设C和Q分别为Hilbert空间H1和H2的非空闭凸子集, A:H1→H2是一个有界线性算子. 分裂可行性问题(SFP)是指: 找一点x∈C满足
由于此问题在信号处理、图像重构以及其他应用领域的广泛应用而备受关注, 详见文献 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]及其参考文献.目前有许多迭代算法求解(1.1),其中最流行的一种算法是Byrne 的CQ 算法,它以下述方式给定
2009年,Censor和Segal[16]考虑了分裂公共不动点问题(SCFPP): 找一点x∈Fix(U)满足
如果在(1.3)和(1.4)式中分别取U=PC和V=PQ则(1.3)和(1.4)式分别化为(1.1)和(1.2)式, 因此,分裂公共不动点问题(SCFPP)是分裂可行性问题(SFP)的推广(一般化), 而相应的迭代算法(1.4)是(1.2)的推广(一般化).
Li 等[14]最近考虑了带约束的分裂公共不动点问题(CSCFPP)如下: 找一点x∈C∩Fix(T)满足
注1.1 如果我们取C=H1与Q=H2,则(1.5)式化为(1.3)式. 因此带约束的分裂公共不动点问题(CSCFPP)是分裂公共不动点问题(SCFPP)的一般化, 而相应的迭代算法(1.6)是(1.4)的一般化.
我们用Γ表示问题(1.5)的解集,即 Γ={x∗∈H1:x∗∈C∩Fix(T),Ax∗∈Q∩Fix(S)}. Li 等[14]证明了,如果Γ≠∅,{αn}满足下列条件 (C1)αn→0;(C2)∞∑n=1αn=∞;(C3)αn+1αn→1, 则由(1.6)式所产生的序列 {xn}强收敛于x∗=PΓ(θ),这里PΓ表示由H到Γ上 的距离投影.
目前,我们关心的问题如下
(1) Li 等[14]的上述收敛结果能否由已知的收敛定理推得?
(2) 如何修改算法(1.6)式以便在没有假设(C3)αn+1αn→1的情况下保证有强收敛?
本文的目的是要引入三种迭代算法并分析它们的收敛性,所得结果改进并扩展了某些作者的相关结论.
设H是实Hilbert空间,用⟨⋅ ⋅⟩ 和‖⋅‖ 分别表示H中的内积和范数.
众所周知,∀x,y∈H有下列恒等式成立
设C是H中的非空闭凸子集,则∀x∈H,存在唯一的元素PCx∈C满足
称{{P}_{C}}:H\to C为从{\rm H}到{\rm C}上的距离投影,它享有良好的几何性质
\rm (p_1) \left\langle x-{{P}_{C}}x,y-{{P}_{C}}x \right\rangle \le 0,\ \ \forall x\in H,\ \ \forall y\in C;
\rm (p_2) \left\|P_{C}x-P_{C}y \right\|^2\le \left\langle x-y,P_{C}x-P_{C}y \right\rangle,\; \forall x,y\in H,
特别地,有 \left\| {{P}_{C}}x-{{P}_{C}}y \right\|\le \left\| x-y \right\|,\;\forall x,y\in H; \rm (p_3) \left\|P_{C}x-P_{C}y \right\|^2\le \|x-y\|^2-\|(I-P_{C})x-(I-P_{C})y\|^2,\; \forall x,y\in H,
特别地,有
\rm (p_4) \left\|P_{C}x-y \right\|^2\le \|x-y\|^2-\|(I-P_{C})x\|^2,\;\forall x\in H\ \ y\in C;
\rm (p_5) P_{C}=\frac{1}{2}I+\frac{1}{2}S, 这里S是一个非扩张映像.
我们用{\rm dom}(S)表示S的定义域,{\rm Fix}(S)表示S的不动点集.
