Докажите что матрица удовлетворяет уравнению

Решение матричных уравнений

Финальная глава саги.

Линейная алгебра и, в частности, матрицы — это основа математики нейросетей. Когда говорят «машинное обучение», на самом деле говорят «перемножение матриц», «решение матричных уравнений» и «поиск коэффициентов в матричных уравнениях».

Понятно, что между простой матрицей в линейной алгебре и нейросетью, которая генерирует котов, много слоёв усложнений, дополнительной логики, обучения и т. д. Но здесь мы говорим именно о фундаменте. Цель — чтобы стало понятно, из чего оно сделано.

Краткое содержание прошлых частей:

И вот наконец мы здесь: если мы можем перемножать матрицы, то мы можем и решить матричное уравнение.

❌ Никакого практического применения следующего материала в народном хозяйстве вы не увидите. Это чистая алгебра в несколько упрощённом виде. Отсюда до практики далёкий путь, поэтому, если нужно что-то практическое, — посмотрите, как мы генерим Чехова на цепях Маркова.

Что такое матричное уравнение

Матричное уравнение — это когда мы умножаем известную матрицу на матрицу Х и получаем новую матрицу. Наша задача — найти неизвестную матрицу Х.

Шаг 1. Упрощаем уравнение

Вместо известных числовых матриц вводим в уравнение буквы: первую матрицу обозначаем буквой A, вторую — буквой B. Неизвестную матрицу X оставляем. Это упрощение поможет составить формулу и выразить X через известную матрицу.

Приводим матричное уравнение к упрощённому виду

Шаг 2. Вводим единичную матрицу

В линейной алгебре есть два вспомогательных понятия: обратная матрица и единичная матрица. Единичная матрица состоит из нулей, а по диагонали у неё единицы. Обратная матрица — это такая, которая при умножении на исходную даёт единичную матрицу.

Можно представить, что есть число 100 — это «сто в первой степени», 100 1

Вот такое, только в мире матриц.

Добавляем единичную матрицу и упрощаем запись:

После введения единичной матрицы мы нашли способ выражения неизвестной матрицы X через известные матрицы A и B.

Шаг 3. Находим обратную матрицу

Вспоминаем формулу и порядок расчёта обратной матрицы:

Собираем формулу и получаем обратную матрицу. Для удобства умышленно оставляем перед матрицей дробное число, чтобы было проще считать.

Третье действие: получаем обратную матрицу

Шаг 4. Вычисляем неизвестную матрицу

Решаем матричное уравнение и находим неизвестную матрицу X. Мы получили кратные числа и внесли дробь в матрицу

Шаг 5. Проверяем уравнение

Мы решили матричное уравнение и получили красивый ответ с целыми числами. Выглядит правильно, но в случае с матрицами этого недостаточно. Чтобы проверить ответ, нам нужно вернуться к условию и умножить исходную матрицу A на матрицу X. В результате должна появиться матрица B. Если расчёты совпадут — мы всё сделали правильно. Если будут отличия — придётся решать заново.

👉 Часто начинающие математики пренебрегают финальной проверкой и считают её лишней тратой времени. Сегодня мы разобрали простое уравнение с двумя квадратными матрицами с четырьмя элементами в каждой. Когда элементов будет больше, в них легко запутаться и допустить ошибку.

Проверяем ответ и получаем матрицу B — наши расчёты верны

Ну и что

Алгоритм решения матричных уравнений несложный, если знать отдельные его компоненты. Дальше на основе этих компонентов математики переходят в более сложные пространства: работают с многомерными матрицами, решают более сложные уравнения, постепенно выходят на всё более и более абстрактные уровни. И дальше, в конце пути, появляется датасет из миллионов котиков. Этот датасет раскладывается на пиксели, каждый пиксель оцифровывается, цифры подставляются в матрицы, и уже огромный алгоритм в автоматическом режиме генерирует изображение нейрокотика:

Источник

Матричные уравнения

Рассмотрим матричное уравнение вида

где и — данные матрицы, имеющие одинаковое количество строк, причем матрица квадратная. Требуется найти матрицу , удовлетворяющую уравнению (4.5).

