1. 引言
在本文中,我们考虑以下非特征柯西问题
(1.1a)
(1.1b)
(1.1c)
其中
,
,
,且L的系数函数满足以下条件
,
.
精确数据
和噪声数据
都在
空间中,假设
, (1.4)
其中
是
-范数,正数
表示噪声水平。
众所周知,柯西问题通常是不适定的, [1] [2] [3] 讨论了一维空间中问题(1.1)的正则化情况, [4] [5] [6] [7] 讨论了二维空间中问题(1.1)的正则化情况,也有很多学者用不同的数值方法研究了问题(1.1),比如Tikhonov正则化和傅里叶截断法 [4] 、小波法 [5] 等。与一维和二维热传导方程的柯西问题进行比较,非特征柯西问题是更不适定的,即它们的解的存在性、唯一性和稳定性并不总是得到保证的,这使得求解问题(1.1)的难度更大。另外,对于
,数据
中的一个小扰动可能会导致相应的解
产生巨大的误差。这种不适定是由高频的扰动引起的。因此,本文提出一种修正核方法来讨论问题(1.1),并给出正则化解和精确解之间的误差估计。
在第2节中,我们给出一些准备知识,并讨论频域中的柯西问题。在第3节中,我们提出了一种修正核方法来解决不适定问题(1.1),并在正则化参数的先验选择规则下,给出正则化解和精确解之间的误差估计。
2. 准备知识
问题(1.1)的定义域为
,
,则傅里叶变换的定义域为
。对于
,引入其傅里叶变换
, (2.1)
其中内积
。
现在讨论频率空间中的非特征柯西问题(1.1)。为此,我们先考虑以下初值问题:
(2.1a)
(2.1b)
(2.2c)
令
. (2.2d)
因此,问题(1.1)的解
的傅里叶变换为
, (2.3a)
或
. (2.3b)
假设问题(1.1)的解在
处存在并属于
空间,其中
。令
,则
, (2.4)
因此,
. (2.5)
为更好地讨论误差估计,我们给出以下引理。
引理2.1 (见 [8] ) 当(1.2)和(1.3)成立时,(2.1)存在唯一解
,使得对任意的
,有
1)
;
2) 对任意的
,
关于变量
是整函数;
3) 对任意的
,有
;
4) 对
,存在只与
的界有关的正常数
,有
(2.6a)
(2.6b)
其中
. (2.6c)
一般情况下,对
,
关于变量
和
是无界的,数据中的误差太小可能导致大家很难得到任何有意义的解。此外,高频空间中分量的误差存在被因子
放大的情况。
3. 修正核方法
本节通过修正核来重构问题(1.1),我们重构后的正则化解为
(3.1a)
或
. (3.1b)
重构正则化解的基础是通过有界近似消除所有的高频或替换核
,如果参
足够小,则
近似于
,因此
。另外,对固定的
,
有界。
下面,我们将讨论正则化解和精确解之间的误差估计。
定理3.1. 令
是问题(1.1)在
下的精确解,
是问题(1.1)在
下的正则化解。假设(1.1)的精确解在
处有先验界
, (3.2)
其中常数
,且(1.4)成立。若取正则化参数
为
, (3.3)
则对任意的
,有如下误差估计
, (3.4)
其中
。
证明. 由Parseval等式和三角不等式可得
(3.5)
先计算不等式右侧的第一项,
(3.6)
其中
. (3.7)
由引理2.1可得
.
令
. (3.8)
若
,易得
.
又因为当
时,
;当
时,
,因此
在
取得最大值,即
, (3.9)
其中
。
因此
. (3.10)
由(3.6)和(3.13)可知,
. (3.11)
现在计算不等式右侧的第二项,
(3.12)
令
, (3.13)
由引理2.1可得
.
令
。假设
,可得
.
若
,有
;若
,有
,因此
在
处取得最大值,所以
(3.14)
因此,
. (3.15)
综上可得,
. (3.16)
取
,则误差估计为
, (3.17)
其中
。
定理得证。 □
定理3.1考虑了
的误差估计,若要得到
处的误差估计,我们要给出更强的先验界
. (3.18)
其中
是p-范数,且
时,
是
-范数。
定理3.2. 令
是问题(1.1)的精确解,
是问题(1.1)在
处的正则化解。假设(1.4)和先验假设(3.18)成立。假设正则化参数为
, (3.19)
则有如下的误差估计:
. (3.20)
证明. 同定理3.1,可以分为两部分来证明此定理。不等式右侧第一项和定理3.1的证明类似,可得
. (3.21)
现在证明不等式右侧第二项,
(3.22)
令
。当
时,有
。若
,有
;若
,有
,因此
在
处取得最大值,所以
. (3.23)
所以,
. (3.24)
合并(3.26)和(3.29),并带入
可得
. (3.25)
定理得证。 □
4. 结论
本文用一种正则化方法来解决非特征柯西问题,该方法通过修改核,证明了整个域的收敛估计,即包括
和
,并在正则化参数的先验选择规则下,给出并证明了正则化解和精确解之间的误差估计。