순서가 있는 거리공간에서의 곱 고정점과 정상 행렬의 통합 이론

초록

본 논문은 선형 수축 조건을 이용한 순서가 있는 거리공간에서의 곱 고정점 결과들이 기존의 Nieto‑Rodriguez‑Lopez 정리의 벡터형식에 불과함을 보이고, 이를 정상 행렬 이론을 통해 일반화한다.

상세 분석

논문은 먼저 순서가 있는 거리공간 ((X,d;\le ))에서 증가함수 (T)가 ((d,\le ;\alpha ))-수축((0<\alpha<1))이면 Picard 연산자가 됨을 정리 1(기존 Nieto‑Rodriguez‑Lopez 정리)으로 제시한다. 여기서 핵심 가정은 (a04) “(T)가 (d)-연속이거나 순서가 (d)-self‑closed”이며, 추가적인 완비성 가정(a05) 하에 강한 Picard 연산자까지 얻는다.

그 다음 저자는 ‘정상 행렬(normal matrix)’ 개념을 도입한다. (A\in L_{+}(\mathbb R^{n}))에 대해 (\nu(A)=\inf{\lambda\ge0:Az\le\lambda z\text{ for some }z>0})가 1보다 작으면 정상이라 정의하고, 이를 행렬식 부등식(2.1)과 등가인 조건(b03) (a^{(i)}_{ii}>0) 로 전환한다. 이와 더불어 정상 행렬이 ‘admissible’(또는 a‑matrix)임을 보이며, 정상 ⇔ 비대칭(비축소) 행렬 ⇔ 스펙트럼 반경 (\rho(A)<1)이라는 3가지 등가성을 정리한다.

핵심 아이디어는 다변량 수축을 행렬 (A)가 지배하도록 구성하고, 정상 행렬의 존재가 각 성분에 대한 선형 수축 상수 (\alpha_i)를 제공함으로써 다중 변수 고정점 문제를 단일 변수 고정점 정리로 환원하는 것이다. 구체적으로, (T)를 (n)개의 구성함수 (T_i)로 나누고, 각 (T_i) 사이의 거리 관계를 (\Delta(x,y)=(d(T_1x,T_1y),\dots,d(T_nx,T_ny))) 로 정의한다. 그런 다음 정상 행렬 (A)에 대해 (\Delta(Tx,Ty)\le A\Delta(x,y)) 를 만족하면, (A)가 비축소이므로 (\Delta(T^k x,T^k y)\to0) 이 되고, 이는 모든 구성함수의 공통 고정점 존재를 보장한다.

정리 2에서는 순서가 완비이고 ((d,\le ;\alpha ))-수축인 경우, 위의 정상 행렬 접근법을 이용해 기존 정리 1의 약화된 형태를 얻는다. 여기서 ‘(\sim)’ 관계(연결 가능한 비교가능성)와 ‘(\langle\rangle)’ 체인 개념을 도입해 순서가 완전하지 않은 경우에도 강한 Picard 연산자를 확보한다.

마지막으로, 저자는 R(_q)-값 거리(metric) 개념을 확장해 벡터값 거리 (\Delta) 를 일반화하고, 이를 통해 다변량 비선형 방정식, 행렬 방정식, 미분·적분 방정식 등에 적용 가능한 프레임워크를 제시한다. 전체적으로 논문은 기존 고정점 이론을 정상 행렬 이론과 결합해 ‘곱 고정점’ 문제를 단일 변수 고정점 정리로 일관되게 귀결시키는 메커니즘을 체계적으로 정리한다.