Это база: Зачем нужна математика в повседневной жизни - Йэн Стюарт

примеры функционального анализа. Функции одной или нескольких действительных или комплексных переменных можно рассматривать как довольно простые операторы на довольно простых пространствах – на множестве действительных чисел, множестве комплексных чисел или векторных пространствах конечной размерности, образованных последовательностями таких чисел. Функция трех переменных – это всего лишь функция, или оператор, определенная на пространстве всех троек действительных чисел. Более заумные операторы, такие как «проинтегрировать», определены на (скажем) пространстве всех непрерывных функций, переводящих трехмерное пространство в пространство действительных чисел, с метрикой «интегрировать квадрат разности значений двух функций, о которых идет речь». Основное различие здесь в пространствах: пространство действительных чисел и трехмерное пространство имеют конечную размерность, а размерность пространства всех непрерывных функций бесконечна. Функциональный анализ во всем похож на обычный математический анализ, но применяемый к пространству бесконечной размерности.

Еще одна крупная инновация того периода тоже аккуратно встала на свое место в этой картине: это новая, более общая и более гибкая теория интегрирования, предложенная Анри Лебегом под названием «теория меры». Мера – это величина вроде площади или объема, позволяющая присвоить число множеству точек в пространстве. Интересная особенность здесь в том, что это множество может быть чрезвычайно сложным, хотя некоторые множества настолько сложны, что даже концепция меры Лебега к ним неприменима.

Вариационное исчисление, тема диссертации Радона, буквально «кричит» об операторах, как только мы видим, что речь в нем идет о поиске функций (не чисел) с оптимальными свойствами. Так что для Радона отход от классического вариационного исчисления и погружение в функциональный анализ были вполне естественным шагом. Это привело его к большому успеху – несколько важных идей и теорем в теории меры и функциональном анализе названы в его честь.

Среди них преобразование Радона, на которое он наткнулся в 1917 году. С точки зрения функционального анализа оно – близкий математический родственник преобразования Фурье. Для начала берется изображение на плоскости, которое рассматривается как черно-белая картинка с областями, окрашенными в различные оттенки серого. Любой оттенок может быть представлен действительным числом от 0 (черный) до 1 (белый). Можно сжать изображение в линию в любом направлении, сложив при этом числа, представляющие темные и светлые области и получив проекцию изображения. Преобразование Радона охватывает все эти сжатые проекции во всех направлениях. По-настоящему важная идея – обратное преобразование, позволяющее восстановить первоначальное изображение по этим проекциям.

Насколько я могу судить, Радон изучал свое преобразование из чисто математических соображений. В его статье, посвященной преобразованию, не упоминается какое-либо его практическое применение. Ближе всего к реальной жизни подходит краткое упоминание о связи преобразования с математической физикой, а именно с теорией потенциала, где сходятся электричество, магнетизм и тяготение. Радона, кажется, куда больше интересовала математика и возможные обобщения. В более поздней работе он исследовал трехмерный аналог этого преобразования, в котором распределение светлых и темных областей в пространстве сжимается до плоскости во всех возможных направлениях, и нашел формулу восстановления для этой операции. Позже другие математики отыскали обобщения для более высоких размерностей. Радон мог ориентироваться на рентгеновские лучи, которые порождают именно такого рода проекции органов и костей в человеческом теле: «светлое» и «темное» здесь интерпретируются как разница в прозрачности для рентгеновских лучей. Но потребовалось целое столетие, чтобы его открытие нашло применение в устройствах, способность которых зондировать внутренности человека кажется почти чудесной.

* * *

Аппараты компьютерной томографии (КТ) используют рентгеновские лучи для создания трехмерных изображений внутренностей человека. Эти изображения хранятся в компьютере, ими можно манипулировать, чтобы показывать кости и мышцы или чтобы обнаруживать раковые опухоли. Широко используются и другие типы сканеров, например ультразвуковые. Но как сканер выясняет, что находится внутри нашего тела, не вскрывая его? Мы все знаем, что рентгеновские лучи легко проходят сквозь мягкие ткани, тогда как более плотные ткани, например кости, менее проницаемы для них. Но рентгеновское изображение, полученное с определенного направления, показывает только среднюю плотность тканей на пути луча. Как подобный снимок превратить в трехмерное изображение? Радон начинает свою статью с заявления о том, что ему удалось решить эту проблему:

При интегрировании функции двух переменных x, y – подчиняющейся подходящим условиям регулярности функции от точки f(P) на плоскости – вдоль произвольной прямой g, получаются интегральные значения F(g) – функция от прямой. В части A данной статьи решается задача поиска преобразования, обратного данному линейному функциональному преобразованию, и даются ответы на следующие вопросы: может ли каждая функция от прямой, удовлетворяющая подходящим условиям регулярности, рассматриваться как построенная таким образом? Если да, восстанавливается ли f единственным образом из F и как можно вычислить f?

Ответ – обратное преобразование Радона, то есть формула, восстанавливающая внутреннее распределение тканей (точнее говоря, степени их непроницаемости для рентгеновских лучей) по множеству проекций со всех направлений.

Чтобы понять, как это работает, для начала опишем, что можно увидеть на единственном скане (проекции) тела. Такой скан берется на одном двумерном срезе тела. На картинке схематически изображены параллельные рентгеновские лучи, проходящие через срез тела, содержащий несколько внутренних органов с разной степенью непроницаемости для рентгеновских лучей. Проходя сквозь эти органы, лучи меняют интенсивность. Чем более непроницаем орган, встретившийся на пути луча, тем ниже интенсивность луча на выходе. Мы можем построить график изменения наблюдаемой интенсивности в зависимости от положения луча.

Чем темнее область, тем менее она проницаема. Слева: сканирование единичного среза тела с одного направления дает график наблюдаемой непроницаемости для рентгеновских лучей только в этом направлении. Справа: другое распределение внутренних тканей дает тот же самый график

В результате одно изображение такого рода сжимает распределение серого внутри тела вдоль направления луча в точку. Технически мы получаем проекцию распределения в этом направлении. Понятно, что одна проекция такого рода не может сказать в точности, как расположены органы внутри тела. Например, если сдвинуть черный орган в направлении луча, проекция не изменится. Однако если сделать еще один скан, рассматривая тело в вертикальном направлении, то изменение положения черного кружочка будет заметно на графике непроницаемости. Интуитивно понятно, что можно получить еще больше информации о пространственном расположении органов и тканей, сделав серию сканов, слегка повернутых относительно друг друга. Но достаточно ли будет информации, чтобы определить положение всех значимых деталей в точности?

Превращение графика непроницаемости в серию полос, окрашенных в оттенки серого и выстроенных в направлении рентгеновского луча

Как доказал Радон, если имеются графики непроницаемости для случаев, когда срез тела рассматривается со всех возможных направлений, то можно определить двумерное черно-белое распределение тканей и органов в точности. Мало того, существует очень