On The Hausdorff Dimension Of Two Dimensional Badly Approximable Vector

Este artículo demuestra que la dimensión de Hausdorff de la intersección de cualquier bola en $[0,1]^2$ con el conjunto de vectores mal aproximados ponderados $\mathcal{B}_2(\Psi_{\boldsymbol \tau})$ coincide con la dimensión del conjunto de vectores $\Psi$-aproximables, y proporciona una fórmula explícita para este valor en función de los parámetros de ponderación $\tau_1$ y $\tau_2$.

Lo esencial

Imagina que el universo de los números es como un vasto océano. En este océano, la mayoría de los puntos son "números normales" que podemos aproximar muy bien con fracciones simples (como decir que 3.14 es muy cercano a 22/7). Pero, ¿qué pasa con esos puntos "rebeldes" que se resisten a ser aproximados? A esos los llamamos vectores mal aproximables.

Este artículo, escrito por Yi Lou, es como un mapa de alta precisión para encontrar y medir la "densidad" de estos puntos rebeldes en un mundo de dos dimensiones (como una hoja de papel cuadrada).

Aquí tienes la explicación, paso a paso, con analogías sencillas:

1. El Problema: ¿Qué tan "mal" se pueden aproximar los números?

Imagina que tienes una diana (un blanco) en la pared. Tienes una flecha (un número racional, como una fracción) y quieres que caiga lo más cerca posible del centro.

• Aproximación normal: La mayoría de las flechas caen cerca del centro.
• Aproximación "mala" (Badly Approximable): Hay ciertos puntos en la diana que, por muy bien que apuntes con tus flechas, siempre hay un límite de lo cerca que puedes llegar. Nunca puedes pegarles "demasiado" cerca.

El autor estudia un caso especial donde las reglas de "qué tan cerca" son diferentes para la dirección horizontal y la vertical (esto es lo que llaman ponderado o weighted). Es como si en la diana, la zona de peligro fuera más estrecha en un lado que en el otro.

2. La Meta: Medir el "Tamaño" de lo invisible

En matemáticas, a veces un conjunto de puntos es tan pequeño que no ocupa espacio (su área es cero), pero aún así es tan complejo que tiene una dimensión fractal.

• Dimensión de Hausdorff: Imagina que intentas medir la longitud de la costa de Gran Bretaña. Si usas un metro grande, pierdes los detalles. Si usas una regla pequeña, ves más. La "dimensión de Hausdorff" es una forma de medir cuán "rugosa" o "compleja" es una figura. Puede ser 1 (como una línea), 2 (como un cuadrado), o algo raro como 1.5 (un fractal).

El objetivo del artículo es responder: ¿Cuál es la dimensión exacta de esos puntos rebeldes en nuestro cuadrado de dos dimensiones?

3. La Estrategia: Construyendo un "Castillo de Arena" (Construcción Cantor)

Para medir estos puntos, el autor no los cuenta uno por uno (porque son infinitos). En su lugar, construye un castillo de arena (un conjunto fractal) que vive dentro de esos puntos rebeldes.

• El proceso de construcción:
  1. Empiezas con todo el cuadrado.
  2. Empiezas a quitar "islas" de seguridad alrededor de las fracciones "demasiado buenas". Si un punto está muy cerca de una fracción simple, lo sacas.
  3. Repites esto una y otra vez, cada vez con reglas más estrictas.
  4. Lo que queda al final es un polvo de puntos (el conjunto Cantor) que son los verdaderos "rebeldes".

4. El Truco: La "Distribución de Masa"

Aquí viene la parte más creativa. Imagina que quieres saber cuánto pesa ese polvo de puntos, pero no puedes pesarlo directamente.

• El autor inventa una balanza mágica (una medida de probabilidad).
• Distribuye "peso" (masa) sobre el castillo de arena que construyó.
• Luego, toma una pelota (un círculo pequeño) y ve cuánto peso cae dentro de ella.
• La clave: Si la pelota es pequeña (radio $r$), el peso que contiene no es arbitrario. Sigue una ley de potencia: Peso ≈ (Radio)^dimensión.

Al observar cómo se comporta este peso a medida que la pelota se hace infinitamente pequeña, el autor puede deducir la dimensión exacta del conjunto. Es como deducir la densidad de una nube midiendo cuánta agua cae en un cubo de diferentes tamaños.

5. El Resultado: La Fórmula Mágica

El autor descubre que la dimensión de estos puntos rebeldes depende de dos números ($\tau_1$ y $\tau_2$) que definen las reglas del juego (qué tan estrictas son las reglas de aproximación en cada dirección).

