Académique Documents
Professionnel Documents
Culture Documents
Page 1
Des exercices
16.1 Utiliser l'autosimilarité statistique du mouvement brownien pour montrer que, avec probabilité
1, un sentier brownien en 3 a une dimension de boîte d'au plus 2.
16.2 Soit X : [0 , ∞ ) → 3 le mouvement brownien habituel. Montrez que, avec la probabilité 1,
l'image X (F) du troisième ensemble moyen de Cantor F a une dimension de Hausdorff au plus
log 4 / log3. (Plus difficile: montrez qu'il est presque sûrement égal à log4 / log3.)
le résultat analogue pour le mouvement brownien index- α ?
16.3 Soit X : [0 , ∞ ) → 3 le mouvement brownien habituel, et soit F un sous-ensemble compact de
3 . Utilisez le théorème 8.2 pour montrer que si dim H F> 1 alors il y a une probabilité positive
https://translate.googleusercontent.com/translate_f 1/18
31/03/2020 Des exercices
Page 2
Une distribution de masse µ peut être répartie sur une région de telle sorte que
la concentration de masse est très irrégulière. En effet, l'ensemble des points où le
la concentration de masse locale obéit à une loi de puissance d' indice α , disons µ (B (x, r)) ≃ r α pour
petit r , peut déterminer une fractale différente pour différentes valeurs de α . Ainsi, un
toute la gamme des fractales peut provenir d'une seule mesure, et nous pouvons examiner
la structure de ces fractales et leur interrelation. Une mesure µ avec un tel
une structure riche est appelée mesure multifractale ou simplement multifractale . Comme avec
fractales, une définition précise du «multifractal» a tendance à être évitée.
Des mesures multifractales ont été observées dans de nombreuses situations physiques,
exemple dans la turbulence des fluides, la distribution des précipitations, la distribution de masse à travers le
univers, doigté visqueux, réseaux de neurones, cours des actions, et dans de nombreux autres
phénomènes.
Une classe importante de multifractaux se produit dans les systèmesTextedynamiques,
d'origine voir
tion 13.7. Si f : D → D est une cartographie sur un domaine D , on peut définir une 'résidence
universe, viscous fingering, neural networks, share prices, and in
mesure »par many other
277
Page 3
tandis que la théorie grossière est liée à la dimension de comptage de boîtes. L'approche grossière est
généralement plus pratique quand il s’agit d’analyser des exemples physiques ou des
expériences informatiques, mais la théorie fine peut être plus pratique pour les mathématiques
https://translate.googleusercontent.com/translate_f 2/18
31/03/2020 Des exercices
une analyse. Il existe de nombreux parallèles entre les approches fine et grossière,
et pour de nombreuses mesures, les deux approches conduisent aux mêmes «spectres multifractaux».
Nous décrivons la théorie multifractale grossière et fine, puis considérons la
cas de mesures auto-similaires plus en détail, à la fois pour illustrer la théorie et pour
démontrer des idées centrales telles que la transformation de Legendre.
Tout au long de notre discussion, nous nous référons à l'exemple suivant d'un auto-similaire
mesure multifractale sur un ensemble Cantor. Tout comme le troisième ensemble de Cantor du milieu l'illustre
nombreuses caractéristiques des mathématiques fractales, cette mesure auto-similaire soutenue par le
L'ensemble de chants est typique d'une grande classe de mesures multifractales.
Exemple 17.1
k-r
On voit facilement que si I est un k ème intervalle de niveau de E k alors µ (I) 1=pp2 r où,
dans la construction de I , un intervalle de gauche est pris r fois et un intervalle de droite
k - r fois. Si p 1 = p 2 et k est grand, les masses des k ième intervalles de niveau seront
varient considérablement, voir figure 17.1, ce qui est une manifestation de la multifractalité.
