删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

一类扰动Kadomtsev-Petviashvili方程的雅可比椭圆函数解的收敛性探讨

本站小编 Free考研考试/2021-12-29

摘要:为构造一类扰动Kadomtsev-Petviashvili (KP)方程的级数解, 利用同伦近似对称法求出三种情形下具有通式形式的相似解以及相应的相似方程. 而且, 对于第三种情形下的前几个相似方程, 雅可比椭圆函数解亦遵循共同的表达式, 这可以产生形式紧凑的级数解, 从而为收敛性的探讨提供便利: 首先, 对于扰动KP方程的微扰项, 给定$u$关于变量$y$的导数阶数$n$, 若$n\leqslant 1$ ($n\geqslant 3$), 则减小(增大)$|a/b|$致使收敛性改善; 其次, 减小$\varepsilon$, $|\theta-1|$以及$|c|$均有助于改进收敛性. 在更一般情形下, 仅当微扰项的导数阶数为偶数时, 扰动KP方程才存在雅可比椭圆函数解.
关键词: 同伦近似对称法/
扰动Kadomtsev-Petviashvili方程/
级数解/
收敛性

English Abstract


--> --> -->
对于源于现实问题中各种现象的非线性方程, 人们通常研究其数值解. 除去数值解之外, 近似解析解也有助于非线性方程的研究. 非线性方程附加了微扰项则变成扰动非线性方程, 这类方程的近似解析解可以利用扰动理论[1,2]结合精确求解方法进行构造.
作为非线性方程的一类精确解析解, 群不变解可以通过李群或者李对称理论[3,4]中的经典或非经典李群法[5]、李对称方法与直接法[6]进行求解. 这些方法通过减少自变量的个数实现偏微分方程的化简. 作为直接法的一种修正, 改进的直接法[7,8]貌似与李群理论无关, 但是却可以重构李对称群甚至离散变换群.
经典李群法用于延拓方程组而不是原偏微分方程可以得到更多的约化, 非经典李群法实质为经典李群法应用于原偏微分方程与不变曲面条件组合成的延拓方程组. 延拓方程组也可以通过引入辅助变量并且将非局域对称局域化[9]而产生, 这套方案引领了诸如孤立子、cnoidal周期波与Painlevé波等不同类型非线性波之间相互作用的研究[10,11].
扰动理论和李群理论两种方式结合为近似对称法: Baikov等[12]提出的近似对称法实际上是对称群的近似, 因为对称群生成元推广至扰动形式; 而Fushchich等[13]提出的近似对称法则是基于扰动方程近似子方程的精确对称. 文献[14,15]对两种方法进行了比较, 说明第二种方法优于第一种方法. 文献[16,17]进一步推广了第二种近似对称法, 得到了通式形式的约化方程. 第二种近似对称法甚至可以求出扰动非线性方程的级数解[18]. 近似直接法[16]改为利用直接法求解这些子方程, 则可以得到与近似对称法相同的约化结果.
扰动理论也可以结合同伦理论以产生同伦分析法[19-21], 该方法通过将非线性方程分解为无穷多线性子方程实现非线性方程的化简与求解. 此方法适用于非扰动方程, 因而较扰动理论优越, 甚至能够求出扰动方法、人工参数法[22]$ \delta $扰动展开法[23] 以及Adomian分解法[24]求解的级数解.
若近似对称法引入同伦, 则同伦分析法的诸多优点能够得以保留, 产生的同伦近似对称法[25]与同伦分析法的主要区别在于, 同伦近似对称法将非线性方程分解为无穷多非线性子方程. 类似地, 同伦结合近似直接法可以得到同伦近似直接法[26].
本文的主要目的是探讨扰动非线性方程的雅可比椭圆函数级数解的存在性以及收敛性. 在第2节, 对于具有相似微扰项的一类扰动Kadomtsev-Petviashvili (KP)方程, 根据同伦近似对称法, 无穷多约化方程以及约化解的通式形式得以构造. 前几个约化方程的雅可比椭圆函数解亦具有通式形式. 第3节主要涉及级数解的收敛性的讨论. 第4节是结论部分, 针对更加广泛的微扰项, 讨论了扰动KP方程雅可比椭圆函数级数解的存在性.
扰动KP方程形如
${\cal{A}}\left( u \right) \equiv {\left( {{u_t} + 6u{u_x} + {u_{{x^3}}}} \right)_x} + \alpha {u_{yy}} - \varepsilon E\left( u \right) = 0,$
是通过如下KP方程[27]添加微扰项$ \varepsilon E\left( u \right) $而产生的:
${\cal{H}}\left( u \right) \equiv {\left( {{u_t} + 6u{u_x} + {u_{{x^3}}}} \right)_x} + \alpha {u_{yy}} = 0.$
通常, 微扰项的补充可以使模型方程对实际问题的刻画更为贴切. 为方便起见, 本文采用诸如$ u_{x^3} = u_{xxx} $的记号.
