首页 > 其他分享 >2.线性部分:古典解-Schauder理论1

2.线性部分:古典解-Schauder理论1

时间:2023-04-07 22:22:06浏览次数:38  
标签:right bar int Schauder 古典 线性 alpha Omega left

古典解:Schauder理论

目录

Poisson方程和Newton位势

1:一些记号

回顾我们在调和方程中得到的一些结果.

基本解

\[\Gamma(x-y)=\begin{cases} \dfrac{1}{n(2-n)\omega_n}\dfrac{1}{|x-y|^{n-2}},&n\ge 3\\ \dfrac{1}{2\pi }\ln |x-y|,&n=2 \end{cases} \]

对于区域\(\Omega\),以及\(f\in L(\Omega)\),我们称:
\begin{equation}
w(x):=\int_{\Omega}\Gamma(x-y)f(y)dy
\end{equation}
为函数\(f\)的Newton位势.

设\(x_0\)是区域\(D\)中一点,\(0 < \alpha < 1\),称\(f\)在\(x_0\)处具有指数为\(\alpha\)的Holder连续性,如果:

\[ [f]_{\alpha;x_0}:=\sup_{D}\frac{|f(x)-f(x_0)|}{|x-x_0|^{\alpha}} \]

是有限的,称\(f_{\alpha;x_0}\)是\(f\)关于\(D\)在\(x_0\)处的\(\alpha\)解Holder系数.

如果

\[\begin{equation} [f]_{\alpha,D}:=\sup_{x,y\in D,x\ne y}\frac{|f(x)-f(x_0)|}{|x-x_0|^{\alpha}} \end{equation} \]

是有限的,则称\(f\)在\(D\)中具有指数为\(\alpha\)的Holder连续性.(下称\(\alpha\)阶Holder连续性).

如果(eq:3)只是在\(D\)的任意一个紧子集上有限的,则称\(f\)在\(D\)中\(\alpha\)阶局部的Holder连续性.

下边回顾一下连续函数空间以及Holder连续函数空间的一些范数.

对\(C^k(\bar{\Omega})\)函数空间,我们可以定义其拟范数为:

\[[u]_{k;\Omega}:=|D^ku|_{0;\Omega}=\sup_{|\beta|=k}\sup_{\Omega}|D^\beta u| \]

以及范数:

\[||u||_{C^k(\bar{\Omega})}:=|u|_{k;\Omega}=\sum_{j=0}^{k}[u]_{j;\Omega} \]

对于\(C^{k,\alpha}(\bar{\Omega})\)函数空间,我们定义其拟范数为:

\[[u]_{k,\alpha;\Omega}:=[D^ku]_{\alpha;\Omega}=\sup_{|\beta|=k}[D^{\beta u}]_{\alpha;\Omega} \]

以及范数:

\[||u||_{C^{k,\alpha}(\bar{\Omega})}:=|u|_{k;\Omega}+[u]_{k,\alpha;\Omega} \]

当空间\(\Omega\)是有界集时我们记\(d=\mathrm{diam}\Omega\),此时我们还有与\(||\cdot||\)等价的范数\(||\cdot ||'\).定义为:

\[\|u\|_{C^k(\bar{\Omega})}^{\prime}=|u|_{k ; \Omega}^{\prime}=\sum_{j=0}^k d^j[u]_{j, 0 ; \Omega}=\sum_{j=0}^k d^j\left|D^j u\right|_{0 ; \Omega} ; \]

和:

\[\begin{aligned} \|u\|_{C^{k, \alpha}(\bar{\Omega})}^{\prime} & =|u|_{k, \alpha ; \Omega}^{\prime}=|u|_{k ; \Omega}^{\prime}+d^{k+\alpha}[u]_{k, \alpha ; \Omega} \\ & =|u|_{k ; \Omega}^{\prime}+d^{k+\alpha}\left[D^k u\right]_{\alpha ; \Omega} \end{aligned} \]

2.Poisson方程的内估计1

下边的一个引理是我们在调和方程已经学习过的:

引理1.设\(f\)在\(\Omega\)中是有界可积的,\(w\)是\(f\)的Newton位势,则\(w\in C^1(\mathbb{R}^n)\),且对任意的\(x\in \Omega\),我们有:

\[\begin{equation} D_iw(x)=\int_{\Omega}D_i\Gamma(x-y)f(y)dy \end{equation} \]

下边的一个引理虽然我们在调和方程中没有学习,但是也不难证明,因此这里我们暂且省略.

