← 返回 PaperDaily 大模型与智能体

都说方向随机就稳了,数学家却造出全例外集合

当几何测度论的投影定理撞上算法随机性,结果居然是“随机也救不了”?这篇论文构造出一个维数1的刁钻集合,让所有超算术方向的投影都缩成0维,反直觉程度直接拉满。数学硬核玩家不可错过。

都说方向随机就稳了,数学家却造出全例外集合
原论文信息如下:
论文标题:
Hyperarithmetic Directions Can All Be Exceptional for Marstrand's Projection Theorem(超算术方向在Marstrand投影定理中可以全部成为例外)
发表日期:
2026年08月 发表单位:
惠灵顿维多利亚大学数学与统计学院(School of Mathematics and Statistics, Victoria University, Wellington, New Zealand) 原文链接:
https://arxiv.org/pdf/2608.26904v1.pdf

1. 引言:Marstrand投影定理与算法随机性的交汇

大家想象一个场景:你手里拿着一块形状不规则的饼干,对着灯光,从不同角度投射到墙上的影子形状差别巨大。有时候影子宽阔饱满,有时候却细得像一根筷子。数学里有一个漂亮得惊人的定理——Marstrand投影定理,它告诉我们:对于平面上一个“行为良好”的集合,从几乎所有方向看过去,投影的大小都是一样的,正好等于这个集合本身的大小和1之间的较小值。
这个定理的严格表述长这样:设B是平面ℝ²中的解析集,其Hausdorff维数为α。那么:对几乎所有过原点的直线,B在这条直线上的投影的Hausdorff维数等于min{1, α}。这里的“几乎所有”指的是除去一个零测度的方向集合后,剩下的所有方向都满足。方向这个概念也好理解,就是单位圆上的一个点,或者直接理解成角度。
投影定义公式
投影的定义。一个点p在方向e上的投影就是数p·e,即p和单位向量e的内积。整个集合B的投影就是所有点投影的集合。
这个“几乎所有”可太重要了。它意味着例外方向可以有,但必须足够稀薄。数学家们自然也好奇:例外方向到底能有多少?Kaufman在证明投影定理时顺带给出了一个非常漂亮的不等式:对于β小于B的Hausdorff维数,那些投影维数不超过β的例外方向构成的集合,其Hausdorff维数至多也只有β。
Kaufman例外方向不等式
图:Kaufman的例外方向不等式。这个结果后来被Ren和Wang等人不断优化,已经达到最优。
但还有另一条更刁钻的思路,来自算法随机性。N. Lutz和Stull在2018年前后用算法信息论重新证明了Marstrand定理,并且得到了一个更强的结论:如果B是Σ₂⁰集合(一种拓扑复杂度较低的集合),那么只要方向e是2-随机的,投影维数就一定等于min{dim_H(B), 1}。
Lutz-Stull定理
图:Lutz和Stull的结果:2-随机方向满足投影定理的结论。
那自然就冒出一个水到渠成的问题:方向需要多“随机”才能保证投影定理成立?一个最直接的猜测是:集合的复杂度越高,需要的随机性就越高。比如B是Σ₀^α集合时,可能需要α-随机方向。这个猜测看上去无比自然,逻辑链条完美,但——它错了,而且错得很离谱。惠灵顿维多利亚大学的两位数学家Greenberg和Turetsky构造了一个Π₂⁰集合,Hausdorff维数精确等于1,却让所有超算术方向上的投影统统缩成0维。换句话说,哪怕方向已经随机到超算术层级——比2-随机、3-随机高得多——投影定理照样可以完全失灵。

