[论文解读] Sharp lower bound for the first eigenvalue of the Weighted $p$-Laplacian

Xiaolong Li, Kui Wang|arXiv (Cornell University)|Oct 5, 2019

Nonlinear Partial Differential Equations参考文献 26被引用 10

一句话总结

本文在紧致 Bakry-Emery 流形上建立了加权 $p$-拉普拉斯算子的第一非零特征值的精确下界，其中里奇曲率满足 $\kappa g$ 且 $\kappa \leq 0$，或 $1 < p \leq 2$。作者对 $p \leq 2$ 使用连续模估计，对 $\kappa \leq 0$ 使用精确梯度比较定理并结合一维模型方程的分析，推广了此前关于 $p$-拉普拉斯算子和 $f$-拉普拉斯算子的研究结果。

ABSTRACT

We prove sharp lower bound estimates for the first nonzero eigenvalue of the weighted $p$-Lapacian operator with $1&lt; p&lt; \infty$ on a compact Bakry-Emery manifold $(M^n,g,f)$ satisfying $\Ric+ abla^2 f \geq κ\, g$, provided that either $1

研究动机与目标

• 在紧致 Bakry-Emery 流形上建立加权 $p$-拉普拉斯算子 $\Delta_{p,f}$ 的第一非零特征值的精确下界。
• 将现有的 $p$-拉普拉斯算子（$f=\text{const}$）和 $f$-拉普拉斯算子（$p=2$）的特征值估计推广至完整的加权 $p$-拉普拉斯算子情形。
• 将精确特征值估计扩展至 $\kappa \leq 0$ 或 $1 < p \leq 2$ 的情形，其中曲率与势能的相互作用变得非平凡。
• 通过连续模与梯度比较技术构建统一框架，该框架在极限情形下可恢复已知的精确下界。
• 通过构造模型例子并与一维特征值问题比较，验证结果的精确性。

提出的方法

• 对于 $1 < p \leq 2$，作者采用连续模估计方法推导出精确下界。
• 对于 $\kappa \leq 0$，应用精确梯度比较定理于特征函数，将问题约化为分析一个一维模型方程。
• 该一维模型方程为：在 $[-D/2, D/2]$ 上，$|w'|^{p-2}w'' - \kappa t |w'|^{p-2}w' + \lambda |w|^{p-2}w = 0$，边界条件为诺伊曼条件。
• 特征值 $\lambda_{p,f}$ 的下界由该模型方程的第一非零诺伊曼特征值 $\mu(\kappa, D)$ 给出。
• 对于 $p \geq 2$ 且 $\kappa > 0$，利用 $f$-拉普拉斯算子的博赫纳公式与分部积分法推导出非精确下界。
• 通过霍尔德不等式与能量估计，将 $u$ 与 $|\nabla u|$ 的 $L^p$ 范数关联，最终导出特征值的下界。

实验结果

研究问题

• RQ1 在满足 $\operatorname{Ric} + \nabla^2 f \geq \kappa g$ 的 Bakry-Emery 流形上，加权 $p$-拉普拉斯算子的第一非零特征值的精确下界是什么？
• RQ2 这些结果如何将经典的李赫纳维奇-奥博塔与巴克里-钱特征值估计推广至 $p$-拉普拉斯算子情形？
• RQ3 能否在不使用博赫纳公式的情况下，通过几何与分析技术为 $1 < p \leq 2$ 或 $\kappa \leq 0$ 的情形建立精确特征值界？
• RQ4 一维模型方程在刻画精确特征值估计中起什么作用？
• RQ5 精确性如何在模型流形中体现，或通过比较原理展现？

主要发现

• 对于 $1 < p \leq 2$ 且 $\kappa \leq 0$，加权 $p$-拉普拉斯算子的第一非零特征值 $\lambda_{p,f}$ 满足 $\lambda_{p,f} \geq \mu(\kappa, D)$，其中 $\mu(\kappa, D)$ 是一维问题 $\varphi'' - \kappa t \varphi' = -\mu \varphi$ 在 $[-D/2, D/2]$ 上的第一非零诺伊曼特征值。
• 当 $\kappa = 0$ 时，精确下界简化为 $\lambda_{p,f} \geq (p-1) \frac{\pi_p^p}{D^p}$，恢复了已知的 $p$-拉普拉斯算子的精确估计。
• 对于 $p \geq 2$ 且 $\kappa > 0$，推导出非精确下界 $\lambda_{p,f} \geq \left(\frac{\kappa}{p-1}\right)^{p/2}$，该结果改进了此前对 $p \geq 2$ 的估计。
• 通过构造特征值可任意接近 $\mu(\kappa, D)$ 的例子，验证了边界的精确性。
• 使用连续模估计的方法为 $1 < p \leq 2$ 提供了一种简洁直接的证明，避免了概率或 PDE 比较技术的使用。
• 本结果扩展并统一了此前 Valtorta [25]、Naber-Valtorta [21] 对 $p$-拉普拉斯算子的研究，以及 Bakry-Qian [6] 对 $f$-拉普拉斯算子（$p=2$）的研究。