Теорема 4.2 о существовании и единственности решения матричного уравнения (4.5). Если определитель матрицы отличен от нуля, то матричное уравнение (4.5) имеет единственное решение .

В самом деле, подставляя в левую часть равенства (4.5), получаем , т.е. правую часть этого равенства.

Заметим, что решением матричного уравнения служит обратная матрица .

Рассмотрим также матричное уравнение вида

где и — данные матрицы, имеющие одинаковое количество столбцов, причем матрица квадратная. Требуется найти матрицу , удовлетворяющую уравнению (4.6).

Теорема 4.3 о существовании и единственности решения матричного уравнения (4.6).

Если определитель матрицы отличен от нуля, то уравнение (4.6) имеет единственное решение .

Заметим, что матрица является как бы «левым» частным от «деления» матрицы на матрицу , поскольку матрица в (4.5) умножается на слева, а матрица — «правым» частным, так как матрица в (4.6) умножается на справа.

23. Системы т линейных уравнений з п неизвестными. Совместимость, определенность, неопределенность системы линейных уравнений. Метод Гауса.

Решением системы называется совокупность n значений неизвестных

при подстановке которых все уравнения системы обращаются в тождества.

Система линейных уравнений может быть записана в матричном виде:

где A — матрица системы, b — правая часть, x — искомое решение, A_p — расширенная матрица системы:

.

Система, имеющая хотя бы одно решение, называется совместной; система, не имеющая ни одного решения — несовместной.

Однородной системой линейных уравнений называется система, правая часть которой равна нулю:

Матричный вид однородной системы: Ax=0.

Однородная система не в с е г д а с о в м е с т н а, поскольку любая однородная линейная система имеет по крайней мере одно решение:

Если однородная система имеет единственное решение, то это единственное решение — нулевое, и система называется тривиально совместной. Если же однородная система имеет более одного решения, то среди них есть и ненулевые и в этом случае система называется нетривиально совместной.

Доказано, что при m=n для нетривиальной совместности системы необходимо и достаточно, чтобы определитель матрицы системы был равен нулю.

ПРИМЕР 1. Нетривиальная совместность однородной системы линейных уравнений с квадратной матрицей.

Применив к матрице системы алгоритм гауссова исключения, приведем матрицу системы к ступенчатому виду

.

Числоr ненулевых строк в ступенчатой форме матрицы называется рангом матрицы, обозначаем
r=rg(A) или r=Rg(A).

Справедливо следующее утверждение.

Для того, чтобы однородная система была нетривиально совместна, необходимо и достаточно, чтобы ранг r матрицы системы был меньше числа неизвестных n.

ПРИМЕР 2. Нетривиальная совместность однородной системы трех линейных уравнений с четырьмя неизестными.

Исследовать однородную систему — значит установить, является ли она нетривиально совместной, и если является, то найти фундаментальную систему решений и записать выражение для общего решения системы.

Исследуем однородную систему методом Гаусса.

2. добавление нулевого столбца не меняет ранга матрицы, следовательно, выполняется достаточное условие теоремы Кронекера–Капелли;

Фундаментальной системой решений однородной системы (1) называется базис ядра оператора ^ A (точнее, координатные столбцы базисных векторов в Ker ^ A ).

Это определение можно сформулировать несколько иначе:

Фундаментальной системой решений однородной системы (1) называется n − r линейно независимых решений этой системы.

Теорема о структуре общего решения однородной системы уравнений :

Любое решение однородной системы линейных уравнений определяется формулой

Свойства общего решения однородной системы уравнений:

Вывод: Чтобы найти фундаментальную систему и общее решение однородной системы, нужно найти базис ядра соответствующего линейного оператора.

27. Определение комплексного числа. Алгебраическая форма комплексних чисел, действия над ними.

Источник

Математика для чайников. Матрицы и основные действия над ними

Определение матрицы

Матрица – это прямоугольная таблица элементов. Ну а если простым языком – таблица чисел.

Обычно матрицы обозначаются прописными латинскими буквами. Например, матрица A, матрица B и так далее. Матрицы могут быть разного размера: прямоугольные, квадратные, также есть матрицы-строки и матрицы-столбцы, называемые векторами. Размер матрицы определяется количеством строк и столбцов. Например, запишем прямоугольную матрицу размера m на n, где m – количество строк, а n – количество столбцов.