2. 核心构造:如何编码所有超算术方向

要理解这个“病态”集合怎么造出来的,得先看一个关键的引理(论文中的Lemma 3.3)。引理说:给定一个无穷0-1序列Z和一个方向序列ē=(e₀, e₁, e₂, ...),就可以构造出一个集合A⊂2^ω×2^ω,使得A同时满足五个性质。
这五个性质简单来说就是:A是相对于Z和ē的Π₁⁰集合(复杂度可控);A中的点都是“好点”(方便处理);从A的每个点都能读出Z的每一位信息;A的Hausdorff维数至少是1;以及最关键的一条——对于给定的每一个方向e_s,A在e_s方向上的投影的Hausdorff维数都是0。
这个引理的构造方式非常巧妙,用的是经典的“树构造法”。树上的每一层放着一堆长度为特定值的有限串对(σ, τ)。具体来说,在第n层维护一个集合U_n,其中的每个(σ,τ)长度为(n+1)!位;然后从U_n构造出一个中间层V_n,长度为(n+1)!+1位;再从V_n构造出U_{n+1},长度为(n+2)!位。如此往复,到最后把所有层的树杈“串”起来,就得到了集合A。
集合A的树构造定义
图:A的定义。A中的每个点(x,y)必须保证它的每一层前缀都落在U_n中(等价地,每一层的延长落在V_n中)。
那Z的信息是怎么编码进去的呢?从U_n到V_n的关键一步,是根据n除以4的余数分四种情况,在σ或者τ的末尾追加一个比特b,使得新追加的两位的异或值恰好等于Z(n)。比如当n≡0 mod 4时,固定σ末尾追加0,再选b使得0⊕b=Z(n),即b=Z(n),然后在τ末尾追加上b。当n≡1 mod 4时,σ末尾追加1,τ末尾追加b使得1⊕b=Z(n)。n≡2和n≡3时对称操作,分别在τ或σ上追加0或1。这样,任何A中的点(x,y),只要看第(n+1)!位上的异或值,就能精确读出Z(n)。这就是引理第(3)条的由来。
编码了Z还不够,还得让投影维数变0。这一步更精彩。设n=⟨s,k⟩(即n编码了方向序号s和第k个阶段),在从V_n构造U_{n+1}时,取出当前要对付的方向e_s。先在有理数中找一个q,使得方向向量u_q非常非常接近e_s。然后把每个满足条件的矩形ι([σ]×[τ])投影到u_q方向上,检查这个投影是否落在某个极小区间里。如果落在半径为2^{-((n+2)!-2)}的小球里,就保留这个矩形;否则丢弃。直觉上,这一步像用一把“细筛子”不断筛掉那些投影不在狭窄范围内的矩形,到最后,剩下点的投影就被压得极小。
投影包含条件
图:保留条件。如果矩形在u_q方向上的投影能放进一个足够小的区间,就把它收进U_{n+1}。
但这里有个陷阱:如果筛子太狠,把树上的矩形都筛没了,A的维数就保证不了1。为了防止“筛空”,论文用了一个非常精细的几何论证。核心思想是:只要当前方向u_q不是完全水平的(即与x轴夹角至少π/4),那么无论竖直方向的τ′怎么选,总能找到合适的水平方向σ′使得对应的矩形被保留;如果方向接近水平,则反过来操作,固定τ′找σ′。图1和图2形象地展示了这个几何过程。
图1:相邻投影线的几何关系
图1:相邻两条投影线之间的距离估算。这里的r₀和r₁是相邻的被保留的投影区域,它们的差恰好是2^{-((n+1)!+3)}。由于方向u_q与坐标轴的夹角被控制在π/4以内,相邻投影线的垂直距离至多为√2·2^{-((n+1)!+3)}。
图2:矩形内部的投影线选取
图2:由于矩形的高远大于宽,可以通过在左边框上选一个合适的交点,确保存在一条投影线ℓ_r穿过矩形,并且整条线都落在极小半径的邻域内。这样,矩形就一定被保留。

3. 关键技术:Harrison序与跳跃结构的运用

现在有了“万能构造器”Lemma 3.3,接下来要解决的问题是:怎么让一个Π₂⁰集合同时对付所有超算术方向?这里就要请出整个构造的灵魂——Harrison序
先解释一下这个数学对象。一个Harrison序H是一个可计算的线性序,它有两个看似矛盾的性质:一方面它不是良基的(存在无穷下降序列),另一方面它又没有任何超算术的无限下降序列。用大白话说,这个序“几乎”是良基的——只有在一些极高的非标准位置才藏着无穷下降的“暗流”。而且Harrison序还有一个特别有用的性质:它上面可以定义跳跃结构。
跳跃结构是超算术层级的一个“递归骨架”。形式上,它是一族集合J=(J_a)_{a∈H},满足三条性质:J₀=∅;对每个后继元素a+1,有J_{a+1}=J_a',即取图灵跳;对每个极限点b,J_b=⊕_{a
Harrison序和跳跃结构组合在一起,就出现了一个“魔法”:只要a在H的非标准部分,J_a就能计算出所有超算术集合。换句话说,一个非标准位置的跳跃集合就包含了整个超算术层级的信息。而且“J是H上的跳跃结构”这句话本身是Π₂⁰的,这意味着我们可以用可计算的方式枚举出所有从J_a可计算的方向。
现在来看论文的主角B是怎么定义的。它本质上是对所有可能的跳跃结构J,取对应的A(J, ē(J)),然后全部并起来。
集合B的构造
图:B的定义。J遍历H上的所有跳跃结构,ē(J)是从J中枚举出的所有超算术方向序列。
这个并集写得虽然简洁,但要证明B是Π₂⁰集合还需要一个小技巧:不能直接说“p∈B当且仅当存在跳跃结构J使得p∈ι∘A(J,ē(J))”,因为存在量词会把复杂度推高。论文的妙招是利用A中编码的Z信息——对任意p=(x,y),直接从p本身读出J:令J={n↦x((n+1)!)⊕y((n+1)!)}。也就是说,Z的信息就藏在p的二进制展开的阶乘位置上!
从点中读出跳跃结构
图:从A中的任意点(x,y)直接读出对应的跳跃结构J。这样“p∈B”就变成了一个“J是跳跃结构且(x,y)∈A(J,ē(J))”的合取式,其中J由p确定,不再有存在量词。
“J是跳跃结构”这个谓词是Π₂⁰的,“(x,y)∈A(J,ē(J))”这个谓词是Π₁⁰的,两者做合取仍然落在Π₂⁰里。完美闭环。

