首页 > 其他分享 >pde复习笔记 第一章 波动方程 第六节 能量不等式、波动方程解的唯一性和稳定性

pde复习笔记 第一章 波动方程 第六节 能量不等式、波动方程解的唯一性和稳定性

时间:2024-05-05 10:11:18浏览次数:20  
标签:方程解 tau 唯一性 不等式 方模 波动 int dx pde

能量不等式

这一部分需要知道的是能量的表达式

\[E(t)=\int_{0}^{l}u_{t}^{2}+a^{2}u_{x}^{2} dx \]

一般而言题目常见的问法是证明能量是减少的,也就是我们需要证明

\[\dfrac{d}{dt}E(t) \le0 \]

在计算\(\dfrac{d}{dt}E(t) \le0\)的时候一定会用的题目给的方程条件去凑微分,还会用到Cauchy-Schwarz不等式放缩。
还要知道均方模的概念,例如\(u\)的均方模指的就是

\[E_{0}(t)=\int_{0}^{l}u^{2}dx \]

在证明稳定性的时候我们会用到均方模。
image
image
以上是课本内容。标黄色部分是需要掌握的技巧。

例题 (课后题T1)

image

套路就是写出能量\(E(t)\)的表达式然后求导证明其单调不增,稳定性的证明就是去估计\(u(x,t)\)的均方模.

image

评注:在求导的时候,注意黄色标注的地方,一般会凑题目给定的方程(例如本题就是凑\(u_{tt}-a^{2}u_{xx}=cu_{t}\)),后面会正好凑成一个微分,这部分需要自己动笔算体会一下。

下面证明唯一性的问题

image

评注:唯一性就是假设有两个解\(u_{1}, u_{2}\)都满足方程, 去考虑\(u=u_{1}-u_{2}\), 由于叠加原理,这时候\(u\)满足的就是上图的齐次方程,再利用第一步得到的能量不等式,就可以得到\(u=0\), 就说明了唯一性。

下面证明稳定性,需要考虑均方模了,就是说初始条件的均方模很小的时候,解的均方模也很小,这就是稳定的含义。

\[E_{0}(t)=\int_{0}^{l}u^{2}dx \]

\[\dfrac{d}{dt} E_{0}(t)=2\int_{0}^{l}uu_{t}dx\stackrel{\text{Cauchy-Schwarz}}{\leq} \int_{0}^{l}u^{2}dx+\int_{0}^{l}u_{t}^{2}dx=E_{0}(t)+E(t) \]

式子两边同时乘\(e^{-t}\), 凑微分,得到

\[\dfrac{d}{dx}(E_{0}(t)e^{-t}) \le E(t)e^{-t} \]

对上式从0到\(t\)积分,得到

\[E_{0}(t)e^{-t}-E_{0}(0)\le \int_{0}^{t} E(\tau)e^{-\tau} d\tau \]

\[E_{0}(t)\le e^{t}\int_{0}^{t} E(\tau)e^{-\tau} d\tau +E_{0}(0)e^{t} \stackrel{\text{E(t)单调递减}}{\leq} E(0)(e^{t}-1)+E_{0}(0)e^{t} \]

这就表明,初值\(E(0), E_{0}(0)\)很小的时候,解的均方模也很小。

评注:注意,我们刚刚是假设没有外力\(f\)作用下的均方模估计,所以只考虑了初值\(E(0), E_{0}(0)\),如果有外力\(f\),我们还需要利用\(f\)的均方模去说明稳定性,这就需要进一步的估计。
image
image

至此我们就完成了全部的证明。

评注:本题用到的技巧,无一例外都是来源于课本。

标签:方程解,tau,唯一性,不等式,方模,波动,int,dx,pde
From: https://www.cnblogs.com/colorfulLau/p/18173250

