[논문 리뷰] Convolution operator and maximal function for Dunkl transform

Sundaram Thangavelu, Yuan Xu|ArXiv.org|2004. 03. 02.

Mathematical Analysis and Transform Methods참고 문헌 17인용 수 5

한 줄 요약

이 논문은 일반화된 콘볼루션과 최대 함수를 도입하여 덱스 데출트 변환에 대한 L^p 이론을 수립한다. 보체르-리에즈 및 포아송 평균과 같은 합산 방법에 대해 L^p 유계성과 거의 everywhere 수렴성을 증명한다. 핵심 기여는 최대 함수에 대한 약형 (1,1) 및 강형 (p,p) 추정을 확립하여, 역 덱스 데출트 변환 합산의 거의 everywhere 수렴을 보장하는 것이다.

ABSTRACT

For a family of weight functions, $h_κ$, invariant under a finite reflection group on $\RR^d$, analysis related to the Dunkl transform is carried out for the weighted $L^p$ spaces. Making use of the generalized translation operator and the weighted convolution, we study the summability of the inverse Dunkl transform, including as examples the Poisson integrals and the Bochner-Riesz means. We also define a maximal function and use it to prove the almost everywhere convergence.

연구 동기 및 목표

• 반사군 불변 가중치를 갖는 가중 L^p 공간으로 고전적 푸리에 해석을 확장하여 덱스 데출트 변환에 대한 L^p 이론을 수립한다.
• 덱스 데출트 이동 연산자를 사용하여 일반화된 콘볼루션 연산자를 정의함으로써 보체르-리에즈 및 포아송 평균과 같은 합산 방법을 가능하게 한다.
• 덱스 데출트 콘볼루션과 관련된 최대 함수를 도입하고, L^p 공간에서의 유계성을 증명한다.
• 최대 함수 추정을 통해 역 덱스 데출트 변환 합산의 거의 everywhere 수렴성을 증명한다.
• 특수한 경우 G = Z_2^d에 대해, 이동 연산자의 명시적 공식이 존재하여 더 강력한 유계성 결과를 도출할 수 있다.

제안 방법

• 인터랙티브 연산자 V_κ를 포함하는 일반화된 지수 함수로 고전적 푸리에 변환의 지수 함수를 대체하는 커널 E(x, -iy)를 통해 덱스 데출트 변환을 정의한다.
• 클래식적 이동을 가중 L^p 설정에서 대체하기 위해 τ_y f ^ (x) = E(y, -ix) f ^ (x)의 작용을 통해 일반화된 이동 연산자 τ_y를 정의한다.
• g의 역 변환을 사용하여 (f *ₖ g)(x) = ∫ f(y) τ_x g^∨(y) h_κ²(y) dy 공식을 통해 덱스 데출트 콘볼루션 f *ₖ g를 정의한다.
• 예리한 페일리-위너 정리를 사용하여, 적분 가능성과 감쇠 조건을 만족하는 반사대칭 φ_ε에 대해 f *ₖ φ_ε가 L^p에서 f로 수렴함을 증명한다.
• 최대 함수 M_κ f(x) = sup_ε |f *ₖ φ_ε(x)|를 정의하고, 1 < p ≤ ∞에 대해 약형 (1,1) 및 강형 (p,p) 유계성을 증명한다.
• G = Z_2^d의 경우, τ_y의 명시적 공식을 사용하여 최대 함수를 군 궤도 위의 평균으로 표현함으로써 더 강력한 L^p 추정을 가능하게 한다.

실험 결과

연구 질문

• RQ1 반사군 불변 가중치를 갖는 덱스 데출트 변환 설정에서 고전적 콘볼루션 및 최대 함수 이론을 어떻게 확장할 수 있는가?
• RQ2 f *ₖ φ_ε의 L^p 유계성과 f ∈ L^1(R^d, h_κ²)에 대해 f로의 L^p 수렴을 보장하기 위한 조건은 무엇인가?
• RQ3 덱스 데출트 변환을 위한 최대 함수를 정의할 수 있으며, 이는 합산 방법의 거의 everywhere 수렴을 유도하는가?
• RQ4 특히 G = Z_2^d일 경우, 반사군 G의 구조는 일반화된 이동 연산자의 유계성과 명시적 표현에 어떻게 영향을 미치는가?
• RQ5 최대 함수 M_κ f의 약형 (1,1) 및 강형 (p,p) 행동은 무엇이며, 이는 f *ₖ φ_ε의 거의 everywhere 수렴을 어떻게 유도하는가?

주요 결과

• 최대 함수 M_κ f는 1 < p ≤ ∞에 대해 약형 (1,1) 및 강형 (p,p)을 가지며, 이는 f *ₖ φ_ε가 f로 거의 everywhere 수렴함을 의미한다.
• φ ∈ L^1(R^d, h_κ²)가 반사대칭이고 ∫ φ h_κ² dx = 1이며, φ ≤ ψ를 만족하고, ψ가 반사대칭이면서 ∫₀^∞ r^{2λ_κ+2} |ψ₀(r)| dr < ∞를 만족하는 경우, f ∈ L^1(R^d, h_κ²)에 대해 f *ₖ φ_ε는 거의 everywhere로 f로 수렴한다.
• G = Z_2^d의 경우, 일반화된 이동 연산자 τ_y는 L^p(R^d, h_κ²)에서 유계이며, 더 전통적인 증명과 더 강력한 L^p 추정을 가능하게 한다.
• 최대 함수 M_κ f는 점별 추정 |(f *ₖ φ)(x)| ≤ M_κ f(x) + 2∑ M_κ F_j(x) + ... + 2^d M_κ F_{1,…,d}(x)를 만족하며, 여기서 F_j는 f의 대칭 평균이다.
• M_κ f의 약형 (1,1) 추정은 ∫_{|f*ₖφ| ≥ a} h_κ²(y) dy ≤ c_d ||f||_{κ,1} / a의 부등식을 이끌어내며, 이는 최대 함수가 약형 (1,1)임을 증명한다.
• 반사대칭 함수에서 τ_y의 L^p에서의 유계성이 확립되었으며, 이는 일반화된 콘볼루션의 수렴 결과에 있어 필수적이다.