Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2412.09135

帮助 | 高级搜索

数学 > 偏微分方程分析

arXiv:2412.09135 (math)
[提交于 2024年12月12日 ]

标题: 斯托克斯方程与紧密排列刚性夹杂物的最优高阶导数估计

标题: Optimal higher derivative estimates for Stokes equations with closely spaced rigid inclusions

Authors:Hongjie Dong, Haigang Li, Huaijun Teng, Peihao Zhang
摘要: 在本文中,我们研究了悬浮在斯托克斯流中的两个紧密排列的刚性夹杂物之间的相互作用。众所周知,当夹杂物之间的距离趋近于零时,夹杂物之间的狭窄区域中的应力会显著放大。为了更深入地了解这些相互作用,我们在二维情况下存在两个刚性夹杂物的情况下,推导了斯托克斯方程的高阶导数估计。我们的方法与处理标准凸积分方案中不可压缩性约束的方法相呼应。在对域进行某些对称性假设的情况下,这些估计被证明是最佳的。因此,我们建立了狭窄区域内柯西应力及其高阶导数的精确爆破速率。
摘要: In this paper, we study the interaction between two closely spaced rigid inclusions suspended in a Stokes flow. It is well known that the stress significantly amplifies in the narrow region between the inclusions as the distance between them approaches zero. To gain deeper insight into these interactions, we derive high-order derivative estimates for the Stokes equation in the presence of two rigid inclusions in two dimensions. Our approach resonates with the method used to handle the incompressibility constraint in the standard convex integration scheme. Under certain symmetric assumptions on the domain, these estimates are shown to be optimal. As a result, we establish the precise blow-up rates of the Cauchy stress and its higher-order derivatives in the narrow region.
评论: 41页
主题: 偏微分方程分析 (math.AP)
引用方式: arXiv:2412.09135 [math.AP]
  (或者 arXiv:2412.09135v1 [math.AP] 对于此版本)
  https://doi.org/10.48550/arXiv.2412.09135
通过 DataCite 发表的 arXiv DOI

提交历史

来自: PeiHao Zhang [查看电子邮件]
[v1] 星期四, 2024 年 12 月 12 日 10:14:44 UTC (35 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math.AP
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-12
切换浏览方式为:
math

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号