Журнал вычислительной математики и математической физики, 2020, T. 60, № 10, стр. 1711-1720
Наилучшее восстановление решения задачи Дирихле для полупространства по неточным измерениям
Е. В. Абрамова 1, *, Г. Г. Магарил-Ильяев 2, **, Е. О. Сивкова 3, ***
1 НИУ МЭИ
111250 Москва, ул. Красноказарменная, 14, Россия
2 МГУ им. М.В. Ломоносова
119991 Москва, Ленинские горы, 1, Россия
3 МПГУ
119991 Москва, ул. Малая Пироговская, 1, стр. 1, Россия
* E-mail: el.v.abramova@gmail.com
** E-mail: magaril@mech.math.msu.su
*** E-mail: e.o.sivkova@mail.ru
Поступила в редакцию 20.02.2020
После доработки 20.02.2020
Принята к публикации 09.06.2020
Аннотация
Построено семейство линейных оптимальных методов восстановления решения задачи Дирихле на гиперплоскости по информации о приближенных его измерениях на конечном числе других гиперплоскостей. При этом оптимальные методы используют не всю доступную информацию, а лишь информацию об измерениях решения на не более, чем двух плоскостях. Библ. 14. Фиг. 1.
ВВЕДЕНИЕ
В работе рассматривается задача Дирихле для полупространства ${\text{\{ }}(x,y) \in {{\mathbb{R}}^{d}} \times {{\mathbb{R}}_{ + }}{\text{\} }}$ и ставится вопрос о наилучшем восстановлении решения этой задачи на гиперплоскости, “параллельной” ${{\mathbb{R}}^{d}}$ по неточным измерениям данного решения на конечном числе других гиперплоскостей, параллельных исходной. Найдены явные выражения для оптимальных методов восстановления и вычислена соответствующая погрешность восстановления. Следует отметить, что оптимальные методы линейны и используют не всю доступную информацию об измерениях решения задачи Дирихле, а лишь информацию о его измерениях на не более, чем двух гиперплоскостях.
Задача, рассматриваемая в данной работе, относится к тематике, связанной с вопросами оптимального восстановления значений линейных функционалов и операторов на множествах элементов, заданных неточно. Эта проблематика возникла во второй половине прошлого века и была инициирована, в идейном плане, работами К. Шеннона и А.Н. Колмогорова. Первая постановка задачи оптимального восстановления линейного функционала на классе элементов, известных приближенно, принадлежит А.С. Смоляку [1]. В дальнейшем эта тематика активно развивалась. Начальный этап ее развития отражен в обзорах [2]–[4]. Впоследствии основное внимание уделялось задачам восстановления функций и их производных по неточно заданному спектру и задачам оптимального восстановления решений уравнений математической физики (см., например, [5]–[13]). Настоящая работа примыкает ко второму циклу задач.
ПОСТАНОВКА ЗАДАЧИ И ФОРМУЛИРОВКА ОСНОВНОГО РЕЗУЛЬТАТА
Рассмотрим задачу Дирихле:
где $\Delta $ – оператор Лапласа в ${{\mathbb{R}}^{{d + 1}}}$и $f( \cdot ) \in {{L}_{2}}({{\mathbb{R}}^{d}})$, заключающуюся в нахождении гармонической функции $u( \cdot , \cdot )$ в полупространстве $\{ (x,y) \in {{\mathbb{R}}^{{d + 1}}}:y > 0\} $ такой, что $u( \cdot ,y) \in {{L}_{2}}({{\mathbb{R}}^{d}})$ для любого $y > 0$, $su{{p}_{{y > 0}}}{{\left\| {u( \cdot ,y)} \right\|}_{{{{L}_{2}}({{\mathbb{R}}^{d}})}}} < \infty $ и $u( \cdot ,y) \to f( \cdot )$ при $y \to 0$ в метрике ${{L}_{2}}({{\mathbb{R}}^{d}})$.В этом случае решение данной задачи единственно и задается интегралом Пуассона (см., например, [14])
(2)