引理2:设\(f\)在\(\Omega\)中有界且局部Holder连续(以后我们默认指数为\(\alpha,\)这里\(\alpha\le 1\).),又设\(w\)是\(f\)的Newton位势,则\(w\in C^2(\Omega)\),并且在\(\Omega\)中\(\Delta w=f\).对任意的\(x\in \Omega\),有:
\begin{equation}
D_{ij}w(x)=\int_{\Omega_0}D_{ij}\Gamma(x-y)(f(y)-f(x))dy-f(x)\int_{\partial \Omega_0}D_i\Gamma(x-y)\nu_i(y)dS_y
\end{equation}
其中\(\Omega_0\)是任何一个包含\(\Omega\)的区域,在\(\Omega_0\)上散度定理成立.

下边我们给出关于\(w\)的二阶导数Holder估计.

定理3: 设\(x_0\in \mathbb{R}^n\),记\(B_1=B_R(x_0),B_2=B_{2R}(x_0)\).假设\(f\in C^{\alpha}(\bar{\Omega})\)(以后我们都记\(C^{0,\alpha}\)为\(C^{\alpha}\).如果\(w\)是\(f\)在\(B_2\)的Newton位势,则\(w\in C^{2,\alpha}(\bar{B}_1))\), 并 且 (注意到这里虽然用到\(||\cdot||'\)但是由于\(B_2\)是有界的,因此我们很容易导出对于的\(||\cdot||\)的估计.)

\[\begin{equation} \left|D^2 w\right|_{0, \alpha ; B_1}^{\prime} \leqslant C|f|_{0, \alpha ; B_2}^{\prime} \end{equation} \]

即:

\[\left|D^2 w\right|_{0 ; B_1}+R^\alpha\left[D^2 w\right]_{\alpha ; B_1} \leqslant C\left(|f|_{0 ; B_2}+R^\alpha[f]_{\alpha ; B_2}\right) \]

证明: 证明的关键:对任意的\(x,\bar{x}\in B_1\),估计:

\[\frac{D_{ij}w(x)-D_{ij}w(\bar{x})}{|x-\bar{x}|^{\alpha}} \]

再次首先我们注意到:

\[D_iw(x)=\frac{1}{n\omega_n}\cdot \frac{1}{|x-y|^{n-1}},D_{ij}w(x)=\frac{(x_i-y_i)(x_j-y_j)}{w_n|x-y|^n},i\ne j \]

当\(i \ne j\)时和\(D_{ij}w(x)\)也是同样的阶数,因此利用(4)我们可以得到:

\[\begin{align*} D_{ij}w(x)=&\int_{B_2}D_{ij}\Gamma(x-y)(f(y)-f(x))dy-f(x)\int_{\partial B_2}D_i\Gamma(x-y)\nu_i(y)dS_y\\ \le &\frac{|f(x)|}{n\omega_n}R^{1-n}\int_{\partial B_2}dS_y+\frac{[f]_{\alpha;x}}{\omega_n}\int_{B_2}|x-y|^{\alpha-n}dy\\ \le& C_1(n,\alpha)(|f(x)+R^{\alpha}[f]_{\alpha;x}) \end{align*} \]

现在我们计算\(D_{ij}w(x)-D_{ij}w(\bar{x})\).其中主要分为两部分:

第一部分:

\[f(\bar{x})\int_{\partial B_2}D_i\Gamma(\bar{x}-y)\nu_i(y)dS_y-f(x)\int_{\partial B_2}D_i\Gamma(\bar{x}-y)\nu_i(y)dS_y=f(x)I_1+(f(x)-f(\bar{x}))I_2 \]

其中\(I_1,I_2\)分别为:

\[\begin{aligned} & I_1=\int_{\partial B_2}\left(D_i \Gamma(x-y)-D_i \Gamma(\bar{x}-y)\right) \nu_j(y) d S_y, \\ & I_2=\int_{\partial B_2} D_i \Gamma(\bar{x}-y) \nu_j(y) d S_y, \end{aligned} \]

现在我们分别对\(I_1,I_2\)进行估计.对\(I_1\)

\[\begin{align*} \left|I_1\right| &\leqslant|x-\bar{x}| \int_{\partial B_2}\left|D D_i \Gamma(\hat{x}-y)\right| d S_y \text{对} x \text{和} \bar{x} \text{之间的某点}\hat{x}\\ &\leqslant \frac{C(n)|x-\bar{x}|}{R} \text{因为对} y \in \partial B_2 \text{有 }|\hat{x}-y| \geqslant R\\ &\leqslant \frac{C(n)|x-\bar{x}|}{R}, \text{因为对} y \in \partial B_2 \text{有} |\hat{x}-y| \geqslant R\\ &\leqslant C(n,\alpha)\left(\frac{\delta}{R}\right)^\alpha,\text{ 因为} \delta=|x-\bar{x}|<2 R \end{align*} \]

这里死活和[G-T]的估计差个常数,因此干脆用\(C(n)\)表示,不影响后续的估计.

对\(I_2\)直接有:

\[\left|I_2\right| \leqslant \frac{1}{n \omega_n} R^{1-n} \int_{\partial B_2} d s_y=2^{n-1} \]

现在对\(D_{ij}w(x)-D_{ij}w(\bar{x})\),\textbf{第二部分}分析:

\[\int_{B_2}D_{ij}\Gamma(x-y)(f(y)-f(x))dy-\int_{B_2}D_{ij}\Gamma(\bar{x}-y)(f(y)-f(\bar{x}))dy \]

我们先将\(B_2\)分为\(B_{\delta}(\xi)+B_2-B_{\delta}(\xi)\),其中:\(\delta=|x-\bar{x}|,\xi=\frac{1}{2}(x+\bar{x})\)
.


因此第二部分就变成了:

\[\begin{align*} &\int_{B_\delta(\xi)}D_{ij}\Gamma(x-y)(f(y)-f(x))dy-\int_{B_\delta(\xi)}D_{ij}\Gamma(\bar{x}-y)(f(y)-f(\bar{x}))dy\\ +&\int_{B_2-B_\delta(\xi)}D_{ij}\Gamma(x-y)(f(y)-f(x))dy-\int_{B_2-B_\delta(\xi)}D_{ij}\Gamma(\bar{x}-y)(f(y)-f(\bar{x}))dy\\ =&I_3+I_4+(f(x)-f(\bar{x}))I_5+I_6 \end{align*} \]

通过简单的拆分,我们可以将前两项写为:

\[\begin{aligned} & I_3=\int_{B_\delta(\xi)} D_{i j} \Gamma(x-y)(f(x)-f(y)) d y, \\ & I_4=\int_{B_\delta(\xi)} D_{i j} \Gamma(\bar{x}-y)(f(y)-f(\bar{x})) d y, \end{aligned} \]

后两项写为:

\[\begin{aligned} I_5 & =\int_{B_2-B_\delta(\xi)} D_{i j} \Gamma(x-y) d y \\ I_6 & =\int_{B_2-B_\delta(\xi)}\left(D_{i j} \Gamma(x-y)-D_{i j} \Gamma(\bar{x}-y)\right)(f(\bar{x})-f(y)) d y . \end{aligned} \]

不同于\(I_1,I_2\)的曲面积分,这里的积分会出现瑕点,因此我们会采用将积分区域分开的方法.