回顾映像S:{\rm dom}(S)\subset H\to H称为非扩张的,如果
熟知,如果S是非扩张的且{\rm Fix}({\rm S})\ne \varnothing ,则有
映像S:{\rm dom}(S)\subset H\to H称为firmly -非扩张的,如果存在\lambda \in (0,1) 与另一个非扩张映像{\rm T}满足
注2.1 由({{{\rm p}}_{2}})、({{{\rm p}}_{3}})和 ({{{\rm p}}_{5}})可知,{{P}_{C}}和{\rm I}-{{P}_{C}} 都是firmly -非扩张的与\frac{1}{2} -平均非扩张的. 平均非扩张的重要性包含在下列三个命题之中.
命题2.1 (Byrne[4]) 如果{\rm U}和{\rm V}分别是 {{\lambda }_{1}} -平均非扩张的和{{\lambda }_{2}} - 平均非扩张的, 只要{\rm T=UV}是适定的,则{\rm T}是\lambda -平均非扩张的,这 里\lambda=\lambda_1+\lambda_2-\lambda_1\lambda_2.
命题2.2 设{\rm U}是平均非扩张的,而{\rm V}是非扩张的, 满足{\rm Fix}(U)\bigcap {\rm Fix}(V)\ne \varnothing . 只要{\rm UV}和 {\rm VU}是适定的,就有 {\rm Fix}(UV)={\rm Fix}(VU)={\rm Fix}(U)\bigcap{\rm Fix}(V).
证 先证{\rm Fix}(UV)={\rm Fix}(U)\bigcap {\rm Fix}(V).
“右边\subseteq 左边"是明显的,只需证明”左边\subseteq 右边".
设{\rm x}=UV{\rm x},p\in {\rm Fix}(U)\bigcap {\rm Fix}(V), 因为U是平均非扩张的,故存在\lambda \in (0,1)及另外一个非扩张映像W满足
使用(2.1)式,x=UVx,(2.7)式和(2.8)式得 \begin{eqnarray*} \| x-p{{\| }^{2}}&=&\| UVx-p{{\| }^{2}} \\ & =&\| [(1-\lambda )+\lambda W]Vx-p{{\| }^{2}} \\ & =&\| (1-\lambda )Vx+\lambda WVx-[(1-\lambda )Vp+\lambda WVp]{{\| }^{2}} \\ & =&\| (1-\lambda )(Vx-Vp)+\lambda (WVx-WVp){{\| }^{2}} \\ & =&(1-\lambda )\| Vx-Vp{{\| }^{2}}+\lambda \| WVx-WVp{{\| }^{2}} -\lambda (1-\lambda )\| Vx-WVx{{\| }^{2}}, \end{eqnarray*} 这推得
使用(2.7)式和(2.9)式得 x=UVx =(1-\lambda )Vx+\lambda WVx =(1-\lambda )Vx+\lambda Vx =Vx,
这推得x=Ux,从而有x\in {\rm Fix}(U)\bigcap {\rm Fix}(V).
使用一个类似的推理过程可证{\rm Fix}(VU)={\rm Fix}(V)\bigcap {\rm Fix}(U).
由于{{P}_{C}}是\frac{1}{2} -平均非扩张的,故使用命题2.2可以推得下述结论.
命题2.3 (Zhou等[15]) 设T:{\rm dom}(T)\supseteq C\to H是非扩张映像满足 {\rm Fix}(T)\ne \varnothing ,则有 {\rm Fix}({{P}_{C}}T)={\rm Fix}(T)={\rm Fix}(T{{P}_{C}}).
命题2.4 (Suzuki[13]) 设\{{{x}_{n}}\}和\{{{y}_{n}}\}是Banach空间 {\rm E}中的两个有界序列,\{{{\lambda }_{n}}\} 是(0,1)中的数列满足条件 0<\mathop{\underline{\lim }}\limits_{n} {{\lambda }_{n}}\le \mathop{\overline{\lim }}\limits_{n} {{\lambda }_{n}}<1. 如果\{{{x}_{n}}\}和\{{{y}_{n}}\}满足下述关系 {{x}_{n+1}}={{\lambda }_{n}}{{x}_{n}}+(1-{{\lambda }_{n}}){{y}_{n}},\ \ n\ge 1, 则{{x}_{n}}-{{y}_{n}}\to \theta \ (n\to \infty ).