L'analyse multifractale grossière d'une mesure µ sur n avec 0 <µ ( n ) < ∞ est similaire
à la dimension de comptage de boîtes, en ce que nous comptons le nombre de cubes de maillage C pour
qui μ (C) est plus ou moins r α . (Rappelons que les cubes r-mesh de n sont les cubes de la
forme [ m 1 r, (m 1 + 1 ) r ] × ··· × [ m n r, (m n + 1 ) r ] où m 1 , ..., m n sont des entiers.)
Pour µ une mesure finie sur n et α 0 on écrit
Page 4
0 1
E0
E1
E2
E3
https://translate.googleusercontent.com/translate_f 3/18
31/03/2020 Des exercices
E4
•
•
•
+
x ≡ max {0 , log x }, ce qui garantit f C (α)
si la double limite existe. (Nous écrivons le journal
0.) La définition (17.2) implique que si η> 0 et ε> 0 est suffisamment petit, alors
r - f C (α) + η N r (α + ε) - N r (α - ε) r - f C (α) - η
( 17 . 3 )
pour tout r suffisamment petit . En gros - f C (α) est l'exposant de la loi de puissance
pour le nombre de r -cubes mailles C tels que µ (C) ≃ r α . Notez que f C (α) n'est pas
la dimension de la boîte de l'ensemble de x telle que µ (C (x, r)) ≃ r α comme r → 0 où
C (x, r) est le cube à mailles r contenant x ; le spectre grossier fournit un global
aperçu des fluctuations de µ à l'échelle r , mais ne donne aucune information sur la
comportement limitant de µ en tout point.
Page 5
Afin de permettre la possibilité de la limite (17.2) ne pas exister, nous définissons la plus faible
et les spectres multifractaux grossiers supérieurs de µ par
+
(N r (α + ε) - N r (α - ε))
Journal
F (α) = lim lim ( 17 . 4 )
C ε→0 r→0
−log r
et +
(N r (α + ε) - N r (α - ε))
Journal
f C (α) = lim lim r → 0 ( 17 . 5 )
ε→0 −log r
pour α 0.
Il est généralement difficile de calculer directement le spectre multifractal grossier f C.
https://translate.googleusercontent.com/translate_f 4/18
31/03/2020 Des exercices
∑m ( k)
N 3 - k (α) = ,
r
r=0
k ( log p 2 + α log 3 )
pm
k-m 3 - kα , c'est-à - dire m ≃ .
1p 2
log p 2 - log p 1
Il est désormais possible, mais fastidieux, d'estimer N 3 - k (α) et donc d'examiner sa puissance
exposant de la loi. Cependant, nous rencontrons sous peu une meilleure approche. □
Page 6
Il n'est guère surprenant que ces sommes de moment soient liées au N r (α) . En utilisant
(17.1), il s'ensuit que si q 0 et α 0
∑
M r (q) = μ (C) q r qα N r (α), ( 17 . 8 )
Mr
et si q < 0
∑
M r (q) = μ (C) q r qα # { r -maille cubes avec 0 <µ (C) rα}. ( 17 . 9 )
Mr
Ces inégalités conduisent à une relation utile entre f c (α) et β (q) dans
termes de transformation de Legendre. La transformée de Legendre f L de β est définie
pour α 0 par
f L (α) = −∞ <qinf { β (q) + αq } , ( 17 . 10 )
<∞
à condition que ce soit fini. Il existe une interprétation géométrique utile de la Legendre
transformer. Pour ceux α pour lesquels le graphe de β a en dessous une ligne de support L α
de pente - α , la transformée de Legendre de β est donnée par la valeur de l'ordonnée à l'origine
de L α avec l'axe vertical, voir figure 17.2.
Il est facile de voir que le spectre grossier est délimité au-dessus par le Legendre
transformée de β .
