연속 이미지의 차원과 측도: 베어 카테고리와 프레벌런스의 비교

초록

이 논문은 임의의 비가산 콤팩트 거리공간 X에서 ℝⁿ으로 가는 연속함수들의 Banach 공간을 연구한다. 베어 카테고리 관점에서는 일반적으로 이미지 f(X)의 포장 차원과 상한 박스 차원이 최대값 n이 되지만, Hausdorff 차원·하한 박스 차원·위상 차원은 X의 위상 차원과 n 중 작은 값으로 수렴한다. 또한 Hausdorff·포장 측도의 영·유한·무한 여부에 대한 완전한 조건을 제시한다. 프레벌런스 관점에서는 Dougherty의 결과를 이용해 대부분의 연속함수에 대해 이미지가 내부를 갖고 위상 차원이 n임을 보이며, 이를 그래프 차원의 일반화와 Bayart‑Heurteaux의 최근 결과 확장에 적용한다.

상세 분석

논문은 먼저 X가 비가산 콤팩트 거리공간이고 n≥1인 경우, C(X,ℝⁿ)에 자연스럽게 정의되는 sup‑norm을 이용해 완비 Banach 공간을 만든다. 이 공간 위에서 ‘전형적(generic)’이라는 개념을 두 가지 방식으로 정의한다. 첫 번째는 Baire 카테고리 이론을 이용해 잔여 집합(residual set)으로 정의하고, 두 번째는 ‘프레벌런스(prevalence)’라는 확률적 개념을 사용한다. 두 접근법은 서로 다른 ‘대다수’ 개념을 제공하므로 결과가 다르게 나타난다.

Baire 카테고리 측면에서 저자는 먼저 포장 차원(dim_P)과 상한 박스 차원(dim_B⁺)에 대한 상한을 n으로 잡는다. 이를 위해 임의의 ε>0에 대해 ε‑그리드에 맞는 작은 구간을 선택하고, 연속함수들을 미세하게 변형해 이미지가 n‑차원 구의 내부를 충분히 차지하도록 구성한다. 결과적으로 잔여 집합 안의 모든 f에 대해 dim_P f(X)=dim_B⁺ f(X)=n이 된다. 반면 Hausdorff 차원(dim_H), 하한 박스 차원(dim_B⁻), 그리고 위상 차원(dim_T)은 더 섬세한 구조를 보인다. 저자는 X의 위상 차원 dim_T X를 k라 두고, k와 n 중 작은 값을 m:=min{k,n}이라 정의한다. 이후 연속함수들을 조절해 이미지가 k‑차원 매니폴드에 가까워지도록 만들면서도, 차원을 초과하지 못하도록 제한한다. 그 결과, 잔여 집합 안의 대부분 함수에 대해 dim_H f(X)=dim_B⁻ f(X)=dim_T f(X)=m이 된다.

다음으로 저자는 Hausdorff 측도 ℋ^m와 포장 측도 ℙ^m에 대한 정밀한 임계값을 제시한다. m이 위에서 정의한 최소값일 때, ℋ^m(f(X))와 ℙ^m(f(X))가 0, 양의 유한값, 혹은 무한값이 되는 경우를 각각 ‘f가 충분히 얇다’, ‘적당히 복잡하다’, ‘극도로 복잡하다’는 정량적 조건과 동등하게 만든다. 이때 사용되는 도구는 카르테시안 곱의 마디와 마르코프 부등식, 그리고 에너지 방법이다.

프레벌런스 관점에서는 전형적인 연속함수 집합을 ‘전역적으로 큰’ 집합으로 본다. Dougherty(2012)의 핵심 정리는 “대다수의 연속함수 f∈C(X,ℝⁿ) 에 대해 f(X) 가 ℝⁿ 의 비어 있지 않은 내부를 갖는다”는 것이며, 이는 즉 dim_T f(X)=n임을 의미한다. 저자는 이 결과를 이용해 프레벌런스 하에서 모든 차원(위상, Hausdorff, 포장, 박스)이 n에 수렴함을 보인다. 특히, 그래프 G_f={ (x,f(x)) : x∈X }⊂X×ℝⁿ 에 대해, 프레벌런스 하에서는 dim_T G_f = dim_T X + n 이며, 이는 Bayart‑Heurteaux가 실수값 연속함수 그래프에 대해 얻은 차원 결과를 일반적인 n‑차원 경우로 확장한다.

결과적으로 논문은 ‘전형적’이라는 개념이 선택된 측정 체계에 따라 완전히 다른 차원 및 측도 행동을 보인다는 점을 명확히 한다. Baire 카테고리에서는 위상 차원에 의해 제한되는 섬세한 현상이 나타나는 반면, 프레벌런스에서는 거의 모든 연속함수가 최대 차원 n을 달성한다는 강력한 일반성을 제공한다. 이러한 이중적 관점은 연속 이미지의 기하학적 복잡성을 이해하는 데 새로운 통찰을 제공한다.