$u(x,y) = u(x,y,f) = \frac{{\Gamma ((d + 1){\text{/}}2)}}{{{{\pi }^{{(d + 1)/2}}}}}\int\limits_{{{\mathbb{R}}^{d}}} {\frac{{yf(t)}}{{{{{\left( {{{{\left| {x - t} \right|}}^{2}} + {{y}^{2}}} \right)}}^{{(d + 1)/2}}}}}} dt,$Мы ставим следующую задачу. Пусть заданы числа ${{\delta }_{i}} > 0$, $i = 1,\; \ldots ,\;n$, и пусть приближенно известны значения функции $u( \cdot , \cdot )$ на $n$ гиперплоскостях: $y = {{y}_{i}}$, $i = 1,\; \ldots ,\;n$, где $0 \leqslant {{y}_{1}} < {{y}_{2}}$ < ... < yn. Точнее говоря, известны функции ${{z}_{i}}( \cdot ) \in {{L}_{2}}({{\mathbb{R}}^{d}})$ такие, что
Поступаем следующим образом. Любое отображение $\varphi $: ${{({{L}_{2}}({{\mathbb{R}}^{d}}))}^{n}}\, = \,{{L}_{2}}({{\mathbb{R}}^{d}})\, \times \, \ldots \, \times \,{{L}_{2}}({{\mathbb{R}}^{d}})\, \to \,{{L}_{2}}({{\mathbb{R}}^{d}})$ объявляется методом восстановления. Погрешностью метода $\varphi $ назовем величину
где $\bar {z}( \cdot ) = ({{z}_{1}}( \cdot ),\; \ldots ,\;{{z}_{n}}( \cdot ))$ (наборы $({{y}_{1}},\; \ldots ,\;{{y}_{n}})$ и $({{\delta }_{1}},\; \ldots ,\;{{\delta }_{n}})$ фиксированы и поэтому зависимость от них не отмечаем).Нас интересует наименьшая возможная погрешность, т.е. величина
где нижняя грань берется по всем отображениям $\varphi $: ${{({{L}_{2}}({{\mathbb{R}}^{d}}))}^{n}} \to {{L}_{2}}({{\mathbb{R}}^{d}})$, которую назовем погрешностью оптимального восстановления, и те методы, на которых эта нижняя грань достигается, т.е. методы $\hat {\varphi }$, для которых Такие методы назовем оптимальными методами восстановления.Перед формулировкой теоремы приведем некоторые определения. На двумерной плоскости $(y,t)$ рассмотрим множество
Определим функцию $\omega ( \cdot )$ на $[0, + \infty )$ по правилу: $\omega (y) = max{\text{\{ }}t \in \mathbb{R}:(y,t) \in M{\text{\} }}$, причем $\omega (y) = - \infty $, если множество в фигурных скобках пусто. Ясно, что $\omega ( \cdot )$ – вогнутая ломаная на $[{{y}_{1}}, + \infty )$. Пусть ${{y}_{{{{s}_{1}}}}} < \; \ldots \; < {{y}_{{{{s}_{k}}}}}$ – ее точка излома (считаем, что ${{y}_{1}}$ – также точка излома, т.е. ${{y}_{1}} = {{y}_{{{{s}_{1}}}}}$).
Если $Y \in ({{y}_{{{{s}_{j}}}}},{{y}_{{{{s}_{{j + 1}}}}}})$, $1 \leqslant j \leqslant k - 1$, то положим
Для данного $Y$ определим еще положительное число
Пусть $F$ – преобразование Фурье в ${{L}_{2}}({{\mathbb{R}}^{d}})$. Если $f( \cdot ) \in {{L}_{2}}({{\mathbb{R}}^{d}})$, то $F[f]( \cdot )$ обозначает образ функции $f( \cdot )$ при действии преобразования Фурье.
Для $r > 0$ положим $B(r) = {\text{\{ }}\xi \in {{\mathbb{R}}^{d}}:\left| \xi \right| \leqslant r{\text{\} }}$ (замкнутый шар в ${{\mathbb{R}}^{d}}$ с центром в нуле радиуса $r$).
Теорема. Для любого $Y \geqslant 0$ справедливо равенство
Если $Y \in ({{y}_{{{{s}_{j}}}}},{{y}_{{{{s}_{{j + 1}}}}}})$, $1 \leqslant j \leqslant k - 1$, то множество измеримых функций $a( \cdot )$ на ${{\mathbb{R}}^{d}}$ таких, что(3)
$\frac{{{{{\left| {{{e}^{{ - (Y - {{y}_{{{{s}_{j}}}}})\left| \xi \right|}}} - a(\xi ){{e}^{{ - ({{y}_{{{{s}_{{j + 1}}}}}} - {{y}_{{{{s}_{j}}}}})\left| \xi \right|}}}} \right|}}^{2}}}}{{{{{\hat {\lambda }}}_{{{{s}_{j}}}}}}} + \frac{{{{{\left| {a(\xi )} \right|}}^{2}}}}{{{{{\hat {\lambda }}}_{{{{s}_{{j + 1}}}}}}}} \leqslant 1$Если $Y = {{y}_{{{{s}_{j}}}}}$, $1 \leqslant j \leqslant k$, то метод $\hat {\varphi }$, определенный формулой $\hat {\varphi }({{z}_{1}}( \cdot ),\; \ldots ,\;{{z}_{n}}( \cdot ))( \cdot ) = {{z}_{{{{s}_{j}}}}}( \cdot )$, является оптимальным.
Если $Y > {{y}_{{{{s}_{k}}}}}$, то метод $\hat {\varphi }$, определенный формулой $\hat {\varphi }({{z}_{1}}( \cdot ),\; \ldots ,\;{{z}_{n}}( \cdot ))( \cdot ) = (K * {{z}_{{{{s}_{k}}}}})( \cdot )$, где F[K](ξ) = = ${{e}^{{ - (Y - {{y}_{{{{s}_{k}}}}})|\xi |}}}$ для п.в. $\xi \in {{\mathbb{R}}^{d}}$, является оптимальным.
