Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska
Wykłady
z teorii ergodycznej
Janina Kotus
Spis tre´sci
0. Wstep, 4
1. Pojecia podstawowe, 6
2. Ergodyczno´s´c 8
2.1 R´ownowa˙zne definicje ergodyczno´sci 8
2.2 Zwiazek mi, edzy ergodyczno´sci, a przekszta lce´, n a gesto´sci, a orbit, 11
3. Twierdzenia ergodyczne 12
3.1 Twierdzenia ergodyczne Birkhoffa 12
3.2 Twierdzenia ergodyczne von Neumanna 14
3.3 Maksymalne twierdzenie ergodyczne 15
3.4 Dow´od twierdzenia ergodycznego Birkhoffa 15
4. S labe i silne mieszanie 19
5. W lasno´sci spektralne przekszta lce´n zachowujacych miar, e, 20
5.1 Podstawowe w lasno´sci operatora UT 20
5.2 Dzia lanie operatora UT na przestrzeniach Hilberta 21 5.3 Dyskretne spektrum i przekszta lcenia ergodyczne 24 5.4 Ciag le spektrum i przekszta lcenia s labo mieszaj, ace, 26 5.5 Przeliczalne spektrum Lebesgue’a i przekszta lcenia silnie mieszajace, 28 6. Entropia metryczna przekszta lce´n zachowujacych miar, e, 29
6.1 Rozbicia mierzalne 29
6.2 Entropia rozbicia 30
6.3 Entropia warunkowa rozbi´c 30
6.4 Entropia metryczna przekszta lce´n 31
7. W lasno´sci entropii metrycznej 34
7.1 Twierdzenie Shannona-McMillana-Breimana 34
7.2 Entropia-niezmiennik przekszta lce´n mierzalnych 35 8. Entropia topologiczna przekszta lce´n ciag lych, 37
9. R´ownowa ˙zne definicje entropii topologicznej 41
10. I zasada wariacyjna 46
11. Formalizm termodynamiczny 49
12. II zasada wariacyjna 52
13. Literatura 57
Wstep,
Prezentowany materia l stanowi wprowadzenie do teorii ergodycznej, wa˙znej i szybko rozwi- jajacej si, e dziedziny wsp´, o lczesnej matematyki. Jest adresowany do student´ow II stopnia stu- diujacych na kierunku Matematyka Przemys lowa, g l´, ownie na specjalno´sci Mate-matyka w Naukch Technicznych. Do jego zrozumienia wymagana jest znajomo´s´c analizy funk- cjonalnej i rachunku prawdopodobie´nstwa (chodzi g l´ownie o dobra znajomo´s´, c twierdze´n gra- nicznych). Jest potrzebny do wy lo˙zenia deterministycznej teorii chaosu- przedmiotu obowiazkowego na bloku MNT.,
Celem tego wyk ladu jest zapoznanie student´ow
• z twierdzeniami ergodycznymi i ich zastosowaniami. Poczatki twierdze´, n ego- dycznych siegaja hipotezy Boltzmanna, znanego fizyka z prze lomu XIX i XX wieku,, kt´ory zak ladal, ˙ze dla danej funkcji f mierzacej wielko´s´, c fizyczna, ´srednie warto´sci funk-, cji f wzgledem czasu s, a zbie˙zne do ´sredniej warto´sci funkcji f po przestrzeni X. Cho´, c hipoteza okaza la sie nieprawdziwa, stworzy la podstawy teorii, zwanej dzi´s teori, a ergo-, dyczna. To w la´snie twierdzenia ergodyczne pokazuj, a kiedy i dlaczego zachodz, a lub nie, postulaty Boltzmanna. Na wyk ladzie zostana sformu lowane najwa˙zniejsze twierdzenia, ergodyczne Birkhoffa i von Neumanna. Twierdzenia ergodyczne sa przeformu lowaniem, twierdze´n granicznych znanych z rachunku prawdopodobie´nstwa i takiego w la´snie ujecia, rachunku prawdopodobie´nstwa powinien nauczy´c sie student. Klasycznym przyk ladem, zastosowania twierdzenia ergodycznego w uk ladach hamiltonowskich jest dow´od faktu, ˙ze miara Lebesgue’a jest niezmiennicza dla tych uk lad´ow. Przyk lady zastosowa´n tych twiedze´n w innych dziedzinach zostana dobrane w zale˙zno´sci od poziomu przygo-, towania i stosownie do zainteresowa´n student´ow.
