Quantitative homogenization of elliptic equations with infinitely many scales

Résumé technique : Homogénéisation quantitative d'équations elliptiques à une infinité d'échelles

1. Énoncé du problème et motivation
Ce papier traite de l'homogénéisation multi-échelle d'équations elliptiques dont la matrice de coefficients oscille périodiquement à une infinité d'échelles. Les auteurs considèrent le problème aux limites :
$$\begin{cases} -\text{div}(A_\varepsilon(x)\nabla u_\varepsilon) = f & \text{dans } \Omega, \\ u_\varepsilon = g & \text{sur } \partial\Omega, \end{cases}$$
où $\Omega \subset \mathbb{R}^d$ est un domaine lipschitzien borné. La matrice de coefficients $A_\varepsilon(x)$ est définie comme la limite $L^\infty$ de matrices à un nombre fini d'échelles, $A_\varepsilon(x) = \lim_{n \to \infty} A_\varepsilon^n(x)$, où $A_\varepsilon^n(x) = A_n(x, x/\varepsilon_1, \dots, x/\varepsilon_n)$. Les échelles satisfont $1 = \varepsilon_0 > \varepsilon_1 > \varepsilon_2 > \dots \to 0$.

La motivation provient de modèles physiques impliquant des matériaux de type fractal et la dynamique des fluides, en particulier la turbulence, où des tourbillons existent sur une large gamme d'échelles. Alors que l'homogénéisation itérée classique traite d'un nombre fini fixe d'échelles $n$, les méthodes existantes reposent sur des arguments inductifs où les constantes explosent généralement lorsque $n \to \infty$. Ce papier vise à développer une théorie générale qui reste uniforme lorsque le nombre d'échelles tend vers l'infini, abordant ainsi le problème d'homogénéisation « perpétuelle ».

2. Cadre mathématique et hypothèses
La matrice de coefficients est construite via un développement en série :
$$A_\varepsilon(x) = \sum_{\ell=0}^\infty B_\ell\left(x, \frac{x}{\varepsilon_1}, \dots, \frac{x}{\varepsilon_\ell}\right),$$
où les $B_\ell$ sont continus et périodiques par rapport à leurs variables rapides. Les auteurs imposent trois hypothèses structurelles principales :

• Ellipticité et bornitude : Ellipticité uniforme ($\mu |\xi|^2 \le \xi \cdot A_\varepsilon \xi$) et bornitude, assurées par la condition $\sum_{\ell=0}^\infty \|B_\ell\|_{L^\infty} < \infty$.
• Périodicité : Chaque $B_\ell$ est périodique par rapport à ses variables rapides.
• Décroissance des oscillations : Pour obtenir des taux quantitatifs, les auteurs supposent que les coefficients $B_\ell$ sont lipschitziens et décroissent à un taux contrôlé par une suite $\delta = (\delta_0, \delta_1, \dots)$. Plus précisément, ils exigent $\sum_{\ell=0}^\infty \delta_\ell < \infty$ et $\sum_{\ell=1}^\infty \ell \delta_\ell < \infty$ (noté $[\delta]_0 < \infty$ et $[\delta]_1 < \infty$).

3. Méthodologie
Les preuves reposent sur un argument raffiné d'homogénéisation itérée, considéré comme un groupe de renormalisation déterministe ou un processus de grossissement. La méthodologie procède dans deux directions principales :

• Homogénéisation qualitative : Les auteurs commencent par le problème approché impliquant $n$ échelles. En utilisant la stabilité de la convergence $H$, ils montrent que les matrices homogénéisées $\bar{A}_n$ des problèmes à $n$ échelles forment une suite de Cauchy dans $L^\infty$ lorsque $n \to \infty$. Cela leur permet de définir une matrice homogénéisée limite $\bar{A}$ et de prouver que $u_\varepsilon$ converge faiblement vers la solution $u_0$ de l'équation homogénéisée avec le coefficient $\bar{A}$.

• Taux de convergence quantitatifs : Pour établir des taux de convergence optimaux en $L^2$ indépendants de $n$, les auteurs décomposent la matrice de coefficients en une « partie principale » (oscillation lente, grande amplitude) et une « partie queue » (oscillation rapide, petite amplitude). Ils prouvent une estimation d'erreur améliorée en une étape pour un problème à deux échelles où la perturbation est faible. En itérant cette estimation à travers les échelles et en exploitant la décroissance de $\delta_\ell$, ils contrôlent l'accumulation des erreurs. Une innovation technique clé consiste à montrer que les termes d'erreur impliquant les parties queue décroissent suffisamment vite pour permettre la limite $n \to \infty$ sans que les constantes n'explosent.

