Uniform Calderón-Zygmund estimates in multiscale elliptic homogenization

Résumé Technique : Estimations de Calderón-Zygmund Uniformes en Homogénéisation Elliptique Multiscale

Énoncé du Problème
Cet article traite de la régularité uniforme des solutions d'équations elliptiques linéaires sous forme divergente dans un domaine borné $C^1$ $\Omega \subset \mathbb{R}^d$ :
$$-\text{div}(A_\varepsilon \nabla u_\varepsilon) = \text{div} f,$$
où la matrice de coefficients $A_\varepsilon(x)$ présente $n$ échelles distinctes :
$$A_\varepsilon(x) = A\left(\frac{x}{\varepsilon_1}, \frac{x}{\varepsilon_2}, \dots, \frac{x}{\varepsilon_n}\right).$$
Ici, $A(y_1, \dots, y_n)$ est 1-périodique dans chaque variable $y_i$, et les paramètres $(\varepsilon_1, \dots, \varepsilon_n) \in (0, 1]^n$ sont petits. Le défi principal consiste à établir des estimations $L^p$ uniformes pour le gradient $\nabla u_\varepsilon$ (l'estimation de Calderón-Zygmund) où la constante est indépendante des petits paramètres, même lorsque les échelles ne sont pas bien séparées (c'est-à-dire que les rapports $\varepsilon_{i+1}/\varepsilon_i$ ne satisfont pas nécessairement une condition de séparation par loi de puissance).

Des travaux antérieurs ont établi des estimations de Hölder ($C^\alpha$) uniformes pour de tels systèmes sans séparation d'échelle en utilisant des méthodes de compacité. Cependant, les estimations de gradient ($L^p$) nécessitent généralement des taux de convergence quantitatifs ou des propriétés fines des correcteurs, ce qui était auparavant indisponible en l'absence de séparation d'échelle.

Méthodologie
Les auteurs développent une stratégie de preuve novatrice qui combine la théorie des nombres et les techniques d'homogénéisation pour surmonter l'absence de séparation d'échelle. La méthodologie centrale repose sur trois composantes principales :

1. Théorème de Dirichlet et Repériodisation :
   Les auteurs utilisent le théorème de Dirichlet sur l'approximation diophantienne simultanée pour séparer quantitativement la plus petite échelle des autres. Étant donné une séquence d'échelles et un paramètre $Q$ de grande valeur, ils construisent une nouvelle matrice 1-périodique $A^\sharp$ via une technique de « repériodisation ». Cette transformation réécrit le coefficient $A_\varepsilon$ d'origine comme :
   $$A\left(\frac{x}{\varepsilon_1}, \dots, \frac{x}{\varepsilon_n}\right) = A^\sharp\left(\frac{x}{\varepsilon'_1}, \dots, \frac{x}{\varepsilon'_n}\right),$$
   où les nouvelles échelles satisfont une condition de séparation : la plus petite échelle $\varepsilon'_n$ est $Q$-séparée des $n-1$ autres échelles (c'est-à-dire $\varepsilon'_i \ge Q \varepsilon'_n$). Bien que ce processus puisse dégrader la régularité de $A^\sharp$ dans la dernière variable, il permet l'application de l'homogénéisation réitérée.

2. Réduction d'Échelle Quantitative :
   En utilisant la propriété de séparation établie ci-dessus, les auteurs effectuent une réduction d'échelle quantitative. Ils prouvent que la solution du problème à $n$ échelles peut être approximée uniformément par la solution d'un problème avec au plus $n-1$ échelles. Cette approximation implique un terme de correcteur dérivé de la théorie de l'homogénéisation réitérée. L'erreur de cette approximation est contrôlée par des puissances de $Q^{-1}$ et par le rapport de la plus petite échelle à la taille du domaine.