命题2.5 (Xu[12]) 设\{{{a}_{n}}\}是一个非负数列,满足下述循环关系 {{a}_{n+1}}\le (1-{{{\rm t}}_{n}}){{a}_{n}}+{{\delta }_{n}},\ \ n\ge 1, 其中{{t}_{n}}\in [0, 1],而{{\delta }_{n}}\in {{\mathbb{R}}^{1}}满足条件 (i) \sum\limits_{{\rm n}=1}^{\infty }{{{t}_{n}}=\infty }; (ii) \mathop{\overline{\lim }}\limits_{n} \frac{{{\delta }_{n}}}{{{{\rm t}}_{n}}}\le 0或\sum\limits_{{\rm n}=1}^{\infty }{\left| {{\delta }_{n}} \right|<\infty }, 则有{{a}_{n}}\to 0\ (n\to \infty ).
下面的命题在本文中起着关键的作用.
命题2.6 设{\rm C}和{\rm Q}分别为实Hilbert空间{{{\rm H}}_{1}} 和{{{\rm H}}_{2}}的非空闭凸子集,A:{{H}_{1}}\to {{H}_{2}}是一个有界线性算子. 设T:{\rm dom}(T)\supseteq C\to {{H}_{1}}和{\rm S}:{\rm dom}(S)\supseteq Q\to {{H}_{2}}分别为非扩张映像.任取固定的 \delta \in (0,\frac{1}{\|A\|^2}),令{U}=I-\delta A*(I-S{{P}_{Q}})A,记 {{A}^{-1}}(Q\cap {\rm Fix}(S))=\{x\in {{H}_{1}}:Ax\in Q\cap {\rm Fix}(S)\}, 则下列结论成立
(1) \Gamma =C\cap {\rm Fix}(T)\cap {{A}^{-1}}(Q\cap {\rm Fix}(S));
(2) 若\Gamma \ne \emptyset,则{\rm Fix}(U)={{A}^{-1}}(Q\cap {\rm Fix}(S));
(3) 若\delta \in (0,\frac{1}{\|A\|^{2}}],则U是非扩张的; 若\delta \in (0,\frac{1}{\|A\|^{2}}),则U是 \delta\|A\|^2 -平均非扩张的.
证 (1) 由\Gamma 的定义即知.
(2) {{A}^{-1}}(Q\cap {\rm Fix}(S))\subseteq {\rm Fix}(U)是明显的, 只需证明相反的包含关系.设x=Ux,取定一点z\in \Gamma , 则A^*(I-S{{P}_{Q}})Ax=\theta ,Az\in Q且Az=SAz, 这推得{{P}_{Q}}Az=Az且A^*(I-S{{P}_{Q}})A{\rm z}=\theta ,从而有
(3) 使用U的定义与(2.2)式,\forall x,y\in {{H}_{1}},我们有
现在我们估计(2.16)式右边第2项.
再次使用(2.2)式和({{{\rm p}}_{3}})得
下面我们引入三种迭代算法求解(1.6)式.固定\lambda \in (0,1), 记{{T}_{\lambda }}=(1-\lambda ){{I}_{\lambda }}T.
算法A {{x}_{1}}\in {{H}_{1}},\ \ u\in {{H}_{1}},\ \ {{x}_{n+1}}=T{{P}_{C}}[(1-{{\alpha }_{n}})U{{x}_{n}}+{{\alpha }_{n}}u],\ \ n\ge 1.
算法B {{x}_{1}}\in {{H}_{1}},\ \ u\in {{H}_{1}},\ \ {{x}_{n+1}}={{T}_{\lambda }}{{P}_{C}}[(1-{{\alpha }_{n}})U{{x}_{n}}+{{\alpha }_{n}}u],\ \ n\ge 1.
