon \mathcal{T}) < +\infty </tex>.

По неравенству, полученному чуть выше, также имеем <tex> \| P_\varepsilon (\mathcal{T} x) - \mathcal{T} x \| \le \varepsilon \, \forall x \in D </tex>.

В итоге мы имеем следующую теорему:

{{Теорема
|statement=
Проекторы Шаудера оператора <tex> \mathcal{T} </tex> равномерно сходятся к <tex> \mathcal{T} </tex>: <tex> P_\varepsilon \mathcal{T} \rightrightarrows \mathcal{T} </tex>, то есть любой вполне непрерывный оператор является равномерным пределом последовательности конечномерных операторов.
}}

Соединяя с теоремой Брауэра, получим:

<tex> M </tex> {{---}} выпуклое ограниченное множество, оператор <tex> \mathcal{T} : M \to M </tex> является вполне ограниченным.

Определим последовательность <tex> \mathcal{T}_n = P_{\frac 1n} \mathcal{T} </tex>. <tex> \mathcal{T}_n : M_n \to M_n </tex>, где <tex> M_n </tex> {{---}} конечномерное пространство.

Применяя теорему Брауэра, получаем, что <tex> \forall n: \exists x_n \in M_n: x_n = \mathcal{T}_n x_n = x_n </tex>.

Учитывая, что <tex> M_1 \cup M_2 \cup \hdots </tex> относительно компактно, из <tex> \{ x_n \} </tex> можно выделить сходящуюся подпоследовательность: <tex> \exists x_{n_k} \to x^* \in M </tex>.

<tex> \| x^* - \mathcal{T}x^* \| = \| \lim(x_{n_k} - \mathcal{T} x_{n_k}) \| </tex>.

По выбору <tex> x_{n_k} </tex>: <tex> x_{n_k} = \mathcal{T}_{n_k} x_{n_k} </tex>.

По равномерной сходимости <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex>: <tex> \| \mathcal{T}_{n_k} x_{n_k} - \mathcal{T} x_{n_k} \| \le \varepsilon </tex>, начиная с <tex> k_0 </tex> для всех <tex> x \in M </tex>.

Откуда, окончательно, получаем, что искомый предел равен <tex> 0 </tex>, и <tex> \| x^* - \mathcal{T} x^* \| = 0 </tex>, и <tex> x^* = \mathcal{T} x^* </tex>. Теорема Шаудера доказана.

That's all!

Спектр линейного оператора

2013-06-08T16:06:25Z

AVasilyev:

{{В разработке}}
В пределах этого параграфа подразумевается, что оператор <tex>A</tex> {{---}} линейный, ограниченный.

{{Определение
|definition=
Рассмотрим некоторое <tex>\lambda \in \mathbb C</tex>. Если для него существует и непрерывен оператор <tex>R_\lambda(A) = R_\lambda = (A - \lambda I)^{-1}</tex> (<tex>I</tex> {{---}} единичный оператор), то он называется '''резольвентой'''. Множество <tex>\lambda</tex>, для которых существует <tex>R_\lambda</tex>, обозначается <tex>\rho(A)</tex>, и называется '''резольвентным множеством''', дополнение к нему обозначается <tex>\sigma(A)</tex> и называется '''спектром''' оператора <tex>A</tex>.
}}

{{Теорема
|about=о резольвентном множестве
|statement=
<tex>\rho(A)</tex> {{---}} открытое множество в <tex>\mathbb C</tex>;
|proof=
Пусть <tex>\lambda_0 \in \rho(A)</tex>, тогда существует <tex>R_{\lambda_0}</tex>.

<tex>A - \lambda I = (A - \lambda_0 I) - (\lambda - \lambda_0) I = (A - \lambda_0 I) - (\lambda - \lambda_0) (A - \lambda_0 I) R_{\lambda_0} = (A - \lambda_0 I) (I - (\lambda - \lambda_0) R_{\lambda_0})</tex>

Если <tex>|\lambda - \lambda_0| \|R_{\lambda_0}\| < 1</tex>, то <tex>(I - (\lambda - \lambda_0) R_{\lambda_0})</tex> непрерывно обратим по теореме Банаха.

Тогда и оператор <tex>A - \lambda I</tex> тоже непрерывно обратим, так как <tex> (A - \lambda I)^{-1} = ((A - \lambda_0 I) (I - (\lambda - \lambda_0) R_{\lambda_0}))^{-1} = (I - (\lambda - \lambda_0) R_{\lambda_0})^{-1} (A - \lambda_0 I)^{-1} </tex>, и тогда он непрерывен как компзиция непрерывных.

Нужное нам условие выполняется, если <tex>|\lambda - \lambda_0| < \frac1{\|R_{\lambda_0}\|}</tex>, таким образом, любая точка <tex>\lambda_0</tex> множества <tex>\rho(A)</tex> входит в него вместе с некоторой окрестностью.
}}

{{Утверждение
|about=вхождение спектра в круг радиуса <nowiki>||А||</nowiki>
|statement=
<tex>\{ |\lambda| > \|A\|\} \subset \rho(A)</tex>
|proof=
<tex>A - \lambda I = -\lambda(I - \frac1\lambda A)</tex>

Если <tex>|\lambda| > \|A\|</tex>, то <tex>\frac1{|\lambda|} \|A\| < 1</tex>, <tex>(I - \frac1\lambda A)</tex> непрерывно обратим, и <tex>A</tex> имеет резольвенту. Отсюда мгновенно получаем требуемое.
}}

{{Определение
|definition=
<tex>r_\sigma(A) = \inf\limits_{n \in \mathbb N} \sqrt[n]{\|A^n\|}</tex> {{---}} спектральный радиус оператора.
}}

Так как <tex>\|A^n\| \le \|A\|^n</tex>, то <tex>r_\sigma(A) \le \|A\|</tex>.

{{Утверждение
|statement=
<tex>r_\sigma(A) = \lim\limits_{n \to \infty} \sqrt[n]{\|A^n\|}</tex>
|proof=
Обозначим для краткости <tex>r_\sigma(A)</tex> за <tex>r</tex>.

По определению нижней грани, <tex>\forall \varepsilon > 0 \exists n_0: r \le \|A^{n_0}\|^{\frac{1}{n_0}} < r + \varepsilon</tex>.

Любое <tex> n > n_0</tex> представим как <tex>n = p_n n_0 + q_n</tex>, где <tex>q_n = 0, 1, \ldots, n_0 - 1</tex>.

Таким образом, <tex>\|A^n\| = \|A^{p_n n_0 + q_n}\| \le \|A^{p_n n_0}\| \|A^{q_n} \|\le \|A^{n_0}\|^{p_n} \|A\|^{q_n}</tex>

Значит, <tex>{\|A^n\|}^{\frac{1}{n}} \le {\|A^{n_0}\|}^{\frac{p_n}{n}} {\|A\|}^{\frac{q_n}{n}}</tex>.

Рассмотрим <tex>{\|A^{n_0}\|}^{\frac{p_n}{n}} = {\|A^{n_0}\|}^{\frac{p_n}{p_n n_0 + q_n}} \le {\|A^{n_0}\|}^{\frac{p_n}{p_n n_0}} = \|A^{n_0}\|^{\frac{1}{n_0}} < r+ \varepsilon</tex>.

Теперь рассмотрим <tex>\frac{q_n}{n} \le \frac{n_0 - 1}{n} \xrightarrow[n \to \infty]{} 0</tex>, значит, <tex>\|A\|^{\frac{q_n}{n}} \to 1</tex>, то есть, <tex>\forall \varepsilon > 0 \exists n \forall n' > n: \|A\|^{\frac{q_{n'}}{n'}} \le 1 + \varepsilon</tex>.

Тогда, с одной стороны, по определению <tex>r</tex> как инфимума, для всех <tex>n</tex>: <tex>r \le \|A^n\|^{\frac{1}{n}}</tex>, но с другой, по только что показанному, для произвольного <tex>\varepsilon</tex>, начиная с какого-то <tex>n</tex> можно сказать, что <tex>\|A^n\|^{\frac{1}{n}} \le (r + \varepsilon) (1 + \varepsilon)</tex>. Тогда из этого получаем, что <tex>\|A^n\|^{\frac{1}{n}} \to r</tex>, что и требовалось доказать.
}}

{{Утверждение
|statement=
<tex>\sigma(A) \subset \{\lambda \mid |\lambda| \le r_\sigma(A)\}</tex>
|proof=
<tex> A - \lambda I = - \lambda (I - \frac{1}{\lambda} A)</tex>, найдем, при каких <tex>\lambda</tex> у <tex>I - \frac{1}{\lambda} A</tex> есть обратимый.

Если сходится <tex>\sum\limits_{n=0}^{\infty} (\frac{1}{\lambda} A)^n</tex>, то он и будет совпадать с <tex>(I - \frac{1}{\lambda} A)^{-1}</tex> (показывали это в [[Теорема_Банаха_об_обратном_операторе | теореме Банаха для I - C]])

Так как пространство банахово, операторный ряд сходится если сходится соответствующий рад из норм: <tex>\|\sum\limits_{n=0}^{\infty} (\frac1\lambda A)^n \| \le \sum\limits_{n=0}^{\infty} |\frac1\lambda|^n \|A^n\|</tex>, по радикальному признаку Коши, последний ряд сходится, если <tex>\sqrt[n]{|\frac1\lambda|^n \|A^n\|} = |\frac1\lambda| \sqrt[n]{\|A^n\|} \to |\frac1\lambda| r_\sigma < 1</tex>.

Таким образом, при <tex>r_\sigma < |\lambda|</tex>, обратный оператор к <tex>I - \frac{1}{\lambda}A</tex> существует, то есть <tex>\lambda \in \rho(A)</tex>. Значит, спектр полностью содержится во множестве, в котором <tex>r_\sigma \ge |\lambda|</tex>.
}}

{{Утверждение
|about=аналитичность резольвенты в резольвентном множестве
|statement=<tex>R_\lambda</tex> как функция из комплексного числа в ограниченный оператор, аналитична в <tex>\rho(A)</tex> и в бесконечно удаленной точке комплексной плоскости.
|proof=

пусть <tex> \lambda_0 \in \rho(A)</tex>:

<tex>A - \lambda I = (A - \lambda_0 I) - (\lambda - \lambda_0)I = (A - \lambda_0 I) - (\lambda - \lambda_0)(A - \lambda_0 I)R_{\lambda_0}</tex><tex> = (A - \lambda_0 I)(I - (\lambda - \lambda_0)R_{\lambda_0})</tex> — если взять достаточно малое <tex>\lambda - \lambda_0</tex>, можно так обратить.

<tex>(I - (\lambda - \lambda_0)R_{\lambda_0}) ^ {-1} = \sum\limits_{n=0}^{\infty} R_{\lambda_0}^n (\lambda - \lambda_0)^n</tex> {{---}} сходится при <tex>|\lambda - \lambda_0| \approx 0</tex>.

<tex>(A - \lambda I) ^ {-1} = R_{\lambda_0} \sum\limits_{n=0}^{\infty} R_{\lambda_0}^n (\lambda - \lambda_0)^n = \sum\limits_{n=0}^{\infty} R_{\lambda_0}^{n+1} (\lambda - \lambda_0)^n</tex>, следовательно, <tex>(A - \lambda I)^{-1}</tex> аналитична.

Также, так как <tex>A - \lambda I = -\lambda (I - \frac1\lambda A)</tex>, то при <tex>|\lambda| \approx \infty</tex>, <tex>R_\lambda = -\sum\limits_{n=0}^{\infty} \frac{A^n}{\lambda^{n-1}}</tex>, и <tex>R_\lambda</tex> аналитична при <tex>\lambda = \infty</tex>.
}}

{{Теорема
|about=непустота спектра ограниченного оператора
|statement=
<tex>\|A\| < +\infty \implies \sigma(A) \ne \emptyset</tex>
|proof=
Если <tex>L(X)</tex> (пространство линейных ограниченных операторов <tex>A: X \rightarrow X</tex>) банахово, то в нем можно рассматривать операторно степенные ряды <tex>\sum\limits_{n=0}^{\infty} A_n\lambda^n</tex>, их свойства копируют свойства обычных степенных рядов. Воспользуемся аналитичностью резольвенты: если <tex>\sigma(A) = \emptyset</tex>, то <tex> \rho(A) = \mathbb{C}</tex>, то есть в пределах любого круга и в бесконечно удаленой точке резольвента ограничена, тогда по [http://en.wikipedia.org/wiki/Liouville%27s_theorem_(complex_analysis) теореме Лиувилля] (если на всей комплексной плоскости функция <tex>f(z)</tex> равномерно ограничена, она тождественно равна постоянной) ({{TODO|t=требуется ограниченность всех точек в совокупности, непонятно почему это выполняется. Еще она формулируется для фунции в C, а не в операторы, что меня смущает. Вот [http://www.mathforum.ru/forum/read/1/572/ тут], возможно, есть объяснение}}), <tex>R_\lambda</tex> — константная функция, но тогда бы все <tex>A - \lambda I</tex> были бы одинаковы, чего, очевидно, быть не может, то есть получили противоречие и спектр непуст.
}}

[[Категория: Функциональный анализ 3 курс]]

О нелинейных операторных уравнениях

2013-06-08T15:28:17Z

AVasilyev:

{{В разработке}}

Ранее мы рассматривали уравнения вида <tex> y = \lambda x - \mathcal{A} x </tex>, где <tex> y </tex> дано, так называемое "линейное уравнение 2 рода". Для ответа на вопрос "имеет ли решение это уравнение?" надо изучать <tex> \sigma(\mathcal{A}) </tex>.

Сложнее, когда задано уравнение вида <tex>\mathcal{T}(x) = 0</tex> или <tex>\mathcal{T}(x) = x</tex>, где <tex> T: X \xrightarrow[nonlinear]{} X </tex> {{---}} произвольный оператор из <tex> X </tex> в <tex> X </tex>.

В этом параграфе мы покажем 3 способа решения таких уравнений.

== Простые итерации ==

Решаем уравнение <tex> x = \mathcal{T}(x) </tex>. Составляем последовательность <tex> x_{n+1} = \mathcal{T}(x_n) </tex> и изучаем сходимость последовательности <tex> \{ x_n \} \xrightarrow[]{?} x^* </tex>.

Если <tex> \mathcal{T} </tex> {{---}} непрерывный оператор, то <tex> x_{n+1} \to \mathcal{T} x^*, \mathcal{T} x_n \to \mathcal{T} x^* </tex> и, по единственности предела, получаем <tex> x^* = \mathcal{T} x^* </tex>.

Во втором семестре у нас было определение [[Дифференцируемые_отображения_в_нормированных_пространствах|производной Фреше]]: <tex> \mathcal{T}(x+\Delta x) -\mathcal{T}(x) = \mathcal{T}'(x) \cdot \Delta x + o(\Delta x)</tex>. <tex> \mathcal{T}' </tex> {{---}} линейный ограниченный оператор.

<tex> \frac { \| o(\Delta x) \|} { \| \Delta x \| } \to 0 </tex>

{{Теорема
|about=Локальная теорема о простой итерации
|statement=
Пусть известно, что существует <tex> \overline{x}: \mathcal{T}(\overline{x}) = \overline{x} </tex> и <tex> \| \mathcal{T}' \| \le q < 1 </tex>.

Тогда существует такой шар <tex> V_{\delta} (\overline x) </tex>, что если <tex> x_0 \in V_{\delta} (\overline x) </tex>, то:
* Метод простых итераций корректно определен: <tex> \mathcal{T}x_n \in V_{\delta} (\overline x), n \le 0</tex>.
* <tex> x_n \to \overline x </tex>

|proof=

Положим <tex> \varepsilon = \frac {1-q}2 </tex>.

В силу определения производной Фреше существует <tex> \delta > 0: \| \Delta x \| \implies \| \mathcal{T} (\overline x + \Delta x) \mathcal{T}(\overline x) - \mathcal{T}'(\overline x) \cdot \Delta x \| < \varepsilon \| \Delta x \| </tex>.

Убедимся в том, что такая <tex> \delta </tex> подходит в качестве радуса шара из условия теоремы:

Предположим, что <tex> x_n \in V_\delta (\overline x) </tex>.

<tex> \| x_{n+1} - \overline x \| = \| \mathcal{T}x_n - \mathcal{T} \overline x\| \le </tex>

<tex> \le \| \mathcal{T} x_n - \mathcal{T} \overline x - \mathcal{T}' (\overline x) (x_n - \overline x) \| + \| \mathcal{T}'(\overline x) (x_n - \overline x)\| </tex>.

Рассмотрим первое слагаемое: <tex> x_n \in V_\delta (\overline x) \implies \| x_n - \overline x \| < \delta </tex>, а значит, <tex> \| \mathcal{T} x_n - \mathcal{T} \overline x - \mathcal{T}' (\overline x) (x_n - \overline x) \| < \varepsilon \| x_n - \overline x \| </tex>.

Второе слагаемое: <tex> \| \mathcal{T}'(\overline x) (x_n - \overline x)\| \le \| \mathcal{T}'(\overline x) \| \| x_n - \overline x \| \le q \| x_n - \overline x \| </tex>

Складывая полученное: <tex> \varepsilon \| x_n - \overline x \| + q \| x_n - \overline x \| = (\frac {1-q}2 + q) \le \frac {1+q}2 \delta < \delta </tex>.

Окончательно мы получили, что <tex> x_n \in V_\delta (\overline x) \implies x_{n+1} \in V_\delta (\overline x) </tex>, то есть метод простых итераций определен корректно. Попутно мы также установили, что <tex> \| x_{n+1} - \overline x \| \le \frac {1+q}2 \| x_n - \overline x \| \le \hdots \le (\frac {1+q}2)^{n+1} \| x_0 - \overline x \| \xrightarrow[n \to \infty]{} 0 </tex>, то есть <tex> x_n \to \overline x </tex>.

}}

== Метод Ньютона-Канторовича ==

Ньютоном был предложен классический способ решения уравнений (метод касательных). До Ньютона использовали метод половинного деления. В двадцатом веке Канторович перенес соответствующие методы на операторные уравнения вида <tex> \mathcal{T} x = 0, \mathcal{T} </tex> {{---}} непрерывный оператор из <tex> X </tex> в <tex> X </tex>, <tex>X</tex>{{---}} нормированное пространство.

Предположим, что <tex> \mathcal{T} (\overline x) = 0 </tex>. Получим схему метода Ньютона-Канторовича.

<tex> x_0 </tex> {{---}} начальное приближение.

<tex> \mathcal{T} (\overline x) = \mathcal{T}(x_0) + \mathcal{T}'(x_0) \cdot (\overline x - x_0) + \hdots </tex>. Обрежем последнюю часть: <tex> 0 = \mathcal{T}(x_0) + \mathcal{T}'(x_0) \cdot (x_0 - \overline x) </tex>.

Обозначим <tex> \mathcal{\Gamma}(x_0) = (\mathcal{T}'(x_0))^{-1} </tex>.

<tex> -\mathcal{T}(x_0) = \mathcal{T}'(x_0) \cdot (\overline x - x_0) </tex>

Домножим равенство с обеих сторон на <tex> \Gamma(x_0) </tex>: <tex> -\Gamma(x_0) \mathcal{T}(x_0) = \Gamma(x_0) \mathcal{T}'(x_0) \cdot (\overline x - x_0) = \overline x - x_0 </tex>.

<tex> \overline x = x_0 - \Gamma(x_0) \mathcal{T}(x_0) </tex>.

Теперь положим <tex> x_{n+1} = x_n - \Gamma(x_n) \mathcal{T} (x_n) </tex> и получим итерацию метода Ньютона-Канторовича для функции

<tex> \mathcal{F}(x) = x - \Gamma(x) \mathcal{T} (x)</tex>

<tex> x_{n+1} = \mathcal{F}(x_n) </tex>

Покажем, что <tex> \mathcal{F}'(\overline x) = 0 </tex>, то есть <tex> q = 0 </tex> из условия локальной теоремы о простой итерации.

{{Утверждение
|statement=<tex> \mathcal{F}'(\overline x) = 0 </tex>
|proof=

<tex> \| \mathcal{F} (\overline x - \Delta x) - \mathcal{F} (\overline x) \| </tex>

<tex>= \| \overline x + \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) - \overline x + \Gamma(\overline x) \mathcal{T} (\overline x) \| </tex>

<tex>= \| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) \|</tex>

Запишем <tex> 0 = \mathcal{T}(\overline x) </tex> через значение <tex> \mathcal{T}' (\overline x + \Delta x) </tex>:

<tex> 0 = \mathcal{T}(\overline x) </tex>

<tex> = \mathcal{T}(\overline x + \Delta x) + \mathcal{T}'(\overline x + \Delta x) \cdot (\overline x - (\overline x + \Delta x)) + o(\overline x - (\overline x + \Delta x)) </tex>

<tex>= \mathcal{T}(\overline x + \Delta x) - \mathcal{T}'(\overline x + \Delta x) \cdot \Delta x + o(\Delta x) </tex>, откуда <tex> \mathcal{T}(\overline x + \Delta x) = \mathcal{T}'(\overline x + \Delta x) \cdot \Delta x + o(\Delta x) </tex>.

Подставим это равенство в выражение выше: <tex> \| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) \| </tex>

<tex> =
\| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T}' (\overline x + \Delta x) \cdot \Delta x + \Gamma(\overline x + \Delta x) \cdot o(\Delta x) \| </tex>

<tex> = \| \Delta x - \Delta x + \Gamma(\overline x + \Delta x)) \cdot o(\Delta x) </tex>.

Итого: <tex> \| \mathcal{F}(\overline x + \Delta x) - \mathcal{F}(\overline x) \| \le \| \Gamma(\overline x + \Delta x) \| \| o(\Delta x) \| </tex>, откуда <tex> \mathcal{F}(\overline x + \Delta x) - \mathcal{F}(\overline x) = o(\Delta x) \implies \mathcal{F}'(\overline x) = 0 </tex>

}}

== Теорема Шаудера ==

Рассмотрим другую идею решения <tex> \mathcal{T} x = x </tex>. Оно основывается на том факте, что если функция <tex> f </tex> отображает отрезок <tex> [a, b] </tex> в себя, то существует такая точка <tex> c \in [a, b] : c = f(c) </tex>.

Обобщение этого факта для <tex> \mathbb{R}^n </tex> называется теоремой Брауэра:

{{Теорема
|author=Брауэр
|about=о неподвижной точке
|statement=
Пусть <tex> M </tex> {{---}} ограниченное выпуклое замкнутое подмножество <tex> \mathbb{R}^n </tex>, <tex> F </tex> непрерывно отображает <tex> M </tex> в себя. Тогда <tex> \exists x^*: F(x^*) = x^* </tex>.
}}

Как перенести этот факт в бесконечномерный случай? Ответ на это дает теорема Шаудера:

{{Определение
|definition=
Пусть <tex> X </tex> {{---}} B-пространство, <tex> D \subset X </tex> {{---}} ограничено в <tex> X </tex>.
<tex> \mathcal{T} </tex> {{---}} непрерывное отображение <tex> D \mapsto X </tex> в себя. Говорят, что <tex> \mathcal{T} </tex> ''вполне непрерывно'' на <tex> D </tex>, если <tex> \mathcal{T}(D) </tex> {{---}} относительно компактно в <tex> X </tex>.
}}

{{Теорема
|author=Шаудер
|about=о неподвижной точке
|statement=
Пусть <tex> M </tex> {{---}} ограниченное замкнутое выпуклое подмножество B-пространства <tex> X </tex> и <tex> \mathcal{T} </tex> вполне непрерывно отображает <tex> M </tex> в себя.

Тогда <tex> \exists x^* \in M : x^* = Tx^* </tex>.
}}

Замечание: теорему Брауэра нельзя будет назвать частным случаем теоремы Шаудера, так как при доказательстве теоремы Шаудера мы сошлемся на теорему Брауэера. У теоремы Шаудера также очень частое практическое применение.

=== Вспомогательные факты ===

{{Утверждение
|about=Факт Первый
|statement=
Рассмотрим <tex> \mathcal{T}_n </tex> {{---}} последовательность вполне непрерывных операторов на <tex> D </tex>, <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex> (<tex> \forall \varepsilon > 0 \, \exists N: \forall n > N, \forall x \in D : \| \mathcal{T}_n(x) - \mathcal{T}(x) \| < \varepsilon</tex>).

Тогда <tex> \mathcal{T} </tex> вполне непрерывен на <tex> D </tex>.

|proof=

<tex> \forall \varepsilon > 0 </tex> по равномерной сходимости, <tex> \exists n_0: \| \mathcal{T}(x) - \mathcal{T}_{n_0}(x) \| < \varepsilon \, \forall x \in D </tex>.

По предположению, <tex> \mathcal{T}_{n_0} </tex> {{---}} вполне непрерывный: существует конечная <tex> \varepsilon </tex>-сеть <tex> y_1, \hdots, y_p </tex> для <tex> \mathcal{T}_{n_0}(D) </tex>.

<tex> \forall y \in \mathcal{T}(D), y = \mathcal{T}x </tex>. Рассмотрим <tex> \mathcal{T}_{n_0}(x) \in \mathcal{T}_{n_0}(D) </tex> и подберем такое <tex> y_j </tex>, что <tex> \| y_j - \mathcal{T}_{n_0}x \| < \varepsilon </tex>.

<tex> \| y - y_j \| = \| \mathcal{T}x - y_j \| \le \| \mathcal{T}x - \mathcal{T}_{n_0}x \| + \| \mathcal{T}_{n_0}x - y_j \| </tex>. Первое слагаемое <tex> \le \varepsilon </tex> по выбору <tex> n_0 </tex> и равномерной сходимости. Второе слагаемое <tex> \le \varepsilon </tex> по выбору <tex> y_j </tex> из <tex> \varepsilon </tex>-сети.

Окончательно, <tex> \exists y_1, \hdots, y_p : \forall y \in \mathcal{T}(D) \exists y_j: \| y - y_j \| < 2 \varepsilon </tex>. Значит, мы получили <tex> 2\varepsilon </tex>-сеть для <tex> \mathcal{T}(D) </tex>.

}}

{{Утверждение
|about=Факт Второй
|statement=

Рассмотрим <tex> \mathcal{T}_n </tex> {{---}} последовательность вполне непрерывных операторов на <tex> D </tex>, <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex>.

Тогда множество <tex> \mathcal{T}_1(D) \cup \mathcal{T}_2(D) \cup \hdots \cup \mathcal{T}_n(D) \cup \hdots \cup \mathcal{T}(D) </tex> относительно компактно.

|proof=

По равномерной сходимости, <tex> \forall \varepsilon > 0 \, \exists n_0: \forall n > n_0 \forall x \in D: \| \mathcal{T}(x) - \mathcal{T}_n(x) \| < \varepsilon </tex>.

Рассмотрим множество <tex> \mathcal{T}_1(D) \cup \mathcal{T}_2(D) \cup \hdots \cup \mathcal{T}_{n_0}(D) </tex>. Оно относительно компактно как конечное объединение относительно компактных множеств.

<tex> \forall \varepsilon > 0 </tex> рассмотрим <tex> \varepsilon </tex>-сеть для этого множества: <tex> y_1, \hdots, y_p </tex>.

Рассмотрим <tex> \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>. Проверим, что <tex> y_1, \hdots, y_p </tex> {{---}} <tex> k \varepsilon </tex>-сеть для этого множества, где число <tex> k </tex> определим позже.

Возьмем произвольный <tex> y \in \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>.

Рассмотрим, в какое из множеств попадает выбранный нами <tex> y </tex>. Пусть, для начала, <tex> y \in \mathcal{T}_n(D) </tex>.

Если <tex> n \le n_0 </tex>, то <tex> \exists y_j : \| y - y_j \| < \varepsilon </tex>.

Пусть <tex> n > n_0, y \in \mathcal{T}_n(D) \implies y = \mathcal{T}_n x</tex>.

<tex> \| y - y_j \| </tex>

<tex> = \| \mathcal{T}_n x - y_j \| </tex>

<tex> \le \| \mathcal{T}_n x - \mathcal{T} x \| + \| \mathcal{T} x - y_j \| </tex>

<tex> \le \| \mathcal{T}_n x - \mathcal{T} x \| + \| \mathcal{T} x - \mathcal{T}_{n_0} x \| + \| \mathcal{T}_{n_0} x - y_j \| </tex>.

Первые два слагаемых <tex> \le \varepsilon </tex> по равномерной сходимости, третье <tex> \le \varepsilon </tex> по выбору <tex> \varepsilon </tex>-сети для <tex> n_0 </tex>.

