AWS CLF 直前の失敗用と勉強対策

もしかしたら需要のある失敗の話を先にかきます:
失敗は, aws.trainingの名前を日本語名(か 氏名を逆にしてたのか)にしちゃってたのか、Pearson VUE Confirmationでの表示が姓 名 になってしまっていたんですねー。
これを試験の時まで気づかなくて焦りはしたのですが、結果としては受けられました。(そのときに、サポートから行って直してねー。と言ってもらえはしたのですが、わからなかったのでここに記します。 他のサイトにもあるけど、えーあいのチャットサポートで詰まったので備忘録)

Subject: Re: Request to correct my name (Exam ALREADY COMPLETED)

Dear AWS Support Team,

Thank you for your response.

However, I am unable to update my name by myself because I have already completed the exam. The system does not allow me to edit the name fields anymore.

On the exam day, the staff at the Pearson VUE test center verified my identity with my passport. They instructed me to contact AWS Support directly to correct the name order on my certification profile after the exam.

Since I cannot change it from “My Profile,” could you please update it on your end?

Correct Name:

First Name: Taro

Last Name: Yamada

My passport is attached to the previous email for your reference.

Best regards,

Taro Yamada

こう言うのを書いて上に

を書けばとりあえず、OK。

ただ、これを送信してAI君が頑張ってくれはするけど、よしなにやってくれないので, 下の方にある 問題を解決するためにケースを作るみたいなボタンを押しましょう。
そうすると,

こう言うのが出てきて結構すぐに上に書いたメールに
AWS からお問い合わせ確認メールが来ます:

こっから四日位経つと、(ちゃんとした)日本語で
運転免許証か、マイナンバー、パスポートのどれか
をこのメールの返信に送って
とくるので送ります。

で、送ったら、自分の時は上記のメールが来てから一日くらいで変更してもらえました。

勉強対策:
黒本って呼ばれるやつ?
徹底攻略 AWS認定 クラウドプラクティショナー教科書 第2版[CLF-C02]対応
をやりました。あとは, ping-tをやりました。

ping-tの方が範囲は豊富だから、これをやり込んでもいいのかも。

ハルトークス(Hartogs)の定理1.

Definition.
[調和関数] $u : \Omega \to \mathbb{R}$ が\textbf{調和関数}であるとは,
\[
\Delta u = \frac{\partial^2 u}{\partial x^2} + \frac{\partial^2 u}{\partial y^2} = 0
\] が成り立つことをいう.
Lemma.
$f(z) = u(x,y) + iv(x,y)$ が正則ならば,$u$ および $v$ はともに調和関数である.
[proof] $f$ が正則であることから,Cauchy–Riemann 方程式が成立する:
\[
\frac{\partial u}{\partial x} = \frac{\partial v}{\partial y}, \qquad
\frac{\partial u}{\partial y} = -\frac{\partial v}{\partial x}.
\] 1本目を $x$ で,2本目を $y$ で微分すると,
\[
\frac{\partial^2 u}{\partial x^2} = \frac{\partial^2 v}{\partial x \partial y}, \qquad
\frac{\partial^2 u}{\partial y^2} = -\frac{\partial^2 v}{\partial y \partial x}.
\] 正則関数は $C^\infty$ 級であるから混合偏微分の順序が交換可能,すなわち
\[
\frac{\partial^2 v}{\partial x \partial y} = \frac{\partial^2 v}{\partial y \partial x}.
\] したがって,
\[
\Delta u
= \frac{\partial^2 u}{\partial x^2} + \frac{\partial^2 u}{\partial y^2}
= \frac{\partial^2 v}{\partial x \partial y} – \frac{\partial^2 v}{\partial y \partial x}
= 0.
\] 全く同様の議論により $\Delta v = 0$ も従う.\qedhere
[/proof]
Lemma.
$f(z_0) \neq 0$ の近傍では $\log f$ が正則に定義でき,
\[
\log|f| = \operatorname{Re}(\log f)
\] は調和関数となる($f$ が正則で $f \not\equiv 0$ ならば,$f$ の零点は孤立していることに注意しておく. これは冪級数展開したらわかる.).調和関数は劣調和(平均値の等式が成立)であるから,
$\log|f|$ は劣調和関数である(f(z_0=0$の場合は、それはそれで劣調和の条件を満たす。)).
[proof] $f(z) = |f(z)|e^{i\arg f(z)}$だから
 
\[ \log f(z) = \log|f(z)| + i\arg f(z), \]
[/proof]

 

