Submit Search
Upload
ndwave7.pdf
•
0 likes
•
4 views
M
MuiKanarine
Follow
Pointwise estimates of solutions to the wave equation (in Japanese)
Read less
Read more
Science
Report
Share
Report
Share
1 of 4
Download now
Download to read offline
Recommended
ndwave4.pdf
ndwave4.pdf
MuiKanarine
ndwave6.pdf
ndwave6.pdf
MuiKanarine
linhyp.pdf
linhyp.pdf
MuiKanarine
ndwave1.pdf
ndwave1.pdf
MuiKanarine
ndwave5.pdf
ndwave5.pdf
MuiKanarine
ndwave10.pdf
ndwave10.pdf
MuiKanarine
ndwave8.pdf
ndwave8.pdf
MuiKanarine
ndwave3.pdf
ndwave3.pdf
MuiKanarine
Recommended
ndwave4.pdf
ndwave4.pdf
MuiKanarine
ndwave6.pdf
ndwave6.pdf
MuiKanarine
linhyp.pdf
linhyp.pdf
MuiKanarine
ndwave1.pdf
ndwave1.pdf
MuiKanarine
ndwave5.pdf
ndwave5.pdf
MuiKanarine
ndwave10.pdf
ndwave10.pdf
MuiKanarine
ndwave8.pdf
ndwave8.pdf
MuiKanarine
ndwave3.pdf
ndwave3.pdf
MuiKanarine
Similarity functions in Lucene 4.0
Similarity functions in Lucene 4.0
Koji Sekiguchi
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第7回 2階線形微分方程式(1) (2014. 11. 6)
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第7回 2階線形微分方程式(1) (2014. 11. 6)
Akira Asano
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第8回 2階線形微分方程式(2) (2014. 11. 13)
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第8回 2階線形微分方程式(2) (2014. 11. 13)
Akira Asano
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
量子アニーリングを用いたクラスタ分析
量子アニーリングを用いたクラスタ分析
Shu Tanaka
Deep learning _linear_algebra___probablity___information
Deep learning _linear_algebra___probablity___information
takutori
ディジタル信号処理の課題解説
ディジタル信号処理の課題解説
noname409
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
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
hirokazutanaka
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第5回 微分方程式とは,変数分離形 (2014. 10. 23)
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第5回 微分方程式とは,変数分離形 (2014. 10. 23)
Akira Asano
2015年度秋学期 応用数学(解析) 第5回 微分方程式とは・変数分離形 (2015. 10. 29)
2015年度秋学期 応用数学(解析) 第5回 微分方程式とは・変数分離形 (2015. 10. 29)
Akira Asano
2015年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2015. 11. 12)
2015年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2015. 11. 12)
Akira Asano
2015年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2015. 11. 19)
2015年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2015. 11. 19)
Akira Asano
公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理
Joe Suzuki
公開鍵暗号2: NP困難性
公開鍵暗号2: NP困難性
Joe Suzuki
ディジタル信号処理の課題解説 その3
ディジタル信号処理の課題解説 その3
noname409
PRML 1.6 情報理論
PRML 1.6 情報理論
sleepy_yoshi
080 統計的推測 検定
080 統計的推測 検定
t2tarumi
コンピュータービジョン最先端ガイド2 3.4ベクトルデータに対するカーネル法(SVM)
コンピュータービジョン最先端ガイド2 3.4ベクトルデータに対するカーネル法(SVM)
Takahiro (Poly) Horikawa
積分と漸化式
積分と漸化式
政孝 鍋島
More Related Content
Similar to ndwave7.pdf
Similarity functions in Lucene 4.0
Similarity functions in Lucene 4.0
Koji Sekiguchi
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第7回 2階線形微分方程式(1) (2014. 11. 6)
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第7回 2階線形微分方程式(1) (2014. 11. 6)
Akira Asano
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第8回 2階線形微分方程式(2) (2014. 11. 13)
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第8回 2階線形微分方程式(2) (2014. 11. 13)
Akira Asano
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
量子アニーリングを用いたクラスタ分析
量子アニーリングを用いたクラスタ分析
Shu Tanaka
Deep learning _linear_algebra___probablity___information
Deep learning _linear_algebra___probablity___information
takutori
ディジタル信号処理の課題解説
ディジタル信号処理の課題解説
noname409
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
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
hirokazutanaka
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第5回 微分方程式とは,変数分離形 (2014. 10. 23)
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第5回 微分方程式とは,変数分離形 (2014. 10. 23)
Akira Asano
2015年度秋学期 応用数学(解析) 第5回 微分方程式とは・変数分離形 (2015. 10. 29)
2015年度秋学期 応用数学(解析) 第5回 微分方程式とは・変数分離形 (2015. 10. 29)
Akira Asano
