A $Tb$ type theorem for suppressed kernels

기술 요약: 억제된 커널(Suppressed Kernels)에 대한 $Tb$ 유형 정리

문제 정의
본 논문은 비균질적 환경(non-homogeneous setting)에서의 특이 적분 연산자(singular integral operators, SIOs)의 유계성(boundedness) 문제를 다룬다. 구체적으로, 고전적인 $Tb$정리를 임의의 차원($R^d$)과 반드시 반대칭(antisymmetric)일 필요가 없는 커널로 정의된 연산자로 확장하고자 한다. 본 연구는 비균질적 칼데론-지그문트 이론(non-homogeneous Calderón-Zygmund theory)의 틀 안에서 작동하며, 여기서 기저가 되는 라돈 측도(Radon measure) $\mu$는 배증 조건(doubling condition, $\mu(B(x, 2r)) \leq c\mu(B(x, r))$)을 만족하지 않는다. 대신, 해당 측도는 $n$차 다항식 성장(polynomial growth) 조건($\mu(B(x, r)) \leq c_0 r^n$)을 갖는다고 가정되나, 이 조건조차 통제된 구(ball)의 가족에 대해서는 실패할 수 있다.

주요 동기는 유계 해석 함수(bounded analytic functions)의 제거 가능한 집합(removable sets)에 대한 기하학적 성격 규명(Painlevé의 문제)에서 비롯된다. 코시 변환(Cauchy transform)에 대한 $Tb$정리를 통해 평면 사례($d=2$)에서 해석적 용량(analytic capacity) $\gamma$와 양의 해석적 용량 $\gamma_+$의 비교 가능성이 톨사(Tolsa)에 의해 확립되었는데, 임의 차원에서 리프시츠 조화 함수(Lipschitz harmonic functions)를 다루기 위해서는 비대칭 커널에 대한 상응하는 $Tb$ 정리가 필요하다.

방법론
증명은 나자로프, 트레일, 볼베르크(Nazarov, Treil, Volberg, NTV)의 연구를 변형하여, 비균질적이고 고차원적인 맥락에 맞게 조정된 정교한 기법들의 조합을 채택한다. 방법론은 다음과 같이 구조화된다:

1. 억제된 커널(Suppressed Kernels): 배증 조건의 결여와 측도의 잠재적 특이성을 처리하기 위해, 저자는 "억제된" 커널을 도입한다. 1-리프시츠 함수 $\Theta: R^d \to [0, \infty)$에 대하여, 원래의 커널 $k$에 매끄러운 컷오프 함수 $\tilde{\chi}$를 곱하여 수정된 커널 $\tilde{k}_\Theta$를 정의한다. 이러한 수정은 측도가 불규칙할 수 있는 대각선 근처에서 커널을 효과적으로 억제하면서도 칼데론-지그문트 성질을 보존한다. 관련 연산자 $K_\Theta$는 $\Theta$에 대한 특정 조건 하에서 $L^2(\mu)$에서 유계임이 입증된다.

2. 예외 집합 및 성장 제어: 증명은 테스트 함수 $b_1$과 $b_2$와 관련된 극대 연산자(maximal operators)가 큰 값을 갖는 "예외 집합" $S$를 식별한다. 충분히 큰 경계값 $\alpha$를 선택함으로써, $S$의 측도를 $\mu$의 서포트(support)에 비해 임의로 작게 만들 수 있다. 분석은 $\mu$가 원하는 다항식 성장을 보이는 부분집합 $G$로 제한되며, 연산자 $T$는 $L^2(\mu|_G)$에서 유계임이 보여진다.

3. 다이아딕 격자(Dyadic Lattices) 및 마팅게일 분해: 단일 다이아딕 격자를 고정하는 대신, 표준 격자를 평행 이동하여 얻은 무작위 다이아딕 격자 가족 $\mathcal{D}(w)$를 활용한다. 큐브(cube)들은 예외 집합과의 관계에 따라 "경유(transit)" 또는 "종단(terminal)" 큐브로 분류된다. $L^2(\mu)$에서 모든 함수 $f$를 이 경유 큐브들에 대한 투영(projection)들의 합과 전역 평균 항으로 표현하는 마팅게일 분해가 확립된다.

4. 좋은 큐브와 나쁜 큐브(Good and Bad Cubes): "좋은" 큐브와 "나쁜" 큐브 사이의 결정적인 구분이 존재한다. 한 격자의 큐브가 다른 격자에 대해 "나쁘다"는 것은, 두 번째 격자의 큐브 경계에 너무 가깝거나, 경계 조건(boundary conditions)을 위반하는 방식으로 자식 큐브의 경계와 상호작용하는 경우를 의미한다. "나쁨"의 정의는 파라미터 $m$과 $M$에 의존한다.

