Inverse problems for semilinear elliptic PDE with a general nonlinearity $a(x,u)$

Resumo Técnico: Problemas Inversos para EDPs Elípticas Semilineares com uma Não Linearidade Geral

Enunciado do Problema
O artigo aborda o problema inverso de recuperar uma não linearidade geral $a(x, u)$ na equação elíptica semilinear
$$\Delta u + a(x, u) = 0 \quad \text{em } \Omega,$$
a partir de medições de contorno das soluções. O domínio $\Omega \subset \mathbb{R}^n$ ($n \ge 2$) é limitado com fronteira $C^\infty$. Assume-se que a não linearidade $a$ pertence a $C^k(\mathbb{R}, C^{2,\alpha}(\Omega))$ com $k \ge 3$. Os dados disponíveis são o conjunto de dados de Cauchy (ou uma versão local deste), definido como o conjunto de pares $(u|_{\partial\Omega}, \partial_\nu u|_{\partial\Omega})$ para soluções $u$ numa vizinhança de uma solução fixa $w$.

A questão central é se os dados de Cauchy determinam a função $a(x, z)$ de forma única. Os autores observam que a literatura anterior estabeleceu unicidade sob condições restritivas:

1. Métodos de linearização de primeira ordem (por exemplo, [Isa93], [IS94]) tipicamente exigem condições de sinal, como $a(x, 0)=0$ e $\partial_u a(x, u) \le 0$, para garantir a bem-postura e princípios do máximo.
2. Métodos de linearização de ordem superior (por exemplo, [FO20], [LLLS21a]) removeram as condições de sinal, mas frequentemente dependem de suposições de que $u \equiv 0$ é uma solução ($a(x, 0)=0$) e de que o operador linearizado em zero é bem-posto (0 não é um autovalor de Dirichlet). Estes métodos recuperam geralmente a série de Taylor de $a$ em relação a $u$, exigindo analiticidade real para recuperar $a$ completamente.

Metodologia
Os autores desenvolvem um quadro que evita as suposições restritivas de trabalhos anteriores (especificamente as suposições (1.2)–(1.3) e (1.4)–(1.5) na introdução). A metodologia baseia-se em três pilares técnicos principais:

1. Construção de Mapas de Solução Suaves:
   O núcleo da abordagem é construir um mapa suave que parametriza soluções da equação não linear perto de uma solução fixa $w$ usando soluções da equação linearizada. Seja $q(x) = \partial_u a(x, w)$. A equação linearizada é $\Delta v + qv = 0$.

   • Como o operador linearizado $\Delta + q$ pode não ser bem-posto (0 pode ser um autovalor), os autores utilizam a teoria de Fredholm. Eles definem um operador de solução que lida com as obstruções de dimensão finita (o núcleo $N_q$ e os dados de Neumann $\partial_\nu N_q$) projetando no complemento ortogonal do núcleo.
   • Usando o Teorema da Função Implícita e um argumento de ponto fixo (Lema 2.3), eles constroem um mapa $C^{k-1}$ $S_{a,w}: V_q \to W_a$, onde $V_q$ é o espaço de soluções da equação linearizada e $W_a$ é a variedade de soluções da equação não linear. Este mapa satisfaz $S_{a,w}(v) = w + v + O(\|v\|^2)$.

2. Estabilidade Quantitativa e Segundo Mapa de Solução:
   Para comparar duas não linearidades diferentes $a_1$ e $a_2$, os autores constroem um segundo mapa de solução. Dada a inclusão dos conjuntos de dados de Cauchy locais $C_{w, \delta}^{a_1} \subseteq C_{0, C}^{a_2}$, eles mostram que para cada solução $u_1$ da primeira equação próxima de $w$, existe uma solução $u_2$ da segunda equação com os mesmos dados de Cauchy.

   • Crucialmente, eles provam que $u_2$ depende suavemente do parâmetro $v$ da equação linearizada de $a_1$. Isso é alcançado estabelecendo estimativas quantitativas (Lema 3.3) mostrando que as soluções da equação semilinear são determinadas de forma estável pelos seus dados de Cauchy, utilizando estimativas de Carleman.
   • Isso permite a construção de um mapa $T_{a_2, w}$ parametrizado pelas mesmas soluções linearizadas $v$ que $S_{a_1, w}$, garantindo que ambos os mapas compartilhem os mesmos dados de fronteira.