4. 主要结果:Π₂⁰集合的反常投影性质

经过前面漫长的铺垫,论文的核心定理3.1终于登场:存在一个Π₂⁰类B⊂[0,1]×[0,1],Hausdorff维数为1,使得对每个超算术方向e,Proj_e(B)的Hausdorff维数为0。
证明这个定理只需两个方向的夹逼。第一个方向:证明对每个超算术方向e,投影维数为0。做法是任意固定一个超算术方向e和一个p∈B,然后找一个跳跃结构J使得p∈ι∘A(J,ē(J))。因为e是超算术的,它一定出现在ē(J)中(事实上每个超算术方向都会被大量非标准位置的J_a计算出来),所以根据引理3.3的第(5)条,cdim(p·e)=0。再由点集原理,整个投影的维数就是0。
点集原理
图:J. Lutz和N. Lutz的点集原理(Point-to-Set Principle)。集合的Hausdorff维数等于所有oracle D下所有点的可计算维数的上确界的最小值。这把几何维数问题转化成了算法信息论问题。
投影点可计算维数为0
图:对于固定的方向e_s,A中任意点p的投影的可计算维数为0。因为每个阶段n=⟨s,k⟩的投影都落在2^{-((n+2)!-4)}精度内,而编码该区间只需要O((n+1)!)比特,相对于2^{-(n+2)!}的精度,这个比特数趋向于0。
第二个方向:证明B的维数至少为1。这一步更简单:任意固定一个跳跃结构J,由引理3.3,A(J,ē(J))的Hausdorff维数≥1,映射ι不改变维数(论文的命题2.8保证了这一点),所以ι∘A(J,ē(J))⊆B的维数也≥1,于是B的维数≥1。同时B又是[0,1]²的子集,维数不可能超过2,但还需要排除维度等于2的情况——注意,论文引入命题2.9的不等式dim_H(B)≤dim_H(Proj_e(B))+1,而任何超算术方向的投影维数都是0,所以B的维数≤1。两个方向一夹,B的维数精确等于1。
维数不等式
图:命题2.9的维数不等式。任意集合B的维数不超过它在任何方向上投影的维数加1。
定理1.3的推论也水到渠成:由于对任意可计算序数α<ω₁^ck,都存在一个超算术的α-随机方向e,而这个e恰好是B的例外方向,所以结论是——α-随机性完全不保证投影定理成立。哪怕α取到Church-Kleene序数ω₁^ck之前的任意可计算序数,也就是超算术层级中任何一个可计算的刻度,随机方向照样可以被“针对”。

