魏尔斯特拉斯函数

魏尔斯特拉斯函数(Weierstrass function) 是一个处处连续但处处不可微的函数，它是一个经典的反例，颠覆了人们对连续性和可微性之间关系的直觉。 它的一般形式为：

f(x) = Σ (aⁿ cos(bⁿπx)) , n = 0 to ∞

其中：

• 0 < a < 1: 控制函数的振幅衰减速度。a 越接近 1，函数的震荡越剧烈。
• b 是正奇数: 控制函数的频率。b 越大，函数震荡越快。
• ab > 1 + (3π/2): 这是魏尔斯特拉斯证明其处处不可微的条件。 这个条件保证了函数在任何点都无法找到一个确定的切线。

函数的性质：

• 处处连续： 可以通过逐项求和证明其连续性。每个项都是连续的，并且级数在任何点上都一致收敛。

• 处处不可微： 这是魏尔斯特拉斯函数最令人惊奇的性质。 在任何点上，函数图像的局部变化都过于剧烈，以至于无法定义一个确定的切线斜率。 证明过程比较复杂，通常需要用到三角恒等式和级数的性质。

• 自相似性： 在不同的尺度下，魏尔斯特拉斯函数的图像都表现出相似的特征。这是分形几何的重要特征。

import numpy as np
import matplotlib.pyplot as plt

def weierstrass(x, a=0.5, b=3, N=10):
    """
    计算魏尔斯特拉斯函数的近似值。

    Args:
        x: x坐标值
        a: 振幅参数 (0 < a < 1)
        b: 频率参数 (正奇数)
        N:  级数求和项数

    Returns:
        魏尔斯特拉斯函数在 x 处的近似值。
    """
    sum = 0
    for n in range(N):
        sum += a**n * np.cos(b**n * np.pi * x)
    return sum

# 生成数据点
x = np.linspace(-2, 2, 500)  # 调整区间和点数
y = weierstrass(x)

# 绘制图像
plt.plot(x, y)
plt.title("Weierstrass Function (a=0.5, b=3, N=10)")
plt.xlabel("x")
plt.ylabel("f(x)")
plt.grid(True)
plt.show()