Calderón-Zygmund estimates for parabolic $p$-Laplacian systems with non-divergence form right-hand sides

拋物型 p-拉普拉斯方程（非線性熱方程族）的 Calderón-Zygmund（CZ）梯度估計理論存在一個長期未解的缺口：在右端項以非散度形式（non-divergence form）出現且 p ≠ 2 的情形下，最優的可積性傳遞指數至今不明。薩爾茨堡大學四位數學家的這篇論文首次填補這個缺口，確立明確的指數公式 μ = (N+2)/(N(p-1)+p+s)，並在線性情形 p=2 下精確還原古典熱核 Riesz 位勢映射的最優指數，完成了 Acerbi-Mingione 散度形式框架的最後一塊拼圖。

橢圓型 CZ 估計的 Bogovskiĭ 降階與拋物情形的缺口

Calderón-Zygmund 型梯度估計的核心命題是：若方程右端項數據具有更高的可積性，這種改善能否精確地「傳遞」到解的空間梯度上？對橢圓型 p-Laplace 系統，散度形式的 CZ 估計是經典結果——F ∈ L^q_loc 推出 Du ∈ L^q_loc（q ≥ p）；對於非散度形式右端項 f，橢圓情形可借助 Bogovskiĭ 算子（建構散度方程解的古典構造，用以將 f 表示為 div(...) 的形式）化歸處理，最優的 s-q 指數轉換公式因此直接繼承。

拋物情形（含時間導數 ∂_t u 的演化方程）則長期滯後於橢圓理論。Acerbi 和 Mingione 在 2007 年的奠基性工作解決了散度形式右端項的拋物 CZ 估計：在 VMO（Vanishing Mean Oscillation，均值振盪趨零）係數條件下，F ∈ L^q_loc 推出 Du ∈ L^q_loc，q ≥ p；方法核心是內稟縮放（intrinsic scaling）技術，以 λ^{2-p} 尺度調整時間軸使方程局部接近齊次，完全繞開奇異積分工具。然而，拋物型方程中不存在 Bogovskiĭ 算子的自然類比，非散度形式右端項 f 在 p ≠ 2 的拋物情形因此成為長期懸而未決的開放問題。

主定理的指數公式 μ = (N+2)/(N(p-1)+p+s)

論文考慮的方程為 ∂_t u − div(a(x,t) |Du|^{p-2} Du) = f，係數 a 滿足一致橢圓性（C₀ ≤ a ≤ C₁）和 VMO 條件，p > 2N/(N+2)。主定理（Theorem 1.1）給出：對任意目標指數 s > p，定義

μ := (N+2) / (N(p-1) + p + s)

若 f ∈ L^{μs}_loc，則弱解的空間梯度滿足 Du ∈ L^s_loc，且有顯式的定量積分估計，常數依賴 N, k, p, C₀, C₁, s 及 VMO 模函數。等價的 Theorem 1.2 採用固定 q := μs 的表述：在 p(N+2)/(N(p-1)+2p) < q < N+2 範圍內，梯度指數為 s = q(N(p-1)+p)/(N+2−q)，隨 q 單調增加；q → N+2 的極限對應 s → ∞，此時若係數進一步假設為 Hölder 連續或 Dini 連續，則 Du ∈ L^∞_loc。兩個定理的指數公式均體現了拋物方程在空間-時間聯合尺度下的自然 Sobolev 移位結構，且 μ 對所有參數的依賴形式都是明確且封閉的。

p=2 的最優性驗證：Riesz 位勢映射 I₁ 的精確還原

論文嚴格驗證了指數的最優性（sharpness）。在線性熱方程（p = 2）情形，解的梯度可用熱核 Γ 的卷積表示：Du ≈ DΓ * f，其中 DΓ 是次階為 1 的拋物 Riesz 位勢算子 I₁，其 Lebesgue 空間映射性質為

I₁ : L^q → L^s，其中 1/s = 1/q − 1/(N+2)

代入 p = 2 後，本文的指數 μ = (N+2)/(N+2+s) 滿足 μs = s(N+2)/(N+2+s)，由此推出 1/(μs) − 1/s = 1/(N+2)，與 Riesz 位勢映射性質完全一致。這表明本文在 Lebesgue 空間尺度上的估計無法進一步改進，實現了真正意義上的最優性。此外，當 f 局部屬於 Lorentz 空間 L^{N+2,1} 時（對應 q → N+2 的臨界情形），Du ∈ L^∞_loc，這同樣被本文的框架覆蓋。

先前估計 [6, 14] 的不足與本文的突破

在本文之前，文獻 [6, 14] 給出的拋物非散度形式最佳已知估計為：

f ∈ L^{(N+2)s/(N(p-1)+2p)}_loc ⟹ Du ∈ L^s_loc

與本文比較，先前所需的 f 可積指數為 (N+2)s/(N(p-1)+2p)，而本文的指數為 μs = s(N+2)/(N(p-1)+p+s)。由於 s > p，有 N(p-1)+p+s > N(p-1)+2p，故 μs < (N+2)s/(N(p-1)+2p)，即本文對 f 的要求更弱，同時獲得相同的梯度改善。更關鍵的是，即使在線性情形 p = 2，先前結果也未達到最優：先前的指數退化為 (N+2)s/(N+4)，而 Riesz 理論給出的最優值為 s(N+2)/(N+2+s)；當 s > 2 時，N+2+s > N+4，故先前要求更高的 f 可積性，說明其在線性情形也有冗餘，並非真正的最優估計。

兩步比較論證與 Hölder 插值的最優指數機制

證明策略沿用 Acerbi-Mingione 的精神——內稟縮放配合 CZ 式覆蓋論證——但核心難點在於如何在非散度形式下實現最優指數傳遞。兩步比較論證的第一步將原方程弱解 u 與相應的齊次方程（f = 0）解 v 比較，利用 Gagliardo-Nirenberg（伽利亞爾多-尼倫柏格）型不等式估計 u−v 的梯度，在此過程中使右端項 f 的可積指數保持盡可能低。第二步將 v 與係數凍結後的齊次系統解 w 比較，後者的梯度在內稟柱形（intrinsic cylinder，以 λ^{2-p} 調整時間半徑）上局部有界（L^∞），由此建立超水平集 {|Du| ≳ λ} 的精細控制。

最優指數 μ 的出現依賴一個巧妙的 Hölder 插值：在局部柱形 Q_i 上，將中間步驟產生的指數 p(N+2)/(N(p-1)+2p) 的 f 積分，用全局 L^{μs} 范數（作為固定係數）乘以局部 L^{μp} 積分來分解。這種分解使積分估計在不相交柱族上穩定疊加，通過標準的 Fubini 式論證得到最終梯度估計，而恰好是這個插值技巧將「直接縮放」所需的較大指數降低到了最優的 μs。

Hölder 插值把全局 L^{μs} 范數當係數、把局部 L^{μp} 積分分開處理，正是這個分拆讓 μ = (N+2)/(N(p-1)+p+s) 自然浮現，而非依賴更強的 f 可積性假設。