算法C {{x}_{1}}\in {{H}_{1}},\ \ u\in {{H}_{1}},\ \ {{x}_{n+1}}=\lambda {{x}_{n}}+(1-\lambda )T{{P}_{C}}[(1-{{\alpha }_{n}})U{{x}_{n}}+{{\alpha }_{n}}u],\ \ n\ge 1.
定理3.1 假设\Gamma \ne \emptyset, \delta \in (0,\frac{1}{\|A\|^2}). 如果\{{{\alpha }_{n}}\} 满足下列条件
({{\rm C}_{1}}) {{\alpha }_{n}}\to 0;
({{\rm C}_{2}}) \sum\limits_{n=1}^{\infty }{{\alpha }_{n}}=\infty ;
({{\rm C}_{3}}) \sum\limits_{n=1}^{\infty } {{\alpha }_{n+1}}-{{\alpha }_{n}}|<\infty 或 \frac{{{\alpha }_{n{\rm +}1}}}{{{\alpha }_{n}}}\to 1, 则由算法A所产生的序列\{{{x}_{n}}\}依范数收敛于x^*=P_{\Gamma }u.
证 由命题2.2、2.3和2.6知,U是平均非扩张的,且有 \Gamma =C\cap {\rm Fix}(T)\cap {\rm Fix}(U) ={\rm Fix}(T{{P}_{C}})\cap {\rm Fix}(U) ={\rm Fix}(UT{{P}_{C}}).
令{{y}_{n}}=(1-{{\alpha }_{n}})U{{x}_{n}}+{{\alpha }_{n}}u, 则算法A化为{{{\rm x}}_{n+1}}=T{{P}_{C}}{{y}_{n}}, 从而产生出一个新的迭代序列\{{{y}_{n}}\}
使用Wittmann[11]和Xu[12]的收敛定理,我们断言 {{y}_{n}}\to {{x}^{*}}~ (n\to \infty ), 而{{x}^{*}}={{P}_{{\rm Fix}(V)}}u={{P}_{\Gamma }}u, 从而有{{x}_{n}}\to {{x}^{*}}~ (n\to \infty ).
如果在算法A中,取u=\theta ,则我们可得下述推论.
推论3.1 假设\Gamma \ne \emptyset,\delta \in (0,\frac{1}{\|A\|^2}). 如果 \{\alpha_n\}满足定理3.1中条件({{\rm C}_{1}})--({{\rm C}_{3}}). 设\{x_n\}是由下列方式产生的序列
注3.1 推论3.1是文献[14]中的定理3.2.值得指出的 是我们所给出的收敛性分析比文献[14]中的方法要简单得多.
定理 3.2 假设\Gamma \ne \emptyset, \delta \in (0,1/{\|A\|^2}). 如果\{{{\alpha }_{n}}\}满足条件 ({{\rm C}_{1}})\ \ {{\alpha }_{n}}\to 0\ \ (n\to \infty ); ({{\rm C}_{2}})\ \ \sum\limits_{n=1}^{\infty }{{\alpha }_{n}}=\infty , 则由算法B所产生的序列\{{{x}_{n}}\}依范数收敛于x^*=P_{\Gamma }u. 特别地,如果我们取u=\theta ,则相应的迭代序列\{{{x}_{n}}\}依范数收敛于 x^*=P_{\Gamma }\theta .
