若干类变指数增长椭圆型方程解的存在性

来源 :哈尔滨工业大学 | 被引量 : 0次 | 上传用户:jieswh
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
近十几年来,对于变指数函数空间的研究已经吸引了越来越多的学者.随着弹性力学和流体力学等领域的发展,变指数函数空间表现出其实用性.例如许多学者在研究弹性力学等一些问题中,遇到具有p(x)-增长的泛函积分.对于这类问题的研究,变指数函数空间提供了合适的理论框架.  对具有p(x)-增长条件的微分方程以及相应的变分问题的研究已是众多学者研究的一个新的课题.  本文主要应用变指数Lebesgue空间Lp(x)(Ω)及Sobolev空间Wm,p(x)(Ω)理论,研究了一类奇异p(x)-Laplace方程,及高阶拟线性椭圆方程,其中Ω包含于RN.对于奇异p(x)-Laplace方程的研究,我们讨论其相对应的能量泛函.对于高阶方程,我们构造一序列解函数,然后对其求极限.因为指数p(x)是Ω上的函数,所以在研究过程中,就出现一些新的困难,我们通过寻找新的技巧方法,得到我们所需要的结果。  本文主要研究以下内容:  1.对一类具有奇异项的p(x)-Laplace方程弱解的研究.我们研究与p(x)-Laplace方程相关的能量泛函I的临界点,随着增长指数的变化,应用山路定理,可以得到I的一个非平凡临界点u∈W1,p(x)0(Ω),也就得到方程的非平凡弱解的存在性.应用Fountain定理,可以得到I的一序列非平凡临界点{un}包含于W1,p(x)0(Ω),且I(un)→∞,从而也就得到了方程的弱解的多重性.应用Ekeland准则,也得到了I的一个非平凡临界点u∈W1, p(x)0(Ω)。  2.对一类具临界Sobolev-Hardy指数的p(x)-Laplace方程弱解的研究.我们首先依据变指数Sobolev空间W1, p(x)0(Ω)上的一类集中紧致性原理,建立本文所需要的集中紧致性原理.然后利用建立的集中紧致性原理和Fountain定理,得到I的一序列非平凡临界点{un}包含于W1,p(x)0(Ω),且I(un)→∞,从而得到了方程弱解的多重性.  3.对一类高阶拟线性椭圆方程Dirichlet边值问题的研究.我们构造了一个有限维子空间SJ包含于Wm,p(x)0(Ω),其中J是正整数.对每个固定的J,在空间SJ上,得到了所研究方程非平凡弱解的存在性.随着J的变化,就可得到一序列弱解{uJ}的存在性.利用空间SJ的性质,进一步就有uJ→u于Wm,p(x)0(Ω)中, u即为所研究方程在空间Wm,p(x)0(Ω)上的非平凡弱解.  4.对一类高阶拟线性椭圆方程的Neumann边值问题的研究.在空间Wm,p(x)(Ω)中,对每个固定的正整数n,先得到所构造方程的非平凡弱解un的存在性.随着n的变化,就得到该方程一序列弱解{un}的存在性.通过{un}性质,进一步就得到un→u于Wm,p(x)(Ω)中, u即为所研究方程在空间Wm,p(x)(Ω)上的非平凡弱解.  在本文中,对具有指数是p(x)-增长条件方程的研究比对相应具有指数是p-增长条件方程的研究更具有一般性,更适用于实际应用.
其他文献
粉末注射成形的充模过程可以看作是由粉末和粘结剂相结合的两相流复杂流动系统。本文通过对充模过程的ANSYS CFX数值模拟,得到了速度场、压力场的分布图。从充模过程的速度场所反映的混沌状态出发,把两相流与混沌理论相结合来研究充模过程的非线性动力系统特征。首先,基于混沌时间序列的相空间重构理论,本文对充模过程一个截面上的速度时间序列进行了相空间重构。通过C—C算法选取了最佳延迟时间和嵌入维数,构造出了
分数阶微分方程组是由含有分数阶导数构成的一类方程。近年来,随着分数阶微分方程越来越多的被用来描述热力学、粘弹性力学、声学、电化学、流变学、分形等众多领域。从分数阶
迄今为止,静止目标的最优搜索理论已经取得了丰富的理论和应用成果。但是,对于连续搜索空间中的离散力搜索问题,虽然根据现有的理论,可以确定各区域的探测器数量,却无法确定
本文建立基于遗传算法的广义模糊时间序列模型。该模型在论域上定义7个模糊集,通过遗传算法实现对论域的划分,使用隶属函数实现样本数据的模糊化。依据隶属度的不同,得到样本数
近几十年来,国内外很多学者致力于研究随机生物数学模型(随机微分方程和随机差分方程所描述的生态模型)的性质,并且取得了一些很好的研究成果,从而使得随机生物数学模型性质的研究
本文在活动轮廓模型的基础上引入了图像的显著性分析,提出了一种基于显著性分析的初始活动轮廓方法。由于活动轮廓模型中初始轮廓的选取在整个演化过程中的作用是重要的的,尤
支持向量机(SVM)是在统计学习理论基础上发展起来的新一代学习方法,有着完备的理论基础和卓越的学习性能,被广泛应用于模式识别、图像处理、机器学习等领域。然而,随着信息时