[论文解读] Homogenization of Green and Neumann Functions

Carlos E. Kenig, Fanghua Lin+1 more|arXiv (Cornell University)|Jan 6, 2012

Advanced Mathematical Modeling in Engineering参考文献 20被引用 5

一句话总结

本文建立了具有快速振荡周期系数的二阶椭圆算子对应的格林函数和诺伊曼函数的精确渐近展开式及收敛速率。通过引入狄利克雷和诺伊曼校正函数，推导出满足狄利克雷或诺伊曼边界条件的解在 $W^{1,p}$ 范数下的最优收敛速率，给出了格林函数和诺伊曼函数的 $O(\varepsilon)$ 估计，以及在 $C^{2,\eta}$ 域中其梯度的 $O(\varepsilon \ln(\varepsilon^{-1}|x-y|+2))$ 估计。

ABSTRACT

For a family of second-order elliptic operators with rapidly oscillating periodic coefficients, we study the asymptotic behavior of the Green and Neumann functions, using Dirichlet and Neumann correctors. As a result we obtain asymptotic expansions of Poisson kernels and the Dirichlet-to-Neumann maps as well as near optimal convergence rates in $W^{1,p}$ for solutions with Dirichlet or Neumann boundary conditions.

研究动机与目标

• 分析当 $\varepsilon \to 0$ 时，具有快速振荡周期系数的椭圆算子的格林函数和诺伊曼函数的渐近行为。
• 建立满足狄利克雷或诺伊曼边界条件的解在 $W^{1,p}$ 范数下的最优收敛速率。
• 利用校正函数推导泊松核和狄利克雷-诺伊曼映射的渐近展开式。
• 以 $\varepsilon$ 和区域正则性为参数，量化异质与均质格林函数及诺伊曼函数之间的误差。

提出的方法

• 引入狄利克雷校正函数 $\Phi_{\varepsilon,j}^{\beta}$，其满足 $\mathcal{L}_{\varepsilon}(\Phi_{\varepsilon,j}^{\beta}) = 0$ 在 $\Omega$ 内，且在 $\partial\Omega$ 上满足 $\Phi_{\varepsilon,j}^{\beta} = P_j^\beta$。
• 引入诺伊曼校正函数 $\Psi_{\varepsilon,j}^{\beta}$，其满足 $\mathcal{L}_{\varepsilon}(\Psi_{\varepsilon,j}^{\beta}) = 0$ 在 $\Omega$ 内，且在 $\partial\Omega$ 上满足共形导数 $\partial/\partial\nu_\varepsilon(\Psi_{\varepsilon,j}^{\beta}) = \partial/\partial\nu_0(P_j^\beta)$。
• 利用校正函数构造 $G_\varepsilon(x,y)$ 和 $N_\varepsilon(x,y)$ 的渐近展开式，将其表示为 $G_0(x,y)$ 加上涉及 $\Phi_{\varepsilon,j}^{\beta}$ 和 $\Psi_{\varepsilon,j}^{\beta}$ 的校正项。
• 应用加权 $L^p$ 估计和 Carleson 测度界来控制展开式中的误差项。
• 采用对偶性和格林公式来估计涉及狄利克雷-诺伊曼映射 $\Lambda$ 的换位子，这对控制梯度误差至关重要。
• 依赖于 Dahlberg、Kenig 等人关于非切向极大函数和 BMO 范数的已知估计，以控制高阶项。

实验结果

研究问题

• RQ1 当 $\varepsilon \to 0$ 时，快速振荡椭圆算子的格林函数和诺伊曼函数如何收敛到其均质化对应物？
• RQ2 在 $W^{1,p}$ 范数下，满足狄利克雷或诺伊曼边界条件的解的最优收敛速率是什么？
• RQ3 校正函数如何用于构造格林函数和诺伊曼函数及其梯度的渐近展开式？
• RQ4 区域正则性（$C^{1,1}$ 与 $C^{2,\eta}$）和对称性（$A^* = A$）在收敛速率中起什么作用？
• RQ5 在均质化背景下，能否为换位子 $[\Lambda, x_i]$ 推导出精确的 $L^p$ 估计？

主要发现

• 在 $C^{1,1}$ 域中，有 $|G_\varepsilon(x,y) - G_0(x,y)| \leq C\varepsilon / |x-y|^{d-1}$，建立了格林函数的 $O(\varepsilon)$ 收敛性。
• 在 $C^{2,\eta}$ 域中，格林函数的梯度满足 $\left|\partial_{x_i}G_\varepsilon^{\alpha\beta} - \partial_{x_i}\Phi_{\varepsilon,j}^{\alpha\gamma} \cdot \partial_{x_j}G_0^{\gamma\beta}\right| \leq C\varepsilon \ln(\varepsilon^{-1}|x-y|+2)/|x-y|^d$。
• 在对称条件 ($A^* = A$) 下，诺伊曼函数在 $C^{1,1}$ 域中满足 $|N_\varepsilon(x,y) - N_0(x,y)| \leq C\varepsilon \ln(\varepsilon^{-1}|x-y|+2)/|x-y|^{d-1}$。
• 在 $C^{2,\eta}$ 域中，对 $t \in (0,1)$，诺伊曼函数的梯度满足 $\left|\partial_{x_i}N_\varepsilon^{\alpha\beta} - \partial_{x_i}\Psi_{\varepsilon,j}^{\alpha\gamma} \cdot \partial_{x_j}N_0^{\gamma\beta}\right| \leq C_t \varepsilon^t \ln(\varepsilon^{-1}M+2)/|x-y|^{d-1+t}$。
• 结果表明，对于 $1 < p \leq \infty$，满足狄利克雷或诺伊曼数据的解在 $L^p(\Omega)$ 范数下具有 $O(\varepsilon)$ 收敛性。
• 本文证明了一个关键的换位子估计 $\|\Lambda(fg) - f\Lambda(g)\|_{L^2(\partial\Omega)} \leq C\|f\|_{H^1(\partial\Omega)}\|g\|_{L^\infty(\partial\Omega)}$，这对控制梯度误差至关重要。