跳到主要内容

第四章 函数连续性：拓扑与分析的汇合

连续性不仅是“一笔画”的直观描述，它是分析学中处理紧性、连通性等深刻概念的基础。本章将从局部性质出发，最终推向闭区间连续函数的全局辉煌。

一、 连续性的核心理论​

1. 定义与本质​

函数 f(x)f(x) 在点 x0x_0 连续   ⟺  lim⁡x→x0f(x)=f(x0)\iff \lim_{x \to x_0} f(x) = f(x_0)。 这包含三个要素：

  1. f(x)f(x) 在 x0x_0 处有定义。
  2. lim⁡x→x0f(x)\lim_{x \to x_0} f(x) 存在。
  3. 极限值等于函数值。

用 ϵ−δ\epsilon-\delta 语言描述：∀ϵ>0,∃δ>0, s.t. ∣x−x0∣<δ  ⟹  ∣f(x)−f(x0)∣<ϵ\forall \epsilon > 0, \exists \delta > 0, \text{ s.t. } |x - x_0| < \delta \implies |f(x) - f(x_0)| < \epsilon。

2. 间断点的精密分类 (Classification of Discontinuities)​

若 f(x)f(x) 在 x0x_0 不连续，则称 x0x_0 为间断点。根据左右极限的情况，我们将其分为两类：

第一类间断点 (左右极限均存在)​

  • 可去间断点：f(x0−)=f(x0+)≠f(x0)f(x_0^-) = f(x_0^+) \neq f(x_0)。只需重定义该点的值即可恢复连续。
  • 跳跃间断点：f(x0−)≠f(x0+)f(x_0^-) \neq f(x_0^+)。

第二类间断点 (左右极限至少有一个不存在)​

  • 无穷间断点：极限为 ∞\infty (如 y=1/xy=1/x 在 00 处)。
  • 震荡间断点：函数值在某点附近无限次剧烈震荡 (如 y=sin⁡(1/x)y=\sin(1/x) 在 00 处)。

二、 闭区间连续函数的全局性质​

这些性质是实数完备性的直接体现，是后续微分中值定理和积分学的前提。

1. 有界性与最值定理​

若 f∈C[a,b]f \in C[a,b]，则：

  • 有界性：ff 在 [a,b][a,b] 上必有界。
  • 最值性：ff 在 [a,b][a,b] 上必能取到最大值 MM 和最小值 mm。

2. 介值定理与零点定理​

  • 零点定理：若 f∈C[a,b]f \in C[a,b] 且 f(a)f(b)<0f(a)f(b) < 0，则至少存在一个 ξ∈(a,b)\xi \in (a,b) 使 f(ξ)=0f(\xi) = 0。
  • 介值定理：若 f∈C[a,b]f \in C[a,b]，则 ff 必能取到介于 mm 与 MM 之间的任何值。

三、 一致连续性深度辨析 (Uniform Continuity)​

一致连续性是一个比连续性更强的全局性质。它要求对于给定的 ϵ\epsilon，控制误差的 δ\delta 对区间内所有点通用。

定义：∀ϵ>0,∃δ>0\forall \epsilon > 0, \exists \delta > 0，使得对于区间 II 内的任意两点 x1,x2x_1, x_2，只要 ∣x1−x2∣<δ|x_1 - x_2| < \delta，就有 ∣f(x1)−f(x2)∣<ϵ|f(x_1) - f(x_2)| < \epsilon。

康托尔 (Cantor) 定理

若 f(x)f(x) 在闭区间 [a,b][a,b] 上连续，则 f(x)f(x) 在 [a,b][a,b] 上必一致连续。

判别技巧​

  1. 导数有界性：若 f′(x)f'(x) 在区间 II 上有界，则 f(x)f(x) 在 II 上一致连续 (由拉格朗日中值定理易证)。
  2. 端点极限：若 f(x)f(x) 在 (a,b)(a,b) 内连续，且在端点 a+a^+ 和 b−b^- 处的极限均存在且有限，则 f(x)f(x) 在 (a,b)(a,b) 内一致连续。
  3. 反例判定：寻找 xn,ynx_n, y_n 满足 ∣xn−yn∣→0|x_n - y_n| \to 0 但 ∣f(xn)−f(yn)∣↛0|f(x_n) - f(y_n)| \not\to 0。