证 由命题2.2、2.3和2.6知,U是平均非扩张的,而且 \begin{array}{rl} \Gamma &=C\cap {\rm Fix}(T)\cap {\rm Fix}(U) =C\cap {\rm Fix}({{T}_{\lambda }})\cap {\rm Fix}(U) \\ &={\rm Fix}({{T}_{\lambda }}{{P}_{C}})\cap {\rm Fix}(U) ={\rm Fix}({{T}_{\lambda }}{{P}_{C}}U). \end{array} 令{{y}_{n}}=(1-{{\alpha }_{n}})U{{x}_{n}}+{{\alpha }_{n}}u, 则算法B化为{{x}_{n+1}}={{T}_{\lambda }}{{P}_{C}}{{y}_{n}}, 由此产生一个新的序列\{{{y}_{n}}\}
记\beta_n=\alpha_{n+1},W=U{{T}_{\lambda }}{{P}_{C}},则\{{{\beta }_{n}}\}满足条件 ({{\rm C}_{1}})与({{\rm C}_{2}}),由命题2.1 知 W是平均非扩张的,而(3.4)式化为
使用Suzuki[13]的收敛定理,我们断言{{y}_{n}}\to {{x}^{*}}, 而{{x}^{*}}={{P}_{{\rm Fix}(W)}}u={{P}_{\Gamma }}u, 从而{{x}_{n}}\to {{x}^{*}} (n\to \infty ). 特别地, 如果取u=\theta ,则迭代序列\{{{x}_{n}}\}依范数收敛于x^*={{P}_{\Gamma }}\theta .
定理 3.3 假设\Gamma \ne \emptyset,\delta \in (0,1/{\|A\|^2}). 如果\{{{\alpha }_{n}}\}满足条件({{\rm C}_{1}})与({{\rm C}_{2}}), 则由算法C所产生的序列\{x_n\}依范数收敛于x^{*}={{P}_{\Gamma }}u, 特别地,如果我们取u=\theta ,则相应的迭代序列\{x_n\}依范数收敛于 x^{*}={{P}_{\Gamma }}\theta .
证 我们分四步完成证明.
第1步 证明\{{{x}_{n}}\}是有界的.
使用算法C,T,\ {{P}_{C}},\ U的非扩张性得 \begin{eqnarray*} \|x_{n+1}-x^*\|&\le & \lambda \| {{x}_{n}}-{{x}^{*}}\| +(1-\lambda )(1-{{\alpha }_{n}})\| {{x}_{n}}-{{x}^{*}}\| +(1-\lambda ){{\alpha }_{n}}\| u-{{x}^{*}}\| \\ &=&[1-(1-\lambda ){{\alpha }_{n}}]\| {{x}_{n}}-{{x}^{*}}\| +(1-\lambda ){{\alpha }_{n}}\| u-{{x}^{*}}\| \\ &\le& \max \{\| {{x}_{1}}-{{x}^{*}}\| ,\| u-{{x}^{*}}\| \}=M,\ \ \forall n\ge 1. \end{eqnarray*} 这表明\{{{x}_{n}}\}是有界的,从而\{U{{x}_{n}}\}也是有界的.
第2步 证明{{x}_{n+1}}-{{x}_{n}}\to \theta \ \ (n\to \infty ).
令y_n=T{{P}_{C}}[(1-{{\alpha }_{n}})U{{x}_{n}}+{{\alpha }_{n}}u],则算法C可写为
使用T,\ {{P}_{C}},\ U的非扩张性得 \begin{array}{rl} \| {{y}_{n+1}}-{{y}_{n}}\| &=\| T{{P}_{C}}[(1-{{\alpha }_{n+1}})U{{x}_{n+1}}+{{\alpha }_{n+1}}u]-T{{P}_{C}}[(1-{{\alpha }_{n}})U{{x}_{n}}+{{\alpha }_{n}}u]\| \\ &\le \| {{x}_{n+1}}-{{x}_{n}}\| +|{{\alpha }_{n+1}}-{{\alpha }_{n}}|(\| u\| +M), \end{array} 这推得 \mathop{\overline{\lim }}\limits_{n} (\| {{y}_{n+1}}-{{y}_{n}}\| -\| {{x}_{n+1}}-{{x}_{n}}\| )\le 0.
使用命题2.4,我们断言{{y}_{n}}-{{x}_{n}}\to \theta \ \ (n\to \infty ), 从而有{{x}_{n+1}}-{{x}_{n}}\to \theta \ \ (n\to \infty ).