扰动KP方程的同伦模型
$\left( {1 - q} \right){\cal{H}}\left( u \right) + q\left( {1 - \theta } \right){\cal{A}}\left( u \right) = 0,$
在同伦参数q由0变到1时, 逐渐由KP方程转变为扰动KP方程, 这体现了由简单到复杂的渐变过程. 其中, $ \theta\neq1 $是辅助参数. 暂取定一类特殊微扰项$\varepsilon E\left( u \right) = \varepsilon {u_{{x^{6 - n}}{y^n}}},\;\left( {n = 0,\;1,\; \cdots,\;6} \right)$, 即因变量关于空间变量$\left\{ {x,y} \right\}$的所有六阶导数. 关于同伦参数q的级数展开
$ u = \sum\limits_{k = 0}^\infty u_kq^k, $
可以将该同伦模型分解为一系列近似子方程
$\begin{split} & {\left( {{u_{k,t}} + 6\sum\limits_{i = 0}^k {{u_{k - i}}} {u_{i,x}} + {u_{k,{x^3}}}} \right)_x} + \alpha {u_{k,yy}} \\ &+ \varepsilon \left( {\theta - 1} \right)\sum\limits_{i = 0}^{k - 1} {{\theta ^{k - 1 - i}}} {u_{i,{x^{6 - n}}{y^n}}} = 0,\\ & \; \;\;\;\left( {k = 0,\;1,\; \cdots } \right),\end{split} $
其中$ u_{-1} = 0 $. 本文所有负指标量均取0. 这些近似子方程的线性化方程为
$\begin{split} & {\left[ {{\sigma _{k,t}} + 6\sum\limits_{i = 0}^k {\left( {{\sigma _{k - i}}{u_{i,x}} + {u_{k - i}}{\sigma _{i,x}}} \right)} + {\sigma _{k,{x^3}}}} \right]_x} \\ &+ \alpha {\sigma _{k,yy}} + \varepsilon \left( {\theta - 1} \right)\sum\limits_{i = 0}^{k - 1} {{\theta ^{k - 1 - i}}} {\sigma _{i,{x^{6 - n}}{y^n}}} = 0, \\ \, & \;\left( {k = 0,\;1,\; \cdots } \right),\end{split} $
其中函数形式的点对称为
${\sigma _k} = X{u_{k,x}} + Y{u_{k,y}} + T{u_{k,t}} - {U_k},\;\left( {k = 0,\;1,\; \cdots } \right), $
其中$ \left\{ {X,\;Y,\;T,\;{U_k}\;\left( {k = 0,\;1,\; \cdots } \right)} \right\}$的变量为$ \left\{ {x,\;y,\;t,\;{u_k}\;\left( {k = 0,\;1,\; \cdots } \right)} \right\} $.
(5)式—(7)式联立用于决定$\{X,\;Y,$ $T,\;{U_k}\} $$\left( {k = 0,\;1,\; \cdots } \right) $. 取定n, 将(7)式代入(6)式, 利用(5)式消去$ u_{k,xt} $, 并且将$ u_k $的所有导数系数取0, 得到关于$ \left\{ {X,\;Y,\;T,\;{U_k}\;\left( {k = 0,\;1,\; \cdots } \right)} \right\} $的无数方程组成的决定方程组. 为简化求解, 仅考虑(5)式的前几个方程. 例如限定(5)式中的k的范围$ k\in\{0, 1, 2\} $. 易知$ \{X,\ Y,\ T,\ U_0,\ U_1,\ U_2\} $的变量减少为$ \{x,\ y,\ t,\ u_0,\ u_1,\ u_2\} $, 尝试不同的n的取值, 反复求解决定方程组, 可以推断决定方程组的解形如
$\begin{split} & X = C_1x+6f(t),\ Y = 2C_1y+C_3,\ T = 3C_1t+C_2,\\ & U_k = C_1[(n+2)(k-1)\theta u_{k-1}-((n+2)k+2)u_k\\ & \quad\quad +\delta_{k,0}f^\prime(t)],\ (k = 1,\ 2,\ \cdots), \end{split} $
其中, C1C2都是任意常数; f(t)是关于t的任意函数. 满足$ \delta_{0,0} = 1 $以及$ \delta_{k,0} = 0,\ (k\neq0) $的记号$ \delta_{i,j} $亦适用于下文. 令(7)式中的所有$ \sigma_k $取0, 求解相应的特征方程, 则可以确定(5)式的相似解.