四、 深度例题精讲 (Textbook Examples)​

练习 1：利用零点定理解决几何问题​

证明：在地球的大圆周上，必存在两个相对的点，其温度完全相同。

点击查看解析

分析：这是著名的 Borsuk-Ulam 定理的一维特例。 设 T(θ)T(\theta) 为经度为 θ\theta (θ∈[0,2π]\theta \in [0, 2\pi]) 的点在赤道上的温度。显然 T(θ)T(\theta) 是连续的，且 T(0)=T(2π)T(0) = T(2\pi)。 构造辅助函数 f(θ)=T(θ)−T(θ+π)f(\theta) = T(\theta) - T(\theta + \pi)，其定义域为 [0,π][0, \pi]。

  • f(0)=T(0)−T(π)f(0) = T(0) - T(\pi)。
  • f(π)=T(π)−T(2π)=T(π)−T(0)=−f(0)f(\pi) = T(\pi) - T(2\pi) = T(\pi) - T(0) = -f(0)。 由零点定理：
  • 若 f(0)=0f(0)=0，则 00 和 π\pi 是一对。
  • 若 f(0)≠0f(0) \neq 0，则 f(0)f(π)<0f(0)f(\pi) < 0，必存在 ξ∈(0,π)\xi \in (0, \pi) 使 f(ξ)=0f(\xi)=0，即 T(ξ)=T(ξ+π)T(\xi) = T(\xi + \pi)。 证毕。

练习 2：非一致连续性的严格证明​

证明 f(x)=x2f(x) = x^2 在 [0,+∞)[0, +\infty) 上不一致连续。

点击查看解析

证明： 取 xn=n+1x_n = \sqrt{n+1}，yn=ny_n = \sqrt{n}。

  1. 当 n→∞n \to \infty 时，∣xn−yn∣=n+1−n=1n+1+n→0|x_n - y_n| = \sqrt{n+1} - \sqrt{n} = \frac{1}{\sqrt{n+1} + \sqrt{n}} \to 0。
  2. 然而，∣f(xn)−f(yn)∣=∣(n+1)−n∣=1↛0|f(x_n) - f(y_n)| = |(n+1) - n| = 1 \not\to 0。 这说明无论 δ\delta 取多小，总能找到足够大的 nn 使得距离小于 δ\delta 的两点其函数值之差不小于 11。 故 f(x)=x2f(x) = x^2 在 [0,+∞)[0, +\infty) 上不一致连续。

五、 计算机科学链接：连续性与稳定性​

1. 深度学习中的激活函数​

在神经网络中，激活函数 (如 ReLU, Sigmoid) 的连续性至关重要：

  • ReLU：f(x)=max⁡(0,x)f(x) = \max(0, x)。它在 00 处连续但不可导。这种连续性保证了网络输出不会因为输入的微小变化而发生剧烈跳变。
  • Softmax：保证了概率输出的连续分布。

2. 数值稳定性与浮点误差​

在数值计算中，我们追求的是 Lipschitz 连续性。如果一个算法对应的函数 ff 满足 ∣f(x)−f(y)∣≤L∣x−y∣|f(x) - f(y)| \le L|x - y| 且 LL 较小，那么浮点数误差的影响就会被控制。若 LL 很大，输入的一个比特位的误差都可能导致结果彻底失效。

六、 练习库同步 (Analysis Exercise Sync)​

练习库同步 (Analysis Exercise Sync)

编者注：连续性是数学分析中“人性化”的体现——它描述了一个没有突变的世界。掌握了连续性，我们才真正拿到了开启微分大门的钥匙。