Proposition 17.2
Soit µ une mesure finie sur n , et supposons que la limite de (17.7) existe. Puis
pour tout α 0,
F (α) f C (α) f L (α) ( 17 . 11 )
C
https://translate.googleusercontent.com/translate_f 5/18
31/03/2020 Des exercices
b
courbe b ( q )
La
f (a) = b ( q ) + a q
q
-1
bronzer
une
( q , b ( q ))
b(q)
q
Page 7
Preuve. Prenez d'abord q 0. Puis étant donné ε> 0, (17.8) et (17.5) impliquent que
- f C (α) + ε
M r (q) r q (α + ε) N r (α + ε) r q (α + ε) r ( 17 . 12 )
- β (q) q (α + ε) - f C (α) + ε,
donc f C (α) β (q) + αq en prenant ε arbitrairement petit. Cette inégalité tient également
lorsque q < 0 par un argument parallèle, en utilisant (17.9) avec α remplacé par α - ε . □
( )
∑k
k qr q (k - r)
= (p q q
M 3 - k (q) = p1 p2 )k.
r 1+ p 2
r=0
Par conséquent
q q
log M r (q) log M 3 - k (q) log (p )
β (q) = lim = lim = 1+
p 2 . ( 17 . 13 )
r→0 −log r k→∞ −log 3 - k journal 3
-k,
(Il est facile de voir qu'il suffit de laisser r tendre vers 0 à travers les valeurs 3
comparer (3.14).)
Le spectre de Legendre de µ provient de la transformation de Legendre de β ,
c'est-à-dire en minimisant β (q) + αq sur q ∈. Le calcul élémentaire donne que le
minimum se produit lorsque q satisfait
q q
p 1 log p 1 + p 2 log p 2
α=- q q .
(p 2) log 3
https://translate.googleusercontent.com/translate_f 6/18
31/03/2020 Des exercices
1+ p
Le spectre de Legendre est la valeur minimale, qui est donnée en termes de
paramètre q par
q q q q
log (p ) q (p 1 log p 1 + p log p 2 )
f L (α) = 1+
p 2 - 2
. ( 17 . 14 )
q q
journal 3 (p ) log 3
1+ p 2
Page 8
f L (a) 0,8
q=0
log 2 / log 3
0,6 q=1
q=2 q = −2
0,4
0,2 q=4 q = −4
0
0 0,2 0,4 0,6 0,8 1.0
une
Dans des situations pratiques, les spectres multifractaux sont souvent difficiles à estimer et
travailler avec. On pourrait espérer calculer le spectre grossier f C par «box-counting».
Par exemple, si µ est une mesure de résidence sur l'attracteur d'un système dynamique dans
le plan, un compte de la proportion des itérations d'un point initial qui se trouvent dans chaque
r -maille carrée C pourrait être utilisée pour estimer le nombre de carrés pour lesquels α i
log µ (C) / log r <α i +1 , où 0 α 1 < ··· <α k . Examen de cet «histogramme»
pour divers r permet au comportement de loi de puissance de N r (α + ε) - N r (α + ε) d'être
étudié et f (α) à estimer. Cependant, cette méthode d'histogramme a tendance à être
calcul lent et maladroit.
En général, il est plus satisfaisant d’utiliser la méthode des moments pour expérimenter
détermination totale d'un spectre multifractal. Ainsi, pour une plage de q , le moment
les sommes (17,6) sont estimées pour divers petits r et le comportement de la loi de puissance
examinés pour estimer β (q) à l' aide de (17,7). La transformation de Legendre de β donne un
Spectre de Legendre de µ , et celui-ci est souvent considéré comme le spectre grossier. le
la méthode des moments est généralement plus gérable numériquement que l'histogramme
méthode.
Une analyse multifractale fine examine directement les fractales déterminées par le local
intensité d'une mesure. Soit µ une mesure sur n avec 0 <µ ( n ) < ∞. nous
définir la dimension locale ou exposant de Hölder de µ à x par
https://translate.googleusercontent.com/translate_f 7/18
31/03/2020 Des exercices
Page 9
à condition que cette limite existe. (Plus généralement, on peut travailler avec des
limites locales conduisant à des dimensions locales supérieures et inférieures, mais nous ne
ici.) Nous étudions les ensembles de points x ∈ n où la dimension locale prend
valeurs particulières. Pour α 0 on définit
(Nous ne considérons pas ici le spectre d'emballage fin qui a une définition similaire
en utilisant la dimension d'emballage.)
