[论文解读] Fourier decay in nonlinear dynamics

Tuomas Sahlsten, Connor Stevens|arXiv (Cornell University)|Oct 2, 2018

Mathematical Dynamics and Fractals被引用 9

一句话总结

本文在有限李雅普诺夫指数假设下，通过将衰减速率与非线性程度关联，建立了足够非线性的扩张马尔可夫映射上吉布斯测度的多项式傅里叶衰减。利用大偏差和加法组合学，通过丢番图分析验证了高斯映射的情形，扩展了关于吉布斯测度和分形不确定性原理的先前结果。

ABSTRACT

We study when Fourier transforms of Gibbs measures of sufficiently nonlinear expanding Markov maps decay at infinity at a polynomial rate. Assuming finite Lyapunov exponent, we reduce this to a nonlinearity assumption, which we verify for the Gauss map using Diophantine analysis. Our approach uses large deviations and additive combinatorics, which combines the earlier works on the Gibbs measures for Gauss map (Jordan-Sahlsten, 2013) and Fractal Uncertainty Principle (Bourgain-Dyatlov, 2017).

研究动机与目标

• 确定在何种条件下，扩张马尔可夫映射上吉布斯测度的傅里叶变换在无穷远处呈现多项式衰减。
• 将傅里叶衰减速率与映射的非线性程度联系起来，特别是在李雅普诺夫指数有限的条件下。
• 将乔丹-萨赫尔斯坦（2013）关于吉布斯测度的结果以及包干-戴特洛夫（2017）关于分形不确定性原理的结果，推广到更广泛的非线性系统类别。
• 利用丢番图逼近技术验证高斯映射的非线性条件。
• 统一大偏差与加法组合学的方法，用于分析吉布斯测度的傅里叶衰减。

提出的方法

• 在李雅普诺夫指数有限的条件下，将傅里叶衰减问题归约为扩张马尔可夫映射的非线性假设。
• 应用大偏差理论以控制映射下轨道的统计行为，从而控制傅里叶系数的分布。
• 运用加法组合学分析布洛克霍夫和的水平集结构，将其与傅里叶变换的衰减速率联系起来。
• 结合乔丹-萨赫尔斯坦（2013）关于高斯映射吉布斯测度的技术与包干-戴特洛夫（2017）关于分形不确定性原理的技术。
• 利用丢番图分析验证高斯映射所需的非线性条件，确保衰减速率为多项式。
• 通过证明在非线性条件下，吉布斯测度的傅里叶变换衰减类似于 |ξ|^{-s}（其中 s > 0），从而确立衰减速率为多项式。

实验结果

研究问题

• RQ1 在何种映射条件下，吉布斯测度的傅里叶变换在无穷远处呈现多项式衰减？
• RQ2 映射的非线性程度如何影响其吉布斯测度的傅里叶衰减速率？
• RQ3 能否验证高斯映射满足多项式衰减所需的非线性条件？
• RQ4 在多大程度上可以将大偏差与加法组合学结合，用于分析非线性动力系统中的傅里叶衰减？
• RQ5 有限李雅普诺夫指数条件与非线性假设如何相互作用，以确保多项式衰减？

主要发现

• 在有限李雅普诺夫指数假设下，对于足够非线性的扩张马尔可夫映射，其吉布斯测度的傅里叶变换在无穷远处呈现多项式衰减。
• 衰减速率由一个非线性条件决定，该条件通过丢番图逼近技术在高斯映射上得到验证。
• 该方法成功地统一了大偏差与加法组合学，用于分析非线性系统中傅里叶变换的衰减。
• 结果将分形不确定性原理的适用范围扩展到此前研究之外的更广泛的吉布斯测度类别。
• 分析确认高斯映射满足所需的非线性条件，从而确保其吉布斯测度的傅里叶变换呈现多项式衰减。
• 该框架提供了一种通用机制，可从映射的几何与动力学性质推导出多项式傅里叶衰减，而非依赖于特定对称性。