[论文解读] A Dimension-Free Hermite-Hadamard Inequality via Gradient Estimates for the Torsion Function

Jianfeng Lu, Stefan Steinerberger|arXiv (Cornell University)|May 8, 2019

Holomorphic and Operator Theory参考文献 17被引用 6

一句话总结

本文通过推导 torsion 函数 $ u $ 的精确梯度估计（即解 $ - abla^2 u = 1 $ 且满足 Dirichlet 边界条件），在凸区域上建立了子调和函数的无维 Hermite-Hadamard 不等式。关键结果为 $ \int_\Omega f\,dx \leq \frac{\sqrt{2}}{\pi}|\Omega|^{1/n}\int_{\partial\Omega} f\,d\sigma $，其中常数 $ \sqrt{2}/\pi \approx 0.45 $ 在 0.22 的下界内为最优。

ABSTRACT

Let $Ω\subset \mathbb{R}^n$ be a convex domain and let $f:Ω ightarrow \mathbb{R}$ be a subharmonic function, $Δf \geq 0$, which satisfies $f \geq 0$ on the boundary $\partial Ω$. Then $$ \int_Ω{f ~dx} \leq |Ω|^{\frac{1}{n}} \int_{\partial Ω}{f ~dσ}.$$ Our proof is based on a new gradient estimate for the torsion function, $Δu = -1$ with Dirichlet boundary conditions, which is of independent interest.

研究动机与目标

• 在凸区域上建立子调和函数的无维 Hermite-Hadamard 不等式。
• 证明不等式中的常数可为普遍常数，与维度无关。
• 推导 torsion 函数 $ u $（即解 $ -\Delta u = 1 $ 且满足 Dirichlet 边界条件）的新锐梯度估计。
• 通过二维反例表明，不等式中的最优常数不能小于约 0.22。
• 基于几何量的渐近行为，探讨最优常数是否随维度增加而衰减。

提出的方法

• 利用分部积分，将子调和函数 $ f $ 的积分与 torsion 函数 $ u $ 的法向导数关联起来，利用 $ \Delta f \geq 0 $ 和 $ u \geq 0 $ 的性质。
• 建立新梯度估计：对 $ \mathbb{R}^n $ 中 $ n \geq 2 $ 的凸区域，有 $ \max_{x \in \partial\Omega} \frac{\partial u}{\partial\nu} \leq \frac{\sqrt{2}}{\pi} |\Omega|^{1/n} $。
• 通过布朗运动的寿命估计，结合区域单调性与一维布朗运动的首次通过时间界，使用概率推理。
• 利用反射原理与尺度变换，将布朗运动在凸区域中的期望退出时间以内接球半径与体积表示。
• 通过在时间参数 $ T $ 上最小化，推导出布朗运动在凸区域中期望寿命的估计，从而得到与维度相关的估计。
• 将结果从 $ -\Delta u = 2 $ 缩放至 $ -\Delta u = 1 $，并利用 $ \omega_n^{1/n} \sqrt{n} \to \sqrt{2\pi e} $ 的渐近行为，进一步优化常数。

实验结果

研究问题

• RQ1 能否在凸区域上使子调和函数的 Hermite-Hadamard 不等式实现无维化，并使用普遍常数？
• RQ2 不等式 $ \int_\Omega f\,dx \leq C |\Omega|^{1/n} \int_{\partial\Omega} f\,d\sigma $ 中的最优常数是多少，且与维度无关？
• RQ3 解 $ -\Delta u = 1 $ 的 torsion 函数 $ u $ 的梯度是否能以 $ |\Omega|^{1/n} $ 为基准，用普遍常数进行有界？
• RQ4 随着维度增加，不等式中的最优常数能否被改进，还是其下界保持为正数？
• RQ5 常数 $ \sqrt{2}/\pi \approx 0.45 $ 的紧致性如何？能否将其降至 0.22 以下？

主要发现

• 本文证明了无维 Hermite-Hadamard 不等式：对于 $ \partial\Omega $ 上非负的子调和函数 $ f $，有 $ \int_\Omega f\,dx \leq \frac{\sqrt{2}}{\pi} |\Omega|^{1/n} \int_{\partial\Omega} f\,d\sigma $。
• 常数 $ \frac{\sqrt{2}}{\pi} \approx 0.45 $ 在 0.22 的下界内为最优，由一个二维反例验证。
• 建立了新的梯度估计：对于 torsion 函数 $ u $，有 $ \max_{x \in \partial\Omega} \frac{\partial u}{\partial\nu} \leq \frac{\sqrt{2}}{\pi} |\Omega|^{1/n} $，该估计在常数意义下为最优。
• 该估计通过概率方法推导，包括布朗运动退出时间估计与马氏耦合，且在时间参数 $ T $ 上进行了最小化。
• $ \omega_n^{1/n} \sqrt{n} \to \sqrt{2\pi e} $ 的渐近行为表明，高维下常数可能进一步改进，尽管当前估计在低维下已为最优。
• 球对称解表明，梯度估计中最佳可能常数 $ c_n $ 满足 $ c_n \geq \frac{1}{n \omega_n^{1/n}} \geq \frac{1}{2\sqrt{n}} $，提示其可能随维度衰减。