La fórmula que encuentra es:
$$\text{Dimensión} = \min \left( \frac{3 + \tau_1 - \tau_2}{1 + \tau_1}, \frac{3}{1 + \tau_2} \right)$$

¿Qué significa esto en español?
Significa que la "complejidad" de estos puntos rebeldes está determinada por el "cuello de botella" de las reglas. Si las reglas son muy estrictas en una dirección, esa dirección limita cuán complejo puede ser el conjunto. El autor demuestra que su fórmula es la respuesta exacta y precisa (una "fórmula local"), lo que significa que funciona en cualquier pequeña parte del cuadrado, no solo en promedio.

En resumen

Este artículo es como un detective matemático que:

1. Identifica a los "sospechosos" (los números que no se dejan aproximar bien).
2. Construye una prisión fractal donde solo ellos pueden vivir.
3. Usa una balanza mágica para pesar la complejidad de esa prisión.
4. Descubre la fórmula exacta que describe cuán "llena" o "vacía" es esa prisión, resolviendo un misterio que antes solo se conocía para reglas simples, pero que ahora se entiende para reglas personalizadas y complejas.

Es un trabajo elegante que combina geometría, probabilidad y teoría de números para medir lo que a simple vista parece invisible.

Resumen técnico

Resumen Técnico: Dimensión de Hausdorff de Vectores Mal Aproximables Ponderados en Dos Dimensiones

1. Planteamiento del Problema

El artículo aborda un problema central en la teoría de aproximación diofántica: determinar la dimensión de Hausdorff del conjunto de vectores "mal aproximables" (badly approximable) en un contexto ponderado y de dimensión dos.

• Definiciones Clave:
  • Se considera un vector de funciones de aproximación $\Psi = (\psi_1, \dots, \psi_m)$. El conjunto de vectores $\Psi$-aproximables, $A_m(\Psi)$, consiste en aquellos $x \in [0,1]^m$ que satisfacen $|qx_i - p_i| < \psi_i(q)$ para infinitos enteros $q$ y $p$.
  • El conjunto de vectores mal aproximables ponderados, denotado $B_m(\Psi)$, se define como la diferencia entre los vectores aproximables y aquellos que son "demasiado" aproximables:
    $$B_m(\Psi) = A_m(\Psi) \setminus \bigcup_{0 < c < 1} A_m(c\Psi)$$
    Donde $c\Psi$ representa una función de aproximación escalada.
• Contexto Específico: El autor se centra en el caso de ley de potencia ponderada donde $\psi_i(q) = q^{-\tau_i}$ para un vector de exponentes $\tau = (\tau_1, \tau_2)$ con $\tau_1 \ge \tau_2 > 0$ y $\tau_1 + \tau_2 > 1$.
• Estado del Arte:
  • Si $\sum \tau_i < 1$, el conjunto es vacío (Teorema de Dirichlet).
  • Si $\sum \tau_i = 1$, el conjunto tiene medida de Lebesgue cero pero dimensión de Hausdorff completa ($m$).
  • Si $\sum \tau_i > 1$, la dimensión de $A_m(\Psi_\tau)$ ya era conocida (Wang y Wu), pero la dimensión exacta de $B_m(\Psi_\tau)$ en el caso ponderado y no simétrico ($\tau_1 \neq \tau_2$) era un problema abierto que este artículo resuelve para $m=2$.

2. Metodología y Estructura de la Prueba

La prueba del teorema principal se basa en una construcción geométrica de Cantor y el principio de distribución de masa, extendiendo trabajos previos de Koivusalo et al. (que trataban el caso no ponderado) al caso ponderado. La demostración se divide en cuatro pasos lógicos:

Paso 1: Construcción del Conjunto $C_\tau(N)$

• Se construye un conjunto $C_\tau(N) \subset [0,1]^2$ eliminando vecindades de puntos racionales.
• Se utiliza el Lema del Simplex para asegurar que, al eliminar ciertas regiones alrededor de hiperplanos que contienen puntos racionales con denominadores en rangos específicos ($N^{n-1} \le q < N^n$), el conjunto resultante evita ser aproximado por constantes arbitrariamente pequeñas.
• Se demuestra que $C_\tau(N)$ tiene medida de Lebesgue casi completa (cualquier $\epsilon > 0$) para $N$ suficientemente grande, garantizando que el conjunto no es trivial.