5. 확률적 논증: 증명의 핵심은 확률적 논증에 의존한다. 저자는 "좋은" 함수(마팅게일 분해가 오직 좋은 큐브들로만 구성된 함수)에 대해, 경유 큐브가 무작위로 선택된 두 번째 격자에 대해 "나쁠" 확률을 $m$과 $M$을 충분히 크게 잡음으로써 임의로 작게 만들 수 있음을 보여준다. 이를 통해 함수의 "나쁜" 부분에 대한 연산자의 작용을 기댓값을 통해 제어할 수 있다.

6. 좋은 함수에 대한 추정: 기술적 작업의 대부분은 $f$와 $g$가 좋은 함수일 때 내적 $\langle K_\Theta f, g \rangle$를 추정하는 것이다. 항들의 합은 큐브들의 상대적 위치와 크기(멀리 떨어짐, 교차함, 유사한 크기 등)에 따라 분해된다.

   • 멀리 떨어진 큐브들: 커널의 매끄러움과 서포트 간의 분리에 의존한다.
   • 교차하거나 크기가 유사한 큐브들: 이들은 세심한 처리를 요구한다. 저자는 파라프로덕트(paraproduct) 분해를 사용하며, 만약 연산자가 반대칭이었다면 특정 항들이 소거되었을 것이라는 사실을 이용한다. 커널이 반대칭이 아니므로, 이러한 항들은 나쁜 큐브들의 확률적 작음(smallness)과 억제된 커널의 특정 기하학적 성질을 사용하여 유계임을 보인다.

주요 기여 및 결과
주요 결과는 임의 차원의 칼데론-지그문트 연산자에 대한 비균질적 $Tb$ 정리인 정리 2.1이다.

• 가설: 정리는 두 개의 유계 함수 $b_1, b_2$ (경유 큐브에서 축약적(accretive)임)와 유한 라돈 측도 $\mu$의 존재를 가정한다. 또한, $b_1\mu$에 적용된 켤레 연산자 $T^*$와 $b_2\mu$에 적용된 $T^*_*$가 예외 집합 외부에서 특정 방식으로 유계임을 요구한다.
• 결론: $\text{supp}(\mu)$의 부분집합 $G \subset \text{supp}(\mu)$가 존재하여 다음을 만족한다:
  1. $\mu(G)$는 $\mu(\text{supp}(\mu))$와 비교 가능하다.
  2. 제한된 측도 $\mu|_G$는 선형 성장(degree $n$의 다항식 성장)을 갖는다.
  3. 특이 적분 연산자 $T$는 $L^2(\mu|_G)$에서 유계이다.

관련 상수들은 커널의 칼데론-지그문트 상수, 성장 상수 $c_0$, 축약 상수, 그리고 테스트 함수의 유계값들에 의해서만 결정된다.

의의 및 주장
본 논문은 더 넓은 범위의 연산자와 환경으로 $Tb$ 정리를 엄밀하게 확장했다고 주장한다:

• 차원: 본 연구는 평면 결과(특히 코시 변환에 대한 나자로프, 트레일, 볼베르크의 결과)를 임의의 차원 $d$로 일반화한다.
• 대칭성: 커널이 반드시 반대칭일 필요가 없다는 점을 명시하는데, 이는 해석적 용량에 대한 기존의 응용들과는 크게 다른 점이다.
• 제거 가능성에 대한 응용: 저자는 이 결과가 $R^d$ ($d \geq 2$)에서 리프시츠 조화 용량(Lipschitz harmonic capacity)을 연구하기 위한 필수적인 도구라고 언급한다. 분석 함수를 리프시츠 조화 함수로 전환함으로써 제거 가능성 문제를 고차원으로 재구성할 수 있으며, 본 $Tb$ 정리는 이러한 제거 가능한 집합을 특징짓는 분석적 기계(analytical machinery)를 제공한다.

논문은 증명이 매우 기술적임을 인정하며, 서론(preliminaries), 억제된 연산자의 구성, 마팅게일 분해, 좋은 함수에 대한 추정, 코틀러 유형의 부등식(Cotlar-type inequality), 그리고 최종적인 확률적 논증을 다루는 섹션들로 나뉜다고 밝히고 있다. 또한, 매우 일반적인 국소적(local) $Tb$ 정리가 메를로, 무르글로우, 풀리아티(Merlo, Mourgoglou, Puliatti)에 의해 독립적이고 동시에 증명되었으며, 이 논문의 결과는 그로부터 유도될 수 있음을 명시하고 있다.