情形1:$ C_1\neq0 $时, 不失一般性, 做变换$ C_2\mapsto C_1a $, $ C_3\mapsto C_1b $, $ f(t)\mapsto C_1f(t) $, 使得如下的相似解不会出现$ C_1 $
$\begin{split}& {u_k} = \sum\limits_{i = 0}^{k - 1} {\frac{{\left( \begin{array}{c}k - 1\\i\end{array} \right){\theta ^{k - 1 - i}}{P_{i + 1}}\left( {\xi ,\eta } \right)}}{{{{\left( {3t + a} \right)}^{\frac{1}{3}\left[ {\left( {n + 2} \right)i + \left( {n + 4} \right)} \right]}}}}} \\ &\quad\quad + {\delta _{k,0}}\left( {\frac{{f\left( t \right)}}{{3t + a}} + \frac{{R\left( t \right) + {P_0}\left( {\xi ,\eta } \right)}}{{{{\left( {3t + a} \right)}^{\frac{2}{3}}}}}} \right),\\ &\xi = \frac{x}{{{{\left( {3t + a} \right)}^{\frac{1}{3}}}}} - 6R\left( t \right),\;\eta = \frac{{2y + b}}{{2{{\left( {3t + a} \right)}^{\frac{2}{3}}}}},\\ & R\left( t \right) = \int {\frac{{f\left( t \right)}}{{{{\left( {3t + a} \right)}^{\frac{4}{3}}}}}} {\rm d}t,\end{split}$
此时, (5)式约化为统一形式
$\begin{split} & {\left[ {{P_{k,{\xi ^3}}} - 2\eta {P_{k,\eta }} - \left[ {\left( {n + 2} \right)k + 3} \right]{P_k} + 6\sum\limits_{i = 0}^k {{P_{i,\xi }}} {P_{k - i}}} \right]_\xi }\\ & - \xi {P_{k,\xi \xi }} + \alpha {P_{k,\eta \eta }} + \varepsilon \left( {\theta - 1} \right){P_{k - 1,{\xi ^{\left( {6 - n} \right)}}{\eta ^n}}} = 0.\end{split}$
情形2:$ C_1 = 0 $, $ C_2\neq0 $时, 不失一般性, 做变换$ C_3\mapsto C_2a $, $ f(t)\mapsto C_2f(t) $, 求解特征方程, 可以得出相似解
$\begin{split} &{u_k} = f\left( t \right){\delta _{k,0}} + {P_k}\left( {\xi ,\eta } \right),\\ & \xi = x - 6\int f \left( t \right){\rm d}t,\;\eta = y - at,\end{split}$
此时, (5)式约化为统一形式
$\begin{split} &{\left( {{P_{k,{\xi ^3}}} - a{P_{k,\eta }} + 6\sum\limits_{i = 0}^k {{P_{i,\xi }}} {P_{k - i}}} \right)_\xi } \\ &+ \alpha {P_{k,\eta \eta }} + \varepsilon \left( {\theta - 1} \right)\sum\limits_{i = 0}^{k - 1} {{\theta ^{k - 1 - i}}} {P_{i,{\xi ^{\left( {6 - n} \right)}}{\eta ^n}}} = 0.\end{split}$
情形3:$ C_1 = 0 $, $ C_2 = 0 $, $ C_3\neq0 $时, 将$ C_3 $改写为a, 可得相似解
${u_k} = \frac{{f'\left( t \right)x}}{{6f\left( t \right)}}{\delta _{k,0}} + {P_k}\left( {\xi ,t} \right),\;\;\xi = y - \frac{{ax}}{{6f\left( t \right)}},$
此时, (5)式约化为统一形式

$\begin{split}& {\left( {6\alpha f\left( t \right){P_{k,\xi }} + \dfrac{{{a^4}}}{{216{f^3}\left( t \right)}}{P_{k,{\xi ^3}}} - \dfrac{{af'\left( t \right)}}{{f\left( t \right)}}{P_k} - a{P_{k,t}} + \dfrac{{{a^2}}}{{f\left( t \right)}}\sum\limits_{i = 0}^k {{P_{i,\xi }}} {P_{k - i}}} \right)_\xi }\\& + {\delta _{k,0}}{f^{\prime \prime }}\left( t \right) + \dfrac{{{{\left( { - 1} \right)}^n}{a^{\left( {6 - n} \right)}}\left( {\theta - 1} \right)\varepsilon }}{{{{\left( {6f\left( t \right)} \right)}^{\left( {5 - n} \right)}}}}\sum\limits_{i = 0}^{k - 1} {{\theta ^{k - 1 - i}}} {P_{i,{\xi ^6}}} = 0.\end{split}$

若指标$ k $给定, 且$ \{P_0,\ P_1,\ \cdots,\ P_{k-1}\} $已知, 以上三种情况的相似方程显然是关于$ P_k $的四阶偏微分方程.
考虑(14)式中约化方程的诸如雅可比椭圆函数形式的特解, 做出假设
${P_k} = \sum\limits_{i = 0}^{{n_k}} {{f_{k,i}}} \left( {\xi ,t} \right){\rm{s}}{{\rm{n}}^i}\left( {g\left( {\xi ,t} \right),m} \right),$
其中$ \{f_{k,i},\ g\} $是关于所含变量的待定函数. 所有$ f_{k,i} $都不是$ \{{\rm sn}^i(g(\xi,t),m),\ i = 0,\ 1,\ 2,\ \cdots\} $的线性组合. 由于(14)式中的系数包含$ f(t) $及其导数, 所以这些系数的化简可以通过假设$ f(t) $为一个常数b实现. 此时, 这些系数退化为常数.
