整条直线上白场强制高粘性Burgers方程的多项式混合方法

《Journal of Differential Equations》:Polynomial mixing for the white-forced hyperviscous Burgers equation on the whole line

【字体: 大 中 小 】 时间:2026年07月08日 来源:Journal of Differential Equations 2.3

编辑推荐:

  中国吉林省长春市东北师范大学数学与统计学院及数学与交叉科学中心,邮编130024 摘要 本文旨在研究整个实数线上白噪声驱动的高粘性Burgers方程的遍历性。在相空间中有足够多的方向受到随机力作用的假设下,我们可以证明该动力系统会以多项式速率吸引到唯一的不变概率测度上。为证明这

  中国吉林省长春市东北师范大学数学与统计学院及数学与交叉科学中心,邮编130024

摘要
本文旨在研究整个实数线上白噪声驱动的高粘性Burgers方程的遍历性。在相空间中有足够多的方向受到随机力作用的假设下,我们可以证明该动力系统会以多项式速率吸引到唯一的不变概率测度上。为证明这一点,我们进一步发展了耦合方法,并建立了多项式混合的充分通用准则。通过结合耦合准则与整个实数线上高粘性Burgers方程的Foia?-Prodi估计,最终得到了该方程多项式混合的证明。

引言
高粘性Burgers方程的形式为ut+uxxxx+uux=0,它引入了四阶扩散项uxxxx,用以模拟流体流动中的复杂粘性效应。这一方程是经典Burgers方程ut?uxx+uux=0的扩展形式,尤其适用于描述那些无法用标准粘性充分描述的中小尺度湍流现象。相比之下,经典Burgers方程仅包含二阶项?uxx,代表传统的粘性耗散作用。虽然它能有效描述波动传播、激波形成以及基本的粘性行为,但在高雷诺数环境下,当湍流涉及更为复杂的扩散过程时,其表现力就显得不足了。高粘性Burgers方程通过引入更高阶的粘性,能够更准确地描述微观湍流效应,尤其是在梯度较大的区域或靠近边界处。因此,与经典形式相比,高粘性形式为分析和模拟那些标准粘性无法满足的非线性流体动力学问题提供了更强大的工具。关于这一方面的更多细节,可参考[5]、[6]、[7]、[8]、[9]、[10]及其中的参考文献。在[6]和[9]中,人们通过数值模拟和动态重正化群方法研究了具有适当空间相关性的随机力驱动的高粘性Burgers方程,发现其解的统计特性与实际三维湍流中的观测结果十分相似。由于流体混合是Kolmogorov湍流理论中的一个基本假设,因此混合理论受到了广泛关注。在过去三十年里,人们在研究受随机力驱动的偏微分方程的混合性质方面取得了显著进展。关于这一领域的全面概述,可参考[12]、[16]、[18]、[19]、[20]、[21]、[27]以及专著[15]、[24]。

受[5]、[6]、[7]、[8]、[9]、[10]的启发,人们可以将白噪声驱动的高粘性Burgers方程作为研究湍流理论的模型。如前文在Kolmogorov湍流理论背景下所述,研究整个实数线R上该方程的混合性质具有非常重要的意义。具体而言,我们从物理和数学两个角度对这一问题进行阐述。从物理角度来看,在Kolmogorov湍流理论中,学者们通常假设整个空间内的充分发展的湍流是空间均匀且各向同性的,并具备一定的混合特性。这意味着,在足够高的雷诺数和足够强的湍流混合假设下,无论是对有限区域进行时间平均,还是对大范围区域进行空间平均,都可以得到相同的统计量(如能量谱)。这一假设在工程和技术领域已被广泛应用。因此,研究由随机偏微分方程(如随机高粘性Burgers方程)描述的湍流模型,并确定其在整个空间上的混合性质,具有重要的物理意义,因为它可以为上述假设提供严格的数学依据。从数学角度来看,以往的研究大多集中在有界域上随机偏微分方程的混合性质上,所使用的方法很大程度上依赖于有界域的特性,如紧凑性以及偏微分算子的谱性质。然而,这些技术并不适用于研究整个空间上的混合性质,这就需要开发新的工具和方法。因此,研究整个空间上随机偏微分方程的混合性质有助于丰富相关的数学研究工具和方法体系。