• z entropia metryczn, a rozbi´, c i przekszta lce´n mierzalnych. Pojecie entropii me-, trycznej pochodzi od Ko lmogorowa i jest uog´olnieniem pojecia informacji. W trakcie, wyk ladu prezentowane bed, a r´, o˙zne definicje entropii i zwiazki mi, edzy nimi. Entropie, mierza nieoznaczono´, s´c uk ladu i sa wa˙znym narz, edziem do badania chaotyczno´, sci dy- namiki przekszta lce´n. Miedzy innymi podane b, edzie twierdzenie Shannona-McMillana-, Breimanna opisujace jak eksponencjalnie szybko malej, a miary atom´, ow kolejnych rozbi´c dla uk lad´ow o dodatniej entropii.
• z formalizmem termodynamicznym a zw laszca z pojeciem tzw. ci´, snienia topo- logicznego. Jest to odpowiednik swobodnej energii w mechanice statystycznej. Dzi´s for- malizm termodynamiczny s lu˙zy miedzy innymi do szacowania wymiar´, ow u lamkowych,
g l´ownie wymiaru Hausdorffa fraktali. Policzenie bezpo´srednio takiego wymiaru rzadko kiedy jest mo˙zliwe. Dla zbior´ow samopodobnych mo˙zna policzy´c wymiar Minkowskiego.
Jednak jak pokazuje geometria fraktalna wymiar Hausdorffa lepiej oddaje strukture, fraktali ni˙z wymiar Minkowskieo. Ten bardzo wyrafinowany spos´ob liczenia wymia- ru zaproponawa l kilkana´scie lat temu fizyk - D. Ruelle. Jako przyk lad zastowania mo˙zna poda´c oszacowania wymiaru Hausdorffa dziwnych atraktor´ow wystepuj, acych w, r´ownaniach r´ozniczkowych czastkowych.,
• W za laczonym materiale om´, owiono uk lady ergodyczne, s labo i silnie mieszajace. Wyk lad, mo˙ze zosta´c rozbudowany o uk lady Ko lmogorowa i Bernoulliego, zagadnienie ist- nienia i konstrukcji miar niezmienniczych a zw laszcza miar niezmienniczych z mak- symalna entropi, a. S, a to miary dla kt´, orych osiagane jest supremum w I zasadzie, wariacyjnej opisanej w 10 rodziale. Mo˙zna tak˙ze om´owic miary Gibbsa, kt´ore re- alizuja supremum w II zasadzie wariacyjnej udowodnionej w 12 rodziale. Stany, Gibbsa sa przedmiotem bada´, n analizy multifraktalnej i jest to jedna z propozycji kon- tynuowania tego wyk ladu.
1 Pojecia podstawowe,
Niech (X, B, m) oznacza przestrze´n probabilistyczna tzn. X jest zbiorem, B σ-algebr, a, podzbior´ow X a m : X → IR+ miara taka, ˙ze m(X) = 1.,
Definicja 1.1. Dane sa dwie przestrzenie probabilistyczne (X, 1, B1, m1), (X2, B2, m2).
Odwzorowanie T : X1 → X2 nazywamy mierzalnym je´sli dla ka˙zdego A ∈ B2 jego przeciwobraz T−1(A) ∈ B1.
Definicja 1.2. Dane sa dwie przestrzenie probabilistyczne (X, 1, B1, m1), (X2, B2, m2).
Mierzalne przekszta lcenie T : X1 → X2 zachowuje miare, je´, sli ∀A ∈ B2
m1(T−1(A)) = m2(A). (1.1)
Uwaga 1.3. Je´sli X1 = X2 to warunek (1.1) zapiszemy nastepuj, aco,
m(T−1(A)) = m(A). (1.2)
Definicja 1.4. Dane sa dwie przestrzenie probabilistyczne (X, 1, B1, m1), (X2, B2, m2).
Przekszta lcenie T : X1 → X2 nazywamy izomorfizmem je´sli T jest bijekcja oraz T i T, −1 zachowuja miar, e w sensie Definicji 1.2.,
Definicja 1.5. Przestrzenie probabilistyczne (X1, B1, m1), (X2, B2, m2) nazywamy izomorficznymi je´sli istnieje przekszta lcenie T : X1 → X2, kt´ore jest izomorfizmem.
Przyk lad 1 Niech f : [0, 1] → [0, 1] bedzie przekszta lceniem zdefiniowanym wzorem, f (x) = 2x|mod1.
Pokaza´c, ˙ze f zachowuje miare Lebesgue’a.,
Przyk lad 2 Zdefiniujemy przekszta lcenie Gaussa. Niech τ : [0, 1) → [0, 1), je´sli x = 0, to τ (x) = 0, je´sli x 6= 0 to τ (x) = {x1}, gdzie {1x} oznacza cze´s´, c u lamkowa liczby, 1x. Przekszta lcenie Gaussa definiuje rozwijanie liczb z przedzia lu [0, 1) w tzw. u lamki la´ncuchowe. Znale´z´c miare niezmiennicz, a dla przekszta lcenie Gaussa.,
Dla prawie wszystkich przekszta lce´n zachowujacych miar, e zachodzi nat, epuj, ace twierdzenie, zwane Twierdzeniem Poincar´e o powracaniu.