Сделаем некоторые замечания по поводу сформулированной теоремы.
1. Если ${{y}_{1}} > 0$ и $0 \leqslant Y < {{y}_{1}}$, то $\omega (Y) = - \infty $ и тем самым $E(Y) = + \infty $, т.е. прошлое нельзя восстановить по неточному настоящему. В этом случае любой метод можно считать оптимальным.
2. Из неравенства (3) следует, что функции $a( \cdot )$ ограничены, а так как они равны нулю за пределами некоторого шара, то они принадлежат и ${{L}_{2}}({{\mathbb{R}}^{d}})$. Следовательно, формулы для оптимальных методов определены корректно.
3. Оптимальные методы линейны, “сглаживают” наблюдения и используют информацию о не более чем двух измерениях.
4. Если $Y = {{y}_{i}}$ и ${{y}_{i}}$ не является точкой излома функции $\omega ( \cdot )$, то оптимальный метод позволяет данное измерение уточнить.
5. Случай $Y > {{y}_{{{{s}_{k}}}}}$ означает, что оптимальный метод есть решение задачи Дирихле на гиперплоскости $y = Y - {{y}_{{{{s}_{k}}}}}$ с начальной функцией ${{z}_{{{{s}_{k}}}}}( \cdot )$.
ДОКАЗАТЕЛЬСТВО ОСНОВНОГО РЕЗУЛЬТАТА
Начнем с доказательства того, что
для любого $Y \geqslant 0$.Пусть $Y \geqslant 0$. Покажем сначала, что $E(Y)$ не меньше значения следующей задачи
(5)
$\begin{gathered} {{\left\| {u( \cdot ,Y,f)} \right\|}_{{{{L}_{2}}({{\mathbb{R}}^{d}})}}} \to max,\quad {{\left\| {u( \cdot ,{{y}_{i}},f)} \right\|}_{{{{L}_{2}}({{\mathbb{R}}^{d}})}}} \leqslant {{\delta }_{i}},\quad i = 1,\; \ldots ,\;n, \\ f( \cdot ) \in {{L}_{2}}({{\mathbb{R}}^{d}}), \\ \end{gathered} $Действительно, пусть функция ${{f}_{0}}( \cdot )$ допустима в задаче (5) (т.е. удовлетворяет ограничениям этой задачи). Тогда функция $ - {{f}_{0}}( \cdot )$ также допустима, поскольку $u( \cdot ,y, - {{f}_{0}}) = - u( \cdot ,y,{{f}_{0}})$, и мы имеем для любого метода $\varphi $
Хорошо известно (см., например, [14]), что
для любого $y > 0$ и для п.в. $\xi \in {{\mathbb{R}}^{d}}$. Тогда согласно теореме Планшереля(7)
$\begin{gathered} \frac{1}{{{{{(2\pi )}}^{d}}}}\int\limits_{{{\mathbb{R}}^{d}}} {{{e}^{{ - 2Y|\xi |}}}} {{\left| {F[f](\xi )} \right|}^{2}}d\xi \to max, \\ \frac{1}{{{{{(2\pi )}}^{d}}}}\int\limits_{{{\mathbb{R}}^{d}}} {{{e}^{{ - 2{{y}_{i}}|\xi |}}}} {{\left| {F[f](\xi )} \right|}^{2}} \leqslant \delta _{i}^{2},\quad i = 1,\; \ldots ,\;n,\quad f( \cdot ) \in {{L}_{2}}({{\mathbb{R}}^{d}}). \\ \end{gathered} $(8)
$\int\limits_{{{\mathbb{R}}^{d}}} {{{e}^{{ - 2Y|\xi |}}}} d\mu (\xi ) \to max,\quad \int\limits_{{{\mathbb{R}}^{d}}} {{{e}^{{ - 2{{y}_{i}}|\xi |}}}} d\mu (\xi ) \leqslant \delta _{i}^{2},\quad i = 1,\; \ldots ,\;n,\quad d\mu ( \cdot ) \geqslant 0.$Нетрудно проверить, что если существует допустимая в задаче (8) мера $d\hat {\mu }( \cdot )$ и набор множителей Лагранжа $\hat {\lambda } = ({{\hat {\lambda }}_{1}},{{\hat {\lambda }}_{2}},\; \ldots ,\;{{\hat {\lambda }}_{n}})$ такие, что выполняются условия
a) $\mathop {min}\limits_{d\mu ( \cdot ) \geqslant 0} L(d\mu ( \cdot ),\widehat \lambda ) = L(d\widehat \mu ( \cdot ),\widehat \lambda )$;
б) ${{\hat {\lambda }}_{i}} \geqslant 0,\quad 1 \leqslant i \leqslant n$;
в) ${{\hat {\lambda }}_{i}}\left( {\int_{{{\mathbb{R}}^{d}}}^{} {{{e}^{{ - 2{{y}_{i}}|\xi |}}}d\hat {\mu }(\xi )} - \delta _{i}^{2}} \right) = 0$, $i = 1,\; \ldots ,\;n$,
то $d\hat {\mu }( \cdot )$ – решение задачи (8).