Аналогичную оценку получаем, если <tex> y \in \mathcal{T}(D) </tex>.

В итоге, получили, что <tex> y_1, \hdots, y_p </tex> {{---}} <tex> 3\varepsilon </tex>-сеть для <tex> \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>.

}}

=== Проекторы Шаудера ===

Основная идея данного доказательства {{---}} построение проекторов Шаудера.

<tex> \mathcal{T} </tex> {{---}} вполне непрерывен на ограниченном <tex> D </tex>, <tex> M = \mathcal{T}(D) </tex> {{---}} относительно компактно.

<tex> \forall \varepsilon > 0 \exists y_1 \in M, \hdots, y_p \in M </tex> {{---}} конечная <tex> \varepsilon </tex>-сеть.

Построим следующую функцию: <tex> \forall j = 1, \hdots, p, \forall y \in M: </tex>

<tex> \mu_j(y) = \begin{cases}
0 & \mbox{if } \| y - y_j \| \ge \varepsilon \\
\varepsilon - \| y - y_j \| & \mbox{if } \| y - y_j \| < \varepsilon \end{cases}
</tex>

Легко проверить, что для любого <tex> j </tex> функция <tex> \mu_j </tex> непрерывна на <tex> M </tex>. {{TODO|t=Легко? Так давайте сделаем это.}}

Поскольку <tex> \{ y_j \} </tex> {{---}} <tex> \varepsilon </tex>-сеть, то <tex> \forall y </tex> все <tex> \mu_j(y) </tex> не могут быть равны нулю одновременно.

Обозначим <tex> S(y) = \sum\limits_{j=1}^p \mu_j(y) </tex>. По предыдущему утверждению, <tex> \forall y: S(y) > 0 </tex>

{{Определение
|definition=

<tex dpi = 140> P_\varepsilon (y) = \sum\limits_{j=1}^p \frac {\mu_j(y)} {S(y)} y_j </tex> {{---}} ''проектор Шаудера''.

}}

Коэффициенты <tex> \frac {\mu_j(y)} {S(y)} </tex> обозначим за <tex> \alpha_j(y) </tex>. Из определения следует, что <tex> \sum\limits_{j=1}^p \alpha_j(y) = 1 </tex>, то есть, <tex> P_\varepsilon(y) </tex> есть выпуклая комбинация точек <tex> \varepsilon </tex> сети для любого <tex> y </tex>.

<tex> P_\varepsilon(M) \subset \mathcal{L}(y_1, \hdots, y_p) </tex>

Если <tex> M = \mathcal{T}(D) </tex> {{---}} выпуклое множество, то <tex> P_\varepsilon(y) \in M </tex>, как выпуклая комбинация точек <tex> y_1, \hdots, y_p </tex>.

Рассмотрим <tex> \| P_\varepsilon (\mathcal{T} x) - \mathcal{T} x \| = \| \sum\limits_{j=1}^p \alpha_j y_j - \sum\limits_{j=1}^p \alpha_j y \| = \| \sum\limits_{j=1}^p \alpha_j (y_j - y) \| </tex>.

Если <tex> \| y_j - y \| > \varepsilon </tex>, то <tex> \alpha_j(y) = 0 </tex>, поэтому, продолжая цепочку неравенств, <tex> \| \sum\limits_{j=1}^p \alpha_j (y_j - y) \| \le \varepsilon \sum\limits_{j=1}^p \alpha_j \le \varepsilon </tex>.

Получили, что <tex> P_\varepsilon \mathcal{T} \rightrightarrows \mathcal{T} </tex>, когда <tex> \varepsilon \to 0 </tex>.

Каждый из операторов <tex> P_\varepsilon \mathcal{T} </tex> конечномерен: <tex> \mathop{dim} R(P_\varepsilon \mathcal{T}) < +\infty </tex>.

По неравенству, полученному чуть выше, также имеем <tex> \| P_\varepsilon (\mathcal{T} x) - \mathcal{T} x \| \le \varepsilon \, \forall x \in D </tex>.

В итоге мы имеем следующую теорему:

{{Теорема
|statement=
Проекторы Шаудера оператора <tex> \mathcal{T} </tex> равномерно сходятся к <tex> \mathcal{T} </tex>: <tex> P_\varepsilon \mathcal{T} \rightrightarrows \mathcal{T} </tex>, то есть любой вполне непрерывный оператор является равномерным пределом последовательности конечномерных операторов.
}}

Соединяя с теоремой Брауэра, получим:

<tex> M </tex> {{---}} выпуклое ограниченное множество, оператор <tex> \mathcal{T} : M \to M </tex> является вполне ограниченным.

Определим последовательность <tex> \mathcal{T}_n = P_{\frac 1n} \mathcal{T} </tex>. <tex> \mathcal{T}_n : M_n \to M_n </tex>, где <tex> M_n </tex> {{---}} конечномерное пространство.

Применяя теорему Брауэра, получаем, что <tex> \forall n: \exists x_n \in M_n: x_n = \mathcal{T}_n x_n = x_n </tex>.

Учитывая, что <tex> M_1 \cup M_2 \cup \hdots </tex> относительно компактно, из <tex> \{ x_n \} </tex> можно выделить сходящуюся подпоследовательность: <tex> \exists x_{n_k} \to x^* \in M </tex>.

<tex> \| x^* - \mathcal{T}x^* \| = \| \lim(x_{n_k} - \mathcal{T} x_{n_k}) \| </tex>.

По выбору <tex> x_{n_k} </tex>: <tex> x_{n_k} = \mathcal{T}_{n_k} x_{n_k} </tex>.

По равномерной сходимости <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex>: <tex> \| \mathcal{T}_{n_k} x_{n_k} - \mathcal{T} x_{n_k} \| \le \varepsilon </tex>, начиная с <tex> k_0 </tex> для всех <tex> x \in M </tex>.

Откуда, окончательно, получаем, что искомый предел равен <tex> 0 </tex>, и <tex> \| x^* - \mathcal{T} x^* \| = 0 </tex>, и <tex> x^* = \mathcal{T} x^* </tex>. Теорема Шаудера доказана.

That's all!

О нелинейных операторных уравнениях

2013-06-08T10:18:00Z

AVasilyev: That's all!

{{В разработке}}

Ранее мы рассматривали уравнения вида <tex> y = \lambda x - \mathcal{A} x </tex>, где <tex> y </tex> дано, так называемое "линейное уравнение 2 рода". Для ответа на вопрос "имеет ли решение это уравнение?" надо изучать <tex> \sigma(\mathcal{A}) </tex>.

Сложнее, когда задано уравнение вида <tex>\mathcal{T}(x) = 0</tex> или <tex>\mathcal{T}(x) = x</tex>, где <tex> T: X \xrightarrow[nonlinear]{} X </tex> {{---}} произвольный оператор из <tex> X </tex> в <tex> X </tex>.

В этом параграфе мы покажем 3 способа решения таких уравнений.

== Простые итерации ==

Решаем уравнение <tex> x = \mathcal{T}(x) </tex>. Составляем последовательность <tex> x_{n+1} = \mathcal{T}(x_n) </tex> и изучаем сходимость последовательности <tex> \{ x_n \} \xrightarrow[]{?} x^* </tex>.

Если <tex> \mathcal{T} </tex> {{---}} непрерывный оператор, то <tex> x_{n+1} \to \mathcal{T} x^*, \mathcal{T} x_n \to \mathcal{T} x^* </tex> и, по единственности предела, получаем <tex> x^* = \mathcal{T} x^* </tex>.

Во втором семестре у нас было определение [[производной Фреше]]: <tex> \mathcal{T}(x+\Delta x) -\mathcal{T}(x) = \mathcal{T}'(x) \cdot \Delta x + o(\Delta x)</tex>. <tex> \mathcal{T}' </tex> {{---}} линейный ограниченный оператор.

<tex> \frac { \| o(\Delta x) \|} { \| \Delta x \| } \to 0 </tex>

{{Теорема
|about=Локальная теорема о простой итерации
|statement=
Пусть известно, что существует <tex> \overline{x}: \mathcal{T}(\overline{x}) = \overline{x} </tex> и <tex> \| \mathcal{T}' \| \le q < 1 </tex>.

Тогда существует такой шар <tex> V_{\delta} (\overline x) </tex>, что если <tex> x_0 \in V_{\delta} (\overline x) </tex>, то:
* Метод простых итераций корректно определен: <tex> \mathcal{T}x_n \in V_{\delta} (\overline x), n \le 0</tex>.
* <tex> x_n \to \overline x </tex>

|proof=

Положим <tex> \varepsilon = \frac {1-q}2 </tex>.

В силу определения производной Фреше существует <tex> \delta > 0: \| \Delta x \| \implies \| \mathcal{T} (\overline x + \Delta x) \mathcal{T}(\overline x) - \mathcal{T}'(\overline x) \cdot \Delta x \| < \varepsilon \| \Delta x \| </tex>.

Убедимся в том, что такая <tex> \delta </tex> подходит в качестве радуса шара из условия теоремы:

Предположим, что <tex> x_n \in V_\delta (\overline x) </tex>.

<tex> \| x_{n+1} - \overline x \| = \| \mathcal{T}x_n - \mathcal{T} \overline x\| \le </tex>

<tex> \le \| \mathcal{T} x_n - \mathcal{T} \overline x - \mathcal{T}' (\overline x) (x_n - \overline x) \| + \| \mathcal{T}'(\overline x) (x_n - \overline x)\| </tex>.

Рассмотрим первое слагаемое: <tex> x_n \in V_\delta (\overline x) \implies \| x_n - \overline x \| < \delta </tex>, а значит, <tex> \| \mathcal{T} x_n - \mathcal{T} \overline x - \mathcal{T}' (\overline x) (x_n - \overline x) \| < \varepsilon \| x_n - \overline x \| </tex>.

Второе слагаемое: <tex> \| \mathcal{T}'(\overline x) (x_n - \overline x)\| \le \| \mathcal{T}'(\overline x) \| \| x_n - \overline x \| \le q \| x_n - \overline x \| </tex>

Складывая полученное: <tex> \varepsilon \| x_n - \overline x \| + q \| x_n - \overline x \| = (\frac {1-q}2 + q) \le \frac {1+q}2 \delta < \delta </tex>.

Окончательно мы получили, что <tex> x_n \in V_\delta (\overline x) \implies x_{n+1} \in V_\delta (\overline x) </tex>, то есть метод простых итераций определен корректно. Попутно мы также установили, что <tex> \| x_{n+1} - \overline x \| \le \frac {1+q}2 \| x_n - \overline x \| \le \hdots \le (\frac {1+q}2)^{n+1} \| x_0 - \overline x \| \xrightarrow[n \to \infty]{} 0 </tex>, то есть <tex> x_n \to \overline x </tex>.

}}

== Метод Ньютона-Канторовича ==

Ньютоном был предложен классический способ решения уравнений (метод касательных). До Ньютона использовали метод половинного деления. В двадцатом веке Канторович перенес соответствующие методы на операторные уравнения вида <tex> \mathcal{T} x = 0, \mathcal{T} </tex> {{---}} непрерывный оператор из <tex> X </tex> в <tex> X </tex>, <tex>X</tex>{{---}} нормированное пространство.

Предположим, что <tex> \mathcal{T} (\overline x) = 0 </tex>. Получим схему метода Ньютона-Канторовича.

<tex> x_0 </tex> {{---}} начальное приближение.

<tex> \mathcal{T} (\overline x) = \mathcal{T}(x_0) + \mathcal{T}'(x_0) \cdot (\overline x - x_0) + \hdots </tex>. Обрежем последнюю часть: <tex> 0 = \mathcal{T}(x_0) + \mathcal{T}'(x_0) \cdot (x_0 - \overline x) </tex>.

Обозначим <tex> \mathcal{\Gamma}(x_0) = (\mathcal{T}'(x_0))^{-1} </tex>.

<tex> -\mathcal{T}(x_0) = \mathcal{T}'(x_0) \cdot (\overline x - x_0) </tex>

Домножим равенство с обеих сторон на <tex> \Gamma(x_0) </tex>: <tex> -\Gamma(x_0) \mathcal{T}(x_0) = \Gamma(x_0) \mathcal{T}'(x_0) \cdot (\overline x - x_0) = \overline x - x_0 </tex>.

<tex> \overline x = x_0 - \Gamma \mathcal{T}(x_0) </tex>.

Теперь положим <tex> x_{n+1} = x_n - \Gamma(x_0) \mathcal{T} (x_0) </tex> и получим итерацию метода Ньютона-Канторовича для функции

<tex> \mathcal{F}(x) = x - \Gamma(x) \mathcal{T} (x)</tex>

<tex> x_{n+1} = \mathcal{F}(x_n) </tex>

Покажем, что <tex> \mathcal{F}'(\overline x) = 0 </tex>, то есть <tex> q = 0 </tex> из условия локальной теоремы о простой итерации.

{{Утверждение
|statement=<tex> \mathcal{F}'(\overline x) = 0 </tex>
|proof=

<tex> \| \mathcal{F} (\overline x - \Delta x) - \mathcal{F} (\overline x) \| </tex>

<tex>= \| \overline x + \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) - \overline x + \Gamma(\overline x) \mathcal{T} (\overline x) \| </tex>

<tex>= \| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) \|</tex>

Запишем <tex> 0 = \mathcal{T}(\overline x) </tex> через значение <tex> \mathcal{T}' (\overline x + \Delta x) </tex>:

<tex> 0 = \mathcal{T}(\overline x) </tex>

<tex> = \mathcal{T}(\overline x + \Delta x) + \mathcal{T}'(\overline x + \Delta x) \cdot (\overline x - (\overline x + \Delta x)) + o(\overline x - (\overline x + \Delta x)) </tex>

<tex>= \mathcal{T}(\overline x + \Delta x) - \mathcal{T}'(\overline x + \Delta x) \cdot \Delta x + o(\Delta x) </tex>, откуда <tex> \mathcal{T}(\overline x + \Delta x) = \mathcal{T}'(\overline x + \Delta x) \cdot \Delta x + o(\Delta x) </tex>.

Подставим это равенство в выражение выше: <tex> \| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) \| </tex>

<tex> =
\| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T}' (\overline x + \Delta x) \cdot \Delta x + \Gamma(\overline x + \Delta x) \cdot o(\Delta x) \| </tex>

<tex> = \| \Delta x - \Delta x + \Gamma(\overline x + \Delta x)) \cdot o(\Delta x) </tex>.

Итого: <tex> \| \mathcal{F}(\overline x + \Delta x) - \mathcal{F}(\overline x) \| \le \| \Gamma(\overline x + \Delta x) \| \| o(\Delta x) \| </tex>, откуда <tex> \mathcal{F}(\overline x + \Delta x) - \mathcal{F}(\overline x) = o(\Delta x) \implies \mathcal{F}'(\overline x) = 0 </tex>

}}

== Теорема Шаудера ==

Рассмотрим другую идею решения <tex> \mathcal{T} x = x </tex>. Оно основывается на том факте, что если функция <tex> f </tex> отображает отрезок <tex> [a, b] </tex> в себяЯ, то существует такая точка <tex> c \in [a, b] : c = f(c) </tex>.

Обобщение этого факта для <tex> \mathbb{R}^n </tex> называется теоремой Брауэра:

{{Теорема
|author=Брауэр
|about=о неподвижной точке
|statement=
Пусть <tex> M </tex> {{---}} ограниченное выпуклое замкнутое подмножество <tex> \mathbb{R}^n </tex>, <tex> F </tex> непрерывно отображает <tex> M </tex> в себя. Тогда <tex> \exists x^*: F(x^*) = x^* </tex>.
}}

Как перенести этот факт в бесконечномерный случай? Ответ на это дает теорема Шаудера:

{{Определение
|definition=
Пусть <tex> X </tex> {{---}} B-пространство, <tex> D \subset X </tex> {{---}} ограничено в <tex> X </tex>.
<tex> \mathcal{T} </tex> {{---}} непрерывное отображение <tex> D \mapsto X </tex> в себя. Говорят, что <tex> \mathcal{T} </tex> ''вполне непрерывно'' на <tex> D </tex>, если <tex> \mathcal{T}(D) </tex> {{---}} относительно компактно в <tex> X </tex>.
}}

{{Теорема
|author=Шаудер
|about=о неподвижной точке
|statement=
Пусть <tex> M </tex> {{---}} ограниченное замкнутое выпуклое подмножество B-пространства <tex> X </tex> и <tex> \mathcal{T} </tex> вполне непрерывно отображает <tex> M </tex> в себя.

Тогда <tex> \exists x^* \in M : x^* = Tx^* </tex>.
}}

Замечание: теорему Брауэра нельзя будет назвать частным случаем теоремы Шаудера, так как при доказательстве теоремы Шаудера мы сошлемся на теорему Брауэера. У теоремы Шаудера также очень частое практическое применение.

=== Вспомогательные факты ===

{{Утверждение
|about=Факт Первый
|statement=
Рассмотрим <tex> \mathcal{T}_n </tex> {{---}} последовательность вполне непрерывных операторов на <tex> D </tex>, <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex> (<tex> \forall \varepsilon > 0 \, \exists N: \forall n > N, \forall x \in D : \| \mathcal{T}_n(x) - \mathcal{T}(x) \| < \varepsilon</tex>).

Тогда <tex> \mathcal{T} </tex> вполне непрерывен на <tex> D </tex>.

|proof=

<tex> \forall \varepsilon > 0 </tex> по равномерной сходимости, <tex> \exists n_0: \| \mathcal{T}(x) - \mathcal{T}_{n_0}(x) \| < \varepsilon \, \forall x \in D </tex>.

По предположению, <tex> \mathcal{T}_{n_0} </tex> {{---}} вполне непрерывный: существует конечная <tex> \varepsilon </tex>-сеть <tex> y_1, \hdots, y_p </tex> для <tex> \mathcal{T}_{n_0}(D) </tex>.

<tex> \forall y \in \mathcal{T}(D), y = \mathcal{T}x </tex>. Рассмотрим <tex> \mathcal{T}_{n_0}(x) \in \mathcal{T}_{n_0}(D) </tex> и подберем такое <tex> y_j </tex>, что <tex> \| y_j - \mathcal{T}_{n_0}x \| < \varepsilon </tex>.

<tex> \| y - y_j \| = \| \mathcal{T}x - y_j \| \le \| \mathcal{T}x - \mathcal{T}_{n_0}x \| + \| \mathcal{T}_{n_0}x - y_j \| </tex>. Первое слагаемое <tex> \le \varepsilon </tex> по выбору <tex> n_0 </tex> и равномерной сходимости. Второе слагаемое <tex> \le \varepsilon </tex> по выбору <tex> y_j </tex> из <tex> \varepsilon </tex>-сети.

Окончательно, <tex> \exists y_1, \hdots, y_p : \forall y \in \mathcal{T}(D) \exists y_j: \| y - y_j \| < 2 \varepsilon </tex>. Значит, мы получили <tex> 2\varepsilon </tex>-сеть для <tex> \mathcal{T}(D) </tex>.

}}

{{Утверждение
|about=Факт Второй
|statement=

Рассмотрим <tex> \mathcal{T}_n </tex> {{---}} последовательность вполне непрерывных операторов на <tex> D </tex>, <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex>.

Тогда множество <tex> \mathcal{T}_1(D) \cup \mathcal{T}_2(D) \cup \hdots \cup \mathcal{T}_n(D) \cup \hdots \cup \mathcal{T}(D) </tex> относительно компактно.

|proof=

По равномерной сходимости, <tex> \forall \varepsilon > 0 \, \exists n_0: \forall n > n_0 \forall x \in D: \| \mathcal{T}(x) - \mathcal{T}_n(x) \| < \varepsilon </tex>.

Рассмотрим множество <tex> \mathcal{T}_1(D) \cup \mathcal{T}_2(D) \cup \hdots \cup \mathcal{T}_{n_0}(D) </tex>. Оно относительно компактно как конечное объединение относительно компактных множеств.

<tex> \forall \varepsilon > 0 </tex> рассмотрим <tex> \varepsilon </tex>-сеть для этого множества: <tex> y_1, \hdots, y_p </tex>.

Рассмотрим <tex> \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>. Проверим, что <tex> y_1, \hdots, y_p </tex> {{---}} <tex> k \varepsilon </tex>-сеть для этого множества, где число <tex> k </tex> определим позже.

Возьмем произвольный <tex> y \in \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>.

Рассмотрим, в какое из множеств попадает выбранный нами <tex> y </tex>. Пусть, для начала, <tex> y \in \mathcal{T}_n(D) </tex>.

Если <tex> n \le n_0 </tex>, то <tex> \exists y_j : \| y - y_j \| < \varepsilon </tex>.

Пусть <tex> n > n_0, y \in \mathcal{T}_n(D) \implies y = \mathcal{T}_n x</tex>.

<tex> \| y - y_j \| </tex>

<tex> = \| \mathcal{T}_n x - y_j \| </tex>

<tex> \le \| \mathcal{T}_n x - \mathcal{T} x \| + \| \mathcal{T} x - y_j \| </tex>

<tex> \le \| \mathcal{T}_n x - \mathcal{T} x \| + \| \mathcal{T} x - \mathcal{T}_{n_0} x \| + \| \mathcal{T}_{n_0} x - y_j \| </tex>.

Первые два слагаемых <tex> \le \varepsilon </tex> по равномерной сходимости, третье <tex> \le \varepsilon </tex> по выбору <tex> \varepsilon </tex>-сети для <tex> n_0 </tex>.

Аналогичную оценку получаем, если <tex> y \in \mathcal{T}(D) </tex>.

В итоге, получили, что <tex> y_1, \hdots, y_p </tex> {{---}} <tex> 3\varepsilon </tex>-сеть для <tex> \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>.

}}

=== Проекторы Шаудера ===

Основная идея данного доказательства {{---}} построение проекторов Шаудера.

<tex> \mathcal{T} </tex> {{---}} вполне непрерывен на ограниченном <tex> D </tex>, <tex> M = \mathcal{T}(D) </tex> {{---}} относительно компактно.

<tex> \forall \varepsilon > 0 \exists y_1 \in M, \hdots, y_p \in M </tex> {{---}} конечная <tex> \varepsilon </tex>-сеть.

Построим следующую функцию: <tex> \forall j = 1, \hdots, p, \forall y \in M: </tex>

<tex> \mu_j(y) = \begin{cases}
0 & \mbox{if } \| y - y_j \| \ge \varepsilon \\
\varepsilon - \| y - y_j \| & \mbox{if } \| y - y_j \| < \varepsilon \end{cases}
</tex>

Легко проверить, что для любого <tex> j </tex> функция <tex> \mu_j </tex> непрерывна на <tex> M </tex>. {{TODO|t=Легко? Так давайте сделаем это.}}

Поскольку <tex> \{ y_j \} </tex> {{---}} <tex> \varepsilon </tex>-сеть, то <tex> \forall y </tex> все <tex> \mu_j(y) </tex> не могут быть равны нулю одновременно.

Обозначим <tex> S(y) = \sum\limits_{j=1}^p \mu_j(y) </tex>. По предыдущему утверждению, <tex> \forall y: S(y) > 0 </tex>

{{Определение
|definition=

<tex dpi = 140> P_\varepsilon (y) = \sum\limits_{j=1}^p \frac {\mu_j(y)} {S(y)} y_j </tex> {{---}} ''проектор Шаудера''.

}}

Коэффициенты <tex> \frac {\mu_j(y)} {S(y)} </tex> обозначим за <tex> \alpha_j(y) </tex>. Из определения следует, что <tex> \sum\limits_{j=1}^p \alpha_j(y) = 1 </tex>, то есть, <tex> P_\varepsilon(y) </tex> есть выпуклая комбинация точек <tex> \varepsilon </tex> сети для любого <tex> y </tex>.

<tex> P_\varepsilon(M) \subset \mathcal{L}(y_1, \hdots, y_p) </tex>

Если <tex> M = \mathcal{T}(D) </tex> {{---}} выпуклое множество, то <tex> P_\varepsilon(y) \in M </tex>, как выпуклая комбинация точек <tex> y_1, \hdots, y_p </tex>.

Рассмотрим <tex> \| P_\varepsilon (\mathcal{T} x) - \mathcal{T} x \| = \| \sum\limits_{j=1}^p \alpha_j y_j - \sum\limits_{j=1}^p \alpha_j y \| = \| \sum\limits_{j=1}^p \alpha_j (y_j - y) \| </tex>.

Если <tex> \| y_j - y \| > \varepsilon </tex>, то <tex> \alpha_j(y) = 0 </tex>, поэтому, продолжая цепочку неравенств, <tex> \| \sum\limits_{j=1}^p \alpha_j (y_j - y) \| \le \varepsilon \sum\limits_{j=1}^p \alpha_j \le \varepsilon </tex>.

Получили, что <tex> P_\varepsilon \mathcal{T} \rightrightarrows \mathcal{T} </tex>, когда <tex> \varepsilon \to 0 </tex>.

Каждый из операторов <tex> P_\varepsilon \mathcal{T} </tex> конечномерен: <tex> \mathop{dim} R(P_\varepsilon \mathcal{T}) < +\infty </tex>.

По неравенству, полученному чуть выше, также имеем <tex> \| P_\varepsilon (\mathcal{T} x) - \mathcal{T} x \| \le \varepsilon \, \forall x \in D </tex>.

В итоге мы имеем следующую теорему:

{{Теорема
|statement=
Проекторы Шаудера оператора <tex> \mathcal{T} </tex> равномерно сходятся к <tex> \mathcal{T} </tex>: <tex> P_\varepsilon \mathcal{T} \rightrightarrows \mathcal{T} </tex>, то есть любой вполне непрерывный оператор является равномерным пределом последовательности конечномерных операторов.
}}

Соединяя с теоремой Брауэра, получим:

<tex> M </tex> {{---}} выпуклое ограниченное множество, оператор <tex> \mathcal{T} : M \to M </tex> является вполне ограниченным.

Определим последовательность <tex> \mathcal{T}_n = P_{\frac 1n} \mathcal{T} </tex>. <tex> \mathcal{T}_n : M_n \to M_n </tex>, где <tex> M_n </tex> {{---}} конечномерное пространство.

Применяя теорему Брауэра, получаем, что <tex> \forall n: \exists x_n \in M_n: x_n = \mathcal{T}_n x_n = x_n </tex>.

Учитывая, что <tex> M_1 \cup M_2 \cup \hdots </tex> относительно компактно, из <tex> \{ x_n \} </tex> можно выделить сходящуюся подпоследовательность: <tex> \exists x_{n_k} \to x^* \in M </tex>.

<tex> \| x^* - \mathcal{T}x^* \| = \| \lim(x_{n_k} - \mathcal{T} x_{n_k}) \| </tex>.

По выбору <tex> x_{n_k} </tex>: <tex> x_{n_k} = \mathcal{T}_{n_k} x_{n_k} </tex>.

По равномерной сходимости <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex>: <tex> \| \mathcal{T}_{n_k} x_{n_k} - \mathcal{T} x_{n_k} \| \le \varepsilon </tex>, начиная с <tex> k_0 </tex> для всех <tex> x \in M </tex>.

Откуда, окончательно, получаем, что искомый предел равен <tex> 0 </tex>, и <tex> \| x^* - \mathcal{T} x^* \| = 0 </tex>, и <tex> x^* = \mathcal{T} x^* </tex>. Теорема Шаудера доказана.

That's all!

О нелинейных операторных уравнениях

2013-06-08T08:23:05Z

AVasilyev: Второй Не Менее Важный Факт

{{В разработке}}

Ранее мы рассматривали уравнения вида <tex> y = \lambda x - \mathcal{A} x </tex>, где <tex> y </tex> дано, так называемое "линейное уравнение 2 рода". Для ответа на вопрос "имеет ли решение это уравнение?" надо изучать <tex> \sigma(\mathcal{A}) </tex>.

Сложнее, когда задано уравнение вида <tex>\mathcal{T}(x) = 0</tex> или <tex>\mathcal{T}(x) = x</tex>, где <tex> T: X \xrightarrow[nonlinear]{} X </tex> {{---}} произвольный оператор из <tex> X </tex> в <tex> X </tex>.

В этом параграфе мы покажем 3 способа решения таких уравнений.

== Простые итерации ==

Решаем уравнение <tex> x = \mathcal{T}(x) </tex>. Составляем последовательность <tex> x_{n+1} = \mathcal{T}(x_n) </tex> и изучаем сходимость последовательности <tex> \{ x_n \} \xrightarrow[]{?} x^* </tex>.

