Asymptotic mean of digits of the $Q_s$-representation of the fractional part of a real number and related problems of fractal geometry and fractal analysis

本文引入了实数 $Q_s$ 表示（$s$ 进制的推广）中数字渐近均值的概念，探讨了其与数字频率的关系，并研究了不存在该渐近均值以及其等于数字频率的实数集合在拓扑、度量及分形几何方面的性质。

要点

这篇文章探讨了一个非常有趣的数学概念：如何给实数（小数）的“数字”算一个“平均成绩”，以及那些“算不出平均分”的数字长什么样。

为了让你轻松理解，我们可以把这篇文章的核心思想想象成是在观察一串无限长的密码，或者是在分析一个无限滚动的数字骰子。

1. 背景：特殊的“数字语言” (Qs-表示法)

通常我们写小数，比如 $0.123...$，用的是十进制（0-9 十个数字）。
但这篇文章研究的是Qs-表示法。你可以把它想象成一种**“自定义规则的数字语言”**。

• 普通十进制：就像用 10 种颜色的积木搭房子，每种颜色出现的概率是固定的（各 1/10）。
• Qs-表示法：作者设定了一套特殊的规则（比如 0 号积木出现的概率是 30%，1 号是 50%，2 号是 20%）。在这种规则下，同一个数字 $x$ 可以写成一串特定的符号序列（比如 $\alpha_1, \alpha_2, \alpha_3...$）。

2. 核心概念：数字的“平均分” (渐近均值)

想象你在玩一个无限长的游戏，每轮你都会掷出一个数字（0, 1, 2...）。

• 数字频率：如果你掷了 100 万次，数字"1"出现了 30 万次，那么"1"的频率就是 30%。
• 数字的“平均分”：作者定义了一个新概念。如果你把掷出的所有数字加起来，然后除以掷的次数，当次数趋向于无穷大时，这个结果如果稳定在一个数值上，这个数值就叫**“数字的渐近均值”**。

举个简单的例子：

• 如果你掷出的数字序列是：1, 1, 1, 1... 永远不变。那么平均分就是 1。
• 如果你掷出的序列是：0, 1, 0, 1, 0, 1... 交替出现。那么平均分就是 0.5。
• 关键点：对于绝大多数“正常”的数字，这个平均分是存在的，而且很稳定。

3. 主要发现：那些“算不出平均分”的数字

文章最精彩的部分在于研究那些**“无法计算平均分”**的数字。

想象有一群数字，它们的序列非常混乱，像是一个**“永远在变奏的爵士乐”**：

• 前 100 次，它疯狂地出"0"，平均分接近 0。
• 接下来的 1000 次，它疯狂地出"9"，平均分突然飙升到 9。
• 再接下来的 10000 次，它又全是"0"，平均分又跌回 0。
• 如此反复，波动越来越大，导致你永远无法确定它的最终平均分是多少。

作者发现：

1. 这些数字无处不在：虽然它们很“怪”，但在数轴上，它们像灰尘一样无处不在（稠密）。你在任何两个数字之间，都能找到这种“算不出平均分”的怪数字。
2. 它们很稀少（在概率意义上）：如果你随机选一个实数，选到这种怪数字的概率是0。绝大多数数字都是“正常”的，都有稳定的平均分。
3. 它们非常“分形”（超级复杂）：虽然它们概率为 0，但它们的结构极其复杂。作者用“豪斯多夫维数”（一种衡量复杂度的尺子）来测量，发现这些怪数字构成的集合，其复杂度竟然和整个数轴一样高（维数为 1）。
   • 比喻：就像一片**“看不见的森林”。如果你从空中俯瞰（看概率），森林是空的（面积为 0）；但如果你走进森林（看结构），你会发现它充满了错综复杂的枝丫，其复杂程度和整个大地一样。作者称这种集合为“超分形”**。

4. 另一个发现：当“平均分”等于“频率”

