[논문 리뷰] Sharp constants and optimizers for a class of the Caffarelli-Kohn-Nirenberg inequalities

Nguyen Lam, Guozhen Lu|arXiv (Cornell University)|2015. 10. 05.

Nonlinear Partial Differential Equations참고 문헌 25인용 수 4

한 줄 요약

이 논문은 새로운 변환 방법을 사용하여 넓은 범주에 걸친 Caffarelli-Kohn-Nirenberg (CKN) 부등식에 대해 날카운 상수와 명시적 최적화 함수를 확립한다. $0 < a < 1$인 경우 대칭성과 최적화 함수의 존재성을 증명하며, 특수한 경우인 $r = p\frac{q-1}{p-1}$ 및 $q = p\frac{r-1}{p-1}$에 대해 닫힌 형태의 극값 함수를 제공하고, 모든 $\mu \geq 0$에 대해 $a=1$인 경우 정확한 최적화 함수를 제시하여 가중치가 부여된 소볼레프 유형 부등식에서 오랫동안 남아있던 날카운 상수와 극값 함수에 대한 질문을 해결한다.

ABSTRACT

In this paper, we will use a suitable tranform to investigate the sharp constants and optimizers for the following Caffarelli-Kohn-Nirenberg inequalities for a wide range of parameters $(r,p,q,s,μ,σ)$ and $0\leq a\leq1$: \begin{equation} \left({\displaystyle\int} \left\vert u ight\vert ^{r}\frac{dx}{\left\vert x ight\vert ^{s}} ight)^{1/r}\leq C\left( {\displaystyle\int} \left\vert abla u ight\vert ^{p}\frac{dx}{\left\vert x ight\vert ^μ% } ight) ^{a/p}\left({\displaystyle\int} \left\vert u ight\vert ^{q}\frac{dx}{\left\vert x ight\vert ^σ% } ight) ^{\left( 1-a ight) /q}. \end{equation} We are able to compute the best constants and the explicit forms of the extremal functions in numerous cases. When $0

연구 동기 및 목표

• 일반적인 매개수를 가진 넓은 범주에 걸친 Caffarelli-Kohn-Nirenberg (CKN) 부등식의 최적 상수를 결정하는 것.
• 특히 임계 매개수 영역에서 이러한 부등식의 명시적 극값 함수(최적화 함수) 형태를 규명하는 것.
• $0 < a < 1$일 때 최적화 함수의 존재성과 반지름 대칭성을 확립하는 것.
• $a = 1$의 경우를 해결하여 모든 $\mu \geq 0$에 대해 정확한 최적화 함수를 제공함으로써, 하디-소볼레프 및 소볼레프 부등식에 대한 기존 결과를 확장하는 것.
• 대칭성과 대칭성 붕괴를 분석하는 데 유용한 변환 기반 방법을 개발하는 것.

제안 방법

• 적절한 변수 변경과 변환 $T_{N,d,p}$를 적용하여 일반 CKN 부등식을 수정된 가중치를 가진 형태로 단순화함으로써 대칭성 분석이 가능하도록 한다.
• 이 방법은 반지름 대칭 재배열과 노름을 유지하는 스케일링에 대한 불변성 성질을 활용한다.
• 저자들은 쌍대성 원리와 스케일링 기법을 사용하여 $a=1$인 경우의 날카운 상수를 유도하며, 기존의 소볼레프 및 하디-소볼레프 부등식 결과를 일반화한다.
• $r = p\frac{q-1}{p-1}$ 및 $q = p\frac{r-1}{p-1}$인 경우, 델 피노와 돌베오의 정신에 따라 최적화 함수를 명시적으로 구성하여 닫힌 형태의 표현을 도출한다.
• $\|\cdot\|$-반지름 최적화 함수의 존재성은 변환된 부등식과 원래 부등식 간의 비교를 통해 증명되며, 이는 변환의 노름 행동에 의존한다.
• 논문은 대칭성 전파 결과를 확립한다: 변환된 공간에서 최적화 함수가 존재한다면, 원래 공간에서도 최적화 함수가 존재하며, 변환 하에 반지름 대칭성이 유지된다.

실험 결과

연구 질문

• RQ1 일반 매개수 $(r,p,q,s,\mu,\sigma)$ 및 $0 \leq a \leq 1$ 범위에서 Caffarelli-Kohn-Nirenberg 부등식의 날카운 상수는 무엇인가요?
• RQ2 $a=1$인 경우 극값 함수(최적화 함수)의 명시적 형태는 무엇이며, 어떤 매개수 범위에서 존재합니까?
• RQ3 $0 < a < 1$일 때 최적화 함수가 존재하고 반지름 대칭성을 띠는 조건은 무엇입니까?
• RQ4 변환 방법을 통해 다양한 가중치 노름 간에 최적화 함수의 대칭성이 유지되거나 전달될 수 있나요?
• RQ5 변환 $T_{N,d,p}$는 CKN 부등식의 복잡성을 어떻게 줄이고, 극값 함수 분석을 단순화하는 데 어떻게 활용될 수 있나요?

주요 결과

• a=1인 경우, 모든 $\mu \geq 0$에 대해 정확한 최적화 함수를 제공하며, 하디-소볼레프 및 소볼레프 부등식에 대한 기존 결과를 일반화한다.
• 특수한 경우인 $r = p\frac{q-1}{p-1}$ 및 $q = p\frac{r-1}{p-1}$에 대해 극값 함수를 명시적으로 구성하고, $u_{c,\lambda}(x) = c(\lambda + |x|^{\frac{p-s}{p-1}})^{-\frac{N-p}{p-s}}$ 형태임을 보여주며, 이는 오일러-라그랑주 방정식의 기존 해와 일치한다.
• $0 < a < 1$인 경우 광범위한 매개수 조건 하에서 최적화 함수의 존재성과 반지름 대칭성이 확립되며, $\frac{N-p}{N-p-\mu} > 1$인 경우도 포함된다.
• 변환 $T_{N,d,p}$는 부등식의 구조를 유지하며, 변환된 공간에서의 반지름 최적화 함수를 원래 공간으로 전달할 수 있게 하여 대칭성 전파를 증명한다.
• $a=1$인 경우의 날카운 상수는 스케일링과 대칭성 추론을 통해 유도되며, 오비엔, 탈렌티, 베커너의 고전적 결과를 가중치가 부여된 노름으로 확장한다.
• 논문은 변환된 공간에서 $\|\cdot\|$-반지름 최적화 함수가 존재한다면, 원래 공간에서도 $\|\cdot\|$-반지름 최적화 함수가 존재함을 증명하며, 일반적인 가중치 하에서의 대칭성 분석을 가능하게 한다.