相关文章

  • WPF CollectionViewSource GroupDescriptions GroupStyle ItemsPanelTemplate
    <Windowx:Class="WpfApp83.MainWindow"xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"xmlns:d="http://schemas.microsoft.......
  • WPF CollectionViewSource GroupDescriptions PropertyGroupDescription GroupStyle
    <Windowx:Class="WpfApp83.MainWindow"xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"xmlns:d="http://schemas.microsoft.......
  • Matlab用BUGS马尔可夫区制转换Markov switching随机波动率SV模型、序列蒙特卡罗SMC、M
    原文链接:http://tecdat.cn/?p=24498原文出处:拓端数据部落公众号在这个例子中,我们考虑马尔可夫转换随机波动率模型。统计模型让  是因变量和  未观察到的对数波动率 .随机波动率模型定义如下 区制变量  遵循具有转移概率的二态马尔可夫过程 表示均值的正态分布......
  • pde复习笔记 第一章 波动方程 第三节 分离变量法
    教材谷超豪《数学物理方程》第四版,虽然我们老师用的第三版,但是除了页码对不上,习题多了一点,也似乎没有多少区别。打算开个新栏专门总结一下pde的各种计算问题,在图书馆算的手麻了,但是习题几乎都是按套路出牌,所以打算好好总结一下。齐次方程提醒:这里的边界条件是两端固定,也即......
  • helpdesk桌面运维常见问题解决
    helpdesk是一套帮助IT团队管理IT工单生命周期、自动化日常工作、优化工作流程的软件或软件集合,它可以帮助IT团队提高生产力、降低成本、改善服务水平和客户体验。 在现代企业中,helpdesk桌面运维是一项至关重要的工作,helpdesk团队负责处理员工或客户在日常工作中遇到的各种技术......
  • R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列|附代
    原文链接:http://tecdat.cn/?p=26897最近我们被客户要求撰写关于GARCH的研究报告,包括一些图形和统计输出。风险价值(VaR)是金融风险管理中使用最广泛的市场风险度量,也被投资组合经理等从业者用来解释未来市场风险风险价值(VaR)VaR可以定义为资产在给定时间段内以概率θ......
  • R语言预测期货波动率的实现:ARCH与HAR-RV与GARCH,ARFIMA模型比较|附代码数据
    全文下载链接:http://tecdat.cn/?p=3832最近我们被客户要求撰写关于期货波动率的研究报告,包括一些图形和统计输出。在本文中,波动率是众多定价和风险模型中的关键参数,例如BS定价方法或风险价值的计算。在这个模型中,或者说在教科书中,这些模型中的波动率通常被认为是一个常数然而,情......
  • 实用技巧:排查数据异常/数据波动问题,该如何下手?
    前言在我做开发的这些年,让我很头痛的一类问题,不是线上故障,而是数据异常,不知道有没有程序员跟我感同身受。大多数的服务故障都有较为直观的异常日志,再结合产品表象,相对排查起来还有迹可循,但数据异常的原因就太多了,很多时候连报错日志都没有,排查起来简直无从下手。在一个微服务、......
  • Python随机波动性SV模型:贝叶斯推断马尔可夫链蒙特卡洛MCMC分析英镑/美元汇率时间序列
    全文链接:https://tecdat.cn/?p=33885原文出处:拓端数据部落公众号本文描述了帮助客户使用马尔可夫链蒙特卡洛(MCMC)方法通过贝叶斯方法估计基本的单变量随机波动模型,就像Kim等人(1998年)所做的那样。定义模型以及从条件后验中抽取样本的函数的代码也在Python脚本中提供。  ......
  • 免杀-异常处理_内存波动修改
    3x1远程分段加载shellcode+windows异常处理windows异常处理机制利用原理的文章:https://forum.butian.net/share/783异常处理的个人简单理解:我们在上线cs后,cs是默认设置了60秒睡眠的,也就是心跳包机制,这10秒内我们的代码将会被sleep阻塞,60秒后执行命令再次进入睡眠;而我们的代码......