文章还研究了另一种特殊情况：那些**“数字的平均分”恰好等于某个特定数字出现的频率**的集合。

• 比如在二进制（只有 0 和 1）中，数字的平均分其实就是"1"出现的频率。
• 在更复杂的系统中，作者发现了一些特定的集合，这些集合里的数字虽然结构复杂，但依然满足某种平衡。
• 作者计算了这些集合的“复杂度”（分形维数），发现它们有的像普通的线（维数 1），有的像奇怪的碎片（维数小于 1，甚至接近 0）。

5. 总结：这篇文章在说什么？

用大白话总结：

这篇文章就像是在给实数世界做“人口普查”。

• 大多数人是**“正常人”**：他们的数字排列有规律，能算出稳定的平均分。
• 有一小撮人是**“捣乱分子”**：他们的数字排列毫无章法，导致永远算不出平均分。
  • 虽然“捣乱分子”在人群中占比为 0（几乎遇不到），但他们无处不在（你想找总能找到）。
  • 更神奇的是，这些“捣乱分子”组成的群体，其内部结构极其复杂和精妙，充满了分形几何的美感。

为什么这很重要？
这不仅仅是玩数字游戏。这种对“异常”和“分形”的研究，有助于我们理解：

• 混沌与秩序：在看似随机的系统中，隐藏着怎样的结构？
• 几何与概率的边界：为什么有些东西概率为 0，却拥有和整体一样高的维度？
• 应用：这些理论可以应用到密码学、信号处理、甚至是对自然界中复杂现象（如湍流、云层）的建模中。

简单来说，作者通过定义一个新的“平均分”概念，发现了一个**“看不见的、却极其复杂的奇异世界”**，并试图用数学工具去描绘它的轮廓。

技术摘要

以下是基于 Pratsiovytyi 和 Klymchuk 的论文《$Q_s$-表示中小数部分数字的渐近均值及相关分形几何与分形分析问题》的详细技术总结：

1. 研究背景与问题 (Problem)

• 背景：传统的数制系统（如 $s$ 进制）已被扩展为多种非传统数制（如负 $s$ 进制、连分数、Cantor 级数、Lüroth 级数等）。其中，$Q_s$-表示是 $s$ 进制的一种推广，具有自相似几何结构。
• 核心对象：实数 $x \in [0, 1]$ 的 $Q_s$-表示。设 $A_s = \{0, 1, \dots, s-1\}$ 为字母表，$Q_s = \{q_0, \dots, q_{s-1}\}$ 为满足 $q_i > 0$ 且 $\sum q_i = 1$ 的固定集合。任意 $x$ 可表示为：
  $$x = \beta_{\alpha_1} + \sum_{k=2}^{\infty} \left( \beta_{\alpha_k} \prod_{j=1}^{k-1} q_{\alpha_j} \right)$$
  其中 $\alpha_k(x)$ 是第 $k$ 个 $Q_s$-数字。
• 研究问题：
  1. 引入并形式化定义数字的渐近均值（asymptotic mean of digits）概念。
  2. 研究不存在渐近均值的实数集合的拓扑、测度及分形性质。
  3. 研究渐近均值等于特定数字频率的实数集合的性质。
  4. 探讨该概念与分形几何（特别是 Hausdorff-Besicovitch 维数）及奇异分布函数的联系。

2. 方法论 (Methodology)

• 定义构建：
  • 渐近均值 $r(x)$：定义为数字序列的算术平均值的极限：
    $$r(x) = \lim_{n \to \infty} \frac{1}{n} \sum_{i=1}^n \alpha_i(x)$$
    若该极限存在，则称 $x$ 具有渐近均值。
  • 数字频率 $\nu_i(x)$：定义为数字 $i$ 在序列中出现的频率极限：
    $$\nu_i(x) = \lim_{n \to \infty} \frac{N_i(x, n)}{n}$$
    其中 $N_i(x, n)$ 是前 $n$ 位中数字 $i$ 出现的次数。
• 理论工具：
  • 分形几何：利用 Hausdorff-Besicovitch 维数（$\alpha_0$）来刻画集合的“大小”和复杂性。
  • 测度论：分析集合的 Lebesgue 测度（通常关注零测集与全测集）。
  • Borel-Eggleston 集合：利用已知关于数字频率固定的集合（Besicovitch-Eggleston 集合）的性质来推导新集合的性质。
  • 构造性证明：通过构造特定的数字序列（如包含不同长度块的序列）来证明集合的稠密性、连续性或分形维数。

