{
  "id": "level-set",
  "title": "水平集",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "水平集是函数取某一指定值时所有输入点组成的集合，可用于描述曲线、曲面、约束和演化界面。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "等值集"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/level-set/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/level-set/",
      "json": "https://aiwiki.page/en/level-set.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "函数的水平集是使函数取某个指定常数值的点所组成的集合。对于函数 \\(f:X\\to\\mathbb{R}\\) 和数 \\(c\\)，它在水平值 \\(c\\) 处的水平集为\n\n\\[L_c(f)=\\{x\\in X:f(x)=c\\}=f^{-1}(\\{c\\}).\\]\n\n这里，\\(f^{-1}(\\{c\\})\\) 表示单点集 \\(\\{c\\}\\) 的原像，而非反函数。水平集通过方程隐式描述几何对象，而不是通过显式参数化来描述。水平集是微积分、几何学、优化以及运动边界数值表示中的基本概念。"
    },
    {
      "heading": "定义与术语",
      "text": "水平集的定义不要求函数连续或可微。水平集可以为空，可以包含孤立点，可以由多个彼此分离的分支组成，也可以占据整个区域。\n\n对于欧几里得空间上的实值函数，所用术语往往与维数有关：\n\n- 在二维空间中，水平集通常称为水平曲线或等值线。\n- 在三维空间中，水平集通常称为水平曲面或等值面。\n- 由 \\(f(x)=0\\) 定义的集合称为零水平集或零点集。\n\n这些名称并不保证相应的集合确实是光滑曲线或曲面。\n\n更一般地，对于映射 \\(F:X\\to Y\\)，原像 \\(F^{-1}(\\{y\\})\\) 称为 \\(y\\) 上的纤维。因此，水平集就是标量值函数的纤维，不过这一术语有时也用于向量值映射。\n\n函数的非空水平集构成其定义域的一个集合划分：每个点都恰好属于其中一个水平集。等价地，规则\n\n\\[x\\sim y\\quad\\Longleftrightarrow\\quad f(x)=f(y)\\]\n\n定义了一个等价关系，其等价类就是那些非空水平集。"
    },
    {
      "heading": "基本例子",
      "text": "线性函数与仿射函数\n\n对于\n\n\\[f(x)=a\\cdot x+b,\\qquad a\\ne 0,\\]\n\n方程 \\(f(x)=c\\) 定义了一个垂直于 \\(a\\) 的超平面。在二维空间中，这些水平集是相互平行的直线；在三维空间中，则是相互平行的平面。\n\n若 \\(a=0\\)，函数为常函数。它在 \\(c=b\\) 处的水平集是整个定义域，其他水平集均为空集。\n\n距离函数与二次函数\n\n对于\n\n\\[f(x,y)=x^2+y^2,\\]\n\n当 \\(c>0\\) 时，水平集是半径为 \\(\\sqrt c\\) 的圆。当 \\(c=0\\) 时，水平集是单点 \\((0,0)\\)；当 \\(c<0\\) 时，水平集为空。在 \\(\\mathbb{R}^n\\) 中，对应的正水平集是球面。\n\n相比之下，\n\n\\[g(x,y)=x^2-y^2\\]\n\n的非零水平集是双曲线。它的零水平集为\n\n\\[\\{y=x\\}\\cup\\{y=-x\\},\\]\n\n即两条在原点相交的直线。这说明，某些特殊水平值对应的集合可能不是光滑曲线。\n\n水平集与函数图像\n\n函数 \\(f:\\mathbb{R}^n\\to\\mathbb{R}\\) 的函数图像位于 \\(\\mathbb{R}^{n+1}\\) 中：\n\n\\[\\operatorname{graph}(f)=\\{(x,f(x)):x\\in\\mathbb{R}^n\\}.\\]\n\n水平集则位于原来的输入空间 \\(\\mathbb{R}^n\\) 中。将函数图像与高度为 \\(c\\) 的水平超平面相交，再投影到输入空间，就得到 \\(L_c(f)\\)。"