由于 \begin{array}{rl} \| {{x}_{n}}-T{{P}_{C}}U{{x}_{n}}\| &\le \| {{x}_{n}}-{{y}_{n}}\| +\| {{y}_{n}}-T{{P}_{C}}U{{x}_{n}}\| \\ &\le \| {{x}_{n}}-{{y}_{n}}\| +{{\alpha }_{n}}(\| u\| +\| U{{x}_{n}}\| )\to 0, \end{array} 故
第3步 证明 \mathop{\overline{\lim }}\limits_{n} \left\langle {\rm u}-{{{\rm x}}^{*}}{{x}_{n}}-{{x}^{*}} \right\rangle \le 0,其中{{x}^{*}}={{P}_{\Gamma }}u.
由第1步知\{{{x}_{n}}\}是有界的,不失一般性,我们可以假设
第4步 证明{{x}_{n}}\to {{x}^{*}}\ \ (n\to \infty ).
由于U是\delta \|A\|^2 -平均非扩张的,故存在另一个非扩张映像G满足
使用算法C,\| \cdot {{\| }^{2}}的凸性,T与P_{C}的非扩张性和(3.11)式得
使用第2步,{{\alpha }_{n}}\to 0和(3.12)式可推得{{x}_{n}}-G{{x}_{n}}\to \theta \ (n\to \infty ).
再由(3.9)式推得{{x}_{n}}-U{{x}_{n}}\to \theta \ (n\to \infty ),从而由第3步知
记t_n=(1-\lambda ){{\alpha }_{n}},{{\delta }_{n}}=2t_n(1-{{\alpha }_{n}}) \left\langle u-{{x}^{*}},U{{x}_{n}}-{{x}^{*}} \right\rangle +(1-\lambda ){{\alpha }_{n}}^{2}\| u-{{x}^{*}}{{\| }^{2}},则(3.12)式可重写为
注 3.2 如果我们取{\rm T}=I{{|}_{{{H}_{1}}}},S=I{{|}_{{{H}_{2}}}}, 则算法A,B和C分别化作求解分裂可行性问题(SFP)(1.1)的相应算法.
注 3.3 由于T{{P}_{C}}和S{{P}_{Q}}未必是定向算子, 定理3.1--3.3不能由文献[9]推出.
本节我们将把第3节所得到的结果扩展到T和S都是\lambda -严格伪压缩映像的场合. T:{\rm dom}(T)\subset H\to H称为\lambda -严格伪压缩的,如果存在\lambda >1使得
易知,(4.1)式等价于
引理 4.1 设\lambda \in (-\infty ,1),T:{\rm dom}(T)\subset H\to H是\lambda -严格伪压缩映像. 记{{T}_{\theta }}=(1-\theta )I+\theta T,则下列结论成立
(1) 当\theta \in (0,1-\lambda]时,{{T}_{\theta }}是非扩张的;
(2) 当\theta \in (0,1-\lambda )时,{{T}_{\theta }} 是\frac{\theta }{1-\lambda } -平均非扩张的;
(3) 当\theta>0时,{\rm Fix}({{T}_{\theta }})={\rm Fix}(T).
证 (1) 由于\theta \in (0,1-\lambda],使用(2.1)和(4.1)式得 \begin{eqnarray*} \| {{T}_{\theta }}x-{{T}_{\theta }}y{{\| }^{2}} &=&\| (1-\theta )(x-y)+\theta (Tx-Ty){{\| }^{2}} \\ & =&(1-\theta )\| x-y{{\| }^{2}}+\theta \| Tx-Ty{{\| }^{2}} -\theta (1-\theta )\| (I-T)x-(I-T)y{{\| }^{2}} \\ & \le& (1-\theta )\| x-y{{\| }^{2}}+\theta \| x-y{{\| }^{2}}-\theta (1-\lambda -\theta )\| (I-T)x-(I-T)y{{\| }^{2}} \\ &\le & \| x-y{{\| }^{2}},\ \ \forall x,y\in {\rm dom}(T), \end{eqnarray*} 这推得 \| {{T}_{\theta }}x-{{T}_{\theta }}y\| \le \| x-y\| ,\ \ \forall x,y\in {\rm dom}({{T}_{\theta }}).