类似文献[18]中关于各阶约化方程的求解过程, (15)式中$ P_k $的确定也是通过分步求解过程实现的. 在第k步中, 将已知解$ \{P_0,\ P_1,\ \cdots,\ P_{k-1}\}$以及未知解$ P_k $代入(14)式中的k阶方程, 再取所有含有$\left\{ {{\rm{sn}}\left( {g\left( {\xi ,t} \right),m} \right),\;{\rm{cn}}\left( {g\left( {\xi ,t} \right),m} \right),{\rm{dn}}\left( {g\left( {\xi ,t} \right),m} \right)} \right\} $的各项系数为0, 则可以得到(15)式中各项系数${f_{k,i}}\left( {\xi ,t} \right) $的方程组. 通过求解这些方程组, 再回代入(15)式, 即可得到约化方程(14)中的前几个方程的雅可比椭圆函数解(见附录).
若继续求解(14)式中的约化方程, 则可以求出$ \{P_4,\ P_5,\ P_6, \cdots\} $等更多的解. 易知每个$ P_k $都是k$\left\{ {{\rm{s}}{{\rm{n}}^l}\left( {c\xi + h,m} \right),l = 0,\;2,\;4,\; \cdots ,\;2\left( {k + 1} \right)} \right\}$的线性组合. 当k增加时, $ P_k $表达式中的线性组合系数的复杂程度迅速增加.
$ q = 1 $条件下, 将(13)式以及附录中的雅可比椭圆函数解代入(4)式, 提取关于$ {\rm sn}(c\xi+h,m) $的不同幂次的系数, 可以将级数解重新表示为如下紧凑形式
$\begin{split} & u = \frac{b}{a}\frac{{{h_t}}}{c} - 6\alpha {\Big( {\frac{b}{a}} \Big)^2} + {c^2}\sum\limits_{k = 0}^\infty {{A_k}} {\rm{s}}{{\rm{n}}^{2k}}\left( {c\xi + h,m} \right),\\ & {A_k} = \sum\limits_{i = \max \left\{ {k,1} \right\}}^\infty {\left( {{a_{k,i}}\theta + {b_{k,i}}} \right)} {\left[ {{c^2}\varepsilon \left( {\theta - 1} \right)} \right]^{\left( {i - 1} \right)}}\\ & \quad\quad\times {\left[ {{a}/{({6b})}} \right]^{\left[ {\left( {2 - n} \right)i + n} \right]}},\end{split}$
其中$ a_{k,i} $$ b_{k,i} $只包含常数m. 容易验证, 若$ \theta = 0 $, 该级数解一定是近似对称法所得级数解.
已知每个雅可比椭圆函数取值于区间$ [-1,\ 1] $, 所以, 为了确保(16)式的收敛性, 须满足$ \lim\limits_{k\rightarrow\infty}|A_k| = 0 $. 显而易见, 当k增加时, 减小$ \epsilon $, $ |\theta-1| $或者$ |c| $有助于减小$ |A_k| $. 任意常数ab对于收敛性的影响需另当别论. 尤其需要注意$ A_k $之中${\left[ {a}/{{{(6b)}}} \right]^{\left[ {\left( {2 - n} \right)i + n} \right]}}$的幂次$\left[ {\left( {2 - n} \right)i + n} \right]$. 当$ n\geqslant 3 $时, 对于$ i\geqslant k $$ (2-n)i < 0 $, 仅当$ |a/(6b)| > 1 $时, $\mathop {\lim }\limits_{i \to \infty } {\left[ a/(6b) \right]^{\left[ {\left( {2 - n} \right)i + n} \right]}} = 0$成立, 此时增大$ |a/b| $可改善收敛性; 当$ n = 2 $时, $ (2-n)i+n = 2 $. 任意常数ab与收敛性之间没有明显关系; 当$ n \!\leqslant 1\! $时, $ (2-n)i \! >\! 0 $. 仅当$ |a/6b| \!<\! 1 $时, $\mathop {\lim}\limits_{i \to \infty } {\left( {{a}/{{6b}}} \right)^{\left[ {\left( {2 - n} \right)i + n} \right]}} $= 0成立. 此时, 减小$ |a/b| $改善收敛性.