Twierdzenie 1.6. Niech T : X → X bedzie zachowuj, acym miar, e przekszta lceniem prze-, strzeni probabilistycznej (X, B, m). Je´sli E ∈ B oraz m(E) > 0, to prawie ka˙zdy punkt x ∈ E w sensie miary m powraca do zbioru E niesko´nczenie wiele razy.
Powy˙zsze twierdzenie mo˙zna sformu lowa´c nastepuj, aco:,
∃F ⊂ E taki, ˙ze m(F ) = m(E) i ∀x ∈ F ∃ ciag liczb naturalnych {n, i}∞i=1 o w lasno´sciach n1 < n2 < n3. . . , Tni(x) ∈ F ∀ni.
Dow´od Niech
N ≥ 0, EN :=
∞
[
n=N
T−n(E).
Wtedy T∞
N =0EN jest zbiorem z lo˙zonym z tych punkt´ow nale˙zacych do X, kt´, orych dodatnia p´o ltrajektoria powraca do zbioru E niesko´nczenie wiele razy. Niech
F = E ∩
∞
\
N =0
EN.
Jest to zbi´or tych punkt´ow nale˙zacych do E, kt´, ore powracaja do zbioru E niesko´, nczenie wiele razy. Z definicji zbioru F wynika, ˙ze je´sli x ∈ F to istnieje ciag liczb naturalnych {n, i}∞i=1 o w lasno´sciach
n1 < n2 < n3. . . , Tni(x) ∈ E ∀ni. Ponadto, dla ka˙zdego ni mamy, ˙ze Tni(x) ∈ F , poniewa˙z
Tnj−ni(Tni(x)) ∈ E dla ∀nj. Pozostaje udowodni´c, ˙ze m(F ) = m(E). Poniewa˙z
T−1(EN) ⊂ EN +1
oraz T zachowuje miare, m(E, N) = m(EN +1). W konsekwencji m(E0) = m(EN) dla ∀N . Poniewa˙z
E0 ⊃ E1 ⊃ E2 ⊃ . . . to
m(
∞
\
N =0
EN) = m(E0).
Wynika stad, ˙ze m(F ) = m(E ∩ E, 0) = m(E), gdy˙z E ⊂ E0
Uwaga 1.7. Twierdzenie Poincar´e o powracaniu nie zachodzi dla przestrzeni z niesko´nczona, miara.,
Np. X = ZZ. Miare m zdefiniujemy nast, epuj, aco m(k) = 1 dla ∀k ∈ ZZ. Zatem m(ZZ) = ∞., Niech T : ZZ → ZZ, T (x) = x + 1 oraz E = {0}. Wtedy EN = S∞
n=NT−n({0}) ma miare, niesko´nczona, za´s, T∞
N =0EN = ∅.
2 Ergodyczno´s´c
W tym rozdziale zak ladamy, ˙ze (X, B, m) jest przestrzenia probabilistyczn, a, T : X → X, przekszta lceniem zachowujacym miar, e, tzn.,
∀A ∈ B m(T−1(A)) = m(A).
Definicja 2.1. Przekszta lcenie T nazywamy ergodycznym je´sli ∀B ∈ B takiego,
˙ze m(T−1(B)) = m(B) zachodzi:
m(B) = 0 lub m(B) = 1.
2.1 R´ownowa ˙zne definicje ergodyczno´sci
R´o˙znice symetryczn, a zbior´, ow definiujemy nastepuj, aco,
A ÷ B := (A − B) ∪ (B − A).
Twierdzenie 2.2. (X, B, m)-przestrze´n probabilistyczna, T : X → X przekszta lcenie zachowujace miar, e. Wtedy nast, epuj, ace warunki s, a r´, ownowa˙zne.
i) T jest ergodyczne
ii) jedynymi zbiorami B ∈ B takimi, ˙ze m(T−1(B)) ÷ B) = 0 sa takie zbiory dla kt´, orych m(B) = 0 lub m(B) = 1.
iii) ∀B ∈ B takiego, ˙ze m(B) > 0 mamy, ˙ze m(
∞
[
n=1
T−n(B) = X
iv) ∀A, B ∈ B takich, ˙ze m(A) > 0, m(B) > 0 istnieje n ∈ IN takie, ˙ze m(T−n(A ∩ B) > 0.
Dow´od
(i)=⇒ (ii) nie bedziemy dowodzi´, c. Przerobi´c na ´cwiczeniach.
(ii) =⇒ (iii). Niech A ∈ B oraz m(A) > 0. Zdefiniujemy A1 =
∞
[
n=1
T−n(A).