Clairement, 0 f H (α) dim H ( spt µ) pour tout α 0, et il découle de la proposition
tion 4.9 b) que
0 f H (α) α. ( 17 . 18 )
Suite de l'exemple 17.1. On peut coder les points x de l'ensemble de Cantor F comme
(i 1 , i 2 , ...) de la manière habituelle, avec i k = 1 si x est dans le sous-intervalle gauche au k ème
étape de la construction de l'ensemble de Cantor, et i k = 2 si x est dans le sous-intervalle droit.
Ensuite, en écrivant n j (x | k ), j = 1 , 2, pour le nombre d'occurrences de j dans le premier k
- k )) = p n 1 (x | k ) n 2 (x | k )
termes de la séquence codant x , nous avons µ (B (x, 3 1 p 2 , pour que
( )
µ (B (x, 3 - k )) -1 n 1 (x | k ) n 2 (x | k )
Journal = log p 1 + log p 2 .
-k
journal 3 journal 3 k k
Tout comme la dimension Hausdorff d'un ensemble n'est jamais supérieure à sa dimension de boîte,
il existe une inégalité fondamentale entre les spectres fin et grossier.
Page 10
https://translate.googleusercontent.com/translate_f 8/18
31/03/2020 Des exercices
Lemme 17.3
pour tout α 0.
pour que
r α+ε µ (I 0 ) <r α - ε , ( 17 . 21 )
Page 11
Tout comme de nombreuses fractales que nous avons rencontrées ont une boîte égale et Hausdorff
dimensions, de nombreuses mesures multifractales communes ont un grossier et un
spectres, c'est-à-dire l'égalité dans (17.19). Dans la section suivante, nous montrerons que cette
c'est le cas pour les mesures autosimilaires.
En mettant en place des mesures de type Hausdorff adaptées à des fins multifractales, nous
https://translate.googleusercontent.com/translate_f 9/18
31/03/2020 Des exercices
peut définir une quantité β (q) jouant un rôle similaire dans la théorie fine à celui de (17.7)
dans la théorie grossière. La transformée de Legendre de ce β (q) donne une borne supérieure
pour le spectre multifractal fin, et encore une fois dans de nombreux cas donne la valeur réelle.
Dans cette section, nous calculons le spectre multifractal fin d'une mesure auto-similaire
sur, dont l'exemple 17.1 est un cas spécifique. Non seulement les mesures auto-similaires
important en soi, mais aussi les méthodes à décrire s’adaptent à de nombreuses
autres classes de mesures.
Nous considérons une mesure auto-similaire µ supportée sur un sous-ensemble auto-similaire F
de. Soit S 1 , ..., S m : → contractent des similitudes avec les ratios c 1 , ..., c m .
Comme au chapitre 9, le système de fonctions itérées { S 1 , ..., S m } a un (unique non
compact vide) attracteur F ⊂. Nous supposons qu'une forte condition de séparation
tient, c'est-à-dire qu'il y a un intervalle fermé I tel que S i (I) ⊂ I pour tout i , et
S i (I) ∩ S j (I) = Ø chaque fois que i = j .
Comme au chapitre 9, nous indexons les intervalles dans la construction naturelle de F par
les séquences finies I k = { (i 1 , ..., i k ) : 1 i m }, écrivant i = (i 1 , ..., i k ) pour a
séquence typique de I k . Donc
Pour plus de commodité, nous supposons que | Je | = 1, donc pour i = (i 1 , i 2 , ..., i k ) ∈ I k nous avons
| Je i | = c i ≡ c i 1 c i 2 ··· c i k . ( 17 . 23 )
Nous définissons une mesure auto-similaire µ avec support F par subdivision répétée.