$ t = 0 $$ y = 0 $时, 取$ \alpha = 1,$ h(t) = t, m = 0.5, c = 1以及$\varepsilon = 0.1$, 在图1图4中对截断级数解关于变量x做图, 这些图可以说明辅助参数$ \theta $与比值$ |a/b| $如何影响级数解的收敛性. 实线、虚线、点线、点划线分别表示k取值$ \{0,\ 1,\ 2,\ 3\} $情形下的级数解$ \sum_{i = 0}^ku_k $. 在这些截线图中, 相邻曲线之间相对距离的变化趋势可用于研究级数解的收敛性. 当k增加时, 若相邻曲线之间的相对距离显著减少, 则收敛性得以保证, 相应区域可视为收敛域. 从这些截线图容易看出, 相邻曲线之间最大相对距离的区域恰好是波峰与波谷区域. 发散区域可以从波峰与波谷区域中寻找.
图 1n = 1, α = 1, h(t) = t, m = 0.5, c = 1, ε = 0.1, a = 2b并且t = 0, y = 0时, 截断级数解$\sum\nolimits_{i = 0}^k {{u_k}\left( {k = 0,1,2,3} \right)} $的截线图
Figure1. Transversals of truncated series solution $\sum\nolimits_{i = 0}^k {{u_k}} $ for $\left( {k = 0,1,2,3} \right)$ when n = 1, α = 1, h(t) = t, m = 0.5, c = 1, ε = 0.1, a = 2b and t = 0, y = 0

图 4n = 3, α = 1, h(t) = t, m = 0.5, c = 1, ε = 0.1, a = b/2并且t = 0, y = 0时, 截断级数解$\sum\nolimits_{i = 0}^k {{u_k}\left( {k = 0,1,2,3} \right)}$的截线图
Figure4. Transversals of truncated series solution $\sum\nolimits_{i = 0}^k {{u_k}}$ for $\left( {k = 0,1,2,3} \right)$ when n = 3, α = 1, h(t) = t, m = 0.5, c = 1, ε = 0.1, a = b/2 and t = 0, y = 0

图1图4中的每个子图(a), (b), (c), (d)分别对应参数$ \theta $取值0.90, 0.99, 1.01, 1.10. 图1图2取值$ n = 1 $, 而图3图4取值$ n = 3 $. 图1图3取定$ a = 2b $, 而图2图4取定$ a = b/2 $. 从每个图的各个子图之间的比较易知, $ \theta = 0.99 $以及$ \theta = 1.01 $两种情形的级数解的收敛性明显强于$ \theta = 0.90 $以及 $ \theta = 1.10 $两种情形. 于是, 辅助参数愈接近1, 级数解的收敛性愈好.
图 2n = 1, α = 1, h(t) = t, m = 0.5, c = 1, ε = 0.1, a = b/2并且t = 0, y = 0时, 截断级数解$\sum\nolimits_{i = 0}^k {{u_k}\left( {k = 0,1,2,3} \right)} $的截线图
Figure2. Transversals of truncated series solution $\sum\nolimits_{i = 0}^k {{u_k}}$ for $\left( {k = 0,1,2,3} \right)$ when n = 1, α = 1, h(t) = t, m = 0.5, c = 1, ε = 0.1, a = b/2 and t = 0, y = 0

图 3n = 3, α = 1, h(t) = t, m = 0.5, c = 1, ε = 0.1, a = 2b并且t = 0, y = 0时, 截断级数解$\sum\nolimits_{i = 0}^k {{u_k}\left( {k = 0,1,2,3} \right)}$的截线图
Figure3. Transversals of truncated series solution $\sum\nolimits_{i = 0}^k {{u_k}}$ for $\left( {k = 0,1,2,3} \right)$ when n = 3, α = 1, h(t) = t, m = 0.5, c = 1, ε = 0.1, a = 2b and t = 0, y = 0

图1图2的唯一区别是常数ab. 比较图1图2的对应图形可得, $ a = b/2 $情形的收敛性强于$ a = 2b $情形. 同样方式, 图3图4的唯一区别也是常数ab. 比较图3图4的对应图形可得, $ a = 2b $情形的收敛性强于$ a = b/2 $情形. 由于图1图2区别于图3图4之处仅是微扰项中n关于变量y的导数阶数n, 这也可以说明, 若$ n\leqslant 1 $, $ |a/b| $取值越小收敛性越好; 若$ n\geqslant 3 $, $ |a/b| $取值越大收敛性越好.