Zatem T−1(A1) ⊂ A1. Poniewa˙z m(T−1(A1)) = m(A1), to m(T−1(A1)) ÷ A1) = 0. Z (ii) wiemy, ˙ze m(A1) = 0 lub m(A1) = 1. Przypadek m(A1) = 0 nie mo˙ze zachodzi´c, bo T−1(A1) ⊂ A1 i m(T−1(A1)) = m(A1) > 0. Zatem m(A1) > 0.
(iii) =⇒ (iv) Niech m(A) > 0 i m(B) > 0. Z (iii) mamy, ˙ze m(
∞
[
n=1
T−n(A)) = 1, zatem
0 < m(B) = m B ∩
∞
[
n=1
T−n(A)
!
= m
∞
[
n=1
B ∩ T−n(A)
! . Stad,
m B ∩ T−n(A) > 0 dla pewnego n ≥ 1.
(iv) =⇒ (i) Niech B ∈ B i T−1(B) = B. Je´sli 0 < m(B) < 1, to 0 = m(B ∩ (X − B)) = m(T−n(B) ∩ (X − B)) dla n ≥ 1 co przeczy (iv).
Oznaczenia
L1(m) = L1(X, B, m) = {f : X → CI ca lkowalne wzgledem miary m}, L1(X, B, m) jest przestrzenia Banacha z norm, a,
||f ||1 = Z
X
|f |dm
Uto˙zsamiamy funkcje, kt´ore poza zbiorem miary zero sa r´, owne.
Twierdzenie 2.3. (X, B, m)-przestrze´n probabilistyczna, T : X → X przekszta lcenie zachowujace miar, e. Wtedy nast, epuj, ace warunki s, a r´, ownowa˙zne.
i) T jest ergodyczne
ii) je´sli f jest mierzalna w sensie miary m oraz spe lnia r´ownanie (f ◦ T )(x) = f (x) dla
∀x ∈ X, to f = const p.w.x ∈ X w sensie miary m
iii) je˙zeli f jest mierzalna w sensie miary m oraz spe lnia r´ownanie (f ◦ T )(x) = f (x) dla p.w.x ∈ X w sensie miary m, to f=const dla p.w.x ∈ X w sensie miary m
iv) je´sli f ∈ L2(m) i f (T (x)) = f (x) dla ∀x ∈ X, to f (x) = const dla p.w.x ∈ X w sensie miary m
v) je´sli f ∈ L2(m) i f (T (x)) = f (x) dla p.w.x ∈ X, to f (x) = const dla p.w.x ∈ X w sensie miary m
Dow´od
Poka˙zemy dowody tylko dw´och implikacji. Pozosta le przerobi´c na ´cwiczeniach.
(i) =⇒ (iii) Niech T bedzie ergodyczne, f jest funkcj, a ca lkowaln, a w sensie miary m tak, a, ˙ze, dla p.w. x ∈ X, f ◦ T = f . Za l´o˙zmy, ˙ze f jest funkcja rzeczywist, a tzn. f : X → IR. Dla, funkcji zespolonych rozpatrujemy oddzielnie cze´s´, c rzeczywista <f i urojon, a =f . Dla k ∈ ZZ, oraz n > 0 definiujemy zbiory
X(k, n) = {x : k
2n ≤ f (x) ≤ k + 1
2n } = f−1 k
2n,k + 1 2n
Wtedy
T−1(X(k, n)) ÷ X(k, n) ⊂ {x : (f ◦ T )(x) = f (x)}
Stad,
m(T−1(X(k, n)) ÷ X(k, n)) = 0.
Z Twierdzenia 2.2 wynika, ˙ze m(X(k, n)) = 0 lub m(X(k, n)) = 1. Dla ka˙zdego ustalonego n ∈ IN mamy, ˙ze
[
k∈ZZ
X(k, n) = X.
Poniewa˙z zbiory tworzace t, e sum, e s, a parami roz l, aczne, to istnieje dok ladnie jeden k, n taki, ˙ze m(X(kn, n)) = 1. Niech
Y =
∞
\
n=1
X(k, n).
Wtedy m(Y ) = 1. Poniewa˙z f = const na Y , to f = const dla p.w. x ∈ X w sensie miary m.
(i) =⇒ (iii) Niech T−1(E) = E dla E ∈ B. Wtedy χE ∈ L2(m) i (χE ◦ T )(x) = χE dla
∀x ∈ X. Zatem z (iv) wynika, ˙ze χE = const dla p.w. x ∈ X w sensie miary m. Stad, χE = 0 dla lub χE = 1 p.w. x ∈ X w sensie miary m oraz m(E) = R
EχEdm = 0 lub m(E) =R
EχEdm = 1.
