附录A

附录A

标签（空格分隔）： Evens PDE

---

APPENDIX A：NOTATION

A.1. 矩阵(Notation for matrices)

1. 我们用$A=((a_{ij}))$ 表示$m\times n$阶矩阵$A$,其中$a_{ij}$为第$(i,j)^{th}$个元素。对角矩阵表示为$diag(d_i,..., d_n).$
2. $\mathbb M^{m\times n}$表示实$m\times n$阶矩阵空间，$\mathbb S^n$表示$n\times n$矩阵空间。
3. $trA=$矩阵$A$的迹(trace)。
4. $detA=$矩阵$A$的行列式(determinant)。
5. $A^T=$矩阵$A$的转置(transpose)。
6. $cofA=$矩阵$A$的代数余子式(cofactor)。

7. 若$A=((a_{ij}))$和 $B=((b_{ij}))$ 为$m\times n$矩阵，则有：

   $$\begin{equation*}A:B=\sum_{i=1}^m\sum_{j=1}^na_{ij}b_{ij} \end{equation*}$$
   $$|A|=(A:A)^{\frac 12}=\Big(\sum_{i=1}^m\sum_{j=1}^na_{ij}^2\Big)^{\frac 12}$$

8. 若$A\mathbb\in S^n,x=(x_1,...,x_n)\in \mathbb R^n$则相应的二次方程为$x\cdot Ax=\sum_{i,j=1}^na_{ij}x_ix_j$。

9. 若$A,B\in \mathbb S^n$,$A\ge B$表示$A-B$半正定的。特别地，若$x\cdot Ax\ge \theta |x|^2,$for all $x\in \mathbb R^n$则记为$A\ge \theta I$
   有时候$yA$表示$A^Ty$,$A\in \mathbb M^{m\times n}$和$y\in \mathbb R^m$

---

A.2. 几何符号(Geometric notation)

1. $\mathbb R^n=n-$维实欧几里得空间(Euclidean speace),$\mathbb R^1=\mathbb R$
2. $e_i=(0,...,0,1,...,0)=i^{th}$标准坐标向量。
3. $\mathbb R^n$中点$x=(x_1,...,x_n)$,我们根据上下文判断是行向量还是列向量。
4. $\mathbb R_+^n=\{x=(x_1,...,x_n)\in \mathbb R^n|x_n>0 \}=$开上半空间(open upper half-space),特别$\mathbb R_+=\{x\in R|x>0\}$
5. $\mathbb R^{n+1}$中的点经常表示为$(x,t)=(x_1,...,x_n,t)$将t解释为时间$t=x_{n+1}=time$，$\mathbb R^n$中点也写作$x=(x^\prime,x_n)$其中$x^\prime=(x_1,...,x_{n-1})\in \mathbb R^{n-1}$
6. $U,V,W$经常表示$\mathbb R^n$的开子集，$V\subset \subset U$表示$V\subset \overline V\subset U$，其中$\overline V$为紧致的(compact)，说$V$紧致地包含于$U$
7. $\partial U=U$的边界，$\overline U=U\cup \partial U$表示$U$的闭包(closure)。
8. $U_T=U\times (0,T]$
9. $\Gamma_T=\bar U_T-U_T=U_T$的抛物线边界(parabolic boundary)
10. $B(x,r)=\{y\in \mathbb R^n\vert |x-y|\le r\}\mathbb ,R^n$中$x$为心，$r>0$为半径的闭球。开球为$B^0(x,r)$
11. $C(x,t;r)=\{y\in \mathbb R^n,s\in \mathbb R||x-y|\le r,t-r^2\le s\le t\}=$闭圆柱(cylinder)，底为以$(x,t)$为心$r>0$为半径的圆，高为$r^2$
12. $\alpha(n)=\mathbb R^n$中单位球$B(0,1)$的体积$=\frac {\pi^{n/2}}{\Gamma (\frac n2+1)}$,$n\alpha(n)=\mathbb R^n$中单位球面$\partial B(0,1)$的表面积。
13. 若$a=(a_1,...,a_n),b=(b_1,...,b_n)\in \mathbb R^n$ $$a\cdot b=\sum_{i=1}^na_ib_i,|a|=\left(\sum_{i=1}^na^2_i\right)^\frac 12$$
14. $\mathbb C^n=n-$维复空间，$\mathbb C$为复平面。若$z\in \mathbb C$,则$Re(z)$表示$z$的实部$Im(z)$表示$z$的虚部。

