1 引言
Kuramoto-Sivashinsky 方程是由 Kuramoto[1 ] 和 Sivashinsky[2 ] 提出的非线性传播模型, 在流体力学、化学、物理等领域得到了广泛的应用.
随机波动对复杂现象的建模、分析、模拟和预测产生影响. 由于一些小的随机扰动可能会极大地影响定性行为, 并为该模型带来新的性质, 因此量化不确定性的必要性已被广泛认识, 噪声对 Kuramoto-Sivashinsky 方程的影响受到越来越多的关注[3 -8] .
本文研究一类带有乘性噪声的随机 Kuramoto-Sivashinsky 方程
(1.1) $\begin{equation}\label{u.1} \begin{cases} {\rm d}U(t,x)=(-\partial_{x}^{4}U(t,x)-\partial_{x}^{2}U(t,x)-U(t,x)\partial_{x}U(t,x)){\rm d}t+\epsilon U(t,x){\rm d}\beta_{t}, \quad x\in I,\quad t> 0,\\ U(t,x)|_{t=0}=U_0(x), \quad x\in I,\\ U(t,x)|_{\partial I}=0, \quad t> 0, \end{cases} \end{equation}$
其中 $I\subset \mathbb{R}$ 是具有光滑边界 $\partial I$ 的有界区域, $\epsilon$ 表示噪声强度, $\beta_{t}$ 表示一个 Wiener 过程. 当 $\epsilon=0$ 时, 方程 (1.1) 被称为确定 Kuramoto-Sivashinsky 方程.
关于 Kuramoto-Sivashinsky 方程解的适定性研究中, Tadmor[9 ] 利用不动点迭代的方法研究了确定 Kuramoto-Sivashinsky 方程解的存在唯一性和稳定性. Duan 和 Ervin[3 ] 利用不动点定理得到了齐次 Dirichlet 边界下具有加性噪声的随机 Kuramoto-Sivashinsky 方程解的存在唯一性. Wu, Cui 和 Duan[7 ] 使用截断方法证明了具有乘性噪声的随机广义 Kuramoto-Sivashinsky 方程在有界域中是全局适定的.
行波解是偏微分方程的一类重要解. Nickel[10 ] 通过多项式展开和 tanh-sech 变换寻求 Kuramoto-Sivashinsky 方程的行波解. Zayed, Nofal 和 Gepreel[11 ] 使用同位微扰方法求解 Kuramoto-Sivashinsky 方程的行波解. Ge, Hua 和 Feng[12 ] 提出了一种构造非线性演化方程显式精确解和近似解的解析方法, 并利用该方法得到了 Kuramoto-Sivashinsky 方程的行波解.
关于行波解的研究, 讨论其是否稳定一直是人们关注的热点问题之一[13 -16] . 对于确定的偏微分方程, Shargatov, Chugainova 和 Kolomiytsev[17 ] 研究了具有不变耗散参数的广义 Korteveg-de Vries-Burgers 方程行波解的全局稳定性并讨论了稳定解和不稳定解的渐近行为. Cornwell 和 Jones[18 ] 利用几何奇异微扰理论证明了 FitzHugh-Nagumo 方程行波解的存在性和稳定性. 对于随机偏微分方程, Lang[19 ] 在神经领域分析了噪声对行波的影响, 并应用随机相移和梯度下降方法获得了行波的稳定性. Hamster 和 Hupke[20 ,21 ] 发展了一种半群方法来处理具有随机相移的非线性稳定性, 并获得了随机反应扩散方程行波解的稳定性. 然而, 由于高阶导数在噪声干扰下的复杂性, 目前关于随机 Kuramoto-Sivashinsky 方程行波解的稳定性的工作很少.
在本文中, 我们将利用相位变换法研究随机 Kuramot-Sivashinsky 方程行波解的非线性稳定性. 本质上, 我们将定义一个相移 $\pi(t)$ , 使得方程经过相移 $\pi(t)$ 个位置后的解与确定行波解 $u$ 之间的距离最小. 然而, 在随机系统中, 由于偏移算子的导数通常需要更高的正则性, 因此我们考虑将随机 Kuramot-Sivshinkshy 方程与随机相移 $\pi(t)$ 进行耦合, 然后利用向量 Itô 公式得到随机演化方程. 此外, Kuramot-Sivashinsky 方程的算子半群 $S(t)$ 的指数二分性是从 $L^{2}(I)$ 到 $H^{2}(I)$ 的分段函数[22 ] . 因此, 我们分割时间变量, 并且引入 $S(\delta)(0<\delta<1)$ 来处理积分奇异零点.
本文的结构如下, 在 2 节中, 我们给出一些基本设置和引理. 在第 3 节中, 我们在确定方程下推导出正交条件并应用到随机系统中, 从而获得随机相移方程并推导出偏差函数的表达式. 在第 4 节中, 我们将建立偏差函数的非线性项的先验估计, 并将结果应用到第 5 节, 从而建立随机 Kuramoto-Sivashinsky 方程行波解的非线性稳定性.
2 预备知识
令 $I$ 是 $\mathbb{R}$ 上具有光滑边界 $\partial I$ 的有界区域. $L^{2}(I)$ 是所有在 $I$ 上勒贝格平方可积函数的集合, 内积表示为
$ \langle u,v\rangle_{L^{2}}=\int_{I}u(x)\cdot v(x){\rm d}x, \quad \forall u,v\in L^{2}(I), $
并且范数表示为 $\|u\|_{L^{2}}$ . 令 $H^{m}(I)(m=1,2)$ 表示所有属于 $L^{2}(I)$ 并且其 $j(j\leq m)$ 阶导数也属于 $L^{2}(I)$ 的函数的集合. 范数表示为
$ \|u\|_{H^{m}}=\sum_{j\leq m}\|D^{j}u\|_{L^{2}}. $
用 $\mathcal{L}(X,Y)$ 表示从 $X$ 到 $Y$ 的有界线性算子组成的空间, 用 $C\left([T],L^{2}(I)\right)$ 表示所有从 $[T]$ 到 $L^{2}(I)$ 的全体连续函数 $u$ 组成的空间, 其范数表示为 $\|u\|_{C}=\sup_{0\leq t\leq T}\|u(t)\|_{L^{2}}$ . 用 $C^{2}(X, Y)$ 表示从 $X$ 到 $Y$ 的二阶连续可微函数空间.
令 $(\Omega,\mathcal{F},\mathbb{P})$ 是一个完备的概率空间, $\{\mathcal{F}_{t}\}_{t\geq 0}$ 是右连续且 $\mathcal{F}_{0}$ 包含所有零概集. 令 $\beta_{t}$ 是 $L^{2}(I)$ - 值的 Wiener 过程.
引理 2.1 [7 ] 对任意 $T>0$ , 初值 $U_{0}$ 在 $L^2(\Omega, L^2(I))$ 是 $\mathcal{F}_{0}$ - 可测的. 那么方程 (1.1) 在 $L^{2}\left(\Omega, C([T],L^{2}(I))\cap L^{2}([T],H^{2}(I))\right)$ 中存在唯一解.
定义 2.1 [23 ] 令 $u^0(x)$ 是确定系统的行波解, $U_0(x)$ 是随机系统的初值, $U(t,x)$ 是随机系统的解. 当对任意给定的 $\varepsilon>0$ , 存在 $\vartheta>0$ , 使得对任意满足 $\|U_{0}(x)-u^{0}(x)\|_{X}<\vartheta$ 的初值 $U_{0}\in X$ , 存在相移 $\pi(t)$ 使得 $\|U(t,\cdot+\pi(t))-u^0(\cdot)\|_{X}<\varepsilon$ , 则称行波解 $u$ 在 $X$ 中是非线性稳定的.
引理 2.2 [21 ] 假设 $Z(t)$ 是从 $[T]$ 到 $L^{2}(I)\times \mathbb{R}$ 的向量随机过程, 满足
$ Z(t)=Z(0)+\int_{0}^{t}\mathbf{F}(Z(s)){\rm d}s+\epsilon\int_{0}^{t}\mathbf{G}(Z(s)){\rm d}\beta_{s}. $
那么对任意函数 $\phi\in C^{2}(L^{2}(I)\times\mathbb{R})$ 和 $\omega\in \Omega$ ,
$\begin{equation*} \begin{aligned} \phi(Z(t)) &=\phi(Z(0))+\int_{0}^{t}D\phi(Z(s))\mathbf{F}(Z(s)){\rm d}s+\epsilon\int_{0}^{t}D\phi(Z(s))\mathbf{G}(Z(s)){\rm d}\beta_{s}\\ & +\frac{1}{2}\epsilon^{2}\int_{0}^{t}D^{2}\phi(Z(s))(\mathbf{G}(Z(s)),\mathbf{G}(Z(s))) {\rm d}s, \quad t\in[T], \end{aligned} \end{equation*}$
其中 $D\phi$ 和 $D^2\phi$ 分别表示一阶和二阶 Fréchet 微分.
3 随机相移
3.1 确定 Kuramoto-Sivashinsky 方程
对确定 Kuramoto-Sivashinsky 方程
(3.1) $\begin{equation}\label{u.3} \partial_{t}U^{0}(t,x)+\partial_{x}^{4}U^{0}(t,x)+\partial_{x}^{2}U^{0}(t,x)+U^{0}(t,x)\partial_{x}U^{0}(t,x)=0, \end{equation}$
形为 $U^{0}(t,x)=u^{0}(x-c^{0}t)$ 的解称为行波解, 其中 $c^{0}\in \mathbb{R}$ 为传播波速. 记 $\xi=x-c^{0}t$ , $(u^{0})^\prime=\frac{{\rm d} u^{0}}{{\rm d}\xi}$ , 则 $u^{0}$ 是方程 (3.1) 的行波解的充要条件是
(3.2) $\begin{equation}\label{Q.0} (u^{0})^{\prime\prime\prime\prime}+(u^{0})^{\prime\prime}+u^{0}(u^{0})^{\prime}-c^{0}(u^{0})^{\prime}=0. \end{equation}$
为了研究行波解的稳定性, 首先将方程 (3.1) 放入新坐标系 $(t,\xi)$ 下, 则方程 (3.1) 变形为
(3.3) $\begin{equation}\label{u.6} \partial_{t}U^{0}(t,\xi)-c^{0}\partial_{\xi}U^{0}(t,\xi)+\partial_{\xi}^{4}U^{0}(t,\xi)+\partial_{\xi}^{2}U^{0}(t,\xi)+U^{0}(t,\xi)\partial_{\xi}U^{0}(t,\xi)=0. \end{equation}$
为了讨论方程 (3.3) 的解移动 $\alpha(t)$ 后与行波 $u^{0}$ 之间的距离, 定义如下方程
(3.4) $\begin{equation}\label{v.2} w(t,\xi):=U^{0}\left(t,\xi+\alpha(t)\right)-u^{0}(\xi), \end{equation}$
$\begin{equation*} \alpha(t)=\alpha_{0}+\int_{0}^{t}a^{0}(U^{0}(t,\xi+\alpha(t))){\rm d}s, \end{equation*}$
这里 $a^{0}$ 是从 $L^{2}(I)$ 到 $\mathbb{R}$ 的任意函数.
(3.5) $\begin{equation}\label{v.3} \partial_{t}w=c^{0}(u^{0})^{\prime}-(u^{0})^{\prime\prime\prime\prime}-(u^{0})^{\prime\prime}-u^{0}(u^{0})^{\prime}+Aw -w\partial_{\xi} w-a^{0}(u^{0}+w)\partial_{\xi}(u^{0}+w), \end{equation}$
(3.6) $\begin{equation}\label{A} Aw:=-\partial^{4}_{\xi}w-\partial^{2}_{\xi}w+c^{0}\partial_{\xi}w-u^{0}\partial_{\xi} w-(u^{0})^{\prime}w. \end{equation}$
显然 $A(u^{0})^{\prime}=0$ , 这意味着 $(u^{0})^{\prime}$ 属于 $A$ 的核空间. 并且线性算子 $A$ 的伴随算子 $A^{*}$ 满足
(3.7) $\begin{equation}\label{A*} A^{*}u=-\partial^{4}_{\xi}u-\partial^{2}_{\xi}u-c^{0}\partial_{\xi}u+u^{0}\partial_{\xi} u-(u^{0})^{\prime}u. \end{equation}$
事实上, 算子 $A$ 和 $A^{*}$ 的核空间维数相等, 且都为 $1$ . 假设 $\ell$ 属于 $A^{*}$ 的核空间, 并且 $\|\ell\|_{L^2}=\|(u^{0})^{\prime}\|^{-1}_{L^2}$ . 那么 $ Ker(A^{*})={\rm span}\{\ell\}. $ 由于 $A$ 是从 $H^{4}(I)$ 到 $L^{2}(I)$ 的闭线性算子, 根据闭值域定理[24 ] , $Im(A)=(Ker(A^{*}))^{\bot}$ . 又因为 $0$ 是 $A$ 的简单特征值, 根据谱分解定理[24 ] , $L^{2}(I)=Im(A)\oplus Ker(A)$ . 因此, 对任意 $w\in Im(A)$ , 有
(3.8) $\begin{equation}\label{ell} \langle w,\ell\rangle_{L^{2}}=0, \quad \langle (u^{0})^{\prime},\ell\rangle_{L^{2}}=1. \end{equation}$
对 (3.8) 式中第一个式子关于 $t$ 求导, 可得 $\langle \partial_{t}w,\ell\rangle_{L^{2}}=0$ . 那么
(3.9) $\begin{equation}\label{a.0} a^{0}(u^{0}+w)=-\frac{\langle w\partial_{\xi} w,\ell\rangle_{L^2}}{\langle\partial_{\xi}(u^{0}+v),\ell\rangle_{L^{2}}}. \end{equation}$
引理 3.1 由 (3.6) 式定义的线性算子 $A$ 是扇形的.
