C1-持续混合正则自映射以及blender现象

来源 :北京大学 | 被引量 : 0次 | 上传用户:wusuowei2100
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
流形M上的正则自映射(局部微分同胚的自映射)f被称为混合的,如果对M的任意两个开子集U和V,存在N使得对任意正整数n>N,fn(V)∩U≠(0)。正则自映射f被称为C1-持续混合的,如果存在f的C1-邻域U使得,任意映射9∈U是混合的。本文在二维环面上非同胚正则自映射的每一个同伦类中,都构造了C1-持续非双曲混合的正则自映射。  本文给出了一个简洁的二维正则映射blender定义。Blender的定义就是从下面这个线性模型抽象出来的。令f:C=[-1,1]2→IR2,f(x1,x2)={(kx1,λx2),x1∈[-1/k,1/k],(kx1-3,λx2+t),x1∈(2/k,4/k],这里t>0,λ∈(1/2,1)满足1-λ<t<λ,以及k>4。粗粗地讲,blender就是一个肥马蹄。它具有这样一个性质:它的一个双曲周期点不稳定流形的闭包包含内点;且存在f的C1-邻域U使得任意g∈U,(C,g)是blender(blender是C1-稳定的)。  自映射f的一个紧致不变子集A被称为传递的,如果存在x∈A使得x的正向轨道{fn(x):n≥0)在A上稠密。光滑流形M上自映射f的一个紧致不变传递子集∧被称为f的一个吸引子,如果存在∧的一个开邻域U,使得f(U)(C)U且∩n>0 fn(U)=∧。除了用blender构造二维环面上的一类C1-持续非双曲混合的映射,本文也用它来构造了二维环面上C1-持续包含内点的双曲吸引子:存在二维环面上正则自映射空间的一个C1-开子集U,使得任意f∈U都有一个双曲吸引子∧f≠T2包含非空内点。
其他文献
本文研究了Banach空间中一类集值映射的度量次正则性,给出并且证明了parametric constraint系统度量次正则性的充分条件,然后将其应用到数学规划中,得到了不等式约束问题误差界
本文关注带测量误差的变系数部分线性模型的变量选择问题.随着科学技术的发展,人类能够得到的数据越来越多,然而当我们要考虑这些因素对某一个变量的影响时,就需要从众多的数
为了研究相互关联的几类数据序列,提出了多元马可夫链模型。已知一个多元马可夫链模型,关键的问题是研究它的联合稳定分布。这篇文章主要通过两种方法,对含有s条链的多元马可夫
复值神经网络(CVNNs)近年来已经得到了广泛的关注和研究,例如在认知科学、智能领域以及雷达信号处理方面有着巨大的潜在价值。复值神经网络特点是输入、输出以及权值均为复数。
本文我们主要研究了一维情况下两类含双曲退化的非线性守恒律方程组的Riemann问题。  前两章我们首先陈述了所研究问题的背景和结果,介绍了一维守恒律方程组的一些基本概念
在信号处理和数据分析中,张量作为向量、矩阵等概念在组织结构上由低维向高维扩展所得到的一般形式,可以自然地表示高维数据,从而刻画现实中复杂的事物.以张量为视角的数据处
神经网络系统广泛地存在于现代科学技术的各个领域,如信号处理、知识处理、传感信息处理、自动控制、运输与通信、神经科学、电子学、市场分析、娱乐、信息分析、零售分析、
随着金融市场的发展,金融数据呈现非线性化,非对称化.相关性分析是多元金融分析的一个关键性问题.由于线性相关系数的局限性,Copula方法来分析变量之间的相关性比普通的Pears
由投影重建图像已经应用在许多科学领域中.在医学应用中,为了降低X射线对人体的伤害,局部感兴趣区域的图像重建成为了人们研究的重点之一.本文构造出了一个光滑的窗函数,并用
本文运用近似分布替代的方法,针对大型非同质保单组的情形对传统寿险和分红两全险建立了总损失随机模型,给出了上述险种的总损失风险量化分析框架。基于所给框架,本文进一步