Если <tex> \mathcal{T} </tex> {{---}} непрерывный оператор, то <tex> x_{n+1} \to \mathcal{T} x^*, \mathcal{T} x_n \to \mathcal{T} x^* </tex> и, по единственности предела, получаем <tex> x^* = \mathcal{T} x^* </tex>.

Во втором семестре у нас было определение [[производной Фреше]]: <tex> \mathcal{T}(x+\Delta x) -\mathcal{T}(x) = \mathcal{T}'(x) \cdot \Delta x + o(\Delta x)</tex>. <tex> \mathcal{T}' </tex> {{---}} линейный ограниченный оператор.

<tex> \frac { \| o(\Delta x) \|} { \| \Delta x \| } \to 0 </tex>

{{Теорема
|about=Локальная теорема о простой итерации
|statement=
Пусть известно, что существует <tex> \overline{x}: \mathcal{T}(\overline{x}) = \overline{x} </tex> и <tex> \| \mathcal{T}' \| \le q < 1 </tex>.

Тогда существует такой шар <tex> V_{\delta} (\overline x) </tex>, что если <tex> x_0 \in V_{\delta} (\overline x) </tex>, то:
* Метод простых итераций корректно определен: <tex> \mathcal{T}x_n \in V_{\delta} (\overline x), n \le 0</tex>.
* <tex> x_n \to \overline x </tex>

|proof=

Положим <tex> \varepsilon = \frac {1-q}2 </tex>.

В силу определения производной Фреше существует <tex> \delta > 0: \| \Delta x \| \implies \| \mathcal{T} (\overline x + \Delta x) \mathcal{T}(\overline x) - \mathcal{T}'(\overline x) \cdot \Delta x \| < \varepsilon \| \Delta x \| </tex>.

Убедимся в том, что такая <tex> \delta </tex> подходит в качестве радуса шара из условия теоремы:

Предположим, что <tex> x_n \in V_\delta (\overline x) </tex>.

<tex> \| x_{n+1} - \overline x \| = \| \mathcal{T}x_n - \mathcal{T} \overline x\| \le </tex>

<tex> \le \| \mathcal{T} x_n - \mathcal{T} \overline x - \mathcal{T}' (\overline x) (x_n - \overline x) \| + \| \mathcal{T}'(\overline x) (x_n - \overline x)\| </tex>.

Рассмотрим первое слагаемое: <tex> x_n \in V_\delta (\overline x) \implies \| x_n - \overline x \| < \delta </tex>, а значит, <tex> \| \mathcal{T} x_n - \mathcal{T} \overline x - \mathcal{T}' (\overline x) (x_n - \overline x) \| < \varepsilon \| x_n - \overline x \| </tex>.

Второе слагаемое: <tex> \| \mathcal{T}'(\overline x) (x_n - \overline x)\| \le \| \mathcal{T}'(\overline x) \| \| x_n - \overline x \| \le q \| x_n - \overline x \| </tex>

Складывая полученное: <tex> \varepsilon \| x_n - \overline x \| + q \| x_n - \overline x \| = (\frac {1-q}2 + q) \le \frac {1+q}2 \delta < \delta </tex>.

Окончательно мы получили, что <tex> x_n \in V_\delta (\overline x) \implies x_{n+1} \in V_\delta (\overline x) </tex>, то есть метод простых итераций определен корректно. Попутно мы также установили, что <tex> \| x_{n+1} - \overline x \| \le \frac {1+q}2 \| x_n - \overline x \| \le \hdots \le (\frac {1+q}2)^{n+1} \| x_0 - \overline x \| \xrightarrow[n \to \infty]{} 0 </tex>, то есть <tex> x_n \to \overline x </tex>.

}}

== Метод Ньютона-Канторовича ==

Ньютоном был предложен классический способ решения уравнений (метод касательных). До Ньютона использовали метод половинного деления. В двадцатом веке Канторович перенес соответствующие методы на операторные уравнения вида <tex> \mathcal{T} x = 0, \mathcal{T} </tex> {{---}} непрерывный оператор из <tex> X </tex> в <tex> X </tex>, <tex>X</tex>{{---}} нормированное пространство.

Предположим, что <tex> \mathcal{T} (\overline x) = 0 </tex>. Получим схему метода Ньютона-Канторовича.

<tex> x_0 </tex> {{---}} начальное приближение.

<tex> \mathcal{T} (\overline x) = \mathcal{T}(x_0) + \mathcal{T}'(x_0) \cdot (\overline x - x_0) + \hdots </tex>. Обрежем последнюю часть: <tex> 0 = \mathcal{T}(x_0) + \mathcal{T}'(x_0) \cdot (x_0 - \overline x) </tex>.

Обозначим <tex> \mathcal{\Gamma}(x_0) = (\mathcal{T}'(x_0))^{-1} </tex>.

<tex> -\mathcal{T}(x_0) = \mathcal{T}'(x_0) \cdot (\overline x - x_0) </tex>

Домножим равенство с обеих сторон на <tex> \Gamma(x_0) </tex>: <tex> -\Gamma(x_0) \mathcal{T}(x_0) = \Gamma(x_0) \mathcal{T}'(x_0) \cdot (\overline x - x_0) = \overline x - x_0 </tex>.

<tex> \overline x = x_0 - \Gamma \mathcal{T}(x_0) </tex>.

Теперь положим <tex> x_{n+1} = x_n - \Gamma(x_0) \mathcal{T} (x_0) </tex> и получим итерацию метода Ньютона-Канторовича для функции

<tex> \mathcal{F}(x) = x - \Gamma(x) \mathcal{T} (x)</tex>

<tex> x_{n+1} = \mathcal{F}(x_n) </tex>

Покажем, что <tex> \mathcal{F}'(\overline x) = 0 </tex>, то есть <tex> q = 0 </tex> из условия локальной теоремы о простой итерации.

{{Утверждение
|statement=<tex> \mathcal{F}'(\overline x) = 0 </tex>
|proof=

<tex> \| \mathcal{F} (\overline x - \Delta x) - \mathcal{F} (\overline x) \| </tex>

<tex>= \| \overline x + \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) - \overline x + \Gamma(\overline x) \mathcal{T} (\overline x) \| </tex>

<tex>= \| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) \|</tex>

Запишем <tex> 0 = \mathcal{T}(\overline x) </tex> через значение <tex> \mathcal{T}' (\overline x + \Delta x) </tex>:

<tex> 0 = \mathcal{T}(\overline x) </tex>

<tex> = \mathcal{T}(\overline x + \Delta x) + \mathcal{T}'(\overline x + \Delta x) \cdot (\overline x - (\overline x + \Delta x)) + o(\overline x - (\overline x + \Delta x)) </tex>

<tex>= \mathcal{T}(\overline x + \Delta x) - \mathcal{T}'(\overline x + \Delta x) \cdot \Delta x + o(\Delta x) </tex>, откуда <tex> \mathcal{T}(\overline x + \Delta x) = \mathcal{T}'(\overline x + \Delta x) \cdot \Delta x + o(\Delta x) </tex>.

Подставим это равенство в выражение выше: <tex> \| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T} (\overline x + \Delta x) \| </tex>

<tex> =
\| \Delta x - \Gamma(\overline x + \Delta x) \mathcal{T}' (\overline x + \Delta x) \cdot \Delta x + \Gamma(\overline x + \Delta x) \cdot o(\Delta x) \| </tex>

<tex> = \| \Delta x - \Delta x + \Gamma(\overline x + \Delta x)) \cdot o(\Delta x) </tex>.

Итого: <tex> \| \mathcal{F}(\overline x + \Delta x) - \mathcal{F}(\overline x) \| \le \| \Gamma(\overline x + \Delta x) \| \| o(\Delta x) \| </tex>, откуда <tex> \mathcal{F}(\overline x + \Delta x) - \mathcal{F}(\overline x) = o(\Delta x) \implies \mathcal{F}'(\overline x) = 0 </tex>

}}

== Теорема Шаудера ==

Рассмотрим другую идею решения <tex> \mathcal{T} x = x </tex>. Оно основывается на том факте, что если функция <tex> f </tex> отображает отрезок <tex> [a, b] </tex> в себяЯ, то существует такая точка <tex> c \in [a, b] : c = f(c) </tex>.

Обобщение этого факта для <tex> \mathbb{R}^n </tex> называется теоремой Брауэра:

{{Теорема
|author=Брауэр
|about=о неподвижной точке
|statement=
Пусть <tex> M </tex> {{---}} ограниченное выпуклое замкнутое подмножество <tex> \mathbb{R}^n </tex>, <tex> F </tex> непрерывно отображает <tex> M </tex> в себя. Тогда <tex> \exists x^*: F(x^*) = x^* </tex>.
}}

Как перенести этот факт в бесконечномерный случай? Ответ на это дает теорема Шаудера:

{{Определение
|definition=
Пусть <tex> X </tex> {{---}} B-пространство, <tex> D \subset X </tex> {{---}} ограничено в <tex> X </tex>.
<tex> \mathcal{T} </tex> {{---}} непрерывное отображение <tex> D \mapsto X </tex> в себя. Говорят, что <tex> \mathcal{T} </tex> ''вполне непрерывно'' на <tex> D </tex>, если <tex> \mathcal{T}(D) </tex> {{---}} относительно компактно в <tex> X </tex>.
}}

{{Теорема
|author=Шаудер
|about=о неподвижной точке
|statement=
Пусть <tex> M </tex> {{---}} ограниченное замкнутое выпуклое подмножество B-пространства <tex> X </tex> и <tex> \mathcal{T} </tex> вполне непрерывно отображает <tex> M </tex> в себя.

Тогда <tex> \exists x^* \in M : x^* = Tx^* </tex>.
}}

Замечание: теорему Брауэра нельзя будет назвать частным случаем теоремы Шаудера, так как при доказательстве теоремы Шаудера мы сошлемся на теорему Брауэера. У теоремы Шаудера также очень частое практическое применение.

=== Вспомогательные факты ===

{{Утверждение
|about=Факт Первый
|statement=
Рассмотрим <tex> \mathcal{T}_n </tex> {{---}} последовательность вполне непрерывных операторов на <tex> D </tex>, <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex> (<tex> \forall \varepsilon > 0 \, \exists N: \forall n > N, \forall x \in D : \| \mathcal{T}_n(x) - \mathcal{T}(x) \| < \varepsilon</tex>).

Тогда <tex> \mathcal{T} </tex> вполне непрерывен на <tex> D </tex>.

|proof=

<tex> \forall \varepsilon > 0 </tex> по равномерной сходимости, <tex> \exists n_0: \| \mathcal{T}(x) - \mathcal{T}_{n_0}(x) \| < \varepsilon \, \forall x \in D </tex>.

По предположению, <tex> \mathcal{T}_{n_0} </tex> {{---}} вполне непрерывный: существует конечная <tex> \varepsilon </tex>-сеть <tex> y_1, \hdots, y_p </tex> для <tex> \mathcal{T}_{n_0}(D) </tex>.

<tex> \forall y \in \mathcal{T}(D), y = \mathcal{T}x </tex>. Рассмотрим <tex> \mathcal{T}_{n_0}(x) \in \mathcal{T}_{n_0}(D) </tex> и подберем такое <tex> y_j </tex>, что <tex> \| y_j - \mathcal{T}_{n_0}x \| < \varepsilon </tex>.

<tex> \| y - y_j \| = \| \mathcal{T}x - y_j \| \le \| \mathcal{T}x - \mathcal{T}_{n_0}x \| + \| \mathcal{T}_{n_0}x - y_j \| </tex>. Первое слагаемое <tex> \le \varepsilon </tex> по выбору <tex> n_0 </tex> и равномерной сходимости. Второе слагаемое <tex> \le \varepsilon </tex> по выбору <tex> y_j </tex> из <tex> \varepsilon </tex>-сети.

Окончательно, <tex> \exists y_1, \hdots, y_p : \forall y \in \mathcal{T}(D) \exists y_j: \| y - y_j \| < 2 \varepsilon </tex>. Значит, мы получили <tex> 2\varepsilon </tex>-сеть для <tex> \mathcal{T}(D) </tex>.

}}

{{Утверждение
|about=Факт Второй
|statement=

Рассмотрим <tex> \mathcal{T}_n </tex> {{---}} последовательность вполне непрерывных операторов на <tex> D </tex>, <tex> \mathcal{T}_n \rightrightarrows \mathcal{T} </tex>.

Тогда множество <tex> \mathcal{T}_1(D) \cup \mathcal{T}_2(D) \cup \hdots \cup \mathcal{T}_n(D) \cup \hdots \cup \mathcal{T}(D) </tex> относительно компактно.

|proof=

По равномерной сходимости, <tex> \forall \varepsilon > 0 \, \exists n_0: \forall n > n_0 \forall x \in D: \| \mathcal{T}(x) - \mathcal{T}_n(x) \| < \varepsilon </tex>.

Рассмотрим множество <tex> \mathcal{T}_1(D) \cup \mathcal{T}_2(D) \cup \hdots \cup \mathcal{T}_{n_0}(D) </tex>. Оно относительно компактно как конечное объединение относительно компактных множеств.

<tex> \forall \varepsilon > 0 </tex> рассмотрим <tex> \varepsilon </tex>-сеть для этого множества: <tex> y_1, \hdots, y_p </tex>.

Рассмотрим <tex> \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>. Проверим, что <tex> y_1, \hdots, y_p </tex> {{---}} <tex> k \varepsilon </tex>-сеть для этого множества, где число <tex> k </tex> определим позже.

Возьмем произвольный <tex> y \in \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>.

Рассмотрим, в какое из множеств попадает выбранный нами <tex> y </tex>. Пусть, для начала, <tex> y \in \mathcal{T}_n(D) </tex>.

Если <tex> n \le n_0 </tex>, то <tex> \exists y_j : \| y - y_j \| < \varepsilon </tex>.

Пусть <tex> n > n_0, y \in \mathcal{T}_n(D) \implies y = \mathcal{T}_n x</tex>.

<tex> \| y - y_j \| </tex>

<tex> = \| \mathcal{T}_n x - y_j \| </tex>

<tex> \le \| \mathcal{T}_n x - \mathcal{T} x \| + \| \mathcal{T} x - y_j \| </tex>

<tex> \le \| \mathcal{T}_n x - \mathcal{T} x \| + \| \mathcal{T} x - \mathcal{T}_{n_0} x \| + \| \mathcal{T}_{n_0} x - y_j \| </tex>.

Первые два слагаемых <tex> \le \varepsilon </tex> по равномерной сходимости, третье <tex> \le \varepsilon </tex> по выбору <tex> \varepsilon </tex>-сети для <tex> n_0 </tex>.

Аналогичную оценку получаем, если <tex> y \in \mathcal{T}(D) </tex>.

В итоге, получили, что <tex> y_1, \hdots, y_p </tex> {{---}} <tex> 3\varepsilon </tex>-сеть для <tex> \bigcup\limits_{n=1}^{\infty} \mathcal{T}_n(D) \cup \mathcal{T}(D) </tex>.

}}

=== Проекторы Шаудера ===

О нелинейных операторных уравнениях

2013-06-08T07:29:34Z

AVasilyev: Важный Факт Номер Один

О нелинейных операторных уравнениях

2013-06-07T21:30:39Z

AVasilyev:

О нелинейных операторных уравнениях

2013-06-07T20:46:07Z

AVasilyev:

{{В разработке}}

== Введение ==

Ранее мы рассматривали уравнения вида <tex> y = \lambda x - \mathcal{A} x </tex>, где <tex> y </tex> дано, так называемое "линейное уравнение 2 рода". Для ответа на вопрос "имеет ли решение это уравнение?" надо изучать <tex> \sigma(\mathcal{A}) </tex>.

Сложнее, когда задано уравнение вида <tex>\mathcal{T}(x) = 0</tex> или <tex>\mathcal{T}(x) = x</tex>, где <tex> T: X \xrightarrow[nonlinear]{} X </tex> {{---}} произвольный оператор из <tex> X </tex> в <tex> X </tex>.

В этом параграфе мы покажем 3 способа решения таких уравнений.

=== Простые итерации ===

Решаем уравнение <tex> x = \mathcal{T}(x) </tex>. Составляем последовательность <tex> x_{n+1} = \mathcal{T}(x_n) </tex> и изучаем сходимость последовательности <tex> \{ x_n \} \xrightarrow[]{?} x^* </tex>.

Если <tex> \mathcal{T} </tex> {{---}} непрерывный оператор, то <tex> x_{n+1} \to \mathcal{T} x^*, \mathcal{T} x_n \to \mathcal{T} x^* </tex> и, по единственности предела, получаем <tex> x^* = \mathcal{T} x^* </tex>.

Во втором семестре у нас было определение [[производной Фреше]]: <tex> \mathcal{T}(x+\Delta x) -\mathcal{T}(x) = \mathcal{T}'(x) \cdot \Delta x + o(\Delta x)</tex>. <tex> \mathcal{T}' </tex> {{---}} линейный ограниченный оператор.

<tex> \frac { \| o(\Delta x) \|} { \| \Delta x \| } \to 0 </tex>

{{Теорема
|about=Локальная теорема о простой итерации
|statement=
Пусть известно, что существует <tex> \overline{x}: \mathcal{T}(\overline{x}) = \overline{x} </tex> и <tex> \| \mathcal{T}' \| \le q < 1 </tex>.

Тогда существует такой шар <tex> V_{\delta} (\overline x) </tex>, что если <tex> x_0 \in V_{\delta} (\overline x) </tex>, то:
* Метод простых итераций корректно определен: <tex> \mathcal{T}x_n \in V_{\delta} (\overline x), n \le 0</tex>.
* <tex> x_n \to \overline x </tex>

|proof=

Положим <tex> \varepsilon = \frac {1-q}2 </tex>.

В силу определения производной Фреше существует <tex> \delta > 0: \| \Delta x \| \implies \| \mathcal{T} (\overline x + \Delta x) \mathcal{T}(\overline x) - \mathcal{T}'(\overline x) \cdot \Delta x \| < \varepsilon \| \Delta x \| </tex>.

Убедимся в том, что такая <tex> \delta </tex> подходит в качестве радуса шара из условия теоремы:

Предположим, что <tex> x_n \in V_\delta (\overline x) </tex>.

<tex> \| x_{n+1} - \overline x \| = \| \mathcal{T}x_n - \mathcal{T} \overline x\| \le </tex>

<tex> \le \| \mathcal{T} x_n - \mathcal{T} \overline x - \mathcal{T}' (\overline x) (x_n - \overline x) \| + \| \mathcal{T}'(\overline x) (x_n - \overline x)\| </tex>.

Рассмотрим первое слагаемое: <tex> x_n \in V_\delta (\overline x) \implies \| x_n - \overline x \| < \delta </tex>, а значит, <tex> \| \mathcal{T} x_n - \mathcal{T} \overline x - \mathcal{T}' (\overline x) (x_n - \overline x) \| < \varepsilon \| x_n - \overline x \| </tex>.

Второе слагаемое: <tex> \| \mathcal{T}'(\overline x) (x_n - \overline x)\| \le \| \mathcal{T}'(\overline x) \| \| x_n - \overline x \| \le q \| x_n - \overline x \| </tex>

Складывая полученное: <tex> \varepsilon \| x_n - \overline x \| + q \| x_n - \overline x \| = (\frac {1-q}2 + q) \le \frac {1+q}2 \delta < \delta </tex>.

Окончательно мы получили, что <tex> x_n \in V_\delta (\overline x) \implies x_{n+1} \in V_\delta (\overline x) </tex>, то есть метод простых итераций определен корректно. Попутно мы также установили, что <tex> \| x_{n+1} - \overline x \| \le \frac {1+q}2 \| x_n - \overline x \| \le \hdots \le (\frac {1+q}2)^{n+1} \| x_0 - \overline x \| \xrightarrow[n \to \infty]{} 0 </tex>, то есть <tex> x_n \to \overline x </tex>.

}}

О нелинейных операторных уравнениях

2013-06-07T20:01:44Z

AVasilyev: Новая страница: «{{В разработке}}»

Математический анализ 2 курс

2012-06-26T13:26:44Z

AVasilyev: /* Глава XIII Ряды Фурье */

[[Категория:Математический анализ 2 курс]]
<i>matan {{---}} убивать (исп.)</i>


[http://ru.wikipedia.org/wiki/%D0%9C%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%BE_%D0%92%D0%B8%D1%82%D0%B0%D0%BB%D0%B8 Множество Витали]

=== Глава X Мера и интеграл Лебега ===
#[[Полукольца и алгебры]] Вопрос 1 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9F%D0%BE%D0%BB%D1%83%D0%BA%D0%BE%D0%BB%D1%8C%D1%86%D0%B0_%D0%B8_%D0%B0%D0%BB%D0%B3%D0%B5%D0%B1%D1%80%D1%8B&printable=yes печать]
#[[Мера на полукольце множеств]] Вопрос 2 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9C%D0%B5%D1%80%D0%B0_%D0%BD%D0%B0_%D0%BF%D0%BE%D0%BB%D1%83%D0%BA%D0%BE%D0%BB%D1%8C%D1%86%D0%B5_%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2&printable=yes печать]
#[[Внешняя мера]] Вопрос 3 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%92%D0%BD%D0%B5%D1%88%D0%BD%D1%8F%D1%8F_%D0%BC%D0%B5%D1%80%D0%B0&printable=yes печать]
#[[Мера, порожденная внешней мерой]] Вопрос 4 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9C%D0%B5%D1%80%D0%B0,_%D0%BF%D0%BE%D1%80%D0%BE%D0%B6%D0%B4%D0%B5%D0%BD%D0%BD%D0%B0%D1%8F_%D0%B2%D0%BD%D0%B5%D1%88%D0%BD%D0%B5%D0%B9_%D0%BC%D0%B5%D1%80%D0%BE%D0%B9&printable=yes печать]
#[[Процесс Каратеодори]] Вопросы 5, 6, 7 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9F%D1%80%D0%BE%D1%86%D0%B5%D1%81%D1%81_%D0%9A%D0%B0%D1%80%D0%B0%D1%82%D0%B5%D0%BE%D0%B4%D0%BE%D1%80%D0%B8&printable=yes печать]
#[[Объём n-мерного прямоугольника]] Вопросы 8, 9 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9E%D0%B1%D1%8A%D1%91%D0%BC_n-%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BF%D1%80%D1%8F%D0%BC%D0%BE%D1%83%D0%B3%D0%BE%D0%BB%D1%8C%D0%BD%D0%B8%D0%BA%D0%B0&printable=yes печать]
#[[Мера Лебега в R^n]] Вопросы 10, 11, 12 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9C%D0%B5%D1%80%D0%B0_%D0%9B%D0%B5%D0%B1%D0%B5%D0%B3%D0%B0_%D0%B2_R%5En&printable=yes печать]

=== Глава XI Измеримые функции===
#[[Определение измеримой функции]] Вопросы 13, 14 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9E%D0%BF%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B8%D0%B7%D0%BC%D0%B5%D1%80%D0%B8%D0%BC%D0%BE%D0%B9_%D1%84%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D0%B8&printable=yes печать]
#[[Предельный переход в классе измеримых функций]] Вопросы 15, 16 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9F%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9_%D0%BF%D0%B5%D1%80%D0%B5%D1%85%D0%BE%D0%B4_%D0%B2_%D0%BA%D0%BB%D0%B0%D1%81%D1%81%D0%B5_%D0%B8%D0%B7%D0%BC%D0%B5%D1%80%D0%B8%D0%BC%D1%8B%D1%85_%D1%84%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D0%B9&printable=yes печать]
#[[Сходимость по мере]] Вопросы 17, 18 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%A1%D1%85%D0%BE%D0%B4%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D1%8C_%D0%BF%D0%BE_%D0%BC%D0%B5%D1%80%D0%B5&printable=yes печать]
#[[Классические теоремы теории измеримых функций]] Вопросы 18(?), 19, 20, 21 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5_%D1%82%D0%B5%D0%BE%D1%80%D0%B5%D0%BC%D1%8B_%D1%82%D0%B5%D0%BE%D1%80%D0%B8%D0%B8_%D0%B8%D0%B7%D0%BC%D0%B5%D1%80%D0%B8%D0%BC%D1%8B%D1%85_%D1%84%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D0%B9&printable=yes печать]

=== Глава XII Интеграл Лебега ===
#[[Определение интеграла Лебега | Определение интеграла Лебега от ограниченных функций по множествам конечной меры]] Вопросы 22, 23 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9E%D0%BF%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B8%D0%BD%D1%82%D0%B5%D0%B3%D1%80%D0%B0%D0%BB%D0%B0_%D0%9B%D0%B5%D0%B1%D0%B5%D0%B3%D0%B0&printable=yes печать]
#[[Некоторые элементарные свойства интеграла Лебега]] Вопросы 24, 26 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9D%D0%B5%D0%BA%D0%BE%D1%82%D0%BE%D1%80%D1%8B%D0%B5_%D1%8D%D0%BB%D0%B5%D0%BC%D0%B5%D0%BD%D1%82%D0%B0%D1%80%D0%BD%D1%8B%D0%B5_%D1%81%D0%B2%D0%BE%D0%B9%D1%81%D1%82%D0%B2%D0%B0_%D0%B8%D0%BD%D1%82%D0%B5%D0%B3%D1%80%D0%B0%D0%BB%D0%B0_%D0%9B%D0%B5%D0%B1%D0%B5%D0%B3%D0%B0&printable=yes печать]
#[[Предельный переход под знаком интеграла Лебега]] Вопрос 27 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9F%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9_%D0%BF%D0%B5%D1%80%D0%B5%D1%85%D0%BE%D0%B4_%D0%BF%D0%BE%D0%B4_%D0%B7%D0%BD%D0%B0%D0%BA%D0%BE%D0%BC_%D0%B8%D0%BD%D1%82%D0%B5%D0%B3%D1%80%D0%B0%D0%BB%D0%B0_%D0%9B%D0%B5%D0%B1%D0%B5%D0%B3%D0%B0&printable=yes печать]
#[[Неотрицательные суммируемые функции]] Вопросы 28, 29 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9D%D0%B5%D0%BE%D1%82%D1%80%D0%B8%D1%86%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B5_%D1%81%D1%83%D0%BC%D0%BC%D0%B8%D1%80%D1%83%D0%B5%D0%BC%D1%8B%D0%B5_%D1%84%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D0%B8&printable=yes печать]
#[[Суммируемые функции произвольного знака]] Вопросы 28(?), 25, 30, 31 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%A1%D1%83%D0%BC%D0%BC%D0%B8%D1%80%D1%83%D0%B5%D0%BC%D1%8B%D0%B5_%D1%84%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D0%B8_%D0%BF%D1%80%D0%BE%D0%B8%D0%B7%D0%B2%D0%BE%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE_%D0%B7%D0%BD%D0%B0%D0%BA%D0%B0&printable=yes печать]
#[[Классические теоремы о предельном переходе под знаком интеграла Лебега]] Вопросы 32, 33, 34 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5_%D1%82%D0%B5%D0%BE%D1%80%D0%B5%D0%BC%D1%8B_%D0%BE_%D0%BF%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%BC_%D0%BF%D0%B5%D1%80%D0%B5%D1%85%D0%BE%D0%B4%D0%B5_%D0%BF%D0%BE%D0%B4_%D0%B7%D0%BD%D0%B0%D0%BA%D0%BE%D0%BC_%D0%B8%D0%BD%D1%82%D0%B5%D0%B3%D1%80%D0%B0%D0%BB%D0%B0_%D0%9B%D0%B5%D0%B1%D0%B5%D0%B3%D0%B0&printable=yes печать]
#[[Пространство L_p(E)]] Вопросы 35, 36, 37 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9F%D1%80%D0%BE%D1%81%D1%82%D1%80%D0%B0%D0%BD%D1%81%D1%82%D0%B2%D0%BE_L_p(E)&printable=yes печать]
#[[Мера подграфика]] Вопросы 38, 39 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%9C%D0%B5%D1%80%D0%B0_%D0%BF%D0%BE%D0%B4%D0%B3%D1%80%D0%B0%D1%84%D0%B8%D0%BA%D0%B0&printable=yes печать]
#[[Теорема Фубини]] Вопросы 40, 41 [http://neerc.ifmo.ru/mediawiki/index.php?title=%D0%A2%D0%B5%D0%BE%D1%80%D0%B5%D0%BC%D0%B0_%D0%A4%D1%83%D0%B1%D0%B8%D0%BD%D0%B8&printable=yes печать]
#[[Точки Лебега суммируемой функции]] Нафиг не нужно

=== Глава XIII Ряды Фурье ===
# [[Определение ряда Фурье]] Вопрос 1
# [[Интеграл Дирихле]]
# [[Интеграл Фейера]]
# [[Теорема Фейера]]
# [[Наилучшее приближение в линейных нормированных пространствах]]
# [[Лемма Римана-Лебега]]
# [[Сходимость ряда Фурье в индивидуальной точке]]
# [[Функции ограниченной вариации]]
# [[Интеграл Римана-Стилтьеса]]
# [[Теорема Жордана]]
# [[О почленном интегрировании ряда Фурье]]
# [[L_2-теория рядов Фурье]]
# [[Теорема Лузина-Данжуа]]
# [[Теорема Джексона]]
# [[Об интеграле Фурье]]
# [[Явление Гиббса]]
# [[Неравенство Бернштейна]]
# [[Об обратных теоремах теории приближения функций]]
# [[Суммирование расходящихся рядов|Суммирование расходящихся рядов (2 семестр)]]

=== Экзамен ===
* [[Вопросы к экзамену по математическому анализу за 4 семестр]]
* [[Теоретический минимум по математическому анализу за 4 семестр]]
* [[Вопросы к экзамену по математическому анализу за 3 семестр]]
* [[Теоретический минимум по математическому анализу за 3 семестр]]

QpmtnCmax

2012-06-23T14:04:30Z

AVasilyev: /* Алгоритм построения расписания */

<div style="background-color: #ABCDEF; font-size: 16px; font-weight: bold; color: #000000; text-align: center; padding: 4px; border-style: solid; border-width: 1px;">Эта статья находится в разработке!</div>
<includeonly>[[Категория: В разработке]]</includeonly>

==Постановка задачи==
Есть несколько станков с разной скоростью выполнения работ. Работу на каждом из станков можно прервать и продолжить позже.

