时空分数阶导数算子
鼎太风华家园网-安徽一本线
时空分数阶导数算子
BORIS BAEUMER
MARK M.
MEERSCHAERT
JEFF MORTENSEN
摘要
不规则扩散的演化
方程在空间和时间中使用分数阶导数。在时空间的
变量的连接产生了新型的分数阶导数算子。本文讨论一
些算子的数学
基础。
简介
在经典扩散中,微粒以通常的钟型的模式传播,其宽度与
时间的平方
根相关。当生长率或粒子分布的形状经典模型预测不同时发生异常扩
散。异常扩散在
可以许多物理现象中观察到,并激励新的数学模型和
物理模型的发展[5,6,7,13,16,20]
。一些最成功的模型采用分
数阶导数[21,27],其实就是异常扩散中常见整数情况的衍生物。建<
br>立异常扩散的物理模型一种方法是源于全体粒子在随机过程中的极
限分布。连续时间下的随机漫步
[22,29] 一直是最有用的[18,20,
30],其中每个随机粒子跳跃后会有随机的等待时间
。非常大的颗粒
的跳跃与空间分数阶导数[14]有关,而很长的等待时间会产生时间的
分数阶
导数[18,26]。同样的模型方程也被应用到混沌动力学[31]和
经济学28]。
在连续时间的随机漫步中,颗粒跳跃的大小可以取决于在跳跃之间
的等待时间。对于这些模型,颗粒的极
限分布受控于涉及时空分数阶
导数算子的分数阶微分方程[3,19]。本文建立了这些
算子的数学基础。
尤其是,它们被证明是某些连续卷积半群的生成元,并且它们的域表
现为一个
合适的函数空间,其中的乘法的运算在傅立叶拉普拉斯空间
的产物。普通空时算子的一般形式被给出。在
这方面的发展中所使用
的技术手段是算子半群[1,11,23],和算子稳定的概率分布的理论[12
,
15]。
分数阶导数和异常扩散
让
C(c,t)
表示粒子在位
置x处和时间t时的相对浓度。经典扩散方程
1
2
x
C
可
以使用傅立叶变换
c(k,t)
e
ikx
C(x,t)dx求解,这把扩散方
2
1
程转化为一个常微分方程的
dcdt(ik)<
br>2
c
。初始条件
c(k,0)1
相当于
2
t
C
C(x,0)
(x)
,所以所有的颗粒都从
x
0,t0
开始。其解
1
c(k,t)exp(k
2
t)反转得到均值为0标准差为
t
的概率密度。使用中
2
心极限定理,也就得
到粒子随机漫步的极限密度在跳跃代表0和方差
之一时会跳跃。如果颗粒跳跃的概率分布有随指数
(0
2)
定期对
变更的尾部(粗略地讲,这意
味着该跳跃的距离大于r的概率下降到
r
),则方差无定义,所以经典的
中心极限定理不适用。一个推广的
中心极限定理[8,9,15]表明随机漫步收敛到一个稳定的Lev
y运动其
概率密度
C(x,t)
经过傅里叶变换
c(x,t)e
xp(kt)
,显然是
1
kc
,
c(k,0)1<
br>解。反转表明粒子浓度解决了分数阶偏微分
2
1
方程
tC
x
C
其中对称分数微分算子
x<
br>对应
2
dcdt
傅立叶空间 以
k
为符号乘法。这是一
般的二阶导数算子的分数幂。
非对称粒子跳跃形成一个更一般形式的以
p(ik)
q(ik)
为符号的分
数阶导数算
子
p
x
q
x
[7,4],当
p1q
为跳跃幅度趋向于无穷的正
跳跃的渐近分数。对于对称向量转移的一个类似的讨论我们可以对<
br>2
k
t
C
x
C
使用以<
br>
为符号的拉普拉斯算子,可在
R
d
中见到更普遍
的形式[1
4,16]。这些拟微分算子也是某些连续卷积半群的生成元
[2,11]。
如果粒子跳跃间
的等待时间以指数0<β<1定期复合,则随机漫步粒
子的跳跃(称为连续时间随机漫步)收敛到一个服
从于逆β-稳定从
属的Levy运动[17,18]。假定等待时间和随后的粒子跳跃是独立的,
其从属是独立的Levy过程,并控制方程成为
t
C
<
br>x
CC(x,0)t
(1
)
,
它是由Zaslavsky[31]作为一种哈密顿混
乱模型首次提出的。非对称跳跃,或矢量转移,其
改变空间导数方式
如前[2]。重尾粒子跳跃产生空间的分数阶导数,重尾等候时间产生时
间的
分数阶导数。
当等待时间和粒子跳跃依赖随机变量,控制方程的另一种形式便出现
了。该极限
过程是仍然一个从属于平稳的从属的Levy运动,但现在
这两个过程相互依赖。时空向量组成的等待时
间和跳转必须使用算子
稳定极限理论来处理,因为每个坐标不同的尾部行为[3]。这导致了控
制方程采用一种新的耦合时空分数阶导数。假设等待时间
J
满足
P(Jt)t
并且对称粒子的跳跃幅度
Y
在等待时间
Jt
时是
均值为
0
方差为
2t