对\(I_3,I_4\)的估计是相同的.

\[\left|I_3\right| \leqslant \int_{B_\delta(\xi)}\left|D_{i j} \Gamma(x-y)\right||f(x)-f(y)| d y \leqslant \frac{1}{\omega^n}[f]_{\alpha ; x} \int_{B_{3 \delta / 2}(x)}|x-y|^{\alpha-n} d y=\frac{n}{\alpha}\left(\frac{3\delta}{2}\right)^{\alpha}[f]_{\alpha;x} \]

对\(I_5\)进行估计,利用Gauss-Green公式我们就得到了:

\[\begin{aligned} \left|I_5\right| & =\left|\int_{\partial\left(B_2-B_\delta(\xi)\right)} D_i \Gamma(x-y) \nu_j(y) d S_y\right| \\ & \leqslant\left|\int_{\partial B_2} D_i \Gamma(x-y) \nu_j(y) d s_y\right|+\left|\int_{\partial B_\delta(\xi)} D_i \Gamma(x-y) \nu_j(y) d S_y\right| \\ & \leqslant 2^{n-1}+\frac{1}{n \omega_n}\left(\frac{\delta}{2}\right)^{1-n} \int_{\partial B_\delta(\xi)} d S_y=2^n . \end{aligned} \]

对\(I_6\)进行估计:

\[\begin{aligned} \left|I_6\right| &\leqslant|x-\bar{x}| \int_{B_2-B_\delta(\xi)}\left|D D_{i j} \Gamma(\hat{x}-y)\right||f(\bar{x})-f(y)| d y \\ & \leqslant c \delta \int_{|y-\xi| \geqslant \delta} \frac{|f(\bar{x})-f(y)|}{|\hat{x}-y|^{n+1}} d y, \quad c=n(n+5) / \omega_n \\ & \leqslant c \delta[f]_{\alpha ; \bar{x}} \int_{|y-\xi| \geqslant \delta} \frac{|\bar{x}-y|^\alpha}{|\hat{x}-y|^{n+1}} d y \\ & \leqslant c\left(\frac{3}{2}\right)^\alpha 2^{n+1} \delta[f]_{\alpha ; \bar{x}} \int_{|y-\xi| \geqslant \delta}|\xi-y|^{\alpha-n-1} d y \\ & \leqslant \frac{c^{\prime}}{1-\alpha} 2^{n+1}\left(\frac{3}{2}\right)^\alpha \delta^\alpha[f]_{\alpha ; \bar{x}}, \quad c^{\prime}=n^2(n+5) . \\ & \end{aligned} \]

注意到上个公式的倒数第三行用到了:

\[|\bar{x}-y| \leqslant \frac{3}{2}|\xi-y| \leqslant 3|\hat{x}-y|, \]

综上所述:

\[\left|D_{i j} w(\bar{x})-D_{i j} w(x)\right| \leqslant C_2\left(R^{-\alpha}|f(x)|+[f]_{\alpha ; x}+[f]_{\alpha ; \bar{x}}\right)|x-\bar{x}|^\alpha \]

因此我们就得到了结果(再次提醒,这里用到的是\(||\cdot||'\)范数.)

可以从上边的推导中看出,上述的估计中\(C\)只和\(n,\alpha\)有关,这是因为我们采用了\(||\cdot||'\)范数.

另外我们要指出的是虽然上述只出现了\([f]_{\alpha;x}\)或者是\([f]_{\alpha;\bar{x}}\),但是由于Holder拟范数的定义,我们知道这个范数是在\(B_2\)内定义的,因此尽管\(x,\bar{x}\)都在\(B_1\)内,但是Holder拟范数还是用的\([f]_{\alpha;B_2}\)