Действительно, для любой допустимой в задаче (8) меры $d\mu ( \cdot )$ имеем, используя б), а затем а) и в):
Предъявим теперь допустимую в задаче (8) меру $d\hat {\mu }( \cdot )$ и набор множителей Лагранжа $\hat {\lambda } = ({{\hat {\lambda }}_{1}},{{\hat {\lambda }}_{2}},\; \ldots ,\;{{\hat {\lambda }}_{n}})$, для которых выполняются условия а)–в).
Рассмотрим отдельно несколько случаев.
$1)$ Пусть $Y \in [{{y}_{1}},{{y}_{{{{s}_{k}}}}})$. Тогда $Y \in [{{y}_{{{{s}_{j}}}}},{{y}_{{{{s}_{{j + 1}}}}}})$ для некоторого $1 \leqslant j \leqslant k - 1$. Пусть сначала $Y > {{y}_{{{{s}_{j}}}}}$.
Фиксируем вектор ${{\xi }_{0}} \in {{\mathbb{R}}^{d}}$ такой, что
(9)
$\left| {{{\xi }_{0}}} \right| = \frac{{ln(1{\text{/}}{{\delta }_{{{{s}_{{j + 1}}}}}}) - ln(1{\text{/}}{{\delta }_{{{{s}_{j}}}}})}}{{{{y}_{{{{s}_{{j + 1}}}}}} - {{y}_{{{{s}_{j}}}}}}}.$Положим
(10)
$C = \delta _{{{{s}_{j}}}}^{{\tfrac{{2{{y}_{{{{s}_{{j + 1}}}}}}}}{{{{y}_{{{{s}_{{j + 1}}}}}} - {{y}_{{{{s}_{j}}}}}}}}}\delta _{{{{s}_{{j + 1}}}}}^{{ - \tfrac{{2{{y}_{{{{s}_{j}}}}}}}{{{{y}_{{{{s}_{{j + 1}}}}}} - {{y}_{{{{s}_{j}}}}}}}}}$Действительно, все точки $({{y}_{i}},ln(1{\text{/}}{{\delta }_{i}}))$, $i = 1,2,\; \ldots ,\;n$, лежат не выше графика ломаной $\omega ( \cdot )$, а так как эта ломаная вогнута, то ее график лежит не выше прямой
Пусть набор множителей Лагранжа $\widehat \lambda = ({{\widehat \lambda }_{1}},{{\widehat \lambda }_{2}},\; \ldots ,\;{{\widehat \lambda }_{n}})$ таков, что ${{\hat {\lambda }}_{{{{s}_{j}}}}}$ и ${{\hat {\lambda }}_{{{{s}_{{j + 1}}}}}}$ – те, что определены перед формулировкой теоремы и ${{\hat {\lambda }}_{i}} = 0$, если $i \ne {{s}_{j}},{{s}_{{j + 1}}}$.
Проверим, что с мерой $d\hat {\mu }( \cdot )$ и набором $\hat {\lambda }$ выполняются выписанные выше условия а)–в).
Ясно, что ${{\hat {\lambda }}_{i}} \geqslant 0$, $i = 1,\; \ldots ,\;n$, и тем самым условие б) выполнено. Проверим выполнение условия а).
Запишем функцию Лагранжа с данным набором $\hat {\lambda }$ в виде
(11)
$h(\alpha ) = - 1 + {{\hat {\lambda }}_{{{{s}_{j}}}}}{{e}^{{ - 2({{y}_{{{{s}_{j}}}}} - Y)\alpha }}} + {{\hat {\lambda }}_{{{{s}_{j}} + 1}}}{{e}^{{ - 2({{y}_{{{{s}_{{j + 1}}}}}} - Y)\alpha }}},\quad \alpha \in \mathbb{R}.$Далее, легко проверить, что
(12)
$\int\limits_{{{\mathbb{R}}^{d}}} {{{e}^{{ - 2{{y}_{k}}|\xi |}}}} d\hat {\mu }(\xi ) = C{{e}^{{ - 2{{y}_{k}}|{{\xi }_{0}}|}}} = \delta _{k}^{2},\quad k = {{s}_{j}},{{s}_{{j + 1}}},$Итак, вследствие доказанного выше, мера $d\hat {\mu }( \cdot )$ является решением задачи (8).
Подставляя меру $d\hat {\mu }( \cdot )$ в максимизируемый функционал в задаче (8), найдем ее значение:
Случай, когда $Y = {{y}_{{{{s}_{j}}}}}$, рассматривается аналогично, но проще и поэтому на нем не останавливаемся.
