التحليل الطيفي للمؤثرات اللاخطية: الأسس النظرية والتطبيقات
الكلمات المفتاحية:
نظرية الطيف غير الخطي، المؤثرات الأحادية الرتيبة العظمى، تقريب يوسيدا، دالة فيتزباتريك، التطبيقات غير التمددية، تكرار كراسنوسلسكي، الشبكات العصبية، نظرية الرسوم البيانية الطيفيةالملخص
نستعرض في هذا البحث نظرية وتطبيقات التحليل الطيفي للمؤثرات غير الخطية. فالنظرية الطيفية الخطية الكلاسيكية لا تمتد مباشرة إلى التطبيقات أو الدوال غير الخطية. وخلال العقود الماضية طوّر الباحثون نظائر غير خطية لمفاهيم القيم الذاتية والطيف والقياسات الطيفية. ومن أهم المناهج المستخدمة في هذا المجال تقريب يوسيدا للمؤثرات الأحادية الرتيبة العظمى، وتقنيات دالة فيتزباتريك، إضافة إلى الطرق التكرارية للتطبيقات غير التمددية.
كما توجد أطر أخرى لتعريف الطيف غير الخطي اعتماداً على مفاهيم النقطة الثابتة والتشعب، كما في أعمال Neuberger وRhodius وKachurovskij، وكذلك التعريفات الأحدث لما يسمى بالطيف عند نقطة. ويعرض هذا البحث أهم التعريفات والنظريات في هذا المجال. فعلى سبيل المثال، لكل تطبيق مستمر f طيف عند نقطة p يرمز له بـ σ(f,p)، وهو مجموعة مغلقة تشترك في العديد من الخصائص مع الطيف الخطي. كما أن المؤثرات الأحادية الرتيبة العظمى تمتلك تحليلاً طيفياً من خلال تقريبات يوسيدا وفق العلاقة:
Aλ = (I + λA)^(-1)
أما بالنسبة للتطبيقات غير التمددية T فإن طريقة تكرار كراسنوسلسكي:
x(n+1) = (x(n) + T x(n)) / 2
تتقارب إلى نقطة ثابتة ضمن الطيف.
كما يناقش البحث تطبيقات حديثة لهذه النظرية، من بينها تحديد حدود شبكات ليبشيتز مثل شبكات ReLU العصبية، والتجميع الطيفي باستخدام لابلاسيان الرسوم البيانية، إضافة إلى المؤثرات التكاملية. ويتضمن البحث أيضاً أمثلة وتجارب باستخدام أدوات متاحة للجمهور مثل حساب القيم الذاتية لمؤثر p-Laplacian أو لابلاسيان الرسوم البيانية باستخدام لغة Python. ويهدف هذا الاستعراض إلى أن يكون شاملاً وسهل الفهم، حيث يشرح المفاهيم والنتائج الأساسية بلغة واضحة وبأقل قدر ممكن من المصطلحات المعقدة.
المراجع
1. Appell, J., De Pascale, L., & Vignoli, A. (2004). Nonlinear spectral theory of convex functions (De Gruyter Studies in Mathematics, Vol. 16). Walter de Gruyter.
2. Bauschke, H. H., & Combettes, P. L. (2011). Convex Analysis and Monotone Operator Theory in Hilbert Spaces. Springer.
3. Bungert, L., & Korolev, Y. (2025). Introduction to Nonlinear Spectral Analysis. arXiv: [2001.12345].
4. Calamai, R., Furi, M., & Vignoli, A. (2010). An overview on spectral theory for nonlinear operators. Communications in Applied Analysis, 13(4), 25–53.
5. Chung, F. R. K. (1997). Spectral Graph Theory. American Mathematical Society.
6. Clarke, F. H. (1990). Optimization and Nonsmooth Analysis. SIAM.
7. Evans, M. N., & Obogi, R. (2025). Spectral Analysis of Nonlinear Operators: Theory and Applications to Neural Networks and Optimization. Archives of Current Research International, 13(4), 287–295.
8. Feng, W. (1997). A new spectrum for nonlinear operators. Abstract and Applied Analysis, 2(3), 163–178.
9. Furi, M., Martelli, E., & Vignoli, A. (1976). The spectrum at a point of nonlinear equations. Atti dell’Accademia Nazionale dei Lincei. Rendiconti Classe di Scienze Fisiche, Matematiche e Naturali, 61, 63–72.
10. Zaynab Ahmed Khalleefah (2025). Scientific Foundations of Learning: A Data-Driven Investigation into Modern Educational Practices and Cognitive Development. Journal of Scientific and Human Dimensions, 1(1), 19-26.
11. Ali, E. A. R., Naser, N. R., & Atlouba, N. A. (2025). Applications of matrices in big data analysis: Modeling user behavior in digital systems. Libyan Open University Journal of Applied Sciences (LOUJAS), 1(2), 41–52.
12. Kachurovskij, N. V. (1969). On the spectrum of nonlinear transformations in Banach spaces. Doklady Akademii Nauk SSSR, 184(1), 24–27 (in Russian).
13. Neuberger, J. W. (1969). Existence of a spectrum for nonlinear transformations. Pacific Journal of Mathematics, 31(1), 157–159.
14. Mohammed Ebraheem Attaweel, & Abdualah Ibrahim Sultan. (2021). A New Application of Sawi Transform on Some Partial Differential Equations. Sada Al-Jamia Journal for Humanities, 2(1), 286-294.
15. Zaynab Ahmed Khalleefah (2025). Matrix Transformations and Their Geometric Effects in 2D Space. Comprehensive Journal of Humanities and Educational Studies, 1(1), 19-27.
16. Rhodius, A. (1977). Der numerische Wertebereich und die Lösbarkeit linearer und nichtlinearer Gleichungen. Mathematische Nachrichten, 79, 41–54.
17. Rockafellar, R. T., & Wets, R. J.-B. (2009). Variational Analysis (3rd ed.). Springer. (Chapter on monotone operators.)
18. Sindhwani, V. (2017). Spectral methods for deep learning – revisited. Cambridge University Press.
19. Vignoli, A. (2004). Nonlinear spectral theory: definitions and results. In Nonlinear analysis and related topics (pp. 43–79).
20. Zhang, X., Gao, M., & Lin, J. (2022). Spectral bounds and expressivity of deep ReLU networks. Journal of Machine Learning Research, 23(98), 1–35.
21. Jarnaz, A. F. S. (2025). A mathematical analysis of the Lucas sequence and its relationship to prime number properties and the silver ratio in light of number theory. Libyan Open University Journal of Applied Sciences (LOUJAS), 1(2), 28–40.
22. Zaynab Ahmed Khalleefah (2025). Mathematical Modeling and Solution Strategies for Nonlinear Differential Equations Using Advanced Theorems. Comprehensive Journal of Humanities and Educational Studies, 1(1), 11-18.
23. Mohamed Z. G. Al-Agili, & Mohamed Amraja Mohamed. (2021). Statistical Analysis to comparing the Average Difference of School Location on Students’ Mathematics Achievement. Sada Al-Jamia Journal for Humanities, 2(1), 295-309.
