아핀군 Gₙ의 최대 평균 연산자와 비가중·가중 기법의 심층 분석

초록

본 논문은 일반 아핀군 Gₙ (ℝⁿ⋊ℝ₊)에서 정의되는 세 종류의 최대 평균 연산자—수평 이동, 수직 팽창, 그리고 쌍곡선 지오데시—의 Lᵖ 거동을 체계적으로 조사한다. 이동 연산자는 전통적인 Hardy‑Littlewood 최대함수와 동일하게 Lᵖ (1<p≤∞) 에서 유계이며 약한 (1,1) 추정도 만족한다. 반면, 비가중 팽창 평균은 비가환성(비유니모듈러) 때문에 표준 평균이 L¹ 에서 발산하고, 모듈러 가중치를 도입한 수정 연산자만이 p>1 에서 유계한다. 마지막으로, 고정 방향의 쌍곡선 지오데시 평균은 음의 곡률 덕분에 L¹ 까지 강한 유계성을 갖는다. 또한, 확장된 무작위 보행에 대한 최대 연산자는 드리프트와 모듈러 함수의 관계에 따라 Lᵖ (1≤p<∞) 에서 유계 여부가 결정된다.

상세 분석

논문은 먼저 아핀군 Gₙ =ℝⁿ⋊ℝ₊의 구조를 정리하고, 좌측 Haar 측도 dμ(x,y)=dx dy y^{n+1}와 모듈러 함수 Δ(x,y)=y^{-n}을 명시한다. 비유니모듈러성은 특히 수직 팽창 연산자에서 핵심 장애요소가 된다.

1. 수평 이동 평균(M_trans)
   정의는 M_trans f(x,y)=sup_{r>0} |B_r|^{-1}∫{B_r}|f(x+yt,y)| dt이다. 변수 변환 u=x+yt를 이용해 평균을 y에 독립적인 ℝⁿ상의 Hardy‑Littlewood 최대함수 M{HL}와 동일시한다. 따라서 Lᵖ‑유계성은 기존 Euclidean 결과를 그대로 차용할 수 있고, 약한 (1,1) 추정도 Haar 측도의 분리적 구조 덕분에 그대로 유지된다.

2. 수직 팽창 평균(M_dil)
   표준 평균 M_{Leb} f(x,y)=sup_{r>0} r^{-1}∫_0^r|f(x,ye^t)| dt는 Haar 측도의 y^{n+1} 성장에 비해 지수적 팽창이 빠르게 커져 Lᵖ에서 발산함을 Lemma 6·Proposition 7을 통해 증명한다. 이를 해결하기 위해 모듈러 가중치 e^{-nt}를 삽입한 정규화 V_n(r)=∫0^r e^{-nt}dt를 도입, M_dil f(x,y)=sup{r>0}V_n(r)^{-1}∫_0^r|f(x,ye^t)|e^{-nt}dt 로 정의한다. 로그 좌표 u=log y를 사용하면 팽창 연산자는 단순한 평행 이동이 되며, 가중치를 포함한 평균은 표준 Hardy‑Littlewood 연산자와 동형이다. 이때 Lᵖ‑유계성은 p>1에서 성립하지만, p=1에서는 여전히 로그적 감소가 부족해 약한 (1,1) 추정이 실패한다.

3. 쌍곡선 지오데시 평균(M_γ,ω)
   고정 방향 ω∈S^{n-1}에 대해 M_γ,ω f(x,y)=sup_{r>0}r^{-1}∫_0^r|f(x+y ω tanh t, y sech t)| dt 로 정의한다. 이 경로는 상반평면 모델에서 실제 쌍곡선 거리 최소 곡선을 따라가며, 볼륨은 지수적으로 감소한다. 따라서 평균 커널은 y에 대한 강한 감쇠를 제공해, L¹에서도 강한 유계성을 확보한다(정리 3). 이는 음의 곡률이 제공하는 “볼륨 수축” 효과와 직접 연관된다.

4. 무작위 보행과 드리프트
   확률 측도 μ가 Gₙ에 대해 컴팩트 지지면, 드리프트 함수 ρ_p(μ)=∫_Gₙ y(h)^{-n/p} dμ(h)를 도입한다. ρ_p(μ)<1이면 평균 연산자 f M_μ는 Lᵖ에서 유계, ρ_1(μ)>1이면 L¹에서 약한 (1,1) 추정이 파괴된다. 이는 Brownian motion이 상반평면에서 위쪽으로 지속적으로 “떠오르는” 현상과 일치한다.

5. 기술적 도구

   • Haar 측도와 모듈러 함수의 정확한 변환식
   • 로그 좌표 변환을 통한 비가중 연산자의 평행 이동화
   • 지오데시 평균에 대한 곡률 기반 커널 추정
   • 인터폴레이션 레마와 약한 타입 추정의 부정 논증

전체적으로 논문은 비유니모듈러 솔베이블 그룹에서 최대 평균 연산자의 행동을 “가중·비가중” 이분법으로 명확히 구분한다. 이동 연산자는 전통적인 유클리드 결과와 일치하지만, 팽창 연산자는 모듈러 가중치 없이는 전혀 작동하지 않는다. 반면, 기하학적으로 자연스러운 지오데시 평균은 곡률이 제공하는 볼륨 감소 덕분에 L¹까지 강한 유계성을 유지한다. 이러한 결과는 조화해석, 확률 과정, 그리고 비가중 군 이론 사이의 깊은 연관성을 보여준다.