[论文解读] Quantitative linearization results for the Monge-Ampère equation

Michaël Goldman, Martin Huesmann+1 more|arXiv (Cornell University)|May 23, 2019

Geometric Analysis and Curvature Flows参考文献 33被引用 5

一句话总结

本论文通过证明：若某测度 μ 在所有尺度下相对于 Lebesgue 测度的 Wasserstein 距离足够小，则最优传输位移量与 Poisson 方程解的梯度在数量上也足够接近，从而建立了 Monge-Ampère 方程的定量线性化估计。关键结果是在测度偏离均匀性的尺度一致小性条件下，线性化误差的衰减速率为 $ R^{-(1-\beta)} $ 阶。

ABSTRACT

This paper is about quantitative linearization results for the Monge-Ampère equation with rough data. We develop a large-scale regularity theory and prove that if a measure $μ$ is close to the Lebesgue measure in Wasserstein distance at all scales, then the displacement of the macroscopic optimal coupling is quantitatively close at all scales to the gradient of the solution of the corresponding Poisson equation. The main ingredient we use is a harmonic approximation result for the optimal transport plan between arbitrary measures. This is used in a Campanato iteration which transfers the information through the scales.

研究动机与目标

• 为粗糙测度 μ 与 Lebesgue 测度之间的最优传输建立大尺度正则性理论。
• 量化 Monge-Ampère 方程在 Lebesgue 测度附近的线性化过程，表明传输位移收敛于 Poisson 方程解的梯度。
• 在所有尺度下，对 μ 与 Lebesgue 测度之间 Wasserstein 距离的均匀小性条件下，建立尺度一致的估计。
• 证明累积位移误差随尺度衰减，即使测度 μ 仅以弱的、平均的方式接近均匀。

提出的方法

• 为任意测度之间的最优传输计划引入一个调和逼近定理，实现局部线性化。
• 应用一种类似 Campanato 的迭代方案，通过一系列嵌套的环形区域，将正则性信息在不同尺度间传递。
• 基于正则化通量和近似正交性，设计一种良好的半径选择程序，以控制误差传播。
• 构造一系列近似调和函数 $ \Phi_k $ 和累积位移 $ h_R $，以追踪位移场。
• 在同心环形区域中，基于 $ L^2 $ 估计位移与通量，以控制累积误差。
• 通过梯度之和表示总位移，其中误差由 $ \beta(R)/R $ 有界，且 $ \beta(R) = R^\alpha $。

实验结果

研究问题

• RQ1 在何种条件下，Monge-Ampère 方程的解在大尺度下会线性化为 Poisson 方程？
• RQ2 如何量化最优传输位移与 Poisson 解梯度之间的误差？
• RQ3 Wasserstein 距离在所有尺度下的尺度一致小性在确保传输映射的定量正则性中起什么作用？
• RQ4 Campanato 迭代方案能否被适配到粗糙数据下的最优传输设置中，以获得定量正则性估计？
• RQ5 线性化误差的衰减如何依赖于测度偏离均匀性的方式的缩放？

主要发现

• 若对所有 $ R \in [1, \overline{R}] $，有 $ \frac{1}{|B_R|}W^2_{B_R}(\mu, \kappa) \leq R^\alpha $ 且 $ \alpha < 1 $，则位移量在数量上接近 Poisson 解的梯度。
• 线性化误差满足 $ \left| \int \eta_R(x)(y - x - h_R) \, d\pi \right| \lesssim R^{-(1 - \alpha)} $，其中 $ h_R = \int \eta_R \nabla u $，且 $ u $ 是满足 Neumann 边界条件的方程 $ \Delta u = \mu - 1 $ 的解。
• Campanato 迭代确保累积位移 $ h_R $ 被后续尺度上近似调和函数的梯度之和良好逼近。
• 用 $ \nabla u $ 近似位移的误差由 $ \beta(R)/R $ 控制，当 $ R \to \infty $ 时该误差衰减，前提是 $ \beta(R) = R^\alpha $ 且 $ \alpha < 1 $。
• 条件 $ \alpha < 1 $ 是误差衰减的关键；$ \beta(R) \ll R $ 确保了在几何递减尺度上误差的可求和性。
• 该结果在所有尺度上一致成立，且对测度偏离均匀性的弱平均控制具有鲁棒性。