{
  "id": "weierstrass-function",
  "title": "魏尔斯特拉斯函数",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "魏尔斯特拉斯函数由振幅递减、频率递增的余弦波无穷叠加而成，处处连续却处处不可导。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "维尔斯特拉斯函数",
    "魏尔斯特拉斯余弦函数"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/weierstrass-function/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/weierstrass-function/",
      "json": "https://aiwiki.page/en/weierstrass-function.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "魏尔斯特拉斯函数是一族实值函数，最为人熟知的用途是提供处处连续却处处不可导的显式例子。卡尔·魏尔斯特拉斯于1872年提出这一构造，表明连续函数甚至可以在任何一点都不存在有限的导数。这一构造将振荡越来越快、振幅越来越小的余弦波叠加起来，得到一条定义良好的曲线，其不规则性在任意小的尺度上都持续存在。"
    },
    {
      "heading": "定义",
      "text": "一种标准形式为\n\n\\[W_{a,b}(x)=\\sum_{n=0}^{\\infty}a^n\\cos(\\pi b^n x),\\]\n\n其中，\\(x\\) 是实数，\\(0<a<1\\)，且 \\(b>1\\)。参数 \\(a\\) 控制振幅衰减的快慢，\\(b\\) 则控制频率增长的快慢。\n\n在经典构造中，\\(b\\) 是大于 \\(1\\) 的正奇数，且参数满足\n\n\\[ab>1+\\frac{3\\pi}{2}.\\]\n\n在这些充分条件下，该函数处处连续且处处不可导。这一不等式比必要条件更强：后来的研究证明，在弱得多的假设下，函数仍然处处不可导。\n\n另一种常见的写法是\n\n\\[\\widetilde W_{a,b}(x) =\\sum_{n=0}^{\\infty}a^n\\cos(2\\pi b^n x).\\]\n\n这只改变了水平方向的尺度，因为 \\(\\widetilde W_{a,b}(x)=W_{a,b}(2x)\\)。\n\n这一名称也用于以其他周期函数替代余弦函数的相关构造。它不应与魏尔斯特拉斯椭圆函数混淆；后者通常记作 \\(\\wp\\)，属于复分析的研究对象。"
    },
    {
      "heading": "收敛性与连续性",
      "text": "该函数的连续性可由一致收敛推出。每个求和项都是连续的，而且对每个实数 \\(x\\)，都有\n\n\\[\\left|a^n\\cos(\\pi b^n x)\\right|\\leq a^n\\]\n\n作为上界的等比级数收敛：\n\n\\[\\sum_{n=0}^{\\infty}a^n=\\frac{1}{1-a}.\\]\n\n因此，由魏尔斯特拉斯 M 判别法可知，定义该函数的级数在整个实数轴上绝对且一致收敛。连续函数的一致极限仍然连续，所以 \\(W_{a,b}\\) 处处连续。\n\n由同一个估计还可得到\n\n\\[|W_{a,b}(x)|\\leq \\frac{1}{1-a}.\\]\n\n对于部分和\n\n\\[S_N(x)=\\sum_{n=0}^{N}a^n\\cos(\\pi b^n x),\\]\n\n其逼近误差满足\n\n\\[\\sup_{x\\in\\mathbb R}|W_{a,b}(x)-S_N(x)| \\leq \\frac{a^{N+1}}{1-a}.\\]\n\n当 \\(b\\) 为整数时，该函数是偶函数，并以 \\(2\\) 为周期。若采用以 \\(2\\pi\\) 替代 \\(\\pi\\) 的写法，则周期为 \\(1\\)。"