Что можно делать с матрицами? Складывать/вычитать, умножать на число, умножать между собой, транспонировать. Теперь обо всех этих основных операциях над матрицами по порядку.

Операции сложения и вычитания матриц

Сразу предупредим, что можно складывать только матрицы одинакового размера. В результате получится матрица того же размера. Складывать (или вычитать) матрицы просто – достаточно только сложить их соответствующие элементы. Приведем пример. Выполним сложение двух матриц A и В размером два на два.

Вычитание выполняется по аналогии, только с противоположным знаком.

Умножение матрицы на число

На произвольное число можно умножить любую матрицу. Чтобы сделать это, нужно умножить на это число каждый ее элемент. Например, умножим матрицу A из первого примера на число 5:

Операция умножения матриц

И пример с реальными числами. Умножим матрицы:

Операция транспонирования матрицы

Транспонирование матрицы – это операция, когда соответствующие строки и столбцы меняются местами. Например, транспонируем матрицу A из первого примера:

Определитель матрицы

Определитель, о же детерминант – одно из основных понятий линейной алгебры. Когда-то люди придумали линейные уравнения, а за ними пришлось выдумать и определитель. В итоге, разбираться со всем этим предстоит вам, так что, последний рывок!

Определитель – это численная характеристика квадратной матрицы, которая нужна для решения многих задач.
Чтобы посчитать определитель самой простой квадратной матрицы, нужно вычислить разность произведений элементов главной и побочной диагоналей.

Определитель матрицы первого порядка, то есть состоящей из одного элемента, равен этому элементу.

А если матрица три на три? Тут уже посложнее, но справиться можно.

Для такой матрицы значение определителя равно сумме произведений элементов главной диагонали и произведений элементов лежащих на треугольниках с гранью параллельной главной диагонали, от которой вычитается произведение элементов побочной диагонали и произведение элементов лежащих на треугольниках с гранью параллельной побочной диагонали.

К счастью, вычислять определители матриц больших размеров на практике приходится редко.

Источник

Задачи вступительного экзамена в ШАД 2014

При поступлении в ШАД проверяются знания в рамках общей программы, включающей базовые разделы высшей алгебры, математического анализа, комбинаторики, теории вероятностей, а также основы программирования. Под катом подробно разобраны задачи вступительного экзамена в ШАД 2014 года. Внимание! Пост довольно объёмный, поэтому устраивайтесь поудобнее, вооружайтесь карандашом, если нужно, доставайте чай с печеньем. Убедитесь, что сделали все дела на вечер! Велика вероятность, что рассматриваемые ниже задачи поглотят ваш разум на несколько часов, а кому-то помешают вовремя лечь спать. Во всяком случае сегодняшний вечер обещает быть интересным. Добро пожаловать под кат ↓

Задача 1

Найдите все квадратные вещественные матрицы порядка 3, удовлетворяющие уравнению X 2 + E = 0.

Так как характеристический многочлен матрицы X представляет собой полином (нечетной) степени 3, то он имеет по крайней мере один действительный корень и, следовательно, матрица X имеет по крайней мере одно вещественное собственное значение λ. Тогда есть ненулевой вектор v такой, что выполняется равенство:
X⋅v = λ⋅v.
Тогда, X 2 + E = 0 означает, что (X 2 + E)⋅v = 0, или X 2 ⋅v + E⋅v = 0, но
X 2 ⋅v = X⋅(X⋅v) = X⋅(λ⋅v) = λ⋅X⋅v = λ 2 ⋅v
таким образом:
(X 2 + E)⋅v = (λ 2 + 1)⋅v = 0.
Так как v – ненулевой вектор, то для выполнения равенства необходимо, чтобы λ 2 + 1 = 0, что возможно только при комплексном значении λ. Следовательно, вещественной матрицы X размерности 3×3 такой, что выполняется уравнение X 2 + E = 0 не существует.