Цель - выполнить все как можно быстрее.

1. Найдем нижнюю границу времени выполнения.

2. Составим оптимальное расписание.

==Алгоритм построения расписания==
Перед выполнением алгоритма, упорядочим все работы по убыванию их времени выполнеия:<tex> p_1 \ge p_2 \ge p_3... </tex>, а все машины в порядке убывания скоростей: <tex> s_1 \ge s_2 \ge s_3 ... </tex>. Введем следующие обозначения:

<tex> P_i = p_1 + ... + p_i</tex>

<tex> S_j = s_1 + ... + s_j</tex>

<tex>i = 1 ... n</tex>, <tex>j = 1 ... m</tex>, <tex> p_i</tex> - время выполнения <tex>i</tex>-ой работы, <tex> s_j</tex> - скорость работы <tex> j </tex>-oй машины.

Необходимое условие для выполнения всех работ в интервале <tex>[0..T]</tex>:

<tex> P_n = p_1 + ... + p_n \le s_1T + ... + s_mT = S_mT</tex> или <tex>P_n/S_m \le T</tex>

Кроме того, должно выполняться условие <tex>P_j/S_j \le T</tex> для всех <tex> j = 1..m - 1 </tex>, так как это нижняя оценка времени выполнения работ <tex> J_1...J_j</tex>. Исходя из этого получаем нижнюю границу <tex>C_{max}</tex> :

<tex>C_{max}</tex> = <tex>\max\{\max\limits_{j=1}^{m-1} {P_j \over S_j}, {P_n \over S_m}\}</tex>

Перейдем к описанию алгоритма. Будем назвать <tex>Level</tex>-ом работы <tex> p_i(t) </tex> - невыполненную часть работы <tex> p_i </tex> в момент времени <tex> t </tex>

Далее построим расписание, которое достигает нашей оценки <tex>C_{max}</tex>, с помощью <tex>Level</tex>-алгоритма.

<tex>Level</tex> - алгоритм:

<tex>t \leftarrow 0 </tex>
'''WHILE''' существуют работы с положительным <tex>level</tex>
Assign(t)
<tex>t1 \leftarrow \min (s > t \mid s</tex> - время окончания какой-то работы <tex> ) </tex>
<tex>t2 \leftarrow \min (s > t \mid </tex> для некоторых работ <tex>i, j : p_i(t) > p_j(t)</tex> и <tex> p_i(s) = p_j(s))</tex>
<tex> t \leftarrow \min(t1,t2) </tex> //поиск следующего момента времени ,в который нужно будет перераспределить машины/работы
Построение расписания

Функция <tex>Assign(t)</tex>:

<tex>J </tex> - множество работ с положительным <tex>level</tex>
<tex>M = \{M_1,...,M_m\}</tex> - множество всех станков
'''WHILE''' множества <tex>J</tex> и <tex>M</tex> не пустые
Найти множество работ <tex>I \subset J</tex>, <tex>level</tex> которых максимален.
<tex>r \leftarrow min</tex>(|<tex>M</tex>|,|<tex>I</tex>|)
Назначаем работы из множества <tex>I</tex> на <tex>r</tex> самых быстрых машин из множества <tex>M</tex>
<tex>J \leftarrow J</tex>\<tex>I</tex>
Удаляем из множества <tex>M</tex> <tex>r</tex> самых быстрых машин

==Доказательство корректности алгоритма==
Так как нижняя граница <tex>C_{max}</tex>:

<tex>C_{max}</tex> = <tex>\max\{\max\limits_{j=1}^{m-1} {P_j \over S_j}, {P_n \over S_m}\}</tex>

то достаточно показать, что составленное расписание достигает этой оценки.

Будем считать, что в начале алгоритма все работы упорядочены, как было сказано ранее: <tex> p_1(0) \ge p_2(0) \ge ... \ge p_n(0) </tex>. Это утверждение не меняется на протяжении всего выполнения алгоритма, для любого момента времени. Получаем: <tex> p_1(t) \ge p_2(t) \ge ... \ge p_n(t) </tex>. Докажем что алгоритм составляет расписание в соответствии с этим свойством. Чтобы доказать этот факт, будем считать что в любой момент времени <tex>T</tex> нет простоев машин, когда есть хотя бы одна невыполненная работа. Получаем:

<tex> T(s_1 + ... + s_m) = p_1 + p_2 + ... + p_n </tex> или <tex> T = {P_n \over S_m} </tex>

Таким образом необходимая оценка достигается нашим алгоритмом.

Допустим хотя бы одна машина простаивает, в момент когда есть невыполненные работы, получим следующее неравенство для времен окончания работ (обозначим далее как <tex> f_i </tex>) на станках <tex>M_1 ... M_m</tex>:

<tex> f_1 \ge f_2 \ge ... \ge f_m </tex>

Докажем написанное выше неравенство:

Предположим, что <tex> f_i < f_{i+1} </tex> для некоторого <tex> 1 \le i \le m-1 </tex>. Тогда <tex>Level</tex> последней работы, выполнявшейся на станке <tex> M_i </tex> в момент времени <tex> f_i - \varepsilon </tex> (где <tex> \varepsilon > 0</tex> достаточно мал) меньше, чем <tex>Level</tex> последней работы на станке <tex> M_{i+1} </tex>. Пришли к противоречию.

Пусть <tex> T </tex> = <tex> f_1 = f_2 = f_3 = ... = f_j > f_{j+1}</tex> ,где <tex> j < m </tex>. Чтобы работы завершились в момент времени <tex> T </tex>, необходимо начать их в момент времени 0, поскольку если это не выполняется, то у нас найдется работа <tex> J_i </tex> , которая начинается позже <tex> t = 0 </tex> и заканчивается в <tex> T </tex>. Это означает, что в момент времени <tex> 0 </tex> начинаются как минимум <tex> m </tex> работ. Пусть первые <tex> m </tex> работ стартовали вместе на всех машинах. Мы получаем <tex> p_1(0) \ge p_2(0) \ge ... \ge p_m(0) \ge p_i(0) </tex>, из чего следует, что <tex> p_1(T - \varepsilon) \ge ... \ge p_m(T - \varepsilon) \ge p_i(T - \varepsilon) > 0 </tex> для любого <tex> \varepsilon </tex>, удовлетворяющего условию <tex> 0 \le \varepsilon < T - t </tex>. Таким образом, до момента времени <tex> T </tex> нет простаивающих машин. Пришли к противоречию. Получаем <tex> T = {P_j \over S_j} </tex>.

==Пример==
[[Файл:Qpmtncmax.png|600px|thumb|right|Картинка к примеру]]

Пусть у нас есть 6 работ и 3 станка. Покажем работу алгоритма для данного случая.

В начальный момент времени начинаем обрабатывать работы с наибольшим временем выполнения <tex>J_1-J_3</tex> на станках <tex>M_1-M_3</tex> соответственно. В момент времени <tex>T_1</tex> <tex>lvl</tex> 1-ой работы и 2-ой работы совпадает. С этого момента начинаем обрабатывать работы <tex> J_1,J_2</tex> синхронно на станках: <tex>M_1 M_2</tex>. В момент времени <tex>T_2</tex> работа <tex>J_3</tex> опускается до уровня работы <tex>J_4</tex>.Работы <tex> J_3,J_4</tex> выполняем одновременно на одном станке <tex> M_3</tex>. В момент времени <tex>T_3</tex> начинаем выполнять первые четыре работы на всех станках одновременно, далее просто добавятся работы <tex>J_5 J_6</tex> и все работы закончатся одновременно.

==Время работы==
<tex> Level </tex> - алгоритм вызывает функцию <tex> Assign(t) </tex> в самом худшем случае <tex>O(n)</tex> раз. Функция <tex> Assign(t) </tex> выполняется за <tex>O(nm)</tex>. Итоговое время работы <tex>O(n^2m)</tex>.

==Литература==
* Peter Brucker. «Scheduling Algorithms» {{---}} «Springer», 2006 г. {{---}} 379 стр. {{---}} ISBN 978-3-540-69515-8

QpmtnCmax

2012-06-23T13:53:12Z

AVasilyev: /* Время работы */

<div style="background-color: #ABCDEF; font-size: 16px; font-weight: bold; color: #000000; text-align: center; padding: 4px; border-style: solid; border-width: 1px;">Эта статья находится в разработке!</div>
<includeonly>[[Категория: В разработке]]</includeonly>

==Постановка задачи==
Есть несколько станков с разной скоростью выполнения работ. Работу на каждом из станков можно прервать и продолжить позже.

Цель - выполнить все как можно быстрее.

1. Найдем нижнюю границу времени выполнения.

2. Составим оптимальное расписание.

==Алгоритм построения расписания==
Перед выполнением алгоритма, упорядочим все работы по убыванию их времени выполнеия:<tex> p_1 \ge p_2 \ge p_3... </tex>.

<tex> P_i = p_1 + ... + p_i</tex>

<tex> S_j = s_1 + ... + s_j</tex>

Где <tex>i = 1 ... n</tex>; <tex>j = 1 ... m</tex>; <tex> p_i</tex> - стоимость <tex>i</tex>-ой работы ;<tex> s_j</tex> - скорость работы <tex> j </tex>-oй машины ;

Необходимое условие для выполнения всех работ в интервале <tex>[0;T]</tex>:

<tex> P_n = p_1 + ... + p_n \le s_1T + ... + s_mT = S_mT</tex> или <tex>P_n/S_m \le T</tex>

Кроме того, должно выполняться условие <tex>P_j/S_j \le T</tex> для всех <tex> j = 1..m - 1 </tex>, так как это нижняя оценка времени выполнения работ <tex> J_1...J_j</tex>. Исходя из этого получаем нижнюю границу <tex>C_{max}</tex> :

<tex>C_{max}</tex> = <tex>\max\{\max\limits_{j=1}^{m-1} {P_j \over S_j}, {P_n \over S_m}\}</tex>

Будем назвать <tex>Level</tex>-ом работы <tex> p_i(t) </tex> - невыполненную часть работы <tex> p_i </tex> в момент времени <tex> t </tex>

Далее построим расписание, которое достигает нашей оценки <tex>C_{max}</tex>, с помощью <tex>Level</tex>-алгоритма.

<tex>Level</tex> - алгоритм:

<tex>t \leftarrow 0 </tex>
'''WHILE''' существуют работы с положительным <tex>level</tex>
Assign(t)
<tex>t1 \leftarrow min(s>t |</tex>находим следующую выполненную работу,где <tex> s</tex> - время ее окончания <tex> ) </tex>
<tex>t2 \leftarrow </tex> найти минимальное <tex>s > t</tex>. Для которого выполняется для некоторых работ <tex>i</tex> , <tex>j</tex>:<tex> level_i(t)>level_j(t)</tex> и <tex> level_i(s) == level_j(s)</tex>
<tex> t \leftarrow min(t1,t2) </tex> //поиск следующего момента времени ,в который нужно будет перераспределить машины/работы
Построение расписания

Функция <tex>Assign(t)</tex>:

<tex>J </tex> - множество работ с положительным <tex>level</tex>
<tex>M = \{M_1,...,M_m\}</tex> - множество всех станков
'''WHILE''' множества <tex>J</tex> и <tex>M</tex> не пустые
Найти множество работ <tex>I</tex> подмножество <tex>J</tex> ,<tex>level</tex> которых максимальный
<tex>r \leftarrow min</tex>(|<tex>M</tex>|,|<tex>I</tex>|)
Назначаем работы из множества <tex>I</tex> на <tex>r</tex> самых быстрых машин из множества <tex>M</tex>
<tex>J \leftarrow J</tex>\<tex>I</tex>
удаляем из мн-ва <tex>M</tex> <tex>r</tex> самых быстрых машин

==Доказательство корректности алгоритма==
Так как нижняя граница <tex>C_{max}</tex>:

<tex>C_{max}</tex> = <tex>\max\{\max\limits_{j=1}^{m-1} {P_j \over S_j}, {P_n \over S_m}\}</tex>

то достаточно показать, что составленное расписание достигает этой оценки.

Будем считать, что в начале алгоритма все работы упорядочены, как было сказано ранее: <tex> p_1(0) \ge p_2(0) \ge ... \ge p_n(0) </tex>. Это утверждение не меняется на протяжении всего выполнения алгоритма, для любого момента времени. Получаем: <tex> p_1(t) \ge p_2(t) \ge ... \ge p_n(t) </tex>. Докажем что алгоритм составляет расписание в соответствии с этим свойством. Чтобы доказать этот факт, будем считать что в любой момент времени <tex>T</tex> нет простоев машин, когда есть хотя бы одна невыполненная работа. Получаем:

<tex> T(s_1 + ... + s_m) = p_1 + p_2 + ... + p_n </tex> или <tex> T = {P_n \over S_m} </tex>

Таким образом необходимая оценка достигается нашим алгоритмом.

Допустим хотя бы одна машина простаивает, в момент когда есть невыполненные работы, мы имеем следующее неравенство для времен окончания работ (обозначим далее как <tex> f_i </tex>) на станках <tex>M_1 ... M_m</tex>:

<tex> f_1 \ge f_2 \ge ... \ge f_m </tex>

Докажем написанное выше неравенство:

Предположим, что <tex> f_i < f_{i+1} </tex> для некоторого <tex> 1 \le i \le m-1 </tex>. Тогда <tex>Level</tex> последней работы, выполнявшейся на станке <tex> M_i </tex> в момент времени <tex> f_i - \varepsilon </tex> (где <tex> \varepsilon > 0</tex> достаточно мал) меньше, чем <tex>Level</tex> последней работы на станке <tex> M_{i+1} </tex>. Пришли к противоречию.

Пусть <tex> T </tex> = <tex> f_1 = f_2 = f_3 = ... = f_j > f_{j+1}</tex> ,где <tex> j < m </tex>. Чтобы работы завершились в момент времени <tex> T </tex>, необходимо начать их в момент времени 0, поскольку если это не выполняется, то у нас найдется работа <tex> J_i </tex> , которая начинается позже <tex> t = 0 </tex> и заканчивается в <tex> T </tex>. Это означает, что в момент времени <tex> 0 </tex> начинаются как минимум <tex> m </tex> работ. Пусть первые <tex> m </tex> работ стартовали вместе на всех машинах. Мы получаем <tex> p_1(0) \ge p_2(0) \ge ... \ge p_m(0) \ge p_i(0) </tex>, из чего следует, что <tex> p_1(T - \varepsilon) \ge ... \ge p_m(T - \varepsilon) \ge p_i(T - \varepsilon) > 0 </tex> для любого <tex> \varepsilon </tex>, удовлетворяющего условию <tex> 0 \le \varepsilon < T - t </tex>. Таким образом, до момента времени <tex> T </tex> нет простаивающих машин. Пришли к противоречию. Получаем <tex> T = {P_j \over S_j} </tex>.

==Пример==
[[Файл:Qpmtncmax.png|600px|thumb|right|Картинка к примеру]]

Пусть у нас есть 6 работ и 3 станка. Покажем работу алгоритма для данного случая.

В начальный момент времени начинаем обрабатывать работы с наибольшим временем выполнения <tex>J_1-J_3</tex> на станках <tex>M_1-M_3</tex> соответственно. В момент времени <tex>T_1</tex> <tex>lvl</tex> 1-ой работы и 2-ой работы совпадает. С этого момента начинаем обрабатывать работы <tex> J_1,J_2</tex> синхронно на станках: <tex>M_1 M_2</tex>. В момент времени <tex>T_2</tex> работа <tex>J_3</tex> опускается до уровня работы <tex>J_4</tex>.Работы <tex> J_3,J_4</tex> выполняем одновременно на одном станке <tex> M_3</tex>. В момент времени <tex>T_3</tex> начинаем выполнять первые четыре работы на всех станках одновременно, далее просто добавятся работы <tex>J_5 J_6</tex> и все работы закончатся одновременно.

==Время работы==
<tex> Level </tex> - алгоритм вызывает функцию <tex> Assign(t) </tex> в самом худшем случае <tex>O(n)</tex> раз. Функция <tex> Assign(t) </tex> выполняется за <tex>O(nm)</tex>. Итоговое время работы <tex>O(n^2m)</tex>.

==Литература==
* Peter Brucker. «Scheduling Algorithms» {{---}} «Springer», 2006 г. {{---}} 379 стр. {{---}} ISBN 978-3-540-69515-8

QpmtnCmax

2012-06-23T13:52:03Z

AVasilyev: /* Доказательство корректности алгоритма */

<div style="background-color: #ABCDEF; font-size: 16px; font-weight: bold; color: #000000; text-align: center; padding: 4px; border-style: solid; border-width: 1px;">Эта статья находится в разработке!</div>
<includeonly>[[Категория: В разработке]]</includeonly>

==Постановка задачи==
Есть несколько станков с разной скоростью выполнения работ. Работу на каждом из станков можно прервать и продолжить позже.

Цель - выполнить все как можно быстрее.

1. Найдем нижнюю границу времени выполнения.

2. Составим оптимальное расписание.

==Алгоритм построения расписания==
Перед выполнением алгоритма, упорядочим все работы по убыванию их времени выполнеия:<tex> p_1 \ge p_2 \ge p_3... </tex>.

<tex> P_i = p_1 + ... + p_i</tex>

<tex> S_j = s_1 + ... + s_j</tex>

Где <tex>i = 1 ... n</tex>; <tex>j = 1 ... m</tex>; <tex> p_i</tex> - стоимость <tex>i</tex>-ой работы ;<tex> s_j</tex> - скорость работы <tex> j </tex>-oй машины ;

Необходимое условие для выполнения всех работ в интервале <tex>[0;T]</tex>:

<tex> P_n = p_1 + ... + p_n \le s_1T + ... + s_mT = S_mT</tex> или <tex>P_n/S_m \le T</tex>

Кроме того, должно выполняться условие <tex>P_j/S_j \le T</tex> для всех <tex> j = 1..m - 1 </tex>, так как это нижняя оценка времени выполнения работ <tex> J_1...J_j</tex>. Исходя из этого получаем нижнюю границу <tex>C_{max}</tex> :

<tex>C_{max}</tex> = <tex>\max\{\max\limits_{j=1}^{m-1} {P_j \over S_j}, {P_n \over S_m}\}</tex>

Будем назвать <tex>Level</tex>-ом работы <tex> p_i(t) </tex> - невыполненную часть работы <tex> p_i </tex> в момент времени <tex> t </tex>

Далее построим расписание, которое достигает нашей оценки <tex>C_{max}</tex>, с помощью <tex>Level</tex>-алгоритма.

<tex>Level</tex> - алгоритм:

<tex>t \leftarrow 0 </tex>
'''WHILE''' существуют работы с положительным <tex>level</tex>
Assign(t)
<tex>t1 \leftarrow min(s>t |</tex>находим следующую выполненную работу,где <tex> s</tex> - время ее окончания <tex> ) </tex>
<tex>t2 \leftarrow </tex> найти минимальное <tex>s > t</tex>. Для которого выполняется для некоторых работ <tex>i</tex> , <tex>j</tex>:<tex> level_i(t)>level_j(t)</tex> и <tex> level_i(s) == level_j(s)</tex>
<tex> t \leftarrow min(t1,t2) </tex> //поиск следующего момента времени ,в который нужно будет перераспределить машины/работы
Построение расписания

Функция <tex>Assign(t)</tex>:

<tex>J </tex> - множество работ с положительным <tex>level</tex>
<tex>M = \{M_1,...,M_m\}</tex> - множество всех станков
'''WHILE''' множества <tex>J</tex> и <tex>M</tex> не пустые
Найти множество работ <tex>I</tex> подмножество <tex>J</tex> ,<tex>level</tex> которых максимальный
<tex>r \leftarrow min</tex>(|<tex>M</tex>|,|<tex>I</tex>|)
Назначаем работы из множества <tex>I</tex> на <tex>r</tex> самых быстрых машин из множества <tex>M</tex>
<tex>J \leftarrow J</tex>\<tex>I</tex>
удаляем из мн-ва <tex>M</tex> <tex>r</tex> самых быстрых машин

==Доказательство корректности алгоритма==
Так как нижняя граница <tex>C_{max}</tex>:

<tex>C_{max}</tex> = <tex>\max\{\max\limits_{j=1}^{m-1} {P_j \over S_j}, {P_n \over S_m}\}</tex>

то достаточно показать, что составленное расписание достигает этой оценки.

Будем считать, что в начале алгоритма все работы упорядочены, как было сказано ранее: <tex> p_1(0) \ge p_2(0) \ge ... \ge p_n(0) </tex>. Это утверждение не меняется на протяжении всего выполнения алгоритма, для любого момента времени. Получаем: <tex> p_1(t) \ge p_2(t) \ge ... \ge p_n(t) </tex>. Докажем что алгоритм составляет расписание в соответствии с этим свойством. Чтобы доказать этот факт, будем считать что в любой момент времени <tex>T</tex> нет простоев машин, когда есть хотя бы одна невыполненная работа. Получаем:

<tex> T(s_1 + ... + s_m) = p_1 + p_2 + ... + p_n </tex> или <tex> T = {P_n \over S_m} </tex>

Таким образом необходимая оценка достигается нашим алгоритмом.

Допустим хотя бы одна машина простаивает, в момент когда есть невыполненные работы, мы имеем следующее неравенство для времен окончания работ (обозначим далее как <tex> f_i </tex>) на станках <tex>M_1 ... M_m</tex>:

<tex> f_1 \ge f_2 \ge ... \ge f_m </tex>

Докажем написанное выше неравенство:

Предположим, что <tex> f_i < f_{i+1} </tex> для некоторого <tex> 1 \le i \le m-1 </tex>. Тогда <tex>Level</tex> последней работы, выполнявшейся на станке <tex> M_i </tex> в момент времени <tex> f_i - \varepsilon </tex> (где <tex> \varepsilon > 0</tex> достаточно мал) меньше, чем <tex>Level</tex> последней работы на станке <tex> M_{i+1} </tex>. Пришли к противоречию.

Пусть <tex> T </tex> = <tex> f_1 = f_2 = f_3 = ... = f_j > f_{j+1}</tex> ,где <tex> j < m </tex>. Чтобы работы завершились в момент времени <tex> T </tex>, необходимо начать их в момент времени 0, поскольку если это не выполняется, то у нас найдется работа <tex> J_i </tex> , которая начинается позже <tex> t = 0 </tex> и заканчивается в <tex> T </tex>. Это означает, что в момент времени <tex> 0 </tex> начинаются как минимум <tex> m </tex> работ. Пусть первые <tex> m </tex> работ стартовали вместе на всех машинах. Мы получаем <tex> p_1(0) \ge p_2(0) \ge ... \ge p_m(0) \ge p_i(0) </tex>, из чего следует, что <tex> p_1(T - \varepsilon) \ge ... \ge p_m(T - \varepsilon) \ge p_i(T - \varepsilon) > 0 </tex> для любого <tex> \varepsilon </tex>, удовлетворяющего условию <tex> 0 \le \varepsilon < T - t </tex>. Таким образом, до момента времени <tex> T </tex> нет простаивающих машин. Пришли к противоречию. Получаем <tex> T = {P_j \over S_j} </tex>.

==Пример==
[[Файл:Qpmtncmax.png|600px|thumb|right|Картинка к примеру]]

Пусть у нас есть 6 работ и 3 станка. Покажем работу алгоритма для данного случая.

В начальный момент времени начинаем обрабатывать работы с наибольшим временем выполнения <tex>J_1-J_3</tex> на станках <tex>M_1-M_3</tex> соответственно. В момент времени <tex>T_1</tex> <tex>lvl</tex> 1-ой работы и 2-ой работы совпадает. С этого момента начинаем обрабатывать работы <tex> J_1,J_2</tex> синхронно на станках: <tex>M_1 M_2</tex>. В момент времени <tex>T_2</tex> работа <tex>J_3</tex> опускается до уровня работы <tex>J_4</tex>.Работы <tex> J_3,J_4</tex> выполняем одновременно на одном станке <tex> M_3</tex>. В момент времени <tex>T_3</tex> начинаем выполнять первые четыре работы на всех станках одновременно, далее просто добавятся работы <tex>J_5 J_6</tex> и все работы закончатся одновременно.

==Время работы==
Level-алгоритм вызывает функцию Assign(t) в самом худшем случае <tex>O(n)</tex> раз. Функция Assign(t) выполняется за <tex>O(nm)</tex>. Итоговое время работы <tex>O(n^2m)</tex>.

==Литература==
* Peter Brucker. «Scheduling Algorithms» {{---}} «Springer», 2006 г. {{---}} 379 стр. {{---}} ISBN 978-3-540-69515-8

QpmtnCmax

2012-06-23T13:41:13Z

AVasilyev: /* Алгоритм построения расписания */

<div style="background-color: #ABCDEF; font-size: 16px; font-weight: bold; color: #000000; text-align: center; padding: 4px; border-style: solid; border-width: 1px;">Эта статья находится в разработке!</div>
<includeonly>[[Категория: В разработке]]</includeonly>

==Постановка задачи==
Есть несколько станков с разной скоростью выполнения работ. Работу на каждом из станков можно прервать и продолжить позже.

Цель - выполнить все как можно быстрее.

1. Найдем нижнюю границу времени выполнения.

2. Составим оптимальное расписание.

==Алгоритм построения расписания==
Перед выполнением алгоритма, упорядочим все работы по убыванию их времени выполнеия:<tex> p_1 \ge p_2 \ge p_3... </tex>.

<tex> P_i = p_1 + ... + p_i</tex>

<tex> S_j = s_1 + ... + s_j</tex>

Где <tex>i = 1 ... n</tex>; <tex>j = 1 ... m</tex>; <tex> p_i</tex> - стоимость <tex>i</tex>-ой работы ;<tex> s_j</tex> - скорость работы <tex> j </tex>-oй машины ;

Необходимое условие для выполнения всех работ в интервале <tex>[0;T]</tex>:

<tex> P_n = p_1 + ... + p_n \le s_1T + ... + s_mT = S_mT</tex> или <tex>P_n/S_m \le T</tex>

Кроме того, должно выполняться условие <tex>P_j/S_j \le T</tex> для всех <tex> j = 1..m - 1 </tex>, так как это нижняя оценка времени выполнения работ <tex> J_1...J_j</tex>. Исходя из этого получаем нижнюю границу <tex>C_{max}</tex> :

<tex>C_{max}</tex> = <tex>\max\{\max\limits_{j=1}^{m-1} {P_j \over S_j}, {P_n \over S_m}\}</tex>

Будем назвать <tex>Level</tex>-ом работы <tex> p_i(t) </tex> - невыполненную часть работы <tex> p_i </tex> в момент времени <tex> t </tex>

Далее построим расписание, которое достигает нашей оценки <tex>C_{max}</tex>, с помощью <tex>Level</tex>-алгоритма.

