Caffarelli 关于自由边界正则性的论文C1
Caffarelli 关于自由边界正则性的论文
接下来主要想叙述一下Caffarelli的C1文章中的一些想法,这是最近这几天看的文献。 对于从自由边界的Lipschitz正则性到$C^{1,\alpha}$正则性,Caffarelli有一套自己的基于Harnack不等式的几何方法。
对于一个Lipschitz函数,直观上来讲就是函数图像上每点都存在一个一致大小的双边锥,而Caffarelli采用了一种等价几何刻画,即图像上每点都存在一个一致大小的单边锥,而这个关于Lipschitz函数的等价描述,在后来定理的证明过程中一次一次的反复用到。
从$Lipschitz$到$C^{1,\alpha}$这一正则性提升来看,如果对于类似于非参数极小方程的解来讲,它就对应着$De Giorgi$定理。而对应于自由边界来讲,Caffarelli基于对$De Giorgi$定理的几何理解,给出了如何证明自由边界正则性一套方法。直观上来讲,就是在$Lipschitz$函数的每一点如果放一个固定大小的锥$\Gamma(e,\theta)$,而如果可以在把锥的法线方向扰动一点点的情形下,可以放一个开口更大的锥$\Gamma(\overline{e},\overline{\theta})$,且$\overline{\theta}=\theta+\delta(\frac{\pi}{2}-\alpha)$,然后在迭代一下去,最后就得到了$C^{1,\alpha}$正则性。
以上是关键的迭代技术。但是如何才能把锥的开口能打开一个固定的比例了?这就是Caffarelli的厉害之处,高维的情形,别人到$Lipschitz$就做不动了,而Caffarelli解决了这个问题。
步骤:
(1) 比如说在$\{u>0\}$内,由调和函数的到边$Harnack$可知,在每点处都有一个单调锥。 而后找到一个点,梯度不为$0$,通过计算可以的处,此点的一个小球内的单调锥可以向之前提到的那样,开口会打开一些。
(2)而后通过构造一系列下解,用连续性方法把把(1)的信息传递到边界去。这样在$B_{\frac{1}{2}}$内,其内部的自由点的单调锥开口都能够扩大一些。
(3)最后迭代(1)、(2),就得到了$F(u)$的正则性了。
暂时先这样,过会儿再写。
Caffarelli 关于自由边界正则性的论文C1的更多相关文章
- 关于CC的完全非线性椭圆方程一书的一些小结
CC的整本书主要是想要研究在粘性解的框架下的一致椭圆方程解的正则性.我们试着一章一章来解析他. 序言部分也是值得每一个字细读的,主要讲述了他们的工作的主要内容,即在粘性解的框架下研究解的正则性,需要特 ...
- 学习GT一书前九章的体会
学习Gilbarg和Trudinger一书前九章的体会 本书第二章,调和函数的基本性质进行展示.特别的对比较定理有深刻的阐述以及Perron方法的基本说明,并对Wiener准则作了简要说明. 第三章的 ...
- VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION 这篇论文
由Andrew Zisserman 教授主导的 VGG 的 ILSVRC 的大赛中的卷积神经网络取得了很好的成绩,这篇文章详细说明了网络相关事宜. 文章主要干了点什么事呢?它就是在在用卷积神经网络下, ...
- cv 论文(CNN相关)
最近发现很多以前看的论文都忘了,所以想写点东西来整理下之前的paper,paper主要是cv(computer vision)方向的. 第一篇:Gradient-based learning appl ...
- Kintinuous 相关论文 Volume Fusion 详解
近几个月研读了不少RGBD-SLAM的相关论文,Whelan的Volume Fusion系列文章的效果确实不错,而且开源代码Kintinuous结构清晰,易于编译和运行,故把一些学习时自己的理解和经验 ...
- [Inside HotSpot] C1编译器HIR的构造
1. 简介 这篇文章可以说是Christian Wimmer硕士论文Linear Scan Register Allocation for the Java HotSpot™ Client Compi ...
- [Inside HotSpot] C1编译器工作流程及中间表示
1. C1编译器线程 C1编译器(aka Client Compiler)的代码位于hotspot\share\c1.C1编译线程(C1 CompilerThread)会阻塞在任务队列,当发现队列有编 ...
- 论文笔记【三】A Deep Dive into Word Sense Disambiguation with LSTM
深入理解LSTM词义消歧 Minh Le,Marten Postma,Jacopo Urbani和Piek Vossen 阿姆斯特丹自由大学语言,文学和传播系 阿姆斯特丹自由大学计算机科学系 摘要 基 ...
- 论文阅读(XiangBai——【AAAI2017】TextBoxes_A Fast Text Detector with a Single Deep Neural Network)
XiangBai——[AAAI2017]TextBoxes:A Fast Text Detector with a Single Deep Neural Network 目录 作者和相关链接 方法概括 ...
随机推荐
- Pandas的可视化操作(利用pandas得到图表)
基本折线图 Series和DataFrame上的这个功能只是使用matplotlib库的plot()方法的简单包装实现. 举个例子 import pandas as pd import numpy a ...
- [js]ajax-异源请求jsonp
参考: http://www.cnblogs.com/whatisfantasy/p/6237713.html http://www.cnblogs.com/freely/p/6690804.html ...
- React时间组件(时分秒补0)页面全局引用
1.common.js export function formatTime(data){ var d = new Date(data); function doTime(d){ if(d<10 ...
- 10.4 再探迭代器-插入/IO/反向
10.4.1 插入迭代器 插入迭代器接受一个容器,生成一个迭代器,通过向该迭代器赋值可以实现向容器添加元素 (1)back_inserter: 接受一个参数, 示例: auto iter = back ...
- python使用grpc调用rpc接口
proto文件: syntax = "proto3"; package coupon; // //message UnsetUseC2URequest { // int64 bid ...
- laravel----------如何优化laravel框架
1.关闭debug (打开.env文件,把debug设置为false.) 2.缓存路由和配置(清除:php artisan config:clear php artisan route:clear ...
- [macOS] keychain的跳坑之旅!git拉取的权限问题
故事背景,svn与git各有长处,不过git大势所趋吧,那就搞搞.git的服务端,是基于phabricator搭建的,关于它的资料自行google就好了.其实之前运维已经搭好了phabricator了 ...
- Analysis of FCN
全卷积网络 FCN 详解 背景 CNN能够对图片进行分类,可是怎么样才能识别图片中特定部分的物体,在2015年之前还是一个世界难题.神经网络大神Jonathan Long发表了<Fully ...
- Python基础(三)文件操作
[对文件进行循环操作] fw = open('nhy','w') for line in fw: print('line:',line) #直接循环文件对象,每次循环的时候就是取每一行的数据 fw ...
- 一次Webservice请求的流程