Uniform Calderón-Zygmund estimates in multiscale elliptic homogenization

技术摘要：多尺度椭圆同质化中的一致 Calderón-Zygmund 估计

问题陈述
本文研究了在有界 $C^1$ 区域 $\Omega \subset \mathbb{R}^d$ 内，散度形式线性椭圆方程解的一致正则性：
$$-\text{div}(A_\varepsilon \nabla u_\varepsilon) = \text{div} f,$$
其中系数矩阵 $A_\varepsilon(x)$ 表现出 $n$ 个不同的振荡尺度：
$$A_\varepsilon(x) = A\left(\frac{x}{\varepsilon_1}, \frac{x}{\varepsilon_2}, \dots, \frac{x}{\varepsilon_n}\right).$$
这里 $A(y_1, \dots, y_n)$ 对每个变量 $y_i$ 都是 1-周期的，且参数 $(\varepsilon_1, \dots, \varepsilon_n) \in (0, 1]^n$ 是微小的。主要挑战在于建立梯度 $\nabla u_\varepsilon$ 的一致 $L^p$ 估计（即 Calderón-Zygmund 估计），其中常数与这些小参数无关，即使在尺度之间没有满足幂律分离条件的（即 $\varepsilon_{i+1}/\varepsilon_i$ 的比例不一定满足分离条件）情况下也是如此。

先前的工作通过紧致性方法建立了此类系统的一致 Hölder ($C^\alpha$) 估计，但未考虑尺度分离。然而，梯度估计（$L^p$ 估计）通常需要定量收敛速率或修正子的精细性质，而这在缺乏尺度分离的情况下是此前无法获得的。

方法论
作者开发了一种结合数论与同质化技术的创新证明策略，以克服缺乏尺度分离的问题。其核心方法论包含三个主要部分：

1. 狄利克雷定理与重周期化 (Reperiodization)：
   作者利用关于同时丢番图逼近的狄利克雷定理，定量地将最小尺度与其他尺度分离。给定一组尺度和一个大参数 $Q$，作者通过一种“重周期化”技术构造了一个新的 1-周期矩阵 $A^\sharp$。这种变换将原始系数 $A_\varepsilon$ 改写为：
   $$A\left(\frac{x}{\varepsilon_1}, \dots, \frac{x}{\varepsilon_n}\right) = A^\sharp\left(\frac{x}{\varepsilon'_1}, \dots, \frac{x}{\varepsilon'_n}\right),$$
   其中新的尺度满足分离条件：最小尺度 $\varepsilon'_n$ 与剩余的 $n-1$ 个尺度是 $Q$-分离的（即 $\varepsilon'_i \ge Q \varepsilon'_n$）。虽然这一过程可能会降低 $A^\sharp$ 在最后一个变量上的正则性，但它允许应用迭代同质化。

2. 定量尺度缩减 (Quantitative Scale Reduction)：
   利用上述建立的分离性质，作者执行了定量的尺度缩减。他们证明了 $n$ 尺度问题的解可以被最多 $n-1$ 个尺度的问题的解一致地逼近。这种逼近涉及一个由迭代同质化理论导出的修正项。该逼近的误差由 $Q^{-1}$ 的幂次以及最小尺度与定义域大小的比值来控制。

3. 带有双重平均的实变量论证：
   为了建立 $L^p$ 梯度估计，作者采用了改进的实变量论证（基于 Caffarelli 和 Peral 的框架）。一个关键的创新是使用了“双重平均”技术。

• 第一个平均是在大尺度上进行的，用以处理来自尺度缩减的逼近误差。
• 第二个平均是在周期单元尺度上进行的（依赖于 $Q$），用以利用修正子的周期结构。
  这种双重方法使得作者能够绕过对重周期化矩阵中修正子梯度的一致 $L^p$ 估计的需求（否则该估计会依赖于 $Q$ 并趋于无穷大），转而依赖于 $L^2$ 能量估计和修正子的周期性。

关键结果

• 定理 1.1 (主要结果)： 对于任何 $p \in (1, \infty)$，梯度 $\nabla u_\varepsilon$ 满足一致估计：
  $$\|\nabla u_\varepsilon\|_{L^p(\Omega)} \le C \|f\|_{L^p(\Omega)},$$
  其中常数 $C$ 仅取决于维度 $d$、尺度数 $n$、椭圆性常数 $\Lambda$、$p$、Hölder 连续性参数 $(\tau, L)$ 以及定义域 $\Omega$。至关重要的是，$C$ 与参数 $(\varepsilon_1, \dots, \varepsilon_n)$ 无关。该结果对于 Dirichlet 和相容的 Neumann 边界条件均成立。

• 推论 1.2 (拟周期同质化)： 主定理意味着对于准周期系数 $A(x/\varepsilon) = B(Mx/\varepsilon)$，无需对矩阵 $M$ 施加丢番图条件即可获得一致的 Calderón-Zygmund 估计。这填补了文献中的空白，此前此类估计仅在严格的丢番图条件下已知。

• 大尺度 Lipschitz 估计： 本文还导出了一致的大尺度或中观尺度 Lipschitz 估计。对于两个尺度（$n=2$），当半径 $r \ge \varepsilon_2^{1-\alpha}$ 时，Lipschitz 估计成立。对于 $n \ge 3$，在任何给定尺度附近都可以得到类似的估计，尽管在没有尺度分离的情况下获得全尺度一致 Lipschitz 估计仍是一个开放问题。

意义与主张
作者声称，这项工作提供了针对具有任意多尺度系数的椭圆方程进行一致 $L^p$ 梯度估计的首个证明，且无需任何尺度分离假设。

• 新颖性： 将狄利克雷定理引入同质化理论被视为一种新工具，它允许在传统几何分离失效时，实现量化的尺度分离。
• 克服局限性： 文中明确指出，软紧致性方法（足以处理 $C^\alpha$ 估计）不足以处理 $L^p$ 梯度估计。所提出的定量方法通过显式计算常数并利用修正子，是弥补这一差距的必要手段。
• 普适性： 研究结果显著扩大了同质化理论的范围，使其涵盖了具有退化周期单元和共振频率（例如 Liouville 数）的准周期介质，而无需施加限制性的算术条件。
• 机制： 该工作表明，即使在缺乏确定性的固定速率同质化极限的情况下，多尺度介质中的“平均效应”在中观尺度上也是稳定发生的，这为复杂介质中解的正则性提供了更深刻的理解。