← 返回 PaperDaily 大模型与智能体

百年数学难题，被算到小数点后50位！Minkowski问号函数导数无限大的点集维数终极估算

这是一场纯数学的硬核盛宴！Minkowski问号函数，这个诞生于1904年的古怪函数，其“导数无穷大”的点集到底有多大？华威大学Pollicott教授用精巧的算子谱方法，将这个维数的精度推进到了小数点后50位，误差小于3.4×10⁻⁵²，堪称数论与动力系统交叉领域的魔术级演绎。

龙哥读论文 阅读 3 查看原文
#AI科研
百年数学难题，被算到小数点后50位！Minkowski问号函数导数无限大的点集维数终极估算
🐉 龙哥读论文知识星球来了！
公众号每日8篇拆解不够看？星球无上限更AI领域论文、资讯、招聘、招博、开源代码，一站式干货，每日2分钟刷完即赚！ 👇扫码加入「龙哥读论文」知识星球，前沿干货、实用资源一站式拿捏～ xingqiu_header

龙哥推荐理由：
这是一场纯数学的硬核盛宴！Minkowski问号函数，这个诞生于1904年的古怪函数，其“导数无穷大”的点集到底有多大？华威大学Pollicott教授用精巧的算子谱方法，将这个维数的精度推进到了小数点后50位，误差小于3.4×10⁻⁵²，堪称数论与动力系统交叉领域的魔术级演绎。


原论文信息如下：
论文标题:
THE HAUSDORFF DIMENSION OF THE SET WHERE THE MINKOWSKI QUESTION MARK FUNCTION HAS INFINITE DERIVATIVE
发表日期: 2026年06月
发表单位: Department of Mathematics, Warwick University, UK
原文链接: https://arxiv.org/pdf/2606.12196v1.pdf
好的，龙哥这就为你带来这篇论文的深度解读。 ---
龙哥今天要聊的，是一个诞生于1904年的数学函数——Minkowski问号函数。
这函数几乎处处不可导，每一点的导数要么是零，要么是无穷大。它那些“导数无穷大”的点，构成了一个集合 Λ∞。这个集合的“尺寸”——Hausdorff维数 是多少？
过去几十年，各路高手把这个维数估算到35位小数。现在，华威大学的M. Pollicott教授，用“算子谱方法”将其推进到小数点后50位，误差小到令人发指。

分数与混沌：Minkowski问号函数的神奇之处

任何0到1之间的无理数x，都可以被唯一地表示成连分数展开。Minkowski问号函数? (x)的作用，就是把x的连分数表示用“二进制”方式重新组合。
请看下图，这是1904年Minkowski亲手绘制的函数图像。
图1：(i) Minkowski函数的图像，(ii) Minkowski在1904年ICM大会上的原版手绘图
图1：(i) Minkowski函数的图像，(ii) Minkowski在1904年ICM大会上的原版手绘图
函数图像由无数“阶梯”组成，处处连续却“几乎处处”平坦（导数为0）。导数无穷大的点构成了集合 Λ∞。它的Hausdorff维数是一个介于0和1之间的分数，精确计算它正是Pollicott教授的目标。

妙哉！将无限导数点集的维度计算转化为动力量

要算维数，先要引出Farey映射。
图2：Farey映射的图像
图2：Farey映射的图像
图2上半部分是Farey映射 F: [0, 1] → [0, 1] 的图像。问号函数把Farey映射的“均匀性”转化成了定义域上的另一种均匀性。
对于Farey映射，定义其最大熵测度 μ（熵为 log 2）。该测度的Lyapunov指数 λ(μ) 衡量相邻点分离的平均速度。
Proposition 2.3 指出，Hausdorff维数 dimH(Λ∞) 等于熵（log 2）除以Lyapunov指数 λ(μ)！
插图
这步转化把静态的Hausdorff维数问题，转化为动态的“混沌程度”问题。现在核心是求Farey映射在最大熵测度下的Lyapunov指数 λ(μ)。