Soit
∑ m p 1 , ..., p m des «probabilités» ou des «rapports de masse», c'est-à-dire p i > 0 pour tout i et
µ (I i 1 , i 2 , ..., i k ) = p i ≡ p i 1 p i 2 ··· p i k . ( 17 . 24 )
Il est facile de voir que µ est une mesure auto-similaire , dans le sens où
∑m
-1
µ (A) = p i µ (S je (UNE)) ( 17 . 25 )
i=1
Page 12
Ensuite, étant donné un nombre réel q , nous définissons β = β (q) comme le nombre positif satisfaisant
∑m
q β (q)
p je c je = 1; ( 17 . 26 )
i=1
puisque 0 <c i , p i < 1 un tel nombre β (q) existe et est unique. en outre
β: → est une fonction décroissante avec
m
( )
https://translate.googleusercontent.com/translate_f 10/18
31/03/2020 Des exercices
0= ∑ d β log c i
q β (q)
p je c je log p i + , ( 17 . 28 )
dq
i=1
Ainsi, d 2 β / d q 2 0, donc β est convexe en q . Le journal fourni p i / journal c i n'est pas le même
pour tout i = 1 , ..., m , alors d 2 β / d q 2 > 0 et β est strictement convexe; nous supposons
désormais cela vaut pour éviter les cas dégénérés.
Nous montrerons que le spectre multifractal fin (Hausdorff), f H (α) = dim F α ,
est la transformée de Legendre de β , où, comme précédemment, la transformée de Legendre f de β
est défini par
f (α) = −∞ <qinf { β (q) + αq } , ( 17 . 29 )
<∞
à condition que ce soit fini. Depuis β : → est une fonction convexe, il existe une plage
de α , disons α ∈ [ α min , α max ] pour lesquels le graphe de β a une ligne de support L α de
pente - α , et pour un tel α, cette ligne de support est unique (donc - α min et - α max sont
les pentes des asymptotes du graphe de β ). Puis la transformée de Legendre
de β est f : [ α min , α max ] → donnée par la valeur de l'ordonnée à l'origine de L α avec le
axe vertical, voir à nouveau la figure 17.2. Il est clair que f est continue dans α .
Puisque β est strictement convexe, pour un α donné, l'infimum dans (17.29) est atteint à
un q = q (α) unique . En égalisant la dérivée de β (q) + αq à 0, cela se produit lorsque
dβ
α=- ( 17 . 30 )
dq
pour que
dβ
f (α) = αq + β (q) = - q + β (q). ( 17 . 31 )
dq
Page 13
Notez que si l'un quelconque de q ∈ , β ∈ et α ∈ (α min , α max ) est donné, les deux autres
sont déterminés par (17.26), (17.30) et (17.31). Utilisation (17h30) et réorganisation
(17.28) donne ∑m q β
i = 1 p je c je log p i
α= ∑m q β
. ( 17 . 32 )
i = 1 p je c je log c i
df dq dβ dq
=α +q+ = q. ( 17 . 34 )
dα dα dq dα
Puisque q diminue à mesure que α augmente, il s'ensuit que f est une fonction concave de α .
Certaines valeurs de q présentent un intérêt particulier, voir figure 17.4. Si q = 0 alors β (q) =
dim H F = dim H ( spt µ) , en comparant (17.26) et la formule de dimension pour
https://translate.googleusercontent.com/translate_f 11/18
31/03/2020 Des exercices
Théorème 17.4
Soit µ une mesure auto-similaire comme ci-dessus et
Page 14
pente-a max
q
0 1
b(q)
pente − a min
(A)
F
f=a
dim H spt m
q=0
dim m q=1
f (a)
https://translate.googleusercontent.com/translate_f 12/18
31/03/2020 Des exercices
q→∞ q → −∞
0
une minute un max une
0
(B)
Figure 17.4 Forme des fonctions multifractales pour une mesure auto-similaire typique. ( A ) La
courbe β (q) , ( b ) le «spectre multifractal» f (α) = dim H F α , qui est le trans-
forme de β (q)
Page 15
Lemme 17.5
Pour tout x ∈ F
avec soit les deux, soit aucune de ces limites existantes. En particulier
{ }
log µ (I k (x))
Fα= x ∈ F : lim =α . ( 17 . 38 )
k→∞ journal | I k (x) |
Alors I k (x) ⊂ B (x, r) et B (x, dr) ∩ E ⊂ I k (x) puisque l'écart entre I k (x) et
tout autre intervalle de niveau k est d'au moins d | I k −1 (x) | > dr . Puis
Par conséquent,
log µ (B (x, dr)) = log µ (B (x, dr)) log µ (I k (x)) log µ (B (x, r))
log (dr) - log d log r journal | I k (x) | log br
log µ (B (x, r))
= .
