[论文解读] Individual Gap Measures from Generalized Zeckendorf Decompositions

Robert Dorward, Pari L. Ford+4 more|arXiv (Cornell University)|Sep 10, 2015

semigroups and automata theory参考文献 12被引用 4

一句话总结

本文建立了广义齐肯多夫分解中个体间隙度量几乎必然收敛于几何衰减的一般条件，扩展了先前关于平均间隙行为的结果。通过利用求和项数量的高斯性与成对间隙的独立性，证明了对于一大类线性递推序列，随着整数大小的增长，每个整数分解中求和项之间的间隙分布收敛于极限几何分布。

ABSTRACT

Zeckendorf's theorem states that every positive integer can be uniquely decomposed as a sum of nonconsecutive Fibonacci numbers. The distribution of the number of summands converges to a Gaussian, and the individual measures on gaps between summands for $m \in [F_n, F_{n+1})$ converge to geometric decay for almost all $m$ as $n o\infty$. While similar results are known for many other recurrences, previous work focused on proving Gaussianity for the number of summands or the average gap measure. We derive general conditions which are easily checked yield geometric decay in the individual gap measures of generalized Zeckendorf decompositions attached to many linear recurrence relations.

研究动机与目标

• 将已知的齐肯多夫分解中平均间隙度量结果扩展到范围内每个整数的个体间隙度量。
• 识别线性递推序列的一般、易于验证的条件，以确保个体间隙度量收敛于几何衰减。
• 统一并推广先前关于正线性递推和新序列（如m边形数及非唯一分解系统）的结果。
• 证明在不断增长的区间中，几乎所有整数的广义齐肯多夫分解中求和项之间的间隙分布收敛于几何分布。
• 建立适用于不具唯一分解的序列的框架，从而扩展先前工作的适用范围。

提出的方法

• 将个体间隙度量 $ \nu_{z,n}(x) $ 定义为区间 $ I_n = [b_{c_1n + d_1}, b_{c_2n + d_2}) $ 内每个 $ z \in I_n $ 的分解中所有间隙的归一化狄拉克测度之和。
• 通过对所有 $ z \in I_n $ 的 $ \nu_{z,n}(x) $ 取平均，引入平均间隙度量 $ \nu_n(x) $，并将极限间隙概率 $ P(k) $ 定义为 $ P_n(k) $ 的极限。
• 利用特征函数 $ \widehat{\nu_{z,n}}(t) $ 和 $ \widehat{\nu}(t) $，通过列维准则分析分布收敛性。
• 对求和项数量 $ k(z) $ 应用高斯近似，假设 $ \mu_n = c_{\text{mean}}n + O(1) $ 且 $ \sigma_n^2 = c_{\text{var}}n + O(1) $。
• 通过条件 (1.7) 建立成对间隙的独立性，证明 $ \mathbb{E}[X_{j_1,j_1+g_1,j_2,j_2+g_2}(n)] \approx P(g_1)P(g_2) $，且误差趋于零。
• 利用切比雪夫不等式和罕见事件的误差界，证明个体特征函数收敛于极限特征函数。

实验结果

研究问题

• RQ1 在何种线性递推序列的一般条件下，齐肯多夫分解中的个体间隙度量会收敛于几何衰减？
• RQ2 是否可以在不依赖平均间隙度量或强对称性假设的前提下，建立个体间隙度量的收敛性？
• RQ3 分解中间隙的联合分布渐近行为如何？何种条件可确保渐近独立性？
• RQ4 这些结果在多大程度上可推广至不具唯一分解的序列？
• RQ5 该框架是否可应用于新递推系统，如m边形数或非唯一分解序列？

主要发现

• 对于满足定理 1.1 中三个条件的序列，当 $ n \to \infty $ 时，个体间隙度量 $ \nu_{z,n}(x) $ 几乎必然在分布上收敛于极限平均间隙度量 $ \nu(x) $。
• 收敛性通过特征函数建立：$ \mathbb{E}_z[\widehat{\nu_{z,n}}(t)] \to \widehat{\nu}(t) $，且特征函数差值的方差趋于零。
• 关键技术结果是成对间隙计数近似误差 $ \frac{2}{|I_n|\mu_n^2} \sum_{j_1 < j_2} X_{j_1,j_1+g_1,j_2,j_2+g_2}(n) $ 收敛于 $ P(g_1)P(g_2) $，从而确保渐近独立性。
• 该方法适用于广泛的一类序列，包括正线性递推、m边形数以及具有非唯一分解的系统。
• 证明依赖于求和项数量的高斯性以及罕见事件的尾部界，表明偏离典型 $ k(z) $ 的偏差对特征函数的贡献可忽略不计。
• 使用列维准则得出结论：几乎所有个体间隙度量在分布上收敛于极限几何律。