逆散射變換是求解某些非線性偏微分方程的一種方法,在某種意義上是傅里葉變換的非線性推廣。這種方法的核心思想是,從散射數據的演變中恢復勢的演變:逆散射指的是從散射矩陣中恢復勢的問題。
逆散射變換可用於許多所謂「完全可解模型」,即完全可積的無限維系統。
概述
逆散射變換首先由Clifford S. Gardner, John M. Greene, and Martin D. Kruskal et al. (1967, 1974)提出,用於求解KdV方程,並很快擴展到非線性薛定諤方程、正弦-戈爾登方程及戶田晶格方程。後來也用於求解KP方程、石森方程、迪姆方程等等。博格莫尼方程(對於給定的規範群與定向黎曼3流形)提供了一族例子,其解是磁單極子。 用逆散射法得到的解有一個特點,就是存在孤波,是類似於粒子又類似於波的解,線性偏微分方程中沒有這種解。「孤波」是非線性光學的概念。 逆散射問題可以寫作黎曼–希爾伯特分解問題,至少在一個空間維度的方程中是這樣。這種表述可以推廣到多階微分算子和周期勢。 在更高的空間維度中,會遇到「非局部」黎曼–希爾伯特分解問題(用卷積代替乘法)或Dbar問題。
例子:KdV方程
KdV方程是非線性分散演化偏微分方程,涉及有兩個實變量(空間變量x與時間變量t)的函數u:
其中、分別表示關於t和x的偏導數。
是x的已知函數,要解初值問題,可將薛定諤特徵方程
與這個方程聯繫起來,其中是t與x的未知函數,u是KdV方程的解,除了在時未知。常數是一個特徵值。
根據薛定諤方程,可得
將其代入KdV方程並積分,得到
其中C、D為常數。
解法
Step 1. 確定非線性偏微分方程。這通常是通過分析所研究的物理實現的。
Step 2. 應用正向散射。關鍵是找到Lax 對,Lax 對由兩個線性算子、組成,即、。極為重要的是,特徵值與時間無關,即實現這一點的必要條件與充分條件如下:取的時間導數,得到
將插入,得到
重排最右側的項,得到
因此,
由於,這意味着若且唯若
這是Lax方程,當中是的時間導數,明確地依賴於。之所以這樣定義微分,是因為的最簡單實例,即薛定諤算子(參薛定諤方程):
其中u是「勢」。比較表達式與,可以發現因此可以忽略第一項。
擬合出適當的Lax對後,Lax方程應可恢復原來的非線性PDE。
Step 3. 確定與每個特徵值相關的特徵函數、規範常數與反射係數的時間演化,它們構成所謂散射數據。演化由線性常微分方程給出,可以求解。
Step 4. 通過求解馬琴科方程[1][2]這一線性積分方程,進行逆散射,從而獲得原非線性PDE的最終解。為此,需要所有散射數據。若反射係數為零,過程會簡單很多。若是一階微分或二階差分,這步就會起作用,但對高階算子則不一定。不過,在所有情況下,逆散射問題都可以簡化為黎曼–希爾伯特問分解問題。(兩種方法見於Ablowitz-Clarkson (1991)。數學上的嚴格處理方法參Marchenko (1986)。)
可積方程的例子
另見
- 量子逆散射法
參考文獻
閱讀更多
外部連結
Wikiwand in your browser!
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.