---

A.3. 函数的记号(Notation for functions)

1. 若$u:U\to \mathbb R$，记作 $$u(x)=u(x_1,...,x_n),(x\in U)$$ 当$u$为无限可微时，称$u$为光滑的。
2. 若$u,v$为两个函数，$u\equiv v$表示$u$和$v$完全相等，也就是对于任意参数他们的值相等。$u:=v$定义等于$v$的$u$.函数$u$的支集(support)记为$spt\ u$。
3. $u^+=max(u,0),u^-=-min(u,0)$则,$u=u^+-u^-,|u|=u^++u^-$。符号函数： $$sgn(x)=\begin{cases}1&\text{if $x>0$ }\\ 0&\text{if $x=0$ }\\-1&\text{if $x>0$ }\end{cases}.$$
4. 若$\mathbf u:U\to \mathbb R^m$则记为 $$\mathbf u(x)=(u^1(x),...,u^m(x))~~~~~~x\in U$$ ，函数$u^k$是的$\mathbf u$第$k$个分量。
5. 若$\Sigma$是$\mathbb R^n$中光滑的$(n-1)-$维曲面($surface$)，则 $$\int_\Sigma fdS$$ 表示$\Sigma$上$f$的$(n-1)-$维曲面积分。若$C$为$\mathbb R^n$中曲线(curve), $$\int_Cfdl$$ 表示$f$在$C$上的关于弧长(arclength)的积分。
6. 平均值: $$\int^*_{B(x,r)}fdy:=\frac{1}{\alpha(n)r^{n}}\int_{\partial{B(x,r)}}fdS=$$ $f$在球$B(x,r)$上的平均值。 $$\int^*_{B(x,r)}fdS:=\frac{1}{n\alpha(n)r^{n-1}}\int_{\partial{B(x,r)}}fdS=$$ $f$在球面$\partial B(x,r)$上的平均值。一般地， $$\int^*_{E}fd\mu:=\frac{1}{\mu(E)}\int_{\partial{E}}fd\mu=$$ $f$在集$E$上的平均值。
7. $\chi_E(x)=\begin{cases}1&\text{if$~x\in E$}\\0&\text{if$~x\notin E$}\end{cases},\chi_E(x)$是$E$的指标函数(示性函数indicator function)。
8. 函数$u:U\to \mathbb R$称为利普希茨连续的(Lipschitz continuous)，若： $$|u(x)-u(y)|\leq C|x-y|$$ 对于常数$C$和任意的$x,y\in U$成立，记
   $$Lip[u]:=\sup\limits_{\substack{x,y\in U\\ x\neq y}}\frac{|u(x)-u(y)|}{|x-y|}$$
9. 函数$f,g$的卷积(convolution)记为：$f*g$.
   

   ---

导数的记号(Notation for derivatives)

假设$u:U\to \mathbb R，x\in U$.