证 根据文献 [22 ] 可知 $B:=-\partial^{4}_{\xi}-\partial^{2}_{\xi}$ 是扇形算子. 同时, 算子 $A-B$ 是线性的. 因此, 算子 $A$ 是扇形的.
对任意 $u\in L^{2}(I)$ , 令 $P$ 是 $(u^{0})^{\prime}$ 上的投影, 满足 $P(u)=\langle u,\ell\rangle_{L^{2}} (u^{0})^{\prime}$ . 令 $Qu:=(I-P)u$ . 根据文献 [22 ,25 ], 有如下引理
引理 3.2 对 $A$ 生成的 $C_0$ 半群 $S(t)$ , 存在正常数 $M$ 和 $\sigma$ 满足
$\begin{equation*} \begin{aligned} &\|S(t)Q\|_{L^{2}}\leq M{\rm e}^{-\sigma t},\qquad\qquad t>0,\\ &\|S(t)Q\|_{\mathcal{L}(L^{2},H^{2})}\leq M t^{-\frac{1}{4}},\quad 0<t\leq 1,\\ &\|S(t)Q\|_{\mathcal{L}(L^{2},H^{2})}\leq M{\rm e}^{-\sigma t},\quad \, t\geq 1. \end{aligned} \end{equation*}$
3.2 随机 Kuramoto-Sivashinsky 方程
类似确定方程, 将随机 Kuramoto-Sivashinsky 方程
(3.10) $\begin{equation}\label{u.5} {\rm d}U^{\epsilon}(t,x)=(-\partial_{x}^{4}U^{\epsilon}(t,x)-\partial_{x}^{2}U^{\epsilon}(t,x)-U^{\epsilon}(t,x)\partial_{x}U^{\epsilon}(t,x)){\rm d}t+\epsilon U^{\epsilon}(t,x){\rm d}\beta_{t} \end{equation}$
放入新坐标系 $(t,\xi)$ 下, 则方程 (3.10) 变形为
(3.11) $\begin{equation}\label{u.7} {\rm d}U^{\epsilon}(t,\xi)=(-\partial_{\xi}^{4}U^{\epsilon}(t,\xi)-\partial_{\xi}^{2}U^{\epsilon}(t,\xi)-U^{\epsilon}(t,\xi)\partial_{\xi}U^{\epsilon}(t,\xi)+c^{0}\partial_{\xi}U^{\epsilon}(t,\xi)){\rm d}t+\epsilon U^{\epsilon}(t,\xi){\rm d}\beta_{t}. \end{equation}$
(3.12) $\begin{equation}\label{v.1} V(t,\xi):=U^{\epsilon}\left(t,\xi+\pi(t)\right)-u^{0}(\xi), \end{equation}$
(3.13) $\begin{equation}\label{u.4} {\rm d}\pi(t)=a(U^{\epsilon}(t,\xi+\pi(t))){\rm d}t+\epsilon b(U^{\epsilon}(t,\xi+\pi(t))){\rm d}\beta_{t}. \end{equation}$
这里 $a(U^{\epsilon}(t,\xi+\pi(t)))$ 和 $b(U^{\epsilon}(t,\xi+\pi(t)))$ 是从 $L^{2}(I)$ 到 $\mathbb{R}$ 的任意函数.
下面, 我们将推导 (3.12) 式所满足的随机演化方程. 令
(3.14) $\begin{equation} \begin{aligned} Z(U^{\epsilon},\pi)&:=(U^{\epsilon},\pi)^\mathsf{T},\\ F(U^{\epsilon},\pi)&:=(-\partial_{\xi}^{4}U^{\epsilon}-\partial_{\xi}^{2}U^{\epsilon}-U^{\epsilon}\partial_{\xi}U^{\epsilon}+c^{0}\partial_{\xi}U^{\epsilon},a(U^{\epsilon}(t,\xi+\pi(t))))^\mathsf{T},\\ G(U^{\epsilon},\pi)&:=(U^{\epsilon},b(U^{\epsilon}(t,\xi+\pi(t))))^\mathsf{T}, \end{aligned} \end{equation}$
其中 $“\mathsf{T}”$ 表示向量的转置. 那么, 关于耦合方程 (3.10) 和 (3.13) 可以写成如下形式
$\begin{equation*} {\rm d}Z=F(U^{\epsilon},\pi){\rm d}t+\epsilon G(U^{\epsilon},\pi){\rm d}\beta_{t}. \end{equation*}$
选择一个测试函数 $\zeta\in C^{\infty}(I)$ 并考虑如下映射
$\begin{equation*} \begin{aligned} \phi_{\zeta}(U^{\epsilon},\pi):=&\left\langle U^{\epsilon}(t,\xi+\pi(t))-u^{0},\zeta\right\rangle_{L^{2}}\\ =&\int_{I}U^{\epsilon}(t,\xi+\pi(t))\cdot\zeta(\xi) {\rm d}\xi-\left\langle u^{0},\zeta\right\rangle_{L^{2}}\\ =&\int_{\tilde{I}}U^{\epsilon}(t,\tilde{\xi})\cdot\zeta(\tilde{\xi}-\pi(t)) {\rm d}\tilde{\xi}-\left\langle u^{0},\zeta\right\rangle_{L^{2}}, \end{aligned} \end{equation*}$
其中 $\tilde{I}$ 是通过变量替换 $\tilde{\xi}:=\xi+\pi(t)$ 后所得的 $\tilde{\xi}$ 的积分区域.
(3.15) $\begin{equation}\label{D.1} \begin{aligned} D\phi_{\zeta}(Z(s))F(Z(s))=&\int_{\tilde{I}} \left(-\partial_{\tilde{\xi}}^{4}U^{\epsilon}-\partial_{\tilde{\xi}}^{2}U^{\epsilon}-U^{\epsilon}\partial_{\tilde{\xi}}U^{\epsilon}+c^{0}\partial_{\tilde{\xi}}U^{\epsilon}\right)\cdot\zeta(\tilde{\xi}-\pi){\rm d}\tilde{\xi}\\ &-\int_{\tilde{I}} U^{\epsilon}\cdot a(U^{\epsilon}(t,\tilde{\xi}))\zeta^{\prime}(\tilde{\xi}-\pi){\rm d}\tilde{\xi},\\ D\phi_{\zeta}(Z(s))G(Z(s))=&\int_{\tilde{I}} U^{\epsilon}\cdot\zeta(\tilde{\xi}-\pi){\rm d}\tilde{\xi}-\int_{\tilde{I}} U^{\epsilon}\cdot b(U^{\epsilon}(t,\tilde{\xi}))\zeta^{\prime}(\tilde{\xi}-\pi){\rm d}\tilde{\xi}, \end{aligned} \end{equation}$
这里 $\zeta^\prime$ 表示 ${\rm d} \zeta/{\rm d} \tilde{\xi}$ , 并且
(3.16) $\begin{equation}\label{D.2} D^{2}\phi_{\zeta}(Z(s))(G(Z(s)))^{2}=\int_{\tilde{I}} U^{\epsilon}\cdot b^{2}(U^{\epsilon}(t,\tilde{\xi}))\zeta^{\prime\prime}(\tilde{\xi}-\pi){\rm d}\tilde{\xi}-\int_{\tilde{I}} U^{\epsilon}\cdot 2b(U^{\epsilon}(t,\tilde{\xi}))\zeta^{\prime}(\tilde{\xi}-\pi){\rm d}\tilde{\xi}. \end{equation}$
(3.17) $\begin{aligned}&\langle V(t), \zeta\rangle_{L^{2}}=\left\langle U^{\epsilon}(t, \xi+\pi(t))-u^{0}, \zeta\right\rangle_{L^{2}} \\= &\left\langle U^{\epsilon}(0, \xi+\pi(0))-u^{0}, \zeta\right\rangle_{L^{2}}+\int_{0}^{t} \int_{\tilde{I}}\left(-\partial_{\tilde{\xi}}^{4} U^{\epsilon}-\partial_{\tilde{\xi}}^{2} U^{\epsilon}-U^{\epsilon} \partial_{\tilde{\xi}} U^{\epsilon}+c^{0} \partial_{\tilde{\xi}} U^{\epsilon}\right) \cdot \zeta(\tilde{\xi}-\pi) \mathrm{d} \tilde{\xi} \mathrm{~d} s \\&-\int_{0}^{t} \int_{\tilde{I}} U^{\epsilon} \cdot a\left(U^{\epsilon}(t, \tilde{\xi})\right) \zeta^{\prime}(\tilde{\xi}-\pi) \mathrm{d} \tilde{\xi} \mathrm{~d} s+\epsilon \int_{0}^{t} \int_{\tilde{I}} U^{\epsilon} \cdot \zeta(\tilde{\xi}-\pi) \mathrm{d} \tilde{\xi} \mathrm{~d} \beta_{s} \\&-\epsilon \int_{0}^{t} \int_{\tilde{I}} U^{\epsilon} \cdot b\left(U^{\epsilon}(t, \tilde{\xi})\right) \zeta^{\prime}(\tilde{\xi}-\pi) \mathrm{d} \tilde{\xi} \mathrm{~d} \beta_{s}+\frac{1}{2} \epsilon^{2} \int_{0}^{t} \int_{\tilde{I}} U^{\epsilon} \cdot b^{2}\left(U^{\epsilon}(t, \tilde{\xi})\right) \zeta^{\prime \prime}(\tilde{\xi}-\pi) \mathrm{d} \tilde{\xi} \mathrm{~d} s \\&-\epsilon^{2} \int_{0}^{t} \int_{\tilde{I}} U^{\epsilon} \cdot b\left(U^{\epsilon}(t, \tilde{\xi})\right) \zeta^{\prime}(\tilde{\xi}-\pi) \mathrm{d} \tilde{\xi} \mathrm{~d} s \\= &\langle V(0), \zeta\rangle_{L^{2}}-\int_{0}^{t} \int_{I}\left(\partial_{\xi}^{4}\left(u^{0}+V\right)+\partial_{\xi}^{2}\left(u^{0}+V\right)+\left(u^{0}+V\right) \partial_{\xi}\left(u^{0}+V\right)\right) \cdot \zeta \mathrm{d} \xi \mathrm{~d} s \\&+\int_{0}^{t} \int_{I}\left(c^{0}+a\left(u^{0}+V\right)\right) \partial_{\xi}\left(u^{0}+V\right) \cdot \zeta \mathrm{d} \xi \mathrm{~d} s+\epsilon \int_{0}^{t} \int_{I}\left(u^{0}+V\right) \cdot \zeta \mathrm{d} \xi \mathrm{~d} \beta_{s} \\&+\epsilon \int_{0}^{t} \int_{I} b\left(u^{0}+V\right) \partial_{\xi}\left(u^{0}+V\right) \cdot \zeta \mathrm{d} \xi \mathrm{~d} \beta_{s}+\frac{1}{2} \epsilon^{2} \int_{0}^{t} \int_{I} b^{2}\left(u^{0}+V\right) \partial_{\xi}^{2}\left(u^{0}+V\right) \cdot \zeta \mathrm{d} \xi \mathrm{~d} s \\&+\epsilon^{2} \int_{0}^{t} \int_{I} b\left(u^{0}+V\right) \partial_{\xi}\left(u^{0}+V\right) \cdot \zeta \mathrm{d} \xi \mathrm{~d} s.\end{aligned}$
$\begin{equation*} \langle V(t),\zeta\rangle_{L^{2}}= \langle V(0),\zeta\rangle_{L^{2}}+\int_{0}^{t}\langle AV(s)+f(V(s)),\zeta\rangle_{L^{2}}{\rm d}s+\epsilon\int_{0}^{t}\langle g(V(s)),\zeta\rangle_{L^{2}}{\rm d}\beta_{s}, \end{equation*}$
(3.18) $\begin{equation} \begin{aligned}\label{D.4} f(V):&=-(u^{0})^{\prime\prime\prime\prime}-(u^{0})^{\prime\prime}-u^{0}\cdot(u^{0})^{\prime}-V\cdot\partial_{\xi}V +c^{0}\cdot(u^{0})^{\prime}+a(u^{0}+V)\partial_{\xi}(u^{0}+V)\\ & +\frac{1}{2}\epsilon^{2}b^{2}(u^{0}+V)\partial_{\xi}^{2}(u^{0}+V) +\epsilon^{2}b(u^{0}+V)\partial_{\xi}(u^{0}+V), \end{aligned} \end{equation}$
(3.19) $\begin{equation}\label{D.5} g(V):=(u^{0}+V)+b(u^{0}+V)\partial_{\xi}(u^{0}+V). \end{equation}$
(3.20) $\begin{equation}\label{v.0} V(t)=V(0)+\int_{0}^{t}(AV(t)+f(V(t))){\rm d}s+\epsilon\int_{0}^{t}g(V(s)){\rm d}\beta_{s}, \quad 0\leq t\leq T. \end{equation}$
利用 (3.8) 式, 我们可得 $\langle V,\ell\rangle_{L^{2}}=0$ . 此外, 为了确保随机相移 $\pi(t)$ 有全局解, 定义 $C^{\infty}$ 上的不减光滑截断函数 $\chi_{low}$ 和 $\chi_{high}$ , 分别满足
$\begin{equation*} \chi_{low}(x)= \begin{cases}\frac{1}{4}, & \quad x\leq \frac{1}{4},\\ x, & \quad x\geq \frac{1}{2} \end{cases} \end{equation*}$
$\begin{equation*} \chi_{high}(x)= \begin{cases}x, & \quad |x|\leq (1+\|u^{0}\|_{L^{2}})\|\ell\|_{L^{2}},\\ 2\|\ell\|_{L^{2}}+1, & \quad |x|\geq (1+\|u^{0}\|_{L^{2}})\|\ell\|_{L^{2}}+1. \end{cases} \end{equation*}$
(3.21) $\begin{equation}\label{a.1} \begin{aligned} &\ a(U^{\epsilon}(t,\xi+\pi(t)))\\ =\,&\frac{\left\langle\partial_{\xi}^{4}U^{\epsilon}(t,\xi+\pi(t))+\partial_{\xi}^{2}U^{\epsilon}(t,\xi+\pi(t)) -\frac{1}{2}\epsilon^{2}b^{2}(U^{\epsilon}(t,\xi+\pi(t)))\partial_{\xi}^{2}U^{\epsilon}(t,\xi+\pi(t)),\ell\right\rangle_{L^{2}}}{\chi_{low}(\langle\partial_{\xi}U^{\epsilon}(t,\xi+\pi(t)),\ell\rangle_{L^{2}})}\\ &-\frac{\left\langle\left(\epsilon^{2}b(U^{\epsilon}(t,\xi+\pi(t)))+U^{\epsilon}(t,\xi+\pi(t)) -c^{0}\right)\partial_{\xi}U^{\epsilon}(t,\xi+\pi(t)),\ell\right\rangle_{L^{2}}}{\chi_{low}(\langle\partial_{\xi}U^{\epsilon}(t,\xi+\pi(t)),\ell\rangle_{L^{2}})}, \end{aligned} \end{equation}$
(3.22) $\begin{equation}\label{b.1} b(U^{\epsilon}(t,\xi+\pi(t)))=-\frac{\chi_{high}(\langle U^{\epsilon}(t,\xi+\pi(t)),\ell\rangle_{L^{2}})}{\chi_{low}(\langle\partial_{\xi}U^{\epsilon}(t,\xi+\pi(t)),\ell\rangle_{L^{2}})}, \end{equation}$
4 先验估计
在本节中, 我们将建立方程 ((3.20) 的非线性项 $f$ 和 $g$ 的先验估计.
