Luận án tiến sĩ: Bài toán khôi phục trong lý thuyết hàm giải tích

Đĩa đơn vị U được định nghĩa là tập hợp các số phức z thỏa |z| < 1. Cho K là tập con của U, thường là dãy điểm {z_n}. Hàm φ cho biết giá trị của hàm cần tìm tại các điểm này. Mục tiêu là khôi phục hàm f giải tích trong toàn bộ U. Hàm phức f phải thỏa mãn điều kiện f(z_n) = φ(z_n) tại mọi điểm đã biết. Bài toán trở thành bài toán moment khi f thuộc không gian Hardy H²(U) hoặc đại số đĩa A(U). Tính giải tích của hàm f là yêu cầu cơ bản nhất.

Ba đặc điểm của bài toán không chỉnh cần lưu ý. Thứ nhất, bài toán có thể vô nghiệm với dữ liệu tùy ý. Thứ hai, nghiệm không duy nhất nếu điều kiện Blaschke không thỏa. Tổng ∑(1-|z_k|) phải phân kỳ để đảm bảo tính duy nhất. Thứ ba, nghiệm không ổn định: sai số nhỏ của dữ liệu dẫn đến sai lệch lớn ở kết quả. Ví dụ minh họa với f_m(z) = (2z)^m cho thấy ||f_m|| tăng vô hạn. Phương pháp chính quy hóa cần thiết để ổn định hóa nghiệm.

Luận án nghiêng về ứng dụng thực tế trong nhiều lĩnh vực. Bài toán nhiệt ngược trong vật lý là một ứng dụng điển hình. Bài toán Cauchy không gian cho phương trình Parabolic cũng được khảo sát. Biến đổi Laplace ngược trong giải tích thực là ứng dụng quan trọng khác. Biến đổi Fourier và các phương pháp xấp xỉ được sử dụng rộng rãi. Xử lý tín hiệu và lý thuyết hệ thống hưởng lợi từ các kết quả nghiên cứu. Nhận dạng trong tình huống xấu nhất là hướng nghiên cứu mới.

Đa thức Lagrange có nhiều ưu điểm trong tính toán. Công thức đơn giản và dễ lập trình trên máy tính. Tuy nhiên, tính không ổn định là vấn đề nghiêm trọng. Khi số điểm nội suy tăng, hệ số bậc cao tăng theo cấp số nhân. Điều này gây ra hiện tượng Runge trong một số trường hợp. Dãy đa thức không hội tụ đều trên toàn miền. Trong không gian Hardy, sự phân kỳ càng rõ ràng hơn. Sai số làm tròn trong tính toán số làm tăng độ không ổn định.

Phương pháp cắt bớt là kỹ thuật chính quy hóa hiệu quả. Thay vì sử dụng toàn bộ đa thức bậc n, chỉ giữ lại m số hạng đầu với m < n. Tham số m được chọn dựa trên mức sai số dữ liệu. Hàm số chỉnh hóa α(ε) xác định giá trị m tối ưu. Khi ε giảm, m có thể tăng nhưng không quá nhanh. Cân bằng giữa độ chính xác và tính ổn định là mục tiêu. Phương pháp này đã được nhóm GS Đặng Đình Áng phát triển với đánh giá sai số cụ thể.

Đánh giá sai số là bước quan trọng trong chính quy hóa. Sai số gồm hai thành phần: sai số xấp xỉ và sai số do nhiễu dữ liệu. Sai số xấp xỉ giảm khi tăng số số hạng giữ lại. Sai số nhiễu tăng khi sử dụng nhiều dữ liệu hơn. Tham số chính quy hóa cần cân bằng hai loại sai số này. Lý thuyết xấp xỉ trong không gian Hilbert cho phép ước lượng chặt chẽ. Tốc độ hội tụ phụ thuộc vào tính chất của hàm cần khôi phục và phân bố điểm nội suy.

Phương trình nhiệt là phương trình đạo hàm riêng Parabolic cơ bản. Dạng chuẩn là ∂u/∂t = k∂²u/∂x² với k là hệ số khuếch tán nhiệt. Điều kiện ban đầu u(x,0) = f(x) cần được xác định. Điều kiện biên thường là Dirichlet hoặc Neumann. Bài toán thuận có nghiệm duy nhất và ổn định. Biến đổi Fourier chuyển phương trình về dạng đại số đơn giản. Nghiệm trong miền Fourier có dạng mũ giảm theo thời gian.

Bài toán nhiệt ngược cực kỳ không ổn định. Các thành phần tần số cao bị triệt tiêu mạnh theo thời gian. Khi đảo ngược thời gian, các thành phần này được khuếch đại vô hạn. Nhiễu đo đạch, dù nhỏ, chứa cả thành phần tần số cao. Quá trình khôi phục sẽ khuếch đại nhiễu này một cách nghiêm trọng. Không gian Hilbert cung cấp công cụ đo độ không ổn định. Phương pháp chính quy hóa bằng lọc tần số là giải pháp phổ biến.

Biến đổi Fourier là công cụ mạnh cho bài toán nhiệt ngược. Trong miền Fourier, nghiệm có dạng tích của hàm ban đầu với hàm mũ. Chính quy hóa được thực hiện bằng cắt bỏ tần số cao. Tham số cắt được chọn dựa trên mức nhiễu dữ liệu. Hàm lọc làm mượt nghiệm và giảm ảnh hưởng nhiễu. Biến đổi Laplace cũng được sử dụng trong một số trường hợp. Kết hợp với lý thuyết hàm giải tích cho kết quả tối ưu.