[definiton] $\Omega \subset \mathbb{C}^2$とし, $\{v_k(z)\}$を$\Omega$で定義された関数列とする. このとき, $\{v_k(z)\}$が$K \subset \Omega$上で、上に一様有界であるとは、
ある$M>0$が存在して, 任意の$k\in \mathbb{Z}_{+}$, $z\in K$に対して$v_k(z)< M$ で或ることを言う.
[/definition]
Lemma.
$\Omega \subset \mathbb{C}^2$とし, $\{v_k(z)\}$を$\Omega$で定義された劣調和関数列とする. $\{v_k(z)\}$が、任意のコンパクト集合$K$上で、上に一様有界で, 定数$C>0$が存在して, $\limsup_{k \to \infty} v_k(z) \leq C$ $(z\in \Omega)$が成り立つと仮定する. すると, 任意の$\varepsilon >0$と任意のコンパクト集合$K$に対して, 正整数$N$が存在して, $\forall k > N$ならば, $v_k(z)\leq C + \varepsilon $ $(z\in K)$が成り立つ.
[proof] $K \subset \Omega$をコンパクト集合とする.  コンパクト集合$K_1$を、$K \subset K_1^o \subset K_1 \subset \Omega$を満たすようにできる.  この時, $K_1^o $を$\Omega$とみなすことで, $\{v_k(z)\}$が、$\Omega$上で、上に一様有界として良い. すると, $M >0$が存在して, $v_k(z)\leq M$ $(z\in \Omega, k=1,2,\ldots)$. さらに, 表記を簡単にするために一般性を失わずに, $v_k(z)$のかわりに, $v_k(z)-M$を考えることで, $v_k(z)\leq 0$ $(z\in \Omega, k=1,2,\ldots)$として良い. $r>0$を$K\subset \{z\in \Omega \mid d(z,\partial \Omega) >3r\}$となるように十分小さくとる($K\ni z \mapsto d(z, \partial \Omega)$は連続関数で、最小値が$0$の場合は$z \in \partial \Omega$になるからそうはならない. ). そこで,  平均値の定理の(劣調和関数の)不等式ver.から
$z\in K$, $0< \rho \leq r$に対して
\[
2\pi v_k(z) \leq \int_{0}^{2\pi} v_k(z + \rho e^{i \theta}) d\theta
\] が成り立つ. 上式に$\rho$をかけて$\rho$について$0$から$r$まで積分すると,
\[
\pi r^2 v_k(z) \leq \int \int_{\abs{z-z’}<r} v_k(z’) dx’ dy’ \quad (z’ = x’ + i y’)
\] が成り立ち, Fatouの補題と補題の仮定を使うと、
\[
\limsup_{k\to \infty}\int \int_{\abs{z-z’}<r} v_k(z’) dx’ dy’ \leq \int \int_{\abs{z-z’}<r} \limsup_{k\to \infty} v_k(z’) dx’ dy’ \leq \pi C r^2
\] ここで, $\limsup_{k\to \infty}$の性質に立ち返ると,
$z \in K$に対して, $k_0(z) \in \mathbb{Z}_+$が存在して, $\forall k \geq k_0(z)$に対して
\[
\int \int_{\abs{z-z’}<r} v_k(z’) dx’ dy’ \leq \pi (C + \frac{\varepsilon}{2}) r^2
\]

ところで, $0 < \delta < r$とすると, $\abs{z-w}<\delta$を満たす任意の$w$に対して
\[
\{z’ \mid \abs{z’-z}<r\} \subset \{z’ \mid \abs{z’-w}<r + \delta\}
\] $v_k \leq 0$と劣調和による不等式を使うと, $k \geq k_0(z)$ならば
\begin{align}
\pi (r + \delta)^2 v_k(w) & \leq \int \int_{\abs{z-z’}<r + \delta} v_k(z’) dx’ dy’ \\
& \leq \int \int_{\abs{z-z’}<r} v_k(z’) dx’ dy’ \leq  \pi (C + \frac{\varepsilon}{2}) r^2
\end{align}

よって, $k \geq k_0(z)$ならば
\[
v_k(w) \leq (r/(r+\delta))^2 (C+\frac{\varepsilon}{2})
\] $r$も$\delta$も, $z$や$k$に依存していないことに注意.