的正常分布。那么,控制方程
(
t
2
(1
)
采用了
时空分数阶导数与傅立叶拉
x
)C(x,t)C(x,0)t
普拉斯符号
(
sk
2
)
。本文的目的是探讨这些算子的性质,以建立分
析这些方程的数学基础。让这个问题有趣的是,由于空间和时间有密
不可分的关系,不能用通常
的方式,即泛函空间中的常微分方程来看
待这些发展方程。
时空分数阶导数
设¡
d
[0,)
,并假设
v(dx,dt)
是一个
概率分布,并在
傅立叶变
换拉普拉斯变换为
v(k,s)<
br>^
R
d
R
n
ixkst
。
令
vvv
eev(dt,dx)
表示
v
对自身n
n
次的卷积。如果对于每个
n1,2,3,...
存在概率分布
v
n
且满足
v
n
v
我们
就说
v
是
无穷可分的。其Levy表示(例如,见引理[3]的2.1 )说明
v
d
是无穷可分
的当且仅当对于一些独特连续函数
:
^
?
我们可
以得到
v(k,s)exp(
(k,x))
。例如:
(0,0)0,(
)0
。且有
1
(3.1)
(k,s)ikabs
2<
br>kAk
d
ixk
(
{(0,0)}
ikx
st
ee1
)(
,dx)dt
2
1x
d
对于一些特殊的定点
(a,b) d
,一些
dd
的非负定矩阵
A
,和
{(0,0)}
上的正测度
,
在远离原点的
有界域上有界并满足
(3.2)
0xt1
2
(xt)
(dx,dt)
2
该测度
称
为
v
的Levy测度,并且
[(a,b),A,
]
被称为
v
的levy表示。
在这种情况下,我们定义(可能是小数)卷积幂
v
n
在 Levy表示为三<
br>元组
[ua,uA,u
]
下的无穷可分律,因此对于任意
u
0
,
v
n
具有特征函数
exp(u
(k,s)
)
。且对任意
u,v0
有
v
u
*v
v
v
uv
。
d
无穷可分分布可以用来定义半群卷积。令
L
1
( )
表示可测函数集,
其积分和范数
f
:
e
t
f(t,x)dxdt存在。我们称此范数为
L
1
范数,
0
R<
br>d
d
且
L
1
(
)
是巴拿赫空间。除非明确说明,
将被看作是一个正实
<
br>d
)L
1
(
d
数。显然,
L
1
( )
是真包含,除非
0
时,两个函
d
数空间是相同的。此外,若
fL
1
( )
,则有<
br>f
f
1
。
在巴拿赫空间
X
上的一族有界线性算子
{T(t):t0}
如果有
T(0)
是单
位算子且对所有
u,v0
有
T(uv)
T(u)T(v)
,则被称为
X
的有界线性算
子半群。如果
T(u)
fMf
对所有的
fX,u0
成立,则称半群是一
致有界的;如果在这种
情况下,
M1
我们就称之为收缩半群。如果当
u
n
u
时
,
T(u
n
)ff
在
X
上对于所有
fX
成立,这个半群就是强连
续的。我们可以轻易检验如果当
u0
时,
T(u)ff
对所有
fX
成
立那么
{T(u)
:u0}
是强连续的。如果
f0
可以推出对所有
u0
有T(u)f0
,则称这个半群在巴拿赫格是正的。一个强连续的收缩正半
d
群被
称作
Feller
半群。下面的结果说明在
d
定义了一个
L
1
(
上的任一无穷可分律
)
上的
Feller
半群。
d
命题3.1
令
v
是
上一个无穷可分律并定义
f(x
u
y,t
(3.3)
T(u)f(x,
t)
d
对所有的
fL
1
(
t<
br>0
R
d
1d
都成立。那么对于所有的
),u0fL(
)sv(
d,y)ds
)
,
这族线性算子
{T(u)}
u0
有如下性质。
(a)
T(uv)fT(u)T(v)f
,
u,v0
(b)
T(0)ff
(c)
f0
可推出对所有
u0
有
T(u)f0
(d)
T(u)f
f
,
u0
<
/p>
T(u)ff
(e)
lim
u0
0<
br>
证明。性质(a)(b)(c)可由
v
无穷可分的定义直接得到。性质(d)
可由费比尼定理得到:
t
t
T(u)f
e
0
R
d
0
¡
f(xy,ts)v
u
(dy,ds)dxdt
d
e
t
0
R
d
s
¡
f(xy,ts)v
u
(dy,ds)
d
f
性质(e)相较来说会更巧妙一些。我们首先证明(e)在矩形中建
立
了一个指示函数。;即,令
f(x,t)I
Q
(x,t)I((x,t
)Q)
,矩形为
d
Q{(x,t)
:a0
tb
0
,a
i
x
i
b
i<
br>,i1,...,d}
。那么就有
t
(3.4)
d
0
T(u)f(x,t)dx
d
<
br>t
0
d
0
?