    },
    {
      "heading": "光滑性、梯度与切空间",
      "text": "设 \\(f:U\\to\\mathbb{R}\\) 在开集 \\(U\\subseteq\\mathbb{R}^n\\) 上连续可微。若点 \\(p\\) 处的梯度满足\n\n\\[\\nabla f(p)\\ne 0.\\]\n\n则称 \\(p\\) 为正则点；否则称为临界点。若 \\(L_c(f)\\) 中的每一点都是正则点，则称数 \\(c\\) 为正则值。\n\n由隐函数定理可知，在正则点附近，水平集可以表示为一个坐标关于其余 \\(n-1\\) 个坐标的函数图像。因此，正则值对应的非空水平集是 \\(U\\) 的一个 \\((n-1)\\) 维子流形。\n\n在正则点 \\(p\\) 处，水平集的切空间为\n\n\\[T_pL_c(f) =\\{v\\in\\mathbb{R}^n:\\nabla f(p)\\cdot v=0\\}.\\]\n\n因此，梯度是水平集的法向量。为说明这一点，设 \\(\\gamma(t)\\) 是位于 \\(L_c(f)\\) 内的一条可微曲线。根据链式法则，\n\n\\[0=\\frac{d}{dt}f(\\gamma(t)) =\\nabla f(\\gamma(t))\\cdot\\gamma'(t).\\]\n\n对于连续可微映射 \\(F:U\\subseteq\\mathbb{R}^n\\to\\mathbb{R}^m\\)，如果其雅可比矩阵在非空纤维 \\(F^{-1}(\\{c\\})\\) 的每一点处秩均为 \\(m\\)，那么该纤维是一个 \\((n-m)\\) 维子流形。\n\n临界点与奇异现象\n\n在临界点处，正则水平集的上述结论不再有保证。水平集可能出现交叉、退化为一个点，或出现其他奇异现象。不过，梯度为零并不能证明集合本身具有奇点。\n\n例如，\\(f(x,y)=y^2\\) 在其零水平集上处处梯度为零，但该集合却是光滑直线 \\(y=0\\)。同一条直线也可由 \\(g(x,y)=y\\) 定义，而后者的梯度处处不为零。因此，定义函数的正则性是集合光滑的充分条件，却不是光滑集合的每一种表示都必须具备的性质。"
    },
    {
      "heading": "次水平集、拓扑与凸性",
      "text": "与水平集密切相关的构造使用不等式来定义：\n\n\\[S_c(f)=\\{x:f(x)\\le c\\}, \\qquad S_c^{<}(f)=\\{x:f(x)<c\\}.\\]\n\n它们分别称为次水平集和严格次水平集。超水平集则用 \\(f(x)\\ge c\\) 或 \\(f(x)>c\\) 定义。\n\n若 \\(f:X\\to\\mathbb{R}\\) 是拓扑空间上的连续函数，则：\n\n- 每个水平集都是 \\(X\\) 的闭子集。\n- 每个非严格次水平集和非严格超水平集在 \\(X\\) 中都是闭集。\n- 每个严格次水平集和严格超水平集在 \\(X\\) 中都是开集。\n\n这里的闭性是相对于定义域而言的，并不一定意味着它在更大的环境空间中也是闭集。\n\n对于连续函数 \\(f\\)，有\n\n\\[\\partial_X S_c(f)\\subseteq L_c(f),\\]\n\n但等号不一定成立。满足 \\(f=c\\) 的点可能位于次水平集的内部，例如函数在某个区域上为常数时就是如此。如果 \\(f\\) 在欧几里得空间的一个开域上连续可微，且 \\(c\\) 为正则值，则\n\n\\[\\partial_U S_c(f)=L_c(f).\\]\n\n凸定义域上的凸函数具有凸的次水平集。更一般地，一个函数称为拟凸函数，当且仅当它的所有次水平集都是凸集。水平集本身则未必是凸集：\\(x^2+y^2\\) 的正水平集是圆，而它的次水平集是圆盘。\n\n随着水平值变化，水平集和次水平集的拓扑结构也可能改变。临界值在研究这类变化时起着核心作用，不过，精确的全局结论还需要额外的假设。"
