[论文解读] Optimal estimates for the conductivity problem by Green's function method

Hongjie Dong, Haigang Li|arXiv (Cornell University)|Jun 9, 2016

Advanced Mathematical Modeling in Engineering参考文献 21被引用 9

一句话总结

本文针对复合材料中导电性问题的非连续系数发散型椭圆方程，建立了最优梯度及高阶导数估计。通过格林函数方法与共形映射技术，明确给出了估计结果对电导率对比度、夹杂物尺寸及夹杂物间距的依赖关系，解决了Li-Vogelius（2000）提出的关于椭圆性常数依赖性和高阶范数的开放问题（b）与（c）。

ABSTRACT

We study a class of second-order elliptic equations of divergence form, with discontinuous coefficients and data, which models the conductivity problem in composite materials. We establish optimal gradient estimates by showing the explicit dependence of the elliptic coefficients and the distance between interfacial boundaries of inclusions. The novelty of these estimates is that they unify the known results in the literature and answer open problem (b) proposed by Li-Vogelius (2000) for the isotropic conductivity problem. We also obtain more interesting higher-order derivative estimates, which answers open problem (c) of Li-Vogelius (2000). It is worth pointing out that the equations under consideration in this paper are nonhomogeneous.

研究动机与目标

• 解决Li-Vogelius（2000）提出的开放问题（b），即梯度估计对椭圆性常数的依赖关系。
• 解决Li-Vogelius（2000）提出的开放问题（c），即在光滑数据条件下解的高阶导数估计。
• 统一并推广现有关于紧密排列夹杂物复合材料导电性问题的梯度估计结果。
• 建立二维非齐次椭圆方程在非连续系数下的最优估计。
• 分析当夹杂物相互靠近时梯度的爆破速率，尤其在理想导电与绝缘导电情形下。

提出的方法

• 应用格林函数方法，推导发散型椭圆方程（非连续系数）解的逐点估计。
• 利用共形映射技术将问题转化为可分析M"obius变换迭代复合的模型区域。
• 推导迭代M"obius映射$(\Phi_2\Phi_1)^l$与$(\Phi_1\Phi_2)^l$在夹杂物区域内的导数显式界。
• 建立以$ \sqrt{2(1/r_1 + 1/r_2)\varepsilon} $表示的迭代映射导数衰减估计，捕捉夹杂物尺寸与间隙的几何依赖性。
• 通过迭代估计与复合映射不动点的渐近分析，控制导数的增长。
• 将方法拓展至非齐次方程，通过在PDE右端项中引入数据项$f_i$处理非齐次项。

实验结果

研究问题

• RQ1 梯度估计中的常数如何显式依赖于椭圆性常数$k_1$、$k_2$以及夹杂物间距$\varepsilon$？
• RQ2 当数据足够光滑时，类似估计是否适用于高阶导数$D^m u$？
• RQ3 能否为具有非连续系数的非齐次方程（建模导电性问题）推导出最优估计？
• RQ4 梯度爆破速率对夹杂物几何结构与电导率对比度的精确依赖关系是什么？
• RQ5 格林函数方法如何被扩展以统一并推广文献中关于导电性估计的现有结果？

主要发现

• 本文建立了具有显式依赖关系的最优$L^\infty$梯度估计，依赖于$k_1$、$k_2$、$r_1$、$r_2$与$\varepsilon$，解决了Li-Vogelius（2000）的开放问题（b）。
• 首次给出了最优的高阶导数估计$|D^m u|$（$m \geq 1$），回答了Li-Vogelius（2000）的开放问题（c），其界依赖于$m$、$r_1$、$r_2$与$\varepsilon$。
• 梯度估计表现出$\left(1 + \sqrt{2(1/r_1 + 1/r_2)\varepsilon}\right)^{-1}$的衰减率，准确捕捉了对夹杂物尺寸与间隙距离的依赖关系。
• 对于迭代M"obius映射$(\Phi_2\Phi_1)^l$，其$m$阶导数满足在$\mathcal{B}_2$中有$ |D^m(\Phi_2\Phi_1)^l(z)| \leq \frac{C l^{m-1}}{\left(1 + \sqrt{2(1/r_1 + 1/r_2)\varepsilon}\right)^{2l}} $，其中$C$仅依赖于$m$。
• 该方法成功处理了非齐次方程，扩展了以往仅限于齐次或特殊情形的研究结果。
• 结果统一并推广了文献中已知的估计，尤其适用于两个紧密排列夹杂物的各向同性导电性问题。