中文

$\mathbb{R}^{d}$ 中的伯努利卷积维数

动力系统 2024-06-11 v1 概率论

摘要

对于 (λ1,...,λd)=λ(0,1)d(\lambda_{1},...,\lambda_{d})=\lambda\in(0,1)^{d}λ1>...>>λd\lambda_{1}>...>>\lambda_{d},记 μλ\mu_{\lambda} 为与 λ\lambda 相关的伯努利卷积,即 μλ\mu_{\lambda} 是随机向量 n0±(λ1n,...,λdn)\sum_{n\ge0}\pm\left(\lambda_{1}^{n},...,\lambda_{d}^{n}\right) 的分布,其中 ±\pm 符号独立且等权选择。假设对每个 1jd1\le j\le dλj\lambda_{j} 不是系数为 ±1,0\pm1,0 的多项式的根,则我们证明 μλ\mu_{\lambda} 的维数等于 min{dimLμλ,d}\min\left\{ \dim_{L}\mu_{\lambda},d\right\} ,其中 dimLμλ\dim_{L}\mu_{\lambda} 为 Lyapunov 维数。更一般地,我们在 Rd\mathbb{R}^{d} 上具有有理平移的齐次对角仿射系统中获得此结果。该证明扩展了 Breuillard 和 Varj\'u 以及 Varj\'u 关于实数线上伯努利卷积的工作。本文的主要新颖性和贡献在于对 Varj\'u 的熵增结果的扩展,其中给出熵增加量的显式表达式。将此结果扩展到更高维的非各向同性情形需要显著的新思想。

关键词

引用

@article{arxiv.2406.05495,
  title  = {Dimension of Bernoulli Convolutions in $\mathbb{R}^{d}$},
  author = {Ariel Rapaport and Haojie Ren},
  journal= {arXiv preprint arXiv:2406.05495},
  year   = {2024}
}

备注

31 pages