观察级数解(16)的表达式, $ A_k $中的${\left[ {{c^2}\varepsilon \left( {\theta - 1} \right)} \right]^{i - 1}}$表明, 满足$\left| {{c^2}\varepsilon \left( {\theta - 1} \right)} \right| < 1$且减小$\left| {{c^2}\varepsilon \left( {\theta - 1} \right)} \right|$可以改善级数解的收敛性. 减小$ c^2 $, $\varepsilon $, $\left| {\theta - 1} \right|$对收敛性的改善效果基本相同, 但是三者应区分对待. 首先, 扰动参数$\varepsilon $是小参数, 表明实际问题中微扰因素的强弱, 具体取值取决于实际问题. 其次, 在同伦模型(3)式中, $ \theta $越接近1, 该模型越接近KP方程而不是扰动KP方程, 从而级数解(16)式更好地刻划KP方程而不是扰动KP方程. 最后, 减小$ |c| $有利于改善收敛性, 但是, $ |c| $并不是越小越好, 顾及(13)式中的相似变量$\xi = y - \dfrac{{ax}}{{6f\left( t \right)}}$$ f(t) = b $, 级数解(16)式可以化为
$u = \frac{b}{a}\frac{{{h_t}}}{c} - 6\alpha {\Big( {\frac{b}{a}} \Big)^2} + {c^2}\sum\limits_{k = 0}^\infty \! {{A_k}} {\rm{s}}{{\rm{n}}^{2k}}\left( {cy \!-\! \frac{{acx}}{{6b}} \!+ \!h,m} \right).$
c的取值对级数解的形态有很大影响: 第一, 减小$ |c| $致使级数解的周期变大, 波动愈加平缓; 第二, 减小$ |c| $时, $ (b/a)(h_t/c)$会使级数解急剧增加或减小, 级数项的系数$ c^2 $会使级数解急剧减小. 所以, 减小$ |c| $也应适度. 此外, 此级数解也表明: 减小$ |a/b| $致使x轴方向周期变大.
总之, 对于微扰项为$\varepsilon E\left( u \right) = \varepsilon {u_{{x^{6 - n}}{y^n}}},$$\left( {n = 0,\;1,\; \cdots ,\;6} \right) $的一类扰动KP方程, 同伦近似对称法可以求出无穷多相似方程和对应相似解的通式. 通过分步求解的方法可以求解前几个相似方程的雅可比椭圆函数解, 值得注意的是, 这些雅可比椭圆函数解亦具有通式形式.
换作更一般的微扰项$\varepsilon E\left( u \right) = \varepsilon {u_{{x^{p - n}}{y^n}}},$$\left( {p \geqslant 6,\;n = 0,\;1,\; \cdots ,\;p} \right)$, 同伦近似对称法亦适用. 通过关于p以及n不同取值的反复计算, 可以发现, 相似解(11)式和(13)式仍然有效. 而且, 近似方程、相似方程以及相应的相似解都具有通式形式. 然而, 仅当p为偶数时, 才可以解出约化方程的雅可比椭圆函数解. 并且, 这些雅可比椭圆函数解亦具有类似附录中雅可比椭圆函数解的通式形式, 从而得出原扰动KP方程的级数解. 所以, p为偶数时扰动KP方程(1)的可解性强于p为奇数时的情况. 在某种程度上, 扰动非线性方程是否有雅可比椭圆函数(或双曲正切函数)形式的级数解可用于可解性优劣的判定, 从而确立为原扰动方程可解性的一个判断依据. 关于可解性的全面的讨论见文献[28].
级数解的收敛性依赖于任意常数$ \{a,\ b,\ c\} $, 扰动参数$\varepsilon $以及辅助参数$ \theta $. 然而, 任意常数$ \{a,\ b,\ c\} $的调整会导致级数解的周期随之显著变化. 所以, 减小扰动参数$\varepsilon $是改进收敛性最便捷最有效的手段. 不同于任意常数$ \{a,\ b,\ c\} $, 调整扰动参数不会显著影响级数解的形态.

$\small\begin{split}{P_0} = {}& \frac{1}{{54}}{\left( {\frac{a}{b}c} \right)^2}\left( {1 + {m^2}} \right) + \frac{b}{a}\frac{{{h_t}}}{c} - 6\alpha {\left( {\frac{b}{a}} \right)^2} - \frac{1}{{18}}{\left[ {\frac{a}{b}cm{\rm{sn}}\left( {c\xi + h,m} \right)} \right]^2},\\{P_1} ={} & {\left( { - 1} \right)^n}{c^4}\varepsilon \left( {\theta - 1} \right){\left( {\frac{a}{{6b}}} \right)^{\left( {4 - n} \right)}}\left[ {30{m^4}{\rm{s}}{{\rm{n}}^4}\left( {c\xi + h,m} \right) - 20{m^2}\left( {1 + {m^2}} \right){\rm{s}}{{\rm{n}}^2}\left( {c\xi + h,m} \right) + \frac{2}{3}\left( { - 4{m^4} + 19{m^2} - 4} \right)} \right],\\{P_2} = {}& 30{m^2}{c^4}{\varepsilon ^2}{\left( {\theta - 1} \right)^2}{\left( {\frac{a}{{6b}}} \right)^{\left( {6 - 2n} \right)}} \bigg[ - 31{c^2}{m^4}{\rm{s}}{{\rm{n}}^6}\left( {c\xi + h,m} \right) + {m^2}\left( {31{c^2}\left( {1 + {m^2}} \right) + {{\left( { - \frac{a}{{6b}}} \right)}^{\left( {n - 2} \right)}}\frac{\theta }{{\varepsilon \left( {\theta - 1} \right)}}} \right)\\ & \times {\rm{s}}{{\rm{n}}^4}\left( {c\xi + h,m} \right) - \left( {{c^2}\left( {29{m^2} + 2{m^4} + 2} \right) + {{\left( {\frac{a}{{6b}}} \right)}^{\left( {n - 2} \right)}}\frac{{2{{\left( { - 1} \right)}^n}\theta \left( {1 + {m^2}} \right)}}{{3\varepsilon \left( {\theta - 1} \right)}}} \right){\rm{s}}{{\rm{n}}^2}\left( {c\xi + h,m} \right) + {c^2}\left( {1 + {m^2}} \right) \\ & + {{\left( {\frac{a}{{6b}}} \right)}^{\left( {n - 2} \right)}}\frac{{{{\left( { - 1} \right)}^{\left( {n - 1} \right)}}\theta \left( {4{m^4} - 19{m^2} + 4} \right)}}{{45{m^2}\varepsilon \left( {\theta - 1} \right)}} \bigg],\\{P_3} = {}& \frac{1}{6}{m^2}{c^4}{\varepsilon ^3}{\left( {\theta - 1} \right)^3}{\left( {\frac{a}{{6b}}} \right)^{\left( {8 - 3n} \right)}}\bigg[ 297972{{\left( { - 1} \right)}^n}{c^4}{m^6}{\rm{s}}{{\rm{n}}^8}\left( {c\xi + h,m} \right) \\ & + {m^4}{c^2}\left( {397296{{\left( { - 1} \right)}^{\left( {n - 1} \right)}}{c^2}\left( {1 + {m^2}} \right) - {{\left( {\frac{a}{{6b}}} \right)}^{\left( {n - 2} \right)}}\frac{{11160\theta }}{{\varepsilon \left( {\theta - 1} \right)}}} \right){\rm{s}}{{\rm{n}}^6}\left( {c\xi + h,m} \right)\\ &+ {m^2}\left( {72{{\left( { - 1} \right)}^n}{c^4}\left( {1753{m^4} + 6524{m^2} + 1753} \right) + {{\left( {\frac{a}{{6b}}} \right)}^{\left( {n - 2} \right)}}\frac{{11160{c^2}\theta \left( {1 + {m^2}} \right)}}{{\varepsilon \left( {\theta - 1} \right)}} + {{\left( {\frac{a}{{6b}}} \right)}^{2\left( {n - 2} \right)}}\frac{{180{{\left( { - 1} \right)}^n}{\theta ^2}}}{{{\varepsilon ^2}{{\left( {\theta - 1} \right)}^2}}}} \right) \\ & \times{\rm{s}}{{\rm{n}}^4}\left( {c\xi + h,m} \right) + \bigg({{\left( {\frac{a}{{6b}}} \right)}^{2\left( {n - 2} \right)}}\frac{{120{{\left( { - 1} \right)}^{\left( {n - 1} \right)}}{\theta ^2}\left( {1 + {m^2}} \right)}}{{{\varepsilon ^2}{{\left( {\theta - 1} \right)}^2}}} - {{\left( {\frac{a}{{6b}}} \right)}^{\left( {n - 2} \right)}}\frac{{360{c^2}\theta \left( {2{m^4} + 29{m^2} + 2} \right)}}{{\varepsilon \left( {\theta - 1} \right)}} \\ & + 144{{\left( { - 1} \right)}^{\left( {n - 1} \right)}}{c^4}\left( {1 + {m^2}} \right)\left( {103{m^4} + 619{m^2} + 103} \right) \bigg){\rm{s}}{{\rm{n}}^2}\left( {c\xi + h,m} \right) + 36{{\left( { - 1} \right)}^n}{c^4}\left( {206{m^4} - 77{m^2} + 206} \right) \\& + {{\left( {\frac{a}{{6b}}} \right)}^{\left( {n - 2} \right)}}\frac{{360{c^2}\theta \left( {1 + {m^2}} \right)}}{{\varepsilon \left( {\theta - 1} \right)}} + {{\left( {\frac{a}{{6b}}} \right)}^{2\left( {n - 2} \right)}}\frac{{4{{\left( { - 1} \right)}^{\left( {n - 1} \right)}}{\theta ^2}\left( {4{m^4} - 19{m^2} + 4} \right)}}{{{m^2}{\varepsilon ^2}{{\left( {\theta - 1} \right)}^2}}} \bigg], \end{split}\tag{A1}$
其中c为任意常数.
相关话题/方程 文献 级数 过程 指标

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 三维地形频率域井筒电磁场区域积分方程法模拟
    摘要:井筒电磁法作为一种高效的地球物理勘探技术特别适合我国地形复杂地区(沙漠、高山等)的油气资源勘探.地形起伏区域对井筒电磁响应的观测具有严重影响,但到目前为止人们对三维井筒电磁地形效应特征的研究十分有限.本文提出基于区域划分的积分方程法模拟带地形频率域井筒电磁系统响应,与基于偏微分方程的有限差分、 ...
