[논문 리뷰] Convex body domination and weighted estimates with matrix weights

Fëdor Nazarov, Stefanie Petermichl외 2명|arXiv (Cornell University)|2017. 01. 08.

Advanced Harmonic Analysis Research참고 문헌 14인용 수 6

한 줄 요약

이 논문은 벡터값 캘러존–지그문드 연산자, 헤어 이동자, 파라프로덕트를 지배하기 위해 볼록체 값을 갖는 희소 연산자를 도입하여 행렬 가중치를 사용하는 날카로운 가중치 $L^2$ 추정을 가능하게 한다. 주요 결과는 $ \|T\|_{L^2(W)\to L^2(W)} \leq C[W]_{\mathbf{A}_2}^{1/2}[W]_{A_\infty} \leq C[W]_{\mathbf{A}_2}^{3/2}$ 를 증명하며, 이는 이전의 로그 추정을 개선하고 희소 지배를 행렬 가중치 설정으로 확장한다.

ABSTRACT

We introduce the so called convex body valued sparse operators, which generalize the notion of sparse operators to the case of spaces of vector valued functions. We prove that Calderón--Zygmund operators as well as Haar shifts and paraproducts can be dominated by such operators. By estimating sparse operators we obtain weighted estimates with matrix weights. We get two weight $A_2$-$A_\infty$ estimates, that in the one weight case give us the estimate $$ \|T\|_{L^2(W) o L^2 (W)} \le C [W]_{A_2}^{1/2} [W]_{A_\infty} \le C[W]_{A_2}^{3/2} $$ where $T$ is either a Calderon--Zygmund operator (with modulus of continuity satisfying the Dini condition), or a Haar shift or a paraproduct.

연구 동기 및 목표

• 스칼라에서 벡터값 설정으로의 희소 지배 기법을 행렬 가중치 설정으로 확장하기 위해.
• 최적의 선형 의존성 $[W]_{\mathbf{A}_2}$ 가 남아 있는 행렬 가중치 설정에서 $A_2$ 추측을 다루기 위해.
• 캘러존–지그문드 연산자, 헤어 이동자, 파라프로덕트의 행렬 가중치 $L^2$ 공간에서의 가중치 연산자 노름 추정을 수립하기 위해.
• 스칼라 희소 지배를 벡터값 함수로 일반화하는 볼록체 값을 갖는 희소 연산자의 프레임워크를 개발하기 위해.
• 이전의 $A_2$ 추정에서 로그 인자를 제거하여 $3/2$의 하한이지만 향상된 지수를 달성하기 위해.

제안 방법

• 값이 $\mathbb{R}^d$ 에 속하는 함수를 대칭 볼록체로 매핑하는 볼록체 값을 갖는 희소 연산자를 도입하기 위해.
• 점별 포함을 통한 지배 정의: 거의 모든 곳에서 $Tf(x) \in \mathbf{L}_{\mathscr{S}}f(x)$ 를 만족시키며, 스칼라 희소 지배를 일반화하기 위해.
• 각 정사각형이 최대 하나의 $\mathscr{S}$-자식을 갖는 이중 희소 가족 $\mathscr{S}$ 를 사용하여 희소성을 보장하기 위해.
• 정사각형 $Q \times E_Q$, $E_Q \times \widehat{Q}$, $\widehat{Q} \times \widehat{Q}$ 로 분해하여 희소 연산자 $\widetilde{L}$ 를 추정하고, 제곱 함수 추정을 사용하기 위해.
• 행렬 가중치 $W$ 와 $V$ 에 대해 알려진 $A_\infty^\mathrm{sc}$ 와 공동 $\mathbf{A}_2$ 조건을 사용하여 연산자 노름을 추정하기 위해.
• 최종 항이 전체 노름의 최대 절반 이하임을 보이기 위해 표준적인 '털어내리기' 추론을 사용하여 추정을 완료하기 위해.

실험 결과

연구 질문

• RQ1 희소 지배 기법은 스칼라에서 행렬 가중치가 있는 벡터값 연산자로 일반화될 수 있는가?
• RQ2 행렬 가중치 설정에서 $A_2$ 상한이 선형일 수 있는가, 아니면 지수 $3/2$ 가 최적인가?
• RQ3 볼록체 값을 갖는 희소 연산자를 사용하여 행렬 설정에서 이전의 $A_2$ 추정의 로그 인자를 제거할 수 있는가?
• RQ4 희소 연산자를 추정할 때 공동 $\mathbf{A}_2$ 와 스칼라 $A_\infty^\mathrm{sc}$ 조건은 어떻게 상호작용하는가?
• RQ5 행렬 가중치 특성 $[W]_{\mathbf{A}_2}$ 와 $[W]_{A_\infty}$ 에 대한 연산자 노름의 날카로운 의존성은 무엇인가?

주요 결과

• 논문은 캘러존–지그문드 연산자, 헤어 이동자, 파라프로덕트에 대해 $ \|T\|_{L^2(W)\to L^2(W)} \leq C[W]_{\mathbf{A}_2}^{1/2}[W]_{A_\infty}$ 를 수립한다.
• 이 추정은 이전 결과를 개선하여 로그 인자를 제거함으로써, 한 가중치 설정에서 $ \|T\| \leq C[W]_{\mathbf{A}_2}^{3/2}$ 를 도출한다.
• 저자들은 벡터값 단일적 분할 연산자를 지배하기 위해 볼록체 값을 갖는 희소 연산자를 도입하고 활용한다.
• 희소 연산자 $\widetilde{L}$ 이 $ \|\widetilde{L}\|_{L^2\to L^2} \leq C2^{N/2}d^{1/2}[W,V]_{\mathbf{A}_2}^{1/2}\left(([W]_{A_\infty}^{\mathrm{sc}})^{1/2} + ([V]_{A_\infty}^{\mathrm{sc}})^{1/2}\right)$ 를 만족함을 보였다.
• 증명은 희소 연산자를 세 부분으로 분해하고, 제곱 함수 추정과 재귀적인 '털어내리기' 추론을 적용하여 노름 상한을 닫는 데 의존한다.