[论文解读] The Calderón-Zygmund theory for elliptic problems with measure data

Giuseppe Mingione|arXiv (Cornell University)|Sep 24, 2006

Advanced Mathematical Modeling in Engineering被引用 8

一句话总结

本文为具有测度数据的非线性椭圆方程建立了类 Calderón-Zygmund 理论，证明了在 Marcinkiewicz 空间和 Morrey 空间中解的梯度的新可微性与可积性估计。通过分析测度数据的容量与密度性质，提出了精确的局部先验估计，将正则性结果从 Lebesgue 空间扩展至可变可积性尺度中的最优指数。

ABSTRACT

We consider non-linear elliptic equations having a measure in the right hand side, of the type $ \divo a(x,Du)=μ, $ and prove differentiability and integrability results for solutions. New estimates in Marcinkiewicz spaces are also given, and the impact of the measure datum density properties on the regularity of solutions is analyzed in order to build a suitable Calderón-Zygmund theory for the problem. All the regularity results presented in this paper are provided together with explicit local a priori estimates.

研究动机与目标

• 为具有测度数据的非线性椭圆方程发展类 Calderón-Zygmund 正则性理论，将经典结果从 $ L^p $ 空间扩展至更广范围。
• 分析测度数据的奇异性与容量性质如何影响解的梯度的可微性与可积性。
• 在 Marcinkiewicz 空间和 Morrey 空间中为作为逼近极限得到的解的梯度建立精确的局部先验估计。
• 提供明确的估计，反映 $ Du $ 在测度集中与衰减性质方面的最优可积性。
• 在适当的结构假设下将理论推广至系统，同时保持估计的精确性。

提出的方法

• 在 $ W^{1,1}_0(Ω) $ 中采用解的分布概念，且满足 $ a(x,Du) \in L^1 $，与 SOLA（作为逼近极限获得的解）框架一致。
• 通过比较估计与逼近方案推导局部先验界，依赖截断技术与极大函数估计。
• 利用容量与弱型估计刻画 $ Du $ 在 Marcinkiewicz 空间 $ \mathcal{M}^{m} $ 与 Morrey 空间 $ \mathcal{M}^{m,\theta} $ 中的可积性，其中 $ m $ 依赖于 $ p $、$ n $ 与测度的齐次维数 $ \theta $。
• 通过分数阶 Sobolev 嵌入与 $ W^{\alpha,q,\theta} $ 到 $ L^t $ 的嵌入推导估计，将 $ Du $ 的正则性与测度的容量性质联系起来。
• 依赖关键引理，涉及 $ a(x,z) $ 的单调性与 Lipschitz 条件，包括在标量情形中使用比较算子与截断算子。
• 考虑测度条件 $ |\mu|(B_R) \leq M R^{n-\theta} $ 的局部版本，使结果可推广至局部正则性，而无需全局可积性假设。

实验结果

研究问题

• RQ1 具有测度数据的非线性椭圆方程解的梯度 $ Du $ 的最优可积性尺度是什么？
• RQ2 测度 $ \mu $ 的容量与密度性质（以 $ |\mu|(B_R) \leq M R^{n-\theta} $ 表征）如何影响 $ Du $ 的正则性？
• RQ3 能否为 $ Du $ 在 Marcinkiewicz 空间与 Morrey 空间中导出精确的局部先验估计？$ p $、$ n $ 与 $ \theta $ 的最优指数 $ m $ 是什么？
• RQ4 该理论在多大程度上可推广至系统？需要哪些结构假设？
• RQ5 当 $ \mu \in L^t $ 与 $ \mu \in L^{1,\theta} $ 时，$ Du $ 的正则性如何比较？为何 Morrey 空间估计不能被 Lebesgue 情形所涵盖？

主要发现

• 当 $ \mu \in L^{1,\theta}(\Omega) $ 时，梯度 $ Du $ 属于 Marcinkiewicz 空间 $ \mathcal{M}^m(\Omega) $，其中 $ m = \frac{n(p-1)}{n-\theta} $，且该指数对 $ p > 2 $ 是最优的。
• 当 $ \mu \in L^{1,\theta}(\Omega) $ 时，梯度满足 $ \|Du\|_{\mathcal{M}^{m,\theta}(\Omega')} \leq c \left( \|Du\|_{L^{p-1}(\Omega'')} + [M(\Omega'')]^{1/(p-1)} + s|\Omega''|^{1/m} \right) $，且对测度容量常数具有精确依赖性。
• 指数 $ m = \frac{n(p-1)}{n-\theta} $ 是精确的，因为一般情况下 $ Du \notin L^m $，且对 $ p > 2 $ 无法改进该估计，此结论由嵌入与对偶性论证证实。
• 当 $ \mu \in L^t $ 时，估计 $ Du \in \mathcal{M}^g $，其中 $ g = \frac{nt(p-1)}{n-t} $，弱于 $ \theta = n/t $ 时的 $ \mathcal{M}^{m,\theta} $ 估计，原因在于无法对测度进行截断。
• 在相同结构假设下，该结果可推广至系统，前提是将基于截断的引理替换为向量形式类比，且关键估计仅依赖于单调性与 Lipschitz 条件。
• 测度条件 $ |\mu|(B_R) \leq M(\Omega'') R^{n-\theta} $ 的局部版本（$ B_R \subset\subset \Omega'' $）可导出相同估计，仅常数有所调整，同时保持精确性与在局部正则性中的适用性。