[论文解读] Continuous-time sparse domination

Komla Domelevo, Stefanie Petermichl|arXiv (Cornell University)|Jul 21, 2016

Advanced Topology and Set Theory参考文献 20被引用 5

一句话总结

本文引入了希尔伯特空间值右连续有左极限的鞅的连续时间稀疏控制，建立了鞅 $Y$ 的极大算子 $Y^*$ 的加权 $L^p$ 估计的最优结果，其中 $Y$ 关于 $X$ 差分控制。通过轨迹逐次的停时程序，作者导出 $Y^*$ 几乎必然被涉及在停时点采样 $|X|$ 的稀疏算子控制，从而得到最优加权范数界 $\|Y^*\|_{L^p(w)} \lesssim Q_p(w)^{\max\{1,\frac{1}{p-1}\}} \|X\|_{L^p(w)}$，该结果甚至对跳跃过程也成立。

ABSTRACT

We develop the self similarity argument known as sparse domination in an abstract martingale setting, using a continuous time parameter. With this method, we prove a sharp weighted L^p estimate for the maximal operator Y^* of Y with respect to X. Here Y and X are uniformly integrable càdllàg Hilbert space valued martingales and Y differentially subordinate to X via the square bracket process. We also present a second, very simple proof of the special case Y=X. In this generality, notably including processes with jumps, the special case Y = X addresses a question raised in the late 70s by Bonami--Lépingle.

研究动机与目标

• 开发一致可积右连续有左极限鞅背景下稀疏控制的连续时间类比。
• 通过平方变差过程，证明关于 $X$ 差分控制的鞅 $Y$ 的极大函数 $Y^*$ 的尖锐加权 $L^p$ 估计。
• 解决 Bonami–Lépingle 在 1970 年代末提出的一个长期悬而未决的问题：当 $Y = X$ 时，极大函数的 $A_p$ 范数估计，现扩展至一般右连续有左极限过程。
• 提供一个适用于跳跃过程的一般框架，克服以往结果依赖齐次性或离散过滤的局限性。

提出的方法

• 构造一个稀疏停时序列 $\{T_j\}$，使得对应的集合 $E_j = \{T^j < \infty\}$ 满足对所有 $\mathcal{F}_{T^j}$-可测集 $A^j \subset E_j$，有 $\mathbb{P}(A^j \cap E_{j+1}) \leq \frac{1}{2}\mathbb{P}(A^j)$，从而保证自相似性与小测度增长。
• 定义稀疏算子 $\mathcal{S}(X)(\omega) = \sum_{j=0}^\infty |X|_{T^j}(\omega) \chi_{E_j}(\omega)$，其中 $|X|_t = \mathbb{E}[|X_\infty| \,|\, \mathcal{F}_t]$，以几乎必然控制 $Y^*$。
• 通过基于差分控制条件 $[X,X]_t - [Y,Y]_t$ 为非减且非负的递归停时构造，建立几乎必然控制关系 $Y^*(\omega) \leq 8 \sum_{j=0}^\infty |X|_{T^j}(\omega) \chi_{E_j}(\omega)$。
• 使用权重 $u = w^{1/(p-1)}$ 的测度变换技术，将问题转移到加权 $L^p$ 空间，从而可应用杜布极大不等式。
• 在 $u$-加权测度下应用杜布不等式，控制 $|X|u^{-1}$ 的极大函数，从而导出涉及 $A_p$ 特征 $Q_p(w)$ 的一系列估计。
• 通过链式稀疏控制与加权范数不等式，最终导出估计 $\|Y^*\|_{L^p(w)} \lesssim Q_p(w)^{\max\{1,\frac{1}{p-1}\}} \|X\|_{L^p(w)}$。

实验结果

研究问题

• RQ1 稀疏控制技术，最初在离散 dyadic 设置中发展，能否推广至具有跳跃的连续时间鞅？
• RQ2 在连续时间右连续有左极限鞅设定下，当 $Y$ 关于 $X$ 差分控制时，极大函数 $Y^*$ 的尖锐加权 $L^p$ 范数估计为何？
• RQ3 即使在存在跳跃的情况下，不同分控制鞅的极大函数是否仍保持最优 $A_p$ 特征增长 $Q_p(w)^{\max\{1,\frac{1}{p-1}\}}$？
• RQ4 特殊情形 $Y = X$ 是否能直接导出此前仅在齐次或离散设定中已知的尖锐加权估计，而无需假设齐次性或连续性？
• RQ5 在一般过滤下证明极大函数加权估计时，是否可避免依赖 $A_p$ 类的开性？

主要发现

• 本文建立了极大函数 $Y$ 的几乎必然控制关系 $Y^*(\omega) \leq 8 \sum_{j=0}^\infty |X|_{T^j}(\omega) \chi_{E_j}(\omega)$，其中 $\{T_j\}$ 是从 $Y$ 对 $X$ 的差分控制关系构造出的稀疏停时序列。
• 稀疏算子 $\mathcal{S}(X)$ 满足加权范数估计 $\|\mathcal{S}(X)\|_{L^p(w)} \lesssim Q_p(w)^{\max\{1,\frac{1}{p-1}\}} \|X\|_{L^p(w)}$，常数仅依赖于 $p$，而不依赖于底层过滤或跳跃行为。
• 对于特殊情形 $Y = X$，直接且优雅地证明了尖锐加权估计 $\|X^*\|_{L^p(w)} \lesssim Q_p(w)^{\max\{1,\frac{1}{p-1}\}} \|X\|_{L^p(w)}$，在无需齐次性假设下恢复了齐次情形下的已知结果。
• 该证明避免了对 $A_p$ 类开性的依赖，使得结果在右连续有左极限鞅中完全一般成立，包括跳跃过程。
• 该方法正确地得到了 $Q_p(w)^{\max\{1,\frac{1}{p-1}\}}$ 的增长速率，与 dyadic 或齐次设定中已知的尖锐界一致。
• 最终范数估计通过一系列涉及 $u$-加权测度下杜布不等式的加权不等式链导出，得到尖锐常数 $c_{\ref{Theorem_XstarX},p} = \frac{p^{p'}}{p-1}$，其中 $p' = \frac{p}{p-1}$。