一类2m阶微分方程Dirichlet边值问题的解

来源 :山西大学 | 被引量 : 0次 | 上传用户:netboy1
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
在这篇论文中,我们主要研究如下2m阶微分方程Dirichlet边值问题解的存在性与多解性:{ Lu(t)=f(t,u(t)),t∈[0,1],(1.1)u(2i)(0)=u(2i)(1),i=0,1,…,m-1,其中Lu(t)=(-1)mu(2m)(t)+∑mi=1(-1)m-iaiu(2(m-i))(t)为2m阶线性微分算子,ai∈R1,i=1,2,…,m,f∈C1([0,1]×R1,R1).  在[3]中,作者用强单调算子原理和临界点理论得到边值问题(1.1)有唯一解,至少有一个非平凡解,有无穷多个解的存在性结果.在[5]中,作者运用Morse理论对四阶微分方程Dirichlet边值问题解的存在性和多解性进行了研究,而[11]用同样的方法研究了四阶含参数微分方程Dirichlet边值问题.另外,[4]应用环绕定理和临界点理论研究了四阶含参数微分方程Dirichlet边值问题.受此启发,我们把上述方法用于研究边值问题(1.1).  本文包括三章:第一章为引言;第二章为预备知识,给出了一些必要的引理、定理;第三章为主要结论及其证明.  在本文,我们首先参考文章[3]将Dirichlet边值问题(1.1)转化为积分方程.然后运用K1/2和Morse理论,通过改变f所满足的条件,得到边值问题(1.1)解的存在性和多解性定理.  我们将线性微分算子L的特征值{p(k2π2)}∞k=1按照从小到大的顺序进行排列,记为λ1<λ2<…,其中p(x)=xm+m∑k=1aixm-i是微分算子L的特征多项式.同时假设下面条件在本文成立:  (H0) p(k2π2)=(kπ)2m+∑mi=1 ai(kπ)2(m-i)≠0,k∈N.  下面我们对本文的主要结果阐述如下.  定理3.1.假设f满足条件  (H1)f(t,0)=0,t∈[0,1];  (H2)存在a,b∈R1且a<λ1/2,使得F(t,x)=∫x0f(t,y)dy≤ax2+b,(t,x)∈[0,1]×R1;  (H3)存在n∈N,使得λn<fx(t,0)<λn+1,t∈[0,1].那么边值问题(1.1)至少有三个解.  定理3.2.设f满足定理3.1的全部条件,且满足:  (H4)f(t,-x)=-f(t,x),(t,x)∈[0,1]×R1.那么边值问题(1.1)在C2m[0,1]中至少有n对不同的解.  定理3.3.若f满足条件(H4)和(H5)存在μ∈(0,1/2),R>0,使得对t∈[0,1],|x|≥R都有0<F(t,x)≤μxf(t,x)+(μ-1/2)cx2.那么边值问题(1.1)有无穷多对解.  定理3.4.假设f满足条件(H3)和(H5),则边值问题(1.1)至少有一个非平凡解.  定理3.5.假设λ(∈){λk}∞1,且满足条件(H1)和(H6)lim丨x丨→∞f(t,x)/x=λ关于t∈[0,1]是一致的;  (H7)fx(t,0)=η,t∈[0,1];  (H8)存在λn∈{λk}∞1,使得η<λn<λ或λ<λn<η成立.那么边值问题(1.1)至少有一个非平凡解.  定理3.6.假设f满足条件(H3)和(H9)存在i∈N,使得λi<f∞(t)<λi+1,t∈[0,1],其中f∞(t)=lim丨x丨→∞fx(t,x)关于t∈[0,1]一致成立.  如果丨n-i丨≥2m,则边值问题(1.1)至少有两个非平凡解.
其他文献
罚函数方法是用于求解非线性约束优化问题的一类重要方法.它们将约束优化问题转化为无约束优化问题求解,从而使得求解过程变得简单有效.因此,罚函数法一直是数学规划领域的一个
本文主要讨论了神经网络模型的指数稳定性,全局指数稳定性以及全局鲁棒指数稳定性,全文分为三章.第一章中,利用拓扑学上的同胚理论,线性矩阵不等式(LMI)以及Laypunov-Krasovs
20世纪50年代出现的广义函数,使偏微分方程理论得到了迅速发展.从80年代开始,出于对不同问题的需要,J.Bonet,R.W.Broun,R.Meise,D.Voge,B.A.Taylor等引入了Beurling型超可微函数空间
在工程与科学计算中经常遇到奇异问题,例如力学中断裂问题,热力学中不连续传热系数问题,油藏工程中注水驱油问题等.由于奇点污染,使常用的计算方法精度大为降低.为了改进奇异
多重网格法是求解偏微分方程大规模离散化方程的最有效的方法之一,它可分为几何多重网格(GMG)法和代数多重网格(AMG)法两大类。多重网格法是由磨光算子、粗化算法、插值算子
随着现代社会的发展,神经网络广泛的运用在工程,航空,经济,金融等方面.大多数情况下,时滞神经网络比神经网络能更好的解决问题.学者们已经取得了很大的成就,尤其是时滞神经网