log b + log r
Nous donnons maintenant une preuve directe de la borne supérieure dim H F α f (α) ; cela est inclus
car il utilise l'idée de sommer sur une classe restreinte sur des intervalles, une technique
qui est fréquemment utilisé dans la théorie multifractale.
https://translate.googleusercontent.com/translate_f 13/18
31/03/2020 Des exercices
Preuve partielle du théorème 17.4. Nous montrerons que f (α) β (q) + qα pour q> 0.
Le cas de q 0 est similaire, mais avec des changements de signe, voir l'exercice 17.13, et
prendre toutes les valeurs de q ensemble donne dim H F α f (α) .
Prendre ε> 0. Soit Q k représentent les k ième séquences de niveau i = (i 1 , ..., i k ) ∈ I k
tel que
| Je i | α + ε µ (I i ). ( 17 . 39 )
Page 16
Puis:
∑ ∑
| Je i | β + q (α + ε) | Je i | β µ (I i ) q
i∈Qk i∈Qk
∑
| Je i | β µ (I i ) q
i∈Ik
∑
= (c i 1 c i 2 ... c i k ) β (p i 1 p i 2 ... p i k ) q
i 1 , ..., i k
( )k
∑m
q β
= p je c je =1, (17.40)
i=1
∗
[ Le reste de cette section peut être omis.]
Nous nous embarquons maintenant sur une preuve complète du théorème 17.4. L'écriture
∑m
q β
(q, β) = p je c je ( 17 . 41 )
i=1
pour q, β ∈ , β (q) est défini par (q, β (q)) = 1, voir (17.26). Nous avons besoin du
après estimation de près de (q, β (q)) .
Lemme 17.6
et
(q - δ, β (q) + (α + ε) δ) < 1 ( 17 . 43 )
https://translate.googleusercontent.com/translate_f 14/18
31/03/2020 Des exercices
Page 17
Pour prouver le théorème 17.4, pour chaque α nous concentrons une mesure ν sur F α et
examiner le comportement de la loi de puissance de ν (B (x, r)) comme r → 0, afin que nous puissions utiliser
Proposition 4.9 pour trouver la dimension de F α . Étant donné q ∈ et β = β (q) , (17,26)
permet de définir une mesure de probabilité ν sur spt µ par subdivision répétée
tel que
ν (I i 1 , ..., i k ) = (p i 1 p i 2 ··· p i k ) q (c i 1 c i 2 ··· c i k ) β , ( 17 . 44 )
Proposition 17.7
( a ) ν (F α ) = 1,
( b ) pour tout x ∈ F α, nous avons log ν (B (x, r)) / log r → f (α) comme r → 0.
= [ (q + δ, β + (ε - α) δ) ] k,
Page 18
https://translate.googleusercontent.com/translate_f 15/18
31/03/2020 Des exercices
où est donnée par (17.41), en utilisant (17.45) et une expansion multinomiale. Choos-
ing δ assez petit et en utilisant (17,42) donne que
ν { x : µ (I k (x)) | I k (x) | α - ε } γk ( 17 . 46 )
∑∞
ν { x : µ (I k (x)) | I k (x) | α - ε pour certains k K} γk γ K / ( 1 - γ).
k=K
log µ (I k (x))
lim α - ε.
k→∞ journal | I k (x) |
Cela est vrai pour tout ε> 0, donc nous obtenons l'inégalité de gauche de
log µ (I k (x))
dim loc µ (x) = lim =α
k→∞ journal | I k (x) |
Notre principal théorème 17.4 sur le spectre multifractal des mesures auto-similaires
suit maintenant facilement.