$\delta$を十分小さくとると,
$k \geq k_0(z)$ならば, $\abs{z-w}<\delta$の時に$v_k(w)  < C + \varepsilon$
が成り立つ.
ここで, $K$はコンパクト集合だから, $z^1,\ldots, z^m \in K$が存在して, $K \subset \bigcup_{i=1}^m B(z^i,\delta)$とできる. そこで, $N= \max_{1\leq i\leq m} k_0(z^i)$とする. そうすると, 任意の$w\in K$に対して, $i \in \{1\leq i\leq m\}$ が存在して, $w\in B(z^i,\delta)$を満たし, 言い換えれば$\abs{w-z^i}<\delta$だから, 任意の$k > N$で$v_k(w) < C + \varepsilon$を満たす.
[/proof]

Schwartzの補題

Lemma.
$f(z)$は単位円板$B(0,1)\subset \mathbb{C}$において正則で, $f(0)=0$且つ$\abs{f(z)}\leq 1 \quad (\abs{z}<1)$を満たすとする. この時,
\[
\abs{f(z)}\leq \abs{z} (\abs{z}<1) \quad \abs{f'(0)} \leq 1
\] が成り立つ. さらに, 或る$z\neq 0$に対して, $\abs{f(z)} = \abs{z}$となるか, または $\abs{f'(0)} =1$ならば$f(z)=\alpha z$と表すことができる。 ここで, $\abs{\alpha}=1$で或る.
Lemma.
関数$f(z)$は$B(0,r)\subset \mathbb{C}$で正則で、 定数$M>0$が存在して,
$\abs{f(z)}\leq M$を満たするとする. この時、 次が成立する:
\[
\abs{f(z_1)-f(z_2)} \leq 2M \frac{r_j \abs{z_2 – z_1}}{\abs{r_j^2-\overline{z_1}z_2}} \quad z_1, z_2 \in B(0,r)
\]
[proof] $w_1 = f(z_1)$, $w_2 = f(z_2)$とおく. 一次分数変換$\Phi\colon B(0,r) \to B(0,1)$と$\Psi\colon B(0,M) \to B(0,1)$を
\[
\Phi(z)
= \frac{ r (z – z_1) }{ r^2 – \overline{z_1} z }, \quad \Psi(w)=
\frac{ M (w – w_1) }{ M^2 – \overline{w_1} w }
\]

によって定義する. $\Psi\circ f \circ \Phi^{-1}:B(0,1) \to B(0,1)$
は$0$を$0$に写す正則関数であるから, Schwartzの補題から,
$\abs{\Psi\circ f \circ \Phi^{-1}(z)}\leq \abs{z} $が成り立つ. $z=\Phi(z_2)$と置くと, $\abs{\Psi(w_2)}\leq \abs{\Phi(z_2)} $
[/proof]

有界な場合のHartogsの定理(これを2. で使う.)

Lemma.
$\Omega \subset \mathbb{C}^n$は開集合で、 $f(z)$は$\Omega$上で定義された有界関数とする. $f(z)$は各変数$z_j$ $1\leq j \leq n$に関して正則である.
このとき, $f(z)$は$\Omega$で連続である(つまり, $f(z)$は正則である.).
[proof] $f(z)$は有界であるから, 或る$M>0$が存在して, $\abs{f(z)}\leq M$が成り立つ.
連続性は局所的な問題なので, $\Omega= P(0,r),\quad r=(r_1,\ldots,r_n)$としても問題ない.
ここで直前の補題を用いると,
\begin{align}
&\abs{f(z) – f(\xi)} = \abs{f(z_1,\ldots, z_n) – f(\xi_1,\ldots, \xi_n)} \\
&\leq \sum_{j=1}^n \abs{f(z_1,\ldots,\xi_{j-1},z_j,\ldots, z_n) – f(\xi_1,\ldots,\xi_j,z_{j+1} \ldots,\xi_n)} \\
&\leq \sum_{j=1}^n 2M \frac{r_j \abs{z_j – \xi_j}}{\abs{r_j^2-\overline{\xi_j}z_j}}
\end{align}
となるから、 $z\to \xi$で$f(z)\to f(\xi)$が成り立つ. よって ,$f(z)$は$\Omega$で連続である. 従って, $f(z)$は$\Omega$上で正則でもある.
[/proof]

ハルトークスの定理2

ハルトークスの定理

というのがある。これは、多変数複素解析の場合は、各変数($z, w \mathbb{C}$)で偏微分可能ならば、多変数(複素)関数としての連続性もついてくるという主張である。
(多変数複素解析学入門: ヘルマンダーか一松 信の複素解析の本に載ってたと思います。)

Theorem.
(Hartogsの定理)
$\Omega \subset \mathbb{C}^n$が開集合で, $f(z)$が$\Omega$で定義された多変数複素関数とする. この時, $f(z)$が各変数$z_j\,(1\leq j \leq n)$に対して正則ならば, $f(z)$は$\Omega$上で正則である.
変数の数$n$に関する帰納法で示す:
$n=1$の時は明らかである.
定理の$n-1$の場合が成り立つと仮定する. この仮定のもとで, 補題2つを示していく。

最初の定理は, 正則性がほんの小さいところでしか保証されていなくてもCauchyの積分定理、$n$成分を固定して$f$を冪級数展開した時の係数の強い有界性から導かれる.

