Skip to main content
QUICK REVIEW

[论文解读] Sobolev and BV spaces on metric measure spaces via derivations and integration by parts

Simone Di Marino|arXiv (Cornell University)|Sep 19, 2014
Geometric Analysis and Curvature Flows参考文献 12被引用 12
一句话总结

本文通過使用 Weaver 的度量導數進行分部積分,建立了一種度量測度空間上 Sobolev 和 BV 空間的新表徵,證明其與所有主要現有定義等價。本文引入基於導數的弱梯度,並證明不同表述下變分總變動量 |Df| 相互一致,從而統一理論,且無需假設加倍或 Poincaré 條件。

ABSTRACT

We develop a theory of BV and Sobolev Spaces via integration by parts formula in abstract metric spaces; the role of vector fields is played by Weaver's metric derivations. The definition hereby given is shown to be equivalent to many others present in literature.

研究动机与目标

  • 發展一般度量測度空間上 Sobolev 與 BV 空間的理論,使用導數的分部積分,避免依賴上梯度。
  • 透過對偶性與分部積分,彙整古典 Sobolev 理論與現代度量空間分析之間的差距,以恢復弱梯度。
  • 證明所提出的基於導數的 Sobolev 與 BV 空間定義與所有主要現有形式等價,包括基於上梯度、放鬆斜率與路徑基礎定義的形式。
  • 建立不同定義下總變動量 |Df| 的等價性,包括 BV*、w-BV 與基於導數的 BV 空間。
  • 證明理論在完整、分離的度量測度空間中成立,且無需假設加倍或 Poincaré 條件。

提出的方法

  • 本文定義函數 f ∈ L^p 属於 W^{1,p},若存在定義在導數上的線性泛函 L_f,使得對所有滿足 |b|, div b ∈ L^q 的導數 b,有 ∫ f · div b d𝔪 = -∫ L_f(b) d𝔪。
  • 引入微分 df: Der^{q,q} → L^1,從而定義逐點梯度 |∇f|,使其滿足 |df(b)| ≤ |∇f| · |b| 几乎處處成立。
  • 理論使用 Weaver 的導數作為向量場的推廣,利用其萊布尼茨法則與弱局部性來定義弱微分。
  • 透過對偶性與逼近,證明基於導數的 Sobolev 空間與透過 q-放鬆斜率與最小 q-上梯度的標準定義等價。
  • 對於 BV 空間,本文透過對偶性 ∫ f · div b d𝔪 ≤ ∫ |b|^* d|Df| 對所有 b ∈ Der_L 定義 |Df|,並證明此測度與 BV* 與 w-BV 空間中的總變動量一致。
  • 等價性證明依賴於 ∞-路徑(曲線上的測度)與導數之間的對應關係,並利用了利普希茨函數沿曲線具有明確定義的導數的事實。

实验结果

研究问题

  • RQ1能否在度量測度空間上透過使用導數的分部積分公式定義 Sobolev 空間,而非依賴上梯度或放鬆斜率?
  • RQ2基於導數的弱梯度定義是否與 ℝ^n 中經典梯度概念及度量測度空間中其他現代定義等價?
  • RQ3透過導數分部積分定義的總變動量測度 |Df| 是否與 BV* 與 w-BV 空間中的總變動量一致?
  • RQ4能否利用導數框架恢復並推廣 BV* 與 w-BV 空間之間的等價性?
  • RQ5∞-路徑與基於曲線的導數在連接基於導數的 BV 空間與基於路徑的 BV 定義中扮演何種角色?

主要发现

  • 本文證明,即使在不假設加倍或 Poincaré 條件下,基於導數的 W^{1,p} 定義仍與透過最小 q-上梯度與放鬆斜率的標準定義等價。
  • 定義在導數上的微分 df 所產生的逐點梯度 |∇f| 滿足 |df(b)| ≤ |∇f| · |b| 几乎處處成立,且此 |∇f| 與文獻中已知的最小弱上梯度一致。
  • 透過導數分部積分定義的總變動量測度 |Df| 滿足 |Df| ≤ |Df|_* 與 |Df|(X) ≥ |Df|_w(X),且三者在所有定義下均相等。
  • 對所有 f ∈ BV,已確立 |Df| = |Df|_* = |Df|_w,證明基於導數的 BV 空間與 BV* 及 w-BV 空間一致。
  • 該理論統一了度量測度空間中 Sobolev 與 BV 空間的多種方法,透過導數與分部積分提供了一個共同基礎。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。