[论文解读] Some remarks on weighted logarithmic Sobolev inequality

Patrick Cattiaux, Arnaud Guillin+1 more|arXiv (Cornell University)|May 21, 2010

Nonlinear Partial Differential Equations参考文献 26被引用 4

一句话总结

本文通过李雅普诺夫函数与超加权庞加莱不等式，给出了柯西型测度加权对数索博列夫不等式的改进证明，实现了最优权重形式 $(1+|x|^2)\log(e+|x|^2)$，优于此前已知的 $(1+|x|^2)^2$ 权重。该方法建立了超加权庞加莱不等式与加权 F-索博列夫不等式之间的等价关系，并将其应用于浓度不等式与改进的对数索博列夫不等式。

ABSTRACT

We give here a simple proof of weighted logarithmic Sobolev inequality, for example for Cauchy type measures, with optimal weight, sharpening results of Bobkov-Ledoux. Some consequences are also discussed.

研究动机与目标

• 将柯西型测度加权对数索博列夫不等式的权重改进至超过先前已知的 $(1+|x|^2)^2$ 边界。
• 通过李雅普诺夫条件，建立一个通用框架，连接超加权庞加莱不等式与加权 F-索博列夫不等式。
• 从改进的泛函不等式中推导出更精确的浓度与等周估计。
• 在权重可积条件下，将结果推广至改进的对数索博列夫不等式。

提出的方法

• 采用对偶形式——超加权庞加莱不等式，通过非增函数 $\beta_\omega(s)$ 与权重 $\omega \geq 1$ 定义。
• 应用 $\phi$-李雅普诺夫函数推导超加权庞加莱不等式，其中 $\phi(w) = \log w$。
• 通过变分原理，证明超加权庞加莱不等式与加权对数索博列夫不等式之间的等价性。
• 利用 Young 函数对偶 $H$ 与 $H^y$，在 $e^{\alpha H^y(\omega)}$ 可积条件下推导改进的对数索博列夫不等式。
• 在扩散情形下使用链式法则 $\Gamma(\Psi(f), \Phi(g)) = \Psi'(f)\Phi'(g)\Gamma(f,g)$ 处理由非线性泛函构成的不等式。
• 通过等周不等式与容量估计推导浓度界，使用 $\mu(B_r^c)$ 与 $\mathrm{Cap}_\mu(A)$。

实验结果

研究问题

• RQ1 柯西型测度加权对数索博列夫不等式的权重能否从 $(1+|x|^2)^2$ 提升至 $(1+|x|^2)\log(e+|x|^2)$？
• RQ2 在何种条件下，超加权庞加莱不等式与加权对数索博列夫不等式等价？
• RQ3 李雅普诺夫函数如何用于重尾测度泛函不等式中最优权重的推导？
• RQ4 改进后的不等式对测度集中与等周性有何影响？
• RQ5 在权重可积条件下，能否从加权对数索博列夫不等式推导出改进的对数索博列夫不等式？

主要发现

• 本文在柯西型测度加权对数索博列夫不等式中实现了最优权重 $(1+|x|^2)\log(e+|x|^2)$，优于早期的 $(1+|x|^2)^2$ 边界。
• 通过 $\phi$-李雅普诺夫函数（其中 $\phi(w) = \log w$）建立了权重为 $\omega = (1+|x|^2)\log(e+|x|^2)$ 的超加权庞加莱不等式。
• 证明了超加权庞加莱不等式与加权对数索博列夫不等式之间的等价性，从而可将李雅普诺夫条件转化为熵界。
• 通过容量与测度衰减推导出浓度界：$\mu(B_r^c)\left[2\mathfrak{c} + \log(1 + e^2 / \mu(B_r^c))\right]$，有效控制尾部行为。
• 在条件 $K = \int e^{\alpha H^y(\omega)} d\mu < \infty$ 下，获得改进的对数索博列夫不等式，其形式为 $\mathrm{Ent}_\mu(f^2) \leq C \int \left( H(\epsilon^{-1}|\nabla f / f|^2) f^2 + |\nabla f|^2 \right) d\mu$。
• 对于幂律型测度 $d\mu = Z_\alpha e^{-|x|^\beta} dx$（其中 $1 < \beta \leq 2$），该方法导出 $\mathrm{Ent}_\mu(f^2) \leq C \int |\nabla f|^2 (1 + |x|^{2-\beta}) d\mu$，推广了先前的结果。