2015年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2015. 11. 12)
2015年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2015. 11. 12)
Akira Asano
2015年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2015. 11. 19)
2015年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2015. 11. 19)
Akira Asano
公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理
Joe Suzuki
公開鍵暗号2: NP困難性
公開鍵暗号2: NP困難性
Joe Suzuki
ディジタル信号処理の課題解説 その3
ディジタル信号処理の課題解説 その3
noname409
PRML 1.6 情報理論
PRML 1.6 情報理論
sleepy_yoshi
080 統計的推測 検定
080 統計的推測 検定
t2tarumi
コンピュータービジョン最先端ガイド2 3.4ベクトルデータに対するカーネル法(SVM)
コンピュータービジョン最先端ガイド2 3.4ベクトルデータに対するカーネル法(SVM)
Takahiro (Poly) Horikawa
積分と漸化式
積分と漸化式
政孝 鍋島
Similar to ndwave7.pdf
(20)
Similarity functions in Lucene 4.0
Similarity functions in Lucene 4.0
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第7回 2階線形微分方程式(1) (2014. 11. 6)
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第7回 2階線形微分方程式(1) (2014. 11. 6)
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第8回 2階線形微分方程式(2) (2014. 11. 13)
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第8回 2階線形微分方程式(2) (2014. 11. 13)
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
量子アニーリングを用いたクラスタ分析
量子アニーリングを用いたクラスタ分析
Deep learning _linear_algebra___probablity___information
Deep learning _linear_algebra___probablity___information
ディジタル信号処理の課題解説
ディジタル信号処理の課題解説
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
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第5回 微分方程式とは,変数分離形 (2014. 10. 23)
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第5回 微分方程式とは,変数分離形 (2014. 10. 23)
2015年度秋学期 応用数学(解析) 第5回 微分方程式とは・変数分離形 (2015. 10. 29)
2015年度秋学期 応用数学(解析) 第5回 微分方程式とは・変数分離形 (2015. 10. 29)
2015年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2015. 11. 12)
2015年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2015. 11. 12)
2015年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2015. 11. 19)
2015年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2015. 11. 19)
公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理
公開鍵暗号2: NP困難性
公開鍵暗号2: NP困難性
ディジタル信号処理の課題解説 その3
ディジタル信号処理の課題解説 その3
PRML 1.6 情報理論
PRML 1.6 情報理論
080 統計的推測 検定
080 統計的推測 検定
コンピュータービジョン最先端ガイド2 3.4ベクトルデータに対するカーネル法(SVM)
コンピュータービジョン最先端ガイド2 3.4ベクトルデータに対するカーネル法(SVM)
積分と漸化式
積分と漸化式
ndwave7.pdf
1.
波動方程式の解の各点評価 n ≥ 1
とし,空間 n 次元の波動方程式の初期値問題を考える. ∂2 u ∂t2 (t, x) − ∆u(t, x) = 0, (t, x) ∈ Rn+1 , u(0, x) = u0(x), ∂u ∂t (0, x) = u1(x), x ∈ Rn . (1) Theorem 5 (各点評価) 初期値は u0 ∈ C[n 2 ]+2 (Rn ), u1 ∈ C[n 2 ]+1 (Rn ) をみたし(Theorems 1,2 の仮定) , さらに台がコンパクト: ∃R > 0 s.t. supp u0, supp u1 ⊂ {x ∈ Rn ; |x| < R} であるとする.このとき,ある定数 C = C(n, R, u0, u1) > 0 が存在して,初期値 問題 (1) の解 u ∈ C2 (R1+n ) は,任意の (t, x) ∈ [0, ∞) × Rn に対し次の評価をみ たす. (i) n が奇数のとき,|u(t, x)| ≤ C(1 + t)− n−1 2 ; (ii) n が偶数のとき,|u(t, x)| ≤ C(1 + t)− n−1 2 (1 + |t − |x||)− n−1 2 . 奏理音ムイ(Vtuber) 1 / 4
2.
注意:定数の初期値への依存性 定理の主張に現れる定数 C(n, R,
u0, u1) はより具体的には n = 1 のとき, C(n, R, u0, u1) = ∥u0∥L∞ + 1 2 ∥u1∥L1 . n が 3 以上の奇数のとき, C(n, R, u0, u1) = C(n) ( ∥u0∥ W n+1 2 ,1 + ∥u0∥ W n−1 2 ,∞ + ∥u1∥ W n−1 2 ,1 + ∥u1∥ W n−3 2 ,∞ ) . n が偶数のとき, C(n, R, u0, u1) = C(n, R) ( ∥u0∥ W n+2 2 ,1 + ∥u0∥W n 2 ,∞ + ∥u1∥W n 2 ,1 + ∥u1∥ W n−2 2 ,∞ ) . の形で与えられる.偶数次元では定数は R にも依存するが,結論を弱めて |u(t, x)| ≤ C(1 + t)− n−1 2 の形の評価にすると定数 C は R に独立にとることができる. 奏理音ムイ(Vtuber) 2 / 4
3.
注意:偶数次元での各点評価の意味 偶数次元での各点評価 |u(t, x)| ≤
C(1 + t)− n−1 2 (1 + |t − |x||)− n−1 2 より,|x| が t に比べて十分小さいとき,解 u の大きさも小さくなることを意味 している. 偶数次元では Huygens の原理は成立しないので,解の台については Theorem 3 で得られた supp u(t, ·) ⊂ {x ∈ Rn ; |x| < t + R} より詳しいことは一般には分からない.しかし,上の評価から,台の内側に行く ほど |u(t, x)| が小さくなることが分かる. 奏理音ムイ(Vtuber) 3 / 4
4.
Theorem 5 の証明:n
= 1 の場合 まず n = 1 の場合を考える.この場合は d’Alembert の公式より,解 u は u(t, x) = 1 2 (u0(x + ct) + u0(x − ct)) + 1 2 ∫ x+ct x−ct u1(y) dy で与えられる.これよりただちに, |u(t, x)| ≤ 1 2 (∥u0∥L∞ + ∥u0∥L∞ ) 1 2 ∫ ∞ −∞ |u1(y)| dy ≤ ∥u0∥L∞ + 1 2 ∥u1∥L1 となり,C = ∥u0∥L∞ + 1 2 ∥u1∥L1 とおけば |u(t, x)| ≤ C ((t, x) ∈ [0, ∞) × Rn ). これより結論を得る. 奏理音ムイ(Vtuber) 4 / 4
Download now