Paso 2: Definición de Racionales Líderes (Leading Rationals)

• Se define un subconjunto de puntos racionales, llamados racionales líderes ($Q(N, \tau)$), que son esenciales para la estructura del conjunto de Cantor.
• Estos racionales se seleccionan basándose en su relación con los hiperplanos eliminados en el Paso 1.
• Se establece que cualquier punto en $C_\tau(N)$ es aproximable por una infinidad de estos racionales líderes, lo que permite vincular $C_\tau(N)$ con el conjunto de aproximación $A_2(\Psi_\tau)$.

Paso 3: Construcción del Subconjunto de Cantor $D_\epsilon(B)$

• Para una bola arbitraria $B \subseteq [0,1]^2$, se construye un subconjunto de Cantor $D_\epsilon(B) \subseteq B \cap B_2(\Psi_\tau)$.
• Técnica Clave: Se utiliza un lema de cobertura tipo TG,R (inspirado en el lema de Vitali para rectángulos y trabajos previos de Koivusalo). Este lema permite seleccionar subcolecciones de rectángulos disjuntos dentro de rectángulos "supervivientes" que cubren una fracción significativa de la medida del rectángulo padre.
• El proceso es iterativo: se eligen rectángulos, se contraen (shrink) para definir la siguiente capa, y se asegura que el conjunto final esté contenido en $B_2(\Psi_\tau)$ (es decir, que no sea aproximable por constantes más pequeñas).

Paso 4: Distribución de Masa y Cálculo de Dimensión

• Se define una medida de probabilidad $\mu$ soportada en $D_\epsilon(B)$.
• Se aplica el Principio de Distribución de Masa (Proposición 1.4): Si se puede demostrar que para cualquier bola $F$ de radio $r$, $\mu(F) \le C r^\alpha$, entonces la dimensión de Hausdorff del soporte es al menos $\alpha$.
• El análisis se divide en casos basados en el tamaño del radio $r$ en relación con los denominadores de los puntos racionales centrales ($Q^{-1-\tau}$).
• Se demuestra que la medida decae como $r^{s-\epsilon}$, donde $s$ es la fórmula de dimensión objetivo.

3. Resultados Principales

El teorema principal (Teorema 1.2) establece una fórmula precisa y aguda para la dimensión de Hausdorff local.

Teorema:
Si $\tau = (\tau_1, \tau_2) \in \mathbb{R}^2_{>0}$ tal que $\tau_1 + \tau_2 > 1$ y $\tau_1 \ge \tau_2$, entonces para cualquier bola $B \subseteq [0, 1]^2$:

$$\dim_H(B \cap B_2(\Psi_\tau)) = \dim_H A_2(\Psi_\tau) = \min \left\{ \frac{3 + \tau_1 - \tau_2}{1 + \tau_1}, \frac{3}{1 + \tau_2} \right\}$$

Donde:

• El primer término $\frac{3 + \tau_1 - \tau_2}{1 + \tau_1}$ domina cuando la asimetría entre los pesos es significativa.
• El segundo término $\frac{3}{1 + \tau_2}$ domina cuando el peso menor $\tau_2$ es el factor limitante.

Este resultado confirma que la dimensión de los vectores mal aproximables ponderados es idéntica a la de los vectores aproximables en este régimen, resolviendo la cuestión de la "localidad" de la dimensión.

4. Contribuciones Clave y Significado

1. Generalización del Caso Ponderado: Mientras que resultados anteriores (como los de Koivusalo et al.) se limitaban al caso no ponderado ($\tau_1 = \tau_2$), este trabajo extiende la teoría al caso general de pesos distintos ($\tau_1 \neq \tau_2$) en dos dimensiones.
2. Independencia Metodológica: Aunque el autor reconoce trabajos recientes de Bandi y Fregoli que obtienen resultados similares (o más generales) sobre la dimensión de vectores de aproximación exacta, la prueba presentada aquí es independiente. Se basa puramente en argumentos geométricos y construcciones de Cantor, ofreciendo una perspectiva diferente sobre la estructura local del problema.
3. Fórmula Aguda y Local: El resultado no solo da la dimensión global, sino que prueba que la dimensión es localmente constante en cualquier bola $B$, lo cual es una propiedad fuerte en teoría de la medida fractal.
4. Técnicas de Cubrimiento: La adaptación y uso del lema de cobertura TG,R para manejar la asimetría en los pesos ($\tau_1 \neq \tau_2$) constituye una innovación técnica significativa en la construcción de conjuntos de Cantor en espacios ponderados.

En conclusión, el artículo cierra una brecha importante en la teoría de aproximación diofántica multidimensional, proporcionando una fórmula exacta para la complejidad fractal de los vectores mal aproximables cuando los criterios de aproximación varían según la coordenada.