2.2 Zwiazek mi, edzy ergodyczno´, scia przekszta lce´, n a gesto´, scia orbit,
Oznaczenia
- X przestrze´n metryczna zwarta
- B σ-algebra zbior´ow borelowskich (wiadomo, ˙ze jest generowana przez zbiory otwarte) - m : X → [0, 1] miara probabilistyczna taka, ˙ze dla ka˙zdego podzbioru otwartego U ⊂ X, miara m(U ) > 0. Czasami m nazywa sie miar, a borelowsk, a probabilistyczn, a.,
Twierdzenie 2.4. Niech X przestrze´n metryczna zwarta, B −σ-algebra zbior´ow borelowskich, m : X → [0, 1] miara probabilistyczna borelowska, T : X → X ciag le, T zachowuje miar, e, m (tzn. ∀B ∈ B, m(T−1(B) = m(B)) oraz T jest ergodyczne wzgledem miary m (tzn.,
∀B ∈ B je´sli T−1(B) = B to m(B) = 0 lub m(B) = 1). Wtedy prawie wszystkie punkty x ∈ X w sensie miary m maja p´, o ltrajektorie dodatnie, kt´ore sa g, este w X tzn. {x ∈ X :, {Tn(x)}∞n=0 jest gesta w x} ma miar, e 1.,
Dow´od Niech {Un}∞n=0 oznacza baze topologii w X.,
(*) Zbi´or {Tn(x); n ≥ 0} jest gesty w X wtedy i tylko wtedy, gdy,
x ∈
∞
\
n=1
∞
[
k=0
T−k(Un).
Poniewa˙z
T−1(
∞
[
k=0
T−k(Un)) ⊂
∞
[
k=0
T−k(Un)
oraz T zachowuje miare m i T jest ergodyczne wzgl, edem m, to, m(
∞
[
k=0
T−k(Un)) = 0 lub m(
∞
[
k=0
T−k(Un)) = 1.
Poniewa˙z S∞
k=0T−k(Un) jest niepusty i otwarty ( a tak˙ze zbiory maja miar, e dodatni, a) to, m(S∞
k=0T−k(Un)) = 1. Na mocy (*) to ko´nczy dow´od.
3 Twierdzenia ergodyczne
3.1 Twierdzenie ergodyczne Birkhoffa
Twierdzenie 3.1. Niech (X, B, m) bedzie przestrzeni, a probabilistyczn, a lub przestrzeni, a z, miara σ-sko´, nczona. T : X → X zachowuje miar, e m, f ∈ L, 1(m). Wtedy
1 n
∞
X
i=0
f (Ti(x)) → f∗ (3.1)
zbiega dla prawie wszystkich x ∈ X w sensie miary m, gdzie f∗ ∈ L1(m). Ponadto
f∗◦ T = f∗ (3.2)
dla p.w. x ∈ X w sensie m. Je´sli m(X) < ∞, to Z
f∗dm = Z
f dm. (3.3)
Dow´od Twierdzenia 3.1 podamy na zako´nczenie tego rozdzia lu.
Uwaga 3.2. Je´sli T jest ergodyczne, to f∗ = const. p.w.x ∈ X w sensie miary m oraz je´sli m(X) < ∞, to
f∗ = 1 m(X)
Z f dm p.w. x ∈ X w sensie miary m.
Uwaga 3.3. Je´sli (X, B, m) jest przestrzenia probabilistyczn, a, T jest ergodyczne wzgl, edem, miary m, to dla ka˙zdego f ∈ L1(m)
n→∞lim
∞
X
i=0
f (Ti(x)) = Z
f dm.
Definicja 3.4. Niech (X, B, m)-przestrze´n probabilistyczna, T : X → X zachowuje miare m,, f ∈ L1(m).
Dla punktu x ∈ X ´srednia wzdlu ˙z trajektorii nazywamy granic, e,
n→∞lim 1 n
∞
X
i=0
f (Ti(x)),
o ile taka granica istnieje.
Sredni´ a przestrzenn, a nazywamy ca lk, e, Z
X
f dm.
Uwaga 3.5. Twierdzenie ergodyczne Birkhoffa implikuje, ˙ze dla prawie wszyst- kich x ∈ X w sensie miary m ´srednie wzd lu˙z trajektorii sa takie same jak ´, srednie przestrzenne dla ka˙zdej funkcji f ∈ L1(m) wtedy i tylko wtedy gdy T jest ergo- dyczne.
Opowiedzie´c o hipotezie znanego fizyka Boltzmanna, kt´ora zapoczatkowa la dzia l matematyki, zwany dzi´s teoria ergodyczn, a. Poda´, c co najmniej jeden przyk lad zastosowania twierdze´n ergodycznych w innych dzia lach matematyki.