Lemma.
任意に$R>0$を考える. $f(z)$は多重円板$P(z^0, R)\subset \mathbb{C}^n$で定義された多変数複素関数で, 各変数$z_j (1\leq j \leq n)$に関して正則であるとする. この時$0< r(< R)$が存在して, $f(z)$は$Q = B(z_1,r)\times B(z_j,r)\times B(z_{n-1},r)\times B(z_n,R)$上で正則かつ有界であるとする. この時, $f(z)$は$P(z,R)$で正則になる.
[proof] 一般性を失わずに$z^0 = (z_1^0,\ldots, z_n^0)=(0,\ldots,0)$と仮定して良い. そこで, $P=P(0,R)$と置くことにする. Hartogs定理の帰納法の仮定から, $f(z’,z_n)$は$z’$の関数として正則だから,
\[
f(z) = \sum_{\alpha_1, \ldots, \alpha_{n-1}=1}^{\infty} c_{\alpha}(z_n)(z’)^{\alpha}
\] と表すことができる.
(上式を偏微分するか, Cauchyの積分公式から冪級数展開するところに立ち返ればでてくることだが,) $c_{\alpha}(z_n)= D^{\alpha}f(0)/ \alpha !$である.
$0<q<r$に対して, $Q=B(0,q)\subset \mathbb{C}$と置く.
この時, Cauchyの積分公式から,
\[
c_{\alpha}(z_n) \alpha ! =D^{\alpha} f(0,z_n) = \frac{\alpha !}{(2\pi i)^{n-1}} \int_{\partial Q} \cdots \int_{\partial Q} \frac{f(\xi_1,\ldots, \xi_{n-1},z_n)}{\xi_1^{\alpha_1+1} \cdots \xi_{n-1}^{\alpha_{n-1}+1} } d\xi_1 \cdots d\xi_{n-1}
\] と表される. 積分記号下で, ディーバー作用素
\[
\frac{\partial}{\partial \bar{z}}
\frac{1}{2}
\left(
\frac{\partial}{\partial x}
+
i,\frac{\partial}{\partial y}
\right)
\] を作用させると, $\partial c_{\alpha} (z_n)/ \partial \overline{z_n} =0$となるから,
$c_{\alpha}(z_n)$は$z_n$の関数として正則である(後に, この関数の絶対値に$\log$を合成したものが劣調和で或ることを使う.).

さて, $R’, R_1, R_2$を$0<R_1<R_2<R'<R$を満たすようにとる.
固定した$z_n$に対して$f(z’,z_n)$は$z’ $の関数として$P_{n-1}=B(0,R)\times \cdots \time B(0,R) $($n-1$回)で正則であるから, $B’=B(0,R’)\subset \mathbb{C}$とすると,
\[
D^{\alpha} f(0,z_n) = \frac{\alpha !}{(2\pi i)^{n-1}} \int_{\partial B’} \cdots \int_{\partial B’} \frac{f(\xi_1,\ldots, \xi_{n-1},z_n)}{\xi_1^{\alpha_1+1} \cdots \xi_{n-1}^{\alpha_{n-1}+1} } d\xi_1 \cdots d\xi_{n-1}
\] が成り立つから, 絶対値を取って被積分関数をsupで抑えれば,
\[
\abs{D^{\alpha} f(0,z_n) } \leq alpha !(R’)^{-\abs{\alpha}}\sup_{z’ \in  P'(0,R’)}\abs{f(z’,z_n)}
\] 但し, $P'(0,R’) = $B(0,R’)\times \cdots \time B(0,R’) $.
固定した$z_n (\abs{z_n}<R)$に対して
\[
\abs{c_{\alpha}}R_2^{\abs{\alpha}} \leq  \abs{\frac{ R_2}{R’}}^{\abs{\alpha}}\sup_{z’ \in  P'(0,R’)}\abs{f(z’,z_n)}\to 0\quad(\abs{\alpha} \to \infty)
\] が成り立つから,
固定した$z_n (\abs{z_n}<R)$に対して$\abs{\alpha}$が十分大きいならば,
\[
\abs{c_{\alpha}}R_2^{\abs{\alpha}} <1
\] が成り立つ.
他方, 仮定から定数$M>0$が存在して, 任意の$z\in Q$に対して$\abs{f(z)}\leq M$が成立する. このことと$c_{\alpha}(z_n) $のCauchyの積分公式による表示から$\abs{c_{\alpha}(z_n)}\leq M/(q)^{\abs{\alpha}}$が成り立つ. $q \uparrow r$とすると,
任意の$\abs{z_n}<R$
\[
\abs{c_{\alpha}(z_n)} r^{\abs{\alpha}} \leq M
\] を得る.