3. Linearização e Argumentos de Densidade:

   • Primeira Ordem: Ao diferenciar as equações para $u_1(v)$ e $u_2(v)$ em relação ao parâmetro $v$ e integrar contra soluções das equações linearizadas adjuntas, os autores derivam uma identidade integral envolvendo a diferença $\partial_u a_1 - \partial_u a_2$. Usando a bijetividade dos mapas de solução e a densidade de produtos de soluções (aproximação de Runge), eles concluem que as primeiras derivadas das não linearidades devem coincidir.
   • Ordem Superior: Ao diferenciar $k$ vezes, eles derivam uma identidade similar para as $k$-ésimas derivadas, desde que as derivadas de ordem inferior coincidam.

Contribuições e Resultados Principais

• Teorema 1.1 (Unicidade perto de uma solução comum): Se duas não linearidades $a_1$ e $a_2$ compartilham uma solução comum $w$ e seus conjuntos locais de dados de Cauchy satisfazem uma condição de inclusão, então $a_1(x, w(x) + \lambda) = a_2(x, w(x) + \lambda)$ para $\lambda$ pequeno. Este resultado vale para não linearidades gerais sem exigir condições de sinal em $\partial_u a$ ou a suposição de que $a(x, 0)=0$.
• Teorema 1.3 (Unicidade até gauge): Se $a_1$ e $a_2$ não compartilham uma solução comum, os dados de Cauchy determinam $a_2$ em termos de $a_1$ até uma transformação de gauge. Especificamente, $a_1(x, w_1(x) + \lambda) = T_\phi a_2(x, w_1(x) + \lambda)$, onde $T_\phi a(x, u) = \Delta \phi + a(x, u + \phi)$ e $\phi = w_2 - w_1$ é a diferença entre as soluções únicas das duas equações que possuem os mesmos dados de fronteira. Isso recupera a não linearidade precisamente até esta invariância de gauge.
• Teorema 1.4 (Linearização de ordem superior sem bem-postura): Os autores demonstram que a linearização de ordem superior pode ser aplicada mesmo quando a equação linearizada na solução de fundo não é bem-posta (ou seja, sem assumir que 0 não é um autovalor de Dirichlet). Eles mostram que, se as derivadas de ordem inferior coincidirem, as $k$-ésimas derivadas satisfazem uma condição de ortogonalidade em relação aos produtos de soluções da equação linearizada.

Significado e Alegações
O artigo alega melhorar os resultados existentes ao remover a necessidade de condições de sinal (como $\partial_u a \le 0$) e a exigência de que a solução de fundo seja zero ou que o operador linearizado seja invertível.

• Ao contrário dos resultados de linearização de primeira ordem que frequentemente recuperam apenas a não linearidade num conjunto alcançável restrito ou exigem condições de sinal, este trabalho estabelece unicidade (até gauge) numa vizinhança completa de uma solução fixa $w$.
• Ao contrário dos resultados de linearização de ordem superior que tipicamente recuperam apenas a série de Taylor de $a$ em $u=0$ (exigindo analiticidade para recuperação completa), este trabalho recupera a própria não linearidade $a(x, z)$ perto de $z = w(x)$ sem assumir analiticidade.
• O método baseia-se na construção de um "bom" mapa de solução que parametriza localmente soluções não lineares por soluções lineares, mesmo na presença de obstruções espectrais (autovalores), tratando cuidadosamente o núcleo de dimensão finita via teoria de Fredholm.

Os autores observam que os resultados são válidos para não linearidades gerais e que a invariância de gauge observada é consistente com descobertas anteriores (por exemplo, [Sun10]) quando uma solução comum não existe. O trabalho estende a aplicabilidade de técnicas de problemas inversos a uma classe mais ampla de equações elípticas semilineares onde o operador linearizado pode ser singular.