SlideShare uma empresa Scribd logo
1 de 6
Baixar para ler offline
Theorem 5 の証明(n が 3 以上の奇数のとき)
Case 1(t ≥ 1 のとき)
|u(t, x)| ≤ Ct− n−1
2 ((t, x) ∈ [1, ∞) × Rn
)
を示せばよい.解表示(Theorem 1)
u(t, x) =
1
(n − 2)!!ωn
"
∂t

1
t
∂t
n−3
2
tn−2
Z
|y|=1
u0(x + ty) dσ(y)
!
+

1
t
∂t
n−3
2
tn−2
Z
|y|=1
u1(x + ty) dσ(y)
!#
を思い出そう.この右辺を評価する.
奏理音ムイ(Vtuber) 1 / 6
ℓ = 0, . . . , n−3
2 に対して,
∂ℓ
t
Z
|y|=1
u1(x + ty) dσ(y)
=
Z
|y|=1
X
|α|=ℓ
Cα∂α
u1(x + ty)yα
dσ(y) (α : multi-index)
= −
Z
|y|=1
Z ∞
t
d
ds
X
|α|=ℓ
Cα∂α
u1(x + sy)yα
dsdσ(y)
= −
Z
|y|=1
Z ∞
t
X
|α|=ℓ+1
˜
Cα∂α
u1(x + sy)yα
dsdσ(y)
= −
Z
|y|=1
Z ∞
t
s−(ℓ+n)
X
|α|=ℓ+1
˜
Cα∂α
u1(x + sy)(sy)α
sn−1
dsdσ(y)
= −
Z
|z|t
|z|−(ℓ+n)
X
|α|=ℓ+1
˜
Cα∂α
u1(x + z)zα
dz. (sy = z と変換)
奏理音ムイ(Vtuber) 2 / 6
したがって,
∂ℓ
t
Z
|y|=1
u1(x + ty) dσ(y) = −
Z
|z|t
|z|−(ℓ+n)
X
|α|=ℓ+1
˜
Cα∂α
u1(x + z)zα
dz
≤ t−n+1
X
|α|=ℓ+1
˜
Cα
Z
|z|t
|∂α
u1(x + z)| dz
≤ t−n+1
X
|α|=ℓ+1
˜
Cα∥∂α
u1∥L1 .
奏理音ムイ(Vtuber) 3 / 6
以上をもとに解表示の第 2 項を評価しよう.

1
t
∂t
n−3
2
tn−2
Z
|y|=1
u1(x + ty) dσ(y)
!
=
n−3
2
X
ℓ=0
Cℓtℓ+1
∂ℓ
t
Z
|y|=1
u1(x + ty) dσ(y)
(∵ n−3
2 回の微分のうち ℓ 回が積分の方にかかると,残り n−3
2 − ℓ 回の微分はす
べて t の方にかかる.t のべきは,微分によって減る分を除くと
n − 2 − n−3
2 = n−1
2 .ここに微分が n−3
2 − ℓ 回かかることになるので,最終的な t
のべきは n−1
2 − (n−3
2 − ℓ) = ℓ + 1.
)
≤
n−3
2
X
ℓ=0
Cℓtℓ+1
· t−n+1
X
|α|=ℓ+1
˜
Cα∥∂α
u1∥L1
≤ Ct− n−1
2
X
|α|≤ n−1
2
∥∂α
u1∥L1 .
奏理音ムイ(Vtuber) 4 / 6
同様にして,解表示の第 1 項も
∂t

1
t
∂t
n−3
2
tn−2
Z
|y|=1
u0(x + ty) dσ(y)
!
≤ Ct− n−1
2
X
|α|≤ n+1
2
∥∂α
u0∥L1
と評価できる.
(∵ 違いは ∂t が先頭に 1 つ付いただけで,これにより u0 にかかる最大微分回数
は 1 回多くなる.このため |α| ≤ n−1
2 の条件が |α| ≤ n+1
2 に変わっている.一方
で t のべきの部分は ∂t の追加によって(減る可能性はあっても)増えることは
ない.実際に一番悪いオーダーを取り出すと前式と同じ t− n−1
2 となる.
)
奏理音ムイ(Vtuber) 5 / 6
Case 2(0  t  1 のとき)
|u(t, x)| ≤ C ((t, x) ∈ (0, 1) × Rn
)
を示せばよい.これは解表示からただちに,