ここで, $\abs{c_\alpha(z_n)}$を評価していく.
まず, 二つのmulti-index $\alpha=(\alpha_1,\ldots, \alpha_{n-1})$, $\beta=(\beta_1,\ldots,\beta_n)$に対して次のような順序(辞書式順序)を入れる:
$\alpha < \beta$であるとは、ある$1\leq i \leq n-1$が存在して
\[
\alpha_1 = \beta_1,\ldots, \alpha_{i-1} = \beta_{i-1}, \alpha_i < \beta_i
\] が成り立つこととする.

$alpha=(\alpha_1,\ldots, \alpha_{n-1})$, $\abs{\alpha}\neq 0$に対して, $\varphi_{\alpha}(z_n)=(1/ \abs{\alpha})\log (\abs{c_{\alpha}(z_n)})$とする.
すると、 ハルトークスの定理1で示したように$c_{\alpha}(z_n)$の正則性から, $\abs{z_n}<R$における劣調和関数である. また, $\{v_k(z_n)\}$を上の辞書式順序で$\{ \varphi_{\alpha}(z_n) \}$を並び替えたものとする. この時, $k\to \infty$の時, $\abs{\alpha}\to \infty$である.
任意の$\abs{z_n}<R$
\[
\abs{c_{\alpha}(z_n)} r^{\abs{\alpha}} \leq M
\] を使うと,
$\abs{\alpha}\neq 0$, 任意の$\abs{z_n}<R$に対して,
\[
\varphi_{\alpha}(z_n)=\frac{1}{\abs{\alpha}} \log (\abs{c_{\alpha}(z_n)}) \leq -\log r + \frac{1}{\abs{\alpha}} \log M \leq -\log r + \log M
\] が成り立つから, $\{v_k(z_n)\}$は$\abs{z_n}<R$において上に一様有界である.

$\abs{\alpha}$を十分大きくとると,
\[
\abs{c_{\alpha}(z_n)}R_2^{\abs{\alpha}} <1
\] から
\[
\log \frac{\abs{c_{\alpha}(z_n)}}{\abs{\alpha}} < -\log R_2
\] が成り立つ. 言い換えると, $k$を十分大きくすると, $v_k(z_n)< – \log R_2$. つまり, $\limsup_{k\to \infty } v_k(z_n)\leq – \log R_2$がなりたつ.
1. での 上への一様有界性の補題から、 $k$を十分大きくとると, $v_k(z_n)\leq – \log R_1$が一様に$\abs{z_n}<R_1$で成り立つ.
言い換えれば、 $\abs{\alpha}$が十分大きければ,
\[
\abs{c_{\alpha}(z_n)}} R_1^{\abs{\alpha}} \leq 1 (\forall \abs{z_n}<R_1 )
\] が成り立つ($\log \abs{c_{\alpha}(z_n)}} \leq \log R_1^{\abs{\alpha}} $から対数をtとれば良い).

(一様収束性の証明ために)任意の$K\subset P(0,R)$をとる. ここで、 (必要があれば先ほどの$R_1$を縮めることで) $K \subset P(0,R’), R'<R_1$となるように$R’, R_1$を選ぶ.
今, 直前で示した
\[
\abs{c_{\alpha}(z_n)}} R_1^{\abs{\alpha}} \leq 1 (\forall \abs{z_n}<R_1 )
\] から
$z\in K$上で, $\abs{c_{\alpha}(z_n)}z’} \leq \abs{R’/R_1}^{\abs{\alpha}}$となるから, $\sum_{\alpha_1,\ldots,\alpha_{n-1}}c_{\alpha}(z_n) (z’)^{\alpha}$は$K$上で一様収束する. だから, $f(z)$は$K$上で連続である. $K$は任意であったから, $f(z)$は$P(0,R)$上で連続である. 従って, $f(z)$は$P(0,R)$で正則である.
[\proof]

 

下の証明の最後の最後までは, Cauchyの積分定理を使っていない. ここで言っているのは、あくまで、 $P$の(気持ちはすごく小さい或る特定の)部分集合$Q$では正則だと言っているだけ。 こういうすごく小さくてもいいから、条件を満たす集合を見つけたいときに時折Baireのカテゴリー定理がでてくる。