2 способ решения
Обобщим задачу. Рассмотрим матрицу X размерности n×n. Существует теорема о произведении определителей квадратных матриц, которая формулируется следующим образом: определитель произведения двух квадратных матриц равен произведению определителей сомножителей. Тогда, если выполняется уравнение
X 2 + E = 0, обозначим это уравнение (1),
то справедливо следующее уравнение
det(X 2 ) = det(−E) , обозначим это уравнение (2).
Очевидно, что det(X 2 ) = det(X)⋅det(X) > 0 (т.к. det(X) > 0 или det(X) 2 ) = det(−E) несправедливо). Так как (−E) также является матрицей размерности n×n, то det(−E) = (−1) n . Таким образом, видим, что при четных значениях n уравнение (2) выполняется (существуют вещественные решения), а при нечетных n – не выполняется (существуют только комплексные решения). Следовательно, для нечетных n не будет выполняться и исходное уравнение (1), а значит и для n=3 равенство (1) несправедливо. Получаем тот же вывод, что и в первом способе решения задачи: вещественной матрицы X размерности 3×3 такой, что выполняется уравнение X 2 + E = 0 не существует.

Задача решена и даже несколькими способами, ниже пойдет разговор о квадратных матрицах четных порядков, т.к. для них можно найти такую, чтобы выполнялось уравнение (1). Интересно увидеть, что она будет из себя представлять.

Рассмотрим матрицу размерности 2×2, зная что в произведении на саму себя она должна дать (−E):

Из первого и четвертого уравнений получим: (a₁₁) 2 = (a₂₂) 2 , обозначим это уравнение *
А из второго и третьего уравнений получим: (a₁₂ + a₂₁)·(a₁₁ + a₂₂) = 0, а это уравнение обозначим **

1 случай
a₁₁ = a₂₂ = a, тогда a₁₁ + a₂₂ ≠ 0. Из этого следует, что для выполнения равенства ** необходимо, чтобы a₁₂ = −a₂₁. Пусть a₁₂ = b. Теперь можем записать произведение матриц:

Равенство для вещественных a и b будет выполняться только при a = 0, b = ±1. Таким образом искомые матрицы будут выглядеть следующим образом:

Можете убедиться, что при умножении каждой из них на саму себя получим (−E).

2 случай
a₁₁ = −a₂₂, тогда уравнение ** также выполняется. Обозначим a₁₁ = a. Запишем произведение матриц:

Необходимо, чтобы выполнялось равенство a 2 + a₁₂·a₂₁ = −1. Выразим из последнего равенства a₂₁ = −(1 + a 2 )/a₁₂. Пусть a₁₂ = b. Тогда искомая матрица будет выглядеть так:

Если из равенства a 2 + a₁₂·a₂₁ = −1 выразить a₁₂ = −(1 + a 2 )/a₂₁ и обозначить a₂₁ = b. Тогда искомая матрица будет выглядеть так:

Также необходимо написать, что a, b ∈ R, b ≠ 0. Также можно легко убедиться, что при умножении каждой из таких матриц на саму себя получим (−E).

Видим, что первый случай, рассмотренный выше, является частным случаем второго (при a = 0, b = 1). Поэтому в общем виде то, как выглядит искомая матрица, описывает именно второй случай.

Таким образом, мы установили, как должны выглядеть вещественные квадратные матрицы второго порядка, для того, чтобы при умножении на саму себя давать в произведении отрицательную единичную матрицу.

Задача 2

Среди участников похода из любых четырех как минимум один знаком с тремя другими. Докажите, что каждый участник похода, кроме максимум трех, знаком со всеми остальными.

Пусть n — число участников похода. Построим граф знакомств G=(V, E), в котором вершины обозначают участников похода, а ребра — их знакомства между собой. Также известно, что любой подграф C=(V_c, E_c), |V_c|=4 графа G имеет как минимум одну вершину v_c, степень которой d(v_c)=3 (из любых четырех как минимум один знаком с тремя другими). Необходимо доказать, что для всех вершин графа G, кроме максимум трех, степень d(v)=n-1 (каждый участник похода, кроме максимум трех, знаком со всеми остальными). Или, иначе говоря, нужно доказать, что граф G имеет полный подграф (клику) D, минимальное возможное число вершин |V_d| для которого равно n-3.

В известной задаче о клике ставится вопрос о том существует ли в графе G клика заданного размера (вариант задачи распознавания) или каков максимальный размер клики в графе (вычислительный вариант задачи). Задача относится к классу NP-полных в области теории графов и, строго говоря, не имеет эффективного алгоритма решения.