更确切地说,在本文中,我们考虑以下带阻尼的白噪声驱动高粘性Burgers方程的混合问题:{ut+au+uxxxx+uux=h+ηu(x,0)=u0(x)inR,inR,其中a>0为常数,h=h(x),η为形如η(t):=??tW(t),W(t):=∑i=1∞biβi(t)ei(x),且bi∈R,{βi}i≥1是在满足常规条件的过滤概率空间(Ω,F,Ft,P)上定义的一组独立的实值标准布朗运动序列,{ei}i≥1是L2(R)中的正交基。本文选择高粘性Burgers方程而非经典Burgers方程,主要是因为考虑到整个直线上的耗散机制。经典Burgers方程在整个直线上缺乏足够的耗散,难以有效描述无界域中流体的能量耗散行为。具体而言,在整个直线上,经典Burgers方程中的耗散项?uxx仅具有弱耗散作用,无法有效抑制非线性项uux所带来的复杂性,这一点在构建Foia?-Prodi型估计时可以明显看出(见定理3.1)。由于这种耗散上的局限性,目前针对整个空间上经典Burgers方程的研究只能确定存在唯一不变测度,而无法确定其混合速率。为克服这一困难,本文引入了更高阶的粘性项,即高粘性Burgers方程。需指出的是,尽管[29]研究了整个空间上随机二维Navier-Stokes系统的混合问题,但其方法和技术无法直接应用于整个直线上的Burgers方程,因为二维Navier-Stokes方程的方法依赖于速度场无散度这一事实,这意味着不存在涡旋拉伸现象,而一维Burgers方程则存在涡旋拉伸,因此二维Navier-Stokes方程的方法不适用。因此,为弥补经典粘性耗散不足以及与二维Navier-Stokes方程所用方法的结构差异,我们采取了增强耗散的策略,即选择高粘性Burgers方程而非经典Burgers方程作为研究对象。

设H:=L2(R),V:=H1(R)。我们给出如下假设:(A){φh∈H,∑i=1∞|(h,ei)|‖ei‖3<+∞,B1:=∑i=1∞bi2<+∞,B2:=∑i=1∞bi2‖φei‖2<+∞,B3:=∑i=1∞bi2‖ei‖32<+∞,其中φ(x):=ln?(x2+2)。关于‖?‖s的详细定义,可参考第1节末尾的符号说明。在假设(A)成立的前提下,借鉴[14]、[22]中的类似论证,我们可以证明随机高粘性Burgers方程(1.1)是全局适定的,并且在V中定义了一个马尔可夫过程。现在,我们可以给出本文的主要结果。定理1.1:假设条件(A)成立。那么存在一个整数N≥1,使得当bi≠0,i=1,2,?,N时,存在唯一的平稳测度μ∈P(V)对应于方程(1.1)。此外,对于任意p>1,存在常数Cp>0,使得对于任意u0∈V,方程(1.1)的解u满足?‖Pt(u0,?)?μ‖L(V)?≤Cp(1+‖u0‖12+‖u0‖143)(t+1)?p,t≥0。关于?‖?‖L(V)?的详细定义,可参考第1节末尾的符号说明。为证明定理1.1,我们建立了一个用于判定马尔可夫过程多项式混合的抽象准则。

设X是一个具有范数‖?‖的可分巴拿赫空间。设(ut,Pu)是X上的一族Feller马尔可夫过程,Pt(u,A):=P(ut(u,ω)∈A)为转移函数。我们引入以下相关的马尔可夫算子:??Bt:Cb(X)→Cb(X),Btf(u):=∫Xf(v)Pt(u,dv),?f∈Cb(X),Bt?:P(X)→P(X),Bt?λ(A):=∫XPt(u,A)λ(du),?λ∈P(X)。