Lemma.
関数$f(z)$は開集合$\Omega \subset \mathbb{C}^n$において, 各変数$z_j\,(1\leq j\leq n)$に関して, $1$変数複素関数として正則であると仮定する. 更に, 多重円盤$P=P_1 \times \dots \times P_n$は$\overline{P} \subset \Omega$を満たすと仮定する. この時, 各$(1\leq j \leq n)$に対して, 開円板$Q_j \subset P_j $が存在して, $Q_n = P_n$かつ $f(z)$は$Q= Q_1 \times \dots \times Q_n$において有界となる. 従って, 前の補題から$f(z)$は$Q$で正則となる。
[proof] $E_M(z_n)=\{z’ \in  \overline{P_1} \times \overline{P_2} \times \dots \times \overline{P_{n-1}} \mid \abs{f(z’,z_n)} < M\}$とし, $E_M = \bigcap_{z_n \in \overline{P_n}}E_M(z_n)$とする. 今, 帰納法の仮定から, Hartogsの定理は$n-1$では使えるから, $f(z’,z_n)$は$z’ \in \overline{P_1} \times \overline{P_2} \times \dots \times \overline{P_{n-1}} $の連続関数である. 従って, 逆像を考えれば, 各$z_n \in \overline{P_n}$に対して $E_M(z_n)$は閉集合である. 言い換えれば, $\overline{P_1} \times \overline{P_2} \times \dots \times \overline{P_{n-1}} \setminus E_M(z_n)$は開集合である.
ところで, $w’ \in \overline{P_1} \times \overline{P_2} \times \dots \times \overline{P_{n-1}}$を任意にとると, $f(z’,z_n)$は$n$番目の変数$z_n$について正則, 連続だから, 或る$M \in \mathbb{Z}_{+}$が存在して, $\forall z_n \in \in \overline{P_n}$, $\abs{f(z’,z_n)} < M$である. つまり, $z’ \in E_M \subset \bigcup_{M\geq 1} E_M$である.
\[
\bigcup_{M\geq 1} E_M = \overline{P_1} \times \overline{P_2} \times \dots \times \overline{P_{n-1}}
\] である.
直近二つのこととBaireのカテゴリー定理を用いる:
今, $E_M\, (M=1,2,\ldots, \ldots)$が全て内点を持たないと仮定する.  この時, 各$M \in \mathbb{Z}_{+}$に対して, $F_M = ( \overline{P_1} \times \overline{P_2} \times \dots \times \overline{P_{n-1}}) \setminus E_M$は稠密な開集合である(位相空間$\overline{P_1} \times \overline{P_2} \times \dots \times \overline{P_{n-1}}$にとって). 従って, Baireのカテゴリ定理から, $\bigcap_{M\geq 1} F_n$は稠密な集合になる. ところで, $\bigcap_{M\geq 1} F_n = ( \overline{P_1} \times \overline{P_2} \times \dots \times \overline{P_{n-1}}) \setminus (\bigcup_{M\geq 1} E_M ) = \emptyset$だから, この両者の事柄は矛盾する.
よって, ある$M \in \mathbb{Z}_{+}$が存在して, $E_M$は内点をもつ. 多重円板$Q= Q_1 \times \dots \times Q_n$を$Q\subset E_M \times P_n$, $Q_n = P_n$となるように選ぶことができる($\overline{P_1} \times \overline{P_2} \times \dots \times \overline{P_{n-1}}) $に直積位相が入っていると思ってよく, $E_M$の内部は各座標による十分小さな開円盤$Q_1 \times \dots \times Q_{n-1}$に含まれることからわかる.).
結果として, 任意の$z\in Q$に対して, $\abs{f(z)}\leq M$が成り立つ.
そして, 二つ前の補題から, $f(z)$は$Q$で正則であることがわかる.
[/proof]

$\xi =(\xi_1, \ldots, \xi_n ) \in \Omega$を任意にとる. $R>0$を$P(0,R)\subset \Omega$を満たすようにとる. 直前の補題(を$P=P(\xi,R)$で使う)から, $r>0$, $z^0=(z_1^0,\ldots,z_n^0)\in P(\xi,R)$が存在して, $Q_j = B(z^0_j,r) (1\leq j \leq n-1)$と置くと,  $Q_j \subset R_j $ (1\leq j \leq n-1)$且つ $z_n^0 = \xi_n$が成り立ち, $f(z)$は$Q_1\times Q_{n-1}\times P_n (\subset P(\xi, R))$上で正則且つ有界である.  これと, Hartogsの定理の仮定である”$f(z)$は$P(z^0,R)$は各変数$z_j\, (1\leq j \leq n)$に関して正則である”ことからを合わせると二つ前の補題から,
$f(z)$は$P(z^0,R)$で正則になる. $\xi \in P(z^0,R)$だから, $f(z)$は任意の$\xi$で正則である.

