2026-08-28·by Sijie Wang#math

symbolic-dynamics

符号动力学——轨道即符号序列

上级:orbit · 前提:discrete-dynamical-systems

核心操作:不再追踪一个点本身,而是记录它的轨道依次落入哪些(有限个)区域,得到一条"行程"(itinerary);再把所有行程构成的空间本身当作一个动力系统来研究。

全移位(Full shift)

字母表 A={0,1,,k1}A = \{0, 1, \dots, k-1\}kk-移位Σk=AN\Sigma_k = A^{\mathbb{N}}(所有单向符号序列的集合),配上移位映射 σ(x)n=xn+1\sigma(x)_n = x_{n+1}——去掉第一个符号。度量:d(x,y)=2min{n:xnyn}d(x, y) = 2^{-\min\{n \,:\, x_n \neq y_n\}};两个序列越接近,说明它们共同的前缀越长。Σk\Sigma_k 是紧致的,σ\sigma 连续。

有限型子移位(SFT)

固定一个 k×kk \times k 的 0-1 转移矩阵 MM。SFT ΣMΣk\Sigma_M \subseteq \Sigma_k 由所有相邻符号对都被允许的序列组成:Mxn,xn+1=1M_{x_n, x_{n+1}} = 1 对所有 nn 成立。(等价地:禁止有限多个词。)

两个精确的计数事实,使 SFT 成为可计算的对象:

  • 词数: 长度为 nn 的合法词数是 i,j(Mn1)ij\sum_{i,j} (M^{n-1})_{ij}
  • 周期轨道数: #{x:σnx=x}=tr(Mn)\#\{x : \sigma^n x = x\} = \operatorname{tr}(M^n)
拓扑熵

h(σ)=limn1nlog#Wnh(\sigma) = \lim_{n \to \infty} \tfrac{1}{n} \log \# W_n,其中 WnW_n 是长度为 nn 的合法词集合。对 SFT 而言,h=logλmax(M)h = \log \lambda_{\max}(M)(Perron–Frobenius 特征值)。熵是共轭不变量中衡量轨道多样性的那一个:长度为 nn、彼此可区分的轨道片段究竟有多少。

一步步数:黄金分割移位

字母表 {0,1}\{0,1\},禁止词是 1111(不允许连续两个 1):M=(1110)M = \begin{pmatrix} 1 & 1 \\ 1 & 0 \end{pmatrix}

长度为 nn 的词数:W1={0,1}W_1 = \{0, 1\},故 #W1=2\#W_1 = 2#W2=3\#W_2 = 300,01,1000, 01, 10);#W3=5\#W_3 = 5000,001,010,100,101000,001,010,100,101);#W4=8\#W_4 = 8。这正是斐波那契数列 Fn+2F_{n+2}——而 MM 本身就是斐波那契矩阵。于是

h=logλmax(M)=log1+520.4812,h = \log \lambda_{\max}(M) = \log \frac{1 + \sqrt{5}}{2} \approx 0.4812,

即黄金比例的对数。周期点:tr(M2)=3\operatorname{tr}(M^2) = 3,即周期整除 2 的点有 3 个——分别是 00\overline{00}01\overline{01}10\overline{10}。✓(11\overline{11} 被禁止。)

为什么这是通用的后端

编码就是一个从具体系统到某个移位的共轭(或半共轭)hf=σhh \circ f = \sigma \circ h

  • 倍角映射 \leftrightarrow 满 2-移位,经由二进制展开(ergodic-theory-of-orbits);
  • 带覆盖关系的区间映射 \to SFT 行程——这正是 Sharkovskii / Li–Yorke 定理内部运转的引擎(topological-dynamics);
  • z2z^2 的 Julia 集上的角度倍增映射(complex-dynamics);
  • Z2\mathbb{Z}_2 上的 Collatz 映射,经由奇偶向量,本质上就是满 2-移位的另一种化身(collatz-orbit-statistics)——这是"动力学本身已被理解,但整数没有"这句话最干净的表述。

一旦完成编码,关于轨道的问题就变成了关于词组合的问题——可数、可验证、往往可判定;损失的恰恰是哪些符号序列对应到你真正关心的那些点,这一层算术信息。

about this entry

One of sijie's wiki entries. The AI on this site is grounded in the same corpus and answers in sijie's voice, with citations back to entries like this one — answering costs sijie money, so it waits behind a code: enter an access code →

symbolic-dynamics