🔢 mathematics

Prescribed distinct-digit growth in countable alphabets

本文研究了具有正则变化权重的全分支仿射可数迭代函数系生成的数字展开中不同符号数量的增长规律，确定了不同增长速率下异常集的豪斯多夫维数，揭示了线性增长导致维数由尾指数决定而次线性增长则保持满维数的尖锐相变现象。

原作者： Ying Wai Lee

发布于 2026-02-13

📖 1 分钟阅读🧠 深度阅读

原作者： Ying Wai Lee

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文探讨了一个非常有趣的问题：当我们不断生成一串数字时，里面有多少个“新面孔”（不重复的数字）？

想象一下，你正在玩一个无限大的抽奖游戏，或者在写一个永远写不完的密码。这篇论文就是研究：在这个漫长的过程中，你看到过多少种不同的数字？如果这个数字出现的速度是“快”还是“慢”，会对整个系统的“丰富程度”（数学上称为豪斯多夫维数，你可以把它理解为系统的复杂程度或信息密度）产生什么影响？

作者发现了一个非常惊人的**“分水岭”现象**：

1. 核心概念：数字的“多样性”

想象你在一个巨大的房间里，地上铺满了无数个小盒子（代表不同的数字，比如 1, 2, 3...）。

你每次随机扔一颗球进一个盒子。
$D_n$ 就是扔了 $n$ 次球后，你踩到了多少个不同的盒子。
如果盒子很多，你扔了很多次，踩到的新盒子数量（ $D_n$ ）就会增加。

2. 两种截然不同的命运（相变）

作者研究了两种不同的“踩盒子速度”，结果发现世界在两种速度下完全不一样：

情况 A：慢吞吞地走（亚线性增长）

假设你扔球的速度很慢，或者盒子的分布很特别，导致你发现新盒子的速度是亚线性的（比如每扔 100 次球，只发现 10 个新盒子；或者每扔 $n$ 次，发现 $\sqrt{n}$ 个新盒子）。

比喻：就像你在一个巨大的图书馆里慢慢找书。虽然你找得很慢，但你依然能探索到图书馆的每一个角落。
结论：在这种情况下，无论你的速度多慢（只要不是完全停止），这个系统的复杂程度（维数）依然是满的（等于 1）。这意味着，即使你只关注那些“找得慢”的人，他们依然构成了整个系统最丰富、最复杂的一部分。

情况 B：大步流星地跑（线性增长）

现在，假设你要求发现新盒子的速度非常快，必须和扔球的总次数成正比（比如每扔 100 次，必须发现 50 个新盒子，即 $D_n \approx 0.5n$ ）。

比喻：这就像要求你在一个巨大的迷宫里，每走一步都必须发现一条从未走过的新路。这几乎是不可能的，除非你只在一个非常狭窄、特定的区域里活动。
结论：一旦你强求这种“快速发现新数字”的速度，系统的复杂程度会瞬间崩塌。
- 原本复杂的系统（维数为 1），会突然坍缩成一个非常简单的结构。
- 坍缩后的复杂程度（维数）不再取决于你跑多快，而完全取决于盒子的分布规律（数学上叫“尾部指数”）。
- 这就好比：如果你非要强迫自己在迷宫里每步都走新路，你实际上只能活在一个非常小的、特定的角落里，再也无法触及迷宫的广阔全貌。

3. 论文的背景与意义

背景：这个问题在数学里有很多变体。比如：
- 连分数（一种表示分数的方法）：研究分母里有多少个不同的数字。
- 卢罗特展开（Lüroth expansion）：另一种数字表示法。
- 无限 urn 模型：经典的概率论问题（把球扔进无限个盒子里）。
创新点：以前的研究主要集中在连分数（数字之间有关联），而这篇论文研究的是独立同分布的情况（每次扔球都是完全随机的，互不影响）。
核心发现：作者证明了，即使在完全随机的情况下，上述的“分水岭”现象依然存在。
- 如果你允许速度慢一点（亚线性），世界依然是丰富多彩的（维数=1）。
- 如果你强迫速度快一点（线性），世界就会变得单调，且单调的程度由底层的概率分布决定。

