aiwiki.page
中文
数学 / 分析与微积分 / cantor-function

康托尔函数

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。

23 个关键词3 个词条链接到这里3 个尚未撰写AI 撰写
连续函数导数几乎处处康托尔集勒贝格测度格奥尔格·康托尔数学分析一致收敛康托尔函数

康托尔函数是一个连续函数 F:[0,1]→[0,1]F:[0,1]\to[0,1],它非递减,满足 F(0)=0F(0)=0 和 F(1)=1F(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。

从康托尔集出发的构造

设 CC 为三分康托尔集,它由以下过程得到:从 [0,1][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 CC,当且仅当它有一个仅含数字 00 和 22 的三进制展开。

对于 x∈Cx\in C,选取这样的展开:

x=∑n=1∞an3n,an∈{0,2}.x=\sum_{n=1}^{\infty}\frac{a_n}{3^n}, \qquad a_n\in\{0,2\}.

定义

F(x)=∑n=1∞an/22n.F(x)=\sum_{n=1}^{\infty}\frac{a_n/2}{2^n}.

也就是说,这一构造将三进制展开中的每个数字 00 替换为二进制数字 00,将每个三进制数字 22 替换为二进制数字 11。

在端点处,选用哪一种展开形式十分重要。例如,

13=0.02222…3,23=0.20000…3.\frac13=0.02222\ldots{}_3, \qquad \frac23=0.20000\ldots{}_3.

它们对应的函数值为

F(13)=0.01111…2=12,F(23)=0.10000…2=12.F\left(\frac13\right)=0.01111\ldots{}_2=\frac12, \qquad F\left(\frac23\right)=0.10000\ldots{}_2=\frac12.

同样,每个被删去区间的两个端点都有相同的函数值。将 FF 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。

因此,

F(x)=12for 13≤x≤23.F(x)=\frac12 \quad\text{for }\frac13\le x\le\frac23.

在下一步中,

F(x)=14for 19≤x≤29,F(x)=\frac14 \quad\text{for }\frac19\le x\le\frac29,

以及

F(x)=34for 79≤x≤89.F(x)=\frac34 \quad\text{for }\frac79\le x\le\frac89.

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。

自相似性与逼近

该函数满足

F(x)={12F(3x),0≤x≤13,12,13≤x≤23,12+12F(3x−2),23≤x≤1.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}

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。

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 F0(x)=xF_0(x)=x 开始,将右端的 FF 替换为 FnF_n,以此定义 Fn+1F_{n+1}。每个 FnF_n 都是连续的分段线性函数。在康托尔集构造的第 nn 步后剩余的区间上,它的斜率为 (3/2)n(3/2)^n;在已经删去的区间上,它为常数。

若以 TT 表示这一递推操作,则

∥Tg−Th∥∞≤12∥g−h∥∞.\|Tg-Th\|_\infty\le\frac12\|g-h\|_\infty.

因此,逐次逼近所得的函数列一致收敛于 FF。巴拿赫不动点定理还表明:在端点值分别为 00 和 11 且满足上述递推关系的连续函数中,FF 是唯一的。

连续性、单调性与正则性

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][0,1] 的满射函数。

它在 CC 上的限制也是到 [0,1][0,1] 的满射:每个二进制展开都确定了一个仅含 00 和 22 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。

该函数具有如下对称性:

F(1−x)=1−F(x).F(1-x)=1-F(x).

它的正则性可以用霍尔德连续性更精确地描述。令

α=log⁡2log⁡3,\alpha=\frac{\log 2}{\log 3},

则存在常数 KK,使得

∣F(x)−F(y)∣≤K∣x−y∣α(x,y∈[0,1]).|F(x)-F(y)|\le K|x-y|^\alpha \qquad(x,y\in[0,1]).

这个指数是最优的。事实上,

F(3−n)=2−n,F(3^{-n})=2^{-n},

所以,对任意 β>α\beta>\alpha,都有

∣F(3−n)−F(0)∣∣3−n−0∣β=(3β2)n⟶∞.\frac{|F(3^{-n})-F(0)|}{|3^{-n}-0|^\beta} =\left(\frac{3^\beta}{2}\right)^n \longrightarrow\infty.

特别地,FF 不具有利普希茨连续性。

导数与通过积分还原函数的失效

[0,1]∖C[0,1]\setminus C 中的每个点都位于某个开区间内,且 FF 在该区间上为常数。因此,

F′(x)=0for every x∈(0,1)∖C.F'(x)=0 \qquad\text{for every }x\in(0,1)\setminus C.

由于 CC 的测度为零,导数几乎处处为零。

这并不意味着导数处处存在。例如,在 x=1/3x=1/3 处,由于中间的平台,右侧差商为零。另一方面,令

xn=13−3−n,n≥2,x_n=\frac13-3^{-n}, \qquad n\ge2,

则有

F(xn)=12−2−n,F(x_n)=\frac12-2^{-n},

从而

F(1/3)−F(xn)1/3−xn=(32)n.\frac{F(1/3)-F(x_n)}{1/3-x_n} =\left(\frac32\right)^n.

因此,该点不存在有限的双侧导数。

由于 F′=0F'=0 几乎处处成立,其勒贝格积分为零:

∫01F′(x) dx=0,\int_0^1F'(x)\,dx=0,

其中,在例外的零测集上,可以为导数任意赋值。然而,

F(1)−F(0)=1.F(1)-F(0)=1.

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。

利用第 nn 步后剩余的 2n2^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(2/3)^n,趋于零,但 FF 在各区间上的增量之和始终为 11。这违反了绝对连续性的定义条件。

概率与奇异测度

令 x<0x<0 时 F(x)=0F(x)=0,x>1x>1 时 F(x)=1F(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。

一种构造方法是使用相互独立的随机变量 B1,B2,…B_1,B_2,\ldots,其中每个随机变量都以相等的概率取值 00 和 11。收敛的随机级数

X=∑n=1∞2Bn3nX=\sum_{n=1}^{\infty}\frac{2B_n}{3^n}

的取值落在 CC 中,且

F(x)=P(X≤x).F(x)=\mathbb P(X\le x).

尽管 CC 的勒贝格测度为零,XX 的概率分布却赋予 CC 概率 11。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。

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。

有界变差与广义微分

作为一个端点总增量为 11 的非递减函数,FF 具有有界变差,且总变差等于 11。与它对应的勒贝格–斯蒂尔切斯测度 μ\mu 满足

μ((a,b])=F(b)−F(a)(0≤a<b≤1).\mu((a,b])=F(b)-F(a) \qquad(0\le a<b\le1).

这正是康托尔分布的概率测度。

在分布理论中,FF 的导数是测度 μ\mu,而不是零函数。更明确地说,对于每个支集紧含于 (0,1)(0,1) 的光滑检验函数 φ\varphi,都有

−∫01F(x)φ′(x) dx=∫[0,1]φ(x) dμ(x).-\int_0^1F(x)\varphi'(x)\,dx =\int_{[0,1]}\varphi(x)\,d\mu(x).

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 CC 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。