定义1.1:设(ut,Pu)是X×X上的一族马尔可夫过程。如果对于任意u=(u,u′)∈X×X,过程{Π1ut}t≥0和{Π2ut}t≥0在Pu作用下的分布分别与{ut}t≥0在Pu和Pu′作用下的分布相同,其中Π1和Π2表示从X×X到第一分量和第二分量的投影,那么称(ut,Pu)是(ut,Pu)的扩展。设B是X中的一个闭子集,X:=X×X,B:=B×B。定义τB=τB(u,ω)=inf?{t≥0:ut(u,ω)∈B},σ=σ(u,ω)=inf?{t≥0:‖ut(u,ω)?ut′(u,ω)‖≥C(t+1)?p},ρ=σ+τB°θσ=σ(u,ω)+τB(uσ(u,ω)(u,ω),θσ(u,ω)ω),其中{θt}t≥0是从Ω到Ω的一族保测变换半群,满足θt?1Fs?Ft+s,详见[26]。

定义1.2:如果存在一个扩展(ut,Pu)、一个闭集B?X,以及一个关于变量r≥0的递增函数g(r)≥1,使得以下两个性质成立,则称过程族(ut,Pu)满足耦合假设:递归性:存在p>1,使得对于所有u=(u,u′)∈X,都有EuτBp≤G(u),其中G(u)=g(‖u‖)+g(‖u′‖)。多项式压缩性:存在正常数δ1、δ2、c、K以及1≤q≤p,使得对于任意u∈B,都有Pu(σ=∞)≥δ1,Eu(Iσ<∞σp)≤c,Eu(Iσ<∞G(uσ)q)≤K。任何满足上述性质的(ut,Pu)的扩展都被称为混合扩展。

现在,我们可以给出多项式混合的抽象准则。设T=R或Z,T+={t∈T:t≥0}。定理1.2:设(ut,Pu)是一族具有混合扩展(ut,Pu)的Feller马尔可夫过程。那么存在一个随机时间?∈T+,使得对于任意u∈X,以Pu概率1,对于任意p0
备注1.1:分析定理1.2的证明过程可以发现,只要用另一个满足pu(σ?≤σ)=1对任意u∈b的停止时间σ?替换σ,定理1.2仍然成立。换句话说,如果用σ?替换σ后,不等式(1.3)-(1.6)仍然成立,那么定理1.2的结论依然正确。要理解这一点,只需在证明定理1.2的过程中处处将σ替换为σ?即可。备注1.2:定理1.2可以视为[24]中定理3.1.7的多项式对应形式。定理3.1.7在特定条件下建立了马尔可夫过程的多项式混合现象,而定理1.2则将这些方法和概念推广到了多项式混合,从而为研究更广泛类别的随机偏微分方程的混合行为提供了框架。早期的研究主要集中于有界域上spdes的混合问题,包括navier-stokes方程、burgers方程、复ginzburg-landau方程以及反应-扩散方程。实际上,现有大量文献都是关于spdes的多项式混合问题的,例如[19]、[20]、[23]、[24]、[25]、[26]及其中的参考文献。这些研究中得到的多项式速率在很大程度上依赖于相应系统强烈的耗散结构。相比之下,对于耗散较弱的spdes(例如整个空间上的白噪声驱动抛物方程、薛定谔方程以及波动方程等),要得到类似的结果则困难得多。近年来,人们越来越关注耗散较弱的spdes的多项式混合问题,因为在这些系统中缺乏强耗散,所以多项式收敛的可能性较低。不过到目前为止,多项式混合问题仍只得到了较为有限的研究(例如参见[30]、[31]、[32]、[33])。所有这些研究都涉及在有限空间域上建立的方程。我们需要强调的是,与多项式指数混合相比,多项式混合的分析要复杂得多,这反映了所研究系统本身较弱的耗散机制。近年来,整个空间上spdes的混合问题逐渐引起了越来越多的关注(例如参见[1]、[2]、[3]、[4]、[28]、[29]、[17])。据我们所知,在以往关于整个直线上随机burgers方程混合性质的研究中,通常只确定了不变测度的存在性和唯一性,而没有关于收敛速率的相应结果。在本文中,我们将耦合方法应用到了高粘性burgers方程上。因此,我们不仅证明了高粘性burgers方程的不变测度的唯一性,还得到了多项式收敛速率(见定理1.1),从而为相关问题的进一步研究奠定了基础。 备注1.1:分析定理1.2的证明过程可以发现,只要用另一个满足pu(σ?≤σ)=>