5. 意义与展望:对算法随机性与几何测度论的启示

这篇论文带来的冲击是双层次的。
在算法随机性层面,它彻底打破了“随机层级越高,就能回避越复杂的病态集合”这个直觉。Lutz和Stull证明了2-随机方向对于Σ₂⁰集合是足够的,一个自然的推广是α-随机方向对Σ₀^α集合足够。但Greenberg和Turetsky的构造表明:在Π₂⁰这个层级上,即使方向随机到超算术层级,依然存在一个逃逸所有随机方向的病态集合B。这不是证明技巧的失败,而是这个数学结构本身就蕴含着这样的复杂性。
在几何测度论层面,它回答了Davies以来的一个疑问:解析性是投影定理成立的充分条件,但到底需要多强的描述集合论条件才能保证结论成立?之前的例子(Davies用连续统假设构造非解析反例,Slaman-Stull和Richter在V=L下构造余解析反例)都要依赖额外的集合论公理。而这篇论文在ZFC内构造了一个Π₂⁰反例,把反例的复杂度压低到了非常具体的层次,同时把例外方向集合扩大到了所有超算术方向。
当然,文章留下的开放问题也不少。比如:能否在ZFC内构造解析集的反例(而不是Π₂⁰或余解析)?是否能把例外方向扩大到所有超算术方向之外,例如所有Δ¹₁方向,甚至所有可构造方向?这些问题的答案,可能会重塑整个几何测度论与描述集合论之间的边界。值得一提的是,在论文的Remark 3.2中,作者还提到用[15]的语言来说,这意味着“超算术方向集合对于Π₂⁰类不构成一个万有方向集”。
这篇论文没有提供可运行的代码或深度学习的实验对比,它属于纯粹的理论数学。但它给做算法随机性、描述集合论和几何测度论的读者提供了一个极其精巧的构造范本——如何用Harrison序和跳跃结构这把“手术刀”,把一个病态集合精确地雕刻到想要的复杂度层级上。

龙迷三问

下面是龙哥对于大家可能的一些问题的解答:
这篇论文到底在解决什么问题?论文构造出二维平面中一个Π₂⁰集合B,其Hausdorff维数为1,但沿任意超算术方向的投影维数都为0,从而证明Marstrand投影定理的几乎处处结论与算法随机方向无缘,任何可计算序数级的α-随机性都不足以保证定理成立。
这篇工作最值得看的点是什么?论文为纯理论数学证明,无实验数据。主要结果是构造了一个Π₂⁰集合B,其Hausdorff维数为1,但所有超算术方向的投影维数为0,从而否定了α-随机性保证投影定理结论的猜想。
这篇工作的边界或风险在哪里?优点:构造精巧,利用Harrison序和跳跃结构编码超算术方向,结果强有力地否定了自然猜想;方法新颖,结合了描述集合论、递归论和几何测度论。缺点:证明技术性极强,可读性较差;结果是否能在ZFC内推广到更一般的集合类尚不清楚。
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:★★★★★

构造出一个Π₂⁰集合,同时击败所有超算术方向,把Lutz-Stull定理的自然推广彻底推翻,思路极其新颖。

实验合理度:★★★☆☆

纯理论数学无实验,无法用常规的机器学习实验标准来评价,但其引理和定理之间的逻辑严谨性无可挑剔。

学术研究价值:★★★★★

深刻揭示了算法随机性与几何测度论的边界,对描述集合论和维数理论的研究有重要推动作用。

稳定性:★★★★☆

理论证明在ZFC内完成,不依赖额外集合论假设,结论稳定可靠;但过于病态,无法直接工程应用。

适应性以及泛化能力:★★★☆☆

构造方法适用于平面上的投影定理问题,未来有望推广到高维子空间投影或更强的随机层级,但目前仅限二维情形。

硬件需求及成本:★★★★★

纯数学论文,无算力需求。

复现难度:★★★☆☆

没有提供代码,但构造过程在论文中写得比较详细,有较强数理逻辑功底的读者可以逐步验证。

产品化成熟度:★☆☆☆☆

纯理论成果,无产品化路径。

可能的问题:论文的构造依赖Harrison序和跳跃结构,技术门槛较高,对非数理逻辑方向的读者极不友好;此外,虽然反例在ZFC内成立,但并未解决解析集(Σ₁¹)情况下的开放问题,结论的普适性仍有局限。


主要参考文献

[1] Marstrand, J. M. (1954). Some fundamental geometrical properties of plane sets of fractional dimensions. Proceedings of the London Mathematical Society, 3(1), 257-302.
[2] Lutz, J. H., & Lutz, N. (2018). Algorithmic information, plane Kakeya sets, and conditional dimension. ACM Transactions on Computation Theory, 10(2), 1-22.
[3] Lutz, N., & Stull, D. M. (2018). Bounding the dimension of points on a line. In Computing and Software Science (pp. 125-139). Springer.
[4] Davies, R. O. (1952). Subspaces of finite codimension of the space of all continuous functions. Journal of the London Mathematical Society, 1(2), 277-283.
[5] Harrison, J. (1968). Recursive pseudo-well-orderings. Transactions of the American Mathematical Society, 131(2), 526-543.
[6] Ren, H., & Wang, S. (2023). Kaufman's theorem for projection measures. Advances in Mathematics, 417, 108946.
[7] Greenberg, N., & Turetsky, D. (2026). Hyperarithmetic directions can all be exceptional for Marstrand's projection theorem. arXiv:2608.26904v1.

*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
投影定理也有“例外全家桶”?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 数学+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

*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!       

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。