4. 总结：一个简单的比喻

想象你在玩一个**“集卡游戏”**：

卡片：有无限多种。
规则：你每天随机抽一张。

论文告诉我们：

如果你只是慢慢集卡（比如每天集到一张新卡的概率在降低），那么所有“慢慢集卡”的人，依然构成了一个庞大而复杂的群体，他们几乎占据了所有可能的可能性。
但如果你强迫自己必须每天集到很多新卡（比如每天必须集到总天数的 10% 作为新卡），那么能做到这一点的“幸运儿”会非常少，而且他们构成的群体非常单一、非常脆弱。他们的存在方式完全取决于卡片池里那些“稀有卡片”的分布情况，而不再能代表整个游戏的全貌。

一句话总结：
在无限的世界里，“慢”可以包容一切（保持复杂性），但“快”会逼你进入一个狭窄的角落（导致复杂性崩塌）。 这就是这篇论文揭示的关于数字增长与复杂度的深刻规律。

论文技术总结：可数字母表中的指定不同数字增长

作者：Ying Wai Lee
核心领域：分形几何、遍历理论、概率论（占位问题）、数论（连分数、Lüroth 展开）

1. 研究背景与问题定义

核心问题：
研究在由全分支仿射可数迭代函数系统（IFS）生成的数字展开中，前 $n$ 位数字中不同符号的数量（记为 $D_n$ ）的增长行为。具体而言，作者关注那些 $D_n$ 的增长速率偏离典型行为的“例外集”（Exceptional Sets），并计算这些集合的豪斯多夫维数（Hausdorff dimension）。

数学模型：

系统设定：考虑单位区间 $[0, 1)$ 上的全分支仿射可数迭代函数系统。区间被划分为可数个互不相交的子区间 $\{I_k\}$ ，每个分支 $I_k$ 通过仿射变换映射回整个区间。
数字过程：对于 $x \in [0, 1)$ ，其数字序列 $(d_n)$ 是 $x$ 的符号编码。在勒贝格测度下，数字序列 $(d_n)$ 是独立同分布（i.i.d.）的，且 $P(d_n = k) = p_k$ （其中 $p_k$ 是区间 $I_k$ 的长度）。
不同数字计数： $D_n(x) = \#\{d_1(x), \dots, d_n(x)\}$ 。这在概率论中等同于无限瓮模型（Infinite-urn occupancy scheme）中被占用的盒子数量。
尾部假设：假设概率序列 $(p_k)$ 是正则变化（Regularly Varying）的，即存在尾指数 $\rho \ge 1$ 和慢变函数 $L(k)$ ，使得 $p_k \sim k^{-\rho} L(k)$ 。

研究动机：

连分数类比：在连分数展开中（Wu-Xie 的研究），不同部分商的数量 $R_n$ 的增长表现出明显的相变：亚线性增长通常保持满维数（维数为 1），而线性增长会导致维数坍缩（维数为 1/2）。
独立性问题：连分数数字不是独立的，而本文研究的 IFS 模型在勒贝格测度下是 i.i.d. 的。本文旨在探究这种独立性假设下，是否仍存在类似的相变现象，以及维数坍缩的具体数值由什么决定。

2. 主要结果

论文通过两个主要定理揭示了不同数字增长速率与豪斯多夫维数之间的尖锐相变（Sharp Phase Transition）：

定理 1：线性增长率的维数坍缩

设定：考虑线性增长速率 $\theta \in (0, 1]$ ，即集合 $E_\theta = \{x : \lim_{n\to\infty} D_n(x)/n = \theta\}$ 。
结论：对于任何 $\theta > 0$ ，该集合的豪斯多夫维数为：
$\dim_H E_\theta = \frac{1}{\rho}$
意义：
- 只要增长率是线性的（即正比例于 $n$ ），维数就会从满维数（1）严格坍缩到 $1/\rho$ 。
- 坍缩后的维数完全由尾指数 $\rho$ 决定，与具体的线性系数 $\theta$ 无关（只要 $\theta > 0$ ）。
- 在经典的 Lüroth 展开中（ $\rho=2$ ），维数坍缩为 $1/2$ ，这与连分数的结果一致，尽管两者的数字生成机制不同（一个是 i.i.d.，一个是马尔可夫依赖）。