Здесь же у нас есть замечательное условие (1*), которое все сильно упрощает, поэтому для решения задачи необходимо построить все возможные удовлетворяющие (1*) графы (см. далее 1,2,3) и определить в них размер максимальной клики. Сделать это можно довольно быстро:

1. Если незнакомых между собой людей нет, иначе говоря, если граф знакомств G полный, то количество людей знакомых со всеми остальными равно n (максимальная клика имеет размер n).

2. Пусть некоторые две вершины графа G a,b є V несмежны, т.е. a,b незнакомы между собой. Пусть в графе G также существует еще одна пара несмежных вершин c,d є V. Тогда не выполняется условие, что в группе из любых четырех человек (например a,b,c,d) как минимум один должен быть знакомым с остальными тремя (1*). Следовательно, еще одной пары незнакомых между собой людей c,d при наличии пары a,b быть не может. Поэтому, если a,b незнакомы друг с другом, то все остальные люди (n-2 человек) знакомы между собой, подграф D имеет |V_d|=n-2 вершин (обведен синей линией на рисунке). Соответственно, если a,b знакомы со всеми остальными, то n-2 человек знакомы со всеми (вершины, соответствующие людям знакомым со всеми, раскрашены зеленым цветом) (максимальная клика имеет размер n-2):

3. Если a незнаком также и с с, то так как в любой группе (например a,b,c,d) только d может быть знаком с остальными тремя (ввиду того, что a незнаком с b,c), a,b,c знакомы со всеми остальными n-3 людьми, которые к тому же знакомы между собой. Таким образом, минимальное число людей знакомых со всеми n-3 (максимальная клика имеет размер n-3) ч.т.д.:

Ниже рассмотрим простой пример для пяти участников похода. Соответственно, есть пять вариантов выбора любых четырех из них (число сочетаний из 5 по 4). В графе G a незнаком с b и c. Трое участников незнакомы со всеми остальными. Это максимум при заданном условии (1*), которое выполняется в каждом подграфе.

Задача 3

Опишите все невырожденные вещественные матрицы A, для которых все элементы матриц A и A −1 неотрицательны.

Рассмотрим матрицы A и B размерности 2×2. Пусть B = A −1 – обратная матрица. Тогда, результатом произведения матриц A и B будет единичная матрица E:

Рассмотрим выражения (2) и (3). Когда они обратятся в ноль при условии неотрицательности элементов? Т.к. элементы матриц A и B должны быть неотрицательны, то выполнение тождеств (2) и (3) будет осуществляться т. и т.т, когда оба слагаемых в каждом выражении будут нулевыми. Рассмотрим возможные варианты. Сразу отбросим варианты, при которых «занулятся» элементы одной строки матрицы A или столбца матрицы B, т.к. в этом случае не будет соблюдено условие невырожденности матриц. Варианты, при которых результатом произведения будет нулевая матрица также отбрасываем (a₁₁=a₂₂=b₂₁=b₁₂=0, a₂₁=a₁₂=b₁₁=b₂₂=0).

Остаётся два варианта: a₁₂ = a₂₁ = b₁₂ = b₂₁ = 0 и a₁₁ = a₂₂ = b₁₁ = b₂₂ = 0. Тогда, очевидно, чтобы выполнялись равенства (1) и (4) и результатом произведения AB была единичная матрица, возможны два варианта:

Рассмотрим матрицы A и B размерности 3×3:

Рассмотрим выражения, которые должны обратиться в ноль, и проанализируем в каких случаях это происходит. Сразу же отбросим варианты равенства выражений нулю, при которых «занулятся» элементы одной строки (столбца) матрицы A (матрицы B). И т.д. по аналогии, отбросив все варианты, при которых в результате произведения AB получим нулевую матрицу. Останутся случаи, в которых ненулевые элементы в матрицах A и B окажутся на позициях, показанных красным:

При перемножении матриц именно такого вида, как показано выше, возьмём например вариант:

будем получать единичную матрицу.

