{
  "id": "cantor-function",
  "title": "康托尔函数",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "康托尔函数是从零增至一的连续非递减函数，其导数几乎处处为零。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "康托尔–勒贝格函数",
    "魔鬼阶梯",
    "康托尔阶梯"
  ],
  "generated_at": "2026-11-06",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/cantor-function/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/cantor-function/",
      "json": "https://aiwiki.page/en/cantor-function.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "康托尔函数是一个连续函数 \\(F:[0,1]\\to[0,1]\\)，它非递减，满足 \\(F(0)=0\\) 和 \\(F(1)=1\\)，且导数几乎处处为零。它的增长集中在三分康托尔集上，而这个集合的勒贝格测度为零。该函数以格奥尔格·康托尔的名字命名，是数学分析中的一个重要例子，说明仅有连续性和单调性，并不足以保证通过对导数积分来还原原函数。"
    },
    {
      "heading": "从康托尔集出发的构造",
      "text": "设 \\(C\\) 为三分康托尔集，它由以下过程得到：从 \\([0,1]\\) 开始，反复从每个剩余区间中去掉中间三分之一的开区间。一个点属于 \\(C\\)，当且仅当它有一个仅含数字 \\(0\\) 和 \\(2\\) 的三进制展开。\n\n对于 \\(x\\in C\\)，选取这样的展开：\n\n\\[x=\\sum_{n=1}^{\\infty}\\frac{a_n}{3^n}, \\qquad a_n\\in\\{0,2\\}.\\]\n\n定义\n\n\\[F(x)=\\sum_{n=1}^{\\infty}\\frac{a_n/2}{2^n}.\\]\n\n也就是说，这一构造将三进制展开中的每个数字 \\(0\\) 替换为二进制数字 \\(0\\)，将每个三进制数字 \\(2\\) 替换为二进制数字 \\(1\\)。\n\n在端点处，选用哪一种展开形式十分重要。例如，\n\n\\[\\frac13=0.02222\\ldots{}_3, \\qquad \\frac23=0.20000\\ldots{}_3.\\]\n\n它们对应的函数值为\n\n\\[F\\left(\\frac13\\right)=0.01111\\ldots{}_2=\\frac12, \\qquad F\\left(\\frac23\\right)=0.10000\\ldots{}_2=\\frac12.\\]\n\n同样，每个被删去区间的两个端点都有相同的函数值。将 \\(F\\) 延拓到这些区间的内部，使整个区间上的函数值都等于两个端点的共同值。\n\n因此，\n\n\\[F(x)=\\frac12 \\quad\\text{for }\\frac13\\le x\\le\\frac23.\\]\n\n在下一步中，\n\n\\[F(x)=\\frac14 \\quad\\text{for }\\frac19\\le x\\le\\frac29,\\]\n\n以及\n\n\\[F(x)=\\frac34 \\quad\\text{for }\\frac79\\le x\\le\\frac89.\\]\n\n这些水平平台在各个尺度上反复出现，使函数图像呈现出阶梯状。"
    },
    {
      "heading": "自相似性与逼近",
      "text": "该函数满足\n\n\\[F(x)= \\begin{cases} \\frac12F(3x), & 0\\le x\\le\\frac13,\\\\[4pt] \\frac12, & \\frac13\\le x\\le\\frac23,\\\\[4pt] \\frac12+\\frac12F(3x-2), & \\frac23\\le x\\le1. \\end{cases}\\]\n\n这些分段公式在重合的边界点处给出相同的值。左右两个三分之一区间内，各自都包含整个图像的一个副本，其水平方向缩小为原来的三分之一，竖直方向缩小为原来的二分之一。\n\n这一关系还给出了一种通过一致收敛来构造该函数的方法。从 \\(F_0(x)=x\\) 开始，将右端的 \\(F\\) 替换为 \\(F_n\\)，以此定义 \\(F_{n+1}\\)。每个 \\(F_n\\) 都是连续的分段线性函数。在康托尔集构造的第 \\(n\\) 步后剩余的区间上，它的斜率为 \\((3/2)^n\\)；在已经删去的区间上，它为常数。\n\n若以 \\(T\\) 表示这一递推操作，则\n\n\\[\\|Tg-Th\\|_\\infty\\le\\frac12\\|g-h\\|_\\infty.\\]\n\n因此，逐次逼近所得的函数列一致收敛于 \\(F\\)。巴拿赫不动点定理还表明：在端点值分别为 \\(0\\) 和 \\(1\\) 且满足上述递推关系的连续函数中，\\(F\\) 是唯一的。"
    },
    {
      "heading": "连续性、单调性与正则性",