巧哉！用转移算子谱半径估计Lyapunov指数

Pollicott教授祭出转移算子。对于Farey映射 F，其逆分支 T₁(x) = x/(1+x) 和 T₂(x) = 1/(1+x) 是“回溯轨道”。定义带参数的转移算子 Lₜ，其谱半径 ρ(t) 是算子放大能力的最大值。
Proposition 3.3 指出，Lyapunov指数 λ(μ) = - d/dt log ρ(t) |_{t=0}。
这又把Lyapunov指数的计算，转化为估计静态算子谱半径在零点附近的导数。
图3：命题3.3的证明示意图：通过谱半径在t=0附近的弯曲程度，来估计Lyapunov指数
图3：命题3.3的证明示意图：通过谱半径在t=0附近的弯曲程度，来估计Lyapunov指数
Proposition 3.4 提供实用方法：找到一对函数 w₊ 和 w₋（及放大倍数 r₊ 和 r₋），使转移算子作用在它们上的效果被自身夹逼，则 r₊ 和 r₋ 构成谱半径 ρ(t) 的上下界。

神哉！50位小数的精确度是如何炼成的？

理论框架已搭建，接下来是数值魔法。

数值实现：从离散到连续

(1) 离散化：在 [0, 1] 上选取 N 个Chebyshev节点，端点处更密集以避免龙格现象。
(2) 构造矩阵：在这些节点上，转移算子 Lₜ 变为 N×N 矩阵，元素代表节点间的“转移概率”乘以权重。
(3) 求解特征向量：求矩阵最大特征值对应的特征向量，即夹逼函数 w₊ 和 w₋ 在节点上的近似值。
(4) 连续化：通过Lagrange多项式插值，构造出在整个 [0, 1] 上有效的连续函数 w₊(x) 和 w₋(x)。

从示例到巅峰：精度的跃迁

作者先给出简单示例：取扰动 ε=1/10³，用 N=6 个节点构造多项式 w₋ 和 w₊。
图4：(i) 多项式w₋的图像 (ii) 比值 (Lₑw₋)/w₋ 的图像
图4：(i) 多项式w₋的图像 (ii) 比值 (Lₑ w₋)/w₋ 的图像
图5：(i) 多项式w₊的图像 (ii) 比值 (L₋ₑw₊)/w₊ 的图像
图5：(i) 多项式w₊的图像 (ii) 比值 (L₋ₑ w₊)/w₊ 的图像
即使节点很少，构造出的函数也已接近“理想”夹逼函数，得到的Lyapunov指数 λ(μ) 上下界之差约 0.000847。
接下来，Pollicott教授将参数调整为 ε=1/2¹⁰，节点数提升到 N=300，所有计算在200位十进制精度下进行。最终得到Lyapunov指数极其精确的上下界：
λ(μ) = 0.792425128595489118191211515299891398889412782043800...
代入公式 dimH(Λ∞) = log 2 / λ(μ)，得到Hausdorff维数 dimH(Λ∞) 的终极答案：
dimH(Λ∞) = 0.87471630510821114221515290421915975775792728975153...
上下界差距仅为 3.416 × 10⁻⁵²！精度从35位小数推进到小数点后50位，这是一次纯粹的理论极限冲锋。

理论为基，数值为翼——一个漂亮的交叉范例

Pollicott教授的工作展示了如何将纯数学理论与数值计算技术结合。从Kinney（1960）的早期工作到Kesseböhmer和Stratmann（2008）的框架，再到Lagarias等人的前期估算，都为这篇论文提供了铺垫。Pollicott的创新在于选择“转移算子”并利用其谱半径的凸性和导数，构建了可数值计算的桥梁。
这篇论文证明，在算法和算力日益膨胀的今天，对基本原理的洞察依然是推动知识边界的最强动力。
插图

龙迷三问

下面是龙哥对于大家可能的一些问题的解答：

Q：Minkowski问号函数这么古怪，它有什么实际应用吗？A：目前它主要是一个纯数学“玩具”，连接了数论、动力系统和分形几何。类似分形理论早期，后来被用于图像压缩和材料科学，这种基础研究是科学大厦的基石。

