[论文解读] Self-similar fractals as boundaries of networks

Erin P. J. Pearse|arXiv (Cornell University)|Apr 8, 2011

Mathematical Dynamics and Fractals参考文献 4被引用 5

一句话总结

本文构建了一个加权网络（可逆的马尔可夫链），其理想边界与给定的后临界有限自相似分形（如谢尔宾斯基垫片或康托集）同胚。通过类比于 bump 函数的有限能量函数，作者证明了该网络上的简单随机游走几乎必然收敛到边界，并通过基于能量函数的紧化方法，将边界识别为分形本身。

ABSTRACT

For a given pcf self-similar fractal, a certain network (weighted graph) is constructed whose ideal boundary is (homeomorphic to) the fractal. This construction is the first representation of a connected self-similar fractal as the boundary of a reversible Markov chain (i.e., a simple random walk on a network). The boundary construction is effected using certain functions of finite energy which behave like bump functions on the boundary. The random walk is shown to converge to the boundary almost surely, with respect to the standard measure on its trajectory space.

研究动机与目标

• 将连通的后临界有限自相似分形表示为可逆马尔可夫链的理想边界。
• 通过离散势论提供一种基于网络的框架，用于研究分形上的分析。
• 利用有限能量函数建立网络理想边界与分形吸引子之间的同胚关系。
• 通过用有限能量函数替代马丁核，推广马丁边界方法，同时保持收敛性质。

提出的方法

• 基于定义分形的迭代函数系统构造加权图（网络），其中边权由电阻标度决定。
• 在该网络上定义一族有限能量函数，其在边界上表现如同 bump 函数，从而实现对边界点的分离。
• 利用紧化定理（Woe 势论）将边界定义为在能量函数下收敛的序列的商空间。
• 通过从有限能量函数的超鞅导出的交叉估计，证明网络上简单随机游走的几乎必然收敛性。
• 通过使用嵌套胞腔结构构造逆映射，建立网络边界与分形之间的同胚关系。
• 利用能量函数在分形上的一致连续性，验证边界识别的拓扑连续性。

实验结果

研究问题

• RQ1 连通的自相似分形能否被实现为可逆马尔可夫链的边界？
• RQ2 网络上的有限能量函数如何用于分离无穷远处的点并定义紧化？
• RQ3 所构建网络上的简单随机游走是否几乎必然收敛到分形边界？
• RQ4 网络的边界是否与原始自相似分形同胚？

主要发现

• 所构建网络的理想边界与原始后临界有限自相似分形（如谢尔宾斯基垫片或康托集）同胚。
• 网络上的简单随机游走以自然路径空间测度为基准，几乎必然收敛到边界上的某一点。
• 网络上的有限能量函数可作为马丁核的替代品，实现对边界点的分离与收敛性分析。
• 通过满足定理 1.3 条件的、在能量函数下收敛的顶点序列的商空间，实现了边界紧化。
• 通过使用嵌套胞腔结构构造从边界到分形的逆映射，确保了连续性与双射性。
• 将边界识别为分形依赖于能量函数在分形上的一致连续性，该结论由 Strichartz (2006) 建立。