      "text": "康托尔函数是一个非递减函数，但并非严格递增，因为它在每个被删去的区间上都为常数。不过，由连续性及其端点值可知，它是到 \\([0,1]\\) 的满射函数。\n\n它在 \\(C\\) 上的限制也是到 \\([0,1]\\) 的满射：每个二进制展开都确定了一个仅含 \\(0\\) 和 \\(2\\) 的相应三进制展开。因此，一个零测集被映射到了整个区间。这说明连续函数不一定将零测集映射为零测集。\n\n该函数具有如下对称性：\n\n\\[F(1-x)=1-F(x).\\]\n\n它的正则性可以用霍尔德连续性更精确地描述。令\n\n\\[\\alpha=\\frac{\\log 2}{\\log 3},\\]\n\n则存在常数 \\(K\\)，使得\n\n\\[|F(x)-F(y)|\\le K|x-y|^\\alpha \\qquad(x,y\\in[0,1]).\\]\n\n这个指数是最优的。事实上，\n\n\\[F(3^{-n})=2^{-n},\\]\n\n所以，对任意 \\(\\beta>\\alpha\\)，都有\n\n\\[\\frac{|F(3^{-n})-F(0)|}{|3^{-n}-0|^\\beta} =\\left(\\frac{3^\\beta}{2}\\right)^n \\longrightarrow\\infty.\\]\n\n特别地，\\(F\\) 不具有利普希茨连续性。"
    },
    {
      "heading": "导数与通过积分还原函数的失效",
      "text": "\\([0,1]\\setminus C\\) 中的每个点都位于某个开区间内，且 \\(F\\) 在该区间上为常数。因此，\n\n\\[F'(x)=0 \\qquad\\text{for every }x\\in(0,1)\\setminus C.\\]\n\n由于 \\(C\\) 的测度为零，导数几乎处处为零。\n\n这并不意味着导数处处存在。例如，在 \\(x=1/3\\) 处，由于中间的平台，右侧差商为零。另一方面，令\n\n\\[x_n=\\frac13-3^{-n}, \\qquad n\\ge2,\\]\n\n则有\n\n\\[F(x_n)=\\frac12-2^{-n},\\]\n\n从而\n\n\\[\\frac{F(1/3)-F(x_n)}{1/3-x_n} =\\left(\\frac32\\right)^n.\\]\n\n因此，该点不存在有限的双侧导数。\n\n由于 \\(F'=0\\) 几乎处处成立，其勒贝格积分为零：\n\n\\[\\int_0^1F'(x)\\,dx=0,\\]\n\n其中，在例外的零测集上，可以为导数任意赋值。然而，\n\n\\[F(1)-F(0)=1.\\]\n\n这与微积分基本定理并不矛盾。在勒贝格积分框架下，通过导数还原函数的定理要求函数具有绝对连续性，而不仅仅是连续性和单调性。康托尔函数并不绝对连续。\n\n利用第 \\(n\\) 步后剩余的 \\(2^n\\) 个区间，可以直接证明这一点。这些区间的总长度为 \\((2/3)^n\\)，趋于零，但 \\(F\\) 在各区间上的增量之和始终为 \\(1\\)。这违反了绝对连续性的定义条件。"
    },
    {
      "heading": "概率与奇异测度",
      "text": "令 \\(x<0\\) 时 \\(F(x)=0\\)，\\(x>1\\) 时 \\(F(x)=1\\)，以此将康托尔函数延拓到整个实数轴，它就是康托尔分布的累积分布函数。\n\n一种构造方法是使用相互独立的随机变量 \\(B_1,B_2,\\ldots\\)，其中每个随机变量都以相等的概率取值 \\(0\\) 和 \\(1\\)。收敛的随机级数\n\n\\[X=\\sum_{n=1}^{\\infty}\\frac{2B_n}{3^n}\\]\n\n的取值落在 \\(C\\) 中，且\n\n\\[F(x)=\\mathbb P(X\\le x).\\]\n\n尽管 \\(C\\) 的勒贝格测度为零，\\(X\\) 的概率分布却赋予 \\(C\\) 概率 \\(1\\)。同时，每个单点的概率都为零。因此，这个分布是奇异连续的：它相对于勒贝格测度是奇异的，但没有点质量。\n\n特别地，这个分布不存在相对于勒贝格测度的概率密度函数。其累积分布函数几乎处处存在的导数不能充当这样的密度：该导数为零，积分结果是零而不是一。"
    },
    {
      "heading": "有界变差与广义微分",
      "text": "作为一个端点总增量为 \\(1\\) 的非递减函数，\\(F\\) 具有有界变差，且总变差等于 \\(1\\)。与它对应的勒贝格–斯蒂尔切斯测度 \\(\\mu\\) 满足\n\n\\[\\mu((a,b])=F(b)-F(a) \\qquad(0\\le a<b\\le1).\\]\n\n这正是康托尔分布的概率测度。\n\n在分布理论中，\\(F\\) 的导数是测度 \\(\\mu\\)，而不是零函数。更明确地说，对于每个支集紧含于 \\((0,1)\\) 的光滑检验函数 \\(\\varphi\\)，都有\n\n\\[-\\int_0^1F(x)\\varphi'(x)\\,dx =\\int_{[0,1]}\\varphi(x)\\,d\\mu(x).\\]\n\n经典导数刻画的是有限导数存在之处的局部斜率；分布导数则还刻画了集中在 \\(C\\) 上的奇异增长。正是这一区别，使康托尔函数成为积分、测度和广义导数研究中的经典例子。"
    }
  ],
  "links": [
    "continuous-function",
    "derivative",
    "almost-everywhere",
    "cantor-set",
    "lebesgue-measure",
    "georg-cantor",
    "mathematical-analysis",
    "uniform-convergence",
    "banach-fixed-point-theorem",
    "monotonic-function",
    "surjective-function",
    "lipschitz-continuity",
    "lebesgue-integral",
    "fundamental-theorem-of-calculus",
    "absolute-continuity",
    "cumulative-distribution-function",
    "statistical-independence",
    "random-variable",
    "probability-distribution",
    "probability-density-function"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}