(fx,
u
y
t)
d
s(v,
d)ydsdxdt
0
¡
d
(y,s)Q
dxd
tv
u
(dy,ds)
0id
(ba)
,
u0
i
i
由于
v
是无穷可分的,当
u0
时我们有
v
u<
br>v
0
(例,见[15]的推论
d
3.1.4),这意味着
v
u
(B)v(B)
使得所有波尔子集
B
有<
br>v
0
(B)0
。由于
v
0
点质量为零,这种情况
发生当且仅当
(0,0)B
。那
d
么对于所有的
(x,t)
,
x
i
a
i
,b
i
,<
br>i1,...,d
且
ta
0
,b
0
,我们得到
u0
u0
limT(u)f(x,t)limv((x,t)Q)v((x,
t)Q)f(x,t)
u0
因此,通过控制收敛原理,
T(u)f(x,t)f(x,t)dxdt
v
QQ
Q
u
((x,t)Q)v
0
((x,t)Q)dxdt0
因此,
T(u)f(x)dxdt
f(x,t)dxdt
0id
(b
i
a
i
)
,由(3
.4)式,可得
(x,t)Q
T(u)f(x,t)f(x
,t)dxdt
(x,t)Q
T(u)f(x,t)dxdt0<
br>,由此可知,
T(u)f(x,t)f(x,t)dxdt0
于是对于
这样的
f
n
用
L
1
范数取代了
L
1
范数
d
(e)成立。又因为对任意指示函数
fL
1
( )
都有
f
f
1
,这
便轻易得到
了当任意
f
j1
i
I
Q
在
L
1
范数下(e)成立。
j
d
现在对于任意
fL
1
(
d
显然
hL
1( )
建立
h(x,t)e
t
f(x,t)。
)
并且因此我们可以对积分
h(x,t)d
xdt
进行黎曼近似得到
g
n
j
I
Q
且
g
n
h
1
n
1。然后令
g
n
(x,t)e
t
g
n
(x,t)
,它可以得到
fg
n
j
h
g
n
1
n
1
。利用三角不等式,得到
T(u)g
n
g
n
g
n
f
T(u)ff
T(u)fT(u)g
n<
br>
应用命题的性质(d)
T(u)fT(u)g
n
fg
n
n
1
n
1
因此得到
(3.5)
T(u)ff
n
1
T(u)g
n
g
n
imTu(g
n
)g
n
建立
性质(e)唯一决定于证明
(3.6)
l
u0
,
0
n
。
如果我们取
0
,就有所有的
范数在不等式
(3.5)
和(3.6)
中与
L
1
范数
相等且
g
n
时指示函数。
现在令
0
,在这种情况下
g
n
是一个
L
1
函数而且由于我们刚刚证实
了性质(e)对
于
L
1
函数是成立的,于是
(3.6)
式成立因此我们证实了
对于
L
1
函数性质(e)也成立。
对于任一强连续半群
{T(u):u0}
在巴拿赫空间
X
上我们定义生成元
(3.7)
Lflim
T(u)ff
inX
<
br>u0
u
意味着在巴拿赫空间范数下
u
1
(T(
u)ff)Lf0
。线性算子的域
D(L)
是所有满足
(3.7)中限制的
fX
。而且
D(L)
在
X
中是稠密的,并<
br>且
L
是闭的,这就说明如果
f
n
f
并在
X
上有
Lf
n
g
,则
(例见[23] I.