1. $\frac{\partial u}{\partial x_i}=lim_{h\to 0}\frac{u(x+he_i)-u(x)}{h}$provided this limit exists.
2. 将$\frac{\partial u}{\partial x_i}$记为$u_{x_i}$.
3. 类似地$\frac{\partial^2u}{\partial x_i\partial y_j}=u_{x_iy_j}$,$\frac{\partial^3u}{\partial x_i\partial y_j\partial z_k}=u_{x_iy_jz_k}$,ect.
4. Multiindex Notation
   (1). 向量$\alpha =(\alpha_1,...,\alpha_n)$其中$\alpha_i$是非负整数称为有序多重指标(multiindex of order): $$|\alpha|=\alpha_1+\cdots+\alpha_n.$$
   (2). 给定一个多重指标$\alpha$，定义：
   $$D^{\alpha}u(x):=\frac{\partial^{|\alpha|}u(x)}{\partial x^{\alpha_1}_1\cdots\partial x^{\alpha_n}_n}=\partial ^{\alpha_1}_{x_1}\cdots\partial^{\alpha_n}_{x_n}u.$$
   (3). 若$k$为一个非负整数，则 $$D^{k}u(x)=\{D^{\alpha}u(x)||\alpha|=k\},$$ 所有$k$阶偏微分的集合。设定某种规则，我们将$D^ku(x)$看做$\mathbb R^{n^k}$中的点。
   (4). $|D^ku|：=\left(\sum_{|\alpha|=k}|D^{\alpha}u|^2\right)^{\frac 12}$
   (5). 特例：若$k=1$,$Du$中元素可以组成如下梯度向量(gradient vector): $$Du:=(u_{x_1},\cdots,u_{x_n})=gradient~ vector.$$ 从而$Du\in \mathbb R^n$，$u$的径向导数(radial derivative): $$u_r:=\frac{x}{|x|}\cdot Du$$
   若$k=$则$D^2u$中元素可 组成如下Hessian矩阵 $$D^2u:=\begin{pmatrix}u_{x_1x_1}&\cdots&u_{x_1x_n}\\ &\ddots &\\u_{x_nx_1}&\cdots&u_{x_nx_n}\end{pmatrix}_{n\times n}=Hessian matrix.$$ 因此$D^2u\in\mathbb S^n$$n\times n$阶实对称(symmetric)矩阵空间.
5. $\Delta u=\sum_{i=1}^nu_{x_ix_i}=tr(D^2u)=Laplacian~of~u.$
6. $u=u(x,y)(x\in \mathbb R^n,y\in \mathbb R^m)$then,$D_xu=(u_{x_1},\cdots,u_{x_n}),D_yu=(u_{y_1},\cdots,u_{y_m})$

---

函数空间(Function spaces)
1. $C(U)=\{u:U\to \mathbb R|u~continuous\}.$$C(\bar U)=\{u\in C(U)|u\text{ is uniformly continuous on bounded subsets of }U\}$
$C^k(U)=\{u:U\to \mathbb R|u\text{ is $k$-times continously differentiable}\}.$
$C^k(\bar U)=\{u:U\in C^k(U)|D^\alpha u\text{ isuniformly continous on bounded subsets of $U$,for all $|\alpha|\le k$ }\}$若$u\in C^k(\bar U)$，$D^\alpha$对于每个多重指标$\alpha,|\alpha|\le k$连续趋向于$\bar U.$
2. $C^\infty (U)=\{u:U\to\mathbb R|u\text{是无限可微的}\}=\cap_{k=0}^\infty C^k(U)$同样地$C^\infty(\bar U)=\cap_{k=0}^\infty C^k(\bar U)$。
3. $C_c(U),C_c^k(U)$代表拥有紧支集(compact support)的$C(U),C^k(U)$
4. $L^p(U)=\{u:U\to \mathbb R|u\text{是勒贝格可测(Lebesgue measurable)的},\Vert{u}\Vert_{L^p(U)}:=<\infty \}$其中$\Vert{u}\Vert_{L^p(U)}:=\left(\int_U|u|^pdx\right)^{\frac 1p}$ $(1\le p<\infty).$
$L^\infty(U)=\{u:U\to \mathbb R|u\text{是勒贝格可测(Lebesgue measurable)的},\Vert{u}\Vert_{L^\infty(U)}:=<\infty \}$其中$\Vert{u}\Vert_{L^\infty(U)}:=ess\sup_U|U|$
$L^p_{loc}(U)=\{u:\to\mathbb R|u\in L^p(V),V\subset\subset U\}.$See also $\S$D.1.
5. $\Vert Du\Vert_{L^p(U)}=\Vert |Du|\Vert_{L^p(U)}$,$\Vert D^2u\Vert_{L^p(U)}=\Vert |D^2u|\Vert_{L^p(U)}$
6. $W^{k,p}(U),H^k(U),ect.(k=0,1,2,...,1\le p\le \infty)$代表索伯列夫空间(Sobolec spaces)see Chapter 5.
7. $C^{k,\beta}(\bar U)(k=0,...,0<\beta\le 1)$代表$H\ddot older$空间.
8. $t和x$的函数。有时候引入的$x$-和$t$-变量函数空间是有益的，尽管没有标准的记号，我们在书中有

