[论文解读] Lorentz improving estimates for the $p$-Laplace equations with mixed data

Thanh‐Nhan Nguyen, Minh‐Phuong Tran|arXiv (Cornell University)|Mar 10, 2020

Advanced Mathematical Physics Problems被引用 5

一句话总结

本文通过结合改进的 good-λ 方法与分数次极大算子，建立了具有混合数据的拟线性椭圆型方程（p-Laplace 类型）弱解梯度的全局 Lorentz 空间正则性估计。主要贡献在于基于数据可积性，实现了最优 Lorentz 估计，将先前结果推广至更一般的非线性项及满足 Reifenberg 或容量一致厚度条件的区域。

ABSTRACT

The aim of this paper is to develop the regularity theory for a weak solution to a class of quasilinear nonhomogeneous elliptic equations, whose prototype is the following mixed Dirichlet $p$-Laplace equation of type \\begin{align*} \\begin{cases} \\mathrm{div}(|\ abla u|^{p-2}\ abla u) &= f+ \\ \\mathrm{div}(|\\mathbf{F}|^{p-2}\\mathbf{F}) \\qquad \ ext{in} \\ \\ \\Omega, \\\\ \\hspace{1.2cm} u &=\\ g \\hspace{3.1cm} \ ext{on} \\ \\ \\partial \\Omega, \\end{cases} \\end{align*} in Lorentz space, with given data $\\mathbf{F} \\in L^p(\\Omega;\\mathbb{R}^n)$, $f \\in L^{\\frac{p}{p-1}}(\\Omega)$, $g \\in W^{1,p}(\\Omega)$ for $p>1$ and $\\Omega \\subset \\mathbb{R}^n$ ($n \\ge 2$) satisfying a Reifenberg flat domain condition or a $p$-capacity uniform thickness condition, which are considered in several recent papers. To better specify our result, the proofs of regularity estimates involve fractional maximal operators and valid for a more general class of quasilinear nonhomogeneous elliptic equations with mixed data. This paper not only deals with the Lorentz estimates for a class of more general problems with mixed data but also improves the good-$\\lambda$ approach technique proposed in our preceding works~\\cite{MPT2018,PNCCM,PNJDE,PNCRM}, to achieve the global Lorentz regularity estimates for gradient of weak solutions in terms of fractional maximal operators.

研究动机与目标

• 建立具有混合 Dirichlet 数据的拟线性椭圆方程弱解在 Lorentz 空间中的全局正则性理论。
• 将 good-λ 方法推广至处理非齐次数据及超出标准 p-Laplacian 的更一般非线性项。
• 通过分数次极大算子，建立弱解梯度的精确 Lorentz 估计。
• 考虑满足 Reifenberg 平坦性或 p-容量一致厚度条件的区域，推广先前的区域假设。
• 统一并改进先前关于具有混合数据的 p-Laplace 型方程 Lorentz 估计的研究成果。

提出的方法

• 采用改进的 good-λ 不等式技术，关联 |∇u|p 的分数次极大函数与数据项 |ℰ|p 的分布函数。
• 利用分数次极大算子 Mα 控制 Lorentz 范数中的梯度，将解的正则性与数据可积性联系起来。
• 在 Reifenberg 平坦或 p-容量稠密的区域中应用 Calderón-Zygmund 型分解与覆盖论证。
• 通过 Vitali 型覆盖引理与测度论方法在层次集上建立弱型估计。
• 通过迭代 good-λ 不等式并优化参数选择（如 ε）获得 Lorentz 空间范数估计。
• 利用满足 p-增长与单调性条件的非线性算子 A 和 B 的结构，控制非线性项。

实验结果

研究问题

• RQ1 能否为具有混合数据的 p-Laplace 方程弱解梯度建立 Lorentz 空间正则性估计？
• RQ2 good-λ 技术如何适应具有非齐次数据及超出 p-Laplacian 的一般非线性项的方程？
• RQ3 何种区域条件（如 Reifenberg 平坦性或 p-容量一致厚度）足以保证全局 Lorentz 估计？
• RQ4 分数次极大算子在多大程度上可用于通过数据可积性量化梯度的正则性？
• RQ5 通过优化 good-λ 不等式中的常数，能否使估计达到最优 Lorentz 范数？

主要发现

• 本文建立了如下形式的全局 Lorentz 估计：‖Mα(|∇u|p)‖Lq,s(Ω) ≤ C(‖Mα(|ℰ|p)‖Lq,s(Ω) + ‖∇u‖Lq,s(Ω))，其中 0 < q < nγ/(n - αγ) 且 0 < s < ∞。
• 该估计在区域 Ω 为 (δ, r₀)-Reifenberg 平坦或满足 p-容量一致厚度条件的假设下成立。
• 通过足够小地选择 ε，可使估计中的常数任意小，从而确保 good-λ 不等式一致成立。
• 该方法通过引入分数次极大算子并统一处理混合数据，在先前 good-λ 技术基础上实现改进。
• 结果可推广至满足 p-增长与单调性条件的 Carathéodory 型算子构成的更广泛类拟线性椭圆方程。
• 最终估计通过选择 ε 使得 Ca∞^s ε^(s/q) ≤ 1/2 获得，从而实现所需的 Lorentz 范数控制。