[论文解读] MAXIMAL γ-REGULARITY

Jan van Neerven, Mark Veraar+1 more|arXiv (Cornell University)|Jan 1, 2014

Advanced Harmonic Analysis Research参考文献 43被引用 1

一句话总结

本文在平方函数空间中为确定性和随机方程建立了 $ L^p $ 空间（$ 1 < p < ∞ $）中的最大正则性估计，将先前结果扩展至随机方程此前未覆盖的范围 $ 1 < p < 2 $。该框架允许初始数据具有与 $ L^2 $ 设置下相同的正则性，为调和分析、谱理论和随机分析领域提供了全新的最大正则性结果类别。

ABSTRACT

In this paper we prove maximal regularity estimates in square function spaces which are commonly used in harmonic analysis, spectral theory, and stochastic analysis. In particular, they lead to a new class of maximal regularity results for both deterministic and stochastic equations in L p -spaces with 1 < p < 1. For stochastic equations, the case 1 < p < 2 was not covered in the literature so far. Moreover, the square function spaces allow initial values with the same roughness as in the L 2 -setting.

研究动机与目标

• 将最大正则性理论扩展至 $ L^p $ 空间（$ 1 < p < ∞ $），特别是填补随机情形下 $ 1 < p < 2 $ 范围的空白。
• 构建一个可容纳与 $ L^2 $ 设置下相同粗糙度初始值的框架。
• 在平方函数空间中提供与调和分析、谱理论和随机分析相关的全新最大正则性估计。
• 统一并推广确定性和随机方程在 $ L^p $ 空间中的现有正则性结果。

提出的方法

• 以平方函数空间作为正则性估计的底层函数空间框架。
• 应用调和分析技术，推导 $ L^p $ 空间中 $ 1 < p < ∞ $ 的最大正则性界。
• 建立与 $ L^2 $ 设置在初始数据正则性方面一致的估计。
• 将谱理论中的方法适配至 $ 1 < p < 2 $ 范围内的随机情形。
• 采用插值与外推技术，弥合 $ L^2 $ 与 $ L^p $（$ p \neq 2 $）之间的差距。
• 依赖平方函数范数来控制演化方程解的最大正则性。

实验结果

研究问题

• RQ1 是否可以在 $ 1 < p < ∞ $ 的 $ L^p $ 空间中，包括 $ 1 < p < 2 $ 范围，为随机方程建立最大正则性估计？
• RQ2 如何将与 $ L^2 $ 设置下相同粗糙度的初始数据纳入 $ L^p $ 最大正则性理论？
• RQ3 平方函数空间在实现确定性和随机方程的最大正则性中起到何种作用？
• RQ4 是否可以使用平方函数范数将已知的 $ L^2 $ 最大正则性框架扩展至 $ L^p $（$ 1 < p < ∞ $）？
• RQ5 所提出的估计在初始数据和解空间的正则性假设方面与现有结果相比如何？

主要发现

• 本文在 $ L^p $ 空间（$ 1 < p < ∞ $）中为确定性和随机方程建立了平方函数空间中的最大正则性估计。
• 首次为 $ 1 < p < 2 $ 范围内的随机方程提供了最大正则性结果，该范围在文献中此前未被覆盖。
• 初始数据可具有与 $ L^2 $ 设置下相同的正则性，从而可更广泛地适用于粗糙初始条件。
• 该框架与调和分析、谱理论和随机分析中的既定结果保持一致。
• 使用平方函数空间使得不同函数空间和方程类型之间的正则性处理得以统一。
• 结果将最大正则性理论的适用范围从 $ L^2 $ 和 $ p \geq 2 $ 的 $ L^p $ 扩展至更广范围，尤其在随机背景下具有重要意义。