2.5)。在下面的定理中,我们把如方程(3.3)
fD(L),Lfg
d
所定
义的半群的算子特征化。对于任何
gL
1
,其傅立叶拉
普拉斯变换
g(k,s):
均有定义。 <
br>^
d
st
d
eeg(x,t)dtdx
对于所有的以及
s
k¡
ikx
d<
br>定理3.2. 假设
T
按照情况3.1.中方程(3.3)定义并且令
XL<
br>1
(
)
。
设
L
是强连续半
群的生成元。那么对所有的
fD(L)
都有
Lf(k,s)
(
k,s)f(k,s)
,其中
(k,s)
由(3.1)式给出并且
D(L){fX:
(k,s)f(k,s)h(k,s)hX}
^^
^^
进一步,如果
表示
L
1
(
d
和一阶时间弱导也在
L
1
(
d
(3.8)
)
的子集,且它的一二阶空间
弱导数
)
上,那么
D(L)
且对任意
f
<
br>有
式
f1f(x,t)y
(x,t)Af(x,t)
(H(ts)f(xy,ts)f(x,t))
2
t2
d<
br>1y
RR{(0,0)}
Lf(x,t)af(x,t)b<
br>H(t)
是
Heaviside
阶梯函数。
d
证明。 如果
fD(L)L
1
(
^
)
,那
么存在其傅里叶拉普拉斯变换
f(k,s)
。由于卷积的傅里叶拉普拉斯变换是一个乘积
T(u)f(k,s)exp(u
(k,s))f(k,s)
。那么由于对任意
f,gX
都有
^^
fg
^^
d
其本
性上确界由
(k,s)L
1
fg
,
(
再由(3.7)
)
决定,
得到
^
expu<
br>
(k(s,))1
,s)l
imf(k
,s)
(3.9)
Lf(k
u0
u
^
k(s
,
对所有
)fk(s,
f
)
D(L)
^
成立。
反之,取
fX
满足对一些
hX
有
(k,s)
f(k,s)h(k,s)
。那么对所有
^^
0
都有
g:
fhX
。此外,它是半群理论的基本事实(参见,例如[23] 定理I.5.2),该预解算子
(
IL)
1
对于所有
0
都是有界线性
算子,并且把
X
映到
D(L)
。设
q(
IL)
1
g
。则有
qLqg
及
q(k,s)
(k,s)q(
k,s)g(k,s)
。因此有
g(k,s)
f(k,s)
(k,s)f(k,s)
^
q(k,s)f(k,s)
<
br>
(k,s)
(k,s)
^
^^^
^^^
因此
qf
,
fD(L)
。
最
终,我们得到了算子
L
在方程(3.8)中的形式。令
f
f
i1
d
f
x
i
d
i,j1
2
f
x
i
x
j
f
t
我们假设t0
时
f
定义为0并抑制(3.8)式中的
Heaviside
函数
H
。首先
假定
f
对
x
存在二阶偏导对
t
存在一阶偏导。使用泰勒级数对
x
展开,
f(xy,t)f(x,t
)yf(x,t)y
(1r)M
xry
ydr
,其
中
M
x
是
f
在
(x,t)
的
0
1
Hessian
矩阵,容易得到存在常数
C
使得
t
e
f(xy,t)f(x,t)
yf(x,t)
1
y
2
dxdtCf
y
2
2
1y
同样的,对
t
使用泰勒级数展开,存在常数
D
使得
t
ef(x,ts)f(x,t)dxdtDf
s
<
br>
1s
使用费比尼定理——按惯例通过加减
f(xy,t)
从而利
用先前的估计
——我们得到
(3.10)
t
e(
f(xy,ts)f(x,t)
yf(x,t)1y
2
(dy,ds))dxdt
dxdt)
(dy,ds)
(
e
t
f(xy,ts)f(x,t)
yf(x,t)
1y
2
f
(C
(dy,ds)D
(d
y,ds))
2
1s
1y
Kf
其中
K
为(3.2)的常数。因此对所有满足连
续条件的
f
(3.8)式可
以很好地被定义。
由于
(ik
j
)f(k,s)
是
f(x,t)x
j
的傅里叶拉普拉斯变换
,
sf(k,s)
是
f(x,t)t