Biến đổi Laplace của hàm f(t) được định nghĩa là F(s) = ∫₀^∞ f(t)e^(-st)dt. Tham số s là số phức với phần thực dương. Biến đổi tồn tại khi tích phân hội tụ. Tính tuyến tính là tính chất cơ bản: L[af+bg] = aL[f]+bL[g]. Biến đổi chuyển đạo hàm thành nhân với s. Tích chập trong miền thời gian trở thành tích trong miền Laplace. Các tính chất này làm cho biến đổi Laplace rất hữu ích trong giải phương trình vi phân.

Biến đổi Laplace ngược không có công thức tường minh đơn giản. Công thức Bromwich sử dụng tích phân đường phức tạp. Yêu cầu kiến thức sâu về lý thuyết hàm phức. Trong thực tế, ảnh Laplace chỉ biết tại số hữu hạn điểm. Dữ liệu có sai số làm tăng độ khó của bài toán. Bài toán trở thành nội suy và ngoại suy hàm giải tích. Tính không ổn định cao đòi hỏi phương pháp chính quy hóa mạnh.

Cho ảnh Laplace tại các điểm s₁, s₂, ..., sₙ. Bài toán là tìm hàm f(t) tương ứng. Phương pháp nội suy hàm giải tích được áp dụng. Cắt bớt số hạng cao của đa thức nội suy để chính quy hóa. Tham số chính quy hóa phụ thuộc vào mức sai số dữ liệu. Lý thuyết xấp xỉ trong không gian Hardy H² cung cấp cơ sở lý thuyết. Đánh giá sai số dựa trên khoảng cách trong không gian Hilbert. Kết quả cho phép ước lượng độ chính xác của nghiệm xấp xỉ.

Cho phương trình Parabolic ∂u/∂t = L[u] trong miền Ω × (0,T). Toán tử L thường là Laplacian hoặc toán tử elliptic. Dữ liệu Cauchy gồm u và ∂u/∂n trên một phần biên Γ. Cần tìm nghiệm u trong toàn bộ miền. Bài toán không có tính duy nhất nếu Γ không đủ lớn. Tính không ổn định cao khi Γ nhỏ so với biên toàn phần. Đây là bài toán ngược quan trọng trong vật lý và kỹ thuật.

Phương pháp tách biến là kỹ thuật cơ bản để giải phương trình Parabolic. Giả sử nghiệm có dạng u(x,t) = X(x)T(t). Phương trình được tách thành hai phương trình riêng. Biến đổi Fourier theo biến không gian cho kết quả tương tự. Mỗi mode Fourier û(ω,t) thỏa phương trình vi phân thường. Nghiệm trong miền Fourier có dạng mũ theo thời gian. Bài toán Cauchy trở thành khôi phục điều kiện ban đầu từ dữ liệu tại thời điểm sau.

Trong miền Fourier, các mode tần số cao bị suy giảm mạnh. Khôi phục chúng từ dữ liệu nhiễu dẫn đến khuếch đại nhiễu. Phương pháp lọc tần số cắt bỏ hoặc giảm trọng số các mode cao. Tham số lọc được chọn dựa trên phân tích sai số. Không gian Hilbert cung cấp công cụ đo khoảng cách giữa nghiệm chính xác và xấp xỉ. Lý thuyết xấp xỉ cho phép tối ưu hóa tham số chính quy hóa. Kết quả là nghiệm ổn định với đánh giá sai số rõ ràng.

Không gian Hardy H^p(U) với p ≥ 1 là không gian các hàm giải tích f trên U. Chuẩn được định nghĩa qua tích phân trên đường tròn bán kính r < 1. Khi p = 2, H² là không gian Hilbert với tích vô hướng tự nhiên. Hàm trong H² có khai triển chuỗi lũy thừa ∑a_nz^n với ∑|a_n|² < ∞. Các hàm này có giá trị biên trong L² trên đường tròn đơn vị. Định lý biểu diễn cho phép đồng nhất H² với không gian dãy l².

Cho dãy điểm {z_n} trong đĩa đơn vị U. Điều kiện Blaschke là ∑(1-|z_n|) = ∞. Khi điều kiện này thỏa mãn, bài toán nội suy có nghiệm duy nhất trong H². Nếu ∑(1-|z_n|) < ∞, tồn tại tích Blaschke B với không điểm tại {z_n}. Nghiệm tổng quát có dạng f + Bg với g tùy ý trong H². Điều kiện Blaschke phản ánh mật độ của dãy điểm. Dãy thưa không đủ để xác định duy nhất hàm giải tích.

Bài toán moment tổng quát là tìm f ∈ H² sao cho L_n(f) = μ_n với n = 1,2,... Các L_n là phiếm hàm tuyến tính liên tục trên H². Trường hợp L_n(f) = f(z_n) là bài toán nội suy điểm. Toán tử T: H² → l² định nghĩa bởi T(f) = {f(z_n)} là toán tử tuyến tính bị chặn. Bài toán là giải phương trình toán tử Tf = μ. Tính chất của T phụ thuộc vào phân bố dãy {z_n}. Lý thuyết xấp xỉ cho phép xây dựng nghiệm xấp xỉ ổn định khi dữ liệu có nhiễu.