[论文解读] Quasilinear eigenvalues

Julián Fernández Bonder, Juan Pablo Pinasco+1 more|arXiv (Cornell University)|Feb 26, 2014

Advanced Mathematical Modeling in Engineering参考文献 36被引用 7

一句话总结

本文将 p-Laplacian 的特征值理论推广至一类具有单调性和齐次结构的广义拟线性椭圆算子。研究建立了非线性特征值的均质化结果，证明了在周期振荡下特征值与特征函数的收敛性，且节点区域测度的上界与振荡尺度无关。

ABSTRACT

In this work, we review and extend some well known results for the eigenvalues of the Dirichlet $p-$Laplace operator to a more general class of monotone quasilinear elliptic operators. As an application we obtain some homogenization results for nonlinear eigenvalues.

研究动机与目标

• 将 p-Laplacian 特征值已知结果推广至更广泛的拟线性、单调椭圆算子类。
• 分析这些广义算子的变分谱与谱性质。
• 在系数和权重的周期振荡下，建立非线性特征值的均质化结果。
• 证明特征函数节点区域测度的统一下界，且该下界与均质化参数无关。
• 展示在均质化极限下特征值与特征函数的收敛性。

提出的方法

• 通过散度形式 $-\operatorname{div}(a(x,\nabla u)) = \lambda \rho(x)|u|^{p-2}u$ 形式化定义拟线性算子的特征值问题，其中 $a(x,\xi)$ 为齐次且单调的函数。
• 利用变分方法与临界点理论定义谱与特征函数。
• 应用集中紧致性与单调性技术，分析特征函数在周期振荡下的行为。
• 通过与 p-Laplacian 比较及对 $\mu_1(\mathcal{N})$ 的已知估计，建立节点区域测度的统一下界。
• 利用 Krasnoselskii 亏格与对称临界点理论，通过极小化-极大化原理刻画特征值。
• 通过节点区域控制结合上下界估计，证明特征值 $\lambda_k^\varepsilon$ 收敛于极限特征值 $\lambda_k$。

实验结果

研究问题

• RQ1 p-Laplacian 的谱性质如何推广至更一般的具有齐次结构的拟线性、单调算子？
• RQ2 在系数与权重的周期均质化下，特征值与特征函数的行为如何？
• RQ3 能否在不依赖均质化参数 $\varepsilon$ 的前提下，建立节点区域测度的统一下界？
• RQ4 振荡问题的第 $k$ 个特征值是否收敛于极限问题的第 $k$ 个特征值？
• RQ5 广义特征值问题的变分谱与实际谱之间存在何种关系？

主要发现

• 当 $\varepsilon \to 0$ 时，振荡问题的第 $k$ 个特征值 $\lambda_k^\varepsilon$ 收敛于极限问题的第 $k$ 个特征值 $\lambda_k$。
• 特征函数 $u_k^\varepsilon$ 的每个节点区域的测度均被一个与 $\varepsilon$ 无关的正常数 $C(k)$ 控制，确保无集中现象。
• 每个节点区域上的第一特征值满足 $\lambda_{1,i}^\varepsilon \to \lambda_{1,i} = \lambda_k$，当 $\varepsilon \to 0$ 时，其中 $\lambda_{1,i}$ 在极限下等于第 $k$ 个特征值。
• 上界 $\lambda_k^\varepsilon \leq \max_i \lambda_{1,i}^\varepsilon$ 成立，且由于 $\lambda_{1,i}^\varepsilon \to \lambda_k$，可得 $\limsup_{\varepsilon \to 0} \lambda_k^\varepsilon \leq \lambda_k$。
• 通过节点区域测度控制及特征值不能低于 $\lambda_k$ 的事实，建立了下界 $\lambda_k \leq \liminf_{\varepsilon \to 0} \lambda_k^\varepsilon$。
• 上下界结合得 $\lim_{\varepsilon \to 0} \lambda_k^\varepsilon = \lambda_k$，从而证明了第 $k$ 个特征值的收敛性。