1
t
∂t
n−3
2
tn−2
Z
|y|=1
u1(x + ty) dσ(y)
!
≤
n−3
2
X
ℓ=0
Cℓtℓ+1
X
|α|=ℓ
Cαωn∥∂α
u1∥L∞
≤ C
X
|α|≤ n−3
2
∥∂α
u1∥L∞
および
∂t

1
t
∂t
n−3
2
tn−2
Z
|y|=1
u0(x + ty) dσ(y)
!
≤ C
X
|α|≤ n−1
2
∥∂α
u0∥L∞
とできるので,求める評価を得る.
奏理音ムイ(Vtuber) 6 / 6

Mais conteúdo relacionado

Semelhante a ndwave8.pdf

Introduction to the particle filter
Introduction to the particle filterIntroduction to the particle filter
Introduction to the particle filterSatoshi Minakuchi
 
パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化Miyoshi Yuya
 
20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算matsumoring
 
Similarity functions in Lucene 4.0
Similarity functions in Lucene 4.0Similarity functions in Lucene 4.0
Similarity functions in Lucene 4.0Koji Sekiguchi
 
第8章 ガウス過程回帰による異常検知
第8章 ガウス過程回帰による異常検知第8章 ガウス過程回帰による異常検知
第8章 ガウス過程回帰による異常検知Chika Inoshita
 
2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27)
2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27) 2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27)
2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27) Akira Asano
 
Rate-Distortion Function for Gamma Sources under Absolute-Log Distortion
Rate-Distortion Function for Gamma Sources under Absolute-Log DistortionRate-Distortion Function for Gamma Sources under Absolute-Log Distortion
Rate-Distortion Function for Gamma Sources under Absolute-Log Distortion奈良先端大 情報科学研究科
 
20120829_TaPL8
20120829_TaPL820120829_TaPL8
20120829_TaPL85th_person
 
Prml3.5 エビデンス近似〜
Prml3.5 エビデンス近似〜Prml3.5 エビデンス近似〜
Prml3.5 エビデンス近似〜Yuki Matsubara
 
数列の和と収束
数列の和と収束数列の和と収束
数列の和と収束政孝 鍋島
 

Semelhante a ndwave8.pdf (20)

Introduction to the particle filter
Introduction to the particle filterIntroduction to the particle filter
Introduction to the particle filter
 
linhyp.pdf
linhyp.pdflinhyp.pdf
linhyp.pdf
 
パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化
 
20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算
 
確率解析計算
確率解析計算確率解析計算
確率解析計算
 
Similarity functions in Lucene 4.0
Similarity functions in Lucene 4.0Similarity functions in Lucene 4.0
Similarity functions in Lucene 4.0
 
離散構造と離散分布
離散構造と離散分布離散構造と離散分布
離散構造と離散分布
 
Prml07
Prml07Prml07
Prml07
 
第8章 ガウス過程回帰による異常検知
第8章 ガウス過程回帰による異常検知第8章 ガウス過程回帰による異常検知
第8章 ガウス過程回帰による異常検知
 
2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27)
2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27) 2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27)
2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27)
 
ndwave5.pdf
ndwave5.pdfndwave5.pdf
ndwave5.pdf
 
Rate-Distortion Function for Gamma Sources under Absolute-Log Distortion
Rate-Distortion Function for Gamma Sources under Absolute-Log DistortionRate-Distortion Function for Gamma Sources under Absolute-Log Distortion
Rate-Distortion Function for Gamma Sources under Absolute-Log Distortion
 