Kaggle用Python

Pythonの知識の復習

ifの時は:が要る。returnではいらない。

Pythonの関数定義でデフォルト引数を設定すると、関数呼び出し時に引数を省略した場合にデフォルト値が使用されるようになる。—> 前処理関数に使うと実験しやすいっぽい。

def fill_age(df, method="mean"):
if method == "mean":
df["Age"] = df["Age"].fillna(df["Age"].mean())
elif method == "median":
df["Age"] = df["Age"].fillna(df["Age"].median())
else:
df["Age"] = df["Age"].fillna(0)
return df

年齢(Age)に欠損があるから、とりあえず平均で埋めたい。
でも後で 中央値 とか 0 とかも試したい。

A.csvの最初5行目を見たい時は、

A.head()

https://note.nkmk.me/python-pandas-len-shape-size/

pandasのcsv–>DataFrameでできたオブジェクトの属性として, df_train.shapeで(行数, 列数) のタプルを返す。

目的 使うもの
中身の例を見る head()
行×列のサイズ shape
欠損・型・概要 info()

2月から4月の日記

オブジディアンデでtypstを使うプラグイン

https://github.com/azyarashi/obsidian-typst-mate

kaggle類似コンペをおしえてくれるサイト

    1. https://x.com/mlaass1/status/2003105470148751573?s=46&t=q8IJ0xCwJy-v1Y_EK5pIDg

      teeコマンドでMySQLの操作を記録する

      Theory and Applications of Distance Geometry

LightGBM以外にもhttps://zenn.dev/mkj/articles/f7939cb221da14 のRealMLPを組み合わせるといいことが少し起こるかも。

局所中心極限定理

 

\[
\varphi(\theta)
:= \frac{1}{d}\sum_{k=1}^d \cos \theta_k,
\qquad \theta = (\theta_1,\dots,\theta_d)\in \mathbb{R}^d.
\]

一次微分(勾配)
各成分について
\[
\partial_{\theta_j}\varphi(\theta)
= \partial_{\theta_j}\left(\frac{1}{d}\sum_{k=1}^d \cos\theta_k\right)
= -\frac{1}{d}\sin\theta_j.
\]

したがって勾配の二乗ノルムは
\[
|\nabla \varphi(\theta)|^2
= \sum_{j=1}^d \left(-\frac{1}{d}\sin\theta_j\right)^2
= \frac{1}{d^2}\sum_{j=1}^d \sin^2\theta_j.
\]

二次微分とラプラシアン
\[
\partial_{\theta_j}^2 \varphi(\theta)
= \partial_{\theta_j}\left(-\frac{1}{d}\sin\theta_j\right)
= -\frac{1}{d}\cos\theta_j.
\]

よってラプラシアンは
\[
\Delta \varphi(\theta)
= \sum_{j=1}^d \partial_{\theta_j}^2 \varphi(\theta)
= -\frac{1}{d}\sum_{j=1}^d \cos\theta_j
= -\varphi(\theta).
\]

合成関数の公式
\[
\Delta(f^n)
= n(n-1)f^{\,n-2}|\nabla f|^2
+ n f^{\,n-1}\Delta f
\] を \(f=\varphi\) に適用すると
\[
\Delta \varphi^n(\theta)
= n(n-1)\varphi^{n-2}(\theta)\,
\frac{1}{d^2}\sum_{j=1}^d \sin^2\theta_j
+ n\varphi^{n-1}(\theta)\,(-\varphi(\theta)).
\]

整理して
\[
\boxed{
\Delta \varphi^n(\theta)
= n(n-1)\varphi^{n-2}(\theta)
\left(\frac{1}{d^2}\sum_{j=1}^d \sin^2\theta_j\right)
– n\varphi^n(\theta)
}
\]

$d$ 次元変数 $\theta \in \mathbb{R}^d$ に対して、

\[
G_n(\theta) = \exp\left(- \frac{n}{2d} |\theta|^2 \right), \quad |\theta|^2 = \sum_{j=1}^d \theta_j^2
\]

を考える。

任意の滑らかな関数 $f:\mathbb{R}^d \to \mathbb{R}$ に対して、

\[
\Delta e^f = (\lvert \nabla f \rvert^2 + \Delta f) e^f
\]