    },
    {
      "heading": "为什么不可导",
      "text": "每个有限部分和都是无穷次可微的。然而，对无穷级数形式上求导会得到\n\n\\[-\\pi\\sum_{n=0}^{\\infty}(ab)^n\\sin(\\pi b^n x).\\]\n\n若 \\(ab>1\\)，这些形式导数项的振幅非但不衰减，反而不断增大。这揭示了函数粗糙性的成因：原来的波幅越来越小，斜率却越来越陡。\n\n仅凭这一观察，并不能证明函数处处不可导。即使某种逐项求导的方法失效，函数本身仍可能存在导数。严格的论证必须在 \\(h\\) 趋于零时，对实际的差商\n\n\\[\\frac{W_{a,b}(x+h)-W_{a,b}(x)}{h}\\]\n\n进行估计，或者使用与有限导数的存在性不相容的等价分析估计。\n\n关键是考察 \\(h\\) 与 \\(b^{-N}\\) 大小相当的尺度。在这个尺度上，第 \\(N\\) 个振荡项的振幅约为 \\(a^N\\)，因此其振幅与水平尺度之比约为\n\n\\[\\frac{a^N}{b^{-N}}=(ab)^N.\\]\n\n当 \\(ab>1\\) 时，这个量随 \\(N\\) 增大而增大。证明还必须处理不同频率项之间的相互抵消。\n\n魏尔斯特拉斯最初对参数施加的限制，使这类估计得以成立。1916年，G. H. 哈代得到了更强的结果；特别地，当整数 \\(b\\geq2\\)、\\(0<a<1\\) 且 \\(ab\\geq1\\) 时，该函数在任何一点都不存在有限导数。\n\n这里，处处不可导是指在任何一点都不存在有限的双侧导数。这并不意味着每个差商都趋于无穷，也不意味着所有点都呈现相同的极限行为。"
    },
    {
      "heading": "光滑与粗糙的参数情形",
      "text": "连续性与可导性之间的差异，取决于振幅衰减与频率增长之间的关系。\n\n\\(ab<1\\) 的情形\n\n若 \\(ab<1\\)，求导后级数的各项绝对值分别不超过下列收敛级数的对应项：\n\n\\[\\pi\\sum_{n=0}^{\\infty}(ab)^n.\\]\n\n由标准的逐项求导定理可得\n\n\\[W_{a,b}'(x) =-\\pi\\sum_{n=0}^{\\infty}(ab)^n\\sin(\\pi b^n x),\\]\n\n且导数连续。因此，并非所有写成魏尔斯特拉斯级数形式的函数都处处不可导。\n\n更一般地，若 \\(k\\) 为正整数，且\n\n\\[ab^k<1,\\]\n\n则该函数具有 \\(k\\) 阶连续导数。\n\n\\(ab>1\\) 的情形\n\n对于整数 \\(b\\geq2\\)，这是典型的粗糙情形。一个有用的正则性指数是\n\n\\[\\alpha=-\\frac{\\log a}{\\log b},\\]\n\n其值介于 \\(0\\) 与 \\(1\\) 之间。等价地，\\(a=b^{-\\alpha}\\)。\n\n该函数满足霍尔德连续性估计\n\n\\[|W_{a,b}(x+h)-W_{a,b}(x)| \\leq C|h|^\\alpha\\]\n\n其中常数 \\(C\\) 取决于参数。\n\n为得到这一估计，可在使 \\(b^N|h|\\) 的大小约为 \\(1\\) 的指标 \\(N\\) 附近，将级数分成两部分。对低频部分，使用\n\n\\[|\\cos(u+v)-\\cos u|\\leq |v|;\\]\n\n对高频部分，则使用上界 \\(2\\)。这两部分分别不超过下列量的常数倍：\n\n\\[|h|\\sum_{n=0}^{N}(ab)^n \\quad\\text{and}\\quad \\sum_{n>N}a^n,\\]\n\n两者均为 \\(|h|^\\alpha\\) 阶。\n\n霍尔德连续性定量描述了一种介于一般连续性与更强正则性之间的程度：该函数连续，但比满足利普希茨连续性的函数更粗糙。"
    },
    {
      "heading": "尺度变换与分形几何",