的傅里叶拉普拉斯变换而且
f(xy,ts)
的傅里叶拉普拉斯
^
^
y
2
s
变换为
exp(iky)exp(st)f(k,s)
,由此推出(3.8)式右边的傅
里叶拉普
拉斯变换为
(k,s)f(k,s)
。
接下来我们证明
D(L)
.首先如果有
L
1
f(x,t):a
f(x,t)b
f1
(x,t)Af(x,t)
t2
^
^
就能得到
L
1
f
Bf
其中
B为与
f
无关的常数。进一步,如果
L
2
f(x,t):
d
(f(xy,ts)f(x,t)
{(0,0)}yf(x,t)
1y
2
)
(dy,ds)
<
br>d
则
LL
1
L
2
并且对
f
C
(
)
有
Kf
(3.11)
Lf
L
1
f
L
2
f
Bf
<
br>
)
使得在范数
d
如果
f
,就有数列
{f
n
}
C
(
n1
下
1
f
n
f
并且在
L
1
范数有同样结论。不等式(3.11)说明
{
Lf
n
}
n1
在
L
范
d
数下
收敛到
gL
1
(
)
。由于
L<
br>是闭的,于是有
fD(L),Lfg
。
注3.3. 另一个影响
T(u)
成为强连续半群的因素是
f
u
(x,t)T(u)p(x,t)<
br>解
决抽象柯西问题
(3.12)
d
f<
br>u
Lf
u
;f
0
p
其中
pD(L)<
br>。
du
u
更进一步,积分方程
T(u)pL
0
T(v)pdvp
对所有
pX
(例子见[23]
定理
1
.2.4.
)。这个发展方程小心去解,因为现在对
u0
f
u
(x,t)
同时是
空间和时间函数。
注3.4.尽管
从定理3.2的一些结论可以从强连续半群的一般理论[1,
11,23]中得到,我们还没有看到有任
何结果能说明时间是空间的一部
d
分变量。另一个难点就是,注3.3.中的函数
f<
br>u
对任意的
u0
在
上没有紧支持。此外,注
意到如果
p(x,t)
是
x
对
t
的概率密度,那么不
论是
p(x,t)
还是
f
u
(x,t)
在
(x,
t)
上都没有收敛的傅里叶积分。
时空耦合扩散方程
在本节中,我们结合[3]中
的随机过程极限理论应用第3部分的结果来
研究耦合连续时间随机行漫步
CTRW<
br>
。在
CTRW
模型中,每个随机等
待时间
J
i0
都会伴随一个随机粒子的跳跃
Y
i
¡
d
。我们假
设时空矢量
J
i
,Y
i
是独立的,
i
1,2,3,...
。但是我们允许
J
i
和
Y
i
之间存在依赖。如
果
J
i
有限,[8]中的一个更新定理表明这些伴随时间<
br>t
的跳跃数量是渐
近恒定的,从而说明这个极限过程和非随机等待时间的简单随机漫步<
br>是一样的。另一方面,若对一些
0
1
有
P(Jt)
t
,则在温和条
件下随机漫步的时空矢量收敛到
d1
维Levy运动算子
{(D(u),A(u))}
u0
,
其中
D(
u)
是从属于
稳定的拉普拉斯变换
e
us
。在注3.3
.中的函数
f
u
(x,t)
是这个极限过程的概率密度时,
L
是相关
Feller
半群的生成元。
由于
D(u)
可以
计算跳跃次数,其逆过程
E
t
inf{u0:D(u)t}
表明跳跃<
br>的次数,并且
CTRW
极限
{A(E
t
)}
t0<
br>代表耦合异常扩散模型的极限随机
过程。在[3]的计算表明这一过程的概率密度
是
)
(4.1)
h(x,t
0
1
t
1
u
f(x,t
)du
并且其傅里叶拉普拉斯变换是
)
(4.2)
h(x,t
^
^
1u
(k,s
)
0
se
s
1
du
(
k,s)
^
由于
f
u
(k,s)exp(u
(
k,s))
。所以
(k,s)h(k,s)s
1
,
其中
(k,s)
是生成
元
L
的傅里叶拉普拉斯标志。现在
假设在时间
t0
的颗粒位置是随机
变量
X
0
在
C
的概率密度
P(x)
。在
CTRW
模型里,在时间
t0
的随机颗
