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:2508.06875

帮助 | 高级搜索

数学 > 经典分析与常微分方程

arXiv:2508.06875 (math)
[提交于 2025年8月9日 (v1) ,最后修订 2025年8月25日 (此版本, v5)]

标题: 自仿测度在Lalley-Gatzouras地毯上的量化误差的收敛阶

标题: Convergence order of the quantization error for self-affine measures on Lalley-Gatzouras carpets

Authors:Sanguo Zhu
摘要: 设$E$是由一组压缩仿射映射$\{f_{ij}\}_{(i,j)\in G}$确定的 Lalley-Gatzouras 窗格。我们研究自仿测度$\mu$在$E$上的量化误差渐进行为。我们证明在精确量化维数下,$\mu$的上界和下界量化系数都远离零和无穷大。这显著推广了之前关于 Bedford-McMullen 窗格上自仿测度量化的工作。新的关键在于对$\mu$量化误差从下界进行估计的方法,以及通过应用 Prohorov 定理构造辅助测度的方法。
摘要: Let $E$ be a Lalley-Gatzouras carpet determined by a set of contractive affine mappings $\{f_{ij}\}_{(i,j)\in G}$. We study the asymptotics of quantization error for the self-affine measures $\mu$ on $E$. We prove that the upper and lower quantization coefficient for $\mu$ are both bounded away from zero and infinity in the exact quantization dimension. This significantly generalizes the previous work concerning the quantization for self-affine measures on Bedford-McMullen carpets. The new ingredients lie in the method to bound the quantization error for $\mu$ from below and that to construct auxiliary measures by applying Prohorov's theorem.
评论: 一些拼写错误已被更正
主题: 经典分析与常微分方程 (math.CA) ; 度量几何 (math.MG)
MSC 类: 28A80, 28A75
引用方式: arXiv:2508.06875 [math.CA]
  (或者 arXiv:2508.06875v5 [math.CA] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.06875
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Sanguo Zhu [查看电子邮件]
[v1] 星期六, 2025 年 8 月 9 日 08:12:15 UTC (21 KB)
[v2] 星期日, 2025 年 8 月 17 日 11:28:03 UTC (23 KB)
[v3] 星期二, 2025 年 8 月 19 日 09:58:59 UTC (23 KB)
[v4] 星期四, 2025 年 8 月 21 日 08:20:50 UTC (23 KB)
[v5] 星期一, 2025 年 8 月 25 日 16:25:55 UTC (23 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
math.CA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
math
math.MG

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