备注1.1:分析定理1.2的证明过程可以发现,只要用另一个满足pu(σ?≤σ)=1对任意u∈b的停止时间σ?替换σ,定理1.2仍然成立。换句话说,如果用σ?替换σ后,不等式(1.3)-(1.6)仍然成立,那么定理1.2的结论依然正确。要理解这一点,只需在证明定理1.2的过程中处处将σ替换为σ?即可。备注1.2:定理1.2可以视为[24]中定理3.1.7的多项式对应形式。定理3.1.7在特定条件下建立了马尔可夫过程的多项式混合现象,而定理1.2则将这些方法和概念推广到了多项式混合,从而为研究更广泛类别的随机偏微分方程的混合行为提供了框架。早期的研究主要集中于有界域上spdes的混合问题,包括navier-stokes方程、burgers方程、复ginzburg-landau方程以及反应-扩散方程。实际上,现有大量文献都是关于spdes的多项式混合问题的,例如[19]、[20]、[23]、[24]、[25]、[26]及其中的参考文献。这些研究中得到的多项式速率在很大程度上依赖于相应系统强烈的耗散结构。相比之下,对于耗散较弱的spdes(例如整个空间上的白噪声驱动抛物方程、薛定谔方程以及波动方程等),要得到类似的结果则困难得多。近年来,人们越来越关注耗散较弱的spdes的多项式混合问题,因为在这些系统中缺乏强耗散,所以多项式收敛的可能性较低。不过到目前为止,多项式混合问题仍只得到了较为有限的研究(例如参见[30]、[31]、[32]、[33])。所有这些研究都涉及在有限空间域上建立的方程。我们需要强调的是,与多项式指数混合相比,多项式混合的分析要复杂得多,这反映了所研究系统本身较弱的耗散机制。近年来,整个空间上spdes的混合问题逐渐引起了越来越多的关注(例如参见[1]、[2]、[3]、[4]、[28]、[29]、[17])。据我们所知,在以往关于整个直线上随机burgers方程混合性质的研究中,通常只确定了不变测度的存在性和唯一性,而没有关于收敛速率的相应结果。在本文中,我们将耦合方法应用到了高粘性burgers方程上。因此,我们不仅证明了高粘性burgers方程的不变测度的唯一性,还得到了多项式收敛速率(见定理1.1),从而为相关问题的进一步研究奠定了基础。>本文中建立的定理1.2本身也具有重要的研究价值,因为它为判定马尔可夫过程的多项式混合性提供了抽象准则。这一抽象准则随后被应用于整个实数轴上的随机波动方程的多项式混合性研究(参见[17]),以及整个空间上的随机纳维-斯托克斯方程的研究(参见[29])。在本文中,对于整个实数轴上的白噪声驱动的高粘度Burgers方程(1.1)而言,判定其混合性的主要困难来自于非线性项uux以及空间域的无界性。这些因素导致该系统的混合表现为多项式级而非指数级。为证明定理1.1,我们进一步发展了耦合方法,并借助定理1.2。更具体地说,在将定理1.2应用于高粘度Burgers方程时,我们结合了耦合方法与整个实数轴上的Foia?-Prodi型估计。这一策略依赖于合适的权重估计,而针对高粘度Burgers方程建立此类估计要比针对薛定谔方程、复Ginzburg-Landau方程以及反应-扩散方程等方程要复杂得多。与这些方程中的非线性项u3或|u|2u不同,后者通常可以利用符号条件来处理,而uux项则无法以相同方式处理。为此,我们采用高阶矩估计(见第2.2节和第2.3节)并结合一种与传统不等式截然不同的最大鞅不等式来处理这一项。此外,由于缺乏强耗散性和紧致性,那些通常用于有界域上随机偏微分方程的技术,如Poincaré不等式,在无界域环境中已不再直接适用。为克服这一难题,我们为高粘度Burgers方程(1.1)设计了一种特定的截断技术。借助这些新思路和方法,我们最终得以证明定理1.1。

