[论文解读] Two Dimensional NLS Equation With Random Radial Data

Yu Deng|arXiv (Cornell University)|Aug 16, 2010

Advanced Mathematical Physics Problems参考文献 13被引用 8

一句话总结

本文建立了二维非线性薛定谔方程在谐振子势和径向初值条件下，在超临界正则性空间中几乎必然的全局适定性以及吉布斯测度的不变性。通过结合非线性平滑效应与拉盖尔函数的 $L^p$ 估计，作者克服了低正则性问题，并将结果推广至无势的聚焦型 NLS 方程中 $p \geq 3$ 为奇数的情形，证明了几乎必然的全局适定性与散射性。

ABSTRACT

In this paper we study radial solutions of certain two-dimensional nonlinear Schrödinger equation with harmonic potential, which is supercritical with respect to the initial data. By combining the nonlinear smoothing effect of Schr ödinger equation with Lp estimates of Laguerre functions, we are able to prove an almost sure global well-posedness result and the invariance of the Gibbs measure. We also discuss an application to the NLS equation without harmonic potential.

研究动机与目标

• 将非线性薛定谔方程在谐振子势下，从一维到二维空间的随机适定性结果进行推广。
• 在超临界正则性空间中，为二维 NLS 构造并证明径向初值下吉布斯测度的不变性。
• 通过透镜变换，在径对称性与 $p \geq 3$ 为奇数的条件下，建立无谐振子势的 NLS 几乎必然的全局适定性与散射性。
• 解决初值正则性极低的问题，即初值属于 $\cap_{\delta>0}\mathcal{H}^{-\delta}$ 的情形，此时确定性适定性不成立。

提出的方法

• 使用 $\mathcal{X}^{\sigma,b}$ 空间处理低正则性初值并控制非线性相互作用。
• 应用薛定谔方程的非线性平滑效应，获得超越确定性预期的正则性。
• 采用拉盖尔函数的 $L^p$ 估计，以控制随机初值的谱投影。
• 在假设 $p$ 为奇整数的前提下，运用多重线性特征函数估计以处理非线性项。
• 利用透镜变换，将谐振子方程 (1.1) 的结果转移至标准 NLS 方程 (1.2)。
• 通过在 $\cap_{\delta>0}\mathcal{H}^{-\delta}$ 上支撑的高斯测度进行概率分析，以定义具有几乎必然低正则性的初值。

实验结果

研究问题

• RQ1 当初值正则性低于 $L^2$ 时，能否为带有谐振子势的二维 NLS 建立几乎必然的全局适定性？
• RQ2 对于超临界空间中的径向初值，与二维 NLS 携带谐振子势相关的吉布斯测度是否在流作用下保持不变？
• RQ3 透镜变换能否用于将谐振子 NLS 的概率适定性结果转移至二维标准 NLS？
• RQ4 吉布斯测度支撑集中的初值典型正则性如何？能否用 $\mathcal{H}^{-\delta}$ 空间表征？
• RQ5 非线性平滑效应如何补偿在低正则性区域中确定性适定性失效的问题？

主要发现

• 当 $p \geq 3$ 为奇整数时，对于带有谐振子势和径向初值的聚焦型二维 NLS，建立了几乎必然的全局适定性。
• 尽管初值位于 $\cap_{\delta>0}\mathcal{H}^{-\delta}$，与二维 NLS 携带谐振子势相关的吉布斯测度在流作用下仍保持不变。
• 对于无谐振子势的标准二维 NLS，通过透镜变换与谐振子情形的结果，证明了当 $p \geq 3$ 为奇数时，几乎必然的全局适定性与散射性。
• 高斯测度支撑集中典型的元素属于 $\cap_{\delta>0}\mathcal{H}^{-\delta}$，但不属于 $L^2$，且当 $\sigma \geq \frac{1}{2}$ 时，$\mathbf{H}^{\sigma/2}f(\omega)$ 几乎必然不是局部可积函数。
• 薛定谔方程的非线性平滑效应在标准 Strichartz 估计失效的区域（特别是当 $\sigma_{c} \to 1$ 随 $p \to \infty$ 时）提供了实现局部适定性的关键工具。
• 证明依赖于多重线性特征函数估计与拉盖尔函数的 $L^p$ 有界性，这些在 $\mathcal{X}^{\sigma,b}$ 框架中控制随机初值至关重要。