3. Argument de Variable Réelle avec Double Moyennage :
   Pour établir les estimations de gradient $L^p$, les auteurs emploient un argument de variable réelle raffiné (basé sur le cadre de Caffarelli et Peral). Une innovation critique est l'utilisation d'une technique de « double moyennage ».

• Le premier moyennage est effectué à une grande échelle pour gérer l'erreur d'approximation de la réduction d'échelle.
• Le second moyennage est effectué à l'échelle de la cellule périodique (dépendante de $Q$) pour exploiter la structure périodique des correcteurs.
  Cette approche duale permet aux auteurs de contourner le besoin de bornes $L^p$ uniformes sur les gradients des correcteurs dans la matrice repériodisée (qui dépendraient autrement de $Q$ et exploseraient), en s'appuyant plutôt sur des estimations d'énergie $L^2$ et la périodicité des correcteurs.

Résultats Clés

• Théorème 1.1 (Résultat Principal) : Pour tout $p \in (1, \infty)$, le gradient $\nabla u_\varepsilon$ satisfait l'estimation uniforme :
  $$\|\nabla u_\varepsilon\|_{L^p(\Omega)} \le C \|f\|_{L^p(\Omega)},$$
  où la constante $C$ dépend uniquement de la dimension $d$, du nombre d'échelles $n$, de la constante d'ellipticité $\Lambda$, de $p$, des paramètres de Hölder $(\tau, L)$ et du domaine $\Omega$. Crucialement, $C$ est indépendant des paramètres $(\varepsilon_1, \dots, \varepsilon_n)$. Ce résultat est valable pour les conditions aux limites de Dirichlet et de Neumann compatibles.

• Corollaire 1.2 (Homogénéisation Quasi-périodique) : Le théorème principal implique des estimations de Calderón-Zygmund uniformes pour les coefficients quasi-périodiques $A(x/\varepsilon) = B(Mx/\varepsilon)$ sans exiger la condition diophantienne sur la matrice $M$. Cela résout une lacune dans la littérature où ces estimations n'étaient connues que sous des conditions diophantiennes strictes.

• Estimations de Lipschitz à Grande Échelle : L'article dérive également des estimations de Lipschitz uniformes à grande échelle ou à l'échelle mésoscopique. Pour deux échelles ($n=2$), une estimation de Lipschitz est obtenue pour des rayons $r \ge \varepsilon_2^{1-\alpha}$. Pour $n \ge 3$, des estimations similaires sont obtenues près de toute échelle donnée, bien qu'une estimation de Lipschitz uniforme à pleine échelle sans séparation d'échelle demeure un problème ouvert.

Signification et Revendications
Les auteurs affirment que ce travail fournit la première preuve d'estimations de gradient $L^p$ uniformes pour des équations elliptiques avec des coefficients multiscale arbitraires sans aucune hypothèse de séparation d'échelle.

• Nouveauté : L'introduction du théorème de Dirichlet dans la théorie de l'homogénéisation est présentée comme un nouvel outil permettant de séparer quantitativement les échelles là où la séparation géométrique traditionnelle échoue.
• Surmonter les Limitations : L'article note explicitement que les méthodes de compacité « douces » (suffisantes pour les estimations $C^\alpha$) sont insuffisantes pour les estimations de gradient $L^p$. L'approche quantitative proposée, qui calcule explicitement les constantes et utilise des correcteurs, est nécessaire pour combler ce fossé.
• Généralité : Les résultats élargissent considérablement la portée de la théorie de l'homogénéisation pour inclure les milieux quasi-périodiques avec des cellules périodiques dégénérées et des fréquences de résonance (ex: nombres de Liouville) sans imposer de conditions arithmétiques restrictives sur les fréquences.
• Mécanisme : Le travail suggère que l'« effet de moyennage » dans les milieux multiscale se produit de manière stable à travers toutes les échelles mésoscopiques, même en l'absence d'une limite homogénéisée déterministe avec un taux fixe, fournissant ainsi une compréhension plus profonde de la régularité des solutions dans les milieux complexes.