粒位置是
Z
t
X
0
A(E<
br>t
)
,假设
X
0
是独立的,则
Z
t
的概率密度为
C(x,t)
h(xy,t)P(y)dy
则有
C(k,s)h(k,s)p(k)
,其中
p(k)
e<
br>ikx
P(x)dx
是傅里叶变换。现在就
有
(k,s
)C(k,s)
(k,s)h(k,s)p(k)s
1
p
(k)
t
d
式子右边可以转化为
P(x)<
br>,并且是
L
1
(
(1
)
^^
^^
)
的元素。由于
C(x,t)
满足定理3.2
.的条件所以
C
在域
L
中且可以转化为上面的方程
从而给出结论C(x,t)
是时空耦合方程
t
P(x)
(4.3)
LC(x,t)
(1
)
的特殊的傅里叶拉普拉斯变换解。
注4.1.(4.3)中使用拉普拉斯傅里叶标志
(k,s)
的伪微分算子
L
可以
通过(3.1)的levy表示及[3]中定理2.2来计算,可以明确lev
y测度
(dx,dt)
的形式。[3]中有一些具体的例子。在非耦合情况下的对称
梯
度跳跃,其标志
(k,s)s
k
与非耦合算子
t
x
相关并且
由此(4.3)
变弱为
Zaslavsky
的分数运动方程[31]。如果
Y
均值为0方差为
2t
那么当
Yt
就有
(k,s
)(sk
2
)
并且(4.3)式就变为
t
(4.4)
(
t<
br>)h(x,t)P(x)
(1
)
2
x
2
重尾对称跳跃就导致了在
¡
1
中
L
(
t
x
)
与在
¡d
中
L(
t
x
)
的
相似形式。
结论
当粒子跳跃之间的等待时间影响跳跃大小的确定时,时空耦合分数阶扩散方程对在物理建立异常扩散模型是很有用的。时空耦合分数阶导
数可以被定义为确定的卷积半群
的生成元。最近在[10,28]中的经济学
研究对各种各样的经济学工具的收益使用了耦合
C
TRW
模型。由
[24,25]所得到的经验证据表明交易之间的等待时间影响价格变动的确定。由此,基于时空分数阶导数的时空耦合分数阶扩散方程,在这
方面的领域内可能会有所应用。
参考书目(省略)
个人感想
翻译论文这件事对我来说本是罕见,但在这门
课上却是连着经历
了两次。怎么说呢,翻译的过程基本都不会一帆风顺,但也算不上困
难重重。
其实相比上次的小组翻译这次的各人翻译相对来说能更顺利
一些,毕竟一个人的译文比多人合作出来的东
西看起来通顺了不少。
再者,对于译者来说,从始而终的过程也比从中间某一段莫名其妙的
开始
翻译要简单不少。
那么本次我所翻译的论文是针对时空分数阶倒数算子的。它主要
应用于时空
异常扩散。看到扩散一词大多都会想到物理或者化学中的
粒子扩散。然而它并非我们平常所见的那种扩散
过程,由扩散中心向
周围慢慢的运动开去,而是或静止或突变,仿佛一个情绪极其不稳定
的孩子
。而该论文的作者将这种模型的应用方向基本定在了经济学的
方面,将这种静止和突变的过程类比为交易
间隔的时间以及价格的变
动,这无疑是非常贴切的。当然本文的重点是在与这种模型的数学基
础
,而非在现实生活上的应用,读来多多少少是有些枯燥。论文的主
题部分分为三个部分:分数阶导数和异
常扩散,时空分数阶导数,以
及时空耦合方程。当然第一部分其实是相当于一个引子,通过介绍控
制方程的演化,告诉我们不能用一般的方式来研究演化方程,从而引
出下面要讨论的时空分数阶导数。
下一部分则主要为我们介绍了一些
重要的定理和性质。最后则通过以上的讨论得到了
CTRW<
br>模型的一些
具体情况。
文章思路清晰,条理分明。对我们自己以后的论文形式有一定的
启发。也有助与我们形成这种从现实起源到理论再到应用的思考问题
的思路。但
是作为基础知识欠缺,知识结构不完整的处在学习状态中
的我来说,文章所述的问题只能大体理解,然而
其中具体讨论的细节
却基本是一头雾水,不知所闻。可见在学习的道路上我还有很长很长
的路要
走。
总而言之,以上就是鄙人的一些浅见。说出来与大家分享,望有
识者不要见笑。