(4.1) $\begin{equation}\label{G.1} \Gamma(v):=\frac{1}{2}\epsilon^{2}b^{2}(u^{0}+v)\partial_{\xi}^{2}(u^{0}+v)+\epsilon^{2}b(u^{0}+v)\partial_{\xi}(u^{0}+v) -v\partial_{\xi}v. \end{equation}$
引理 4.1 对任意 $v$ 属于 $H^{1}(I)$ , 存在正常数 $K$ 满足
(4.2) $\begin{equation}\label{K.b1} |b(u^{0}+v)|\leq K, \end{equation}$
其中 $b(\cdot)$ 定义为 (3.22) 式. 对任意 $v_{1}$ 和 $v_{2}$ 属于 $H^{1}(I)$ , 满足
(4.3) $\begin{equation} |b(u^{0}+v_{1})-b(u^{0}+v_{2})|\leq K\|v_{1}-v_{2}\|_{H^{1}}\|\ell\|_{L^{2}}. \end{equation}$ \end{lemma}
证 首先, 根据截断函数 $\chi_{high}$ 和 $\chi_{low}$ 定义可得 (4.2) 式成立. 其次, 利用截断函数 $\chi_{high}$ 和 $\chi_{low}$ 的全局 Lipschitz 光滑性可得
$\begin{equation*} \begin{aligned} |b(u^{0}+v_{1})-b(u^{0}+v_{2})| &\leq K(|\langle v_{1}-v_{2},\ell\rangle_{L^{2}}|+|\langle \partial_{\xi}(v_{1}-v_{2}),\ell\rangle_{L^{2}}|) \leq K\|v_{1}-v_{2}\|_{H^{1}}\|\ell\|_{L^{2}}. \end{aligned} \end{equation*}$
引理 4.2 对任意 $v$ 属于 $H^{2}(I)$ , 存在正常数 $K$ 使得
$\begin{equation*} \|\Gamma(v)\|_{L^{2}} \leq K \epsilon^{2}(1+\|v\|_{H^{2}}+\|v\|_{H^{1}})+\|v\|_{L^{2}}\|v\|_{H^{1}}. \end{equation*}$
$\begin{equation*} \begin{aligned} \|\Gamma(v)\|_{L^{2}} \leq\,&\frac{1}{2}\epsilon^{2}\|b^{2}(u^{0}+v)\partial_{\xi}^{2}(u^{0}+v)\|_{L^{2}} +\epsilon^{2}\|b(u^{0}+v)\partial_{\xi}(u^{0}+v)\|_{L^{2}} +\|v\cdot\partial_{\xi}v\|_{L^{2}}\\ \leq \,&K \epsilon^{2}(1+\|v\|_{H^{2}})+K\epsilon^{2} (1+\|v\|_{H^{1}})+\|v\|_{L^{2}}\|v\|_{H^{1}}. \end{aligned} \end{equation*}$
引理 4.3 对任意 $v$ 属于 $H^{2}(I)$ , 存在正常数 $K$ 使得
(4.4) $\begin{equation}\label{f.1} \|f(v)\|_{L^{2}}\leq K\epsilon^{2}(1+\|v\|_{H^{2}})+K\|v\|^{2}_{H^{2}}\left(1+\epsilon^{2}+\|v\|_{L^{2}}\right), \end{equation}$
(4.5) $\begin{equation}\label{g.1} \|g(v)\|_{L^{2}}\leq K(1+\|v\|_{H^{2}}), \end{equation}$
其中 $f(v)$ 和 $g(v)$ 分别定义为 (3.18) 式和 (3.19) 式.
证 根据方程 (3.2), (3.21) 和 (4.1), 可得
$\begin{align*} &\ a(u^{0}+v)\chi_{low}\left(\langle\partial_{\xi}(u^{0}+v),\ell\rangle_{L^{2}}\right)\\ =&\left\langle\partial_{\xi}^{4}(u^{0}+v)+\partial_{\xi}^{2}(u^{0}+v)-\frac{1}{2}\epsilon^{2}b^{2}(u^{0}+v)\partial_{\xi}^{2}(u^{0}+v),\ell\right\rangle_{L^{2}}\\ &+\left\langle-\left(\epsilon^{2}b(u^{0}+v)-(u^{0}+v)+c^{0}\right)\partial_{\xi}(u^{0}+v),\ell\right\rangle_{L^{2}}\\ =&\left\langle\partial_{\xi}^{4}(u^{0}+v)+\partial_{\xi}^{2}(u^{0}+v)-\frac{1}{2}\epsilon^{2}b^{2}(u^{\epsilon}+v)\partial_{\xi}^{2}(u^{0}+v),\ell\right\rangle_{L^{2}}\\ &+\left\langle-\left(\epsilon^{2}b(u^{0}+v)-(u^{0}+v)+c^{0}\right)\partial_{\xi}(u^{0}+v),\ell\right\rangle_{L^{2}}+\left\langle v,A^{*}\ell\right\rangle_{L^{2}}\\ =&\left\langle\partial_{\xi}^{4}(u^{0}+v)+\partial_{\xi}^{2}(u^{0}+v)-\frac{1}{2}\epsilon^{2}b^{2}(u^{0}+v)\partial_{\xi}^{2}(u^{0}+v),\ell\right\rangle_{L^{2}}\\ &-\left\langle\left(\epsilon^{2}b(u^{0}+v)-(u^{0}+v)+c^{0}\right)\partial_{\xi}(u^{0}+v),\ell\right\rangle_{L^{2}}+\left\langle Av,\ell\right\rangle_{L^{2}}\\ =&-\left\langle\Gamma(v),\ell\right\rangle_{L^{2}}, \end{align*}$
其中 $A$ 和 $A^*$ 分别定义于 (3.6) 式和 (3.7) 式. 利用 (3.18) 式可得
(4.6) $\begin{equation} \begin{aligned}\label{f.3} f(v) =&-(u^{0})^{\prime\prime\prime\prime}-(u^{0})^{\prime\prime}+\frac{1}{2}\epsilon^{2}b^{2}(u^{0}+v)\partial_{\xi}^{2}(u^{0}+v)-c^{0}\partial_{\xi}v+u^{0}\partial_{\xi}v+(u^{0})^{\prime}v\\ &+(\epsilon^{2}b(u^{0}+v)+c^{0}-(u^{0}+v))\partial_{\xi}(u^{0}+v)+a(u^{0}+v)\partial_{\xi}(u^{0}+v)\\ =&\Gamma(v)-\langle\Gamma(v),\ell\rangle_{L^{2}}\chi_{low}^{-1}(\langle\partial_{\xi}(u^{0}+v),\ell\rangle_{L^{2}})\partial_{\xi}(u^{0}+v). \end{aligned} \end{equation}$
$\begin{equation*} \begin{aligned} \|f(v)\|_{L^{2}} &\leq\|\Gamma(v)\|_{L^{2}}+K|\langle\Gamma(v),\ell\rangle_{L^{2}}|\cdot(1+\|v\|_{H^{1}})\\ &\leq K\epsilon^{2}+ K\epsilon^{2}\|v\|_{H^{2}}+K\|v\|^{2}_{H^{2}}\left(1+\epsilon^{2}+\|v\|_{L^{2}}\right). \end{aligned} \end{equation*}$
$\begin{equation*} \begin{aligned} \|g(v)\|_{L^{2}}&=\|(u^{0}+v)+b(u^{0}+v)\partial_{\xi}(u^{0}+v)\|_{L^{2}}\\ &\leq \|(u^{0}+v)\|_{L^{2}}+|b(u^{0}+v)|\cdot\|\partial_{\xi}(u^{0}+v)\|_{L^{2}} \leq K(1+\|v\|_{H^{2}}). \end{aligned} \end{equation*}$
引理 4.4 对任意充分小的正常数 $\delta_{0}$ , 如果方程 (3.10) 的初值 $U^{\epsilon}_{0}$ 满足
(4.7) $\begin{equation}\label{P.4} \|U^{\epsilon}_{0}-u^{0}\|_{H^{2}}\leq \delta_{0}, \end{equation}$
那么存在 $\pi(0)\in \mathbb{R}$ , 使得
(4.8) $\begin{equation}\label{P.3} \langle U^{\epsilon}(0,\xi+\pi(0))-u^{0},\ell\rangle_{L^{2}}=0, \end{equation}$
(4.9) $\begin{equation}\label{P.5} \| U^{\epsilon}(0,\xi+\pi(0))-u^{0}\|_{L^{2}}+|\pi(0)|\leq K\|U^{\epsilon}_{0}-u^{0}\|_{L^{2}}. \end{equation}$
(4.10) $\begin{equation}\label{pi} \Psi(\pi):=U^{\epsilon}(0,\xi)-U^{\epsilon}(0,\xi+\pi)+\pi\cdot (U^{\epsilon}(0,\xi))^{\prime}, \end{equation}$
其中 $“\prime”$ 表示 $\frac{\rm d}{{\rm d}\xi}$ . 根据 (3.8) 和 (4.10) 式可得
(4.11) $\begin{equation} \begin{aligned} \langle U^{\epsilon}(0,\xi+\pi)-u^{0},\ell\rangle_{L^{2}} =&\left\langle -\Psi(\pi)+U^{\epsilon}(0,\xi)+\pi \cdot (U^{\epsilon}(0,\xi))^{\prime}-u^{0},\ell\right\rangle_{L^{2}}\\ =&-\langle\Psi(\pi),\ell \rangle_{L^{2}}+\langle U^{\epsilon}_{0}-u^{0},\ell\rangle_{L^{2}}+\pi\langle (U^{\epsilon}_{0}-u^{0})^{\prime},\ell\rangle_{L^{2}}+\pi. \end{aligned} \end{equation}$
为了证明方程 (4.8), 只需要证明如下方程的解存在
(4.12) $\begin{equation}\label{Lambda.2}\pi =\langle \Psi(\pi),\ell \rangle_{L^{2}}-\langle U^{\epsilon}_{0}-u^{0},\ell\rangle_{L^{2}}-\pi\langle (U^{\epsilon}_{0}-u^{0})^{\prime},\ell\rangle_{L^{2}}.\end{equation}$
对任意 $T>0$ , 设 $X_{T}$ 是 $L^{2}(\Omega,L^{2}([T],H^{2}(I)))$ 上所有 $L^{2}(I)$ - 值, $\mathcal{F}_{T}$ - 适应的连续随机过程 $U^{\epsilon}$ 的集合, 使得如下范数是有限的
$ \|U^{\epsilon}\|_{X_{T}}=\left(\mathbb{E}\int_{0}^{T}\|U^{\epsilon}\|^{2}_{H^{2}}{\rm d}t\right)^{1/2}<\infty. $
那么对任意 $\omega\in\Omega$ , $\|U^{\epsilon}(t)\|_{H^{2}}$ 在 $[T]$ 上是可积的. 在区间 $[T]$ 上, 若 $U^{\epsilon}(t)$ 是方程 (3.10) 的解, 根据文献 [7 ], 存在 $K>0$ , 使得
$\begin{equation*} \|U^{\epsilon}(0)\|_{H^{2}}\leq K, \quad {\rm a.s}.. \end{equation*}$
根据拉格朗日中值定理, 存在 $\xi_{*}\in(\xi,\xi+\pi)$ 和 $\xi_{**}\in(\xi,\xi_{*})$ 使得
$ \begin{aligned} \|\Psi(\pi)\|_{L^{2}} &=\|U^{\epsilon}(0,\xi)-U^{\epsilon}(0,\xi+\pi)+\pi\cdot (U^{\epsilon}(0,\xi))^{\prime}\|_{L^{2}}\\ &=\left\|-\pi\cdot(U^{\epsilon}(0,\xi_{*}))^{\prime}+\pi \cdot(U^{\epsilon}(0,\xi))^{\prime}\right\|_{L^{2}}\\ &\leq|\pi||\xi-\xi_{*}|\cdot\left\|(U^{\epsilon}(0,\xi_{**}))^{\prime\prime}\right\|_{L^{2}} \leq K|\pi|^{2}. \end{aligned} $
类似地, 对任意 $\pi_{1}$ 和 $\pi_{2}$ , 存在 $\xi_{\#}\in(\xi+\pi_{1},\xi+\pi_{2})$ 和 $\xi_{\#\#}\in(\xi,\xi_{\#})$ 使得
$ \begin{aligned} &\|\Psi(\pi_{1})-\Psi(\pi_{2})\|_{L^{2}}\\ =&\left\|U^{\epsilon}(\xi+\pi_{2})-U^{\epsilon}(\xi+\pi_{1})+\pi_{1}\cdot(U^{\epsilon}(\xi))^{\prime}-\pi_{2}\cdot(U^{\epsilon}(\xi))^{\prime}\right\|_{L^{2}}\\ =&\|(\pi_{2}-\pi_{1})\cdot(U^{\epsilon}(\xi_{\#}))^{\prime}-(\pi_{2}-\pi_{1})\cdot(U^{\epsilon}(\xi))^{\prime}\|_{L^{2}}\\ \leq&|\pi_{2}-\pi_{1}||\xi_{\#}-\xi|\cdot\left\|(U^{\epsilon}(\xi_{\#\#}))^{\prime\prime}\right\|_{L^{2}}\\ \leq&K\max\{|\pi_{1}|,|\pi_{2}|\}|\pi_{2}-\pi_{1}|. \end{aligned} $
令 $\mathcal{A}:=\{\pi:|\pi|\leq K\delta_{0}\}$ . 将等式 (4.12) 的右边表示为 $R(\pi)$ . 根据 (4.7) 式可得
$\begin{align*} |R(\pi_{1})-R(\pi_{2})| \leq& |\langle \Psi(\pi_{1})-\Psi(\pi_{2}),\ell\rangle_{L^{2}}|+|\pi_{1}-\pi_{2}|\cdot|\langle (U^{\epsilon}_{0}-u^{0})^{\prime},\ell\rangle_{L^{2}}|\\ \leq& K\max\{|\pi_{1}|,|\pi_{2}|\}|\pi_{1}-\pi_{2}|+K\delta_{0}|\pi_{1}-\pi_{2}|\\ \leq& K\delta_{0}|\pi_{1}-\pi_{2}|. \end{align*}$