$$C^2_1(U_T)=\{u:\to\mathbb R|u,D_xu,D_x^2u,u_t\in C(U_T)\}$$
9. In particular, if $u\in C^2_1(U_T)$, then $u,D_xu$, etc. are continuous up to
the top $U\times{t=T}$.

---

A.4. 向量值函数(Vector-vlued functions)

1. 若$m>1,\mathbf u:U\to \mathbb R^m,\mathbf u=(u^1,...,u^m),$对于多重指标$\alpha$我们定义$D^\alpha\mathbf u=(D^\alpha u^1,...,D^\alpha u^m).$从而， $$D^k\mathbf u=\{D^\alpha\mathbf u||\alpha|=k\}$$ and $$|D^k\mathbf u|:=\left(\sum_{|\alpha|=k}|D^\alpha\mathbf u|^2\right)^{\frac 12}$$
2. $k=1$, $$D\mathbf u:=\begin{pmatrix}u^1_{x_1}&\cdots&u^1_{x_n}\\\vdots&\ddots&\vdots\\u^m_{x_1}&\cdots&u^m_{x_n}\end{pmatrix}_{m\times n}=gradient~matrix.$$
3. 当$m=n$,$div\mathbf u:=tr(D\mathbf u)=\sum\limits_{i=1}^nu^i_{x_i}=divergence(散度) of~\mathbf u$
4. 空间$C(U;\mathbb R^m),L^p(U;\mathbb R^m),ect.$包含如下函数：$\mathbf u:U\to \mathbb R^m,\mathbf u=(u^1,...,u^m),with~u^i\in C(U),L^p(U),ect.(i=1,...,m)$
   5.关于上标和下标的说明：我们用粗体(boldface)表示在$\mathbb R^m,m>1(\text{or else Banach or Hilbert spaces})$上取值的函数，这种映射中函数的分量使用上标(superscripts)表示,而点$x\in \mathbb R$的分量则用下标(subscripts)表示。对于矩阵值映射上下标根据上下文确定。

---

A.5. 估量的记号(Notation for estimates.)

$C$表示常量。
Definitions.
(Big-oh notation.)$f=O(g)~~as~x\to x_0$表示，存在常数$C$使得$|f(x)\le C|g(x)||$对所有$x$充分接近$x_0.$
(Little-oh notation.)$f=o(g)~~as~x\to x_0$表示，$\lim\limits_{x\to x_0}\frac{f(x)}{g(x)}=0.$

---

A.6.一些注释(Some comments about notation.)

1. 我们使用符号”$Du$”而不是”$\nabla u$”来表示函数$u$的梯度，因为”D^2u”很自然地表示$u$的Hessian矩阵,而”$\nabla ^2u$”会和Laplacian混淆。
2. 大多偏微分方程方面的数书籍和文章用“$\Omega$”表示$\mathbb R^n$的使得所给PDE成立的开子集。
   我们使用符号$U$来表示上述区域，因为我们可以使用字母$V,W$代表$U$子区域。
3. $\Omega$是概率空间中的一个标准符号。