定理4:设 \(u \in C_0^2\left(\mathbb{R}^n\right), f \in C_0^\alpha\left(\mathbb{R}^n\right)\), 在 \(\mathbb{R}^n\) 中满足 Poisson 方程 \(\Delta u=f\). 那么 \(u \in C_0^{2, \alpha}\left(\mathbb{R}^n\right)\), 并且如果 \(B=B_R\left(x_0\right)\) 是包含 \(u\) 的支集的任一球, 我们就有

\[\begin{equation} \begin{aligned} & \left|D^2 u\right|_{0, \alpha ; B}^{\prime} \leqslant C|f|_{0, \alpha ; B}^{\prime}, \quad C=C(n, \alpha), \\ & |u|_{1 ; B}^{\prime} \leqslant C R^2|f|_{0 ; B}, \quad C=C(n) . \end{aligned} \end{equation} \]

证明 :由于\(f\)具有紧支集,因此根据我们调和方程中学到的就知道:

\[u(x)=\int_{\mathbb{R}^n}\Gamma(x-y)f(y)dy \]

利用引理2和定理3的证明,就可以得到上述估计.

证明: 如果\(f\)不具备紧支集,而是如下形式的Poisson方程:

\[\begin{cases} \Delta u=f,&x\in \Omega\\ u=g,&x\in \partial \Omega \end{cases} \]

则\(w\)不是上述方程的解(需要加一个Green函数有关的积分.)因此我们不能直接得到其内估计,为此我们将方程分为:

\[\begin{cases} \Delta u_1=0,&x\in \Omega\\ u_1=g,&x\in \partial \Omega \end{cases}, \begin{cases} \Delta u_2=f,&x\in \Omega\\ u_2=0,&x\in \partial \Omega \end{cases} \]

其中一个调和,一个紧支集在\(\Omega\)内.因此我们利用调和函数的内估计和Newton位势的内估计,就可以得到\(u\)的内估计.

定理5:设\(\Omega\)是\(\mathbb{R}^n\)中的一个区域,\(u\in C^2(\Omega),f\in C^{\alpha}(\Omega)\)在\(\Omega\)中满足Poisson方程\(\Delta u=f\),则\(u\in C^{2,\alpha}(\Omega)\),并且对球\(B_1=B_R(x_0),B_2=B_{2R}(x_0)\subset \subset \Omega\),我们有:

\[ \begin{equation} |u|_{2, \alpha ; B_1}^{\prime} \leqslant C\left(|u|_{0 ; B_2}+R^2|f|_{0, \alpha ; B_2}^{\prime}\right), \end{equation} \]

其中\(C=C(n,\alpha)\).

证明:按照如上所述,我们令:

\[\begin{cases} \Delta w=0,&x\in \Omega\\ w=u,&x\in \partial \Omega \end{cases}, \begin{cases} \Delta v=f,&x\in \Omega\\ v=0,&x\in \partial \Omega \end{cases} \]

则\(w=u+v\),因此我们有:

\[\begin{aligned} & R|D w|_{0 ; B_1}+R^2\left|D^2 w\right|_{0, \alpha ; B_1}^{\prime} \leqslant C R^2|f|_{0, \alpha ; B_2}^{\prime}, \\ & R|D v|_{0 ; B_1}+R^2\left|D^2 v\right|_{0, \alpha ; B_1}^{\prime} \leqslant C|v|_{0 ; B_2} \leqslant C\left(|u|_{0 ; B_2}+R^2|f|_{0 ; B_2}\right) . \end{aligned} \]

故得到最终的结论.其中调和函数的内估计为

\[\sup_{\Omega'}|D^{\alpha}u|\le \left(\frac{n|\alpha|}{d}\right)^{|\alpha|}\sup_{\Omega}u \]

其中\(\Omega'\subset\subset \Omega\).}

标签:right,bar,int,Schauder,古典,线性,alpha,Omega,left
From: https://www.cnblogs.com/mathzhou/p/17297527.html

