乘法扰动下随机波动方程组的随机吸引子

来源 :西南大学 | 被引量 : 0次 | 上传用户:zeer
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在本文中,研究了乘法扰动下具有Dirichlet边界的随机波动方程组:   其中Ω是R上一个具有光滑边界Γ的有界开子集,ui(x,t)=ui,i=1,2,x∈Ω,t∈R是实值函数。sin(u1+u2),sin(u1-U2)∈Cb(R2,R),Cb(X,Y)是从X到Y的有界函数全体。   乘法白噪音是通过Wiener过程描述的,它是定义在概率空间(Ω,(),P)上的双边Winner过程,其中Ω={ω∈C(R,R):ω(0)=0),()是波雷尔σ代数测度集,P是Wienner测度。   具有初值条件:ui(x,t)=0,Γ×R,i=1,2,ui(x,τ)=uiO∈H1O(Ω),u1i(x,υ)=u1i(τ)∈L2(Ω)。   本文主要得到了上述方程组具有以上初值条件下的解的存在唯一性,并且证明了由这个唯一解生成的随机动力系统存在随机吸引子。文中,首先引入O-U过程消去其中的扰动项,接着用GalNerkin逼近的方法说明了方程(2.2.2)存在唯一解φ=φ(t,ω;φ(τ)),并且这个解生成一个随机动力系统S(t,ω),最后用Sobolev紧嵌入定理证明出这个随机动力系统存在随机吸引子。   本论文共有四章:   第一章:介绍了随机动力系统,吸引子的背景以及对含有乘法扰动的波动方程吸引子问题研究的已有理论成果,并给出了本文中需要的一些基础理论知识以及证明过程中所   第二章:主要引入O-U过程消去了方程组中的随机项,然后用Galerkin逼近的方法说明了方程(2.2.2)存在唯一解φ=φ(t,ω;φ(τ)),并且这个解可生成一个连续的随机动力系统S(t,ω)。   第三章:方程组的解生成的随机动力系统S(t,ω)存在随机吸引子。   首先得出S(t,ω)在E’中的吸收集B(0,γ(ω))。   定理3.1.2存在随机变量γ(t,ω)=γ1(t,ω)+γ2(t,ω)和T>0,且X,Y,ψ分别是方程(2.3.2),(2.3.3),(2.3.1)的解,其初值分别为X(τ)=(u10,u’1(τ)+εu10)T,Y(τ)=(u20,u’2(τ)+εu20)T,ψ(τ)=(u0,u’(τ)+εu0)T,对任何的有界集B’()E’和任意的t>T,有||ψ(0,t,ω;ψ(τ))||E’≤γ(t,w)。此外,存在映射t→γ3(t,ω)和t→γ4(t,ω)在R中是缓增的,并且使得对任何固定的t以及足够小的τ,有||x(t,ω;x(τ))||E≤γ3(t,ω),||y(t,ω;y(τ))||E≤γ4(t,ω)。   定理3.2.2存在随机变量γ’(t,ω)=γ6(t,ω)+γ7(t,ω)>0,使得方程(2.3.1)的解分别满足lim||ψa(0,ω;ψa(τ))||E’=0,lim||Aσ/2ψb(0,ω;ψb(τ))||E’≤γ’(t,ω),lim||ψc(0,ω;ψc(τ))||E’=0。   第四章:介绍进一步需要更深层次研究的问题。
其他文献
近年来,随着数学学科的不断发展,越来越多的分数阶差分方程数学模型被人们发现,使得人们对于分数阶差分方程的近似计算要求越来越高.而随着分数阶差分方程的发展,人们对分数阶差
偏微分方程中的自由边界问题是一类特殊的偏微分方程定解问题.这类问题主要源自医学、物理学、化学以及生物学等诸多领域.比如肿瘤生长问题、美式期权定价问题、冶金业中金属
近几年,越来越多的学者开始着手研究小阶图与路、圈的联图的交叉数.Klesc给出了所有4-阶图(含不连通图)与路、圈的联图的交叉数,此后,陆续有学者得到了一些五阶图与路、圈的联图
格蕴涵代数作为格值逻辑以及不确定性信息处理的理论基础之一,是一种非常重要的逻辑代数,且其滤子在逻辑推理中恰好反映了MP规则.基于格蕴涵代数的性质、结构,滤子的性质,以及各
本文主要研究了分块算子矩阵值域的闭性问题.运用扰动理论和Hyers-Ulam稳定性,给出分块算子矩阵值域为闭的充分条件.最后给出了一些例子,加以说明判别准则的有效性.  
互补约束优化问题又称均衡约束数学规划(简称MPEC),是一类特殊的约束优化问题.互补约束优化问题在工程设计、交通、通讯、经济等领域有着很强的实际背景和广泛的应用.因此,这类
随着近代科学技术的发展,非线性物理方程在非线性科学许多领域都有着不可替代的地位,在等离子体、流体力学、医学、生物学等方面都具有十分广泛的应用.因此,为了更好地将理论与
凸优化和变分不等式问题都是优化领域比较常见的问题.随着各个学科之间的发展和相互融合,它们的用途也越来越广泛,凸优化问题和变分不等式问题已经成为研究数学、工程科学和管
激光立体成形是一种新型的加工技术,成形表面质量是多种因素的作用结果,为了提高激光立体成形表面质量的预测精度,提出一种改进人工神经网络的激光立体成形表面质量预测模型