选择充分小的正常数 $\delta_{0}$ , 使得 $K\delta_{0}<1$ . 根据不动点定理, 方程 (4.12) 在集合 $\mathcal{A}$ 中有解.
对任意 $\pi\in \mathbb{R}$ , 利用 Hölder 不等式和积分中值定理可得
$\begin{equation*} \begin{aligned} \left\|u^{0}(\xi)-u^{0}(\xi-\pi)\right\|_{L^{2}}^{2} &=\int_{\mathbb{R}}\left(u^{0}(\xi)-u^{0}(\xi-\pi)\right)^{2}{\rm d}\xi\\ &=\int_{\mathbb{R}}\left(\int_{-\pi}^{0}\left(u^{0}(\xi+s)\right)^{\prime}{\rm d}s\right)^{2}{\rm d}\xi \leq\int_{\mathbb{R}}|\pi|\cdot\int_{-\pi}^{0}\left(\left(u^{0}(\xi+s)\right)^{\prime}\right)^{2}{\rm d}s {\rm d}\xi\\ &=|\pi|^{2}\cdot\int_{\mathbb{R}}\left(\left(u^{0}(\xi)\right)^{\prime}\right)^{2}{\rm d}\xi =|\pi|^{2}\cdot\left\|\left(u^{0}(\xi)\right)^{\prime}\right\|_{L^{2}}^{2}. \end{aligned} \end{equation*}$
$\begin{equation*} \begin{aligned} \|U^{\epsilon}(0,\xi+\pi(0))-u^{0}\|_{L^{2}} &=\|U^{\epsilon}(0,\xi)-u^{0}(\xi-\pi(0))\|_{L^{2}}\\ &\leq \|U^{\epsilon}_{0}-u^{0}\|_{L^{2}}+\|u^{0}-u^{0}(\xi-\pi(0))\|_{L^{2}}\\ &\leq \|U^{\epsilon}_{0}-u^{0}\|_{L^{2}}+K|\pi(0)|. \end{aligned} \end{equation*}$
因此, 根据 $\pi(0)\in \mathcal{A}$ 可得 (4.9) 式成立.
引理 4.5 对任意 $v\in H^{1}(I)$ , 如果 $ \|v\|_{H^{1}}\leq \min\{1,(2\|\ell\|_{L^{2}})^{-1}\}, $ 那么
(4.13) $\langle f(v), \ell\rangle_{L^{2}}=0, \quad\langle g(v), \ell\rangle_{L^{2}}=0.$
$\begin{equation*} \begin{aligned} |\langle u^{0}+v,\ell\rangle_{L^{2}}| &\leq (\|u^{0}\|_{L^{2}}+\|v\|_{L^{2}})\|\ell\|_{L^{2}}\\ &\leq \left(\|u^{0}\|_{L^{2}}+1\right)\|\ell\|_{L^{2}}, \end{aligned} \end{equation*}$
$\begin{equation*} \begin{aligned} |\langle\partial_{\xi}(u^{0}+v),\ell\rangle_{L^{2}}| \geq |\langle\partial_{\xi}u^{0},\ell \rangle_{L^{2}}|-|\langle\partial_{\xi}v,\ell \rangle_{L^{2}}| \geq 1-\frac{1}{2} =\frac{1}{2}. \end{aligned} \end{equation*}$
所以, 利用截断函数 $\chi_{low}$ 和 $\chi_{high}$ 的定义可得
$\begin{equation*} b(u^{0}+v)=-\frac{\langle u^{0}+v,\ell\rangle_{L^{2}}}{\langle\partial_{\xi}(u^{0}+v),\ell\rangle_{L^{2}}}. \end{equation*}$
结合 $g$ 的定义可得 (4.13) 式中第二个等式成立. 然后根据方程 (4.6) 可得 (4.13) 式中第一个等式也成立.
5 非线性稳定
(5.1) $\begin{equation}\label{I.1} \mathcal{I}_{\epsilon}(t):=\|V(t)\|_{L^{2}}^{2}+\int_{0}^{t}{\rm e}^{-\theta(t-s)}\|V(t)\|_{H^{2}}^{2}{\rm d}s. \end{equation}$
对任意 $T>0$ 和 $\eta>0$ , 定义停时
(5.2) $\begin{equation} \tau:=\inf\{0\leq t<T:\mathcal{I}_{\epsilon}(t)>\eta\} \quad {\rm a.s}.. \end{equation}$
特别地, 如果集合是空集, 那么 $\tau=T$ .
引理 5.1 对任意 $0\leq t\leq \tau$ , 满足
$\begin{equation*} \|S(t)QV(0)\|_{L^{2}}^{2}\leq M^{2}{\rm e}^{-2\sigma t}\|V(0)\|_{L^{2}}^{2}, \end{equation*}$
其中 $M$ 和 $\sigma$ 是引理 3.2 中的正常数. 此外, 对任意 $0<\theta<\sigma$ 和 $\eta>0$ , 存在正常数 $K$ , 使得
(5.3) $\begin{equation}\label{4.44} \begin{aligned} \left\|\int_{0}^{t}S(t-s)Qf(V){\rm d}s\right\|_{L^{2}}^{2} &\leq K\epsilon^{4}+K\epsilon^{4}\int_{0}^{t}{\rm e}^{-\theta(t-s)}\|V(s)\|_{H^{2}}^{2}{\rm d}s\\ & +K\left(1+\epsilon^{2}+\eta\right)^{2}\eta\cdot\int_{0}^{t}{\rm e}^{-\sigma(t-s)}\|V\|^{2}_{H^{2}}{\rm d}s, \end{aligned} \end{equation}$
$\begin{equation*} \|S(t)QV(0)\|_{L^{2}}^{2}\leq M^{2}{\rm e}^{-2\sigma t}\|V(0)\|_{L^{2}}^{2}. \end{equation*}$
$\begin{aligned} & \left\|\int_{0}^{t} S(t-s) Q f(V) \mathrm{d} s\right\|_{L^{2}}^{2} \\ \leq & K\left(\int_{0}^{t} \mathrm{e}^{-\sigma(t-s)}\left(\epsilon^{2}+\epsilon^{2}\|V\|_{H^{2}}+\left(1+\epsilon^{2}+\|V\|_{L^{2}}\right) \cdot\|V\|_{H^{2}}^{2}\right) \mathrm{d} s\right)^{2} \\ \leq & K \epsilon^{4}\left(\int_{0}^{t} \mathrm{e}^{-\sigma(t-s)} \mathrm{d} s\right)^{2}+K \epsilon^{4}\left(\int_{0}^{t} \mathrm{e}^{-\sigma(t-s)}\|V\|_{H^{2}} \mathrm{ d} s\right)^{2} \\ & +K\left(\int_{0}^{t} \mathrm{e}^{-\sigma(t-s)}\left(1+\epsilon^{2}+\|V\|_{L^{2}}\right) \cdot\|V\|_{H^{2}}^{2} \mathrm{ d} s\right)^{2} \\ \leq & K \frac{\epsilon^{4}}{\sigma^{2}}+K \epsilon^{4}\left(\int_{0}^{t} \mathrm{e}^{-\sigma(t-s)}\|V\|_{H^{2}} \mathrm{ d} s\right)^{2}+K\left(\int_{0}^{t} \mathrm{e}^{-\sigma(t-s)}\left(1+\epsilon^{2}+\|V\|_{L^{2}}\right) \cdot\|V\|_{H^{2}}^{2} \mathrm{ d} s\right)^{2} \end{aligned}$
$\begin{equation*} \begin{aligned} &\left(\int_{0}^{t}{\rm e}^{-\sigma(t-s)}\|V(s)\|_{H^{2}}{\rm d}s\right)^{2}\\ =& \left(\int_{0}^{t}{\rm e}^{-(\sigma-\frac{\theta}{2})(t-s)}{\rm e}^{-\frac{\theta}{2}(t-s)}\|V(s)\|_{H^{2}}{\rm d}s\right)^{2}\\ \leq&\int_{0}^{t}{\rm e}^{-(2\sigma-\theta)(t-s)}{\rm d}s\int_{0}^{t}{\rm e}^{-\theta(t-s)}\|V(s)\|_{H^{2}}^{2}{\rm d}s\\ \leq& \frac{1}{2\sigma-\theta}\int_{0}^{t}{\rm e}^{-\theta(t-s)}\|V(s)\|_{H^{2}}^{2}{\rm d}s. \end{aligned} \end{equation*}$
根据停时的定义, 对任意 $0\leq t\leq \tau$ ,
$\begin{equation*} \begin{aligned} &\left(\int_{0}^{t}{\rm e}^{-\sigma(t-s)}\left(1+\epsilon^{2}+\|V\|_{L^{2}}\right)\cdot\|V\|^{2}_{H^{2}}{\rm d}s\right)^{2}\\ \leq& \left(1+\epsilon^{2}+\eta\right)^{2}\left(\int_{0}^{t}{\rm e}^{-\sigma(t-s)}\|V\|^{2}_{H^{2}}{\rm d}s\right)^{2}\\ \leq&\left(1+\epsilon^{2}+\eta\right)^{2}\eta\cdot\int_{0}^{t}{\rm e}^{-\sigma(t-s)}\|V\|^{2}_{H^{2}}{\rm d}s. \end{aligned} \end{equation*}$
引理 5.2 对任意 $0<\theta<\sigma$ , 存在正常数 $K$ 使得
$\begin{equation*} \mathbb{E}\left\|\int_{0}^{t}S(t-s)Qg(V(s)){\rm d}\beta_{s}\right\|_{L^{2}}^{2}\leq K+K\mathbb{E}\int_{0}^{t}{\rm e}^{-\theta (t-s)}\|V(s)\|_{H^{2}}^{2}{\rm d}s, \end{equation*}$
证 根据 Itô 等距, 引理 3.2 和 (4.5) 式可得
$\begin{equation*} \begin{aligned} \mathbb{E}\left\|\int_{0}^{t}S(t-s)Qg(V(s)){\rm d}\beta_{s}\right\|_{L^{2}}^{2} = &\mathbb{E}\int_{0}^{t}\left\|S(t-s)Qg(V(s))\right\|_{L^{2}}^{2}{\rm d}s\\ \leq &M^{2}\mathbb{E}\int_{0}^{t}{\rm e}^{-2\sigma (t-s)}\|g(V(s))\|_{L^{2}}^{2}{\rm d}s\\ \leq &K\mathbb{E}\int_{0}^{t}{\rm e}^{-2\sigma (t-s)}\left(1+\|V(s)\|_{H^{2}}^{2}\right){\rm d}s\\ \leq& \frac{K}{2\sigma}+K\mathbb{E}\int_{0}^{t}{\rm e}^{-\theta (t-s)}\|V(s)\|_{H^{2}}^{2}{\rm d}s. \end{aligned} \end{equation*}$
引理 5.3 对任意 $0<\delta<1$ , $0<\theta<\sigma$ , 可得
$\begin{equation*} \int_{0}^{t}{\rm e}^{-\theta(t-s)}\|S(\delta)S(t)QV(0)\|_{H^{2}}^{2}{\rm d}s \leq \frac{M^{2}}{2\sigma-\theta}{\rm e}^{-\theta t}\|V(0)\|_{H^{2}}^{2}, \end{equation*}$
其中 $M$ 和 $\sigma$ 是引理 3.2 中的正常数. 对任意 $0\leq t\leq \tau$ 和 $\eta>0$ , 存在正常数 $K$ 使得
(5.4) $\begin{equation}\label{f.2} \begin{aligned} &\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left\|S(\delta)\int_{0}^{s}S(s-s^*)Qf(V(s^*)){\rm d}s^*\right\|_{H^{2}}^{2}{\rm d}s\\ \leq\,& K\epsilon^{4}+K\left(\epsilon^{4}+(1+\epsilon^{2}+\eta)^{2}\eta\right)\int_{0}^{t}{\rm e}^{-\theta(t-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*. \end{aligned} \end{equation}$
$\begin{equation*} \begin{aligned} \int_{0}^{t}{\rm e}^{-\theta(t-s)}\|S(\delta)S(t)QV(0)\|_{H^{2}}^{2}{\rm d}s &\leq M^{2}\int_{0}^{t}{\rm e}^{-\theta(t-s)}{\rm e}^{-2\sigma (s+\delta)}\|V(0)\|_{H^{2}}^{2}{\rm d}s\\ &\leq \frac{M^{2}}{2\sigma-\theta}{\rm e}^{-\theta t}\|V(0)\|_{H^{2}}^{2}, \end{aligned} \end{equation*}$
(5.5) $\begin{equation} \begin{aligned}\label{4.22} &\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left\|S(\delta)\int_{0}^{s}S(s-s^*)Qf(V(s^*)){\rm d}s^*\right\|_{H^{2}}^{2}{\rm d}s\\ \leq \,& K\epsilon^{4}\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left\|S(\delta)\int_{0}^{t}S(s-s^*)Q(1+\|V(s^*)\|_{H^{2}}){\rm d}s^*\right\|_{H^{2}}^{2}{\rm d}s\\ +&K(1+\epsilon^{2}+\eta)^{2}\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left\|S(\delta)\int_{0}^{s}S(s-s^*)Q\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\right\|_{H^{2}}^{2}{\rm d}s. \end{aligned} \end{equation}$
当 $t\geq 1$ 时. 任取正常数 $\gamma_{1}$ 和 $\gamma_{2}$ 满足 $\gamma_{1}+\gamma_{2}=1$ .
