Qualitative properties of eigenfunctions in domains with small holes

技术摘要：带小孔区域内特征函数的定性性质

问题陈述
本文研究了当在光滑有界区域 $\Omega \subset \mathbb{R}^N$ ($N \ge 2$) 中移除一个小圆孔 $B(P, \varepsilon)$ 时，Dirichlet 拉普拉斯算子 $-\Delta$ 的特征值与特征函数的渐近行为。所研究的扰动区域记为 $\Omega_\varepsilon := \Omega \setminus B(P, \varepsilon)$。本研究聚焦于“奇异摄动”（singular perturbations），以区别于仅涉及边界 $\partial \Omega$ 微小变形的“正则摄动”（regular perturbations）。主要目标是推导扰动特征函数 $u_\varepsilon$ 的定量估计，确定扰动特征值 $\lambda_\varepsilon$ 的单性（simplicity），并分析 $u_\varepsilon$ 的节点集（nodal sets）在孔洞附近的性质。

方法论
分析高度依赖于前人工作 [1] 中引入的 $u$-容量势（$u$-capacitary potential）$V_{\varepsilon, u}$。该函数是以下 Dirichlet 问题唯一的弱解：
$$\begin{cases} \Delta V_{\varepsilon, u} = 0 & \text{in } \Omega \setminus B(P, \varepsilon), \\ V_{\varepsilon, u} = 0 & \text{on } \partial \Omega, \\ V_{\varepsilon, u} = u & \text{on } \partial B(P, \varepsilon), \end{cases}$$
其中 $u$ 是未扰动问题的特征函数。

本文的核心方法论创新在于推导了 $V_{\varepsilon, u}$ 随 $\varepsilon \to 0$ 时的 精细逐点估计（sharp pointwise estimates），并将其表示为关于 Green 函数 $G_\Omega(x, P)$ 以及 $u$ 在孔心 $P$ 处的导数。不同于以往仅建立 $L^p$ 空间估计的研究，本工作提供了一致的逐点界限。

关键分析工具包括：

1. 消失阶分解（Vanishing Order Decomposition）：对于具有重数 $m(\lambda) \ge 2$ 的多重特征值 $\lambda$，特征空间 $E(\lambda)$ 根据特征函数在 $P$ 点的消失阶 $k_J$ 被分解为正交子空间 $E_J$。
2. 矩阵表征（Matrix Characterization）：多重特征值的渐近分裂与由 $P$ 点处基特征函数的导数及涉及 Gamma 函数的几何常数构成的特定矩阵 $G_{k_J}(P)$ 的特征值相关联。
3. 谱定理与正则性：利用谱投影和椭圆正则性估计（Moser 迭代、Schauder 估计）来控制 $u_\varepsilon - u$ 的差异，从而分析特征函数的收敛性。

核心贡献与结果

1. 容量势的逐点估计
本文建立了 $V_{\varepsilon, u}(x)$ 在 $\Omega_\varepsilon$ 中一致的显式渐近展开式。其主项由 $u$ 在 $P$ 点的消失阶 $k$ 决定：

• 对于 $N \ge 3$： $V_{\varepsilon, u}(x) \sim C \varepsilon^{N-2+2k} \sum \partial^\alpha u(P) \partial^\alpha G_\Omega(x, P)$。
• 对于 $N = 2$： 若 $k=0$ 则涉及对数项，若 $k \ge 1$ 则涉及多项式项。
  这些估计精炼了以往的 $L^p$ 结果，对于分析特征函数在孔洞附近的局部行为至关重要。

2. 扰动特征值的单性
作者提供了扰动特征值 $\lambda_{j, \varepsilon}$ 为单特征值的显式条件。

• 单特征值：若 $\lambda$ 是单特征值，则 $\lambda_\varepsilon$ 保持单性，且其收敛速率由 $u(P)$（若 $k=0$）或消失阶 $k$ 决定。
• 多重特征值：若 $\lambda$ 具有重数 $m(\lambda) \ge 2$，则特征值会发生分叉。本文证明，分支的分裂速率和分支的单性受矩阵 $G_{k_J}(P)$ 特征值的支配。
  • 具体而言，若 $G_{k_J}(P)$ 的所有特征值均为单特征值，则对于足够小的 $\varepsilon$，相应的扰动特征值也是单特征值。
  • 本文提供了一个反例（带中心位于原点的单位圆第二特征值），表明如果矩阵特征值不是单的，即使在对称配置下对孔心进行微小位移，扰动后的特征值仍可能保持重数。

3. 特征函数的定量估计
本文推导了扰动特征函数 $u_\varepsilon$ 与未扰动特征函数 $u$ 之间差异的精细估计。

• 全局估计：$u_\varepsilon(x) \approx u(x) - V_{\varepsilon, u}(x)$，具有取决于 $N$ 和消失阶 $k$ 的显式误差界。
• 边界行为：在孔边界 $\partial B(P, \varepsilon)$ 附近，本文提供了精确的渐近公式。例如，若 $k=0$ 且 $N=2$，则 $u_\varepsilon(x) \approx (1 + \frac{\log|x-P|}{\log \varepsilon})u(x)$。这些估计被证明是仅靠标准正则性理论无法实现的。

4. 节点集与区域
研究将特征函数估计应用于节点集 $N_\varepsilon = \{x \in \Omega_\varepsilon : u_\varepsilon(x) = 0\}$ 的几何性质。

• 情况 $P \notin N$：若孔心不在 $u$ 的节点集上，则对于较小的 $\varepsilon$，节点集 $N_\varepsilon$ 不会与孔边界相交。$u_\varepsilon$ 的节点区域数量小于或等于 $u$ 的数量。若 $u$ 具有两个节点区域（例如第二特征函数），则 $u_\varepsilon$ 仍保留恰好两个节点区域。
• 情况 $P \in N$：若孔心位于节点集上，其行为取决于消失阶 $k$。在 $N=2$ 维情况下，若 $u$ 在 $P$ 点以 $k$ 阶消失，则节点集 $N_\varepsilon$ 与孔边界 $\partial B(P, \varepsilon)$ 恰好交于 $2k$ 个点。这将未扰动区域内的节点线局部结构扩展到了扰动后的区域。

意义与主张
本文声称提供了一个理解 Dirichlet 拉普拉斯算子奇异摄动的全面框架。其意义在于：

• 精炼渐近行为：从积分（$L^p$）估计转向逐点估计，使得对奇点附近特征函数行为的详细描述成为可能。
• 显式的单性判据：通过将扰动特征值的单性与矩阵 $G_{k_J}(P)$ 的谱性质联系起来，作者为特征值分裂提供了可计算的几何条件，解决了此前对多重特征值理解不足的问题。
• 节点集稳定性：研究将“Payne 性质”（关于凸性和节点线与边界相交的性质）推广到带孔区域，特别是刻画了节点线如何基于特征函数的消失阶与孔边界发生相互作用。

作者指出，尽管结果是精细的，但在小位移下特征值的泛型单性（generic simplicity）仍是一个开放问题，特别是在对称区域中，特定的配置（如圆盘中的原点）可能会保持重数。