相关文章

  • R语言预测人口死亡率:用李·卡特(Lee-Carter)模型、非线性模型进行平滑估计|附代码数据
    全文链接:http://tecdat.cn/?p=26147最近我们被客户要求撰写关于预测人口死亡率的研究报告,包括一些图形和统计输出。今天早上,我和同事一起分析死亡率。我们在研究人口数据集,可以观察到很多波动性我们得到这样的结果:  由于我们缺少一些数据,因此我们想使用一些广义非线性模......
  • 回归分析-线性回归
    使用kaggle比赛中的公开数据IceCreamData数据来完成温度和销售利润的线性关系。本实例使用python来仿真实现。1.下载数据,IceCreamData需要注册和下载到本地。大体背景是你拥有一家冰淇淋公司,你想创建一个模型,可以根据外部空气温度(度)预测每天的收入。2.导入数据importpan......
  • 合并有序线性表
    一看就懂的合并有序线性表源码把合并后的线性表放到新创建的第三个线性表中两个表的长度可能会不一样,所以一个表比较完了,另一个表可能没比较完,但两个表中的每个元素肯定都互相比较了一次,所以小的元素已经全部放到了前边,没比较完的那个表直接加在新表的后面就行SqlistA=[1,2......
  • 线性部分:古典解1:极值定理及其应用
    线性部分:古典解1-极值定理及其应用目录线性部分:古典解1-极值定理及其应用1.定义2.古典解的极值原理弱极值原理强最大值定理.3.先验估计:Drichlet边值条件4.先验估计:Robin和Nueman边值条件参考文献1.定义对于二阶的线性偏微分算子,一般有以下两种形式:散度型形式(divergence)......
  • 非线性优化理论(求极小值)
    梯度下降法迭代条件:    梯度下降法的缺点:初值的确定影响着迭代的快慢。步长过小可能要好多步才能到达极小值步长过大或则算法多次迭代后,可能导致在两个值之间反复振荡,收敛速度较慢可以迭代的前期使用梯度下降法       牛顿法迭代条件  ......
  • 【数学】线性代数
    0x01行列式的计算某行(列)加上或减去另一行(列)的几倍,行列式不变。行(列)乘k,等于k乘此行列式。互换两行(列),行列式变号。0x02计算的题型和套路只有两个数字,对角线是一个:套公式两行(列)相同或成比例时,行列式为0。以及某行(列)为两项相加减时,行列式可拆成两个行列式相加减。......
  • WT5100无电感线性降压220V降5V或3.3V50mA
       WT5100是一款交流转直流无电感输出离线式线性稳压ic。通过调整SEL引脚阻值,WT5100输出电压可调5V/3.3V/3V输出电压、内置集成了650V功率MOSFET.启动控制电路,VDD电压控制电路AC交流信号同步检测电路,低压差稳压器等。该芯片通过智能控制交流能量输入以减小系统损耗,提高系统......
  • 深度学习——用简单的线性模型构建识别鸟与飞机模型
    本文仅为深度学习的入门学习,故采用线性模型而非CNN处理图像数据集。一、准备工作1.下载CIFAR-10数据集这是一个\(32\times32\)像素的RGB图像集合,用于学习使用。fromtorchvisionimportdatasetsdata_path="./data/"cifar10=datasets.CIFAR10(root=data_path,train=......
  • 时间戳线性基
    当我们需要维护和向量空间或者异或和有关的东西,可能会用到线性基:提出问题【模板】线性基题意:给一个长为\(n\)的序列,问从中任取若干个数,最大的异或和为多少。这个问题可以直接使用线性基维护,但是我们考虑将这个问题进行加强:CF1100FIvanandBurgers题意:给一个长为\(n\)......
  • DC-DC直流线性可调升压模块高压稳压输出电源5v12v24v48v转0-300V0-500V/0-600V/0-1000
    GRB系列非隔离宽电压输入高电压稳压输出特点 效率高达75%以上 1*2英寸标准封装 单电压输出 可直接焊在PCB上 工作温度:-40℃~+75℃ 阻燃封装,满足UL94-V0要求 温度特性好 电压控制输出,输出电压随控制电压的变化线应用GRB系列模块电源是一种DC-DC升压变换器。该模块电......