3.2 Twierdzenie ergodyczne von Neumanna
Twierdzenie 3.6. Niech (X, B, m)-przestrze´n probabilistyczna, T : X → X zachowuje miare, oraz 1 ≤ p < ∞. Je´sli f ∈ Lp(m), to istnieje f∗ ∈ Lp(m) takie, ˙ze f∗ ◦ T = f∗ dla prawie wszystkich x ∈ X oraz
1 n
∞
X
i=0
f (Ti(x)) − f∗(x) p
→ 0 (3.4)
Wniosek 3.7. Niech (X, B, m)-przestrze´n probabilistyczna, T : X → X zachowuje miare., Wtedy T jest ergodyczne ⇐⇒ ∀A, B ∈ B
1 n
n−1
X
i=0
m(T−i(A) ∩ B)) → m(A)m(B).
Dow´od =⇒ Niech T bedzie ergodyczne, f = χ, A. Z twierdzenie ergodycznego Birkhoffa (patrz Tw. 3.1) wynika, ˙ze
1 n
n−1
X
i=0
χA(T−i(x)) → m(A) p.w.m.
Mno˙zymy stronami przez χB. 1 n
n−1
X
i=0
χA(T−i(x))χB → m(A)χB p.w.m Korzystamy z nastepuj, acego twierdzenia,
Lemat 3.8. Je´sli g : X → IR jest ca lkowalna, {fn} ciag funkcji mierzalnych rzeczywistych, takich, ˙ze |fn| < g dla p.w.x ∈ X, ∀n ≥ 1 i istnieje limn→∞fn= f dla p.w. x ∈ X, to f jest ca lkowalna oraz limn→∞R fndm =R f dm
Doko´nczenie dowodu Wniosku 3.7. Wtedy 1
n
n−1
X
i=0
m(T−i(A) ∩ B) → m(A)m(B)
⇐= Niech T−1(E) = E, E ∈ B. Podstawmy A = B = E w ciagu,, to dostaniemy, ˙ze 1
n
n−1
X
i=0
m(E) → m(E)2 Stad m(E) = m(E), 2. Zatem m(E) = 1 lub m(E) = 0.
3.3 Maksymalne twierdzenie ergodyczne
Twierdzenie 3.9. Niech U : L1R(m) → L1R(m) bedzie dodatnim liniowym operatorem takim,,
˙ze ||U || < 1. Niech N ∈ ZZ, N > 0 i f ∈ L1R(m). Definiujemy
f0 ≡ 1, fn := f + U f + U2f + . . . Un−1f dla n ≥ 1 oraz FN := max0≤n≤Nfn≥ 0. Wtedy
Z
{x∈FN(x)>0}
f dm ≥ 0.
3.4 Dow´od twierdzenia ergodycznego Birkhoffa
Najpierw za lo ˙zymy, ˙ze m(X) < ∞. Je˙zeli f : X → CI, to oddzielnie rozpatrujemy <f i
=f . Dlatego wystarczy rozpatrywa´c tylko funkcje rzeczywiste L1IR(m) = {f : X → IR,
Z
|f |pdm < ∞}
||f ||p =
Z
|f |pdm
1/p
. Definiujemy
f∗(x) := lim sup
n→∞
1 n
n−1
X
i=0
f (Ti(x)) f∗(x) := lim inf
n→∞
1 n
n−1
X
i=0
f (Ti(x))
Wtedy
f∗(T ) = f∗ i f∗(T ) = f∗
poniewa˙z, je´sli
an:= 1 n
n−1
X
i=0
f (Ti(x))
to n + 1
n
an+1(x) − an(T (x)) = f (x)
n . (3.5)
Mamy udowodni´c, ˙ze f∗(x) = f∗(x) p.w. x ∈ X w sensie m oraz f∗(x) = f∗(x) ∈ L1(m).
Niech α, β ∈ IR. Definiujemy zbiory
Eα,β = {x ∈ X : f∗(x) < β i α < f∗(x)}
Wtedy
{x : f∗(x) < f∗(x)} = [
α,β
{Eα,β : β < α oraz α, β wymierne}.
Aby udowodni´c, ˙ze f∗(x) = f∗(x) p.w. x ∈ X w sensie m nale˙zy pokaza´c, ˙ze m(Eα,β) = 0 je´sli β < α. Poniewa˙z T−1(Eα,β) = Eα,β i je´sli przyjac, ˙ze,
βα = {x ∈ X : sup
n≥1
1 n
n−1
X
i=0
f (Ti(x)) > α}
to
Eα,β ∩ Bα = Eα,β Wtedy
Z
Eα,β
f dm = Z
Eα,β∩βα
f dm ≥ αm(Eα,β) = αm(Eα,β) (3.6) Aby udowodni´c (3.6) skorzystamy z nastepuj, acej w lasno´sci.,
Lemat 3.10. Niech T : X → X bedzie zachowuj, acym miar, e przekszta lceniem, (X, B, m)-, przestrze´n z miara. Je´, sli g ∈ L1IR(m) i
βα = {x ∈ X : sup
n≥1
1 n
n−1
X
i=0
f (Ti(x)) > α}
to Z
βα
gdm ≥ αm(Bα∩ A) je´sli T−1(A) = A i m(A) < ∞.