が成り立つ。ここで

\[
\nabla f = \left( \frac{\partial f}{\partial \theta_1}, \dots, \frac{\partial f}{\partial \theta_d} \right), \quad
\Delta f = \sum_{j=1}^d \frac{\partial^2 f}{\partial \theta_j^2}.
\]

$f(\theta) = – \frac{n}{2d} |\theta|^2$ とすると、

\[
\frac{\partial f}{\partial \theta_j} = – \frac{n}{d} \theta_j \quad \Rightarrow \quad
|\nabla f|^2 = \sum_{j=1}^d \left( -\frac{n}{d} \theta_j \right)^2 = \frac{n^2}{d^2} |\theta|^2,
\]

\[
\frac{\partial^2 f}{\partial \theta_j^2} = – \frac{n}{d} \quad \Rightarrow \quad
\Delta f = \sum_{j=1}^d \frac{\partial^2 f}{\partial \theta_j^2} = -n.
\]

上記の式を用いると、

\[
\Delta G_n(\theta) = (\lvert \nabla f \rvert^2 + \Delta f) e^f
= \left( \frac{n^2}{d^2} |\theta|^2 – n \right) \exp\left(- \frac{n}{2d} |\theta|^2 \right)
= \left( \frac{n^2}{d^2} |\theta|^2 – n \right) G_n(\theta).
\]

\[
\text{スケーリング: } \theta = \frac{\alpha}{n}
\]

${\Delta \varphi}_n$ の展開:
\[
\varphi\Big(\frac{\alpha}{n}\Big) = 1 – \frac{|\alpha|^2}{2dn} + O(n^{-2})
\] \[
\varphi^{\,n-2}\Big(\frac{\alpha}{n}\Big) \approx e^{-|\alpha|^2 / 2d}
\] \[
\sum_{j=1}^d \sin^2\Big(\frac{\alpha_j}{n}\Big) = \sum_{j=1}^d \left(\frac{\alpha_j^2}{n^2} + O(n^{-4})\right) = \frac{|\alpha|^2}{n} + O(n^{-2})
\]

 

\begin{align}
\phi\!\left(\frac{\alpha}{n}\right)
&= 1 – \frac{|\alpha|^2}{2d n} + O(n^{-2}), \\
\phi^n\!\left(\frac{\alpha}{n}\right)
&= \left( 1 – \frac{|\alpha|^2}{2d n} + O(n^{-2}) \right)^n
\approx e^{- \frac{|\alpha|^2}{2d}} \left( 1 + O(n^{-1}) \right).
\end{align}

これらを $\Delta {\varphi}_n$ に代入すると:
\[
\Delta \varphi_n\Big(\frac{\alpha}{n}\Big)
\approx n(n-1) \cdot e^{-|\alpha|^2 / 2d} \cdot \frac{d}{2} \cdot \frac{|\alpha|^2}{n} – n \, e^{-|\alpha|^2 / 2d}
\] \[
= \left(n \frac{d}{2} |\alpha|^2 – n\right) e^{-|\alpha|^2 / 2d} + O(1)
\]

${\Delta G}_n$ の展開:
\[
\Delta G_n\Big(\frac{\alpha}{n}\Big) = \left(\frac{d}{2} n^2 \frac{|\alpha|^2}{n} – n\right) e^{-|\alpha|^2 / 2d} = \left(n \frac{d}{2} |\alpha|^2 – n\right) e^{-|\alpha|^2 / 2d}
\]

差のオーダーは:
\[
\Delta \varphi_n\Big(\frac{\alpha}{n}\Big) – \Delta G_n\Big(\frac{\alpha}{n}\Big) = O(1)
\] である。
主要な  $O(n) $項はキャンセルされ、残るのは $O(1) $項のみである。

結果、

\[
\begin{aligned}
|x|^2E(n,x)
&=  (2\pi)^{-d}
\int_{[-\pi,\pi]^d}
e^{-i x \cdot \theta} \,
\Biggl[
-\Delta_\theta
\Bigl( \varphi_n(\theta) – G_n(\theta) \Bigr)
\Biggr] \, d\theta \\
&\quad \overset{\theta = \alpha / \sqrt{n}}{=}
(2\pi)^{-d}
\int_{[-\pi \sqrt{n}, \pi \sqrt{n}]^d}
e^{-i x \cdot (\alpha / \sqrt{n})} \,
\Biggl[
-\Delta_\alpha
\Bigl( \varphi_n(\alpha / \sqrt{n}) – G_n(\alpha / \sqrt{n}) \Bigr)
\Biggr] \, n^{-d/2} \, d\alpha
= O(n^{-d/2})
\end{aligned}
\]

参考:

Intersections of Random Walks (Modern Birkhäuser Classics) (English Edition)