    },
    {
      "heading": "在优化与物理场中的应用",
      "text": "在数学优化中，水平集描述目标函数值相同的点。其几何形状有助于解释，为什么算法在近似圆形的等值线和狭长的等值线上会表现不同。\n\n等式约束\n\n\\[g(x)=c\\]\n\n将问题限制在 \\(g\\) 的一个水平集上。在满足 \\(\\nabla g(x)\\ne0\\) 的可微约束局部极值点处，拉格朗日乘子法给出\n\n\\[\\nabla f(x)=\\lambda\\nabla g(x).\\]\n\n从几何上看，目标函数沿任何可行切向方向的一阶变化都为零。\n\n紧的次水平集还可用于判定最小值的存在性。若 \\(f\\) 连续，且某个次水平集 \\(S_c(f)\\) 非空且紧，则 \\(f\\) 能取到全局最小值：它在 \\(S_c(f)\\) 上能取到最小值，而该集合之外每一点的函数值都大于 \\(c\\)。\n\n在物理和地理应用中，水平集用于确定测量量或模型量取值相同的位置。例如，表示海拔的等高线、表示温度的等温线、表示气压的等压线，以及等势面。一条等值线可以包含多个互不连通的分支。"
    },
    {
      "heading": "水平集方法",
      "text": "**水平集方法**将运动界面表示为一个随时间变化的函数的零水平集：\n\n\\[\\Gamma(t)=\\{x:\\phi(x,t)=0\\}.\\]\n\n这种计算方法不同于水平集的一般数学概念。其影响深远的现代形式由斯坦利·奥舍和詹姆斯·塞西安于 1988 年提出。\n\n在 \\(\\nabla\\phi\\ne0\\) 处，选取单位法向量\n\n\\[n=\\frac{\\nabla\\phi}{|\\nabla\\phi|}.\\]\n\n若界面沿此方向以法向速度 \\(V_n\\) 运动，则其定义函数满足偏微分方程\n\n\\[\\phi_t+V_n|\\nabla\\phi|=0.\\]\n\n符号约定取决于所选择的法向方向。\n\n这种隐式表示允许界面发生合并或分裂，而无需显式地重新连接参数化边界。其应用包括流体界面、图像分割和形状优化。\n\n数值计算方面的局限包括计算成本、网格上细小特征的丢失，以及定义函数的畸变。在实现中，通常会使 \\(\\phi\\) 保持接近符号距离函数，其绝对值表示到界面的距离，但对这种表示进行重新初始化可能引入误差。"
    },
    {
      "heading": "对定义函数的依赖",
      "text": "不同的函数可以描述同一族几何集合。如果 \\(h\\) 在 \\(f\\) 的值域上是单射，则\n\n\\[\\{x:h(f(x))=h(c)\\}=L_c(f).\\]\n\n这样的变换只会重新标记各个水平值，而不会改变相应的点集。非单射变换则可能将多个水平集合并为一个。\n\n因此，单凭一个水平集，无法确定梯度的大小、相邻水平集之间的间距，也无法唯一确定一个标量场。即使所表示的曲线或曲面不变，这些性质仍取决于所选的定义函数。"
    }
  ],
  "links": [
    "mathematical-function",
    "calculus",
    "euclidean-space",
    "set-partition",
    "equivalence-relation",
    "hyperplane",
    "circle",
    "graph-of-a-function",
    "gradient",
    "manifold",
    "tangent-space",
    "chain-rule",
    "jacobian-matrix",
    "continuous-function",
    "closed-set",
    "convex-function",
    "mathematical-optimization",
    "lagrange-multipliers",
    "temperature",
    "partial-differential-equation"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}