(5.6) $\begin{equation}\label{4.23} \begin{aligned} &\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left\|S(\delta)\int_{0}^{s}S(s-s^*)Q(1+\|V(s^*)\|_{H^{2}}){\rm d}s^*\right\|_{H^{2}}^{2}{\rm d}s\\ \leq \,&2M^{2}\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left(\int_{0}^{s}{\rm e}^{-\sigma(s-s^*)}{\rm d}s^*\right)^{2}{\rm d}s\\ &+2M^{2}\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left(\int_{0}^{s}{\rm e}^{-\sigma(s-s^*)}\|V(s^*)\|_{H^{2}}{\rm d}s^*\right)^{2}{\rm d}s\\ \leq \,&\frac{2M^{2}}{\theta\sigma^{2}}+2M^{2}\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left(\int_{0}^{s}{\rm e}^{-2\gamma_{1}\sigma(s-s^*)}{\rm d}s^*\right)\left(\int_{0}^{s}{\rm e}^{-2\gamma_{2}\sigma(s-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\right){\rm d}s\\ \leq\, &\frac{2M^{2}}{\theta\sigma^{2}}+\frac{M^{2}}{\gamma_{1}\sigma}\int_{0}^{t}{\rm e}^{-\theta(t-s)}\int_{0}^{s}{\rm e}^{-2\gamma_{2}\sigma(s-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*{\rm d}s, \end{aligned} \end{equation}$
$\begin{equation}\label{4.24} \begin{aligned} &\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left\|S(\delta)\int_{0}^{s}S(s-s^*)Q\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\right\|_{H^{2}}^{2}{\rm d}s\notag\\ \leq \,& M^{2}\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left(\int_{0}^{s}{\rm e}^{-\sigma(s-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\right)^{2}{\rm d}s\\ \leq\,&M^{2}\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left(\int_{0}^{s}{\rm e}^{-\theta(s-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\right)\left(\int_{0}^{s}{\rm e}^{-\sigma}(s-s^*)\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\right){\rm d}s\notag\\ \leq\,&M^{2}\eta\int_{0}^{t}{\rm e}^{-\theta(t-s)}\int_{0}^{s}{\rm e}^{-\sigma(s-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*{\rm d}s\notag. \end{aligned} \end{equation}$
因为 $\theta\in(0, \sigma)$ , 所以令 $\gamma_{2}=\theta \sigma^{-1}$ , 可得
(5.7) $\begin{equation}\label{4.25} \begin{aligned} &\frac{1}{\gamma_{1}\sigma}\int_{0}^{t}{\rm e}^{-\theta(t-s)}\int_{0}^{s}{\rm e}^{-2\gamma_{2}\sigma(s-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*{\rm d}s\\ =&\frac{1}{\gamma_{1}\sigma}{\rm e}^{-\theta t}\int_{0}^{t}\int_{s^*}^{t}{\rm e}^{\theta s-2\gamma_{2}\sigma(s-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s{\rm d}s^*\\ \leq&\frac{1}{\gamma_{1}\sigma}{\rm e}^{-\theta t}\frac{1}{2\gamma_{2}\sigma-\theta}\int_{0}^{t}{\rm e}^{(\theta-2\gamma_{2}\sigma)s^*}{\rm e}^{2\gamma_{2}\sigma s^*}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\\ =&\frac{1}{(\sigma-\theta)\theta}\int_{0}^{t}{\rm e}^{-\theta(t-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*, \end{aligned} \end{equation}$
(5.8) $\begin{equation}\label{4.26} \begin{aligned} &\int_{0}^{t}{\rm e}^{-\theta(t-s)}\int_{0}^{s}{\rm e}^{-\sigma(s-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*{\rm d}s\\ =&\int_{0}^{t}\int_{s^*}^{t}{\rm e}^{-\theta(t-s)-\sigma(s-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s{\rm d}s^*\\ \leq&\frac{1}{\sigma-\theta}{\rm e}^{-\theta t}\int_{0}^{t}{\rm e}^{-(\sigma-\theta)s^*}{\rm e}^{\sigma s^*}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\\ =&\frac{1}{\sigma-\theta}\int_{0}^{t}{\rm e}^{-\theta(t-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*. \end{aligned} \end{equation}$
将 (5.6)-(5.8) 式带入 (5.5) 式可得
(5.9) $\begin{equation}\label{4.27} \begin{aligned} &\int_{0}^{t}{\rm e}^{-\theta(t-s)}\|S(\delta)\int_{0}^{s}S(s-s^*)Qf(V(s^*)){\rm d}s^*\|_{H^{2}}^{2}{\rm d}s\\ \leq& K\epsilon^{4}+K\left(\epsilon^{4}+(1+\epsilon^{2}+\eta)^{2}\eta\right)\int_{0}^{t}{\rm e}^{-\theta(t-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*. \end{aligned} \end{equation}$
当 $0\leq t\leq 1$ 时, 利用 Hölder 不等式可得
(5.10) $\begin{aligned}&\int_{0}^{t} \mathrm{e}^{-\theta(t-s)}\left\|S(\delta) \int_{s-1}^{s} S\left(s-s^{*}\right) Q\left(1+\left\|V\left(s^{*}\right)\right\|_{H^{2}}\right) \mathrm{d} s^{*}\right\|_{H^{2}}^{2} \mathrm{~d} s \\\leq &2 M^{2} \int_{0}^{t} \mathrm{e}^{-\theta(t-s)}\left(\int_{s-1}^{s}\left(s+\delta-s^{*}\right)^{-\frac{1}{4}} \mathrm{~d} s^{*}\right)^{2} \mathrm{~d} s \\&+2 M^{2} \int_{0}^{t} \mathrm{e}^{-\theta(t-s)}\left(\int_{s-1}^{s}\left(s+\delta-s^{*}\right)^{-\frac{1}{4}}\left\|V\left(s^{*}\right)\right\|_{H^{2}} \mathrm{~d} s^{*}\right)^{2} \mathrm{~d} s \\\leq &2 M^{2} \cdot \frac{16}{9 \theta}\left(\delta^{\frac{3}{4}}-(1+\delta)^{\frac{3}{4}}\right)^{2} \\&+2 M^{2} \int_{0}^{t} \mathrm{e}^{-\theta(t-s)}\left(\int_{s-1}^{s}\left(s+\delta-s^{*}\right)^{-\frac{1}{4}} \mathrm{~d} s^{*}\right)\left(\int_{s-1}^{s}\left(s+\delta-s^{*}\right)^{-\frac{1}{4}}\left\|V\left(s^{*}\right)\right\|_{H^{2}}^{2} \mathrm{~d} s^{*}\right) \mathrm{d} s \\\leq &2 M^{2} \cdot \frac{16}{9 \theta}\left(\delta^{\frac{3}{4}}-(1+\delta)^{\frac{3}{4}}\right)^{2}+\frac{8}{3} M^{2} \int_{0}^{t} \mathrm{e}^{-\theta(t-s)} \int_{s-1}^{s}\left(s+\delta-s^{*}\right)^{-\frac{1}{4}}\left\|V\left(s^{*}\right)\right\|_{H^{2}}^{2} \mathrm{~d} s^{*} \mathrm{~d} s\end{aligned}$
$\begin{equation}\label{4.29} \begin{aligned} &\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left\|S(\delta)\int_{s-1}^{s}S(s-s^*)Q\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\right\|_{H^{2}}^{2}{\rm d}s\notag\\ \leq \,& M^{2}\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left(\int_{s-1}^{s}(s+\delta-s^*)^{-\frac{1}{4}}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\right)^{2}{\rm d}s\\ \leq\,&M^{2}\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left(\int_{s-1}^{s}(s+\delta-s^*)^{-\frac{1}{2}}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\right)\left(\int_{s-1}^{s}\|V(s^{**})\|_{H^{2}}^{2}{\rm d}s^{**}\right){\rm d}s\notag\\ =\,&M^{2} \int_{0}^{t}{\rm e}^{-\theta(t-s)}\int_{s-1}^{s}\int_{s-1}^{s}(s+\delta-s^*)^{-\frac{1}{2}}\|V(s^*)\|_{H^{2}}^{2}\|V(s^{**})\|_{H^{2}}^{2}{\rm d}s^{**}{\rm d}s^*{\rm d}s\notag. \end{aligned} \end{equation}$
(5.11) $\begin{equation}\label{4.30} \begin{aligned} &\int_{0}^{t}{\rm e}^{-\theta(t-s)}\int_{s-1}^{s}(s+\delta-s^*)^{-\frac{1}{4}}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*{\rm d}s\\ =&\int_{0}^{t}{\rm e}^{-\theta t}\left(\int_{s^*}^{\min\{t,s^*+1\}}(s+\delta-s^*)^{-\frac{1}{4}}{\rm e}^{\theta s}{\rm d}s\right)\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\\ \leq&\frac{4}{3}\int_{0}^{t}{\rm e}^{-\theta t}{\rm e}^{\theta(s^*+1)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\\ =&\frac{4}{3} {\rm e}^{\theta}\int_{0}^{t}{\rm e}^{-\theta(t-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*, \end{aligned} \end{equation}$
(5.12) $\begin{array}{l}\int_{0}^{t} \mathrm{e}^{-\theta(t-s)} \int_{s-1}^{s} \int_{s-1}^{s}\left(s+\delta-s^{*}\right)^{-\frac{1}{2}}\left\|V\left(s^{*}\right)\right\|_{H^{2}}^{2}\left\|V\left(s^{* *}\right)\right\|_{H^{2}}^{2} \mathrm{~d} s^{* *} \mathrm{~d} s^{*} \mathrm{~d} s \\=\mathrm{e}^{-\theta t} \int_{0}^{t} \int_{s-1}^{\min \left\{t, s^{*}+1\right\}}\left(\int_{\max \left\{s^{*}, s^{* *}\right\}}^{\min \left\{t, s^{*}+1, s^{* *}+1\right\}}\left(s+\delta-s^{*}\right)^{-\frac{1}{2}} \mathrm{e}^{\theta s} \mathrm{~d} s\right)\left\|V\left(s^{*}\right)\right\|_{H^{2}}^{2}\left\|V\left(s^{* *}\right)\right\|_{H^{2}}^{2} \mathrm{~d} s^{* *} \mathrm{~d} s^{*} \\\leq 2 \mathrm{e}^{-\theta t} \int_{0}^{t} \mathrm{e}^{\theta\left(s^{*}+1\right)}\left\|V\left(s^{*}\right)\right\|_{H^{2}}^{2} \int_{s^{*}-1}^{\min \left\{t, s^{*}+1\right\}}\left\|V\left(s^{* *}\right)\right\|_{H^{2}}^{2} \mathrm{~d} s^{* *} \mathrm{~d} s^{*} \\\leq 2 \mathrm{e}^{3 \theta} \int_{0}^{t} \mathrm{e}^{-\theta\left(t-s^{*}\right)}\left\|V\left(s^{*}\right)\right\|_{H^{2}}^{2} \mathrm{~d} s^{*} \int_{s^{*}-1}^{\min \left\{t, s^{*}+1\right\}} \mathrm{e}^{-\theta\left(\min \left\{t, s^{*}+1\right\}-s^{* *}\right)}\left\|V\left(s^{* *}\right)\right\|_{H^{2}}^{2} \mathrm{~d} s^{* *} \mathrm{~d} s^{*} \\\leq 2 \mathrm{e}^{3 \theta} \eta \int_{0}^{t} \mathrm{e}^{-\theta\left(t-s^{*}\right)}\left\|V\left(s^{*}\right)\right\|_{H^{2}}^{2} \mathrm{~d} s^{*}\end{array}$
