Linear fractals of the Besicovitch-Eggleston type

本文研究了三进制表示中数字渐近均值给定的区间 $[0;1]$ 集合的拓扑、度量及分形性质，并探讨了其与数字频率给定集合之间的联系。

要点

这篇文章就像是在探索数字宇宙中的“指纹”和“性格”。

想象一下，每一个在 0 到 1 之间的数字（比如 0.5, 0.333...），都可以被写成一种特殊的“三进制”密码。就像我们平时用 0-9 的十进制，或者计算机用的 0-1 二进制一样，三进制只使用 0、1、2 这三个数字来拼写所有的数。

比如，数字 $x$ 的三进制写法可能是这样的：
$x = 0.10211022...$（后面还有无穷无尽的数字）。

这篇论文主要研究了两个关于这些“数字密码”的有趣问题：

1. 数字的“平均性格” (Asymptotic Mean)

想象你在玩一个无限长的游戏，每轮你都会从 0、1、2 中随机（或者按某种规律）抽一个数字。

• 频率 (Frequency)：是指某个数字（比如"1"）出现的次数占比。如果"1"出现了 100 次，总共有 300 个数字，那它的频率就是 1/3。
• 平均数 (Mean)：是指所有抽到的数字加起来，再除以总次数。因为数字只有 0、1、2，所以这个平均值其实就是：
  • (0 出现的次数 $\times$ 0) + (1 出现的次数 $\times$ 1) + (2 出现的次数 $\times$ 2) 的总和，除以总次数。

论文的核心发现是：
如果你知道"1"和"2"出现的频率，你就能算出这个“平均性格”是多少。

• 公式很简单：$平均数 = 1 \times (1 的频率) + 2 \times (2 的频率)$。
• 这就好比，如果你知道一个篮球队里投进 1 分球和 2 分球的次数比例，你就能算出球队的平均得分。

2. 那些“性格怪异”的数字集合

大多数数字（比如 $\pi$ 或 $\sqrt{2}$ 的三进制写法），它们的 0、1、2 出现得都很均匀，频率都是 1/3。这种数字被称为“正常数”，它们就像性格温和、随大流的普通人。

但这篇论文关注的是那些“不随大流”的数字：

• 有些数字，它们的 0、1、2 出现频率完全不一样（比如 0 出现很少，2 出现很多）。
• 有些数字，它们的频率甚至根本不存在（忽高忽低，永远无法稳定下来）。

作者把这些具有特定“平均性格”（比如平均数正好是 1.5）的数字挑出来，组成一个集合。

3. 这些集合长什么样？（分形与维度）

这是论文最精彩的部分，用到了分形几何（Fractal）的概念。

• 普通的线：如果你把 0 到 1 画成一条线，它的“长度”是 1。
• 普通的点：一个点的“长度”是 0。
• 分形：这是一种介于点和线之间的奇怪形状。它可能看起来像线，但充满了空洞；或者看起来像一团雾，但结构非常复杂。

论文的结论是：
那些具有特定“平均性格”的数字集合，虽然它们在普通的长度测量下可能看起来“很细”（甚至长度为 0，如果平均数不是 1 的话），但它们内部的结构却极其复杂和丰富。

• 如果平均数是 1：这个集合非常庞大，几乎包含了 0 到 1 之间所有的“正常”数字，它的“分形维度”是 1（就像一条实线）。
• 如果平均数不是 1：这个集合虽然普通长度是 0（你可以忽略不计），但它的分形维度却是一个介于 0 和 1 之间的分数。这意味着它像是一团极其精细的“数字尘埃”，虽然占的地方很小，但结构却像迷宫一样复杂。

4. 数字的“脾气” (不连续性)

论文还发现了一个有趣的现象：数字频率函数是极度不稳定的。
想象一下，你有一个数字 $x$，它的"1"的频率是 0.5。如果你只改变它小数点后第 1000 位的一个数字，这个频率可能会瞬间跳到 0 或者 1。
这就好比，你轻轻碰了一下多米诺骨牌，整个队伍的反应就完全变了。在数学上，这意味着这些函数在每一个点都是不连续的，就像充满了无数个小裂缝的破碎玻璃。