    本站小编 Free考研考试 2021-12-29
  • 基于连续数值模拟的筒仓卸载过程中颗粒物压强及其速度场分析
    摘要:应用基于局部本构理论的连续数值模拟方法,研究出口在底部和侧面的颗粒物在类三维矩形容器内的卸载现象.重点是容器厚度W和出口高度D对颗粒物压强与速度的影响.受力分析和数值模拟结果均表明,距离出口较近区域的颗粒物压强与W及D呈现如下相关性:当D/W足够小时,压强只与D相关;当D/W足够大时,压强只与 ...
    本站小编 Free考研考试 2021-12-29
  • 纳秒激光等离子体相互作用过程中激光强度对微波辐射影响的研究
    摘要:在强激光与等离子体的相互作用中,通常能够产生时间尺度长达百纳秒量级的微波辐射,形成的复杂电磁环境会干扰或损坏机械电子设备,并给物理过程的准确认识与表征带来困难.然而,目前对于微波辐射的产生机制的研究还不够系统和完善.本文通过系统地改变纳秒激光与等离子体作用过程中入射的激光能量以改变入射激光强度 ...
    本站小编 Free考研考试 2021-12-29
  • 金属粉末压坯烧结过程的内耗研究
    摘要:烧结在粉末冶金过程中对最终产品质量起着关键性作用,理解和探索烧结过程中粉末压坯结构和缺陷的演变,明确烧结的起始温度、结晶温度等,可为烧结工艺的确定提供确切的信息.本文采用内耗技术系统研究了单元系纯Al,Mg,Cu,Fe粉末压坯烧结过程的内耗行为.在第一个循环的升降温过程中各发现了一个内耗峰、升 ...
    本站小编 Free考研考试 2021-12-29
  • 晶格弛豫方法研究PbSe量子点的带内弛豫过程
    摘要:在晶格弛豫理论框架内,电子-体纵光学声子耦合的Fr?hlich模型基础上,系统研究了PbSe量子点的3个最低激发态之间及其与基态之间的带内弛豫过程.具体讨论了各个弛豫过程中的黄-里斯因子、弛豫率与量子点半径的变化关系,进一步讨论了弛豫率的温度依赖性.得出的理论结果很好地解释了相应的实验.关键词 ...
    本站小编 Free考研考试 2021-12-29
  • 空频复用光纤中四波混频过程的解析分析方法
    摘要:空分复用(SDM)与波分复用(WDM)的结合有效提升了光纤通信系统的容量,其中光纤的非线性影响不可忽视.本文将光纤四波混频作用过程由WDM频域推广到模分复用(MDM)空间域,第一次给出抽运消耗情形下空频域四波混频的统一解析表达式.通过数值计算非简并四波混频耦合模方程的幅度和相位演化特性,验证了 ...
    本站小编 Free考研考试 2021-12-29
  • CdSeS合金结构量子点的多激子俄歇复合过程
    摘要:多激子效应通常是指吸收单个光子产生多个激子的过程,该效应不仅可以为研究基于量子点的太阳能电池开拓新思路,还可以为提高太阳能电池的光电转换效率提供新方法.但是,超快多激子产生和复合机制尚不明确.这里以CdSeS合金结构量子点为研究对象,研究了其多激子生成和复合动力学.稳态吸收光谱显示,510,4 ...
    本站小编 Free考研考试 2021-12-29
  • 非线性薛定谔方程的高阶分裂改进光滑粒子动力学算法
    摘要:为提高传统光滑粒子动力学(SPH)方法求解高维非线性薛定谔(nonlinearSchr?dinger/Gross-Pitaevskiiequation,NLS/GP)方程的数值精度和计算效率,本文首先基于高阶时间分裂思想将非线性薛定谔方程分解成线性导数项和非线性项,其次拓展一阶对称SPH方法对 ...
    本站小编 Free考研考试 2021-12-29
  • 权重函数对关联方程估计超声速混合层波前方差精度的影响
    摘要:气动光学的研究中,关联方程(linkingequation)是关联湍流力学量与光学量的一个重要的方程.但是,基于模型简化的关联方程在亚声速低速流场的应用中通常忽略权重函数对波前方差估计精度的影响.本文在纳米粒子示踪平面激光散射技术获得超声速混合层流场密度数据的基础上,应用关联方程计算超声速混合 ...
    本站小编 Free考研考试 2021-12-29
  • 包含液相扩散方程简化的锂离子电池电化学模型
    摘要:锂离子电池的电化学模型对于电池特性分析和电池管理具有重要意义,但是准二维(P2D)模型复杂度太高,为了在保证模型精度的基础上尽量降低复杂度,本文提出了一种包含液相简化的P2D(LSP2D)模型,该模型首先基于电化学平均动力学将电池端电压化简成为仅耦合固相Li+浓度cs和液相Li+浓度ce的方程 ...
    本站小编 Free考研考试 2021-12-29