<tex>Level</tex> - алгоритм:

<tex>t \leftarrow 0 </tex>
'''WHILE''' существуют работы с положительным <tex>level</tex>
Assign(t)
<tex>t1 \leftarrow min(s>t |</tex>находим следующую выполненную работу,где <tex> s</tex> - время ее окончания <tex> ) </tex>
<tex>t2 \leftarrow </tex> найти минимальное <tex>s > t</tex>. Для которого выполняется для некоторых работ <tex>i</tex> , <tex>j</tex>:<tex> level_i(t)>level_j(t)</tex> и <tex> level_i(s) == level_j(s)</tex>
<tex> t \leftarrow min(t1,t2) </tex> //поиск следующего момента времени ,в который нужно будет перераспределить машины/работы
Построение расписания

Функция <tex>Assign(t)</tex>:

<tex>J </tex> - множество работ с положительным <tex>level</tex>
<tex>M = \{M_1,...,M_m\}</tex> - множество всех станков
'''WHILE''' множества <tex>J</tex> и <tex>M</tex> не пустые
Найти множество работ <tex>I</tex> подмножество <tex>J</tex> ,<tex>level</tex> которых максимальный
<tex>r \leftarrow min</tex>(|<tex>M</tex>|,|<tex>I</tex>|)
Назначаем работы из множества <tex>I</tex> на <tex>r</tex> самых быстрых машин из множества <tex>M</tex>
<tex>J \leftarrow J</tex>\<tex>I</tex>
удаляем из мн-ва <tex>M</tex> <tex>r</tex> самых быстрых машин

==Доказательство корректности алгоритма==
Так как нижняя граница <tex>C_{max}</tex>:

<tex>C_{max}</tex> = <tex>\max\{\max\limits_{j=1}^{m-1} {P_j \over S_j}, {P_n \over S_m}\}</tex>

то достаточно показать, что составленное расписание достигает этой оценки.

Будем считать, что в начале алгоритма все работы упорядочены, как было сказано ранее: <tex> p_1(0) \ge p_2(0) \ge ... \ge p_n(0) </tex>. Это утверждение не меняется на протяжении всего выполнения алгоритма, для любого момента времени. Получаем: <tex> p_1(t) \ge p_2(t) \ge ... \ge p_n(t) </tex>. Докажем что алгоритм составляет расписание в соответствии с этим свойством. Чтобы доказать этот факт, будем считать что в любой момент времени <tex>T</tex> нет простоев машин, когда есть хотя бы одна невыполненная работа. Получаем:

<tex> T(s_1 + ... + s_m) = p_1 + p_2 + ... + p_n </tex> или <tex> T = {P_n \over S_m} </tex>

Таким образом необходимая оценка достигается нашим алгоритмом.

Допустим хотя бы одна машина простаивает, в момент когда есть невыполненные работы, мы имеем следующее неравенство для времен окончания работ (обозначим далее как <tex> f_i </tex>) на станках <tex>M_1 ... M_m</tex>:

<tex> f_1 \ge f_2 \ge ... \ge f_m </tex>

В этом случае, если <tex> f_i < f_{i+1} </tex> для некоторого <tex> 1 \le i \le m-1 </tex>, <tex>Level</tex> последней работы выполнявшейся на станке <tex> M_i </tex> в момент времени <tex> f_i - \varepsilon </tex> (где <tex> \varepsilon > 0</tex> достаточно мал), и меньше чем <tex>Level</tex> последней работы на станке <tex> M_{i+1} </tex>. Пришли к противоречию.

Пусть <tex> T </tex> = <tex> f_1 = f_2 = f_3 = ... = f_j > f_{j+1}</tex> ,где <tex> j < m </tex>. Чтобы работы завершились в момент времени <tex> T </tex> необходимо начать их в момент времени 0. Так как если это не выполняется, то у нас найдется работа <tex> J_i </tex> , которая начинается позже <tex> t = 0 </tex> и заканчивается в <tex> T </tex>. Это означает что в момент времени ноль, начинаются как минимум <tex> m </tex> работ. Пусть первые <tex> m </tex> работ, стартовали вместе на всех машинах. Мы получаем <tex> p_1(0) \ge p_2(0) \ge ... \ge p_m(0) \ge p_i(0) </tex>. Из чего следует, что <tex> p_1(T - \varepsilon) \ge ... \ge p_m(T - \varepsilon) \ge p_i(T - \varepsilon) > 0 </tex> для любого <tex> \varepsilon </tex> удовлетворяющего условию <tex> 0 \le \varepsilon < T - t </tex>. Таким образом, до момента времени <tex> T </tex> нет простаивающих машин. Противоречие. Получаем <tex> T = {P_j \over S_j} </tex>.

==Пример==
[[Файл:Qpmtncmax.png|600px|thumb|right|Картинка к примеру]]

Пусть у нас есть 6 работ и 3 станка. Покажем работу алгоритма для данного случая.

В начальный момент времени начинаем обрабатывать работы с наибольшим временем выполнения <tex>J_1-J_3</tex> на станках <tex>M_1-M_3</tex> соответственно. В момент времени <tex>T_1</tex> <tex>lvl</tex> 1-ой работы и 2-ой работы совпадает. С этого момента начинаем обрабатывать работы <tex> J_1,J_2</tex> синхронно на станках: <tex>M_1 M_2</tex>. В момент времени <tex>T_2</tex> работа <tex>J_3</tex> опускается до уровня работы <tex>J_4</tex>.Работы <tex> J_3,J_4</tex> выполняем одновременно на одном станке <tex> M_3</tex>. В момент времени <tex>T_3</tex> начинаем выполнять первые четыре работы на всех станках одновременно, далее просто добавятся работы <tex>J_5 J_6</tex> и все работы закончатся одновременно.

==Время работы==
Level-алгоритм вызывает функцию Assign(t) в самом худшем случае <tex>O(n)</tex> раз. Функция Assign(t) выполняется за <tex>O(nm)</tex>. Итоговое время работы <tex>O(n^2m)</tex>.

==Литература==
* Peter Brucker. «Scheduling Algorithms» {{---}} «Springer», 2006 г. {{---}} 379 стр. {{---}} ISBN 978-3-540-69515-8

QpmtnCmax

2012-06-22T13:58:18Z

AVasilyev: /* Алгоритм построения расписания */

<div style="background-color: #ABCDEF; font-size: 16px; font-weight: bold; color: #000000; text-align: center; padding: 4px; border-style: solid; border-width: 1px;">Эта статья находится в разработке!</div>
<includeonly>[[Категория: В разработке]]</includeonly>

==Постановка задачи==
Есть несколько станков с разной скоростью выполнения работ. Работу на каждом из станков можно прервать и продолжить позже.

Цель - выполнить все как можно быстрее.

1. Найдем нижнюю границу времени выполнения.

2. Составим оптимальное расписание.

==Алгоритм построения расписания==

<tex> P_i = p_1 + ... + p_i</tex>

<tex> S_j = s_1 + ... + s_j</tex>

Где <tex>i = 1 ... n</tex>; <tex>j = 1 ... m</tex>; <tex> p_i</tex> - вес i-ой работы ;<tex> s_j</tex> - скорость работы j-oй машины ; <tex> n \ge m</tex>;

Необходимое условие для выполнения всех работ в интервале <tex>[0;T]</tex>:

<tex> P_n = p_1 + ... + p_n \le s_1T + ... + s_mT = S_mT</tex> или <tex>P_n/S_m \le T</tex>

Нижняя граница <tex>C_{max}</tex> :

<tex>w = \max\{\max\limits_{j=1}^{m-1} {P_i \over S_j}, {P_n \over S_m}\}</tex>

Будем назвать Level-ом работы <tex> p_i(t) </tex> - невыполненную часть работы <tex> p_i </tex> в момент времени <tex> t </tex>

Далее построим расписание, которое достигает нашей оценки <tex>w</tex>, с помощью Level-алгоритма.

Level - алгоритм:

<tex>t \leftarrow 0 </tex>
'''WHILE''' существуют работы с положительным level
Assign(t)
<tex>t1 \leftarrow min(s>t |</tex>работа выполненная в момент времени <tex> s)</tex>
<tex>t2 \leftarrow </tex> найти минимальное s > t. Для которого выполняется для некоторых работ i , j:<tex> level_i(t)>level_j(t)</tex> && <tex> level_i(s) == level_j(s)</tex>
<tex> t \leftarrow min(t1,t2) </tex> //поиск следующего момента времени ,в который нужно будет перераспределить машины/работы
Построение расписания

Функция <tex>Assign(t)</tex>:

<tex>J </tex> - множество работ с положительным level
<tex>M = \{M_1,...,M_m\}</tex> - множество всех станков
'''WHILE''' (<tex>J</tex> != 0 && <tex>M</tex> != 0)
Найти множество работ <tex>I</tex> подмножество <tex>J</tex> ,level которых максимальный
<tex>r \leftarrow min</tex>(|<tex>M</tex>|,|<tex>I</tex>|)
Назначаем работы из мн-ва <tex>I</tex> на <tex>r</tex> самых быстрых машин из мн-ва <tex>M</tex>
<tex>J \leftarrow J</tex>\<tex>I</tex>
удаляем из мн-ва <tex>M</tex> <tex>r</tex> самых быстрых машин

==Доказательство корректности алгоритма==
Так как нижняя граница <tex>C_{max}</tex>:

<tex>w = \max\{\max\limits_{j=1}^{m-1} {P_i \over S_j}, {P_n \over S_m}\}</tex>

то достаточно показать, что составленное расписание достигает этой оценки.

Будем считать, что в начале алгоритма мы имеем <tex> p_1(0) \ge p_2(0) \ge ... \ge p_n(0) </tex>. Это утверждение не меняется на протяжении всего выполнения алгоритма, для любого момента времени. Получаем: <tex> p_1(t) \ge p_2(t) \ge ... \ge p_n(t) </tex>. Докажем что алгоритм составляет расписание в соответствии с этим свойством. Чтобы доказать этот факт, будем считать что в любой момент времени T нет простоев машин, когда есть хотя бы одна невыполненная работа. Получаем:

<tex> T(s_1 + ... + s_m) = p_1 + p_2 + ... + p_n </tex> или <tex> T = {P_n \over S_n} </tex>

Таким образом необходимая оценка достигается нашим алгоритмом.

Допустим хотя бы одна машина простаивает, в момент когда есть невыполненные работы, мы имеем следующее неравенство для времен окончания работ на станках <tex>M_1 ... M_m</tex>:

<tex> f_1 \ge f_2 \ge ... \ge f_m </tex>

В этом случае, если <tex> f_i < f_{i+1} </tex> для некоторого <tex> 1 \le i \le m-1 </tex>, Level последней работы выполнявшейся на станке <tex> M_i </tex> равен <tex> f_i - \varepsilon </tex>. Где <tex> \varepsilon > 0</tex> достаточно мал, и меньше чем Level последней работы на станке <tex> M_{i+1} </tex>. Пришли к противоречию.

==Пример==
[[Файл:Qpmtncmax.png|600px|thumb|right|Картинка к примеру]]

Пусть у нас есть 6 работ и 3 станка. Покажем работу алгоритма для данного случая.

В начальный момент времени начинаем обрабатывать работы с наибольшим временем выполнения <tex>J_1-J_3</tex> на станках <tex>M_1-M_3</tex> соответственно. В момент времени <tex>T_1</tex> <tex>lvl</tex> 1-ой работы и 2-ой работы совпадает. С этого момента начинаем обрабатывать работы <tex> J_1,J_2</tex> синхронно на станках: <tex>M_1 M_2</tex>. В момент времени <tex>T_2</tex> работа <tex>J_3</tex> опускается до уровня работы <tex>J_4</tex>.Работы <tex> J_3,J_4</tex> выполняем одновременно на одном станке <tex> M_3</tex>. В момент времени <tex>T_3</tex> начинаем выполнять первые четыре работы на всех станках одновременно, далее просто добавятся работы <tex>J_5 J_6</tex> и все работы закончатся одновременно.

==Время работы==
Level-алгоритм вызывает функцию Assign(t) в самом худшем случае <tex>O(n)</tex> раз. Функция Assign(t) выполняется за <tex>O(nm)</tex>. Итоговое время работы <tex>O(n^2m)</tex>.

==Литература==
* Peter Brucker. «Scheduling Algorithms» {{---}} «Springer», 2006 г. {{---}} 379 стр. {{---}} ISBN 978-3-540-69515-8

O2Cmax

2012-06-21T11:18:47Z

AVasilyev: /* Доказательство корректности алгоритма */

== Постановка задачи ==
Рассмотрим задачу:
<ol>
<li>Дано <tex>n</tex> работ и <tex>2</tex> станка.</li>
<li>Для каждой работы известно её время выполнения на каждом станке.</li>
</ol>
Требуется минимизировать время окончания всех работ, если каждую работу необходимо выполнить на обоих станках.

== Описание алгоритма ==
Пусть <tex>a_{i}</tex> {{---}} время выполнения <tex>i</tex>-ой работы на первом станке, а <tex>b_{i}</tex> {{---}} на втором.<br/>
<ol>
<li>Разобьём все работы на два множества: <tex>I = \{i \mid a_{i} \le b_{i}; i = 1, \dots, n\}</tex> и <tex>J = \{i \mid a_{i} > b_{i}; i = 1, \dots, n\}</tex></li>
<li>Найдем такие <tex> x </tex> и <tex> y </tex>, что <tex>a_{x} = \max \{a_{i} \mid i \in I\}</tex> и <tex>b_{y} = \max \{b_{i} \mid i \in J\}</tex> </li>
<li>Построим оптимальное значение целевой функции: <tex>C_{max} = \max \{\sum \limits_{i = 1}^{n} a_i, \sum \limits_{i = 1}^{n} b_i, \max \limits_{i = 1}^{n}\{a_i + b_{i}\}\}</tex>.</li>
<li> Рассмотрим два случая. Первый случай, когда <tex>a_{x} \le b_{y}</tex>. Будем строить расписание с двух концов:
<ul>
<li>Строим расписание слева: выполняем на первом станке все работы из <tex>I \setminus \{x\}</tex>, а на втором выполняем первой работу <tex>x</tex>, затем <tex>I \setminus \{x\}</tex>.</li>
<li>Теперь, упираясь в правую границу, равную <tex> C_{max} </tex>, можно построить расписание справа: выполняем на первом станке все работы из <tex>J</tex>, затем <tex>x</tex>, а для второго выполняем работы из <tex>J</tex></li>
</ul>
Второй случай сводится к первому: все работы и станки меняются местами, и решается задача для первого случая.
</li>
</ol>
[[Файл:O2Cmax.gif|300px|center]]

==Доказательство корректности алгоритма==
{{Теорема
|statement=
Расписание, построенное данным алгоритмом, является корректным и оптимальным.
|proof=
Чтобы доказать корректность, надо доказать, что на каждом станке в любой момент времени выполняется не более одной работы, и что каждая работа в каждый момент времени выполняется не более, чем на одном станке.<br/>
Первое утверждение вытекает из того, что мы строили расписание, опираясь на <tex>C_{max}</tex>. Из построения <tex>C_{max} \ge \sum \limits_{i = 1}^{n}a_{i}, \sum \limits_{i = 1}^{n}b_{i}</tex>, следовательно на каждом станке в любой момент времени выполняется не более одной работы.<br/>
Докажем теперь второе утверждение. У нас имеется 3 блока работ: <tex> I \setminus \{x\}, \{x\}, J</tex>.
<ol>
<li>Для блока <tex> \{x\}</tex> это следует из того, что <tex> C_{max} \ge a_{x}+b_{x}</tex>, а работа <tex> x </tex> выполняется с разных концов станков. Получили, что отрезки выполнения работы <tex> x </tex> на разных станках не пересекаются.</li>
<li>Покажем, что любая работа из <tex> I \setminus \{x\}</tex> начинает выполняться на втором станке позже, чем заканчивает выполняться на первом. Для этого рассмотрим сумму:
<ul><tex>\sum \limits_{i = 1}^k a_{i} \le \sum \limits_{i = 1}^k b_{i} \le \sum \limits_{i = 1}^{k - 1} b_{i} + b_{x}</tex></ul>
Это неравенство следует из выбора <tex>I</tex> и из того, что <tex>b_{x} \ge a_{x} \ge a_{i}, \forall i \in I</tex>.<br/>
Получили, что каждая работа из этого блока начинает выполняться на втором станке позже, чем она заканчивается .</li>
<li>Для блока <tex>J</tex> рассмотрим сумму:
<ul><tex>\sum \limits_{i = 1}^k b_{i} \le \sum \limits_{i = 1}^k a_{i} \le \sum \limits_{i = 1}^{k - 1} a_{i} + a_{x}</tex></ul>
Это неравенство следует из выбора <tex>J</tex> и из того, что <tex>a_{x} \ge a_{i}, \forall i \in I</tex>.<br/>
Получили, что этот блок тоже не пересекается.</li>
</ol>
Итого мы доказали корректность.<br/>
Оптимальность вытекает из того, что <tex>C_{max}</tex> не может быть меньше <tex>\sum \limits_{i = 1}^{n} a_i, \sum \limits_{i = 1}^{n} b_i, \max \limits_{i = 1}^{n}\{a_i + b_{i}\}</tex>, а из построения оно равно максимуму из этих значений.
}}

==Псевдокод==
<tex>I \leftarrow \varnothing </tex>
<tex>J \leftarrow \varnothing </tex>
for <tex>i = 1 \dots n</tex>
if <tex>a_{i} \le b{i}</tex>
<tex> I \leftarrow I \cup \{i\} </tex>
else
<tex> J \leftarrow J \cup \{i\} </tex>
Найти <tex>x</tex>, где <tex>a_{x} = \max \limits_{i \in I} \{a_{i}\}</tex>
Найти <tex>y</tex>, где <tex>b_{y} = \max \limits_{i \in J} \{b_{i}\}</tex>
if <tex>a_{x} > b_{y}</tex>
Поменять местами первый и второй станок
Пересчитать <tex>I, J, x</tex>
Запомнить, что поменяли

<tex>time1 \leftarrow 0</tex>
shed2[x] <tex>\leftarrow 0</tex>
<tex>time2 \leftarrow b_{x}</tex>

Для всех <tex>i \in I \setminus \{x\}</tex>
sched1[i] <tex>\leftarrow time1</tex>
<tex>time1 \leftarrow time1 + a_{i}</tex>
sched2[i] <tex>\leftarrow time2</tex>
<tex>time2 \leftarrow time2 + b_{i}</tex>

Для всех <tex>i \in J</tex>
sched1[i] <tex>\leftarrow time1</tex>
<tex>time1 \leftarrow time1 + a_{i}</tex>
sched2[i] <tex>\leftarrow time2</tex>
<tex>time2 \leftarrow time2 + b_{i}</tex>

sched1[x] <tex>\leftarrow time1</tex>
<tex>time1 \leftarrow time1 + a_{x}</tex>

<tex>C_{max} \leftarrow \max\{time1, time2\}</tex>
if станки меняли местами
поменять их обратно

==Сложность алгоритма==
Каждое из множеств в сумме содержит <tex>n</tex> элементов. Следовательно, чтобы найти максимум в каждом из множеств нам потребуется <tex>O(n)</tex> операций, чтобы составить расписание для каждой работы из множества нам потребуется так же <tex>O(n)</tex> операций. Получаем сложность алгоритма <tex>O(n)</tex>.

O2Cmax

2012-06-21T10:58:04Z

AVasilyev: /* Доказательство корректности алгоритма */

== Постановка задачи ==
Рассмотрим задачу:
<ol>
<li>Дано <tex>n</tex> работ и <tex>2</tex> станка.</li>
<li>Для каждой работы известно её время выполнения на каждом станке.</li>
</ol>
Требуется минимизировать время окончания всех работ, если каждую работу необходимо выполнить на обоих станках.

== Описание алгоритма ==
Пусть <tex>a_{i}</tex> {{---}} время выполнения <tex>i</tex>-ой работы на первом станке, а <tex>b_{i}</tex> {{---}} на втором.<br/>
<ol>
<li>Разобьём все работы на два множества: <tex>I = \{i \mid a_{i} \le b_{i}; i = 1, \dots, n\}</tex> и <tex>J = \{i \mid a_{i} > b_{i}; i = 1, \dots, n\}</tex></li>
<li>Найдем такие <tex> x </tex> и <tex> y </tex>, что <tex>a_{x} = \max \{a_{i} \mid i \in I\}</tex> и <tex>b_{y} = \max \{b_{i} \mid i \in J\}</tex> </li>
<li>Построим оптимальное значение целевой функции: <tex>C_{max} = \max \{\sum \limits_{i = 1}^{n} a_i, \sum \limits_{i = 1}^{n} b_i, \max \limits_{i = 1}^{n}\{a_i + b_{i}\}\}</tex>.</li>
<li> Рассмотрим два случая. Первый случай, когда <tex>a_{x} \le b_{y}</tex>. Будем строить расписание с двух концов:
<ul>
<li>Строим расписание слева: выполняем на первом станке все работы из <tex>I \setminus \{x\}</tex>, а на втором выполняем первой работу <tex>x</tex>, затем <tex>I \setminus \{x\}</tex>.</li>
<li>Теперь, упираясь в правую границу, равную <tex> C_{max} </tex>, можно построить расписание справа: выполняем на первом станке все работы из <tex>J</tex>, затем <tex>x</tex>, а для второго выполняем работы из <tex>J</tex></li>
</ul>
Второй случай сводится к первому: все работы и станки меняются местами, и решается задача для первого случая.
</li>
</ol>
[[Файл:O2Cmax.gif|300px|center]]

==Доказательство корректности алгоритма==
{{Теорема
|statement=
Расписание, построенное данным алгоритмом, является корректным и оптимальным.
|proof=
Чтобы доказать корректность, надо доказать, что на каждом станке в любой момент времени выполняется не более одной работы, и что каждая работа в каждый момент времени выполняется не более, чем на одном станке.<br/>
Первое утверждение вытекает из того, что мы строили расписание, опираясь на <tex>C_{max}</tex>. Из построения <tex>C_{max} \ge \sum \limits_{i = 1}^{n}a_{i}, \sum \limits_{i = 1}^{n}b_{i}</tex>, следовательно на каждом станке в любой момент времени выполняется не более одной работы.<br/>
Докажем теперь второе утверждение. У нас имеется 3 блока работ: <tex> I \setminus \{x\}, \{x\}, J</tex>.
<ol>
<li>Для блока <tex> \{x\}</tex> пересечения отсутствуют из того, что <tex> C_{max} \ge a_{x}+b_{x}</tex>, а этот блок выполняется с разных концов станков, выполнения работы <tex> x </tex> на разных станках не пересекаются.</li>
<li>Для блока <tex> I \setminus \{x\}</tex> рассмотрим сумму:
<ul><tex>\sum \limits_{i = 1}^k a_{i} \le \sum \limits_{i = 1}^k b_{i} \le \sum \limits_{i = 1}^{k - 1} b_{i} + b_{x}</tex></ul>
Это неравенство следует из выбора <tex>I</tex> и из того, что <tex>b_{x} \ge a_{x} \ge a_{i}, \forall i \in I</tex>.<br/>
Получили, что этот блок тоже не пересекается.</li>
<li>Для блока <tex>J</tex> рассмотри сумму:
<ul><tex>\sum \limits_{i = 1}^k b_{i} \le \sum \limits_{i = 1}^k a_{i} \le \sum \limits_{i = 1}^{k - 1} a_{i} + a_{x}</tex></ul>
Это неравенство следует из выбора <tex>J</tex> и из того, что <tex>a_{x} \ge a_{i}, \forall i \in I</tex>.<br/>
Получили, что этот блок тоже не пересекается.</li>
</ol>
Итого мы доказали корректность.<br/>
Оптимальность вытекает, из того, что <tex>C_{max}</tex> не может быть меньше <tex>\sum \limits_{i = 1}^{n} a_i, \sum \limits_{i = 1}^{n} b_i, \max \limits_{i = 1}^{n}\{a_i + b_{i}\}</tex>, а из построения оно равно максимум из них.
}}

==Псевдокод==
<tex>I \leftarrow \varnothing </tex>
<tex>J \leftarrow \varnothing </tex>
for <tex>i = 1 \dots n</tex>
if <tex>a_{i} \le b{i}</tex>
<tex> I \leftarrow I \cup \{i\} </tex>
else
<tex> J \leftarrow J \cup \{i\} </tex>
Найти <tex>x</tex>, где <tex>a_{x} = \max \limits_{i \in I} \{a_{i}\}</tex>
Найти <tex>y</tex>, где <tex>b_{y} = \max \limits_{i \in J} \{b_{i}\}</tex>
if <tex>a_{x} > b_{y}</tex>
Поменять местами первый и второй станок
Пересчитать <tex>I, J, x</tex>
Запомнить, что поменяли

<tex>time1 \leftarrow 0</tex>
shed2[x] <tex>\leftarrow 0</tex>
<tex>time2 \leftarrow b_{x}</tex>

Для всех <tex>i \in I \setminus \{x\}</tex>
sched1[i] <tex>\leftarrow time1</tex>
<tex>time1 \leftarrow time1 + a_{i}</tex>
sched2[i] <tex>\leftarrow time2</tex>
<tex>time2 \leftarrow time2 + b_{i}</tex>

Для всех <tex>i \in J</tex>
sched1[i] <tex>\leftarrow time1</tex>
<tex>time1 \leftarrow time1 + a_{i}</tex>
sched2[i] <tex>\leftarrow time2</tex>
<tex>time2 \leftarrow time2 + b_{i}</tex>

sched1[x] <tex>\leftarrow time1</tex>
<tex>time1 \leftarrow time1 + a_{x}</tex>

<tex>C_{max} \leftarrow \max\{time1, time2\}</tex>
if станки меняли местами
поменять их обратно

==Сложность алгоритма==
Каждое из множеств в сумме содержит <tex>n</tex> элементов. Следовательно, чтобы найти максимум в каждом из множеств нам потребуется <tex>O(n)</tex> операций, чтобы составить расписание для каждой работы из множества нам потребуется так же <tex>O(n)</tex> операций. Получаем сложность алгоритма <tex>O(n)</tex>.

O2Cmax

2012-06-21T10:37:43Z

AVasilyev: /* Описание алгоритма */

== Постановка задачи ==
Рассмотрим задачу:
<ol>
<li>Дано <tex>n</tex> работ и <tex>2</tex> станка.</li>
<li>Для каждой работы известно её время выполнения на каждом станке.</li>
</ol>
Требуется минимизировать время окончания всех работ, если каждую работу необходимо выполнить на обоих станках.

