[논문 리뷰] Intrinsic square functions with arbitrary aperture

Pavel Zorin‐Kranich|arXiv (Cornell University)|2016. 05. 10.

Advanced Harmonic Analysis Research참고 문헌 24인용 수 3

한 줄 요약

이 논문은 공간의 동차성 조건을 만족하는 공간에서 임베디드 제곱 함수에 대해 임의의 광범위 $\beta \geq 1$에 대해 날카운 가중치 추정을 도입하며, 로그-디니 연속성 조건을 만족하는 시험 함수를 사용한다. 이는 $L^p$ 및 약한 유형 추정을 최적의 방식으로 도출하며, 광범위 $\beta$, 디니/로그-디니 연속성 모듈러스, 쌍곡상수에 대한 명시적 의존성을 확보한다. 특히, $\gamma = \sup_x \mu(B(x,\beta t))/\mu(B(x,t))$에 대한 최적 의존성을 달성하며, 유클리드 공간에서는 $\beta^D$ 비례로 척도가 조정된다.

ABSTRACT

We consider intrinsic square functions defined using (log-)Dini continuous test functions on spaces of homogeneous type. We prove weighted estimates with optimal (at least in the Euclidean case) dependence on the aperture of the cone used to define the square function and linear dependence on the (log-)Dini modulus of continuity.

연구 동기 및 목표

• 공간의 동차성 조건을 만족하는 공간에서 임의의 광범위 $\beta \geq 1$에 대해 임베디드 제곱 함수에 대한 가중치 $L^p$ 및 약한 유형 추정을 수립하는 것.
• 이러한 추정의 광범위 $\beta$, 연속성 모듈러스 $\omega$, 측도의 쌍곡상수에 대한 의존성을 정량화하는 것.
• 특히 거치적일 경우에 광범위 $\beta$에 대한 의존성이 최적이며, 특히 거치적 가중치에 대해 이를 입증하는 것.
• 기존의 $\beta = 1$에 대한 결과를 $\beta = 1$의 경우로 축소하지 않고 일반 $\beta$로 확장하는 것.
• 임의의 광범위를 가진 임베디드 제곱 함수에 대해 스퍼스 도메인화 및 이중 가중치 추정을 도출하는 것.

제안 방법

• 로그-디니 정규성 조건을 만족하는 시험 함수를 사용하여, 반경 $\kappa^k$ 내에 포함되며 $L^1$ 정규화 및 $\omega$에 의한 호일더 제어를 갖는 $G_{\omega,\beta}f(x)$의 초월을 정의한다.
• 이중 분해 및 스퍼스 도메인화 기법을 활용하여, 알려진 스퍼스 연산자 추정을 이용해 제곱 함수를 스퍼스 연산자로 통제한다.
• 스퍼스 도메인화 및 알려진 스퍼스 연산자 추정을 적용하여, 약한 유형 $(1,1)$ 추정을 확립하고, $L^p$ 및 약한 유형 $L^p$ 추정을 유도한다.
• 측도의 쌍곡성 및 역쌍곡성 성질을 이용하여, $\beta$에 의한 스케일링에 따른 공의 측도 성장률을 통제하며, 이로 인해 $\gamma = \sup_x \mu(B(x,\beta t))/\mu(B(x,t))$를 도출한다.
• 유클리드 공간에서의 반례를 구성하여 광범위 의존성의 최적성을 입증하며, $\gamma$의 지수를 향상시킬 수 없음을 보인다.
• 메트라이제이션 정리들을 적용하여 메트릭 공간에서의 결과를 쿼드라메트릭 공간으로 확장하며, 주로 표기법의 변경만 필요하다.

실험 결과

연구 질문

• RQ1 임베디드 제곱 함수에 대한 가중치 $L^p$ 및 약한 유형 추정에서 광범위 $\beta$에 대한 날카운 의존성은 무엇인가?
• RQ2 측도 $\gamma = \sup_x \mu(B(x,\beta t))/\mu(B(x,t))$에서 $\gamma^{1/2}$ 인자 이상의 광범위 $\beta$ 의존성을 향상시킬 수 있는가?
• RQ3 약한 유형 추정에서 로그-디니 노름 $\omega$가 필수적인가, 아니면 추가적인 기하학적 가정 하에 디니 노름으로 대체할 수 있는가?
• RQ4 임의의 광범위에 대해 고전적 경우 $\beta = 1$과 비교할 때, 가중치 노름 추정에서 임베디드 제곱 함수는 어떻게 다를까?
• RQ5 스퍼스 도메인화 접근법을 사용하여, 임의의 광범위를 가진 임베디드 제곱 함수에 대해 이중 가중치 $L^p$ 및 약한 유형 추정을 도출할 수 있는가?

주요 결과

• 가중치 $L^2$ 추정은 $\int (G_{\omega,\beta}f)^2 v \lesssim \Phi \|\omega\|_{\mathrm{Dini}} \int |f|^2 Mv$를 만족하며, 디니 노름과 $\Phi$에 대한 최적 의존성과 함께, $\beta$에 대한 추가 의존성이 $\Phi$ 외에는 없음을 보인다.
• 약한 유형 추정은 $\sup_\lambda \lambda v\{G_{\omega,\beta}f > \lambda\} \lesssim \gamma^{1/2} \|\omega\|_{\mathrm{log-Dini}} \int |f| Mv$를 만족하며, $\gamma = \sup_x \mu(B(x,\beta t))/\mu(B(x,t))$이므로 광범위에 대한 최적 의존성이 입증된다.
• 유클리드 공간인 $\mathbb{R}^d$의 경우 $\gamma \sim \beta^d$이며, 거치적 가중치 $w(x) = |x|^\alpha$를 사용한 반례로 인해 $\beta$에 대한 의존성이 최적이며, 이는 $\gamma = \beta^d$의 거듭제곱과 일치함을 보였다.
• 코로나리 1.7의 이중 가중치 $L^p$ 및 약한 유형 $L^p$ 추정은 $\gamma^{1/2}$ 및 $\|\omega\|_{\mathrm{log-Dini}}$에 대한 의존성이 최적이며, $[w,\sigma]_{A_p}$, $[w]_{A_\infty}$ 및 $[\sigma]_{A_\infty}$에 대한 명시적 의존성이 포함되어 있다.
• 역쌍곡성 조건 하에서, 약한 유형 추정의 로그-디니 노름은 디니 노름으로 대체될 수 있으며, 이는 특정 기하학적 설정에서 의존성을 향상시킨다.
• $\mathbb{R}^d$에서 거치적 가중치에 대해 $L^p$ 연산자 노름의 $\beta$에 대한 의존성이 최적이며, 부록 B에서 함수 $f$와 가중치 $w$를 구성하여 $\|G_{\omega,\beta}f\|_{L^{p,\infty}(w)} \gtrsim \beta^{-dp/2 + d + \alpha/2}$를 도출함으로써, $\gamma = \beta^d$의 예측된 거듭제곱과 일치함을 입증하였다.