所以, 将 (5.10)-(5.12) 式带入 (5.5) 式可得
(5.13) $\begin{equation}\label{4.32} \begin{aligned} &\int_{0}^{t}{\rm e}^{-\theta(t-s)}\|S(\delta)\int_{s-1}^{s}S(s-s^*)Qf(V(s^*)){\rm d}s_*\|_{H^{2}}^{2}{\rm d}s\\ \leq\,& K\epsilon^{4}+K\left(\epsilon^{4}+(1+\epsilon^{2}+\eta)^{2}\eta\right)\int_{0}^{t}{\rm e}^{-\theta(t-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*. \end{aligned} \end{equation}$
(5.14) $\begin{equation} \begin{aligned}\label{4.33} &\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left\|\int_{s-1}^{s}S(s-s^*)Q\|V(s^*)\|_{H^{2}}{\rm d}s^*\right\|_{H^{2}}^{2}{\rm d}s\\ =\,&\int_{0}^{t}{\rm e}^{-\theta(t-s)}\liminf_{\delta\rightarrow0}\left\|S(\delta)\int_{s-1}^{s}S(s-s^*)Q\|V(s^*)\|_{H^{2}}{\rm d}s^*\right\|_{H^{2}}^{2}{\rm d}s\\ \leq\,&\liminf_{\delta\rightarrow0}\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left\|S(\delta)\int_{s-1}^{s}S(s-s^*)Q\|V(s^*)\|_{H^{2}}{\rm d}s^*\right\|_{H^{2}}^{2}{\rm d}s \end{aligned} \end{equation}$
(5.15) $\begin{equation}\label{4.34} \begin{aligned} &\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left\|\int_{s-1}^{s}S(s-s^*)Q\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\right\|_{H^{2}}^{2}{\rm d}s\\ = \,& \int_{0}^{t}{\rm e}^{-\theta(t-s)}\liminf_{\delta\rightarrow0}\left\|S(\delta)\int_{s-1}^{s}S(s-s^*)Q\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\right\|_{H^{2}}^{2}{\rm d}s\\ \leq \,&\liminf_{\delta\rightarrow0}\int_{0}^{t}{\rm e}^{-\theta(t-s)}\left\|S(\delta)\int_{s-1}^{s}S(s-s^*)Q\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*\right\|_{H^{2}}^{2}{\rm d}s. \end{aligned} \end{equation}$
综上, 根据 (5.9), (5.13), (5.14) 式和 (5.15) 式可得 (5.4) 式成立.
引理 5.4 对任意 $T>0$ , $0<\delta<1$ 及任意 $0<\theta<\sigma$ , 存在正常数 $K$ 使得
(5.16) $\begin{aligned}&\mathbb{E} \int_{0}^{t} \mathrm{e}^{-\theta(t-s)}\left\|\int_{0}^{s} S(\delta) S\left(s-s^{*}\right) Q g\left(V\left(s^{*}\right)\right) \mathrm{d} \beta_{s^{*}}\right\|_{H^{2}}^{2} \mathrm{~d} s \\\leq &K+K \mathbb{E} \int_{0}^{t} \mathrm{e}^{-\theta\left(t-s^{*}\right)}\left\|V\left(s^{*}\right)\right\|_{H^{2}}^{2} \mathrm{~d} s^{*}\end{aligned}$
证 当 $t\geq 1$ 时, 利用 Itô 等距, 引理 3.2 和 (4.5) 式, 可得
$\begin{equation*} \begin{aligned} &\mathbb{E}\int_{0}^{t} {\rm e}^{-\theta (t-s)}\left\|\int_{0}^{s}S(\delta)S(s-s^*)Qg(V(s^*)){\rm d}\beta_{s^*}\right\|_{H^{2}}^{2}{\rm d}s\\ =\,&\mathbb{E}\int_{0}^{t} {\rm e}^{-\theta (t-s)}\int_{0}^{s}\|S(\delta+s-s^*)Qg(V(s^*))\|_{H^{2}}^{2}{\rm d}s^*{\rm d}s\\ \leq \,&K\mathbb{E}\int_{0}^{t} {\rm e}^{-\theta (t-s)}\int_{0}^{s}{\rm e}^{-2\sigma(s+\delta-s^*)}\left(1+\|V(s^*)\|_{H^{2}}^{2}\right){\rm d}s^*{\rm d}s, \end{aligned} \end{equation*}$
$\begin{align*} &\mathbb{E}\int_{0}^{t} {\rm e}^{-\theta (t-s)}\int_{0}^{s}{\rm e}^{-2\sigma(s+\delta-s^*)}\left(1+\|V(s^*)\|_{H^{2}}^{2}\right){\rm d}s^*{\rm d}s\\ =\,&\mathbb{E}{\rm e}^{-\theta t}\int_{0}^{t}\left(\int_{s^*}^{t}{\rm e}^{\theta s}{\rm e}^{-2\sigma(s+\delta)}{\rm d}s\right) {\rm e}^{2\sigma s^*}\left(1+\|V(s^*)\|_{H^{2}}^{2}\right){\rm d}s^*\\ \leq \,&\frac{1}{2\sigma-\theta}\mathbb{E}\int_{0}^{t}{\rm e}^{-\theta t}{\rm e}^{-(2\sigma-\theta)s^*}{\rm e}^{2\sigma s^*}\left(1+\|V(s^*)\|_{H^{2}}^{2}\right){\rm d}s^*\\ =\,&\frac{1}{2\sigma-\theta}\mathbb{E}\int_{0}^{t}{\rm e}^{-\theta (t-s^*)}\left(1+\|V(s^*)\|_{H^{2}}^{2}\right){\rm d}s^*\\ \leq\,&\frac{1}{(2\sigma-\theta)\theta}+\frac{1}{2\sigma-\theta}\mathbb{E}\int_{0}^{t}{\rm e}^{-\theta (t-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*. \end{align*}$
(5.17) $\begin{equation}\label{4.39} \begin{aligned} &\mathbb{E}\int_{0}^{t} {\rm e}^{-\theta (t-s)}\left\|\int_{0}^{s}S(\delta)S(s-s^*)Qg(V(s^*)){\rm d}\beta_{s^*}\right\|_{H^{2}}^{2}{\rm d}s\\ \leq\,& K+ K\mathbb{E}\int_{0}^{t}{\rm e}^{-\theta (t-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*. \end{aligned} \end{equation}$
$\begin{align*} &\mathbb{E}\int_{0}^{t} {\rm e}^{-\theta (t-s)}\int_{s-1}^{s}\|S(\delta+s-s^*)Qg(V(s^*))\|_{H^{2}}^{2}{\rm d}s^*{\rm d}s\\ \leq \,&K\mathbb{E}\int_{0}^{t} {\rm e}^{-\theta (t-s)}\int_{s-1}^{s}(s+\delta-s^*)^{-\frac{1}{2}}\left(1+\|V(s^*)\|_{H^{2}}^{2}\right){\rm d}s^*{\rm d}s\\ =\,&K\mathbb{E}\int_{0}^{t}{\rm e}^{-\theta t}\left(\int_{s^*}^{\min\{t,s^*+1\}}{\rm e}^{\theta s}(s+\delta-s^*)^{-\frac{1}{2}}{\rm d}s\right)\left(1+\|V(s^*)\|_{H^{2}}^{2}\right){\rm d}s^*\\ \leq\,& K {\rm e}^{\theta}\mathbb{E}\int_{0}^{t}{\rm e}^{-\theta (t-s^*)}\left(1+\|V(s^*)\|_{H^{2}}^{2}\right){\rm d}s^*\\ \leq\,& \frac{K {\rm e}^{\theta}}{\theta}+K {\rm e}^{\theta}\mathbb{E}\int_{0}^{t}{\rm e}^{-\theta (t-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*. \end{align*}$
(5.18) $\begin{equation}\label{4.42} \begin{aligned} &\mathbb{E}\int_{0}^{t} {\rm e}^{-\theta (t-s)}\left\|\int_{0}^{s}S(\delta)S(s-s^*)Qg(V(s^*)){\rm d}\beta_{s^*}\right\|_{H^{2}}^{2}{\rm d}s\\ \leq\,& K+ K\mathbb{E}\int_{0}^{t}{\rm e}^{-\theta (t-s^*)}\|V(s^*)\|_{H^{2}}^{2}{\rm d}s^*. \end{aligned} \end{equation}$
(5.19) $\begin{equation} \begin{aligned}\label{4.43} &\mathbb{E}\int_{0}^{t} {\rm e}^{-\theta (t-s)}\int_{s-1}^{s}\|S(s-s^*)Qg(V(s^*))\|_{H^{2}}^{2}{\rm d}s^*{\rm d}s\\ =\,&\mathbb{E}\int_{0}^{t} {\rm e}^{-\theta (t-s)}\liminf_{\delta\rightarrow0}\int_{s-1}^{s}\|S(s-s^*)Qg(V(s^*))\|_{H^{2}}^{2}{\rm d}s^*{\rm d}s\\ \leq\,&\liminf_{\delta\rightarrow0}\mathbb{E}\int_{0}^{t} {\rm e}^{-\theta (t-s)}\int_{s-1}^{s}\|S(s-s^*)Qg(V(s^*))\|_{H^{2}}^{2}{\rm d}s^*{\rm d}s. \end{aligned} \end{equation}$
综上, 根据 (5.17), (5.18) 式和 (5.19) 式可得 (5.16) 式成立.
定理 5.1 让 $u^0$ 表示确定系统 (3.1) 的行波解. 对任意 $0\leq t\leq \tau$ , 存在常数 $k>0$ . 当随机系统 (3.10) 的噪声强度 $\epsilon$ 足够小并且其初值 $U_{0}^{\epsilon}$ 满足
$\begin{equation*} \|U_{0}^{\epsilon}-u^{0}\|_{H^{2}}\leq k, \end{equation*}$
$\begin{equation*} \begin{aligned} &\mathbb{E}\sup_{0\leq t\leq \tau}\|U^{\epsilon}\left(t,\xi+\pi(t)\right)-u^{0}\|^{2}_{L^{2}}+\mathbb{E}\int_{0}^{\tau}{\rm e}^{-\gamma(\tau-s)}\|U^{\epsilon}\left(s,\xi+\pi(s)\right)-u^{0}\|_{H^{2}}^{2}{\rm d}s\\ \leq\,&K\left(\|U_{0}^{\epsilon}-u^{0}\|_{H^{2}}^{2}+(\epsilon^{4}+\epsilon^{2})\right), \end{aligned} \end{equation*}$
$\begin{equation*} \begin{aligned}\label{I} \mathfrak{}\mathbb{E}\mathcal{I}_{\epsilon}(t)\leq& K\|V(0)\|_{H^{2}}^{2}+K\epsilon^{4}+K\epsilon^{2}\\ &+K\left(\epsilon^{2}+\epsilon^{4}+\left(1+\epsilon^{2}+\eta\right)^{2}\eta\right)\cdot\mathbb{E}\int_{0}^{t}{\rm e}^{-\sigma(t-s)}\|V\|^{2}_{H^{2}}{\rm d}s\\ \leq\,& K\|V(0)\|_{H^{2}}^{2}+K(\epsilon^{4}+\epsilon^{2})+K\left(\epsilon^{2}+\epsilon^{4}+\left(1+\epsilon^{2}+\eta\right)^{2}\eta\right)\cdot\mathbb{E}\mathcal{I}_{\epsilon}(t). \end{aligned} \end{equation*}$
令 $\epsilon$ 和 $\eta$ 充分小, 使得 $\epsilon^{2}+\epsilon^{4}+\left(1+\epsilon^{2}+\eta\right)^{2}\eta<1$ , 那么
$\begin{equation*}\label{5.39} \mathbb{E}\sup_{0\leq t\leq \tau}\mathcal{I}_{\epsilon}(t)\leq K\left(\|V(0)\|_{H^{2}}^{2}+(\epsilon^{4}+\epsilon^{2})\right). \end{equation*}$
根据方程 (3.12) 和 (5.1), 可得定理 5.1 成立.
