[논문 리뷰] Riesz transforms associated with the Grushin operator with drift

Nishta Garg, Rahul Garg|arXiv (Cornell University)|2026. 03. 16.

Advanced Harmonic Analysis Research인용 수 0

한 줄 요약

본 논문은 Heisenberg–Reiter 군 결과에서의 전달성과 지수 측정에 의한 대칭성을 활용하여 드리프트가 있는 Grushin 연산자와 관련된 1차 및 고차 Riesz 변환에 대해 강형( p,p ) 유계성과 약형( 1,1 ) 유계를 확립한다.

ABSTRACT

We consider the Grushin operator with drift which is symmetric with respect to a measure having exponential growth. For the corresponding Riesz transforms, we study strong-type $(p, p)$, $1 < p < \infty$, and weak-type $(1, 1)$ boundedness.

연구 동기 및 목표

• 드리프트가 있는 Grushin 연산자에 대해 지수 증가 측정에 대해 대칭인 Riesz 변환을 임의의 차수로 연구하고 검토한다.
• 드리프트된 Grushin 설정에 대한 Lp 유계성을 확장하고 엔드포인트 약형 특성을 분석한다.
• 그루신 문제를 Heisenberg–Reiter 군의 드리프트된 부분라플라시안과의 전달 기법을 이용해 연결한다.

제안 방법

• 그리쉬인 연산자에 드리프트 G_a를 G_a = G - 2 a · ∇_{x'}로 정의하고, L^2(R^{n+m}, dμ_a)에서 대칭적임을 보여준다.
• Riesz 변환 R_{α,a} = X^α G_a^{−|α|/2}를 함수 계산 및 열 확산으로 표현한다.
• G_a를 Heisenberg–Reiter 군의 드리프트된 부분라플라시안과 연관시키고 Coifman–Weiss 전달을 적용하여 Lp-유계성을 전달한다.
• 유닛ary 표현을 사용하여 Grushin 그래디언트 필드를 Heisenberg–Reiter 그래디언트와 연결한다.
• 볼 부피의 점근 및 열 커널 경계의 추정치를 사용하여 커널을 제어하고 엔드포인트를 적용한다.
• 스케일링과 평행이동 후 드리프트를 가진 Laplacian으로의 수렴을 보여 엔드포인트의 약형 특성을 도출한다.

실험 결과

연구 질문

• RQ1 1<p<∞에 대해 dμ_a에 대한 첫 번째 및 고차 Riesz 변환 R_{α,a}의 Lp 경계는 어떻게 되는가?
• RQ2 일차 Riesz 변환이 R^{n+1}에서 dμ_a에 대해 균일한 상한을 가지는 약형(1,1)인가?
• RQ3 k≥3인 모든 Riesz 변환이 dμ_a에 대해 약형(1,1)이 되지 않는가?
• RQ4 드리프트된 Grushin 문제와 Transference를 통해 Heisenberg–Reiter 군의 드리프트된 서브라플라시안과의 관계는 어떻게 되는가?
• RQ5 드리프트된 Grushin 연산자의 엔드포인트 결과를 드리프트된 R^ {n+m}의 Laplacian으로부터 도출할 수 있는가?

주요 결과

• |α|=k≥1인 임의의 다중지수에 대해 1<p<∞일 때 R_{α,a}는 L^p(R^{n+m}, dμ_a)에서 유계이며, 상수는 a에 대해 균일하다.
• R^{n+1}(즉, m=1)에서 일차 Riesz 변환은 dμ_a에 대해 약형(1,1)이며, a에 대해 균일한 경계 값을 가진다.
• k≥3인 경우 모든 Riesz 변환이 dμ_a에 대해 약형(1,1)이 되지는 않는다.
• Grushin의 Riesz 변환에 대한 유계성은 Coifman–Weiss 전달을 통해 Heisenberg–Reiter 군의 드리프트된 서브라플라시안의 알려진 결과로부터 도출된다.
• 평행이동과 확장에 의한 변환하에서 드리프트를 가진 Grushin의 Riesz 변환이 R^{n+m}의 드리프트가 있는 Laplacian의 Riesz 변환으로 수렴한다는 제안이 수립된다.
• 이 수렴으로부터 Li–Sjögren–Wu 및 Li–Sjögren의 드리프트 Laplacian 결과와의 비교를 통해 G_a의 엔드포인트 약형 결과를 얻을 수 있다.