[论文解读] $3$-dimensional Continued Fraction Algorithms Cheat Sheets

Sebastien Labbé|arXiv (Cornell University)|Nov 26, 2015

Mathematical Dynamics and Fractals参考文献 6被引用 8

一句话总结

本论文为七个三维连分数算法——Brun、Selmer、Poincaré、完全减法（Fully Subtractive）、Arnoux-Rauzy-Poincaré、Reverse以及Cassaigne——提供了全面的‘速查表’，详细阐述了其动力学性质、不变测度、李雅普诺夫指数、符号动力学以及数字几何特性。研究基于Sage与slabbe软件包实现，提供了可复现的计算结果，包括不变测度密度、圆柱集、S-adelic词复杂度、偏差（discrepancy）以及对偶替换，重点对比了各算法间李雅普诺夫指数的差异。

ABSTRACT

Multidimensional Continued Fraction Algorithms are generalizations of the Euclid algorithm and find iteratively the gcd of two or more numbers. They are defined as linear applications on some subcone of $\mathbb{R}^d$. We consider multidimensional continued fraction algorithms that acts symmetrically on the positive cone $\mathbb{R}^d_+$ for $d=3$. We include well-known and old ones (Poincaré, Brun, Selmer, Fully Subtractive) and new ones (Arnoux-Rauzy-Poincaré, Reverse, Cassaigne). For each algorithm, one page (called cheat sheet) gathers a handful of informations most of them generated with the open source software Sage with the optional Sage package exttt{slabbe-0.2.spkg}. The information includes the $n$-cylinders, density function of an absolutely continuous invariant measure, domain of the natural extension, lyapunov exponents as well as data regarding combinatorics on words, symbolic dynamics and digital geometry, that is, associated substitutions, generated $S$-adic systems, factor complexity, discrepancy, dual substitutions and generation of digital planes. The document ends with a table of comparison of Lyapunov exponents and gives the code allowing to reproduce any of the results or figures appearing in these cheat sheets.

研究动机与目标

• 系统化并记录三维连分数算法的动力学与数论性质，以供科研与教学使用。
• 通过开源软件（Sage与slabbe包）提供统一的计算框架，用于分析多维连分数。
• 通过李雅普诺夫指数与偏差度量，比较不同三维算法的效率与收敛行为。
• 从算法替换中生成并分析S-adelic词、因子复杂度与数字平面。
• 通过已发布的Sage代码与实验数据，实现结果的完全可复现性。

提出的方法

• 本研究采用Sage中的计算框架，并借助slabbe-0.2.spkg软件包，通过在单形（2-simplex）上的矩阵cocycles与射影映射实现并分析每个算法。
• 对每个算法，论文计算并展示了n-圆柱集、不变测度密度、自然扩张与李雅普诺夫指数，基于30条轨道各1亿次迭代的结果。
• 通过替换生成符号动力学与S-adelic词，针对代表性方向（如(1,e,π)）计算因子复杂度与偏差。
• 从原始替换中推导出对偶替换，并计算E₁*块以可视化三维空间中数字平面的生成过程。
• 李雅普诺夫指数通过将Vincent Delecroix的C代码移植至Cython实现，确保高精度的统计估计。
• 所有结果，包括图表与表格，均由可复现的Sage代码生成，支持对图表与数据的完整重现。

实验结果

研究问题

• RQ1 不同三维连分数算法的李雅普诺夫指数在收敛速度与稳定性方面有何比较？
• RQ2 各算法在单形上的不变测度及其密度函数具有何种结构？
• RQ3 各算法生成的S-adelic词在一般方向下的符号动力学与因子复杂度行为如何？
• RQ4 生成的数字平面的偏差如何？其在不同算法间有何差异？
• RQ5 对偶替换与E₁*块如何反映算法的几何与算术特性？

主要发现

• Arnoux-Rauzy-Poincaré算法表现出最高的第一李雅普诺夫指数（θ₁ ≈ 0.44290），且比值1−θ₂/θ₁ ≈ 1.38879，表明其具有强收敛性。
• Brun算法的θ₁ ≈ 0.30449，1−θ₂/θ₁ ≈ 1.36833，相较于其他算法具有相对较高的收敛速率。
• Reverse算法的θ₁ ≈ 0.40489，1−θ₂/θ₁ ≈ 1.25489，表明其收敛速度优于Brun，但稳定性不及AR-P。
• 完全减法与Poincaré算法的李雅普诺夫指数极小（θ₁ ≈ 2.5e−9 与 6.9e−9），表明其接近零或发散行为。
• Cassaigne与Selmer算法生成的S-adelic词的因子复杂度在n ≤ 20时呈线性增长，即p_w(n) ≈ 2n+1，表明复杂度低且高度规则。
• 在19,701个方向（总和为200）上，S-adelic词的偏差表现出一致的分布模式，Cassaigne与Selmer算法均达到较低的偏差值。