[论文解读] On some nonlinear partial differential equations involving the 1-Laplacian

Mouna Kraïem|arXiv (Cornell University)|Mar 16, 2007

Advanced Mathematical Modeling in Engineering参考文献 21被引用 4

一句话总结

本文提出了一种惩罚方法，通过 $W_0^{1,1}(\bar{\Omega})$ 中的一系列最小化问题来逼近 1-拉普拉斯算子的第一特征函数，其中二次惩罚项用于强制满足 $L^1$-范数约束。当惩罚参数 $n \to \infty$ 时，最小化序列在 $BV(\Omega)$ 中紧收敛于松弛泛函 $\int_\Omega |\nabla u| + \int_{\partial\Omega} |u|$ 的非负最小化元，达到第一特征值 $\lambda_1$。

ABSTRACT

In this paper we present an approximation result concerning the first eigenvalue of the 1-Laplacian operator. More precisely, for $Ω$ a bounded regular open domain, we consider a minimisation of the functional ${\ds \int_Ω}| abla u|+n({\ds \int_Ω} |u|-1)^2 $ over the space $W_0^{1,1}(Ω)$. For $n$ large enough, the infimum is achieved in some sense on $BV(Ω)$, and letting $n$ go to infinity this provides an approximation of the first eigenfunction for the first eigenvalue, since the term $n({\ds \int_Ω} |u|^2-1)^2$ "tends" to the constraint $\|u\|_1=1$.

研究动机与目标

• 提出一种新的变分逼近方法，用于 1-拉普拉斯算子的第一特征值与特征函数。
• 通过在 $W_0^{1,1}(\Omega)$ 中使用带 $L^1$-范数约束的惩罚泛函，克服 $W^{1,1}(\Omega)$ 缺乏自反性的缺陷。
• 通过有界变差函数空间 ($BV(\Omega)$) 中的极限过程，建立 1-拉普拉斯算子正特征函数的存在性与唯一性。
• 通过证明惩罚最小化序列收敛于包含边界积分的松弛泛函最小化元，从而证明松弛公式的合理性。

提出的方法

• 在 $W_0^{1,1}(\Omega)$ 上引入惩罚泛函 $\int_\Omega |\nabla u| + n\left(\int_\Omega |u| - 1\right)^2$，以逼近在 $\|u\|_{L^1} = 1$ 约束下 $\int_\Omega |\nabla u|$ 的最小化问题。
• 利用 $BV(\Omega)$ 中序列的弱收敛与紧收敛性质，从惩罚问题的最小化元中提取出当 $n \to \infty$ 时的极限 $u$。
• 应用总变差与迹映射的下确界连续性，通过极限过程证明极限 $u$ 在 $BV(\Omega)$ 中最小化 $\int_\Omega |\nabla u| + \int_{\partial\Omega} |u|$，且满足 $\|u\|_{L^1} = 1$。
• 通过证明总变差与 $L^1$-范数的收敛性，建立序列 $u_n$ 在 $BV(\Omega)$ 中的紧收敛性。
• 利用 $\mathrm{sign}^+(u_n)$ 的收敛性以及关系式 $-2n(\int_\Omega u_n - 1) \to \lambda_1$，推导出惩罚项的渐近行为。
• 借助 $BV(\Omega)$ 到 $L^1(\Omega)$ 的紧嵌入性以及测度的狭义拓扑，为松弛公式中的极限提供合理性依据。

实验结果

研究问题

• RQ1 能否通过 $W_0^{1,1}(\Omega)$ 中的惩罚最小化问题逼近 1-拉普拉斯算子的第一特征函数？
• RQ2 惩罚泛函 $\int_\Omega |\nabla u| + n(\int_\Omega |u| - 1)^2$ 的最小化元是否收敛于 $BV(\Omega)$ 中松弛特征值问题的最小化元？
• RQ3 当 $n \to \infty$ 时，与惩罚问题相关的特征值 $\lambda_{1,n}$ 的渐近行为如何？
• RQ4 该惩罚方法与包含边界积分 $\int_{\partial\Omega} |u|$ 的经典松弛公式有何关联？
• RQ5 在惩罚方法下，极限特征函数是否唯一且非负？

主要发现

• 对于足够大的 $n$，惩罚泛函 $\int_\Omega |\nabla u| + n\left(\int_\Omega |u| - 1\right)^2$ 在 $BV(\Omega)$ 中达到下确界，为特征值问题提供了正则化逼近。
• 当 $n \to \infty$ 时，惩罚问题的最小化元 $u_n$ 在 $BV(\Omega)$ 中紧收敛于一个非负函数 $u$，该函数在 $\|u\|_{L^1} = 1$ 条件下最小化 $\int_\Omega |\nabla u| + \int_{\partial\Omega} |u|$。
• $\lambda_{1,n}$ 表示惩罚问题的特征值，当 $n \to \infty$ 时收敛于 1-拉普拉斯算子的第一特征值 $\lambda_1$。
• 极限函数 $u$ 满足 $\int_\Omega |\nabla u| + \int_{\partial\Omega} |u| = \lambda_1$，证实了松弛公式是惩罚问题极限的正确形式。
• 收敛关系 $-2n(\int_\Omega u_n - 1) \to \lambda_1$ 在极限中建立了惩罚参数与特征值之间的定量联系。
• 该方法通过 $BV(\Omega)$ 中的逼近与紧致性，为 1-拉普拉斯算子正特征函数的存在性与唯一性提供了新证明。