Skip to main content
QUICK REVIEW

[论文解读] The Hardy Operator and Boyd Indices

Stephen Montgomery-Smith|ArXiv.org|Dec 19, 1994
Advanced Harmonic Analysis Research参考文献 9被引用 30
一句话总结

本文利用 Boyd 指数,建立了重排不变 quasi-Banach 空间上 Hardy 算子有界的必要与充分条件。证明了 Hardy 算子 $ H^{(p,r)} $ 在此类空间 $ X $ 上有界当且仅当下 Boyd 指数 $ p_X > p $,而 $ H_{(q,r)} $ 有界当且仅当上 Boyd 指数 $ q_X < q $,将经典结果推广至 quasi-Banach 设置。

ABSTRACT

We give necessary and sufficient conditions for the Hardy operator to be bounded on a rearrangement invariant quasi-Banach space in terms of its Boyd indices.

研究动机与目标

  • 通过 Boyd 指数表征重排不变 quasi-Banach 空间上 Hardy 算子有界的条件。
  • 将 Lorentz 空间及 Lorentz 型空间上的已知结果推广至更广泛的 quasi-Banach 重排不变空间类。
  • 在插值理论中建立 Boyd 指数与 Hardy 算子行为之间的牢固联系。
  • 将 Ariño 与 Muckenhoupt(1990)以及 Boyd(1967, 1969)的结果推广至 quasi-Banach 设置。

提出的方法

  • 通过稀释算子 $ D_a f(t) = f(at) $ 的算子范数定义下 Boyd 指数 $ p_X $ 与上 Boyd 指数 $ q_X $。
  • 用递减重排 $ f^* $ 表征 Hardy 算子 $ H^{(p,r)} $、$ H_{(q,r)} $、$ H^{(p,\infty)} $ 与 $ H_{(q,\infty)} $。
  • 利用 quasi-三角不等式与凸化技巧控制 $ X $ 中函数和的范数。
  • 应用迭代 Hardy 算子的迭代公式,推导 $ D_a f $ 关于 $ H^{(p,r)} f $ 的估计。
  • 利用不等式 $ \|H^{(p,r)} f\|_X \leq C \|f\|_X $ 推导 $ \|D_a f\|_X $ 的反向估计,从而得到 Boyd 指数的界。
  • 通过定理 1 与定理 2 建立 $ H^{(p,r)} + H_{(q,s)} $ 的范数与 $ X $-范数之间的等价性。

实验结果

研究问题

  • RQ1对于重排不变 quasi-Banach 空间 $ X $,在 Boyd 指数满足何种条件下,Hardy 算子 $ H^{(p,r)} $ 有界映射 $ X \to X $?
  • RQ2Boyd 指数如何与 $ X $ 上的极大函数和 Hilbert 变换的有界性相关?
  • RQ3Boyd 指数与迭代 Hardy 算子 $ (H^{(p,r)})^{n+1} $ 之间的确切关系为何?
  • RQ4能否将 Lorentz 空间上 quasi-线性算子有界的结论,推广至 Boyd 指数严格介于 $ p $ 与 $ q $ 之间的广义重排不变 quasi-Banach 空间?
  • RQ5为何对于算子 $ H^{(p,\infty)} $ 与 $ H_{(p,\infty)} $,反向蕴含关系不成立?

主要发现

  • Hardy 算子 $ H^{(p,r)} $ 在 $ X $ 上有界当且仅当下 Boyd 指数满足 $ p_X > p $。
  • Hardy 算子 $ H_{(q,r)} $ 在 $ X $ 上有界当且仅当上 Boyd 指数满足 $ q_X < q $。
  • 对于 $ H^{(p,\infty)} $,当 $ p_X > p $ 时有界,但反向蕴含不成立,如 $ L_{p,\infty} $ 的例子所示。
  • Hilbert 变换在 $ X $ 上有界当且仅当 $ p_X > 1 $ 且 $ q_X < \infty $。
  • Hardy–Littlewood 极大函数在 $ X $ 上有界当且仅当 $ p_X > 1 $。
  • 证明给出了精确的定量估计:若 $ \|H^{(p,r)} f\|_X \leq C \|f\|_X $,则 $ \|D_a f\|_X \leq C' a^{-(1 - 1/C^r)/p} \|f\|_X $,从而推出 $ p_X \geq p / (1 - 1/C^r) $。

更好的研究,从现在开始

从论文设计到论文写作,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。