      "text": "将首项分离出来，可得精确恒等式\n\n\\[W_{a,b}(x)=\\cos(\\pi x)+aW_{a,b}(bx).\\]\n\n这个恒等式体现了水平方向按 \\(b\\) 倍放大与竖直方向按 \\(a\\) 倍缩放之间反复出现的关系，同时还附加了一个光滑的余弦项。它解释了函数图像中反复出现的精细结构。\n\n因此，该函数图像是分形几何中的重要例子。不过，它并不只是由若干缩小后、几何形状完全相同的副本拼成：余弦项改变了不同尺度之间的关系。\n\n对于整数 \\(b\\geq2\\) 和 \\(1/b<a<1\\)，其一个周期内的图像具有盒计数维数\n\n\\[D=2+\\frac{\\log a}{\\log b}=2-\\alpha.\\]\n\n这个维数严格介于 \\(1\\) 与 \\(2\\) 之间。振幅衰减越快，图像越不粗糙；振幅衰减越慢，图像的维数就越接近 \\(2\\)。\n\n讨论维数时，必须明确所用的维数定义以及所涉及的函数族。相应的豪斯多夫维数问题更为微妙，仅凭尺度恒等式并不能确定其值。"
    },
    {
      "heading": "积分与变差",
      "text": "处处不可导并不妨碍积分。由于 \\(W_{a,b}\\) 连续，它在每个紧区间上都有黎曼积分。\n\n一致收敛允许逐项积分：\n\n\\[\\int_0^x W_{a,b}(t)\\,dt = \\sum_{n=0}^{\\infty} \\frac{a^n}{\\pi b^n}\\sin(\\pi b^n x).\\]\n\n由微积分基本定理，这定义了一个连续可微的原函数，其导数为 \\(W_{a,b}\\)。在处处不可导的参数情形下，这个原函数在任何一点都不存在二阶导数。\n\n该函数在每个非退化紧区间上的全变差也都是无穷大。这是因为有界变差函数几乎处处可导，而这与处处不可导相矛盾。特别地，魏尔斯特拉斯函数在任何这样的区间上都不具有绝对连续性。"
    },
    {
      "heading": "历史与数学意义",
      "text": "魏尔斯特拉斯于1872年提出这一构造，当时严密的数学分析正在发展。更早的例子和相关构造已经存在，其中包括伯纳德·波尔查诺未曾发表的一项构造，但魏尔斯特拉斯的例子后来成为说明连续性与可导性在本质上截然不同的经典范例。\n\n它的重要性不仅在于提供了一个反例。它还表明：\n\n- 一致收敛保持连续性，但仅凭一致收敛本身并不能保证可导性；\n- 光滑函数的无穷和可以处处不可导；\n- 函数值或振幅小，并不意味着斜率小；\n- 基于有限、光滑图形形成的几何直觉，可能无法正确反映极限行为。\n\n该函数也是空隙傅里叶级数的典型例子，这类级数的非零频率之间存在越来越大的间隔。此类级数将这一构造与调和分析及精细正则性的研究联系起来。\n\n在数值可视化中，每个有限截断都是光滑的，尽管其极限函数处处不可导。一致的余项界控制了竖直方向的逼近误差，却不能控制导数。因此，在固定分辨率下绘制的精确图像，仍可能掩盖那些越来越精细、并使极限曲线呈现粗糙性的振荡。"
    }
  ],
  "links": [
    "mathematical-function",
    "karl-weierstrass",
    "continuous-function",
    "derivative",
    "real-number",
    "complex-analysis",
    "uniform-convergence",
    "geometric-series",
    "lipschitz-continuity",
    "graph-of-a-function",
    "fractal",
    "hausdorff-dimension",
    "riemann-integral",
    "fundamental-theorem-of-calculus",
    "antiderivative",
    "absolute-continuity",
    "mathematical-analysis",
    "fourier-series",
    "harmonic-analysis"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}