参考文献
View Option
[1]
Kuramoto Y . Instability and turbulence of wavefronts in reaction-diffusion systems
Prog Theor Phys , 1980 , 63 (6 ): 1885 -1903
[本文引用: 1]
[2]
Sivashinsky G . Nonlinear analysis of hyrodynamic instability in laminar flames
Acta Astronaut , 1977 , 4 (11/12 ): 1117 -1206
[本文引用: 1]
[3]
Duan J , Ervin V J . On the stochastic Kuramoto-Sivashinsky equation
Nonlinear Anal , 2001 , 44 : 205 -216
[本文引用: 2]
[4]
Rose G A P , Suvinthra M , Balachandran K . Large deviations for stochastic Kuramoto-Sivashinsky equation with multiplicative noise
Nonlinear Anal: Model and control , 2021 , 26 (4 ): 642 -660
[5]
Wang G , Wang X , Wang Y . Long time behavior for nonlocal stochastic Kuramoto-Sivashinsky equations
Stat Probabil Lett , 2014 , 87 : 54 -60
[6]
Wang G , Wang X , Xu G . Long time stability of nonlocal stochastic Kuramoto-Sivashinsky equations with jump noises
Stat Probabil Lett , 2017 , 127 : 23 -32
[7]
Wu W , Cui S , Duan J . Global well-posedness of the stochastic generalized Kuramoto-Sivashinsky equation with multiplicative noise
Acta Math Appl Sin-E , 2018 , 34 : 566 -584
DOI:10.1007/s10255-018-0769-3
[本文引用: 3]
Global well-posedness of the initial-boundary value problem for the stochastic generalized Kuramoto-Sivashinsky equation in a bounded domain <i>D</i> with a multiplicative noise is studied. It is shown that under suitable sufficient conditions, for any initial data <i>u</i><sub>0</sub> ∈ <i>L</i><sup>2</sup>(<i>D</i>×Ω), this problem has a unique global solution u in the space <i>L</i><sup>2</sup>(Ω, <i>C</i>([0, <i>T</i>], <i>L</i><sup>2</sup>(<i>D</i>))) for any <i>T</i> > 0, and the solution map <i>u</i><sub>0</sub> ↦ <i>u</i> is Lipschitz continuous.
[8]
Yang D . Random attractors for the stochastic Kuramoto-Sivashinsky equation
Stoch Anal Appl , 2006 , 24 : 1285 -1303
[本文引用: 1]
[9]
Tadmor E . The well-posedness of the Kuramoto-Sivashinsky equation
SIAM J Math Anal , 1986 , 17 : 884 -893
[本文引用: 1]
[10]
Nickel J . Travelling wave solutions to the Kuramoto-Sivashinsky equation
Chaos Soliton Fract , 2007 , 33 : 1376 -1382
[本文引用: 1]
[11]
Zayed E M E , Nofal T A , Gepreel K A . The travelling wave solutions for non-linear initial-value problems using the homotopy perturbation method
Appl Anal , 2009 , 88 : 617 -634
[本文引用: 1]
[12]
Ge J H , Hua C C , Feng Z S . A method for constructing traveling wave solutions to nonlinear evolution equations
Acta Appl Math , 2012 , 118 : 185 -201
[本文引用: 1]
[13]
Barker B , Johnson M A , Noble P , Rodrigues M , Zumbrun K . Stability of periodic Kuramoto-Sivashinsky waves
Appl Math Lett , 2012 , 25 : 842 -829
[本文引用: 1]
[14]
Hooper A P , Grimshaw R . Travelling wave solutions of the Kuramoto-Sivashinsky equation
Wave Motion , 1988 , 5 : 899 -919
[15]
Zumbrun K . Instantaneous shock location and one-dimensional nonlinear stability of viscous shock waves
Q Appl Math , 2011 , 69 : 177 -202
[16]
周永辉 . 一类具有时滞的非局部反应扩散方程非单调临界行波解的全局稳定性
数学物理学报 , 2020 , 40A (4 ): 983—992
[本文引用: 1]
Zhou Y H . Global stability of the nonmonotone critical traveling waves for reaction diffusion equations
Acta Math Sci , 2020 , 40A (4 ): 983 -992
[本文引用: 1]
[17]
Shargatov V A , Chugainova A P , Kolomiytsev G V . Global stability of traveling wave solutions of generalized Korteveg-de Vries-Burgers equation with non-constant dissipation parameter
J Comput Appl Math , 2022 , 412 : 114354
[本文引用: 1]
[18]
Cornwell P , Jones C K R T . On the existence and stability of fast traveling waves in a doubly diffusive FitzHugh-Nagumo system
SIAM J Appl Dyn Syst , 2018 , 17 (1 ): 754 -787
[本文引用: 1]
[19]
Lang E . A multiscale analysis of traveling waves in stochastic neural fields
SIAM J Appl Dyn Syst , 2016 , 15 : 1581 -1614
[本文引用: 1]
[20]
Hamster C H S , Hupkes H J . Stability of traveling waves for reaction-diffusion equations with multiplicative noise
SIAM J Appl Dyn Syst , 2019 , 18 : 205 -278
DOI:10.1137/17M1159518
[本文引用: 1]
We consider reaction-diffusion equations that are stochastically forced by a small multiplicative noise term. We show that spectrally stable traveling wave solutions to the deterministic system retain their orbital stability if the amplitude of the noise is sufficiently small. By applying a stochastic phase shift together with a time transform, we obtain a semilinear Stochastic partial differential equation that describes the fluctuations from the primary wave. We subsequently develop a semigroup approach to handle the nonlinear stability question in a fashion that is closely related to modern deterministic methods.
[21]
Hamster C H S , Hupkes H J . Traveling waves for reaction-diffusion equations forced by translation invariant noise
Physica D , 2020 , 401 : 132233
[本文引用: 2]
[22]
Lorenzi L , Lunardi A , Metafune G , Pallara D . Analytic Semigroups and Reaction-Diffusion Problems
Internet Seminar , 2005
[本文引用: 3]
[23]
Howard P , Zumbrun K . Stability of undercompressive shock profiles
J Differ Equations , 2006 , 225 : 308 -360
[本文引用: 1]
[24]
Yosida K . Functional Analysis
Berlin:Springer , 1980
[本文引用: 2]
[25]
Temam R , Wang X M . Estimates on the lowest dimension of inertial manifolds for the Kuramoto-Sivashinsky equation in the general case
Differ Integral Equ , 1994 , 7 : 1095 -1108
[本文引用: 1]
Instability and turbulence of wavefronts in reaction-diffusion systems
1
1980
... Kuramoto-Sivashinsky 方程是由 Kuramoto[1 ] 和 Sivashinsky[2 ] 提出的非线性传播模型, 在流体力学、化学、物理等领域得到了广泛的应用. ...
Nonlinear analysis of hyrodynamic instability in laminar flames
1
1977
... Kuramoto-Sivashinsky 方程是由 Kuramoto[1 ] 和 Sivashinsky[2 ] 提出的非线性传播模型, 在流体力学、化学、物理等领域得到了广泛的应用. ...
On the stochastic Kuramoto-Sivashinsky equation
2
2001
... 随机波动对复杂现象的建模、分析、模拟和预测产生影响. 由于一些小的随机扰动可能会极大地影响定性行为, 并为该模型带来新的性质, 因此量化不确定性的必要性已被广泛认识, 噪声对 Kuramoto-Sivashinsky 方程的影响受到越来越多的关注[3 -8 ] . ...
... 关于 Kuramoto-Sivashinsky 方程解的适定性研究中, Tadmor[9 ] 利用不动点迭代的方法研究了确定 Kuramoto-Sivashinsky 方程解的存在唯一性和稳定性. Duan 和 Ervin[3 ] 利用不动点定理得到了齐次 Dirichlet 边界下具有加性噪声的随机 Kuramoto-Sivashinsky 方程解的存在唯一性. Wu, Cui 和 Duan[7 ] 使用截断方法证明了具有乘性噪声的随机广义 Kuramoto-Sivashinsky 方程在有界域中是全局适定的. ...
Large deviations for stochastic Kuramoto-Sivashinsky equation with multiplicative noise
2021
Long time behavior for nonlocal stochastic Kuramoto-Sivashinsky equations
2014
Long time stability of nonlocal stochastic Kuramoto-Sivashinsky equations with jump noises
2017
Global well-posedness of the stochastic generalized Kuramoto-Sivashinsky equation with multiplicative noise
3
2018
... 关于 Kuramoto-Sivashinsky 方程解的适定性研究中, Tadmor[9 ] 利用不动点迭代的方法研究了确定 Kuramoto-Sivashinsky 方程解的存在唯一性和稳定性. Duan 和 Ervin[3 ] 利用不动点定理得到了齐次 Dirichlet 边界下具有加性噪声的随机 Kuramoto-Sivashinsky 方程解的存在唯一性. Wu, Cui 和 Duan[7 ] 使用截断方法证明了具有乘性噪声的随机广义 Kuramoto-Sivashinsky 方程在有界域中是全局适定的. ...
... 引理 2.1 [7 ] 对任意 $T>0$ , 初值 $U_{0}$ 在 $L^2(\Omega, L^2(I))$ 是 $\mathcal{F}_{0}$ - 可测的. 那么方程 (1.1) 在 $L^{2}\left(\Omega, C([T],L^{2}(I))\cap L^{2}([T],H^{2}(I))\right)$ 中存在唯一解. ...
... 那么对任意 $\omega\in\Omega$ , $\|U^{\epsilon}(t)\|_{H^{2}}$ 在 $[T]$ 上是可积的. 在区间 $[T]$ 上, 若 $U^{\epsilon}(t)$ 是方程 (3.10) 的解, 根据文献 [7 ], 存在 $K>0$ , 使得 ...
Random attractors for the stochastic Kuramoto-Sivashinsky equation
1
2006
... 随机波动对复杂现象的建模、分析、模拟和预测产生影响. 由于一些小的随机扰动可能会极大地影响定性行为, 并为该模型带来新的性质, 因此量化不确定性的必要性已被广泛认识, 噪声对 Kuramoto-Sivashinsky 方程的影响受到越来越多的关注[3 -8 ] . ...
The well-posedness of the Kuramoto-Sivashinsky equation
1
1986
... 关于 Kuramoto-Sivashinsky 方程解的适定性研究中, Tadmor[9 ] 利用不动点迭代的方法研究了确定 Kuramoto-Sivashinsky 方程解的存在唯一性和稳定性. Duan 和 Ervin[3 ] 利用不动点定理得到了齐次 Dirichlet 边界下具有加性噪声的随机 Kuramoto-Sivashinsky 方程解的存在唯一性. Wu, Cui 和 Duan[7 ] 使用截断方法证明了具有乘性噪声的随机广义 Kuramoto-Sivashinsky 方程在有界域中是全局适定的. ...
Travelling wave solutions to the Kuramoto-Sivashinsky equation
1
2007
... 行波解是偏微分方程的一类重要解. Nickel[10 ] 通过多项式展开和 tanh-sech 变换寻求 Kuramoto-Sivashinsky 方程的行波解. Zayed, Nofal 和 Gepreel[11 ] 使用同位微扰方法求解 Kuramoto-Sivashinsky 方程的行波解. Ge, Hua 和 Feng[12 ] 提出了一种构造非线性演化方程显式精确解和近似解的解析方法, 并利用该方法得到了 Kuramoto-Sivashinsky 方程的行波解. ...
The travelling wave solutions for non-linear initial-value problems using the homotopy perturbation method
1
2009
... 行波解是偏微分方程的一类重要解. Nickel[10 ] 通过多项式展开和 tanh-sech 变换寻求 Kuramoto-Sivashinsky 方程的行波解. Zayed, Nofal 和 Gepreel[11 ] 使用同位微扰方法求解 Kuramoto-Sivashinsky 方程的行波解. Ge, Hua 和 Feng[12 ] 提出了一种构造非线性演化方程显式精确解和近似解的解析方法, 并利用该方法得到了 Kuramoto-Sivashinsky 方程的行波解. ...
A method for constructing traveling wave solutions to nonlinear evolution equations
1
2012
... 行波解是偏微分方程的一类重要解. Nickel[10 ] 通过多项式展开和 tanh-sech 变换寻求 Kuramoto-Sivashinsky 方程的行波解. Zayed, Nofal 和 Gepreel[11 ] 使用同位微扰方法求解 Kuramoto-Sivashinsky 方程的行波解. Ge, Hua 和 Feng[12 ] 提出了一种构造非线性演化方程显式精确解和近似解的解析方法, 并利用该方法得到了 Kuramoto-Sivashinsky 方程的行波解. ...
