[论文解读] Functional Inequalities on Weighted Riemannian Manifolds Subject to Curvature-Dimension Conditions

Eran Calderon|arXiv (Cornell University)|May 21, 2019

Geometric Analysis and Curvature Flows参考文献 82被引用 8

一句话总结

本论文在满足曲率-维数-直径（CDD）条件的加权黎曼流形上，通过一种新颖的泛函分析约化方法，将问题简化为在实直线上支撑的“模型测度”类上的优化问题，从而建立了Poincaré、p-Poincaré与对数Sobolev常数的精确下界。关键贡献在于提出了一种通用方法，用于在广义里奇曲率与直径约束下识别功能性不等式中的极值测度，从而在负有效维数情形下获得新的精确不等式，并改进了对数Sobolev常数的界。

ABSTRACT

We establish new sharp inequalities of Poincaré or log-Sobolev type, on geodesically-convex weighted Riemannian manifolds $(M,\mathfrak{g},μ)$ whose (generalized) Ricci curvature $Ric_{\mathfrak{g},μ,N}$ with effective dimension parameter $N\in (-\infty,\infty]$ is bounded from below by a constant $K\in\mathbb{R}$, and whose diameter is bounded above by $D\in (0,\infty]$ (Curvature-Dimension-Diameter conditions $CDD(K,N,D)$). To this end we establish a general method which complements the `localization' theorem which has recently been established by B. Klartag. Klartag's Theorem is based on optimal transport techniques, leading to a disintegration of the manifold measure into marginal measures supported on geodesics of the manifold. This leads to a reduction of the problem of proving a n-dimensional inequality into an optimization problem over a class of measures with 1-dimensional supports. In this work we firstly develop a general approach which leads to a reduction of this optimization problem into a simpler optimization problem, on a subclass of `model measures'. This reduction is based on functional analytic techniques, in particular a classification of extreme points of a specific subset of measures, and showing that the solution to the optimization problem is attained on this set of extreme points. Finally we solve the optimization problems associated with the Poincaré, p-Poincaré and the log-Sobolev inequalities subject to specific $CDD(K,N,D)$ conditions. Notably, we prove new sharp Poincaré inequalities for $N\in (-\infty,0]$. We find that for $N\in (-1,0]$ the characterization of the sharp lower bound on the Poincaré constant is of different nature; in addition we derive new lower bounds on the log-Sobolev constant under $CDD(K,\infty,D)$ conditions where $K\in\mathbb{R}$ and $D\in (0,\infty]$, which up to numeric constants are best possible.

研究动机与目标

• 推导在满足曲率-维数-直径（CDD）条件的测地线凸加权黎曼流形上，Poincaré、p-Poincaré与对数Sobolev常数的精确下界。
• 发展一种通用的泛函分析方法，将高维功能性不等式问题约化为在实直线上支撑的“模型测度”子类上的优化问题。
• 刻画在CDD(K,N,D)条件下实现最优常数的极值测度，尤其关注负有效维数N的情形。
• 在CDD(K, ∞, D)条件下，建立N ∈ (−∞, 0]时的新精确不等式与改进的对数Sobolev界。
• 将Li-Yau、Zhong-Yang与Lichnerowicz估计等先前结果统一并推广至基于一维比较的单一框架下。

提出的方法

• 基于对特定概率测度子集的极值点分类，提出一种约化技术，证明功能性常数的非线性优化问题的解在该‘模型测度’集合上达到。
• 通过最优传输应用Klartag的局部化定理，将流形测度沿测地线分解为一维边缘测度。
• 运用泛函分析工具，将无穷维优化问题简化为在紧致测度类上的一维可处理问题。
• 采用针对性的解析技术，求解在特定CDD条件下Poincaré、p-Poincaré与对数Sobolev不等式所对应的一维优化问题。
• 推导一维测度的Euler-Lagrange方程，并通过Sturm-Liouville理论求解相应的特征值问题。
• 通过与显式一维测度（如均匀分布、余弦型分布）的功能常数进行比较，获得精确下界。

实验结果

研究问题

• RQ1 在满足CDD(K,N,D)条件且N ∈ (−∞, 0]的加权黎曼流形上，Poincaré常数的精确下界是什么？
• RQ2 当N ∈ (−1, 0]时，Poincaré常数的行为如何变化？该参数区间内出现了何种新现象？
• RQ3 在CDD(K, ∞, D)条件下，且直径D有限时，能否推导出新的精确对数Sobolev常数？
• RQ4 是否存在一种通用方法，将流形上高维功能性不等式问题约化为某类测度上的一维优化问题？
• RQ5 ‘模型测度’在刻画Poincaré型与对数Sobolev型不等式极值情形中起何种作用？

主要发现

• 针对N ∈ (−∞, 0]，建立了新的精确Poincaré不等式，且在N ∈ (−1, 0]区间观察到定性不同的行为，揭示了一种新颖的几何现象。
• 当N ∈ (−1, 0]时，Poincaré常数的精确下界表现出与N > 0时不同的函数形式，表明在曲率-维数框架中存在相变现象。
• 在CDD(K, ∞, D)条件下，K ∈ ℝ且D ∈ (0, ∞]，推导出对数Sobolev常数的新下界，其最优性仅相差数值常数。
• 证明了向‘模型测度’的约化具有普遍性，可适用于除所研究的三类不等式外的更广泛功能性不等式。
• 该方法可恢复并统一经典结果，如Li-Yau/Zhong-Yang与Lichnerowicz估计，作为CDD框架下的特例。
• 最优常数被识别为在区间上支撑的一维测度的常数，且在曲率与直径约束下，对均匀分布与余弦型测度给出了显式表达式。