Т.о. можно видеть, что искомая невырожденная матрица A, состоящая из неотрицательных элементов, будет иметь обратную матрицу B из неотрицательных элементов в том случае, если в каждой строке и столбце матрицы A будет по одному ненулевому элементу, а остальные элементы строки и столбца будут нулевыми. Такое описание матрицы напоминает нам матрицу перестановок, только вместо единичных элементов в ней могут быть любые ненулевые значения. Такие матрицы называют мономиальными или обобщёнными матрицами перестановок (почитать про них можно на википедии).

Существует теорема: пусть A – неотрицательная матрица. В таком случае матрица A будет иметь неотрицательную обратную матрицу тогда и только тогда, когда A – обобщённая матрица перестановок.

Зная такую теорему заранее, задачу можно решить быстрее:)

Задача 4

Дан числовой массив длины n. Предложите алгоритм, находящий максимальное значение сумм отрезков этого массива. Ограничение по времени — O(n), по дополнительной памяти — O(1).

Рассмотрим массив a[] из n элементов
a₀, a₁, a₂,… a_n-1
Будем идти по массиву и накапливать в некоторой переменной sum текущую частичную сумму. Если в какой-то момент sum окажется отрицательной, то мы просто присвоим sum = 0. Максимум из всех значений переменной sum, случившихся за время работы, и будет ответом на задачу.

Этот алгоритм называется Алгоритмом Кадана (Подробнее о нём можно почитать на википедии и здесь). Время выполнения — требуемые по условию задачи O(n), т.к. мы осуществляем один проход по массиву a[] из n элементов. Условие по дополнительной памяти — O(1) также соблюдены.

Примеры работы программы:

Задача 5

Есть 10 монет разного веса и некоторые весы. При помощи одного взвешивания на весах можно узнать для выбранных двух монет, какая тяжелее. Можно ли за 20 взвешиваний узнать, в каком порядке монеты идут по весу?

Осуществим замену переменной в каждом из интегралов. В первом интеграле:

Во втором интеграле:

Таким образом, сумму интегралов можно записать в виде:

Возьмем второй интеграл в сумме выше по частям:

Избавляемся от противоположных друг другу слагаемых и подставляем значения пределов интегрирования в оставшееся слагаемое, получаем:

2 способ решения, предложенный пользователем p53

Видно же, что функции под интегралами и пределы интегрирования выбраны не случайно, а именно:

А значит, сумма интегралов равна сумме площадей криволинейных трапеций, которую можно представить как разность площадей двух прямоугольников:

Задача 7

Игра состоит из одинаковых и независимых конов, в каждом из которых выигрыш происходит с вероятностью p. Когда игрок выигрывает, он получает 1 доллар, а когда проигрывает — платит 1 доллар. Как только его капитал достигает величины N долларов, он объявляется победителем и удаляется из казино. Найдите вероятность того, что игрок рано или поздно проиграет все деньги, в зависимости от его стартового капитала k.

В нашем случае игрок A — это мы со стартовым капиталом k, игрок B — казино. Будем считать, что игрок удаляется из казино, когда выиграл у него все деньги (разорил его), т.е. N это сумма всех денег что были у игрока и у казино до начала игры. Тогда стартовый капитал игрока B (казино) составляет N–k. Таким образом, нам нужно найти вероятность P_b (того, что казино выиграет все деньги у игрока):
P_b = (1–(p/q) N–k )/(1–(p/q) N )

Решение простое и быстрое в том случае, если при взгляде на задачу №7 вы сразу говорите: «Да это же о разорении игрока, классика!» Если же нет, и вы хотите узнать почему формулы именно такие, то жмите на спойлер ниже.

Замечание: для игрока A обозначение стартового капитала i, потому что количество долларов это integer(целое) число. У игрока B стартовый капитал N−i, чтобы удобно было говорить, что мы ищем вероятность того, что у A станет N−i+i=N долларов (A выиграет у соперника).

При достаточно больших N можно рассматривать выражение выше, как разностное уравнение, а p_i искать как его решение. Из разностного уравнения формальной заменой p_i = x i получаем алгебраическое уравнение:

Дискриминант квадратного уравнения 1−4pq > 0 при p ≠ q. Найдём корни квадратного уравнения:

Так как дискриминант квадратного уравнения больше нуля, то решение разностного уравнения ищется в виде:

Тогда:

Подставив C₁ и C₂ в выражение для p_i, получаем:

Чтобы получить выражение для p_i при p = q, обозначим x = q/p, т.к. p = q, то x → 1. Найдём предел:

Таким образом, мы нашли формулу для вычисления вероятности того, что игрок A выиграет все деньги (N), в зависимости от его стартового капитала i.