== Описание алгоритма ==
Пусть <tex>a_{i}</tex> {{---}} время выполнения <tex>i</tex>-ой работы на первом станке, а <tex>b_{i}</tex> {{---}} на втором.<br/>
<ol>
<li>Разобьём все работы на два множества: <tex>I = \{i \mid a_{i} \le b_{i}; i = 1, \dots, n\}</tex> и <tex>J = \{i \mid a_{i} > b_{i}; i = 1, \dots, n\}</tex></li>
<li>Найдем такие <tex> x </tex> и <tex> y </tex>, что <tex>a_{x} = \max \{a_{i} \mid i \in I\}</tex> и <tex>b_{y} = \max \{b_{i} \mid i \in J\}</tex> </li>
<li>Построим оптимальное значение целевой функции: <tex>C_{max} = \max \{\sum \limits_{i = 1}^{n} a_i, \sum \limits_{i = 1}^{n} b_i, \max \limits_{i = 1}^{n}\{a_i + b_{i}\}\}</tex>.</li>
<li> Рассмотрим два случая. Первый случай, когда <tex>a_{x} \le b_{y}</tex>. Будем строить расписание с двух концов:
<ul>
<li>Строим расписание слева: выполняем на первом станке все работы из <tex>I \setminus \{x\}</tex>, а на втором выполняем первой работу <tex>x</tex>, затем <tex>I \setminus \{x\}</tex>.</li>
<li>Теперь, упираясь в правую границу, равную <tex> C_{max} </tex>, можно построить расписание справа: выполняем на первом станке все работы из <tex>J</tex>, затем <tex>x</tex>, а для второго выполняем работы из <tex>J</tex></li>
</ul>
Второй случай сводится к первому: все работы и станки меняются местами, и решается задача для первого случая.
</li>
</ol>
[[Файл:O2Cmax.gif|300px|center]]

==Доказательство корректности алгоритма==
{{Теорема
|statement=
Расписание, построенное данным алгоритмом, является корректным и оптимальным.
|proof=
Чтобы доказать корректность, надо доказать, что на каждом станке никакая из работ не пересекается, и что каждая работа в каждый момент времени выполняется только на одном станке.<br/>
Первое утверждение вытекает из того, что мы строили расписание, опираясь на <tex>C_{max}</tex>. Из построения <tex>C_{max} \ge \sum \limits_{i = 1}^{n}a_{i}, \sum \limits_{i = 1}^{n}b_{i}</tex>, следовательно на каждом станке нет пересечения работ.<br/>
Докажем теперь второе утверждение. У нас имеется 3 блока: <tex> I \setminus \{x\}, \{x\}, J</tex>.
<ol>
<li>Для блока <tex> \{x\}</tex> пересечения отсутствуют из того, что <tex> C_{max} \ge a_{x}+b_{x}</tex>, а этот блок выполняется с разных концов станков, значит он не может пересекаться.</li>
<li>Для блока <tex> I \setminus \{x\}</tex> рассмотри сумму:
<ul><tex>\sum \limits_{i = 1}^k a_{i} \le \sum \limits_{i = 1}^k b_{i} \le \sum \limits_{i = 1}^{k - 1} b_{i} + b_{x}</tex></ul>
Это неравенство следует из выбора <tex>I</tex> и из того, что <tex>b_{x} \ge a_{x} \ge a_{i}, \forall i \in I</tex>.<br/>
Получили, что этот блок тоже не пересекается.</li>
<li>Для блока <tex>J</tex> рассмотри сумму:
<ul><tex>\sum \limits_{i = 1}^k b_{i} \le \sum \limits_{i = 1}^k a_{i} \le \sum \limits_{i = 1}^{k - 1} a_{i} + a_{x}</tex></ul>
Это неравенство следует из выбора <tex>J</tex> и из того, что <tex>a_{x} \ge a_{i}, \forall i \in I</tex>.<br/>
Получили, что этот блок тоже не пересекается.</li>
</ol>
Итого мы доказали корректность.<br/>
Оптимальность вытекает, из того, что <tex>C_{max}</tex> не может быть меньше <tex>\sum \limits_{i = 1}^{n} a_i, \sum \limits_{i = 1}^{n} b_i, \max \limits_{i = 1}^{n}\{a_i + b_{i}\}</tex>, а из построения оно равно максимум из них.
}}

==Псевдокод==
<tex>I \leftarrow \varnothing </tex>
<tex>J \leftarrow \varnothing </tex>
for <tex>i = 1 \dots n</tex>
if <tex>a_{i} \le b{i}</tex>
<tex> I \leftarrow I \cup \{i\} </tex>
else
<tex> J \leftarrow J \cup \{i\} </tex>
Найти <tex>x</tex>, где <tex>a_{x} = \max \limits_{i \in I} \{a_{i}\}</tex>
Найти <tex>y</tex>, где <tex>b_{y} = \max \limits_{i \in J} \{b_{i}\}</tex>
if <tex>a_{x} > b_{y}</tex>
Поменять местами первый и второй станок
Пересчитать <tex>I, J, x</tex>
Запомнить, что поменяли

<tex>time1 \leftarrow 0</tex>
shed2[x] <tex>\leftarrow 0</tex>
<tex>time2 \leftarrow b_{x}</tex>

Для всех <tex>i \in I \setminus \{x\}</tex>
sched1[i] <tex>\leftarrow time1</tex>
<tex>time1 \leftarrow time1 + a_{i}</tex>
sched2[i] <tex>\leftarrow time2</tex>
<tex>time2 \leftarrow time2 + b_{i}</tex>

Для всех <tex>i \in J</tex>
sched1[i] <tex>\leftarrow time1</tex>
<tex>time1 \leftarrow time1 + a_{i}</tex>
sched2[i] <tex>\leftarrow time2</tex>
<tex>time2 \leftarrow time2 + b_{i}</tex>

sched1[x] <tex>\leftarrow time1</tex>
<tex>time1 \leftarrow time1 + a_{x}</tex>

<tex>C_{max} \leftarrow \max\{time1, time2\}</tex>
if станки меняли местами
поменять их обратно

==Сложность алгоритма==
Каждое из множеств в сумме содержит <tex>n</tex> элементов. Следовательно, чтобы найти максимум в каждом из множеств нам потребуется <tex>O(n)</tex> операций, чтобы составить расписание для каждой работы из множества нам потребуется так же <tex>O(n)</tex> операций. Получаем сложность алгоритма <tex>O(n)</tex>.

O2Cmax

2012-06-21T10:36:26Z

AVasilyev: /* Описание алгоритма */

== Постановка задачи ==
Рассмотрим задачу:
<ol>
<li>Дано <tex>n</tex> работ и <tex>2</tex> станка.</li>
<li>Для каждой работы известно её время выполнения на каждом станке.</li>
</ol>
Требуется минимизировать время окончания всех работ, если каждую работу необходимо выполнить на обоих станках.

== Описание алгоритма ==
Пусть <tex>a_{i}</tex> {{---}} время выполнения <tex>i</tex>-ой работы на первом станке, а <tex>b_{i}</tex> {{---}} на втором.<br/>
<ol>
<li>Разобьём все работы на два множества: <tex>I = \{i \mid a_{i} \le b_{i}; i = 1, \dots, n\}</tex> и <tex>J = \{i \mid a_{i} > b_{i}; i = 1, \dots, n\}</tex></li>
<li>Найдем такие <tex> x </tex> и <tex> y </tex>, что <tex>a_{x} = \max \{a_{i} \mid i \in I\}</tex> и <tex>b_{y} = \max \{b_{i} \mid i \in J\}</tex> </li>
<li>Построим оптимальное значение целевой функции: <tex>C_{max} = \max \{\sum \limits_{i = 1}^{n} a_i, \sum \limits_{i = 1}^{n} b_i, \max \limits_{i = 1}^{n}\{a_i + b_{i}\}\}</tex>.</li>
<li> Рассмотрим два случая. Первый случай, когда <tex>a_{x} \le b_{y}</tex>. Будем строить расписание с двух концов:
<ul>
<li>Строим расписание слева: выполняем на первом станке все работы из <tex>I \setminus \{x\}</tex>, а на втором выполняем первой работу <tex>x</tex>, затем <tex>I \setminus \{x\}</tex>.</li>
<li>Теперь, упираясь в правую границу, равную значению <tex. C_{max} </tex>, можно построить расписание справа: выполняем на первом станке все работы из <tex>J</tex>, затем <tex>x</tex>, а для второго выполняем работы из <tex>J</tex></li>
</ul>
Второй случай сводится к первому: все работы и станки меняются местами, и решается задача для первого случая.
</li>
</ol>
[[Файл:O2Cmax.gif|300px|center]]

==Доказательство корректности алгоритма==
{{Теорема
|statement=
Расписание, построенное данным алгоритмом, является корректным и оптимальным.
|proof=
Чтобы доказать корректность, надо доказать, что на каждом станке никакая из работ не пересекается, и что каждая работа в каждый момент времени выполняется только на одном станке.<br/>
Первое утверждение вытекает из того, что мы строили расписание, опираясь на <tex>C_{max}</tex>. Из построения <tex>C_{max} \ge \sum \limits_{i = 1}^{n}a_{i}, \sum \limits_{i = 1}^{n}b_{i}</tex>, следовательно на каждом станке нет пересечения работ.<br/>
Докажем теперь второе утверждение. У нас имеется 3 блока: <tex> I \setminus \{x\}, \{x\}, J</tex>.
<ol>
<li>Для блока <tex> \{x\}</tex> пересечения отсутствуют из того, что <tex> C_{max} \ge a_{x}+b_{x}</tex>, а этот блок выполняется с разных концов станков, значит он не может пересекаться.</li>
<li>Для блока <tex> I \setminus \{x\}</tex> рассмотри сумму:
<ul><tex>\sum \limits_{i = 1}^k a_{i} \le \sum \limits_{i = 1}^k b_{i} \le \sum \limits_{i = 1}^{k - 1} b_{i} + b_{x}</tex></ul>
Это неравенство следует из выбора <tex>I</tex> и из того, что <tex>b_{x} \ge a_{x} \ge a_{i}, \forall i \in I</tex>.<br/>
Получили, что этот блок тоже не пересекается.</li>
<li>Для блока <tex>J</tex> рассмотри сумму:
<ul><tex>\sum \limits_{i = 1}^k b_{i} \le \sum \limits_{i = 1}^k a_{i} \le \sum \limits_{i = 1}^{k - 1} a_{i} + a_{x}</tex></ul>
Это неравенство следует из выбора <tex>J</tex> и из того, что <tex>a_{x} \ge a_{i}, \forall i \in I</tex>.<br/>
Получили, что этот блок тоже не пересекается.</li>
</ol>
Итого мы доказали корректность.<br/>
Оптимальность вытекает, из того, что <tex>C_{max}</tex> не может быть меньше <tex>\sum \limits_{i = 1}^{n} a_i, \sum \limits_{i = 1}^{n} b_i, \max \limits_{i = 1}^{n}\{a_i + b_{i}\}</tex>, а из построения оно равно максимум из них.
}}

==Псевдокод==
<tex>I \leftarrow \varnothing </tex>
<tex>J \leftarrow \varnothing </tex>
for <tex>i = 1 \dots n</tex>
if <tex>a_{i} \le b{i}</tex>
<tex> I \leftarrow I \cup \{i\} </tex>
else
<tex> J \leftarrow J \cup \{i\} </tex>
Найти <tex>x</tex>, где <tex>a_{x} = \max \limits_{i \in I} \{a_{i}\}</tex>
Найти <tex>y</tex>, где <tex>b_{y} = \max \limits_{i \in J} \{b_{i}\}</tex>
if <tex>a_{x} > b_{y}</tex>
Поменять местами первый и второй станок
Пересчитать <tex>I, J, x</tex>
Запомнить, что поменяли

<tex>time1 \leftarrow 0</tex>
shed2[x] <tex>\leftarrow 0</tex>
<tex>time2 \leftarrow b_{x}</tex>

Для всех <tex>i \in I \setminus \{x\}</tex>
sched1[i] <tex>\leftarrow time1</tex>
<tex>time1 \leftarrow time1 + a_{i}</tex>
sched2[i] <tex>\leftarrow time2</tex>
<tex>time2 \leftarrow time2 + b_{i}</tex>

Для всех <tex>i \in J</tex>
sched1[i] <tex>\leftarrow time1</tex>
<tex>time1 \leftarrow time1 + a_{i}</tex>
sched2[i] <tex>\leftarrow time2</tex>
<tex>time2 \leftarrow time2 + b_{i}</tex>

sched1[x] <tex>\leftarrow time1</tex>
<tex>time1 \leftarrow time1 + a_{x}</tex>

<tex>C_{max} \leftarrow \max\{time1, time2\}</tex>
if станки меняли местами
поменять их обратно

==Сложность алгоритма==
Каждое из множеств в сумме содержит <tex>n</tex> элементов. Следовательно, чтобы найти максимум в каждом из множеств нам потребуется <tex>O(n)</tex> операций, чтобы составить расписание для каждой работы из множества нам потребуется так же <tex>O(n)</tex> операций. Получаем сложность алгоритма <tex>O(n)</tex>.

QpmtnriLmax

2012-06-11T20:29:59Z

AVasilyev: /* Алгоритм решения */

<includeonly>[[Категория: В разработке]]</includeonly>

[[Файл:Figure_5.2.png|400px|thumb|right|Рис. 1 - Исходная сеть]]

==Постановка задачи==
Рассмотрим задачу на нахождение расписания:

# У нас есть несколько станков, работающих параллельно. У станков могут быть разные скорости выполнения работ.
# Есть несколько заданий, каждое имеет своё время появления <tex>r_i</tex> и время окончания <tex>d_i</tex>.
# Работа может быть прервана в любой момент и продолжена позже на любой машине.

Требуется минимизировать максимальное опоздание <tex>L_{max} = \max\limits_i \{C_i - d_i\}</tex>

==Алгоритм решения==
[[Файл:Figure_5.9.b.png|500px|thumb|right|Рис. 2 - Расширение сети]]

Как в задаче <tex>P \mid pmtn, r_i \mid L_{max}</tex> ([[PpmtnriLmax|ссылка]]) применим метод [[Вещественный_двоичный_поиск|двоичного поиска]] и сведем задачу к <tex> Q \mid pmtn, r_i, d_i \mid - </tex>. Для существования расписания с <tex> L_{max} \le L^* </tex> требуется, чтобы у работы с номером <tex> i </tex> выполнялось <tex> C_i - d_i \le L^* </tex>, что эквивалентно <tex> C_i \le d_i + L^* </tex>. Опишем алгоритм решения <tex> Q \mid pmtn, r_i, d_i \mid - </tex> при помощи сведения к задаче поиска [[Определение_сети,_потока|максимального потока]].

Пусть <tex> t_1 \le t_2 \le ... \le t_r </tex> упорядоченная последовательность всех значений <tex>r_i</tex> и <tex>d_i + L^*</tex>.
Определим интервалы на исходной сети (Рис. 1) <tex> I_K := [t_{K-1}, t_K], \ T_K = t_K-t_{K-−1} </tex> для <tex> K = 2,..., r </tex>. Cчитаем, что станки занумерованы в порядке невозрастания скоростей <tex> s_1 \ge s_2 \ge . . . \ge s_m </tex> (также считаем <tex>s_{m+1} = 0</tex>).

Искомая сеть строится с помощью расширения сети из задачи <tex>P \mid pmtn, r_i \mid L_{max}</tex>. Обозначим через <tex> J_{i_1}, J_{i_2}, . . . , J_{i_s} </tex> набор предшественников узла <tex>I_K</tex>, тогда замененная нами подсеть определяется как <tex> I_K, J_{i_1}, J_{i_2}, . . . , J_{i_s} </tex>.

Расширение сети показано на Рис. 2.

Расширенная подсеть строится путем добавления к вершинам <tex> I_K, J_{i_1}, J_{i_2}, . . . , J_{i_s} </tex> вершин <tex>(K, 1), (K, 2), . . . (K, m) </tex>. При <tex>j = 1,..., m </tex>, есть дуги от <tex>(K, j)</tex> до <tex>I_K</tex> с пропускной способностью <tex> j(s_j - s_{j+1}) T_K </tex> и для всех <tex>\nu = 1,. . . , s</tex> и <tex>j = 1,. . ., m</tex> существует дуга из <tex>J_{i_\nu}</tex> в <tex>(K, J)</tex> с пропускной способностью <tex> (s_j - s_{j+1}) T_K </tex>. Это выполняется для каждой вершины <tex>I_K</tex>. Кроме того, мы сохраняем дуги из <tex>s</tex> в <tex>J_i</tex> пропускной способностью <tex>p_i</tex> и дуги из <tex>I_K</tex> в <tex>t</tex> пропускной способностью <tex>S_mT_K</tex> (Рис. 1).

{{Теорема
|statement=Следующие утверждения эквивалентны:

<tex>(a)</tex> Существует допустимое расписание.

<tex>(b)</tex> В расширенной сети существует поток от <tex>s</tex> до <tex>t</tex> со значением <tex>\sum\limits_{i=1}^n p_i</tex>

|proof=<tex>(b) \Rightarrow (a):</tex>
Рассмотрим в расширенной сети поток величиной <tex>\sum\limits_{i = 1}^n {p_i}</tex>. Обозначим через <tex>x_{iK}</tex> общий поток, который идет от <tex>J_i</tex> до <tex>I_K</tex>. Заметим, что <tex>\sum\limits_{i = 1}^n \sum\limits_{K = 2}^r x_{iK} = \sum\limits_{i = 1}^n p_i</tex>. Достаточно показать, что для каждого подмножества <tex>A \subseteq \{ 1, . . . , n \}</tex> выполняется

<tex>\sum\limits_{i \in A} x_{iK} \le T_Kh(A)</tex> ,где <tex>h(A) =
\begin{cases}
S_{|A|}, & \text{if }|A| \le m \\
S_m, & \text{otherwise}
\end{cases} </tex>.

Это означает, что условие <tex>\sum\limits_{i \in A} p_i \le Th(A), \forall A \subseteq \{ 1, ... , n \}</tex> выполняется и требования к обработке <tex>x_{1K}, . . . , x_{nK}</tex> могут быть запланированы как <tex>I_K</tex> для <tex>K = 2, . . . , r</tex>. Рассмотрим подсеть в расширенной сети в подмножестве <tex>A</tex> и соответствующие части потока. Фрагмент частичного потока, который проходит через <tex>(K, j)</tex> ограничен

<tex>\min \{ j(s_j −- s_{j + 1})T_K, |A|(s_j - s_{j+1})T_K \} = T_K(s_j - s_{j+1}) \min \{ j, |A| \}</tex>.

Таким образом, мы имеем

<tex>\sum\limits_{i \in A} x_{iK} \ge T_K \sum\limits_{j = 1}^m(s_j −- s_{j+1}) \min \{ j, |A| \} = T_Kh(A)</tex>. <tex>(*)</tex>

То, что равенство <tex>(*)</tex> справедливо, может рассматриваться как следствие. Если <tex>|A| > m</tex>, то

<tex>\sum\limits_{j = 1}^m \min \{ j, |A| \}(s_j - s_{j + 1}) = s_1 - s_2 + 2s_2 - 2s_3 + 3s_3 - 3s_4 + ... + ms_s - ms_{m+1} =\ </tex>
<tex>S_m = h(A)</tex>.

В противном случае

<tex>\sum\limits_{j = 1} \min \{ j, |A| \}(s_j - s_{j + 1}) = s_1 - s_2 + 2s_2 - 2s_3 + 3s_3 - ... + (|A| - 1)s_{|A| - 1} -\ </tex>
<tex>(|A| - 1)s_{|A|} + |A|(s_{|A|} - s_{|A| - 1} - ... - s_m + s_m - s_{m + 1}) = S_{|A|} = h(A)</tex>.

<tex>(a) \Rightarrow (b):</tex>
Предположим, что допустимое расписание существует. Для <tex>i = 1, ... , n </tex> и <tex>K = 2, ..., r</tex> пусть <tex>x_{iK}</tex> является "объемом работ", который будет выполняться в интервале <tex>I_K</tex> в соответствии с нашим возможным расписанием. Тогда для всех <tex>K = 2, ..., r</tex> и произвольных наборов <tex>A \subseteq \{ 1, . . . , n \}</tex>, неравенство

<tex>\sum\limits_{i \in A} x_{iK} \le T_Kh(A)</tex> <tex>(**)</tex>

выполняется. Кроме того, для <tex>i = 1, . . . , n</tex> у нас <tex>p_i = \sum\limits_{K = 2}^r s_{iK}</tex>. Остается показать, что можно отправить <tex>x_{iK}</tex> от <tex>J_i</tex> до <tex>I_K</tex> <tex>(i = 1, . . . , n; K = 2, . . . , r)</tex> в расширенной сети. Такой поток существует, если <tex>\forall A \subseteq \{ 1, . . . , n \}</tex> и <tex>K = 2, . . . , r</tex> значение <tex>\sum\limits_{i \in A} x_{iK}</tex> ограничено величиной минимального разреза части сети с истоками <tex>J_i(i \in A)</tex> и стоком <tex>I_K</tex>. Тем не менее, это значение

<tex>T_K\sum\limits_{j = 1}^m \min \{ j, |A| \}(s_j - s_{j+1})</tex>

Используя <tex>(**)</tex> и правую часть <tex>(*)</tex>, получаем

<tex>\sum\limits_{i \in A} x_{iK} \le T_K h(A) = T_K \sum\limits_{j = 1}^m \min \{ j, |A| \}(s_j - s_{j+1})</tex>

что и является искомым неравенством.
}}

==Время работы==

Работа с максимальным потоком в расширенной сети занимает <tex>O (m n^3)</tex> шагов, проверка может быть сделана с такой же скоростью. Для решения <tex>Q \mid pmtn; r_{i} \mid L_{max}</tex> мы используем бинарный поиск, а значит, получаем алгоритм с <tex>\varepsilon</tex>-приближенной сложностью <tex>O (mn^3(log(n) + log(1 / \varepsilon) + log(\max\limits_{i=1}^{n} p_i)) </tex>, потому как <tex>L_{max}</tex>, ограничен <tex>n \max\limits_{i=1}^{n}p_i</tex>, при <tex>s_1 = 1</tex>.

Задача <tex>Q \mid pmtn; r_i \mid C_{max}</tex> представляет собой частный случай <tex>Q \mid pmtn; r_i \mid L_{max}</tex>, и может быть решена более эффективно. Лабетоуль (Labetoulle J.), Лаулер (Lawler E.L.), Ленстра (Lenstra. J.K.), и Ринной Кан (Rinnooy Kan A.H.G.) разработали алгоритм работающий за <tex> O(n log(n) + mn) </tex> специально для этого случая.

==Источники==
* Peter Brucker. «Scheduling Algorithms» {{---}} «Springer», 2006 г. {{---}} 379 стр. {{---}} ISBN 978-3-540-69515-8

[[Категория: Теория расписаний]]

QpmtnriLmax

2012-06-11T20:26:57Z

AVasilyev: /* Алгоритм решения */

<includeonly>[[Категория: В разработке]]</includeonly>

[[Файл:Figure_5.2.png|400px|thumb|right|Рис. 1 - Исходная сеть]]

==Постановка задачи==
Рассмотрим задачу на нахождение расписания:

# У нас есть несколько станков, работающих параллельно. У станков могут быть разные скорости выполнения работ.
# Есть несколько заданий, каждое имеет своё время появления <tex>r_i</tex> и время окончания <tex>d_i</tex>.
# Работа может быть прервана в любой момент и продолжена позже на любой машине.

Требуется минимизировать максимальное опоздание <tex>L_{max} = \max\limits_i \{C_i - d_i\}</tex>

==Алгоритм решения==
[[Файл:Figure_5.9.b.png|500px|thumb|right|Рис. 2 - Расширение сети]]

Как в задаче <tex>P \mid pmtn, r_i \mid L_{max}</tex> ([[PpmtnriLmax|ссылка]]) применим метод [[Вещественный_двоичный_поиск|двоичного поиска]] и сведем задачу к <tex> Q \mid pmtn, r_i, d_i \mid - </tex>. Для существования расписания с <tex> L_{max} \le L^* </tex> требуется, чтобы у работы с номером <tex> i </tex> выполнялось <tex> C_i - d_i \le L^* </tex>, что эквивалентно <tex> C_i \le d_i + L^* </tex>. Опишем алгоритм решения <tex> Q \mid pmtn, r_i, d_i \mid - </tex> при помощи сведения к задаче поиска [[Определение_сети,_потока|максимального потока]].

Пусть <tex> t_1 \le t_2 \le ... \le t_r </tex> упорядоченная последовательность всех значений <tex>r_i</tex> и <tex>d_i + L^*</tex>.
Определим интервалы на исходной сети (Рис. 1) <tex> I_K := [t_{K-1}, t_K], \ T_K = t_K-t_{K-−1} </tex> для <tex> K = 2,..., r </tex>.

Расширим эту сеть. Обозначим через <tex> J_{i_1}, J_{i_2}, . . . , J_{i_s} </tex> набор предшественников узла <tex>I_K</tex>, тогда замененная нами подсеть определяется как <tex> I_K, J_{i_1}, J_{i_2}, . . . , J_{i_s} </tex>.

Расширение сети показано на Рис. 2.

Cчитаем, что станки занумерованы в порядке невозрастания скоростей <tex> s_1 \ge s_2 \ge . . . \ge s_m </tex> (считаем <tex>s_{m+1} = 0</tex>).

Расширенная подсеть строится путем добавления к вершинам <tex> I_K, J_{i_1}, J_{i_2}, . . . , J_{i_s} </tex> вершин <tex>(K, 1), (K, 2), . . . (K, m) </tex>. При <tex>j = 1,..., m </tex>, есть дуги от <tex>(K, j)</tex> до <tex>I_K</tex> с пропускной способностью <tex> j(s_j - s_{j+1}) T_K </tex> и для всех <tex>\nu = 1,. . . , s</tex> и <tex>j = 1,. . ., m</tex> существует дуга из <tex>J_{i_\nu}</tex> в <tex>(K, J)</tex> с пропускной способностью <tex> (s_j - s_{j+1}) T_K </tex>. Это выполняется для каждой вершины <tex>I_K</tex>. Кроме того, мы сохраняем дуги из <tex>s</tex> в <tex>J_i</tex> пропускной способностью <tex>p_i</tex> и дуги из <tex>I_K</tex> в <tex>t</tex> пропускной способностью <tex>S_mT_K</tex> (Рис. 1).

{{Теорема
|statement=Следующие утверждения эквивалентны:

<tex>(a)</tex> Существует допустимое расписание.

<tex>(b)</tex> В расширенной сети существует поток от <tex>s</tex> до <tex>t</tex> со значением <tex>\sum\limits_{i=1}^n p_i</tex>

|proof=<tex>(b) \Rightarrow (a):</tex>
Рассмотрим в расширенной сети поток величиной <tex>\sum\limits_{i = 1}^n {p_i}</tex>. Обозначим через <tex>x_{iK}</tex> общий поток, который идет от <tex>J_i</tex> до <tex>I_K</tex>. Заметим, что <tex>\sum\limits_{i = 1}^n \sum\limits_{K = 2}^r x_{iK} = \sum\limits_{i = 1}^n p_i</tex>. Достаточно показать, что для каждого подмножества <tex>A \subseteq \{ 1, . . . , n \}</tex> выполняется

<tex>\sum\limits_{i \in A} x_{iK} \le T_Kh(A)</tex> ,где <tex>h(A) =
\begin{cases}
S_{|A|}, & \text{if }|A| \le m \\
S_m, & \text{otherwise}
\end{cases} </tex>.

Это означает, что условие <tex>\sum\limits_{i \in A} p_i \le Th(A), \forall A \subseteq \{ 1, ... , n \}</tex> выполняется и требования к обработке <tex>x_{1K}, . . . , x_{nK}</tex> могут быть запланированы как <tex>I_K</tex> для <tex>K = 2, . . . , r</tex>. Рассмотрим подсеть в расширенной сети в подмножестве <tex>A</tex> и соответствующие части потока. Фрагмент частичного потока, который проходит через <tex>(K, j)</tex> ограничен

<tex>\min \{ j(s_j −- s_{j + 1})T_K, |A|(s_j - s_{j+1})T_K \} = T_K(s_j - s_{j+1}) \min \{ j, |A| \}</tex>.

Таким образом, мы имеем

<tex>\sum\limits_{i \in A} x_{iK} \ge T_K \sum\limits_{j = 1}^m(s_j −- s_{j+1}) \min \{ j, |A| \} = T_Kh(A)</tex>. <tex>(*)</tex>

То, что равенство <tex>(*)</tex> справедливо, может рассматриваться как следствие. Если <tex>|A| > m</tex>, то

<tex>\sum\limits_{j = 1}^m \min \{ j, |A| \}(s_j - s_{j + 1}) = s_1 - s_2 + 2s_2 - 2s_3 + 3s_3 - 3s_4 + ... + ms_s - ms_{m+1} =\ </tex>
<tex>S_m = h(A)</tex>.

В противном случае

<tex>\sum\limits_{j = 1} \min \{ j, |A| \}(s_j - s_{j + 1}) = s_1 - s_2 + 2s_2 - 2s_3 + 3s_3 - ... + (|A| - 1)s_{|A| - 1} -\ </tex>
<tex>(|A| - 1)s_{|A|} + |A|(s_{|A|} - s_{|A| - 1} - ... - s_m + s_m - s_{m + 1}) = S_{|A|} = h(A)</tex>.