$2)$ Пусть $Y \geqslant {{y}_{{{{s}_{k}}}}}$. Положим ${{\hat {\lambda }}_{{{{s}_{k}}}}} = 1$, ${{\hat {\lambda }}_{i}} = 0$, $i \ne {{s}_{k}}$ и $d\hat {\mu }( \cdot ) = \delta _{{{{s}_{k}}}}^{2}\delta ( \cdot )$, где $\delta ( \cdot )$ – функция Дирака в нуле. Функция $h \mapsto h(\alpha )$ в данном случае имеет вид
Следовательно, $h\left( {\left| \xi \right|} \right) \geqslant 0$ для всех $\xi \in {{\mathbb{R}}^{d}}$, и ясно, что $h(0) = 0$. Тогда те же рассуждения, что и выше, показывают, что справедливо условие а).На полупрямой $[{{t}_{{{{s}_{k}}}}},\infty )$ функция $\omega ( \cdot )$ тождественно равна $ln(1{\text{/}}{{\delta }_{{{{s}_{k}}}}})$, и понятно, что $ln(1{\text{/}}{{\delta }_{i}}) \leqslant ln(1{\text{/}}{{\delta }_{{{{s}_{k}}}}})$, $1 \leqslant i \leqslant n$. Отсюда получаем, что
Таким образом, мера $d\hat {\mu }( \cdot )$ – решение задач (8) и значение этой задачи таково
$3)$ Пусть ${{y}_{1}} > 0$ и $Y < {{y}_{1}}$. Покажем, что в этом случае значение задачи (8) равно $ + \infty $. Пусть ${{t}_{0}} < 0$. Существует, очевидно, прямая $t = ay + b$, $a > 0$, которая разделяет точку $(Y,{{t}_{0}})$ и множество $M$, т.е. ${{t}_{0}} - aY \geqslant b \geqslant t - ay$ для любой пары $(t,y) \in M$. В частности,
(13)
${{t}_{0}} - aY \geqslant b \geqslant ln\frac{1}{{{{\delta }_{i}}}} - a{{y}_{i}},\quad 1 \leqslant i \leqslant n.$Итак, доказано, что значение задачи (8) равно ${{e}^{{ - 2\omega (Y)}}}$ для всех $Y \geqslant 0$.
Очевидно, что значение задачи (8) не меньше значения задачи (7). Покажем, что на самом деле эти значения совпадают.
Пусть $Y \in [{{y}_{{{{s}_{j}}}}},{{y}_{{{{s}_{{j + 1}}}}}})$, $1 \leqslant j \leqslant k - 1$, и вектор ${{\xi }_{0}} = ({{\xi }_{{01}}},\; \ldots ,\;{{\xi }_{{0d}}})$ (см. (9)) такой, что ${{\xi }_{{0i}}} \geqslant 0$, $i = 1$, ..., d. Для каждого $k \in \mathbb{N}$ положим ${{\square }_{k}}\; = {\text{\{ }}\xi = ({{\xi }_{1}},\; \ldots ,\;{{\xi }_{d}}) \in {{\mathbb{R}}^{d}}:{{\xi }_{{0i}}} \leqslant {{\xi }_{i}} \leqslant {{\xi }_{{0i}}} + 1{\text{/}}k,\;i = 1,\; \ldots ,\;d{\text{\} }}$ и определим функцию ${{\psi }_{k}}( \cdot )$, $k \in \mathbb{N}$, по формуле
Действительно, если $\xi \in \;{{\square }_{k}}$, то $\left| {{{\xi }_{0}}} \right| \leqslant \left| \xi \right| \leqslant \left| {{{\xi }_{0}}} \right| + \sqrt d {\text{/}}k$ и мы имеем
Значение максимизируемого функционала в этой задаче на этих функциях таково
В случаях, когда $Y \geqslant {{y}_{{{{s}_{k}}}}}$ или $0 \leqslant Y < {{y}_{1}}$, рассуждения аналогичны (и проще) и поэтому мы их опускаем.
Итак, для всех $Y \geqslant 0$ доказано, что значение задачи (7) равно ${{e}^{{ - 2\omega (Y)}}}$ и тем самым, в силу (6), справедлива оценка (4).
Перейдем теперь к построению оптимальных методов восстановления. Здесь также рассматриваем несколько случаев.
$1)$ Пусть $Y \in ({{y}_{{{{s}_{j}}}}},{{y}_{{{{s}_{{j + 1}}}}}})$, $1 \leqslant j \leqslant k - 1$. Поскольку в полученной выше оценке снизу для $E(Y)$ участвуют измерения только на гиперплоскостях $y = {{y}_{{{{s}_{j}}}}}$ и $y = {{y}_{{{{s}_{{j + 1}}}}}}$, то оптимальные методы будем искать среди тех методов, которые используют только эти измерения. Кроме того, мы восстанавливаем линейный оператор, который в образах Фурье есть умножение на некоторую функцию из ${{L}_{\infty }}({{\mathbb{R}}^{d}})$. В этой связи будем искать оптимальные методы среди методов вида
Ясно, что ${{\Lambda }_{j}}$ и ${{\Lambda }_{{j + 1}}}$ – линейные операторы и легко убедиться, используя теорему Планшереля, что они непрерывны.
