[论文解读] Precised approximations in elliptic homogenization beyond the periodic setting

Xavier Blanc, Marc Josien+1 more|arXiv (Cornell University)|Dec 18, 2018

Advanced Mathematical Modeling in Engineering参考文献 29被引用 15

一句话总结

本文在系数为周期背景的局部扰动下，建立了椭圆同伦问题在 $W^{1,p}$ 和利普希茨范数下的精确收敛速率。通过构造一种考虑缺陷的校正器，并借鉴 Avellaneda 和 Lin 的策略，作者证明了收敛速率显式依赖于扰动的可积性，将经典的周期同伦结果推广至具有定量控制的非周期设定。

ABSTRACT

We consider homogenization problems for linear elliptic equations in divergence form. The coecients are assumed to be a local perturbation of some periodic background. We prove $W^{1,p}$ and Lipschitz convergence of the two-scale expansion, with explicit rates. For this purpose, we use a corrector adapted to this particular setting, and dened in [10, 11], and apply the same strategy of proof as Avellaneda and Lin in [1]. We also propose an abstract setting generalizing our particular assumptions for which the same estimates hold.

研究动机与目标

• 建立椭圆方程在系数为周期背景的局部扰动下，$W^{1,p}$ 和利普希茨范数下的定量收敛速率。
• 证明针对局部缺陷量身定制的校正器可实现超越标准周期情形的改进收敛速率。
• 将经典的周期同伦框架推广至更广泛的抽象设定，涵盖非周期性、局部扰动的系数。
• 基于 Calderón-Zygmund 理论与椭圆正则性，提供一种严谨的证明策略，并将其适配至扰动设定。
• 将已知的周期同伦估计的适用性扩展至非周期性、受缺陷影响的系统，显式依赖于扰动的可积性。

提出的方法

• 作者采用先前工作 [9, 10, 11] 中构造的校正器，该校正器可反映系数矩阵中的局部缺陷，从而确保改进的收敛性质。
• 将 Avellaneda 和 Lin [1] 及 Avellaneda 和 Lin [24] 的证明策略适配至具有局部扰动的非周期设定。
• 分析依赖于校正器及其梯度的 Hölder 与利普希茨估计，这些估计通过 Calderón-Zygmund 理论与椭圆正则性推导得出。
• 作者将校正器分解为周期部分与缺陷诱导部分，后者通过与奇异核的卷积构造，并证明其满足 $L^ ho$ 与 Hölder 估计。
• 通过极大函数估计与 Morrey 定理，建立校正器梯度的有界性，其依赖于扰动的可积性 $r$。
• 通过分析两尺度展开中的余项，结合校正器及其梯度的有界性与正则性，推导出收敛速率。

实验结果

研究问题

• RQ1 当系数矩阵为周期矩阵的局部扰动时，能否在椭圆同伦问题中建立精确的 $W^{1,p}$ 收敛速率？
• RQ2 收敛速率对系数矩阵中局部缺陷可积性 $r$ 的依赖关系如何？
• RQ3 使用考虑缺陷的校正器是否可在更强的拓扑（如 $W^{1,p}$ 或利普希茨范数）下实现优于标准周期同伦的收敛性？
• RQ4 经典的周期同伦框架能否推广至非周期、受缺陷影响的设定，并保持定量估计？
• RQ5 在存在局部缺陷的情况下，校正器及其梯度的正则性与衰减性质为何？

主要发现

• 本文建立了两尺度展开在 $W^{1,p}$ 范数下的收敛性，其速率显式依赖于扰动的 $L^r$-可积性，其中 $r \in [1, \infty) \setminus \{d\}$。
• 证明了利普希茨收敛性，其速率依赖于背景的 Hölder 正则性与缺陷的可积性，其中 Hölder 指数为 $\nu_r = \min(\alpha, 1 - \frac{d}{r})$（当 $r < d$ 时），$\nu_r = \alpha$（当 $r \geq d$ 时）。
• 证明了 [10, 11] 中构造的校正器在 $W^{1,p}$ 与利普希茨范数下可实现最优收敛速率，验证了其在定量同伦中的有效性。
• 证明了校正器的梯度属于 $L^q$（$q \in (r, \infty)$），且具有 Hölder 连续性，指数为 $\nu_r$，确保了收敛估计所必需的正则性。
• 结果被推广至一种抽象设定，其中对系数矩阵的假设以形式化方式表达，超越了周期性限制，且保持相同的收敛速率。
• 证明策略源自 [1, 24]，但针对方程（而非系统）进行了调整，简化了技术细节，同时保留了核心分析工具。