[论文解读] Minimal regularity solutions of semilinear generalized Tricomi equations

Zhuoping Ruan, Ingo Witt+1 more|arXiv (Cornell University)|Aug 5, 2016

Advanced Mathematical Physics Problems参考文献 12被引用 4

一句话总结

本文建立了半线性广义Tricomi方程 $\partial_t^2 u - t^m \Delta u = F(u)$ 在 $\mathbb{R}^n \times (0,T)$ 上最小正则性解的局部适定性，初始数据属于齐次Sobolev空间 $\dot{H}^\gamma \times \dot{H}^{\gamma - 2/(m+2)}$。关键贡献在于为线性算子导出精确的Strichartz型估计，并证明在由非线性幂次 $\kappa$ 决定的最小正则性阈值 $\gamma$ 处解的存在性与唯一性，改进了先前关于正则性与适定性的结果。

ABSTRACT

We prove the local existence and uniqueness of minimal regularity solutions $u$ of the semilinear generalized Tricomi equation $\partial_t^2 u-t^m Δu =F(u)$ with initial data $(u(0,\cdot), \partial_t u(0,\cdot)) \in \dot{H^γ}(\mathbb R^n) imes \dot{H}^{γ-\frac2{m+2}}(\mathbb R^n)$ under the assumption that $|F(u)|\lesssim |u|^κ$ and $|F'(u)| \lesssim |u|^{κ-1}$ for some $κ>1$. Our results improve previous results of M. Beals [2] and of ourselves [15-17]. We establish Strichartz-type estimates for the linear generalized Tricomi operator $\partial_t^2 -t^m Δ$ from which the semilinear results are derived.

研究动机与目标

• 确定半线性广义Tricomi方程在 $C([0,T]; \dot{H}^\gamma) \cap L^s_t L^q_x$ 中存在唯一局部解的最小正则性 $\gamma$。
• 通过建立适定性的精确正则性阈值，改进Beals及作者先前的结果。
• 为线性广义Tricomi算子 $\partial_t^2 - t^m \Delta$ 导出Strichartz型估计，作为基础工具。
• 以 $\kappa$、$m$ 和 $n$ 表示临界正则性指数 $\gamma(\kappa, m, n)$，并在两种情形下给出显式公式：$\kappa_1 < \kappa \leq \kappa_*$ 与 $\kappa \geq \kappa_*$。
• 在 $\kappa \geq \kappa_*$ 时，将局部结果推广至全局存在性，实现无限时间区间上的解。

提出的方法

• 使用傅里叶积分算子技术与齐次维数 $\mu_* = \frac{(m+2)n + 2}{2}$，为线性广义Tricomi算子 $\partial_t^2 - t^m \Delta$ 导出Strichartz型估计。
• 定义临界指数 $\kappa_* = \frac{(m+2)n + 6}{(m+2)n - 2}$，其对应于方程的共形不变性。
• 在空间 $C_t \dot{H}_x^\gamma \cap L^s_t L^q_x$ 中使用压缩映射原理，其中 $q = \mu_*(\kappa - 1)/2$，且 $1/s$ 根据 $\kappa$ 相对于 $\kappa_*$ 的位置分段定义。
• 利用Hölder不等式及对 $F(u)$ 与 $F'(u)$ 的逐点界 $|F(u)| \lesssim |u|^\kappa$，$|F'(u)| \lesssim |u|^{\kappa-1}$，控制解迭代中非线性项的大小。
• 将最小正则性阈值 $\gamma(\kappa, m, n)$ 建立为分段函数：当 $\kappa_1 < \kappa \leq \kappa_*$ 时，$\gamma = \frac{n+1}{4} - \frac{n+1}{\mu_*(\kappa - 1)} - \frac{m}{2\mu_*(m+2)}$；当 $\kappa \geq \kappa_*$ 时，$\gamma = \frac{n}{2} - \frac{4}{(m+2)(\kappa - 1)}$。
• 应用Fatou引理与迭代估计，证明Picard迭代序列的收敛性，并通过在 $L^s_t L^q_x$ 范数下的压缩映射证明唯一性。

实验结果

研究问题

• RQ1 半线性广义Tricomi方程 $\partial_t^2 u - t^m \Delta u = F(u)$ 在 $C([0,T]; \dot{H}^\gamma) \cap L^s_t L^q_x$ 中存在唯一局部解的最小正则性 $\gamma$ 是什么？
• RQ2 线性算子 $\partial_t^2 - t^m \Delta$ 的Strichartz型估计如何促成最小正则性空间中适定性的精确结果？
• RQ3 正则性阈值 $\gamma$ 对非线性幂次 $\kappa$、空间维数 $n$ 与参数 $m$ 的精确依赖关系为何？
• RQ4 在何种条件下局部解可延拓为全局解？初始数据的大小在其中起何作用？
• RQ5 尺度不变性如何揭示正则性阈值 $\gamma$ 的最优性？

主要发现

• 当 $\kappa_1 < \kappa \leq \kappa_*$ 时，最小正则性指数为 $\gamma = \frac{n+1}{4} - \frac{n+1}{\mu_*(\kappa - 1)} - \frac{m}{2\mu_*(m+2)}$，其中 $\mu_* = \frac{(m+2)n + 2}{2}$。
• 当 $\kappa \geq \kappa_*$ 时，最小正则性为 $\gamma = \frac{n}{2} - \frac{4}{(m+2)(\kappa - 1)}$，其最优性由尺度论证揭示：低于此阈值时方程不适定。
• 解满足估计式 $\|u\|_{C_t \dot{H}_x^\gamma} + \|u\|_{L^s_t L^q_x} \lesssim \|\varphi\|_{\dot{H}^\gamma} + \|\psi\|_{\dot{H}^{\gamma - 2/(m+2)}}$，其中 $q = \mu_*(\kappa - 1)/2$，且 $1/s$ 分段定义。
• 当 $\kappa \geq \kappa_*$ 时，对小初值存在全局解，且 $u \in C([0,\infty); \dot{H}^\gamma) \cap L^\infty_t \dot{H}^\gamma \cap L^{\mu_*(\kappa - 1)/2}_{t,x}$。
• 唯一性通过在 $L^s_t L^q_x$ 范数下的压缩映射建立，压缩因子受 $T^{1/2 - 1/s}$ 及迭代项的 $L^s_t L^q_x$-范数控制。
• 结果改进了Beals及作者先前的工作，实现了适定性所需的最小可能正则性，且通过尺度论证确认：当 $\gamma < \frac{n}{2} - \frac{4}{(m+2)(\kappa - 1)}$ 时方程不适定。