3. 主要贡献与结果 (Key Contributions & Results)

A. 渐近均值与数字频率的关系

• 在二进制系统中，渐近均值 $r(x)$ 等同于数字 1 的频率 $\nu_1(x)$。
• 在一般 $s$ 进制中，若所有数字频率 $\nu_i(x)$ 均存在，则渐近均值存在且满足线性关系：
  $$r(x) = \sum_{i=1}^{s-1} i \cdot \nu_i(x)$$
• 这表明渐近均值是数字频率的加权平均。

B. 不存在渐近均值的集合 $S$ 的性质

定义集合 $S = \{x : r(x) \text{ 不存在}\}$。

• 定理 1：集合 $S$ 具有以下性质：
  1. 拓扑性质：$S$ 是连续的（cardinality of continuum）、在 $[0, 1]$ 中处处稠密，且处处不连续。
  2. 测度性质：$S$ 的 Lebesgue 测度为 0（即几乎所有的实数都有定义的渐近均值，类似于正规数理论）。
  3. 分形性质：$S$ 是超分形（superfractal）的，其 Hausdorff-Besicovitch 维数 $\alpha_0(S) = 1$。
  • 意义：尽管该集合在测度论意义下是“小”的（零测），但在分形几何意义下它是“大”的（维数达到最大值 1），且结构极其复杂。

C. 渐近均值等于特定频率的集合 $M_i$ 的性质

研究集合 $M = \bigcup M_i$，其中 $M_i = \{x : r(x) = \nu_i(x)\}$。以 $s=3$ 为例：

• 集合 $M_0$ ($r(x) = \nu_0(x)$)：
  • 由条件 $2\nu_1 + 3\nu_2 = 1$ 约束。
  • 是连续且处处稠密的零测集。
  • 其 Hausdorff 维数至少为 0.8733（通过最大化熵函数计算得出）。
• 集合 $M_1$ ($r(x) = \nu_1(x)$)：
  • 由条件 $\nu_2 = 0$ 约束。
  • 是连续且处处稠密的零测集。
  • 其 Hausdorff 维数至少为 $\log_2 3 \approx 1.58$（注：原文此处推导可能有笔误，通常 $\log_2 3$ 大于 1，但在 $s=3$ 的 Cantor 集背景下，维数计算需结合具体约束，原文结论为 $\log_2 3$）。
• 集合 $M_2$ ($r(x) = \nu_2(x)$)：
  • 由条件 $\nu_1 = \nu_2 = 0, \nu_0 = 1$ 约束。
  • 这是一个异常分形（anomalously fractal）集合，其 Hausdorff 维数为 0。这意味着该集合非常稀疏，仅包含类似 $0.000\dots$ 的特定数。

4. 意义与影响 (Significance)

1. 概念创新：首次系统性地提出了 $Q_s$-表示中“数字渐近均值”的概念，将其作为数字频率的推广，为研究实数性质提供了新的视角。
2. 分形几何深化：揭示了即使 Lebesgue 测度为零的集合（如不存在渐近均值的集合），其分形维数仍可能达到最大值（1）。这丰富了关于“奇异”集合（Singular sets）在分形几何中行为的理解，特别是关于“超分形”性质的讨论。
3. 连接不同领域：将数论（正规数、数字频率）、概率论（大数定律的失效）与分形分析（Hausdorff 维数、奇异分布）紧密结合。
4. 应用潜力：为构造具有特定分形性质的函数和分布提供了理论工具，特别是在研究奇异单调函数和分形概率分布方面。

总结

该论文通过引入“渐近均值”这一新指标，深入分析了 $Q_s$-表示中实数的统计性质。主要发现是：虽然绝大多数实数（在 Lebesgue 测度意义下）具有定义的渐近均值，但不存在该均值的集合在分形几何上具有极高的复杂性（维数为 1）。此外，文章还精确计算了满足特定均值 - 频率等式约束的集合的分形维数，展示了分形几何在处理数论问题中的强大能力。