Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2504.00632v2

帮助 | 高级搜索

数学 > 动力系统

arXiv:2504.00632v2 (math)
[提交于 2025年4月1日 (v1) ,最后修订 2025年6月11日 (此版本, v2)]

标题: 关于自共形集上的Gibbs测度的指数混合及其应用

标题: Exponential mixing for Gibbs measures on self-conformal sets and applications

Authors:Junjie Huang, Bing Li, Sanju Velani
摘要: 本文中,我们证明了:若由满足开集条件的 $C^{1+\alpha}$ 自相似迭代函数系(IFS)生成的 $\mathbb{R}^d$ 上的 Gibbs 测度是指数混合的。 我们利用这一结果得到了与任意此类集合相关的回归集和递减目标子集的本质上最优的渐近计数陈述。 特别是,我们给出了动力系统的一些显式例子,其中回归集表现出(出乎意料的)行为,在递减目标设定中不存在这种行为。 在建立我们的指数混合结果的过程中,我们将 Mattila 的自相似集刚性定理扩展到了没有分离条件的自共形集,并且适用于任意 Gibbs 测度。
摘要: In this paper, we show that Gibbs measures on self-conformal sets generated by a $C^{1+\alpha}$ conformal IFS on $\mathbb{R}^d$ satisfying the OSC are exponentially mixing. We exploit this to obtain essentially sharp asymptotic counting statements for the recurrent and the shrinking target subsets associated with any such set. In particular, we provide explicit examples of dynamical systems for which the recurrent sets exhibit (unexpected) behaviour that is not present in the shrinking target setup. In the process of establishing our exponential mixing result we extend Mattila's rigidity theorem for self-similar sets to self-conformal sets without any separation condition and for arbitrary Gibbs measures.
评论: 90页
主题: 动力系统 (math.DS) ; 经典分析与常微分方程 (math.CA)
MSC 类: Primary: 37A25, 28D05, Secondary: 28A78
引用方式: arXiv:2504.00632 [math.DS]
  (或者 arXiv:2504.00632v2 [math.DS] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.00632
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Bing Li [查看电子邮件]
[v1] 星期二, 2025 年 4 月 1 日 10:30:33 UTC (88 KB)
[v2] 星期三, 2025 年 6 月 11 日 14:46:54 UTC (93 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math.DS
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-04
切换浏览方式为:
math
math.CA

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号