Q：文中提到的“Lyapunov指数”具体是什么意思？A：想象两个非常接近的初始状态，Lyapunov指数衡量这个差异在系统演化中被放大或缩小的速率。指数为正则微小差异被指数级放大，这就是“混沌”的根源。本文中Farey映射的Lyapunov指数为正，说明它是一个混沌系统。

Q：“转移算子”和“谱半径”有更直观的理解吗？A：把“转移算子”想象成牌局庄家，他按规则（Farey映射的逆分支）重新分布牌面。“谱半径”就是庄家“放大”符号能力的最大值。论文通过分析这个“庄家”在t=0时的“微小改动”（导数），来计算Lyapunov指数。

如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~

龙哥点评

论文创新性分数：★★★★☆

方法本身（使用转移算子谱半径的导数估计维数）有很强创新性，将纯理论问题转化为可计算数值问题。核心框架（用Lyapunov指数和熵表达维数）是前人工作，创新主要体现在数值技巧融合。

实验合理度：★★★★★

理论证明扎实，数值方法合理，给出令人信服的误差控制。从简单到高精度的示例清晰展示了方法收敛性。

学术研究价值：★★★★★

极高。不仅给出更精确的数字，更提供了可复现、可泛化的框架，未来可用于研究其他奇异分形集合的维数。

稳定性：★★★★★

方法在数学上严格，不依赖经验参数，任何熟练操作者都能复现相同结果。

适应性以及泛化能力：★★★★☆

理论上可应用于其他具有类似“剪切-粘贴”动力结构的系统，但每次应用需重新进行理论推导和数值计算。

硬件需求及成本：★★★★★

计算量极低，只需N=300个节点和200位精度，普通笔记本电脑即可完成。

复现难度：★★★☆☆

理论部分需理解动力系统和泛函分析。数值部分需精细的Chebyshev节点和Lagrange插值实现，以及高精度算术运算，论文未提供现成代码。

产品化成熟度：☆☆☆☆☆

基本不可能直接产品化，这是一篇纯粹的数学研究论文。

可能的问题：论文没有提供开源代码，增加复现和验证门槛。附录中的证明对非该领域专家可能较为简略。但从顶会论文角度看，这已是顶级成果。


主要参考文献

[1] G. Alkauskas, The moments of Minkowski question mark function: The dyadic period function, Glasgow Math. J., 52 (2010) 41–64.
[7] J. Kinney, Note on a Singular Function of Minkowski, Proceedings of the American Mathematical Society Vol. 11 (1960) 788–794
[8] J. C. Lagarias, Number theory and dynamical systems, in The unreasonable effectiveness of number theory (Orono, ME, 1991), Amer. Math. Soc., Proc. Sympos. Appl. Math. 46 (1992), 35–72
[9] G. Mantica, Minkowski’s question mark measure, Journal of Approximation Theory Volume 222 (2017) 74-109
[14] M. Pollicott and P. Vytnova, Accurate Bounds on Lyapunov Exponents for Expanding Maps of the Interval. Commun. Math. Phys. 397 (2023) 485–502.
[17] R. F. Tichy, J. Uitz, An extension of Minkowski’s singular function, Appl. Math. Lett. 8(5) (1995), 39–46

*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击"阅读原文"，查看更多原论文细节哦！       

end
欢迎加入龙哥读论文粉丝群，扫描下方二维码或者添加龙哥助手微信号加群：kangjinlonghelper。一定要备注：研究方向+地点+学校/公司+昵称（如 图像处理+上海+清华+龙哥），根据格式备注，可更快被通过且邀请进群。

『龙哥读论文』微信群目前包含：图像处理、大模型及智能体、自动驾驶及机器人、AI医疗及AI金融5个群
wechat_helper dianzan
转发文章 微博 X LinkedIn Facebook
龙哥读论文 · PaperDaily

本文基于龙哥读论文 PaperDaily 数据库整理，结合论文原文与工程视角进行解读。