[论文解读] Random data wave equations

Nikolay Tzvetkov|arXiv (Cornell University)|Apr 4, 2017

Advanced Mathematical Physics Problems被引用 4

一句话总结

本文在环面上对低于能量阈值的超临界Sobolev空间中的3D三次非线性波方程建立了概率良态性和拟不变性。通过为低正则性初值赋予高斯测度，并结合精细的概率Strichartz估计与多尺度Wiener混沌分析，作者证明了解的几乎必然全局存在性与唯一性，并表明相关不变测度在流作用下是拟不变的，从而将确定性良态性结果推广至奇异正则性区域。

ABSTRACT

Nowadays we have many methods allowing to exploit the regularising properties of the linear part of a nonlinear dispersive equation (such as the KdV equation, the nonlinear wave or the nonlinear Schroedinger equations) in order to prove well-posedness in low regularity Sobolev spaces. By well-posedness in low regularity Sobolev spaces we mean that less regularity than the one imposed by the energy methods is required (the energy methods do not exploit the dispersive properties of the linear part of the equation). In many cases these methods to prove well-posedness in low regularity Sobolev spaces lead to optimal results in terms of the regularity of the initial data. By optimal we mean that if one requires slightly less regularity then the corresponding Cauchy problem becomes ill-posed in the Hadamard sense. We call the Sobolev spaces in which these ill-posedness results hold spaces of supercritical regularity. More recently, methods to prove probabilistic well-posedness in Sobolev spaces of supercritical regularity were developed. More precisely, by probabilistic well-posedness we mean that one endows the corresponding Sobolev space of supercritical regularity with a non degenerate probability measure and then one shows that almost surely with respect to this measure one can define a (unique) global flow. However, in most of the cases when the methods to prove probabilistic well-posedness apply, there is no information about the measure transported by the flow. Very recently, a method to prove that the transported measure is absolutely continuous with respect to the initial measure was developed. In such a situation, we have a measure which is quasi-invariant under the corresponding flow. The aim of these lectures is to present all of the above described developments in the context of the nonlinear wave equation.

研究动机与目标

• 通过概率方法将3D三次非线性波方程的良态性结果扩展至超过确定性能量阈值的范围。
• 通过为Sobolev空间中低于$ H^1 \times L^2 $的初值赋予非退化的高斯测度，建立超临界正则性下的全局流存在性。
• 证明解流的分布相对于初值测度是绝对连续的，从而确立与Gibbs型测度在非线性波流下的拟不变性。
• 发展一种结合Wiener混沌估计与确定性Strichartz型估计的多尺度概率分析，以控制Picard迭代中的正则性损失。

提出的方法

• 为$ s < 1 $时$ H^s \times H^{s-1} $中的初值赋予非退化的高斯测度$ \widetilde{\mu}_s $，从而在超临界正则性区域实现概率良态性。
• 利用概率Strichartz估计控制Picard迭代中非线性项的$ L^p $-范数，其中Wiener混沌估计带来正则性上的$ \sqrt{p} $损失。
• 对非线性相互作用中的频率局部化项实施多尺度分解，根据二进制频率局部化$ N_1, N_2, N_3, N_4 $区分情形，以优化正则性增益。
• 在不同频率区域应用双线性和三线性Wiener混沌估计，以控制非线性项的$ L^p $-范数，尤其针对$ Q_1(u,v) $，并仔细重新分配导数损失。
• 引入重正则化能量与软分析技术，以在测度论框架下处理重正则化能量泛函$ R(u) $的极限。
• 采用涉及$ \dot{x}(t) \leq Cp(x(t))^{1-1/p} $的微分不等式论证，表明零测度集在演化后仍保持为零测度集，从而在有限时间内证明拟不变性，并通过时间迭代获得全局拟不变性。

实验结果

研究问题

• RQ1 3D三次非线性波方程在低于能量阈值的超临界正则性Sobolev空间初值下是否具有全局良态性？
• RQ2 当确定性流不成立时，与非线性波方程相关的Gibbs型测度在非线性流作用下是否仍为拟不变？
• RQ3 当初值通过高斯测度随机化时，解的几乎必然全局存在性的最优正则性阈值是什么？
• RQ4 如何将概率Strichartz估计与Wiener混沌分析结合，以控制低正则性空间中非线性项的增长？
• RQ5 在定理4.3的关键估计中，$ \sqrt{p} $-损失的作用是什么？为何它对证明拟不变性至关重要？

主要发现

• 对于$ s < 1 $时$ H^s \times H^{s-1} $中的初值，3D三次波方程的柯西问题在几乎必然意义下是全局良态的，其结果超越了确定性阈值$ s \geq 1 $。
• 关联的Gibbs测度$ \widetilde{\mu}_s $在非线性波流作用下是拟不变的，即推前测度相对于原测度是绝对连续的。
• 定理4.3中的关键估计涉及非线性项$ L^p $-范数的$ \sqrt{p} $-损失，这对导致拟不变性的微分不等式论证至关重要。
• 证明依赖于对四线性表达式$ Q_1(u,v) $的多尺度分析，其中不同频率区域通过双线性或三线性Wiener混沌估计处理，以实现正则性增益。
• 软分析技术使得在所有$ p < \infty $下，重正则化能量泛函$ R(u) $的极限可在$ L^p(d\widetilde{\mu}_s) $中定义，从而支持不变测度的构造。
• 通过使用$ \dot{x}(t) \leq Cp(x(t))^{1-1/p} $并取$ p \to \infty $，表明零测度集在演化后仍保持为零测度集，从而在时间尺度$ 1/C $内证明拟不变性，并通过迭代获得全局拟不变性。