矩阵平衡态的遍历性

@第{条莫里斯2016ErgodicPO,title={矩阵平衡态的遍历性},author={Ian D.Morris},journal={遍历理论与动力系统},年份={2016年},体积={38},页码={2295-2320},网址={https://api.semanticscholar.org/CorpusID:119703855}}
给定实数$d\times d$矩阵$a{1}、\ldots、a{M}$的有限不可约集合和实数参数$s>0$,与$(a{1{,\ldot,a{M{,s)$相关联的$\{1、\ldot、M\}^\mathbb{N}$上存在唯一的移位不变平衡态。本文利用关联矩阵生成的半群的代数性质刻画了这种平衡态的遍历性。当平衡态的熵为零时,当它

矩阵乘积的Lyapunov指数

设${\bf M}=(M_1,\ldots,M_k)$是实数$d\乘以d$矩阵的元组。在某些不可约性假设下,我们给出了判定${\bfM}$是否具有以下特征的可检查标准

不可逆矩阵Lyapunov指数的一致性

设$\mathbf{M}=(M_{1},\ldots,M_{k})$是实$d\times d$矩阵的元组。在某些不可约性假设下,我们给出了判定$\mathbf{M}$是否具有

矩阵Gibbs态的弱Bernoulli性质

我们研究了$\unicode[STIX]{x1D6F4}^{mathbb{Z}}$上一类测度的遍历性,其中$\unicode[STIX]{x1D707}_{{\mathcal{A}},t}[x_{0}\cdotsx_{n-1}]\近似e^{-nP}\Vert

全遍历广义矩阵平衡态具有Bernoulli性质

我们证明了每个全遍历广义矩阵平衡态都是ψ\documentclass[12pt]{minimal}\usepackage{amsmath}\userpackage{wasysym}\usrepackage{amasfonts}\usebackage{amssymb}

局部常余环的一致拟乘性及其应用

本文在不可约性假设下证明了局部常余循环$\mathcal{a}$是$k$-拟乘法的。更准确地说,我们证明了如果$\mathcal{A}^t$和

矩阵平衡态混合的充要条件

自20世纪70年代以来,已有一种丰富的与Hölder-continuous real-value potentials相关的移位空间平衡态理论。平衡态的构造

亚可加平衡态的K性质

摘要:通过推广莱德拉皮尔准则,[在动态系统II中测量了正熵-瓦索维,在法国社会科学院Astérisque中排名50,

广义奇异值势的平衡态及其在仿射迭代函数系统中的应用

我们完整地描述了一类包含Falconer奇异值函数的全位移势在可逆仿射迭代函数系统中的平衡态

广义奇异值势的平衡态及其在仿射迭代函数系统中的应用

我们完整地描述了一类包含Falconer奇异值函数的全位移势在可逆仿射迭代函数系统中的平衡态

自仿射集上平衡态的结构与仿射维数的严格单调性

自仿射集维数理论中的一个基本问题是构造高维测度,该测度产生集的Hausdorff维数的急剧下界。一个天然的

矩阵乘积压力函数的平衡态

设$\{M_i\}_{i=1}^\ell$是$d\次d$复矩阵的非平凡族,在这个意义上,对于任何$n\in\n$,都存在$i_1…i_n\in\{1,…,ell\}^n$,这样$M_{i_1}。。。M_{i_n}\n内

矩阵乘积的Lyapunov指数与多重分形分析。第一部分:正矩阵

AbstractLet(∑,σ)是由m个符号组成的字母表上的一个满移位空间,letM:∑→L+(ℝd,𔬩d)是一个连续函数,取值于d×d正矩阵集中。用λM(x)表示

非负矩阵乘积的压力函数

设$(\Sigma_A,\Sigma)$是有限类型的子移位,且$M(x)$是$\Sigma _A$上的连续函数,取非负矩阵集合中的值。我们推广了经典标量压力

典型无限生成自仿射集Birkhoff平均值的多重分形分析

我们发展了可数符号空间上准乘性势的热力学形式,并将这些结果应用于无限生成自仿射集的维数理论。这个

公理A微分同态的Bernoulli平衡态

那么~(Y~a)=Za和Y~a是紧的。如果a:ZA-->Z.4是拓扑传递的(即,如果U,V是ZA的开集,那么对于某些m>0,ZA是有限类型的子移位)。

矩阵乘积的Lyapunov指数与多重分形分析。第二部分:通用矩阵

我们在[15,18]中继续研究矩阵乘积的上Lyapunov指数。这里我们考虑一般矩阵。一般来说,关于Lyapunov指数的变分公式

联合谱半径的计算有效近似

一种基于半定提升的任意高精度逼近有限矩阵集联合谱半径的方法,证明了基于公共二次Lyapunov函数(或椭球范数)的广泛使用的逼近具有相对精度$1/\sqrt m$,其中$m$是矩阵的数量,$n$是它们的大小。