Наша цель – найти такие функции ${{a}_{j}}( \cdot )$ и ${{a}_{{j + 1}}}( \cdot )$, что погрешность соответствующего метода указанного вида не будет превосходить ${{e}^{{ - \omega (Y)}}}$. Тогда в силу оценки (4) такой метод будет оптимальным.
Пусть ${{a}_{k}}( \cdot ) \in {{L}_{\infty }}({{\mathbb{R}}^{d}})$, $k = j,j + 1$. Погрешность метода, соответствующего этим функциям, по определению есть значение следующей задачи
(14)
$\begin{gathered} {{\left\| {u( \cdot ,Y,f) - {{\Lambda }_{j}}{{z}_{{{{s}_{j}}}}}( \cdot ) - {{\Lambda }_{{j + 1}}}{{z}_{{{{s}_{{j + 1}}}}}}( \cdot )} \right\|}_{{{{L}_{2}}({{\mathbb{R}}^{d}})}}} \to max, \\ {{\left\| {u( \cdot ,{{y}_{{{{s}_{k}}}}},f) - {{z}_{{{{s}_{k}}}}}( \cdot )} \right\|}_{{{{L}_{2}}({{\mathbb{R}}^{d}})}}} \leqslant {{\delta }_{{{{s}_{k}}}}},\quad {{z}_{{{{s}_{k}}}}}( \cdot ) \in {{L}_{2}}({{\mathbb{R}}^{d}}),\quad k = j,j + 1,\quad f( \cdot ) \in {{L}_{2}}({{\mathbb{R}}^{d}}). \\ \end{gathered} $(15)
$\begin{gathered} \frac{1}{{{{{(2\pi )}}^{d}}}}{{\int\limits_{{{\mathbb{R}}^{d}}} {\left| {{{e}^{{ - Y|\xi |}}}F[f](\xi ) - {{a}_{j}}(\xi )F[{{z}_{{{{s}_{j}}}}}](\xi ) - {{a}_{{j + 1}}}(\xi )F[{{z}_{{{{s}_{{j + 1}}}}}}](\xi )} \right|} }^{2}}d\xi \to max, \\ \frac{1}{{{{{(2\pi )}}^{d}}}}{{\int\limits_{{{\mathbb{R}}^{d}}} {\left| {{{e}^{{ - {{y}_{{{{s}_{k}}}}}|\xi |}}}F[f](\xi ) - F[{{z}_{{{{s}_{k}}}}}](\xi )} \right|} }^{2}}d\xi \leqslant \delta _{{{{s}_{k}}}}^{2},\quad {{z}_{{{{s}_{k}}}}}( \cdot ) \in {{L}_{2}}({{\mathbb{R}}^{d}}), \\ k = j,j + 1,\quad f( \cdot ) \in {{L}_{2}}({{R}^{d}}). \\ \end{gathered} $Пусть $f( \cdot ) \in {{L}_{2}}({{\mathbb{R}}^{d}})$ и ${{z}_{{{{s}_{k}}}}}( \cdot ) = u( \cdot ,{{y}_{{{{s}_{k}}}}},f)$, $k = j,j + 1$. Тогда тройка $(f( \cdot ),{{z}_{{{{s}_{j}}}}}( \cdot ),{{z}_{{{{s}_{{j + 1}}}}}}( \cdot ))$ допустима в задаче (14) и подынтегральное выражение в максимизируемом функционале на этой тройке в задаче (15) запишется в виде
(16)
${{e}^{{ - Y|\xi |}}} - {{a}_{j}}(\xi ){{e}^{{ - {{y}_{{{{s}_{j}}}}}|\xi |}}} - {{a}_{{j + 1}}}(\xi ){{e}^{{ - {{y}_{{{{s}_{{j + 1}}}}}}|\xi |}}} = 0$С учетом этого равенства выражение под знаком интеграла в максимизируемом функционале в задаче (15) можно записать следующим образом:
(17)
${{\left| {{{a}_{j}}(\xi )\left( {{{e}^{{ - {{y}_{{{{s}_{j}}}}}|\xi |}}}F[f](\xi ) - F[{{z}_{{{{s}_{j}}}}}](\xi )} \right) + {{a}_{{j + 1}}}(\xi )\left( {{{e}^{{ - {{y}_{{{{s}_{{j + 1}}}}}}|\xi |}}}F[f](\xi ) - F[{{z}_{{{{s}_{{j + 1}}}}}}](\xi )} \right)} \right|}^{2}}.$Оценим это выражение. Пусть ${{\hat {\lambda }}_{{{{s}_{j}}}}}$ и ${{\hat {\lambda }}_{{{{s}_{{j + 1}}}}}}$ – множители Лагранжа, определенные перед формулировкой теоремы. Тогда продолжая (17), будем иметь по неравенству Коши–Буняковского
(18)