Stability of periodic Kuramoto-Sivashinsky waves
1
2012
... 关于行波解的研究, 讨论其是否稳定一直是人们关注的热点问题之一[13 -16 ] . 对于确定的偏微分方程, Shargatov, Chugainova 和 Kolomiytsev[17 ] 研究了具有不变耗散参数的广义 Korteveg-de Vries-Burgers 方程行波解的全局稳定性并讨论了稳定解和不稳定解的渐近行为. Cornwell 和 Jones[18 ] 利用几何奇异微扰理论证明了 FitzHugh-Nagumo 方程行波解的存在性和稳定性. 对于随机偏微分方程, Lang[19 ] 在神经领域分析了噪声对行波的影响, 并应用随机相移和梯度下降方法获得了行波的稳定性. Hamster 和 Hupke[20 ,21 ] 发展了一种半群方法来处理具有随机相移的非线性稳定性, 并获得了随机反应扩散方程行波解的稳定性. 然而, 由于高阶导数在噪声干扰下的复杂性, 目前关于随机 Kuramoto-Sivashinsky 方程行波解的稳定性的工作很少. ...
Travelling wave solutions of the Kuramoto-Sivashinsky equation
1988
Instantaneous shock location and one-dimensional nonlinear stability of viscous shock waves
2011
一类具有时滞的非局部反应扩散方程非单调临界行波解的全局稳定性
1
2020
... 关于行波解的研究, 讨论其是否稳定一直是人们关注的热点问题之一[13 -16 ] . 对于确定的偏微分方程, Shargatov, Chugainova 和 Kolomiytsev[17 ] 研究了具有不变耗散参数的广义 Korteveg-de Vries-Burgers 方程行波解的全局稳定性并讨论了稳定解和不稳定解的渐近行为. Cornwell 和 Jones[18 ] 利用几何奇异微扰理论证明了 FitzHugh-Nagumo 方程行波解的存在性和稳定性. 对于随机偏微分方程, Lang[19 ] 在神经领域分析了噪声对行波的影响, 并应用随机相移和梯度下降方法获得了行波的稳定性. Hamster 和 Hupke[20 ,21 ] 发展了一种半群方法来处理具有随机相移的非线性稳定性, 并获得了随机反应扩散方程行波解的稳定性. 然而, 由于高阶导数在噪声干扰下的复杂性, 目前关于随机 Kuramoto-Sivashinsky 方程行波解的稳定性的工作很少. ...
一类具有时滞的非局部反应扩散方程非单调临界行波解的全局稳定性
1
2020
... 关于行波解的研究, 讨论其是否稳定一直是人们关注的热点问题之一[13 -16 ] . 对于确定的偏微分方程, Shargatov, Chugainova 和 Kolomiytsev[17 ] 研究了具有不变耗散参数的广义 Korteveg-de Vries-Burgers 方程行波解的全局稳定性并讨论了稳定解和不稳定解的渐近行为. Cornwell 和 Jones[18 ] 利用几何奇异微扰理论证明了 FitzHugh-Nagumo 方程行波解的存在性和稳定性. 对于随机偏微分方程, Lang[19 ] 在神经领域分析了噪声对行波的影响, 并应用随机相移和梯度下降方法获得了行波的稳定性. Hamster 和 Hupke[20 ,21 ] 发展了一种半群方法来处理具有随机相移的非线性稳定性, 并获得了随机反应扩散方程行波解的稳定性. 然而, 由于高阶导数在噪声干扰下的复杂性, 目前关于随机 Kuramoto-Sivashinsky 方程行波解的稳定性的工作很少. ...
Global stability of traveling wave solutions of generalized Korteveg-de Vries-Burgers equation with non-constant dissipation parameter
1
2022
... 关于行波解的研究, 讨论其是否稳定一直是人们关注的热点问题之一[13 -16 ] . 对于确定的偏微分方程, Shargatov, Chugainova 和 Kolomiytsev[17 ] 研究了具有不变耗散参数的广义 Korteveg-de Vries-Burgers 方程行波解的全局稳定性并讨论了稳定解和不稳定解的渐近行为. Cornwell 和 Jones[18 ] 利用几何奇异微扰理论证明了 FitzHugh-Nagumo 方程行波解的存在性和稳定性. 对于随机偏微分方程, Lang[19 ] 在神经领域分析了噪声对行波的影响, 并应用随机相移和梯度下降方法获得了行波的稳定性. Hamster 和 Hupke[20 ,21 ] 发展了一种半群方法来处理具有随机相移的非线性稳定性, 并获得了随机反应扩散方程行波解的稳定性. 然而, 由于高阶导数在噪声干扰下的复杂性, 目前关于随机 Kuramoto-Sivashinsky 方程行波解的稳定性的工作很少. ...
On the existence and stability of fast traveling waves in a doubly diffusive FitzHugh-Nagumo system
1
2018
... 关于行波解的研究, 讨论其是否稳定一直是人们关注的热点问题之一[13 -16 ] . 对于确定的偏微分方程, Shargatov, Chugainova 和 Kolomiytsev[17 ] 研究了具有不变耗散参数的广义 Korteveg-de Vries-Burgers 方程行波解的全局稳定性并讨论了稳定解和不稳定解的渐近行为. Cornwell 和 Jones[18 ] 利用几何奇异微扰理论证明了 FitzHugh-Nagumo 方程行波解的存在性和稳定性. 对于随机偏微分方程, Lang[19 ] 在神经领域分析了噪声对行波的影响, 并应用随机相移和梯度下降方法获得了行波的稳定性. Hamster 和 Hupke[20 ,21 ] 发展了一种半群方法来处理具有随机相移的非线性稳定性, 并获得了随机反应扩散方程行波解的稳定性. 然而, 由于高阶导数在噪声干扰下的复杂性, 目前关于随机 Kuramoto-Sivashinsky 方程行波解的稳定性的工作很少. ...
A multiscale analysis of traveling waves in stochastic neural fields
1
2016
... 关于行波解的研究, 讨论其是否稳定一直是人们关注的热点问题之一[13 -16 ] . 对于确定的偏微分方程, Shargatov, Chugainova 和 Kolomiytsev[17 ] 研究了具有不变耗散参数的广义 Korteveg-de Vries-Burgers 方程行波解的全局稳定性并讨论了稳定解和不稳定解的渐近行为. Cornwell 和 Jones[18 ] 利用几何奇异微扰理论证明了 FitzHugh-Nagumo 方程行波解的存在性和稳定性. 对于随机偏微分方程, Lang[19 ] 在神经领域分析了噪声对行波的影响, 并应用随机相移和梯度下降方法获得了行波的稳定性. Hamster 和 Hupke[20 ,21 ] 发展了一种半群方法来处理具有随机相移的非线性稳定性, 并获得了随机反应扩散方程行波解的稳定性. 然而, 由于高阶导数在噪声干扰下的复杂性, 目前关于随机 Kuramoto-Sivashinsky 方程行波解的稳定性的工作很少. ...
Stability of traveling waves for reaction-diffusion equations with multiplicative noise
1
2019
... 关于行波解的研究, 讨论其是否稳定一直是人们关注的热点问题之一[13 -16 ] . 对于确定的偏微分方程, Shargatov, Chugainova 和 Kolomiytsev[17 ] 研究了具有不变耗散参数的广义 Korteveg-de Vries-Burgers 方程行波解的全局稳定性并讨论了稳定解和不稳定解的渐近行为. Cornwell 和 Jones[18 ] 利用几何奇异微扰理论证明了 FitzHugh-Nagumo 方程行波解的存在性和稳定性. 对于随机偏微分方程, Lang[19 ] 在神经领域分析了噪声对行波的影响, 并应用随机相移和梯度下降方法获得了行波的稳定性. Hamster 和 Hupke[20 ,21 ] 发展了一种半群方法来处理具有随机相移的非线性稳定性, 并获得了随机反应扩散方程行波解的稳定性. 然而, 由于高阶导数在噪声干扰下的复杂性, 目前关于随机 Kuramoto-Sivashinsky 方程行波解的稳定性的工作很少. ...
Traveling waves for reaction-diffusion equations forced by translation invariant noise
2
2020
... 关于行波解的研究, 讨论其是否稳定一直是人们关注的热点问题之一[13 -16 ] . 对于确定的偏微分方程, Shargatov, Chugainova 和 Kolomiytsev[17 ] 研究了具有不变耗散参数的广义 Korteveg-de Vries-Burgers 方程行波解的全局稳定性并讨论了稳定解和不稳定解的渐近行为. Cornwell 和 Jones[18 ] 利用几何奇异微扰理论证明了 FitzHugh-Nagumo 方程行波解的存在性和稳定性. 对于随机偏微分方程, Lang[19 ] 在神经领域分析了噪声对行波的影响, 并应用随机相移和梯度下降方法获得了行波的稳定性. Hamster 和 Hupke[20 ,21 ] 发展了一种半群方法来处理具有随机相移的非线性稳定性, 并获得了随机反应扩散方程行波解的稳定性. 然而, 由于高阶导数在噪声干扰下的复杂性, 目前关于随机 Kuramoto-Sivashinsky 方程行波解的稳定性的工作很少. ...
... 引理 2.2 [21 ] 假设 $Z(t)$ 是从 $[T]$ 到 $L^{2}(I)\times \mathbb{R}$ 的向量随机过程, 满足 ...
Analytic Semigroups and Reaction-Diffusion Problems
3
2005
... 在本文中, 我们将利用相位变换法研究随机 Kuramot-Sivashinsky 方程行波解的非线性稳定性. 本质上, 我们将定义一个相移 $\pi(t)$ , 使得方程经过相移 $\pi(t)$ 个位置后的解与确定行波解 $u$ 之间的距离最小. 然而, 在随机系统中, 由于偏移算子的导数通常需要更高的正则性, 因此我们考虑将随机 Kuramot-Sivshinkshy 方程与随机相移 $\pi(t)$ 进行耦合, 然后利用向量 Itô 公式得到随机演化方程. 此外, Kuramot-Sivashinsky 方程的算子半群 $S(t)$ 的指数二分性是从 $L^{2}(I)$ 到 $H^{2}(I)$ 的分段函数[22 ] . 因此, 我们分割时间变量, 并且引入 $S(\delta)(0<\delta<1)$ 来处理积分奇异零点. ...
... 证 根据文献 [22 ] 可知 $B:=-\partial^{4}_{\xi}-\partial^{2}_{\xi}$ 是扇形算子. 同时, 算子 $A-B$ 是线性的. 因此, 算子 $A$ 是扇形的. ...
... 对任意 $u\in L^{2}(I)$ , 令 $P$ 是 $(u^{0})^{\prime}$ 上的投影, 满足 $P(u)=\langle u,\ell\rangle_{L^{2}} (u^{0})^{\prime}$ . 令 $Qu:=(I-P)u$ . 根据文献 [22 ,25 ], 有如下引理 ...
Stability of undercompressive shock profiles
1
2006
... 定义 2.1 [23 ] 令 $u^0(x)$ 是确定系统的行波解, $U_0(x)$ 是随机系统的初值, $U(t,x)$ 是随机系统的解. 当对任意给定的 $\varepsilon>0$ , 存在 $\vartheta>0$ , 使得对任意满足 $\|U_{0}(x)-u^{0}(x)\|_{X}<\vartheta$ 的初值 $U_{0}\in X$ , 存在相移 $\pi(t)$ 使得 $\|U(t,\cdot+\pi(t))-u^0(\cdot)\|_{X}<\varepsilon$ , 则称行波解 $u$ 在 $X$ 中是非线性稳定的. ...
Functional Analysis
2
1980
... 事实上, 算子 $A$ 和 $A^{*}$ 的核空间维数相等, 且都为 $1$ . 假设 $\ell$ 属于 $A^{*}$ 的核空间, 并且 $\|\ell\|_{L^2}=\|(u^{0})^{\prime}\|^{-1}_{L^2}$ . 那么 $ Ker(A^{*})={\rm span}\{\ell\}. $ 由于 $A$ 是从 $H^{4}(I)$ 到 $L^{2}(I)$ 的闭线性算子, 根据闭值域定理[24 ] , $Im(A)=(Ker(A^{*}))^{\bot}$ . 又因为 $0$ 是 $A$ 的简单特征值, 根据谱分解定理[24 ] , $L^{2}(I)=Im(A)\oplus Ker(A)$ . 因此, 对任意 $w\in Im(A)$ , 有 ...
... [24 ], $L^{2}(I)=Im(A)\oplus Ker(A)$ . 因此, 对任意 $w\in Im(A)$ , 有 ...
Estimates on the lowest dimension of inertial manifolds for the Kuramoto-Sivashinsky equation in the general case
1
1994
... 对任意 $u\in L^{2}(I)$ , 令 $P$ 是 $(u^{0})^{\prime}$ 上的投影, 满足 $P(u)=\langle u,\ell\rangle_{L^{2}} (u^{0})^{\prime}$ . 令 $Qu:=(I-P)u$ . 根据文献 [22 ,25 ], 有如下引理 ...