定理 2：亚线性增长率的满维数保持

设定：考虑一类广泛的亚线性增长函数 $f(n)$ （满足无界、 $f(n)\log f(n)/n \to 0$ 且增量有界），考察集合 $E_f = \{x : \lim_{n\to\infty} D_n(x)/f(n) = 1\}$ 。
结论：对于任何满足上述条件的 $f$ ，该集合的豪斯多夫维数为：
$\dim_H E_f = 1$
意义：
- 只要增长率是亚线性的（sublinear），例外集仍然保持满豪斯多夫维数。
- 这表明在“典型”的亚线性增长约束下，集合在几何上非常“大”。

推论 1：

对于多项式亚线性增长（如 $D_n \sim n^\beta, 0<\beta<1$ ）以及线性增长率为 0 的集合（即 $D_n/n \to 0$ ），其维数均为 1。

3. 方法论与证明技术

论文采用了分形几何中经典的质量分布原理（Mass Distribution Principle）和覆盖引理（Covering Lemma）相结合的方法，并引入了概率论中的倾斜（Tilting/Change of Measure）技术。

下界证明（构造法）：

块拼接构造（Block Concatenation）：
- 为了证明下界，作者构造了一个特定的子集 $F$ ，其数字序列由特定的“块”拼接而成。
- 线性情况：将数字序列划分为长度递增的块，在每个块内强制控制新数字出现的频率，使其达到目标比例 $\theta$ 。利用正则变化性质估计圆柱集（Cylinder sets）的直径和数量。
- 亚线性情况：构造“强制数字”和“自由数字”的混合序列。在特定时间点强制引入新的大数字，其余时间从较小的数字池中自由选择，以精确控制 $D_n$ 的增长。
测度构造：在构造的集合上定义一个概率测度 $\mu$ ，利用正则变化性质证明该测度满足局部维数估计，从而导出维数下界。

上界证明（覆盖法与倾斜）：

Hausdorff-Cantelli 论证：
- 对于线性增长情况，利用 Hausdorff-Cantelli 引理证明集合的维数上界。
- 测度倾斜（Tilting）：这是处理正则变化尾部概率的关键技术。通过引入一个新的概率测度（将权重 $p_k$ 变为 $p_k^s$ ），将稀有事件（即 $D_n$ 异常大）的概率转化为新测度下的典型事件概率。
- 结合组合学引理（Lemma 2），证明在倾斜测度下，满足线性增长条件的序列出现的概率衰减极快，从而控制覆盖和，得出维数上界为 $1/\rho$ 。

4. 关键贡献与意义

确立了独立与依赖系统的统一性：
尽管连分数（依赖系统）和 Lüroth 展开/仿射 IFS（独立系统）在动力学性质上截然不同，但它们在“不同数字计数”的豪斯多夫维数相变行为上表现出惊人的一致性。这揭示了该统计量的几何性质主要由概率分布的尾部行为（Tail behavior）决定，而非具体的动力学依赖结构。
揭示了相变的普适性：
论文证明了存在一个尖锐的相变点：
- 亚线性区：维数保持为 1（满维）。
- 线性区：维数瞬间坍缩为 $1/\rho$ 。
  这种相变不仅存在于连分数中，也广泛存在于具有正则变化尾部的独立数字系统中。
尾指数的决定性作用：
在线性增长情形下，维数坍缩的值 $1/\rho$ 仅取决于概率分布的尾指数 $\rho$ 。这为通过几何分形维数反推概率分布的尾部特征提供了理论依据。
技术方法的推广：
论文成功地将处理连分数中相关序列的复杂技术（如 Wu-Xie 的工作）推广到了独立同分布的更一般设置中，并展示了如何利用正则变化和测度倾斜技术处理可数字母表中的精细分形问题。

5. 总结

该论文深入研究了可数字母表数字展开中不同符号数量的增长规律。通过结合概率论中的占位问题理论与分形几何中的维数分析，作者证明了在正则变化尾部假设下，不同数字计数的增长速率与豪斯多夫维数之间存在明确的相变关系：亚线性增长保持满维，而任何正线性增长均导致维数坍缩至 $1/\rho$ 。这一结果不仅推广了连分数领域的经典结论，也深化了对无限字母表系统中分形结构统计性质的理解。