A short note on Meyers' theorem

技术摘要：关于 Meyers 定理的简短笔记

问题陈述
本笔记探讨了具有不连续系数的二阶散度形式椭圆方程的弱解的 $L^p$ 正则性：
$$\text{div}(M\nabla u) = \text{div} F \quad \text{在 } \Omega \subset \mathbb{R}^d \text{ 中},$$
并满足 Dirichlet 边界条件（在 $\partial\Omega$ 上 $u=0$）。此处，$M$ 是一个可测的、实值的、对称矩阵，满足以常数 $K > 1$ 定义的一致椭圆性条件：
$$\frac{1}{K}|\xi|^2 \leq \langle M\xi, \xi \rangle \leq K|\xi|^2, \quad \forall \xi \in \mathbb{R}^d.$$
核心问题是确定指数 $p$ 的最优范围（即“Meyers 区间”），使得梯度弱解满足估计式 $\|\nabla u\|_p \leq C\|F\|_p$。虽然 N. G. Meyers 已经确立了存在这样一个区间 $(q_K, p_K)$ 且 $p_K > 2$，但在维度 $d > 2$ 时，精确确定最优区间仍然是一个开放问题。在此项工作之前，已知的最佳结果是由 Iwaniec 和 Sbordone 取得的，该结果提供了一个由 $\|T\|_{p,p} \leq 7p - 13$ 导出的与维度无关的区间，其中 $T$ 是一个与 Riesz 变换相关的特定算子。

方法论
作者采用了 Iwaniec 和 Sbordone 建立的框架，侧重于全空间 $\Omega = \mathbb{R}^d$（注：结果可推广至光滑有界区域）。该方法依赖于 Riesz 变换 $R = (R_1, \dots, R_d)$ 以及相关的算子 $T = I + 2(R \otimes R)$ 的性质。

核心方法论包括：

1. 算子范数估计：论文利用了如下条件：如果 $\|T\|_{p,p} < \frac{K+1}{K-1}$，则 $p$ 属于 Meyers 区间。
2. 精细插值：作者没有依赖于先前使用的估计式 $\|T\|_{p,p} \leq 7p - 13$，而是推导出了一个更紧致的 $\|T\|_{p,p}$ 界限。
3. 引理 1 的构建：作者证明了对于 $1 < p < \infty$，其范数满足 $\|T\|_{p,p} \leq 2.6(p^* - 2) + 1$，其中 $p^* = \max(p, p/(p-1))$。
   • 对于 $p > 6$，该界限通过线性不等式得出。
   • 对于 $2 \leq p \leq 6$，作者在 $L^2$（此处 $T$ 是等距变换，故 $\|T\|_{2,2}=1$）与 $L^6$ 之间应用了 Riesz–Thorin 插值定理。
   • 该证明涉及对辅助函数 $G(\theta)$ 的详细分析，以验证该不等式在整个插值范围内均成立。
   • 利用对偶性将结果扩展至 $1 < p \leq 2$。

主要贡献与结果
本笔记的主要贡献是改进了已知的与维度无关的 Meyers 区间。通过将新导出的 $\|T\|_{p,p}$ 估计值与条件 $\|T\|_{p,p} < \frac{K+1}{K-1}$ 相结合，作者确立了定理 1：

Meyers 区间包含以下范围：
$$\left( \frac{26K - 16}{13K - 3}, \frac{26K - 16}{13K - 13} \right).$$

该结果超越了此前已知的最佳无维度区间：
$$\left( \frac{14K - 12}{7K - 5}, \frac{14K - 12}{7K - 7} \right).$$

论文还引用了命题 1 和命题 2，它们确立了算子范数 $\|R \otimes R\|_{p,p}$ 对于矩阵值和向量值函数均受限于 $p^* - 1$，这一事实被用于推导主定理。

意义与主张
本文谦逊地将其贡献定位为对 Iwaniec 和 Sbordone 所得界限的改进。作者明确指出，其目的是“改进 (3)”（指代之前的无维度区间）。

其意义在于收紧了定义梯度更高可积性保证范围的 $p$ 的常数。作者指出，虽然引理 1 中的常数 $2.6$可以稍微精炼为$2.55$，但这种改变不会显著改变最终的区间。这项工作并不声称解决了关于$d > 2$ 时确定最优 Meyers 区间（猜想 1）的开放问题，而是提供了比现有文献中更优的已知区间宽度下界。该结果被呈现为椭圆正则性理论内的一项技术性改进，依赖于 Riesz 变换和插值技术。