(2) 设\theta \in (0,1-\lambda ),则\frac{\theta }{1-\lambda }\in (0,1),{{T}_{\theta }}可以重写为
由(1)知\lambda I+\lambda T是非扩张的,故(4.3)式表明{{T}_{\theta }}是\frac{\theta }{1-\lambda } -平均非扩张的.
(3) 由于I-{{T}_{\theta }}=\theta (I-T),\theta>0,故有 x\in {\rm Fix}({{T}_{\theta }})\Leftrightarrow x\in {\rm Fix}(T). 证毕.
我们考虑涉及严格伪压缩映像的带约束的分裂公共不动点问题: 找一点x\in C\bigcap {\rm Fix}(T)满足
我们用\Omega 表示问题(4.4)的解集,即
对\theta \in (1,1-\lambda],\nu\in (0,1-\mu], 记{{T}_{\theta }}=(1-\theta )I+\theta T,S_\nu=(1-\nu)I+\nu S.
我们引入下面的算法: u,{{x}_{1}}\in {{H}_{1}},\;\beta \in (0,1),
使用定理3.1--3.3,我们可以推得下列结果.
定理4.1 假设\Omega \ne \emptyset , \theta \in (0,1-\lambda],\nu\in (0,1-\mu],\{{{\alpha }_{n}}\} 满足条件 ({{\rm C}_{1}})\ \ {{\alpha }_{n}}\to 0; ({{\rm C}_{2}})\ \ \sum\limits_{n=1}^{\infty }{{\alpha }_{n}}=\infty ; ({{\rm C}_{3}})\ \sum\limits_{n=1}^{\infty } {{\alpha }_{n+1}}-{{\alpha }_{n}}|<\infty 或\ \frac{{{\alpha }_{n{\rm +}1}}}{{{\alpha }_{n}}}\to 1, 则由(4.6)产生的序列\{{{x}_{n}}\}依范数收敛于{{x}^{*}}={{P}_{\Omega }}u. 特别地,如果取u=\theta ,则\{{{x}_{n}}\}依范数收敛于 {{x}^{*}}={{P}_{\Omega }}\theta .
证 使用引理4.1(1)和(3)知,{{T}_{\theta }}: {\rm dom}({{T}_{\theta }})\supseteq C\to {{H}_{1}}是非扩张的, {{S}_{v}}:{\rm dom}({{S}_{v}})\supseteq Q\to {{H}_{2}}是非扩张的, 而且{\rm Fix}({{T}_{\theta }})={\rm Fix}(T),{\rm Fix}({{{\rm S}}_{v}}) ={\rm Fix}(S).记 {{U}_{v}}=I-\delta A*(I-{{S}_{v}}{{P}_{Q}})A, 则由命题2.6知,{{U}_{v}}是\delta \| A{{\| }^{2}} -平均非扩张的, 且有 {\rm Fix}({{U}_{v}})={{A}^{-1}}(Q\cap {\rm Fix}({{S}_{v}})) ={{A}^{-1}}(Q\cap {\rm Fix}(S)).
使用定理3.1知,\{{{x}_{n}}\}依范数收敛于{{x}^{*}}={{P}_{\Omega }}u,其中 \begin{eqnarray*} \Omega &=&C\cap {\rm Fix}(T)\cap {{A}^{-1}}(Q\cap {\rm Fix}(S)) \\ &=&C\cap {\rm Fix}({{T}_{\theta }})\cap {{A}^{-1}}(Q\cap {\rm Fix}({{S}_{v}})) \\ & =&C\cap {\rm Fix}({{T}_{\theta }})\cap {{A}^{-1}}(Q\cap {\rm Fix}({{U}_{v}})). \end{eqnarray*}
特别地,如果取u=\theta ,则\{{{x}_{n}}\}依范数收敛于{{x}^{*}}={{P}_{\Omega }}\theta .
