دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Davar Khoshnevisan
سری: CBMS Regional Conference Series in Mathematics 119
ISBN (شابک) : 147041547X, 9781470415471
ناشر: American Mathematical Society
سال نشر: 2014
تعداد صفحات: 125
زبان: English
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 1 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Analysis of stochastic partial differential equations به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل معادلات دیفرانسیل جزئی تصادفی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
حوزه کلی PDE های تصادفی برای ریاضیدانان جالب است زیرا شامل
تعداد زیادی از مسائل باز چالش برانگیز است. همچنین علاقه زیادی
به این موضوع وجود دارد زیرا کاربردهای عمیقی در رشتههایی دارد
که از ریاضیات کاربردی، مکانیک آماری، و فیزیک نظری گرفته تا علوم
اعصاب نظری، نظریه واکنشهای شیمیایی پیچیده [از جمله علم پلیمر]،
دینامیک سیالات، و مالی ریاضی
PDE های تصادفی که در این کتاب مورد بررسی قرار می گیرند مشابه
PDE آشنا برای گرما در یک میله نازک هستند، اما با این محدودیت
اضافی که چگالی نیروی خارجی یک فرآیند تصادفی دو پارامتری است یا
بیشتر معمولاً، اجبار یک \"صدای تصادفی\" است که به عنوان \"میدان
تصادفی تعمیم یافته\" نیز شناخته می شود. در چندین نقطه از
سخنرانی ها، نمونه هایی وجود دارد که این پدیده را برجسته می کند
که PDE های تصادفی زیرمجموعه ای از PDE نیستند. . در واقع، معرفی
نویز در برخی معادلات دیفرانسیل جزئی می تواند یک اغتشاش نه چندان
کوچک، اما تغییرات واقعاً اساسی را در سیستمی ایجاد کند که PDE
زیربنایی در تلاش برای توصیف آن است.
موضوعات پوشش داده شده شامل مقدمه ای کوتاه بر معادله گرمای
تصادفی، تئوری ساختار برای معادله گرمای تصادفی خطی، و نگاهی عمیق
به خواص متناوب حل معادلات حرارتی تصادفی نیمه خطی است. موضوعات
خاص عبارتند از انتگرال های تصادفی a la Norbert Wiener، یک
انتگرال تصادفی بی بعدی از نوع Ito، نمونه ای از مدل اندرسون
سهمی، و جبهه های متناوب.
رویکردهای ممکن زیادی برای PDE های تصادفی وجود دارد. انتخاب
موضوعات و تکنیک های ارائه شده در اینجا با مثال راهنمای معادله
گرمای تصادفی مشخص شده است. انتشار مشترک AMS و CBMS
The general area of stochastic PDEs is interesting to
mathematicians because it contains an enormous number of
challenging open problems. There is also a great deal of
interest in this topic because it has deep applications in
disciplines that range from applied mathematics, statistical
mechanics, and theoretical physics, to theoretical
neuroscience, theory of complex chemical reactions [including
polymer science], fluid dynamics, and mathematical
finance.
The stochastic PDEs that are studied in this book are similar
to the familiar PDE for heat in a thin rod, but with the
additional restriction that the external forcing density is a
two-parameter stochastic process, or what is more commonly the
case, the forcing is a "random noise," also known as a
"generalized random field." At several points in the lectures,
there are examples that highlight the phenomenon that
stochastic PDEs are not a subset of PDEs. In fact, the
introduction of noise in some partial differential equations
can bring about not a small perturbation, but truly fundamental
changes to the system that the underlying PDE is attempting to
describe.
The topics covered include a brief introduction to the
stochastic heat equation, structure theory for the linear
stochastic heat equation, and an in-depth look at intermittency
properties of the solution to semilinear stochastic heat
equations. Specific topics include stochastic integrals a la
Norbert Wiener, an infinite-dimensional Ito-type stochastic
integral, an example of a parabolic Anderson model, and
intermittency fronts.
There are many possible approaches to stochastic PDEs. The
selection of topics and techniques presented here are informed
by the guiding example of the stochastic heat equation. A
co-publication of the AMS and CBMS
Chapter 1. Prelude 1 Chapter 2. Wiener integrals 9 2.1. White noise 9 2.2. Stochastic convolutions 11 2.3. Brownian sheet 12 2.4. Fractional Brownian motion 15 Chapter 3. A linear heat equation 19 3.1. A non-random heat equation 19 3.2. The mild solution 22 3.3. Structure theory 22 3.4. Approximation by interacting Brownian particles 28 3.5. Two or more dimensions 30 3.6. Non-linear equations 30 Chapter 4. Walsh–Dalang integrals 33 4.1. The Brownian filtration 33 4.2. The stochastic integral 34 4.3. Integrable random fields 37 Chapter 5. A non-linear heat equation 39 5.1. Stochastic convolutions 40 5.2. Existence and uniqueness of a mild solution 44 5.3. Mild implies weak 50 Chapter 6. Intermezzo: A parabolic Anderson model 53 6.1. Brownian local times 53 6.2. A moment bound 56 Chapter 7. Intermittency 63 7.1. Some motivation 63 7.2. Intermittency and the stochastic heat equation 66 7.3. Renewal theory 67 7.4. Proof of Theorem 7.8 69 Chapter 8. Intermittency fronts 71 8.1. The problem 71 8.2. Some proofs 72 Chapter 9. Intermittency islands 79 9.1. The existence and size of tall islands 79 9.2. A tail estimate 80 9.3. On the upper bound of Theorem 9.1 82 9.4. On the lower bound of Theorem 9.1 83 Chapter 10. Correlation length 87 10.1. An estimate for the length of intermittency islands 87 10.2. A coupling for independence 89 Appendix A. Some special integrals 95 Appendix B. A Burkholder–Davis–Gundy inequality 97 Appendix C. Regularity theory 103 C.1. Garsia’s theorem 103 C.2. Kolmogorov’s continuity theorem 106 Bibliography 111