Задача 8

Пусть a — действительное число. Для любого целого n ≥ 0 обозначим через a_n — расстояние от a до ближайшего рационального числа вида m/2 n , где m — целое. Найти наибольшую возможную сумму ряда:

Расстояние a_n от действительного числа a є R до ближайшего рационального числа вида m/2 n , где m,n є Z можно легко свести к функции вида «расстояние до ближайшего целого» S(x), x є R:

Очевидно, что значения этой функции лежат в пределах от 0 до 1/2, кроме того она является периодической. Для тех кто не успел прикинуть это в уме, вот ссылка на wolfram alpha.
Вследствие периодичности функции, для поиска максимума нам достаточно рассматривать ее на одном периоде, а именно на интервале [0,1], вместо того чтобы делать это на всей числовой оси. Неплохая оптимизация для начала)

Итак, запишем выражение для a_n, приведем слагаемые внутри модуля к общему знаменателю и вынесем 1/2 n , значение a_n при этом не изменится:

Таким образом, исходя из определения функции S(x), получаем новое выражение для a_n:

«Можно заметить», что искомый ряд представляет собой, как «очевидно» каждому читающему этот пост, функцию Бланманже (Такаги), похожую на одноименный десерт:

Функция (кривая) Бланманже, наряду с общеизвестной функцией Вейерштрасса, является непрерывной, но нигде не дифференцируемой функцией. Конечно, если решающий задачу знаком с ней, то он сразу может гордо писать, что это функция Бланманже и для неё, согласно теореме Кахане (3.1), максимальное значение составляет 2/3. И это готовый ответ! Беда в том, что на экзамене хоть и разрешается пользоваться печатными справочниками, информации по упомянутой функции там может попросту не оказаться. Поэтому продолжим поиски «адекватного» решения.

Итак, нам необходимо найти максимально возможную сумму ряда:

Для наглядности, приведем здесь график функции S(x):

Выделим в нем n-частичные суммы (фигурные скобки на рисунке выше), каждая из которых соответствует количеству итераций при построении кривой Такаги и задается выражением:

Распишем все частичные суммы и обратим внимание на суммы с четными номерами:

Обозначим T₂(x) как S₁(x) (это т.н. функция-«столешница») и заметим что для четных частичных сумм справедливо выражение:

Ну а дальше нам на помощь приходит математическая индукция. Кахане в своем доказательстве провел аналогичные рассуждения, рассматривая четные частичные суммы, построил первые две из них T₂(x) и T₄(x) и по индукции пришел к выводу, что максимальное значение для T_2n(x) равно:

Тогда максимальная сумма ряда M вычисляется как сумма ряда бесконечно убывающей геометрической прогрессии:

Ну и, собственно, сами графики для первых 6-ти итераций:

Даже если остановиться на четвертой итерации, построение этих графиков будет делом медленным. Здесь можно построить и для других итераций, кому интересно. Однако, хотелось бы найти способ побыстрее.

Как вариант, можно применить индукцию пораньше, обратив внимание на функцию-«столешницу» S₁(x). Рассмотрим опять же частичные суммы T₂(x) и T₄(x), и построим графики для S₁(x) и S₁(4x):

Ну и максимальная сумма ряда M:

Этот способ незначительно отличается от предыдущего, но объем построений в нем явно поменьше.

Можно решить задачу еще быстрее, применив индукцию еще раньше. Итак, вновь распишем сумму ряда:

Видим, что все эти функции с дальнейшим увеличением частоты в 2 раза, всегда будут пересекаться в одной точке с аргуметом x=1/3 (значения функций при этом совпадут и будут равны 1/3), следовательно искомая сумма ряда будет принимать максимальное значение именно в этой точке:

Задача, бесспорно, красивая, но лучше не увлекаться ее красотой на экзамене, а решить побыстрее.

Источник