<tex>(a) \Rightarrow (b):</tex>
Предположим, что допустимое расписание существует. Для <tex>i = 1, ... , n </tex> и <tex>K = 2, ..., r</tex> пусть <tex>x_{iK}</tex> является "объемом работ", который будет выполняться в интервале <tex>I_K</tex> в соответствии с нашим возможным расписанием. Тогда для всех <tex>K = 2, ..., r</tex> и произвольных наборов <tex>A \subseteq \{ 1, . . . , n \}</tex>, неравенство

<tex>\sum\limits_{i \in A} x_{iK} \le T_Kh(A)</tex> <tex>(**)</tex>

выполняется. Кроме того, для <tex>i = 1, . . . , n</tex> у нас <tex>p_i = \sum\limits_{K = 2}^r s_{iK}</tex>. Остается показать, что можно отправить <tex>x_{iK}</tex> от <tex>J_i</tex> до <tex>I_K</tex> <tex>(i = 1, . . . , n; K = 2, . . . , r)</tex> в расширенной сети. Такой поток существует, если <tex>\forall A \subseteq \{ 1, . . . , n \}</tex> и <tex>K = 2, . . . , r</tex> значение <tex>\sum\limits_{i \in A} x_{iK}</tex> ограничено величиной минимального разреза части сети с истоками <tex>J_i(i \in A)</tex> и стоком <tex>I_K</tex>. Тем не менее, это значение

<tex>T_K\sum\limits_{j = 1}^m \min \{ j, |A| \}(s_j - s_{j+1})</tex>

Используя <tex>(**)</tex> и правую часть <tex>(*)</tex>, получаем

<tex>\sum\limits_{i \in A} x_{iK} \le T_K h(A) = T_K \sum\limits_{j = 1}^m \min \{ j, |A| \}(s_j - s_{j+1})</tex>

что и является искомым неравенством.
}}

==Время работы==

Работа с максимальным потоком в расширенной сети занимает <tex>O (m n^3)</tex> шагов, проверка может быть сделана с такой же скоростью. Для решения <tex>Q \mid pmtn; r_{i} \mid L_{max}</tex> мы используем бинарный поиск, а значит, получаем алгоритм с <tex>\varepsilon</tex>-приближенной сложностью <tex>O (mn^3(log(n) + log(1 / \varepsilon) + log(\max\limits_{i=1}^{n} p_i)) </tex>, потому как <tex>L_{max}</tex>, ограничен <tex>n \max\limits_{i=1}^{n}p_i</tex>, при <tex>s_1 = 1</tex>.

Задача <tex>Q \mid pmtn; r_i \mid C_{max}</tex> представляет собой частный случай <tex>Q \mid pmtn; r_i \mid L_{max}</tex>, и может быть решена более эффективно. Лабетоуль (Labetoulle J.), Лаулер (Lawler E.L.), Ленстра (Lenstra. J.K.), и Ринной Кан (Rinnooy Kan A.H.G.) разработали алгоритм работающий за <tex> O(n log(n) + mn) </tex> специально для этого случая.

==Источники==
* Peter Brucker. «Scheduling Algorithms» {{---}} «Springer», 2006 г. {{---}} 379 стр. {{---}} ISBN 978-3-540-69515-8

[[Категория: Теория расписаний]]

QpmtnriLmax

2012-06-11T20:06:34Z

AVasilyev: /* Алгоритм решения */

<includeonly>[[Категория: В разработке]]</includeonly>

[[Файл:Figure_5.2.png|400px|thumb|right|Рис. 1 - Исходная сеть]]

==Постановка задачи==
Рассмотрим задачу на нахождение расписания:

# У нас есть несколько станков, работающих параллельно. У станков могут быть разные скорости выполнения работ.
# Есть несколько заданий, каждое имеет своё время появления <tex>r_i</tex> и время окончания <tex>d_i</tex>.
# Работа может быть прервана в любой момент и продолжена позже на любой машине.

Требуется минимизировать максимальное опоздание <tex>L_{max} = \max\limits_i \{C_i - d_i\}</tex>

==Алгоритм решения==
[[Файл:Figure_5.9.b.png|500px|thumb|right|Рис. 2 - Расширение сети]]

Как в задаче <tex>P \mid pmtn, r_i \mid L_{max}</tex> ([[PpmtnriLmax|ссылка]]) применим метод [[Вещественный_двоичный_поиск|двоичного поиска]] и сведем задачу к поиску максимального потока в сети. Опишем алгоритм проверки существования допустимого расписания с <tex> L_{max} <= L^* </tex>. Для этого увеличим все <tex> d_i </tex> на <tex> L^* </tex>, и заметим, что

Пусть <tex> t_1 \le t_2 \le ... \le t_r </tex> упорядоченная последовательность всех значений <tex>r_i</tex> и <tex>d_i</tex>.
Определим интервалы на исходной сети (Рис. 1) <tex> I_K := [t_{K-1}, t_K], \ T_K = t_K-t_{K-−1} </tex> для <tex> K = 2,..., r </tex>.

Расширим эту сеть. Обозначим через <tex> J_{i_1}, J_{i_2}, . . . , J_{i_s} </tex> набор предшественников узла <tex>I_K</tex>, тогда замененная нами подсеть определяется как <tex> I_K, J_{i_1}, J_{i_2}, . . . , J_{i_s} </tex>.

Расширение сети показано на Рис. 2.

Cчитаем, что станки занумерованы в порядке невозрастания скоростей <tex> s_1 \ge s_2 \ge . . . \ge s_m </tex> (считаем <tex>s_{m+1} = 0</tex>).

Расширенная подсеть строится путем добавления к вершинам <tex> I_K, J_{i_1}, J_{i_2}, . . . , J_{i_s} </tex> вершин <tex>(K, 1), (K, 2), . . . (K, m) </tex>. При <tex>j = 1,..., m </tex>, есть дуги от <tex>(K, j)</tex> до <tex>I_K</tex> с пропускной способностью <tex> j(s_j - s_{j+1}) T_K </tex> и для всех <tex>\nu = 1,. . . , s</tex> и <tex>j = 1,. . ., m</tex> существует дуга из <tex>J_{i_\nu}</tex> в <tex>(K, J)</tex> с пропускной способностью <tex> (s_j - s_{j+1}) T_K </tex>. Это выполняется для каждой вершины <tex>I_K</tex>. Кроме того, мы сохраняем дуги из <tex>s</tex> в <tex>J_i</tex> пропускной способностью <tex>p_i</tex> и дуги из <tex>I_K</tex> в <tex>t</tex> пропускной способностью <tex>S_mT_K</tex> (Рис. 1).

{{Теорема
|statement=Следующие утверждения эквивалентны:

<tex>(a)</tex> Существует допустимое расписание.

<tex>(b)</tex> В расширенной сети существует поток от <tex>s</tex> до <tex>t</tex> со значением <tex>\sum\limits_{i=1}^n p_i</tex>

|proof=<tex>(b) \Rightarrow (a):</tex>
Рассмотрим в расширенной сети поток величиной <tex>\sum\limits_{i = 1}^n {p_i}</tex>. Обозначим через <tex>x_{iK}</tex> общий поток, который идет от <tex>J_i</tex> до <tex>I_K</tex>. Заметим, что <tex>\sum\limits_{i = 1}^n \sum\limits_{K = 2}^r x_{iK} = \sum\limits_{i = 1}^n p_i</tex>. Достаточно показать, что для каждого подмножества <tex>A \subseteq \{ 1, . . . , n \}</tex> выполняется

<tex>\sum\limits_{i \in A} x_{iK} \le T_Kh(A)</tex> ,где <tex>h(A) =
\begin{cases}
S_{|A|}, & \text{if }|A| \le m \\
S_m, & \text{otherwise}
\end{cases} </tex>.

Это означает, что условие <tex>\sum\limits_{i \in A} p_i \le Th(A), \forall A \subseteq \{ 1, ... , n \}</tex> выполняется и требования к обработке <tex>x_{1K}, . . . , x_{nK}</tex> могут быть запланированы как <tex>I_K</tex> для <tex>K = 2, . . . , r</tex>. Рассмотрим подсеть в расширенной сети в подмножестве <tex>A</tex> и соответствующие части потока. Фрагмент частичного потока, который проходит через <tex>(K, j)</tex> ограничен

<tex>\min \{ j(s_j −- s_{j + 1})T_K, |A|(s_j - s_{j+1})T_K \} = T_K(s_j - s_{j+1}) \min \{ j, |A| \}</tex>.

Таким образом, мы имеем

<tex>\sum\limits_{i \in A} x_{iK} \ge T_K \sum\limits_{j = 1}^m(s_j −- s_{j+1}) \min \{ j, |A| \} = T_Kh(A)</tex>. <tex>(*)</tex>

То, что равенство <tex>(*)</tex> справедливо, может рассматриваться как следствие. Если <tex>|A| > m</tex>, то

<tex>\sum\limits_{j = 1}^m \min \{ j, |A| \}(s_j - s_{j + 1}) = s_1 - s_2 + 2s_2 - 2s_3 + 3s_3 - 3s_4 + ... + ms_s - ms_{m+1} =\ </tex>
<tex>S_m = h(A)</tex>.

В противном случае

<tex>\sum\limits_{j = 1} \min \{ j, |A| \}(s_j - s_{j + 1}) = s_1 - s_2 + 2s_2 - 2s_3 + 3s_3 - ... + (|A| - 1)s_{|A| - 1} -\ </tex>
<tex>(|A| - 1)s_{|A|} + |A|(s_{|A|} - s_{|A| - 1} - ... - s_m + s_m - s_{m + 1}) = S_{|A|} = h(A)</tex>.

<tex>(a) \Rightarrow (b):</tex>
Предположим, что допустимое расписание существует. Для <tex>i = 1, ... , n </tex> и <tex>K = 2, ..., r</tex> пусть <tex>x_{iK}</tex> является "объемом работ", который будет выполняться в интервале <tex>I_K</tex> в соответствии с нашим возможным расписанием. Тогда для всех <tex>K = 2, ..., r</tex> и произвольных наборов <tex>A \subseteq \{ 1, . . . , n \}</tex>, неравенство

<tex>\sum\limits_{i \in A} x_{iK} \le T_Kh(A)</tex> <tex>(**)</tex>

выполняется. Кроме того, для <tex>i = 1, . . . , n</tex> у нас <tex>p_i = \sum\limits_{K = 2}^r s_{iK}</tex>. Остается показать, что можно отправить <tex>x_{iK}</tex> от <tex>J_i</tex> до <tex>I_K</tex> <tex>(i = 1, . . . , n; K = 2, . . . , r)</tex> в расширенной сети. Такой поток существует, если <tex>\forall A \subseteq \{ 1, . . . , n \}</tex> и <tex>K = 2, . . . , r</tex> значение <tex>\sum\limits_{i \in A} x_{iK}</tex> ограничено величиной минимального разреза части сети с истоками <tex>J_i(i \in A)</tex> и стоком <tex>I_K</tex>. Тем не менее, это значение

<tex>T_K\sum\limits_{j = 1}^m \min \{ j, |A| \}(s_j - s_{j+1})</tex>

Используя <tex>(**)</tex> и правую часть <tex>(*)</tex>, получаем

<tex>\sum\limits_{i \in A} x_{iK} \le T_K h(A) = T_K \sum\limits_{j = 1}^m \min \{ j, |A| \}(s_j - s_{j+1})</tex>

что и является искомым неравенством.
}}

==Время работы==

Работа с максимальным потоком в расширенной сети занимает <tex>O (m n^3)</tex> шагов, проверка может быть сделана с такой же скоростью. Для решения <tex>Q \mid pmtn; r_{i} \mid L_{max}</tex> мы используем бинарный поиск, а значит, получаем алгоритм с <tex>\varepsilon</tex>-приближенной сложностью <tex>O (mn^3(log(n) + log(1 / \varepsilon) + log(\max\limits_{i=1}^{n} p_i)) </tex>, потому как <tex>L_{max}</tex>, ограничен <tex>n \max\limits_{i=1}^{n}p_i</tex>, при <tex>s_1 = 1</tex>.

Задача <tex>Q \mid pmtn; r_i \mid C_{max}</tex> представляет собой частный случай <tex>Q \mid pmtn; r_i \mid L_{max}</tex>, и может быть решена более эффективно. Лабетоуль (Labetoulle J.), Лаулер (Lawler E.L.), Ленстра (Lenstra. J.K.), и Ринной Кан (Rinnooy Kan A.H.G.) разработали алгоритм работающий за <tex> O(n log(n) + mn) </tex> специально для этого случая.

==Источники==
* Peter Brucker. «Scheduling Algorithms» {{---}} «Springer», 2006 г. {{---}} 379 стр. {{---}} ISBN 978-3-540-69515-8

[[Категория: Теория расписаний]]

QpmtnriLmax

2012-06-11T19:45:43Z

AVasilyev: /* Постановка задачи */

<includeonly>[[Категория: В разработке]]</includeonly>

[[Файл:Figure_5.2.png|400px|thumb|right|Рис. 1 - Исходная сеть]]

==Постановка задачи==
Рассмотрим задачу на нахождение расписания:

# У нас есть несколько станков, работающих параллельно. У станков могут быть разные скорости выполнения работ.
# Есть несколько заданий, каждое имеет своё время появления <tex>r_i</tex> и время окончания <tex>d_i</tex>.
# Работа может быть прервана в любой момент и продолжена позже на любой машине.

Требуется минимизировать максимальное опоздание <tex>L_{max} = \max\limits_i \{C_i - d_i\}</tex>

==Алгоритм решения==
[[Файл:Figure_5.9.b.png|500px|thumb|right|Рис. 2 - Расширение сети]]

Как в задаче <tex>P \mid pmtn, r_i \mid L_{max}</tex> ([[PpmtnriLmax|ссылка]]) сведем задачу к поиску потока в сети.

Пусть <tex> t_1 \le t_2 \le ... \le t_r </tex> упорядоченная последовательность всех значений <tex>r_i</tex> и <tex>d_i</tex>.
Определим интервалы на исходной сети (Рис. 1) <tex> I_K := [t_{K-1}, t_K], \ T_K = t_K-t_{K-−1} </tex> для <tex> K = 2,..., r </tex>.

Расширим эту сеть. Обозначим через <tex> J_{i_1}, J_{i_2}, . . . , J_{i_s} </tex> набор предшественников узла <tex>I_K</tex>, тогда замененная нами подсеть определяется как <tex> I_K, J_{i_1}, J_{i_2}, . . . , J_{i_s} </tex>.

Расширение сети показано на Рис. 2.

Cчитаем, что станки индексируются в порядке невозрастания скоростей <tex> s_1 \ge s_2 \ge . . . \ge s_m </tex>, кроме того <tex>s_{m+1} = 0</tex>.

Расширенная подсеть строится путем добавления к вершинам <tex> I_K, J_{i_1}, J_{i_2}, . . . , J_{i_s} </tex> вершин <tex>(K, 1), (K, 2), . . . (K, m) </tex>. При <tex>j = 1,..., m </tex>, есть дуги от <tex>(K, j)</tex> до <tex>I_K</tex> с пропускной способностью <tex> j(s_j - s_{j+1}) T_K </tex> и для всех <tex>\nu = 1,. . . , s</tex> и <tex>j = 1,. . ., m</tex> существует дуга из <tex>J_{i_\nu}</tex> в <tex>(K, J)</tex> с пропускной способностью <tex> (s_j - s_{j+1}) T_K </tex>. Это выполняется для каждой вершины <tex>I_K</tex>. Кроме того, мы сохраняем дуги из <tex>s</tex> в <tex>J_i</tex> пропускной способностью <tex>p_i</tex> и дуги из <tex>I_K</tex> в <tex>t</tex> пропускной способностью <tex>S_mT_K</tex> (Рис. 1).

{{Теорема
|statement=Следующие утверждения эквивалентны:

<tex>(a)</tex> Существует допустимое расписание.

<tex>(b)</tex> В расширенной сети существует поток от <tex>s</tex> до <tex>t</tex> со значением <tex>\sum\limits_{i=1}^n p_i</tex>

|proof=<tex>(b) \Rightarrow (a):</tex>
Рассмотрим в расширенной сети поток величиной <tex>\sum\limits_{i = 1}^n {p_i}</tex>. Обозначим через <tex>x_{iK}</tex> общий поток, который идет от <tex>J_i</tex> до <tex>I_K</tex>. Заметим, что <tex>\sum\limits_{i = 1}^n \sum\limits_{K = 2}^r x_{iK} = \sum\limits_{i = 1}^n p_i</tex>. Достаточно показать, что для каждого подмножества <tex>A \subseteq \{ 1, . . . , n \}</tex> выполняется

<tex>\sum\limits_{i \in A} x_{iK} \le T_Kh(A)</tex> ,где <tex>h(A) =
\begin{cases}
S_{|A|}, & \text{if }|A| \le m \\
S_m, & \text{otherwise}
\end{cases} </tex>.

Это означает, что условие <tex>\sum\limits_{i \in A} p_i \le Th(A), \forall A \subseteq \{ 1, ... , n \}</tex> выполняется и требования к обработке <tex>x_{1K}, . . . , x_{nK}</tex> могут быть запланированы как <tex>I_K</tex> для <tex>K = 2, . . . , r</tex>. Рассмотрим подсеть в расширенной сети в подмножестве <tex>A</tex> и соответствующие части потока. Фрагмент частичного потока, который проходит через <tex>(K, j)</tex> ограничен

<tex>\min \{ j(s_j −- s_{j + 1})T_K, |A|(s_j - s_{j+1})T_K \} = T_K(s_j - s_{j+1}) \min \{ j, |A| \}</tex>.

Таким образом, мы имеем

<tex>\sum\limits_{i \in A} x_{iK} \ge T_K \sum\limits_{j = 1}^m(s_j −- s_{j+1}) \min \{ j, |A| \} = T_Kh(A)</tex>. <tex>(*)</tex>

То, что равенство <tex>(*)</tex> справедливо, может рассматриваться как следствие. Если <tex>|A| > m</tex>, то

<tex>\sum\limits_{j = 1}^m \min \{ j, |A| \}(s_j - s_{j + 1}) = s_1 - s_2 + 2s_2 - 2s_3 + 3s_3 - 3s_4 + ... + ms_s - ms_{m+1} =\ </tex>
<tex>S_m = h(A)</tex>.

В противном случае

<tex>\sum\limits_{j = 1} \min \{ j, |A| \}(s_j - s_{j + 1}) = s_1 - s_2 + 2s_2 - 2s_3 + 3s_3 - ... + (|A| - 1)s_{|A| - 1} -\ </tex>
<tex>(|A| - 1)s_{|A|} + |A|(s_{|A|} - s_{|A| - 1} - ... - s_m + s_m - s_{m + 1}) = S_{|A|} = h(A)</tex>.

<tex>(a) \Rightarrow (b):</tex>
Предположим, что допустимое расписание существует. Для <tex>i = 1, ... , n </tex> и <tex>K = 2, ..., r</tex> пусть <tex>x_{iK}</tex> является "объемом работ", который будет выполняться в интервале <tex>I_K</tex> в соответствии с нашим возможным расписанием. Тогда для всех <tex>K = 2, ..., r</tex> и произвольных наборов <tex>A \subseteq \{ 1, . . . , n \}</tex>, неравенство

<tex>\sum\limits_{i \in A} x_{iK} \le T_Kh(A)</tex> <tex>(**)</tex>

выполняется. Кроме того, для <tex>i = 1, . . . , n</tex> у нас <tex>p_i = \sum\limits_{K = 2}^r s_{iK}</tex>. Остается показать, что можно отправить <tex>x_{iK}</tex> от <tex>J_i</tex> до <tex>I_K</tex> <tex>(i = 1, . . . , n; K = 2, . . . , r)</tex> в расширенной сети. Такой поток существует, если <tex>\forall A \subseteq \{ 1, . . . , n \}</tex> и <tex>K = 2, . . . , r</tex> значение <tex>\sum\limits_{i \in A} x_{iK}</tex> ограничено величиной минимального разреза части сети с истоками <tex>J_i(i \in A)</tex> и стоком <tex>I_K</tex>. Тем не менее, это значение

<tex>T_K\sum\limits_{j = 1}^m \min \{ j, |A| \}(s_j - s_{j+1})</tex>

Используя <tex>(**)</tex> и правую часть <tex>(*)</tex>, получаем

<tex>\sum\limits_{i \in A} x_{iK} \le T_K h(A) = T_K \sum\limits_{j = 1}^m \min \{ j, |A| \}(s_j - s_{j+1})</tex>

что и является искомым неравенством.
}}

==Время работы==

Работа с максимальным потоком в расширенной сети занимает <tex>O (m n^3)</tex> шагов, проверка может быть сделана с такой же скоростью. Для решения <tex>Q \mid pmtn; r_{i} \mid L_{max}</tex> мы используем бинарный поиск, а значит, получаем алгоритм с <tex>\varepsilon</tex>-приближенной сложностью <tex>O (mn^3(log(n) + log(1 / \varepsilon) + log(\max\limits_{i=1}^{n} p_i)) </tex>, потому как <tex>L_{max}</tex>, ограничен <tex>n \max\limits_{i=1}^{n}p_i</tex>, при <tex>s_1 = 1</tex>.

Задача <tex>Q \mid pmtn; r_i \mid C_{max}</tex> представляет собой частный случай <tex>Q \mid pmtn; r_i \mid L_{max}</tex>, и может быть решена более эффективно. Лабетоуль (Labetoulle J.), Лаулер (Lawler E.L.), Ленстра (Lenstra. J.K.), и Ринной Кан (Rinnooy Kan A.H.G.) разработали алгоритм работающий за <tex> O(n log(n) + mn) </tex> специально для этого случая.

==Источники==
* Peter Brucker. «Scheduling Algorithms» {{---}} «Springer», 2006 г. {{---}} 379 стр. {{---}} ISBN 978-3-540-69515-8

[[Категория: Теория расписаний]]

Алгоритм Флойда

2011-11-03T22:24:47Z

AVasilyev: /* Код (окончательный) */

'''Алгоритм Флойда (алгоритм Флойда–Уоршелла)''' {{---}} алгоритм нахождения длин кратчайших путей между всеми парами вершин во взвешенном ориентированном графе. Работает корректно, если в графе нет циклов отрицательной величины, а в случае, когда такой цикл есть, позволяет найти хотя бы один такой цикл. Этот алгоритм работает в течение времени <tex> \Theta(n^3) </tex> и использует <tex> \Theta(n^2) </tex> памяти. Разработан в 1962 году.

== Алгоритм ==
[[Файл:Floyd.png|right|thumb|Текущий (синий) путь и потенциально более короткий (красный)]]

=== Постановка задачи ===

Дан взвешенный ориентированный граф <tex> G(V, E) </tex>; <tex>\omega_{uv} =
\begin{cases}
\text{weight of }uv ,& \text{if } uv \in E \\
+\infty ,& \text{if } uv \notin E
\end{cases}</tex>, в котором вершины пронумерованы от <tex>1</tex> до <tex>n</tex>. Требуется найти матрицу кратчайших расстояний <tex> d </tex>, в которой элемент <tex> d_{ij} </tex> либо равен длине кратчайшего пути из <tex> i </tex> в <tex> j </tex>, либо равен <tex> +\infty </tex>, если вершина <tex> j </tex> не достижима из <tex> i </tex>.

=== Описание ===

Обозначим длину кратчайшего пути между вершинами <tex> u </tex> и <tex> v </tex>, содержащего, помимо <tex>u</tex> и <tex>v</tex>, только вершины из множества <tex> \{ 1 .. i \} </tex> как <tex>d_{uv}^{(i)}</tex>, <tex>d_{uv}^{(0)} = \omega_{uv}</tex>.

На каждом шаге алгоритма, мы будем брать очередную вершину (пусть её номер {{---}} <tex> i </tex>) и для всех пар вершин <tex>u</tex> и <tex>v</tex> вычислять <tex> d_{uv}^{(i)} = min(d_{uv}^{(i-1)}, d_{ui}^{(i-1)} + d_{iv}^{(i-1)}) </tex>. То есть, если кратчайший путь из <tex>u</tex> в <tex>v</tex>, содержащий только вершины из множества <tex> \{ 1 .. i \} </tex>, проходит через вершину <tex>i</tex>, то кратчайшим путем из <tex> u </tex> в <tex> v </tex> является кратчайший путь из <tex> u </tex> в <tex> i </tex>, объединенный с кратчайшим путем из <tex> i </tex> в <tex> v </tex>. В противном случае, когда этот путь не содержит вершины <tex> i </tex>, кратчайший путь из <tex>u</tex> в <tex>v</tex>, содержащий только вершины из множества <tex> \{ 1 .. i \} </tex> является кратчайшим путем из <tex>u</tex> в <tex>v</tex>, содержащим только вершины из множества <tex> \{ 1 .. i-1 \} </tex>.

=== Код (в первом приближении) ===
# Инициализация
<tex dpi = "105"> d^{(0)} = w </tex>
# Основная часть
for i in {1..n}:
for u in {1..n}:
for v in {1..n}:
<tex dpi = "105" > d^{(i)}_{uv} = min(d^{(i - 1)}_{uv}, d^{(i - 1)}_{ui} + d^{(i - 1)}_{iv}) </tex>

В итоге получаем, что матрица <tex> d^{(n)} </tex> и является искомой матрицей кратчайших путей, поскольку содержит в себе длины кратчайших путей между всеми парами вершин, имеющих в качестве промежуточных вершин вершины из множества <tex> \{ 1..n \} </tex>, что есть попросту все вершины графа. Такая реализация работает за <tex> \Theta(n^3) </tex> времени и использует <tex> \Theta(n^3) </tex> памяти.

=== Код (окончательный) ===
Утверждается, что можно избавиться от одной размерности в массиве <tex> d </tex>, т.е. использовать двумерный массив <tex>d_{uv}</tex>. В процессе работы алгоритма поддерживается инвариант <tex>\rho(u, v) \le d_{uv} \le d_{uv}^{(i)}</tex>, а, поскольку, после выполнения работы алгоритма <tex> \rho(u, v) == d_{uv}^{(i)} </tex>, то тогда будет выполняться и <tex> \rho(u, v) == d_{uv} </tex>.

{{Утверждение
|statement=
В течение работы алгоритма Флойда выполняются неравенства: <tex>\rho(u, v) \le d_{uv} \le d_{uv}^{(i)}</tex>.
|proof=

После инициализации все неравенства, очевидно, выполняются. Далее, массив <tex> d </tex> может измениться только в строчке 5. Докажем оба неравенства по индукции по итерациям алгоритма:

# <tex> \rho(u, v) \le d_{uv} </tex>. Рассмотрим два случая:
#* Значение <tex> d_{uv} </tex> изменилось. Тогда <tex> d_{uv} = d_{ui} + d_{iv} \ge \rho(u, i) + \rho(i, v) \ge \rho(u, v) </tex> (по индукционному предположению и неравенству треугольника для <tex> \rho </tex>).
#* Значение <tex> d_{uv} </tex> не изменилось. Тогда неравенство выполняется автоматически по индукционному предположению.
# <tex> d_{uv} \le d_{uv}^{(i)} </tex>. Аналогично рассмотрим два случая:
#* Значение <tex> d_{uv}^{(i)} </tex> стало меньше, чем <tex> d_{uv}^{(i)} </tex>. Тогда <tex> d_{uv}^{(i)} = d_{ui}^{(i-1)} + d_{iv}^{(i-1)} \ge </tex> (выполняется на шаге <tex> i - 1 </tex>, по индукционному предположению, а в силу неубывания элементов массива <tex> d </tex> выполняется и на текущей итерации) <tex> \ge d_{ui} + d_{uv} \ge d_{uv} </tex>.
#* В ином случае всё очевидно: <tex> d_{uv}^{(i)} = d_{uv}^{(i - 1)} \ge d_{uv} </tex>, и неравенство тривиально.

}}

# Инициализация
<tex dpi = "105"> d = w </tex>
# Основная часть
for i in {1..n}:
for u in {1..n}:
for v in {1..n}:
<tex dpi = "105"> d_{uv} = min(d_{uv}, d_{ui} + d_{iv}) </tex>

Данная реализация работает за время <tex> \Theta(n^3) </tex>, но требует уже <tex> \Theta(n^2) </tex> памяти. В целом, алгоритм Флойда очень прост, и, поскольку в нем используются только простые операции, константа, скрытая в определении <tex> \Theta </tex> весьма мала.