Zatem
Z
Eα,β
f dm ≥ αm(Eα,β).
Je´sli zastapimy f, α, β odpowiednio przez −f, −α, −β, to poniewa˙z, (−f )∗ = −f∗ (−f )∗ = −f∗
otrzymamy, ˙ze
Z
Eα,β
f dm ≤ βm(Eα,β) Zatem
αm(Eα,β) ≤ βm(Eα,β).
Tak wiec, je´sli β < α to m(E, α,β) = 0. To pociaga za sob, a, ˙ze f, ∗ = f∗ p.w. x ∈ X w sensie m. Aby udowodni´c, ˙zef∗ ∈ L1(m) skorzystamy z lematu Fatou.
Lemat 3.11. Niech (X, B, m) przestrz´n z miara. Niech {f, n} bedzie ci, agiem funkcji mie-, rzalnych ograniczonych z do lu przez funkcje ca lkowaln, a., Je´sli lim infn→∞fndm < ∞, to lim infn→∞fn jest ca lkowalna oraz
Z
lim inf
n→∞ fndm ≤ lim inf
n→∞
Z
fndm.
Niech
gn(x) = 1 n
n−1
X
i=0
f (Ti(x)) .
Wtedy R gndm ≤R |f |dm, wiec mo˙zemy zastosowa´, c lemat Fatou i otrzymamy, ˙ze
n→∞lim gn(x) =
n→∞lim 1 n
n−1
X
i=0
f (Ti(x))
= |f∗| ∈ L1(m).
Pozostaje pokaza´c, ˙ze R f dm = R f∗dm je´sli m(X) < ∞. Niech Dnk =
x ∈ X : k n
≤ f∗(x) ≤ k + 1 n
gdzie k ∈ Z, n ≥ 1. Dla ka˙zedego ma lego > 0 mamy, ˙ze Dnk ∩ B(k
n−) = Dkn, gdzie B(k
n−) zosta l zdefiniowany w Lemacie 3.10, z kt´orego wynika, ˙ze Z
Dnk
f∗dm ≤ k + 1
n m(Dnk) ≤ 1
nm(Dkn) + Z
Dkn
f dm.
Sumujac po k otrzymamy, ˙ze, Z
X
f∗dm ≤ m(X)
n +
Z
X
f dm.
Poniewa˙z ta nier´owno´s´c zachodzi dla ka˙zdego n ≥ 1, wiec, Z
X
f∗dm ≤ Z
X
f dm Stosujac to do −f zamiast f otrzymamy, ˙ze,
Z
X
(−f∗)dm ≤ Z
X
−f dm, zatem
Z
X
f∗dm ≥ Z
X
f dm.
Ale f∗ = f∗ p.w. x ∈ X w sensie m, wiec, R
Xf∗dm =R
Xf dm.
Niech m(X) = ∞. Je´sli m(X) = ∞, to powy˙zszy dow´od mo˙zna przepisa´c je´sli poka˙ze sie, ˙ze, m(Eα,β) < ∞ gdy β < α. Za l´o˙zmy, ˙ze α > 0. Niech C ∈ B bedzie takim zbiorem, ˙ze C ⊂ E, α,β i m(C) < ∞. Taki zbi´or istnieje poniewa˙z o X za lo˙zyli´smy, ˙ze jest zbiorem σ-sko´nczonym.
Wtedy
h := f − αχC ∈ L1(m).
Z Maksymalnego Twierdzenia Ergodycznego wynika, ˙ze Z
{x:HN (x)>0}
(f − αχC)dm ≥ 0 dla ∀N ≥ 1.
Ale
C ⊂ Eα,β ⊂
∞
[
N =0
{x : HN (x) > 0}, Zatem
Z
X
|f |dm ≥ αm(C).
Stad,
m(C) ≤ 1/α Z
X
|f |dm dla ∀C ∈ B,
gdzie C ⊂ Eα,β i m(C) < ∞. Poniewa˙z X jest σ-sko´nczona, to m(Eα,β) < ∞. Je´sli α ≤ 0 to β < 0, wiec powy˙zsze rozumowanie mo˙zemy zastosowa´, c do −f, −β zamiast f, β i dosta´c, ˙ze m(Eα,β) < ∞.
4 S labe i silne mieszanie
(X, B, m) - przestrze´n probabilistyczna T : X → X zachowuje miare m.,
Z Twierdzenia Ergodycznego wynika, ˙ze
T jest ergodyczne ⇐⇒ ∀A, B ∈ B lim
n→∞
1 n
∞
X
n=0
m(T−i(A ∩ B)) = m(A)m(B).