$\begin{gathered} {{\left| {\frac{{{{a}_{j}}(\xi )}}{{\sqrt {\mathop {\hat {\lambda }}\nolimits_{{{s}_{j}}} } }}\sqrt {\mathop {\hat {\lambda }}\nolimits_{{{s}_{j}}} } \left( {{{e}^{{ - {{y}_{{{{s}_{j}}}}}|\xi |}}}F[f](\xi ) - F[{{z}_{{{{s}_{j}}}}}](\xi )} \right) + \frac{{{{a}_{{j + 1}}}(\xi )}}{{\sqrt {{{{\hat {\lambda }}}_{{{{s}_{{j + 1}}}}}}} }}\sqrt {\mathop {\widehat \lambda }\nolimits_{{{s}_{j}}} } \left( {{{e}^{{ - {{y}_{{{{s}_{{j + 1}}}}}}|\xi |}}}F[f](\xi ) - F[{{z}_{{{{s}_{{j + 1}}}}}}](\xi )} \right)} \right|}^{2}} \leqslant \\ \leqslant \;\left( {\frac{{{{{\left| {{{a}_{j}}(\xi )} \right|}}^{2}}}}{{{{{\hat {\lambda }}}_{{{{s}_{j}}}}}}} + \frac{{{{{\left| {{{a}_{{j + 1}}}(\xi )} \right|}}^{2}}}}{{{{{\hat {\lambda }}}_{{{{s}_{j}} + 1}}}}}} \right)\left( {{{{\hat {\lambda }}}_{{{{s}_{j}}}}}{{{\left| {{{e}^{{ - {{y}_{{{{s}_{j}}}}}|\xi |}}}F[f](\xi ) - F[{{z}_{{{{s}_{j}}}}}](\xi )} \right|}}^{2}} + {{{\hat {\lambda }}}_{{{{s}_{j}} + 1}}}{{{\left| {{{e}^{{ - {{y}_{{{{s}_{{j + 1}}}}}}|\xi |}}}F[f](\xi ) - F[{{z}_{{{{s}_{{j + 1}}}}}}](\xi )} \right|}}^{2}}} \right). \\ \end{gathered} $(19)
${{\left\| {S( \cdot )} \right\|}_{{{{L}_{\infty }}({{R}^{d}})}}}({{\hat {\lambda }}_{{{{s}_{j}}}}}\delta _{{{{s}_{j}}}}^{2} + {{\hat {\lambda }}_{{{{s}_{{j + 1}}}}}}\delta _{{{{s}_{{j + 1}}}}}^{2}).$(20)
${{\hat {\lambda }}_{{{{s}_{j}}}}}\delta _{{{{s}_{j}}}}^{2} + {{\hat {\lambda }}_{{{{s}_{{j + 1}}}}}}\delta _{{{{s}_{{j + 1}}}}}^{2} = {{e}^{{ - 2\omega (Y)}}}.$Обозначим $a( \cdot ) = {{a}_{{j + 1}}}( \cdot )$. Тогда ${{a}_{j}}(\xi ) = {{e}^{{ - (Y - {{y}_{{{{s}_{j}}}}})|\xi |}}} - a(\xi ){{e}^{{ - ({{y}_{{{{s}_{{j + 1}}}}}} - {{y}_{{{{s}_{j}}}}})|\xi |}}}$ для п.в. $\xi \in {{\mathbb{R}}^{d}}$ в силу (16). В этих обозначениях условие ${{\left\| {S( \cdot )} \right\|}_{{{{L}_{\infty }}({{\mathbb{R}}^{d}})}}} \leqslant 1$ равносильно тому, что
(21)
$\frac{{{{{\left| {{{e}^{{ - (Y - {{y}_{{{{s}_{j}}}}})|\xi |}}} - a(\xi ){{e}^{{ - ({{y}_{{{{s}_{{j + 1}}}}}} - {{y}_{{{{s}_{j}}}}})|\xi |}}}} \right|}}^{2}}}}{{{{{\hat {\lambda }}}_{{{{s}_{j}}}}}}} + \frac{{{{{\left| {a(\xi )} \right|}}^{2}}}}{{{{{\hat {\lambda }}}_{{{{s}_{j}} + 1}}}}} \leqslant 1$Выделяя полный квадрат, нетрудно проверить, что (21) равносильно такому неравенству
(22)
$\left| {a(\xi ) - \frac{{{{{\hat {\lambda }}}_{{{{s}_{{j + 1}}}}}}{{e}^{{ - (Y - {{y}_{{{{s}_{j}}}}})|\xi |}}}}}{{{{{\hat {\lambda }}}_{{{{s}_{j}}}}}{{e}^{{({{y}_{{{{s}_{{j + 1}}}}}} - {{y}_{{{{s}_{j}}}}})|\xi |}}} + {{{\hat {\lambda }}}_{{{{s}_{{j + 1}}}}}}{{e}^{{ - ({{y}_{{{{s}_{{j + 1}}}}}} - {{y}_{{{{s}_{j}}}}})|\xi |}}}}}} \right| \leqslant \frac{{\sqrt {{{{\hat {\lambda }}}_{{{{s}_{j}}}}}{{{\hat {\lambda }}}_{{{{s}_{{j + 1}}}}}}} {{e}^{{{{y}_{{{{s}_{{j + 1}}}}}}|\xi |}}}}}{{{{{\hat {\lambda }}}_{{{{s}_{j}}}}}{{e}^{{({{y}_{{{{s}_{{j + 1}}}}}} - {{y}_{{{{s}_{j}}}}})|\xi |}}} + {{{\hat {\lambda }}}_{{{{s}_{{j + 1}}}}}}{{e}^{{ - ({{y}_{{{{s}_{{j + 1}}}}}} - {{y}_{{{{s}_{j}}}}})|\xi |}}}}}\sqrt {g(\xi )} ,$Функции $a( \cdot )$, удовлетворяющие соотношению (22), очевидно, существуют. Тем самым каждая такая функция удовлетворяет неравенству (21) и при этом, в силу определения ${{\gamma }_{j}}$, данное неравенство сохранится, если $a(\xi ) = 0$, когда $\xi \notin B({{\gamma }_{j}})$. Таким образом, для случая, когда $Y \in ({{y}_{{{{s}_{j}}}}},{{y}_{{{{s}_{{j + 1}}}}}})$, $1 \leqslant j \leqslant k - 1$, оптимальные методы построены.