=== Пример работы ===
{|style="text-align:center;"
| <tex>i = 0</tex> || <tex>i = 1</tex> || <tex>i = 2</tex> || <tex>i = 3 </tex> || <tex>i = 4</tex>
|-
| [[Файл:Floyd_step0.png]] || [[Файл:Floyd_step1.png]] || [[Файл:Floyd_step2.png]] || [[Файл:Floyd_step3.png]] || [[Файл:Floyd_step4.png]]
|-
| <tex>\begin{pmatrix}
\times & 1 & 6 & \infty \\
\infty & \times & 4 & 1 \\
\infty & \infty & \times & \infty \\
\infty & \infty & 1 & \times \\
\end{pmatrix}</tex>
|| <tex>\begin{pmatrix}
\times & 1 & 6 & \infty \\
\infty & \times & 4 & 1 \\
\infty & \infty & \times & \infty \\
\infty & \infty & 1 & \times \\
\end{pmatrix}</tex>
|| <tex>\begin{pmatrix}
\times & 1 & \bf{5} & \bf{2} \\
\infty & \times & 4 & 1 \\
\infty & \infty & \times & \infty \\
\infty & \infty & 1 & \times \\
\end{pmatrix}</tex>
|| <tex>\begin{pmatrix}
\times & 1 & 5 & 2 \\
\infty & \times & 4 & 1 \\
\infty & \infty & \times & \infty \\
\infty & \infty & 1 & \times \\
\end{pmatrix}</tex>
|| <tex>\begin{pmatrix}
\times & 1 & \bf{3} & 2 \\
\infty & \times & \bf{2} & 1 \\
\infty & \infty & \times & \infty \\
\infty & \infty & 1 & \times \\
\end{pmatrix}</tex>
|}

== Вывод кратчайшего пути ==
Алгоритм Флойда легко модифицировать таким образом, чтобы он возвращал не только длину кратчайшего пути, но и сам путь. Для этого достаточно завести дополнительный массив <tex>next_{uv}</tex>, в котором будет храниться номер вершины, в которую надо пойти следующей, чтобы дойти из <tex>u</tex> в <tex>v</tex> по кратчайшему пути.

=== Модифицированный алгоритм ===

# Инициализация
d = w
t[u][v] = v если есть ребро uv
# Основная часть
for i in {1..n}:
for u in {1..n}:
for v in {1..n}:
if (d[u][i] + d[i][v]) < d[u][v]:
d[u][v] = d[u][i] + d[i][v]
next[u][v] = next[u][i]

# Вывод кратчайшего пути
def get_shortest_path(u, v):
if d[u][v] == inf:
raise NoPath # Из u в v пути нет
c = u
while c != v:
print c
c = next[c][v]
print v

[[Файл:Floyd_path.png]]

== Литература ==
* ''Кормен, Томас Х., Лейзерсон, Чарльз И., Ривест, Рональд Л., Штайн Клиффорд'' '''Алгоритмы: построение и анализ''', 2-е издание. Пер. с англ. — М.:Издательский дом "Вильямс", 2010. — 1296 с.: ил. — Парал. тит. англ. — ISBN 978-5-8459-0857-5 (рус.)

[[Категория: Алгоритмы и структуры данных]]
[[Категория: Кратчайшие пути в графах ]]

Алгоритм Джонсона

2011-11-01T02:09:11Z

AVasilyev:

'''Алгоритм Джонсона''' находит кратчайшие пути между всеми парами вершин взвешенного ориентированного графа с положительными или отрицательными ребрами, но не имеющем отрицательных циклов.

== Алгоритм ==

=== Описание ===

Алгоритм Джонсона позволяет найти кратчайшие пути между всеми парами вершин в течение времени <tex> O(V^2 * \log(V) + VE) </tex>. Для разреженных графов этот алгоритм ведет себя асиптотически быстрее алгоритма Флойда. Этот алгоритм либо возвращает матрицу кратчайших расстояний между всеми парами вершин, либо сообщение о том, что в графе существует цикл отрицательной длины.

В этом алгоритме используется метод '''изменения веса''' (англ. reweighting). Суть его заключается в том, что для заданного графа <tex> G </tex> строится новая весовая функция <tex> \hat{\omega} </tex>, неотрицательная для всех ребер графа <tex> G </tex> и сохраняющая кратчайшие пути. Такая весовая функция строится при помощи так называемой '''потенциальной''' функции.

{{Определение
|definition=
Пусть <tex> \varphi : V \rightarrow \mathbb R </tex> - произвольное отображение из множества вершин в вещественные числа. Тогда новой весовой функцией будет <tex> \hat{\omega}(u, v) = \omega(u, v) + \varphi(u) - \varphi(v) </tex>.
}}

Такая потенциальная функция строится при помощи добавлении фиктивной вершины в <tex> G </tex> и запуском алгоритма Форда-Беллмана из нее. На этом же этапе мы сможем обнаружить наличие отрицательного цикла в графе.

Теперь, когда мы знаем, что веса всех ребер неотрицательны, и кратчайшие пути сохранятся, можно запустить алгоритм Дейкстры из каждой вершины и таким образом найти кратчайшие расстояния между всеми парами вершин.

=== Сохранение кратчайших путей ===
Утверждается, что если какой-то путь <tex> P </tex> был кратчайшим относительно весовой функции <tex> \omega </tex>, то он будет кратчайшим и относительно новой весовой функции <tex> \hat{\omega} </tex>.

{{Лемма
|statement=
Пусть <tex>P,\; Q : a \rightsquigarrow b\;</tex> и <tex>w(P) < w(Q).</tex> Тогда <tex>\forall \varphi: \; w_\varphi(P) < w_\varphi(Q)</tex>
|proof=
:<tex>P: \;u_0 \rightarrow u_1 \rightarrow u_2 \rightarrow ... \rightarrow u_k </tex>

:<tex>w_\varphi(P) = w_\varphi(u_0u_1) + w_\varphi(u_1u_2) + ... + w_\varphi(u_{k-1}u_k) = \varphi(u_0) + w(u_0u_1) - \varphi(u_1) + ... + \varphi(u_{k-1}) + w(u_{k-1}u_k) - \varphi(u_k) = \varphi(u_0) + w(P) - \varphi(u_k)</tex>

:<tex>w(P) < w(Q)</tex>

:<tex>w_\varphi(P) = \varphi(a) + w(P) - \varphi(b)</tex>

:<tex>w_\varphi(Q) = \varphi(a) + w(Q) - \varphi(b)</tex>

:Отсюда, <tex>w_\varphi(P) < w_\varphi(Q)</tex>
}}

=== Теорема о существовании потенциальной функции ===
{{Теорема
|statement=
В графе <tex>G</tex> нет отрицательных циклов <tex>\Leftrightarrow</tex> существует потенциальная функция <tex> \phi:\; \forall uv \in E\; w_\varphi(uv) \ge 0 </tex>
|proof=
<tex>\Leftarrow </tex>: <tex>C</tex> - цикл в графе <tex>G</tex>

:<tex>w(C) = \varphi(u_1) + w(C) - \varphi(u_1) = w_\varphi(C) \ge 0</tex>

<tex>\Rightarrow </tex>: Добавим вершину <tex>s</tex> в граф, соединим её со всеми вершинами графа <tex>G</tex> ребрами весом <tex>w = 0</tex>.

:''Обозначение'' : <tex>\delta(i,\;j)</tex> - минимальное расстояние между вершинами <tex>i,\; j</tex> графа <tex>G</tex>.

:<tex>\phi(u) = \delta(s,\;u)</tex>

:<tex>w_\phi(uv) = \phi(u) + w(uv) - \phi(v) = \delta(s,\;u) + w(uv) - \delta(s,\;v)</tex>.

:<tex>\delta(s,\;u) + w(uv) = </tex> {какой-то путь <tex>s \rightsquigarrow v</tex>}.

:<tex>\delta(s,\;v) =</tex> {минимальный путь <tex>s \rightsquigarrow v</tex>}.

:Следовательно, <tex>w_\phi(uv) \ge 0</tex>
}}

=== Псевдокод ===

Алгоритм Джонсона

Строится граф <tex>G' = (V',\;E')</tex>, где <tex>V' = V \cup \{s\}</tex>,
для некоторой новой вершины <tex>s \not\in V</tex>, а <tex>E' = E \cup \{(s,\;v): v \in V\}</tex>
'''if''' Bellman_Ford<tex>(G',\;\omega,\;s)</tex> == FALSE
'''then''' out << «Входной граф содержит цикл с отрицательным весом»
'''else''' '''for''' для каждой <tex>v \in V'</tex>
'''do''' присвоить величине <tex>\varphi(v)</tex> значение <tex>\delta(s,\;v)</tex>,
вычисленное алгоритмом Беллмана — Форда
'''for''' для каждого ребра <tex>(u,\;v) \in E'</tex>
'''do''' <tex>w_\varphi(u,\;v) \leftarrow w(u,\;v) + \varphi(u) - \varphi(v)</tex>
'''for''' для каждой вершины <tex>u \in V</tex>
'''do''' вычисление с помощью алгоритма Дейкстры
<tex>(G,\;w_\varphi,\;u)</tex> величин <tex>\delta_\varphi(u,\;v)</tex>
для всех вершин <tex>v \in V</tex>
'''for''' для каждой вершины <tex>v \in V</tex>
'''do''' <tex>d_{uv} \leftarrow \delta_\varphi(u,\;v) + \varphi(v) - \varphi(u)</tex>
'''return''' D

Итого, в начале алгоритм Форда-Беллмана либо строит потенциальную функцию такую, что после перевзвешивания все веса ребер будут неотрицательны, либо выдает сообщение о том, что в графе присутствует отрицательный цикл.

Затем из каждой вершины запускается алгоритм Дейкстры для составления искомой матрицы. Так как все веса ребер теперь неотрицательны, алгоритм Дейкстры будет работать корректно. А поскольку перевзвешивание таково, что кратчайшие пути относительно обеих весовых функций совпадают, алгоритм Джонсона в итоге корректно найдет все кратчайшие пути между всеми парами вершин.

== Сложность ==
Алгоритм Джонсона работает за <tex>O(VE + VD)</tex>, где <tex>O(D)</tex> - время работы [[Алгоритм Дейкстры| алгоритма Дейкстры]]. Если в алгоритме Дейкстры неубывающая очередь с приоритетами реализована в виде [http://ru.wikipedia.org/wiki/%D0%A4%D0%B8%D0%B1%D0%BE%D0%BD%D0%B0%D1%87%D1%87%D0%B8%D0%B5%D0%B2%D0%B0_%D0%BA%D1%83%D1%87%D0%B0 фибоначчиевой кучи], то время работы алгоритма Джонсона равно <tex>O(V^2\log V + V E)</tex>.

== См. также ==
* [[Алгоритм Дейкстры]]
* [[Алгоритм Форда-Беллмана]]
* [[Алгоритм Флойда]]
* [http://rain.ifmo.ru/cat/view.php/vis/graph-paths/johnson-2001 Визуализатор алгоритма]

== Литература ==
* ''Кормен Т., Лейзерсон Ч., Ривест Р.'' Алгоритмы: построение и анализ.[http://wmate.ru/ebooks/?dl=380&mirror=1] — 2-е изд. — М.: Издательский дом «Вильямс», 2007. — С. 1296.

[[Категория: Алгоритмы и структуры данных]]
[[Категория: Кратчайшие пути в графах ]]

Алгоритм Флойда

2011-11-01T01:30:20Z

AVasilyev:

'''Алгоритм Флойда (алгоритм Флойда–Уоршелла)''' {{---}} алгоритм нахождения длин кратчайших путей между всеми парами вершин во взвешенном ориентированном графе. Работает корректно, если в графе нет циклов отрицательной величины, а в случае, когда такой цикл есть, позволяет найти хотя бы один такой цикл. Этот алгоритм работает в течение времени <tex> \Theta(n^3) </tex> и использует <tex> \Theta(n^2) </tex> памяти. Разработан в 1962 году.

== Алгоритм ==
[[Файл:Floyd.png|right|thumb|Текущий (синий) путь и потенциально более короткий (красный)]]

=== Постановка задачи ===

Дан взвешенный ориентированный граф <tex> G(V, E) </tex>; <tex>\omega_{uv} =
\begin{cases}
\text{weight of }uv ,& \text{if } uv \in E \\
+\infty ,& \text{if } uv \notin E
\end{cases}</tex>, в котором вершины пронумерованы от <tex>1</tex> до <tex>n</tex>. Требуется найти матрицу кратчайших расстояний <tex> d </tex>, в которой элемент <tex> d_{ij} </tex> либо равен длине кратчайшего пути из <tex> i </tex> в <tex> j </tex>, либо равен <tex> +\infty </tex>, если вершина <tex> j </tex> не достижима из <tex> i </tex>.

=== Описание ===

Обозначим длину кратчайшего пути между вершинами <tex> u </tex> и <tex> v </tex>, содержащего, помимо <tex>u</tex> и <tex>v</tex>, только вершины из множества <tex> \{ 1 .. i \} </tex> как <tex>d_{uv}^{(i)}</tex>, <tex>d_{uv}^{(0)} = \omega_{uv}</tex>.

На каждом шаге алгоритма, мы будем брать очередную вершину (пусть её номер {{---}} <tex> i </tex>) и для всех пар вершин <tex>u</tex> и <tex>v</tex> вычислять <tex> d_{uv}^{(i)} = min(d_{uv}^{(i-1)}, d_{ui}^{(i-1)} + d_{iv}^{(i-1)}) </tex>. То есть, если кратчайший путь из <tex>u</tex> в <tex>v</tex>, содержащий только вершины из множества <tex> \{ 1 .. i \} </tex>, проходит через вершину <tex>i</tex>, то кратчайшим путем из <tex> u </tex> в <tex> v </tex> является кратчайший путь из <tex> u </tex> в <tex> i </tex>, объединенный с кратчайшим путем из <tex> i </tex> в <tex> v </tex>. В противном случае, когда этот путь не содержит вершины <tex> i </tex>, кратчайший путь из <tex>u</tex> в <tex>v</tex>, содержащий только вершины из множества <tex> \{ 1 .. i \} </tex> является кратчайшим путем из <tex>u</tex> в <tex>v</tex>, содержащим только вершины из множества <tex> \{ 1 .. i-1 \} </tex>.

=== Код (в первом приближении) ===
# Инициализация
<tex dpi = "105"> d^{(0)} = w </tex>
# Основная часть
for i in {1..n}:
for u in {1..n}:
for v in {1..n}:
<tex dpi = "105" > d^{(i)}_{uv} = min(d^{(i - 1)}_{uv}, d^{(i - 1)}_{ui} + d^{(i - 1)}_{iv}) </tex>

В итоге получаем, что матрица <tex> d^{(n)} </tex> и является искомой матрицей кратчайших путей, поскольку содержит в себе длины кратчайших путей между всеми парами вершин, имеющих в качестве промежуточных вершин вершины из множества <tex> \{ 1..n \} </tex>, что есть попросту все вершины графа. Такая реализация работает за <tex> \Theta(n^3) </tex> времени и использует <tex> \Theta(n^3) </tex> памяти.

=== Код (окончательный) ===
Утверждается, что можно избавиться от одной размерности в массиве <tex> d </tex>, т.е. использовать двумерный массив <tex>d_{uv}</tex>. В процессе работы алгоритма поддерживается инвариант <tex>\rho(u, v) \le d_{uv} \le d_{uv}^{(i)}</tex>, а, поскольку, после выполнения работы алгоритма <tex> \rho(u, v) == d_{uv}^{(i)} </tex>, то тогда будет выполняться и <tex> \rho(u, v) == d_{uv} </tex>.

{{Утверждение
|statement=
В течение работы алгоритма Флойда выполняются неравенства: <tex>\rho(u, v) \le d_{uv} \le d_{uv}^{(i)}</tex>.
|proof=

После инициализации все неравенства, очевидно, выполняются. Далее, массив <tex> d </tex> может измениться только в строчке 5. Докажем оба неравенства по индукции по итерациям алгоритма:

# <tex> \rho(u, v) \le d_{uv} </tex>. Рассмотрим два случая:
#* Значение <tex> d_{uv} </tex> изменилось. Тогда <tex> d_{uv} = d_{ui} + d_{iv} \ge \rho(u, i) + \rho(i, v) \ge \rho(u, v) </tex> (по индукционному предположению и неравенству треугольника для <tex> \rho </tex>).
#* Значение <tex> d_{uv} </tex> не изменилось. Тогда неравенство выполняется автоматически по индукционному предположению.
# <tex> d_{uv} \le d_{uv}^{(i)} </tex>. Аналогично рассмотрим два случая:
#* Значение <tex> d_{uv}^{(i)} </tex> изменилось. Тогда <tex> d_{uv}^{(i)} \ge d_{ui}^{(i-1)} + d_{iv}^{(i-1)} \ge d_{ui}^{(i)} + d_{iv}^{(i)} \ge d_{ui} + d_{uv} \ge d_{uv} </tex>, по индукционному предположению и тому факту, что <tex> d_{uv}^{(i)} </tex> невозрастает с ростом <tex> i </tex>.
#* В ином случае всё очевидно: <tex> d_{uv}^{(i)} = d_{uv}^{(i - 1)} \ge d_{uv} </tex>, и неравенство тривиально.

}}

# Инициализация
<tex dpi = "105"> d = w </tex>
# Основная часть
for i in {1..n}:
for u in {1..n}:
for v in {1..n}:
<tex dpi = "105"> d_{uv} = min(d_{uv}, d_{ui} + d_{iv}) </tex>

Данная реализация работает за время <tex> \Theta(n^3) </tex>, но требует уже <tex> \Theta(n^2) </tex> памяти. В целом, алгоритм Флойда очень прост, и, поскольку в нем используются только простые операции, константа, скрытая в определении <tex> \Theta </tex> весьма мала.

=== Пример работы ===
{|style="text-align:center;"
| <tex>i = 0</tex> || <tex>i = 1</tex> || <tex>i = 2</tex> || <tex>i = 3 </tex> || <tex>i = 4</tex>
|-
| [[Файл:Floyd_step0.png]] || [[Файл:Floyd_step1.png]] || [[Файл:Floyd_step2.png]] || [[Файл:Floyd_step3.png]] || [[Файл:Floyd_step4.png]]
|-
| <tex>\begin{pmatrix}
\times & 1 & 6 & \infty \\
\infty & \times & 4 & 1 \\
\infty & \infty & \times & \infty \\
\infty & \infty & 1 & \times \\
\end{pmatrix}</tex>
|| <tex>\begin{pmatrix}
\times & 1 & 6 & \infty \\
\infty & \times & 4 & 1 \\
\infty & \infty & \times & \infty \\
\infty & \infty & 1 & \times \\
\end{pmatrix}</tex>
|| <tex>\begin{pmatrix}
\times & 1 & \bf{5} & \bf{2} \\
\infty & \times & 4 & 1 \\
\infty & \infty & \times & \infty \\
\infty & \infty & 1 & \times \\
\end{pmatrix}</tex>
|| <tex>\begin{pmatrix}
\times & 1 & 5 & 2 \\
\infty & \times & 4 & 1 \\
\infty & \infty & \times & \infty \\
\infty & \infty & 1 & \times \\
\end{pmatrix}</tex>
|| <tex>\begin{pmatrix}
\times & 1 & \bf{3} & 2 \\
\infty & \times & \bf{2} & 1 \\
\infty & \infty & \times & \infty \\
\infty & \infty & 1 & \times \\
\end{pmatrix}</tex>
|}

== Вывод кратчайшего пути ==
Алгоритм Флойда легко модифицировать таким образом, чтобы он возвращал не только длину кратчайшего пути, но и сам путь. Для этого достаточно завести дополнительный массив <tex>next_{uv}</tex>, в котором будет храниться номер вершины, в которую надо пойти следующей, чтобы дойти из <tex>u</tex> в <tex>v</tex> по кратчайшему пути.

=== Модифицированный алгоритм ===

# Инициализация
d = w
t[u][v] = v если есть ребро uv
# Основная часть
for i in {1..n}:
for u in {1..n}:
for v in {1..n}:
if (d[u][i] + d[i][v]) < d[u][v]:
d[u][v] = d[u][i] + d[i][v]
next[u][v] = next[u][i]

# Вывод кратчайшего пути
def get_shortest_path(u, v):
if d[u][v] == inf:
raise NoPath # Из u в v пути нет
c = u
while c != v:
print c
c = next[c][v]
print v

[[Файл:Floyd_path.png]]

== Литература ==
* ''Кормен, Томас Х., Лейзерсон, Чарльз И., Ривест, Рональд Л., Штайн Клиффорд'' '''Алгоритмы: построение и анализ''', 2-е издание. Пер. с англ. — М.:Издательский дом "Вильямс", 2010. — 1296 с.: ил. — Парал. тит. англ. — ISBN 978-5-8459-0857-5 (рус.)

[[Категория: Алгоритмы и структуры данных]]
[[Категория: Кратчайшие пути в графах ]]

Алгоритм Флойда

2011-11-01T00:45:52Z

AVasilyev:

'''Алгоритм Флойда (алгоритм Флойда–Уоршелла)''' {{---}} алгоритм нахождения длин кратчайших путей между всеми парами вершин во взвешенном ориентированном графе. Работает корректно, если в графе нет циклов отрицательной величины, а в случае, когда такой цикл есть, позволяет найти хотя бы один такой цикл. Этот алгоритм работает в течение времени <tex> \Theta(n^3) </tex> и использует <tex> \Theta(n^2) </tex> памяти. Разработан в 1962 году.

== Алгоритм ==
[[Файл:Floyd.png|right|thumb|Текущий (синий) путь и потенциально более короткий (красный)]]

=== Постановка задачи ===

Дан взвешенный ориентированный граф <tex> G(V, E) </tex>; <tex>\omega_{uv} =
\begin{cases}
\text{weight of }uv ,& \text{if } uv \in E \\
+\infty ,& \text{if } uv \notin E
\end{cases}</tex>, в котором вершины пронумерованы от <tex>1</tex> до <tex>n</tex>. Требуется найти матрицу кратчайших расстояний <tex> d </tex>, в которой элемент <tex> d_{ij} </tex> либо равен длине кратчайшего пути из <tex> i </tex> в <tex> j </tex>, либо равен <tex> +\infty </tex>, если вершина <tex> j </tex> не достижима из <tex> i </tex>.

=== Описание ===

Обозначим длину кратчайшего пути между вершинами <tex> u </tex> и <tex> v </tex>, содержащего, помимо <tex>u</tex> и <tex>v</tex>, только вершины из множества <tex> \{ 1 .. i \} </tex> как <tex>d_{uv}^{(i)}</tex>, <tex>d_{uv}^{(0)} = \omega_{uv}</tex>.

На каждом шаге алгоритма, мы будем брать очередную вершину (пусть её номер {{---}} <tex> i </tex>) и для всех пар вершин <tex>u</tex> и <tex>v</tex> вычислять <tex> d_{uv}^{(i)} = min(d_{uv}^{(i-1)}, d_{ui}^{(i-1)} + d_{iv}^{(i-1)}) </tex>. То есть, если кратчайший путь из <tex>u</tex> в <tex>v</tex>, содержащий только вершины из множества <tex> \{ 1 .. i \} </tex>, проходит через вершину <tex>i</tex>, то кратчайшим путем из <tex> u </tex> в <tex> v </tex> является кратчайший путь из <tex> u </tex> в <tex> i </tex>, объединенный с кратчайшим путем из <tex> i </tex> в <tex> v </tex>. В противном случае, когда этот путь не содержит вершины <tex> i </tex>, кратчайший путь из <tex>u</tex> в <tex>v</tex>, содержащий только вершины из множества <tex> \{ 1 .. i \} </tex> является кратчайшим путем из <tex>u</tex> в <tex>v</tex>, содержащим только вершины из множества <tex> \{ 1 .. i-1 \} </tex>.

=== Код (в первом приближении) ===
# Инициализация
<tex dpi = "105"> d^{(0)} = w </tex>
# Основная часть
for i in {1..n}:
for u in {1..n}:
for v in {1..n}:
<tex dpi = "105" > d^{(i)}_{uv} = min(d^{(i - 1)}_{uv}, d^{(i - 1)}_{ui} + d^{(i - 1)}_{iv}) </tex>

В итоге получаем, что матрица <tex> d^{(n)} </tex> и является искомой матрицей кратчайших путей, поскольку содержит в себе длины кратчайших путей между всеми парами вершин, имеющих в качестве промежуточных вершин вершины из множества <tex> \{ 1..n \} </tex>, что есть попросту все вершины графа. Такая реализация работает за <tex> \Theta(n^3) </tex> времени и использует <tex> \Theta(n^3) </tex> памяти.

=== Код (окончательный) ===
Утверждается, что можно избавиться от одной размерности в массиве <tex> d </tex>, т.е. использовать двумерный массив <tex>d_{uv}</tex>. В процессе работы алгоритма поддерживается инвариант <tex>\rho(u, v) \le d_{uv} \le d_{uv}^i</tex>, а значит <tex>d_{uv}</tex> тоже в итоге сойдутся к решению.

# Инициализация
d = w
# Основная часть
for i in {1..n}:
for u in {1..n}:
for v in {1..n}:
d[u][v] = min(d[u][v], d[u][i] + d[i][v])

Алгоритм всегда завершит работу за <tex>O(V^3)</tex> — как несложно видеть, три вложенных цикла выполняются по <tex>n</tex> раз каждый.

=== Пример работы ===
{|style="text-align:center;"
| <tex>i = 0</tex> || <tex>i = 1</tex> || <tex>i = 2</tex> || <tex>i = 3 </tex> || <tex>i = 4</tex>
|-
| [[Файл:Floyd_step0.png]] || [[Файл:Floyd_step1.png]] || [[Файл:Floyd_step2.png]] || [[Файл:Floyd_step3.png]] || [[Файл:Floyd_step4.png]]
|-
| <tex>\begin{pmatrix}
\times & 1 & 6 & \infty \\
\infty & \times & 4 & 1 \\
\infty & \infty & \times & \infty \\
\infty & \infty & 1 & \times \\
\end{pmatrix}</tex>
|| <tex>\begin{pmatrix}
\times & 1 & 6 & \infty \\
\infty & \times & 4 & 1 \\
\infty & \infty & \times & \infty \\
\infty & \infty & 1 & \times \\
\end{pmatrix}</tex>
|| <tex>\begin{pmatrix}
\times & 1 & \bf{5} & \bf{2} \\
\infty & \times & 4 & 1 \\
\infty & \infty & \times & \infty \\
\infty & \infty & 1 & \times \\
\end{pmatrix}</tex>
|| <tex>\begin{pmatrix}
\times & 1 & 5 & 2 \\
\infty & \times & 4 & 1 \\
\infty & \infty & \times & \infty \\
\infty & \infty & 1 & \times \\
\end{pmatrix}</tex>
|| <tex>\begin{pmatrix}
\times & 1 & \bf{3} & 2 \\
\infty & \times & \bf{2} & 1 \\
\infty & \infty & \times & \infty \\
\infty & \infty & 1 & \times \\
\end{pmatrix}</tex>
|}

== Вывод кратчайшего пути ==
Алгоритм Флойда легко модифицировать таким образом, чтобы он возвращал не только длину кратчайшего пути, но и сам путь. Для этого достаточно завести дополнительный массив <tex>t_{uv}</tex>, в котором будет храниться номер вершины, в которую надо пойти следующей, чтобы дойти из <tex>u</tex> в <tex>v</tex> по кратчайшему пути.

=== Модифицированный алгоритм ===

# Инициализация
d = w
t[u][v] = v если есть ребро uv
# Основная часть
for i in {1..n}:
for u in {1..n}:
for v in {1..n}:
if (d[u][i] + d[i][v]) < d[u][v]:
d[u][v] = d[u][i] + d[i][v]
t[u][v] = t[u][i]

# Вывод кратчайшего пути
def get_shortest_path(u, v):
if d[u][v] == inf:
raise NoPath # Из u в v пути нет
c = u
while c != v:
yield c
c = t[c][v]
yield v

[[Файл:Floyd_path.png]]

== Литература ==
* ''Кормен, Томас Х., Лейзерсон, Чарльз И., Ривест, Рональд Л., Штайн Клиффорд'' '''Алгоритмы: построение и анализ''', 2-е издание. Пер. с англ. — М.:Издательский дом "Вильямс", 2010. — 1296 с.: ил. — Парал. тит. англ. — ISBN 978-5-8459-0857-5 (рус.)

[[Категория: Алгоритмы и структуры данных]]
[[Категория: Кратчайшие пути в графах ]]

Обсуждение:Представление чисел с плавающей точкой

2011-10-17T01:14:16Z

AVasilyev:

* Посмотреть подобную статью в курсе ДМиА, сделать выводы.
* Больше подробностей про double: <tex> \varepsilon </tex> для double, максимальное и минимальное представимое число, etc.
* Особенности арифметических операций с такими числами.
* Нет ни слова про guard digits, погрешности, различные виды округления, denormalized numbers, +-infinity, NaN, +- ноль и многое другое.
* Примеры, где показываются все эти особенности, упомянутые выше.
* Добавить в статью хотя бы ссылку на стандарт IEEE 754.
* Какие-то TODO в статье.

--[[Участник:AVasilyev|AVasilyev]] 05:14, 17 октября 2011 (MSD)