Definicja 4.1. (X, B, m) - przestrze´n probabilistyczna, T : X → X zachowuje miare m., a) T jest s labo mieszajace je´, sli ∀A, B ∈ B
n→∞lim 1 n
∞
X
n=0
|m(T−i(A ∩ B)) − m(A)m(B)| = 0.
a) T jest silnie mieszajace je´, sli ∀A, B ∈ B
n→∞lim m(T−n(A ∩ B)) = m(A)m(B).
Uwaga 4.2
1. Ka ˙zdy uk lad silnie mieszajacy jest s labo mieszaj, acy., 2. Ka ˙zdy uk lad s labo mieszajacy jest ergodyczny,
Uwaga 4.3
1. W lasno´s´c silnego mieszania oznacza, ˙ze ∀A, B ∈ B ciag {T, −n(A)} staje sie, asymptotycznie niezale ˙zny od ka ˙zdego innego zbioru B ∈ B.
2. Ergodyczno´s´c T oznacza, ˙ze ∀A ∈ B ciag ´, srednich {T−n(A)} staje sie asymp-, totycznie niezale ˙zny od ka ˙zdego innego zbioru B ∈ B.
5 W lasno´sci spektralne przekszta lce´n zachowujacych miar, e,
(X, B, m) - przestrze´n z miara,
L0(m) = L0(X, B, m) = {f : X → CI mierzalna wzgledem m},
Definicja 5.1. Niech (X, B, m) - przestrze´n probabilistyczna, T : X → X zachowuje miare., T indukuje operator UT : L0(m) → L0(m) zdefiniowany
(UTf )(x) = f (T (x)) dla ∀f ∈ L0(m), x ∈ X.
5.1 Podstawowe w lasno´sci operatora UT
-UT operator liniowy : L0(m) → L0(m) - UT(f g) = UT(f )UT(g)
- je´sli f ∈ L0(m) i f ≥ 0, to UTf ≥ 0 czyli UT jest operatorem dodatnim.
Lemat 5.2. Niech (X, B, m) - przestrze´n probabilistyczna, T : X → X zachowuje miare., Je´sli f ∈ L0(m), to
Z
UTf dm = Z
f dm, przy czym je´sli jedna ze stron nie istnieje to druga tak˙ze.
Dow´od Dla uproszczenia zak ladamy, ˙ze f jest funkcja rzeczywist, a. Rozpatruj, ac oddzielnie, cze´s´, c dodatnia i ujemn, a funkcji mo˙zna za lo˙zy´, c, ˙ze f jest dodatnia. Niech f ≥ 0. Zak ladamy dalej, ˙ze f jest tzw. funkcja prost, a tzn. ˙ze,
f =
n
X
i=1
aiχAi,
ai ∈ IR, Ai ∈ B, gdzie o zbiorach Ai zak ladamy, ˙ze sa roz l, aczne. Takie funkcje s, a mierzalne,, za´s ca lka z nich wynosi
Z
f dm =
n
X
i=1
aim(Ai).
Wtedy
Z
UTf dm = Z
UT n
X
i=1
aiχAi
! dm =
Z n X
i=1
aiχT−1(Ai)(x)dm
=
n
X
i=1
aim(T−1(Ai)) =
n
X
i=1
aim(Ai) = Z
f dm.
Je´sli f nie jest funkcja prost, a, to przybli˙zamy j, a rosnacym ci, agiem funkcji prostych {f, n}n∈IN. Wtedy {UT(fn)}n∈IN jest tak˙ze rosnacym ci, agiem funkcji prostych d, a˙z, acych do U, Tf . Korzy- stajac z powy˙zszego otrzymamy, ˙ze,
Z
UTf dm = lim
n→∞
Z
UTf dm = lim
n→∞
Z
fndm = Z
f dm.
Twierdzenie 5.3. Niech p ≥ 1. Wtedy
UT(Lp(X, B, m)) ⊂ Lp(X, B, m) oraz
||UT||p = ||f ||p dla ∀f ∈ Lp(X, B, m) czyli UT jest izometria.,
Dow´od Niech f ∈ Lp(m). Zdefiniujmy funkcje F (x) = |f (x)|, p. Poniewa˙z F (x) ∈ L0(m), mo˙zemy zastosowa´c Lemat 3.8 z kt´orego wynika, ˙ze ||UT||p = ||f ||p.
5.2 Dzia lanie operatora UT na przestrzeniach Hilberta
Rozpatrujemy dalej przestrze´n Hilberta L2(m). Iloczyn skalarny na L2(m) jest zdefiniowany nastepuj, aco,
(f, g) = Z
f gdm,
||f || = (f, f )12 norma w L2(m).
Definicja 5.4. Przestrze´n L2(m) jest o´srodkowa, je´sli (X, B, m) ma przeliczalna baz, e tzn.,
∃{En}∞n=1, En ∈ B takie, ˙ze ∀ > 0, ∀B ∈ B takich, ˙ze m(B) < ∞ istnieje En takie, ˙ze m(B ÷ En) < .