Page 19
où i = (i 1 , ..., i k ) , donc par (17,33) log µ (I i ) / log | Je i | ∈ [ α min , α max ] pour tout i .
Ainsi, les seuls points limites possibles de log µ (I i ) / log | I i |, et ainsi de (17,37) de
log B (x, r) / log r , sont en [ α min , α max ]. En particulier, F α = Ø si α / ∈ [ α min , α max ].
Si α ∈ (α min , α max ) alors par la proposition 17.7 il existe une mesure ν concen-
calculée sur F α avec lim r → 0 log ν (B (x, r)) / log r = f (α) pour tout x ∈ F α , donc (17,36)
découle de la proposition 4.9. Pour les cas α = α min et α = α max , voir Exercice
17.14. □
https://translate.googleusercontent.com/translate_f 16/18
31/03/2020 Des exercices
Ainsi, pour une mesure auto-similaire, la dimension de F α peut être calculée par
en prenant la transformée de Legendre de β (q) donnée par (17.26).
Les dimensions de spt µ et de la mesure µ , voir (17.35), peuvent facilement être
trouvé à partir du spectre multifractal.
Proposition 17.8
Preuve. La partie ( a ) et que f (α ( 1 )) = α ( 1 ) ont été notés comme une conséquence de (17,34).
Pour la dimension de la mesure µ , si q = 1 alors β = 0 de (17,26), donc par
(17.44) la mesure ν est identique à µ . Par la proposition 17,7 µ (F α ( 1 ) ) = 1 et
dim loc µ (x) = f (α ( 1 )) pour tout x ∈ F α ( 1 ) , donc par la proposition 4.9, dim H E = f (α ( 1 ))
pour tout E avec µ (E)> 0. Ainsi ( b ) découle de la définition de la dimension
d'une mesure (17,35). □
Ensuite, nous montrons que le spectre grossier d'une mesure auto-similaire est également égal
en f (α) , la transformée de Legendre de β .
Proposition 17.9
Preuve. Nous notons d'abord que par le théorème 17.4 et le lemme 17.3 nous avons f (α) =
f H (α) f (α) f C (α) , où les spectres grossiers sont donnés par (17.4) et (17.5).
C
Pour prouver l'inégalité inverse, soit d la séparation minimale de I i et I j
-1
pour i = j , et écrivez a = 2 / d . Étant donné r <a , soit Q l'ensemble de toutes les séquences
i = (i 1 , ..., i k ) ∈ I k tel que | I i 1 , ..., i k | ar mais | I i 1 , ..., i k −1 | > ar . Puis
abr < | Je i | = c i ar ( 17 . 50 )
Page 20
https://translate.googleusercontent.com/translate_f 17/18
31/03/2020 Des exercices
i∈Q
∑
q β
en utilisant (17,50), (17,31)
∑ m et que p je c
i = 1, une identité qui suit par la répétition
i∈Q
q β q β
substitution simplifiée dei = 1 p c
je , jei , i =en soi. Chaque intervalle r- mesh se croise
p je cje
au plus l' un des ensembles I i pour i ∈ Q . Avec N r (α) comme dans (17.1)
en utilisant (17,50). Il s'ensuit qu'il existe un nombre c tel que pour des
ε et r
- f (α + ε) ,
N r (α + ε) - N r (α - ε) N r (α + ε) cr
ainsi, par (17,5), f C (α) f (α + ε) pour tout ε> 0; puisque f est continue f C (α)
f (α) . □
Le spectre grossier, tel que nous l'avons défini, ne se comporte pas assez bien pour
donner l'égalité en (17,49) pour α correspondant à q < 0.
https://translate.googleusercontent.com/translate_f 18/18