总结

这篇论文就像是在给数字做“人口普查”。
它告诉我们：

1. 数字的“平均性格”和“出现频率”是紧密相连的。
2. 那些“性格独特”（频率不均匀）的数字，虽然数量在普通意义上很少（测度为 0），但它们构成了一个极其复杂、充满分形美感的几何结构。
3. 这些数字的分布就像是一个无限精细的迷宫，稍微动一下，整个结构就会发生剧烈的变化。

简单来说，作者们发现，在看似枯燥的数字世界里，隐藏着像雪花、海岸线或云朵一样复杂而美丽的数学结构，只要我们去寻找那些“不随大流”的数字。

技术摘要

论文技术总结：BESICOVITCH–EGGLESTON 型线性分形

论文标题：LINEAR FRACTALS OF THE BESICOVITCH–EGGLESTON TYPE（BESICOVITCH–EGGLESTON 型线性分形）
作者：M. V. Pratsiovytyi 和 S. O. Klymchuk
发表期刊：Scientific Journal of Drahomanov National Pedagogical University (2012)

---

1. 研究问题 (Problem Statement)

本文主要研究实数区间 $[0, 1]$ 中，在**三进制（3-adic）表示下具有给定渐近数字均值（asymptotic mean of digits）**的数集的性质。

具体而言，研究关注以下核心问题：

• 定义与存在性：对于三进制表示中的数字 $0, 1, 2$，其渐近频率（asymptotic frequency）与数字的算术平均值（asymptotic mean）之间存在何种关系？
• 集合性质：定义集合 $S_a = \{x \in [0, 1] : r(x) = a\}$，其中 $r(x)$ 是数字的渐近均值，$a$ 为给定参数（$0 \le a \le 2$）。该集合$S_a$ 具有怎样的拓扑、测度（Lebesgue 测度）和分形（Hausdorff-Besicovitch 维数）性质？
• 与经典分形的联系：该集合与经典的 Besicovitch-Eggleston 集合（由数字频率定义的集合）有何联系？特别是当所有数字频率都存在时，集合 $S_a$ 的结构如何？

2. 方法论 (Methodology)

作者采用实分析、测度论和分形几何的理论工具，通过以下步骤展开研究：

1. 符号定义与基础理论：

   • 定义 $s$-进制表示、数字频率 $\nu_i(x)$ 和数字渐近均值 $r(x)$。
   • 明确 $s$-进制有理数（具有两种表示）和 $s$-进制无理数（唯一表示）的处理约定（统一使用周期为 0 的表示）。

2. 建立频率与均值的关系：

   • 利用引理（Lemma 1-4）推导在三进制下，若所有数字频率存在，则均值 $r(x)$ 必然存在，且满足线性关系：$r(x) = \nu_1(x) + 2\nu_2(x)$。
   • 证明若某个数字频率不存在，则至少另一个数字频率也不存在（引理 3）。
   • 分析频率函数 $\nu_i(x)$ 的拓扑性质（有界性、不连续性、稠密性）。

3. 集合分解与构造：

   • 将目标集合 $S_a$ 分解为两个不相交子集：
     • $K_a$：所有数字频率均存在的数集。
     • $M_a$：至少有一个数字频率不存在的数集。
   • 重点研究 $K_a$ 的性质，因为 $M_a$ 通常具有更复杂的“超分形”（superfractal）结构（维数为 1）。

4. 分形维数计算：

   • 利用 Besicovitch-Eggleston 集合的维数公式。
   • 在约束条件 $\nu_0 + \nu_1 + \nu_2 = 1$ 和 $\nu_1 + 2\nu_2 = a$ 下，通过优化熵函数（Entropy function）来求解 Hausdorff-Besicovitch 维数的最大值。
   • 使用拉格朗日乘数法或导数分析寻找极值点。

