Quantitative homogenization of elliptic equations with infinitely many scales

技术摘要：具有无限多尺度的椭圆方程的定量均匀化

1. 问题陈述与动机
本文研究了系数矩阵在无限多个尺度上周期性振荡的椭圆方程的多尺度均匀化问题。作者考虑了如下边值问题：
$$\begin{cases} -\text{div}(A_\varepsilon(x)\nabla u_\varepsilon) = f & \text{in } \Omega, \\ u_\varepsilon = g & \text{on } \partial\Omega, \end{cases}$$
其中 $\Omega \subset \mathbb{R}^d$ 是有界 Lipschitz 区域。系数矩阵 $A_\varepsilon(x)$ 定义为具有有限个尺度的矩阵的 $L^\infty$ 极限，即 $A_\varepsilon(x) = \lim_{n \to \infty} A_\varepsilon^n(x)$，其中 $A_\varepsilon^n(x) = A_n(x, x/\varepsilon_1, \dots, x/\varepsilon_n)$。尺度满足 $1 = \varepsilon_0 > \varepsilon_1 > \varepsilon_2 > \dots \to 0$。

该动机源于涉及类分形材料和流体力学（特别是湍流）的物理模型，其中涡旋存在于广泛的尺度范围内。虽然经典的重述均匀化处理的是固定有限数量 $n$ 的尺度，但现有方法依赖于归纳论证，其中常数通常随着 $n \to \infty$ 而发散。本文旨在建立一种当尺度数量趋于无穷大时仍保持一致性的通用理论，以解决“永久的”均匀化问题。

2. 数学框架与假设
系数矩阵通过级数展开构造：
$$A_\varepsilon(x) = \sum_{\ell=0}^\infty B_\ell\left(x, \frac{x}{\varepsilon_1}, \dots, \frac{x}{\varepsilon_\ell}\right),$$
其中 $B_\ell$ 在其快变量中是连续且周期的。作者提出了三个主要的结构假设：

• 椭圆性与有界性：一致椭圆性（$\mu |\xi|^2 \le \xi \cdot A_\varepsilon \xi$）和有界性，由条件 $\sum_{\ell=0}^\infty \|B_\ell\|_{L^\infty} < \infty$ 保证。
• 周期性：每个 $B_\ell$ 在其快变量中是周期的。
• 振荡衰减：为了获得定量速率，作者假设系数 $B_\ell$ 是 Lipschitz 连续的，并且以由序列 $\delta = (\delta_0, \delta_1, \dots)$ 控制的速率衰减。具体而言，他们要求 $\sum_{\ell=0}^\infty \delta_\ell < \infty$ 且 $\sum_{\ell=1}^\infty \ell \delta_\ell < \infty$（记为 $[\delta]_0 < \infty$ 和 $[\delta]_1 < \infty$）。

3. 方法论
证明依赖于改进的重述均匀化论证，将其视为确定性的重整化群或粗粒化过程。方法论沿两个主要方向展开：

• 定性均匀化：作者从涉及 $n$ 个尺度的近似问题出发。利用 $H$-收敛的稳定性，他们证明了 $n$ 尺度问题的均匀化矩阵 $\bar{A}_n$ 在 $n \to \infty$ 时构成 $L^\infty$ 中的柯西序列。这使得他们能够定义一个极限均匀化矩阵 $\bar{A}$，并证明 $u_\varepsilon$ 弱收敛于具有系数 $\bar{A}$ 的均匀化方程的解 $u_0$。

• 定量收敛速率：为了建立与 $n$ 无关的最优 $L^2$ 收敛速率，作者将系数矩阵分解为“主部”（慢振荡、大振幅）和“尾部”（快振荡、小振幅）。他们证明了对于扰动较小的双尺度问题，存在一个改进的一步误差估计。通过在尺度上迭代该估计并利用 $\delta_\ell$ 的衰减，他们控制了误差的累积。一项关键的技术创新是证明涉及尾部部分的误差项衰减得足够快，从而允许在 $n \to \infty$ 时常数不发散。

• 一致 Lipschitz 估计：一致 Lipschitz 正则性（$\|\nabla u_\varepsilon\|_{L^\infty} \le C$）的证明采用了大尺度迭代论证（Campanato 型）。与常数随 $C^n$ 累积的标准方法不同，作者利用系数的特定结构，导出了关于平坦度量 $H(r)$ 和梯度平均值 $h(r)$ 的迭代公式。他们引入了一组误差项 $M_m$，在特定的尺度分离条件和关于 $\delta$ 的衰减假设下，证明了这些项是可求和的（$\sum M_m < \infty$）。这种可求和性防止了常数随着尺度 $m \to \infty$ 而发散。

4. 主要结果

• 定性均匀化（定理 1.1）：在尺度分离条件 $\varepsilon_k / \varepsilon_{k-1} \to 0$ 下，解 $u_\varepsilon$ 在 $H^1(\Omega)$ 中弱收敛于 $u_0$，且 $A_\varepsilon$ $H$-收敛于一个均匀化矩阵 $\bar{A}$。
• 最优 $L^2$ 收敛速率（定理 1.2）：假设 $[\delta]_1 < \infty$ 且区域为有界 Lipschitz 区域，收敛速率为：
  $$\|u_\varepsilon - u_0\|_{L^2(\Omega)} \le C \Lambda [\delta]_1 \sup_{k \ge 1} \frac{\varepsilon_k}{\varepsilon_{k-1}} (\|f\|_{L^2} + \|g\|_{H^{3/2}}).$$
  这恢复了有限尺度的最优速率，并且对无限尺度仍然有效。
• 一致 Lipschitz 估计（定理 1.5 和 1.6）：在定量尺度分离条件（例如 $(\varepsilon_{k+1}/\varepsilon_k)^N \le \varepsilon_{i+1}/\varepsilon_i$）下，并假设 $[\delta]_{1+\rho} < \infty$，作者建立了均匀的内部和边界 Lipschitz 估计：
  $$\|\nabla u_\varepsilon\|_{L^\infty} \le C \left( \|\nabla u_\varepsilon\|_{L^2} + \|f\|_{L^p} + \dots \right).$$
  只要最小尺度 $\varepsilon_1$ 足够小（或在尺度上满足特定的几何衰减条件），这些估计关于 $\varepsilon$ 就是一致的。

5. 意义与主张
本文声称提供了首个针对具有无限多个振荡尺度的椭圆方程的通用均匀化理论，该理论能够产生最优收敛速率和一致正则性估计。

• 克服归纳发散：作者明确指出，先前关于 $n$ 个尺度的结果依赖于归纳法，其中常数通常随着 $n \to \infty$ 而发散。这项工作通过利用系数展开中尾部项的“小扰动”结构来克服这一限制，从而实现了一致控制。
• 分形与湍流应用：该理论由分形材料和简化的湍流模型（参考理查德森级联）所激发并适用于这些领域，其中无限尺度是内在的。
• 鲁棒性：结果在自然的尺度分离假设和系数衰减条件下成立，弥合了有限尺度重述均匀化与物理现象中发现的连续尺度谱之间的差距。

本文并未提出超出引言中描述的椭圆均匀化、流体力学和分形材料理论框架之外的新实验设置或未来应用。重点严格局限于这些特定多尺度问题的收敛性和正则性的数学分析。