• Estimates lipschitziennes uniformes : La preuve de la régularité lipschitzienne uniforme ($\|\nabla u_\varepsilon\|_{L^\infty} \le C$) utilise un argument d'itération à grande échelle (de type Campanato). Contrairement aux méthodes standard où les constantes s'accumulent sous la forme $C^n$, les auteurs exploitent la structure spécifique des coefficients pour dériver une formule itérative pour la quantité de platitude $H(r)$ et la moyenne du gradient $h(r)$. Ils introduisent une suite de termes d'erreur $M_m$ qui, sous des conditions spécifiques de séparation d'échelles et des hypothèses de décroissance sur $\delta$, sont montrés comme sommables ($\sum M_m < \infty$). Cette sommabilité empêche l'explosion des constantes lorsque l'échelle $m \to \infty$.

4. Résultats clés

• Homogénéisation qualitative (Théorème 1.1) : Sous la condition de séparation d'échelles $\varepsilon_k / \varepsilon_{k-1} \to 0$, la solution $u_\varepsilon$ converge faiblement dans $H^1(\Omega)$ vers $u_0$, et $A_\varepsilon$ converge $H$ vers une matrice homogénéisée $\bar{A}$.
• Taux de convergence optimaux en $L^2$ (Théorème 1.2) : En supposant $[\delta]_1 < \infty$ et un domaine lipschitzien borné, le taux de convergence est :
  $$\|u_\varepsilon - u_0\|_{L^2(\Omega)} \le C \Lambda [\delta]_1 \sup_{k \ge 1} \frac{\varepsilon_k}{\varepsilon_{k-1}} (\|f\|_{L^2} + \|g\|_{H^{3/2}}).$$
  Cela retrouve le taux optimal pour un nombre fini d'échelles et reste valable pour un nombre infini d'échelles.
• Estimates lipschitziennes uniformes (Théorèmes 1.5 et 1.6) : Sous une condition quantitative de séparation d'échelles (par exemple $(\varepsilon_{k+1}/\varepsilon_k)^N \le \varepsilon_{i+1}/\varepsilon_i$) et en supposant $[\delta]_{1+\rho} < \infty$, les auteurs établissent des estimates lipschitziennes uniformes intérieures et aux limites :
  $$\|\nabla u_\varepsilon\|_{L^\infty} \le C \left( \|\nabla u_\varepsilon\|_{L^2} + \|f\|_{L^p} + \dots \right).$$
  Ces estimates sont uniformes en $\varepsilon$ pourvu que la plus petite échelle $\varepsilon_1$ soit suffisamment petite (ou sous des conditions spécifiques de décroissance géométrique sur les échelles).

5. Signification et affirmations
Le papier affirme fournir la première théorie générale d'homogénéisation pour les équations elliptiques à une infinité d'échelles oscillantes qui produit des taux de convergence optimaux et des estimates de régularité uniformes.

• Surmonter l'explosion inductive : Les auteurs déclarent explicitement que les résultats précédents pour $n$ échelles reposent sur une induction où les constantes explosent généralement lorsque $n \to \infty$. Ce travail surmonte cette limitation en exploitant la structure de « petite perturbation » des termes de queue dans le développement des coefficients, permettant un contrôle uniforme.
• Applications aux fractales et à la turbulence : La théorie est motivée par et applicable aux matériaux fractals et aux modèles simplifiés de turbulence (faisant référence à la cascade de Richardson), où les échelles infinies sont intrinsèques.
• Robustesse : Les résultats tiennent sous des hypothèses naturelles de séparation d'échelles et des conditions de décroissance sur les coefficients, comblant le fossé entre l'homogénéisation itérée à échelles finies et le spectre continu d'échelles trouvé dans les phénomènes physiques.

Le papier ne propose pas de nouveaux dispositifs expérimentaux ni d'applications futures au-delà du cadre théorique de l'homogénéisation elliptique, de la dynamique des fluides et des matériaux fractals tel que décrit dans l'introduction. L'accent reste strictement mis sur l'analyse mathématique de la convergence et de la régularité de ces problèmes multi-échelles spécifiques.