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

A. 频率与均值关系的理论推导

• 引理 2：对于三进制，若所有数字频率存在，则 $r(x) = \nu_1(x) + 2\nu_2(x)$。这建立了均值与频率之间的线性映射。
• 引理 6：证明了均值 $r(x)$ 与频率 $\nu_0(x)$ 的存在性之间的强耦合关系。若 $r(x)$ 和 $\nu_0(x)$ 存在，则 $\nu_1(x)$ 和 $\nu_2(x)$ 必存在；反之，若 $\nu_0(x)$ 不存在但 $r(x)$ 存在，则 $\nu_1, \nu_2$ 也不存在。

B. 频率函数 $\nu_i(x)$ 的拓扑性质（定理 2）

• 有界性与满射：$\nu_i(x)$ 取值于 $[0, 1]$。
• 不连续性：$\nu_i(x)$ 在 $[0, 1]$ 的每一点都是不连续的。
• 极限不存在性：即使 $\nu_i(x_0)$ 存在，$\lim_{x \to x_0} \nu_i(x)$ 也不存在。这表明频率函数具有极强的震荡性。

C. 集合 $K_a$ 的性质（定理 3）

这是论文的核心成果，针对 $K_a = \{x \in S_a : \text{所有频率存在}\}$：

1. 拓扑性质：$K_a$ 是连续统（cardinality of the continuum），且在 $[0, 1]$ 中处处稠密。
2. Lebesgue 测度：
   • 当 $a = 1$ 时，$\lambda(K_1) = 1$（全测度）。这是因为 $a=1$ 对应于三进制下的正规数（Normal numbers），其频率均为 $1/3$。
   • 当 $a \neq 1$ 时，$\lambda(K_a) = 0$。
3. Hausdorff-Besicovitch 分形维数：
   作者推导出了 $K_a$ 的维数公式。通过最大化熵函数，得到维数 $\alpha_0(K_a)$ 的下界（实际上即为该集合的维数）：
   $$\alpha_0(K_a) = -\frac{1}{\ln 3} \ln \left[ \left(\frac{t-1}{3}\right)^{\frac{t-1}{3}} \left(\frac{7-3a-t}{6}\right)^{\frac{7-3a-t}{6}} \left(\frac{1+3a-t}{6}\right)^{\frac{1+3a-t}{6}} \right]$$
   其中 $t = \sqrt{1 + 6a - 3a^2}$。
   • 特例：当 $a=1$ 时，计算得出 $\alpha_0(K_1) = 1$，与 Lebesgue 测度为 1 的结论一致。

D. 集合结构分析

• 证明了 $K_a$ 包含所有满足 $\tau_1 + 2\tau_2 = a$ 的 Besicovitch-Eggleston 集合 $E[\tau_0, \tau_1, \tau_2]$。
• 通过构造单射映射，证明了 $K_a$ 具有连续统基数。

4. 研究意义 (Significance)

1. 分形几何的扩展：本文将经典的 Besicovitch-Eggleston 分形理论（基于数字频率）扩展到了基于数字均值的集合研究。这揭示了数字统计特性（均值）与分形结构之间的深刻联系。
2. 非正规数集的细化：虽然非正规数集（频率不存在或不相等）的 Lebesgue 测度通常为 0，但本文通过计算其 Hausdorff 维数，量化了这些“奇异”集合的复杂程度。特别是对于 $a \neq 1$ 的情况，虽然集合测度为 0，但其分形维数通常小于 1 且随 $a$ 变化，展示了丰富的分形层级。
3. 函数分析的新视角：对数字频率函数 $\nu_i(x)$ 的拓扑性质（处处不连续、极限不存在）的严格证明，加深了对实数表示中数字分布随机性与确定性之间矛盾的理解。
4. 应用潜力：此类研究在信息论（编码效率）、动力系统（遍历理论）以及奇异概率分布的构造中具有重要的理论价值。

总结

该论文严谨地定义并分析了三进制下具有给定数字均值的数集。通过建立均值与频率的线性关系，作者成功地将问题转化为对 Besicovitch-Eggleston 集合的优化问题，并给出了该集合在 $a \neq 1$ 时的精确分形维数公式。这项工作不仅丰富了分形几何中关于“线性分形”的理论，也为理解实数表示中的统计规律提供了新的数学工具。