定理4.2 假设\Omega \ne \emptyset,\theta \in (0,1-\lambda ), \nu\in (0,1-\mu],\{{{\alpha }_{n}}\}满足条件 ({{\rm C}_{1}})\ \ {{\alpha }_{n}}\to 0; ({{\rm C}_{2}})\ \ \sum\limits_{n=1}^{\infty }{{\alpha }_{n}}=\infty , 则由(4.6)式产生的序列\{{{x}_{n}}\}依范数收敛于{{x}^{*}}={{P}_{\Omega }}u. 特别地,如果取u=\theta ,则\{{{x}_{n}}\}依范数收敛于{{x}^{*}}={{P}_{\Omega }}\theta .
证 此时{{T}_{\theta }}:{\rm dom}({{T}_{\theta }})\supseteq C\to {{H}_{1}} 是\frac{\theta }{1-\lambda } -平均非扩张的, {{S}_{v}}:{\rm dom}({{S}_{v}})\supseteq Q\to {{H}_{2}}是非扩张的, {{U}_{v}}=I-\delta A*(I-{{S}_{v}}{{P}_{Q}})A是\delta \| A{{\| }^{2}} -平均非扩张的,而且{\rm Fix}({{T}_{\theta }})={\rm Fix}(T), {\rm Fix}({{{\rm S}}_{v}})={\rm Fix}(S).再注意到 \begin{eqnarray*} \Omega &=&C\cap {\rm Fix}(T)\cap {{A}^{-1}}(Q\cap {\rm Fix}(S)) \\ & =&C\cap {\rm Fix}({{T}_{\theta }})\cap {{A}^{-1}}(Q\cap {\rm Fix}({{S}_{v}})) \\ & =&C\cap {\rm Fix}({{T}_{\theta }})\cap {{A}^{-1}}(Q\cap {\rm Fix}({{U}_{v}})). \end{eqnarray*}
使用定理3.2推知,\{{{x}_{n}}\}依范数收敛于{{x}^{*}}={{P}_{\Omega }}u. 特别地,如果取u=\theta , 则\{{{x}_{n}}\}依范数收敛于{{x}^{*}}={{P}_{\Omega }}\theta .
定理4.3 假设\Omega \ne \emptyset,\theta \in (0,1-\lambda ), \nu\in (0,1-\mu],\{{{\alpha }_{n}}\}满足条件 ({{\rm C}_{1}})\ \ {{\alpha }_{n}}\to 0; ({{\rm C}_{2}})\ \ \sum\limits_{n=1}^{\infty }{{\alpha }_{n}}=\infty , 则由(4.7)式产生的序列 \{{{x}_{n}}\}依范数收敛于{{x}^{*}}={{P}_{\Omega }}u. 特别地, 如果取u=\theta ,则\{{{x}_{n}}\}依范数收敛于{{x}^{*}}={{P}_{\Omega }}\theta .
证 使用引理4.1(2)和(3)知,{{T}_{\theta }}:{\rm dom}({{T}_{\theta }}) \supseteq C\to {{H}_{1}}是非扩张的,{{S}_{\nu}}:{\rm dom}({{S}_{v}})\supseteq Q\to {{H}_{2}}是非扩张的,而且{\rm Fix}({{T}_{\theta }})={\rm Fix}(T), {\rm Fix}({{{\rm S}}_{\nu}})={\rm Fix}(S).再注意到 \begin{eqnarray*} \Omega &=&C\cap {\rm Fix}({{T}_{\theta }})\cap {{A}^{-1}}(Q\cap {\rm Fix}({{S}_{v}})) \\ &=&C\cap {\rm Fix}({{T}_{\theta }})\cap {{A}^{-1}}(Q\cap {\rm Fix}({{U}_{v}})). \end{eqnarray*} 使用定理3.3推得,\{{{x}_{n}}\}依范数收敛于{{x}^{*}}={{P}_{\Omega }}u, 特别地,如果取u=\theta ,则\{{{x}_{n}}\}依范数收敛于{{x}^{*}}={{P}_{\Omega }}\theta .