Случаи, когда $Y = {{y}_{{{{s}_{j}}}}}$, $1 \leqslant j \leqslant k$, и $Y > {{y}_{{{{s}_{k}}}}}$ рассматриваются аналогично, но значительно проще, и поэтому на этом останавливать не будем.
Список литературы
Смоляк С.А. Об оптимальном восстановлении функций и функционалов от них. Канд. дисс. М.: МГУ, 1965.
Micchelli C.A., Rivlin T.J. A survey of optimal recovery. In: Optimal Estimation in Approximation Theory (C.A. Micchelli and T.J. Rivlin, Eds.). P. 1–54. New York: Plenum Press, 1977.
Melkman A.A., Micchelli C.A. Optimal estimation of linear operators in Hilbert spaces from inaccurate data // SIAM J. Numer. Anal. 1979. P. 87–105.
Micchelli C.A., Rivlin T.J. Lectures on Optimal Recovery. Lecture Notes in Mathematics. V. 1129. P. 21–93. Berlin: Springer–Verlag, 1985.
Магарил-Ильяев Г.Г., Тихомиров В.М. О неравенствах для производных колмогоровского типа // Матем. сб. 1997. Т. 187. № 12. С. 73–106.
Магарил-Ильяев Г.Г., Осипенко К.Ю. Оптимальное восстановление функций и их производных по приближенной информации о спектре и неравенства для производных // Функц. анализ и его прил. 2003. Т. 37. С. 51–64.
Magaril-Il’yaev G.G., Osipenko K.Yu., Tikhomirov V.M. On Optimal Recovery of Heat Equation Solutions. In Approximation Theory: A Volume Dedicated to B. Bojanov, Ed. by D.K. Dimitrov, G. Nikolov, and R. Uluchev. Marin Drinov Acad. Publ. House, Sofia. 2004. P. 163–175.
Магарил-Ильяев Г.Г., Осипенко К.Ю. Об оптимальном гармоническом синтезе по неточно заданному спектру // Функц. анализ и его прил. 2010. Т. 44. С. 76–79.
Магарил-Ильяев Г.Г., Сивкова Е.О. Наилучшее восстановление оператора Лапласа функции по ее неточно заданному спектру // Матем. сб. 2012. Т. 203. № 4. С. 119–130.
Балова Е.А. Об оптимальном восстановлении решений задачи Дирихле по неточным исходным данным // Матем. заметки. 2007. Т. 82. № 3. С. 323–334.
Магарил-Ильяев Г.Г., Осипенко К.Ю. Оптимальное восстановление решения уравнения теплопроводности по неточным измерениям // Матем. сб. 2009. Т. 200. № 5. С. 37–54.
Абрамова Е.В. Восстановление решения задачи Дирихле по неточным граничным данным // Владикавк. матем. журн. 2015. Т. 17. № 1. С. 3–13.
Magaril-Il’yaev G.G., Sivkova E.O. Optimal recovery of the semi-group operators from inaccurate data // Eurasian Mathematical Journal. 2019. T. 10. C. 4.
Стейн И., Вейс Г. Введение в гармонический анализ на евклидовых пространствах. М.: Мир, 1974.
Дополнительные материалы отсутствуют.
Инструменты
Журнал вычислительной математики и математической физики