[논문 리뷰] Quantitative affine approximation for UMD targets

Tuomas Hytönen, Sean Li외 1명|arXiv (Cornell University)|2015. 10. 01.

Advanced Banach Space Theory참고 문헌 44인용 수 3

한 줄 요약

이 논문은 UMD 범주공간으로의 값을 갖는 리프시츠 함수에 대한 정량적 애핀 근사 정리의 수식을 수립한다. 임의의 1-리프시츠 함수가 $n$차원 노름 공간의 단위 구에서 UMD 목표 공간으로의 사상에 대해, 반경 $\exp(-(1/\varepsilon)^{cn})$ 이상인 부분구에서 균일하게 애핀 사상에 가까워지며, 이는 이전의 애핀 근사 가능성의 거시적 척도에 대한 하한을 크게 향상시킨다.

ABSTRACT

It is shown here that if $(Y,\|\cdot\|_Y)$ is a Banach space in which martingale differences are unconditional (a UMD Banach space) then there exists $c=c(Y)\in (0,\infty)$ with the following property. For every $n\in \mathbb{N}$ and $\varepsilon\in (0,1/2]$, if $(X,\|\cdot\|_X)$ is an $n$-dimensional normed space with unit ball $B_X$ and $f:B_X o Y$ is a $1$-Lipschitz function then there exists an affine mapping $Λ:X o Y$ and a sub-ball $B^*=y+ρB_X\subseteq B_X$ of radius $ρ\ge \exp(-(1/\varepsilon)^{cn})$ such that $\|f(x)-Λ(x)\|_Y\le \varepsilon ρ$ for all $x\in B^*$. This estimate on the macroscopic scale of affine approximability of vector-valued Lipschitz functions is an asymptotic improvement (as $n o \infty$) over the best previously known bound even when $X$ is $\mathbb{R}^n$ equipped with the Euclidean norm and $Y$ is a Hilbert space.

연구 동기 및 목표

• UMD 범주공간으로의 값을 갖는 리프시츠 함수에 대해 애핀 근사 가능성의 거시적 척도에 대한 날카운 수량적 경계를 수립하는 것.
• 차원 $n \to \infty$ 일 때의 $L_p$-애핀 근사 가능성의 모듈러스 $r_p^{X\to Y}(\varepsilon)$ 의 渐近적 행동을 해결하는 것.
• 힐버트 공간 케이스에서 애인 근사 가능성의 반경에 대한 이전에 알려진 하한 $e^{-(n/\varepsilon)^{Cn}}$ 을 개선하는 것.
• 특정 함수에 의존하지 않는 부분구에서의 균일한 애인 근사 보장 보장하는 정량적 미분 유형 정리의 제시

제안 방법

• 저자들은 벡터값 리틀우드-파일리 이론과 UMD 공간에서 함수의 진동을 제어하기 위한 $\beta_p(Y)$-수의 새로운 응용을 사용한다.
• 복소 보간과 이진 마틴갈 분해를 사용하여 UMD 공간에서 마틴갈 차분과 관련된 제곱함수의 연산자 노름에 대해 날카운 추정을 도출한다.
• 핵심 요소는 복소 보간 방법을 사용하여 제곱함수의 연산자 노름을 UMD 상수와 차원 $n$ 에 따라 유계화하는 것이다.
• 결과적으로 유도되는 경계를 최소화하기 위해 보간 척도에서 매개변수 $s, \sigma, \theta$ 를 신중히 선택하여 $n$ 에 대해 로그적 의존성을 달성한다.
• 이 방법은 함수를 이진 마틴갈 차분으로 분해하고, 최대 함수 추정을 통해 $f$ 와 그 애인 근사의 차이의 $L_p$-노름을 제어하는 데 의존한다.
• 구성은 애인 사상 $\Lambda(x) = a + Tx$ 가 모든 $x$ 에 대해 부분구에서 $\|f(x) - \Lambda(x)\|_Y \leq \varepsilon\rho$ 를 만족하도록 보장하며, 반경 $\rho \geq \exp(-(1/\varepsilon)^{cn})$ 이다.

실험 결과

연구 질문

• RQ1 1-리프시츠 함수가 UMD 공간으로의 값을 갖는 $n$차원 노름 공간의 단위 구에서 $\varepsilon$-근접한 애인 사상으로 근사 가능한 부분구의 반경 $\rho$ 에 대한 최적의 渐近 하한은 무엇인가?
• RQ2 차원 $n \to \infty$ 일 때, 이전에 알려진 애인 근사 가능성 반경에 대한 하한 $e^{-(n/\varepsilon)^{Cn}}$ 을 渐近적으로 개선할 수 있는가?
• RQ3 목표 공간의 UMD 성질이 벡터값 리프시츠 함수에 대한 애인 근사 가능성의 거시적 척도에 어떻게 영향을 미치는가?
• RQ4 벡터값 리틀우드-파일리 이론을 얼마나 활용하여 범주공간 설정에서 정량적 미분 정리를 도출할 수 있는가?

주요 결과

• 논문은 기존의 $e^{-(n/\varepsilon)^{Cn}}$ 에 비해 더 나은 점근적 하한을 제공하는 새로운 하한 $\rho \geq \exp(-e^{Kn})$ 을 수립한다.
• 모든 $n \in \mathbb{N}$ 과 $\varepsilon \in (0,1/2]$ 에 대해, 반경 최소 $\exp(-(1/\varepsilon)^{cn})$ 인 부분구가 존재하며, 여기서 $c = c(Y)$ 는 $Y$ 의 UMD 상수에만 의존한다.
• 이 결과는 모든 1-리프시츠 함수 $f: B_X \to Y$ 에 대해 일관되게 성립하며, 특정 함수에 의존하지 않아 거시적 미분 정리의 성립을 보장한다.
• 이전 작업에 비해 지수의 지수를 개선하여 반경 $\rho$ 의 하한에 대해 이중지수 감소를 달성함으로써, 이 경계는 날카로움을 갖는다.
• 벡터값 리틀우드-파일리 이론과 복소 보간을 기반으로 한 증명 기법은 범주공간에서의 정량적 근사 분석을 위한 새로운 프레임워크를 제공한다.
• 결과는 $L_p$-모듈러스의 애인 근사 가능성으로까지 확장되며, 반경 $\rho$ 에 대한 동일한 정성적 개선이 이루어진다.