符号说明:在本文的其余部分,c和C表示可能在不同章节中发生变化的通用正常数,它们所依赖的主要参数会以括号形式出现,例如C(p,T)表示p和T的函数。设X是一个带有度量dX(u,v)的波兰空间,X上的Borel σ-代数记为B(X),Borel概率测度集合记为P(X)。Cb(X)表示具有范数‖f‖∞=supu∈X?|f(u)|的连续函数空间f:X→C。BX(R)表示以原点为中心、半径为R的X中的球体。当X是紧致空间时,我们用C(X)表示。Lb(X)表示满足‖f‖L(X)=‖f‖∞+supu≠v?|f(u)?f(v)|dX(u,v)<∞的函数f∈Cb(X)的空间。P(X)上的对偶-Lipschitz度量定义为?‖μ1?μ2‖L(X)?=sup‖f‖L(X)≤1?|〈f,μ1〉?〈f,μ2〉|,其中μ1,μ2∈P(X),且〈f,μ〉=∫Xf(u)μ(du)。设Hs:=Hs(R),表示R上实值函数的Sobolev空间,其范数为‖u‖s2:=∫R(1+|ξ|2)s|(Fu)(ξ)|2dξ,这里Fu是u的傅里叶变换。当s=0时,我们用‖?‖表示‖?‖0。对于q>1,定义Qq(r):=r1?q(r>0)。若p和q为实数,则p∨q表示它们的最大值,p∧q表示最小值。a0:=a∧1,其中a是方程(1.1)中的阻尼系数。

章节片段:构建混合扩展。对于初始点u,u′∈H,令{u(t)}t≥0和{u′(t)}t≥0分别表示由u,u′出发的方程(1.1)的解。我们引入一个辅助过程{v(t)}t≥0,它是如下问题在H中的正交投影{e1,?,eN}(其中N为整数且N≥1)所对应的解:{vt+av+vxxxx+vvx+PN(uux?vvx)=h+ηv(x,0)=u′(x)inR,inR。设T>0为稍后确定的时间参数。我们用λT(u,u′)和λT′(u,u′)表示过程{v(t)}0≤t时的分布。

Foia?-Prodi估计。Foia?-Prodi估计最初在[34]中提出,如今它已成为判定随机偏微分方程遍历性的有力工具,常被用来弥补噪声的退化性,相关文献可见[24]、[30]、[31]、[28]及其中的引用。现在,我们将为整个实数轴上的高粘度Burgers方程建立Foia?-Prodi估计。

定理1.1的证明。借助定理1.2,为证明定理1.1,我们只需证明递归性以及多项式混合压缩性即可。

定理1.2的证明。定理1.2的证明分为以下步骤。步骤1:由于{ρ=∞}={σ=∞},因此有Pu(ρ=∞)≥δ1。对于任意u∈B,有EuI{ρ<∞}ρp≤M,其中M与u无关。实际上,我们有EuI{ρ<∞}ρp=EuI{σ<∞}(σ+τB°θσ)p≤2pEuI{σ<∞}[σp+(τB°θσ)p]=2pEuI{σ<∞}σp+2pEuI{σ<∞}(τB°θσ)p]。此外,根据递归性以及多项式压缩性中的第二和第三个不等式,我们可以证明EuI{σ<∞}(τB°θσ)p=Eu[EuI{σ<∞}(τB°θσ)p|Fσ]=EuI{σ<∞}Eu[(τB°θσ)p|Fσ]=EuI{σ<∞}EuστBp(基于强马尔可夫性质)≤EuI{σ<∞}G(uσ)≤K,此

致谢:彭高感谢审稿人和编辑们的细致评论与宝贵建议。彭高还感谢Kuksin S教授、Shirikyan A教授、Nersesyan V教授以及赵M教授的深入探讨。彭高感谢Kuksin S教授邀请他到巴黎城市大学学习,并在他关于随机动力系统遍历性的研究中给予科学指导。彭高还感谢中国国家留学基金委的财政支持(编号202406620219)。本研究也得到了相关机构的支持。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号