ndwave1.pdf
ndwave1.pdfndwave1.pdf
ndwave1.pdf
 
関数列の極限
関数列の極限関数列の極限
関数列の極限
 
関数列の極限
関数列の極限関数列の極限
関数列の極限
 
20120829_TaPL8
20120829_TaPL820120829_TaPL8
20120829_TaPL8
 
Prml3.5 エビデンス近似〜
Prml3.5 エビデンス近似〜Prml3.5 エビデンス近似〜
Prml3.5 エビデンス近似〜
 
JSIAM_2019_9_4
JSIAM_2019_9_4JSIAM_2019_9_4
JSIAM_2019_9_4
 
数列の和と収束
数列の和と収束数列の和と収束
数列の和と収束
 
数列の和と収束
数列の和と収束数列の和と収束
数列の和と収束
 

ndwave8.pdf

  • 1. Theorem 5 の証明(n が 3 以上の奇数のとき) Case 1(t ≥ 1 のとき) |u(t, x)| ≤ Ct− n−1 2 ((t, x) ∈ [1, ∞) × Rn ) を示せばよい.解表示(Theorem 1) u(t, x) = 1 (n − 2)!!ωn " ∂t 1 t ∂t n−3 2 tn−2 Z |y|=1 u0(x + ty) dσ(y) ! + 1 t ∂t n−3 2 tn−2 Z |y|=1 u1(x + ty) dσ(y) !# を思い出そう.この右辺を評価する. 奏理音ムイ(Vtuber) 1 / 6
  • 2. ℓ = 0, . . . , n−3 2 に対して, ∂ℓ t Z |y|=1 u1(x + ty) dσ(y) = Z |y|=1 X |α|=ℓ Cα∂α u1(x + ty)yα dσ(y) (α : multi-index) = − Z |y|=1 Z ∞ t d ds X |α|=ℓ Cα∂α u1(x + sy)yα dsdσ(y) = − Z |y|=1 Z ∞ t X |α|=ℓ+1 ˜ Cα∂α u1(x + sy)yα dsdσ(y) = − Z |y|=1 Z ∞ t s−(ℓ+n) X |α|=ℓ+1 ˜ Cα∂α u1(x + sy)(sy)α sn−1 dsdσ(y) = − Z |z|t |z|−(ℓ+n) X |α|=ℓ+1 ˜ Cα∂α u1(x + z)zα dz. (sy = z と変換) 奏理音ムイ(Vtuber) 2 / 6
  • 3. したがって, ∂ℓ t Z |y|=1 u1(x + ty) dσ(y) = − Z |z|t |z|−(ℓ+n) X |α|=ℓ+1 ˜ Cα∂α u1(x + z)zα dz ≤ t−n+1 X |α|=ℓ+1 ˜ Cα Z |z|t |∂α u1(x + z)| dz ≤ t−n+1 X |α|=ℓ+1 ˜ Cα∥∂α u1∥L1 . 奏理音ムイ(Vtuber) 3 / 6
  • 4. 以上をもとに解表示の第 2 項を評価しよう. 1 t ∂t n−3 2 tn−2 Z |y|=1 u1(x + ty) dσ(y) ! = n−3 2 X ℓ=0 Cℓtℓ+1 ∂ℓ t Z |y|=1 u1(x + ty) dσ(y) (∵ n−3 2 回の微分のうち ℓ 回が積分の方にかかると,残り n−3 2 − ℓ 回の微分はす べて t の方にかかる.t のべきは,微分によって減る分を除くと n − 2 − n−3 2 = n−1 2 .ここに微分が n−3 2 − ℓ 回かかることになるので,最終的な t のべきは n−1 2 − (n−3 2 − ℓ) = ℓ + 1. ) ≤ n−3 2 X ℓ=0 Cℓtℓ+1 · t−n+1 X |α|=ℓ+1 ˜ Cα∥∂α u1∥L1 ≤ Ct− n−1 2 X |α|≤ n−1 2 ∥∂α u1∥L1 . 奏理音ムイ(Vtuber) 4 / 6
  • 5. 同様にして,解表示の第 1 項も ∂t 1 t ∂t n−3 2 tn−2 Z |y|=1 u0(x + ty) dσ(y) ! ≤ Ct− n−1 2 X |α|≤ n+1 2 ∥∂α u0∥L1 と評価できる. (∵ 違いは ∂t が先頭に 1 つ付いただけで,これにより u0 にかかる最大微分回数 は 1 回多くなる.このため |α| ≤ n−1 2 の条件が |α| ≤ n+1 2 に変わっている.一方 で t のべきの部分は ∂t の追加によって(減る可能性はあっても)増えることは ない.実際に一番悪いオーダーを取り出すと前式と同じ t− n−1 2 となる. ) 奏理音ムイ(Vtuber) 5 / 6
  • 6. Case 2(0 t 1 のとき) |u(t, x)| ≤ C ((t, x) ∈ (0, 1) × Rn ) を示せばよい.これは解表示からただちに, 1 t ∂t n−3 2 tn−2 Z |y|=1 u1(x + ty) dσ(y) ! ≤ n−3 2 X ℓ=0 Cℓtℓ+1 X |α|=ℓ Cαωn∥∂α u1∥L∞ ≤ C X |α|≤ n−3 2 ∥∂α u1∥L∞ および ∂t 1 t ∂t n−3 2 tn−2 Z |y|=1 u0(x + ty) dσ(y) ! ≤ C X |α|≤ n−1 2 ∥∂α u0∥L∞ とできるので,求める評価を得る. 奏理音ムイ(Vtuber) 6 / 6