致连续性定理笔记

在分析一致连续性定理之前，不妨先说说为啥这个定理在微积分里显得那么“吊车尾”。大量人一看到“一致连续”就当作是推广了“连续”，结局发现这两者天差地别。

要是是一般/平平连续函数，在区间 [0,1] 上随意画个图都能找到零点；但一致连续函数可就不一样了，它不要求每个点都连续，而是要求整体行为得像个“团结”的群体。

这个定理的名字有点怪，不叫“一致连续性性质”而叫“一致连续性定理”，听起来像是个结论，实际上更像是一个过程。它告诉我们，要是一个函数在闭区间上知足某种温和的束缚条件，那么它的均匀连续性能够自动成立。

这听起来像是一个天大的好消息，但这好消息的代价是得先搞清楚这两个概念到底如何区分。

要理解这个定理，你得先明白“一致”到底是个啥鬼。想象你在路上走，要是你每隔 10 公里休息一次，并且每次休息的工夫固定是 1 小时，那你的“步速”在每条路上都是一样的，这就是均匀。但要是你每隔 10 公里休息的工夫是 30 分钟，那你的平均步速可能忽快忽慢，这就不是均匀了。在数学里，把这种“间隔固定”的概念推广到函数值上，就成了“一致”。

举个例子，假设我们看一个函数 f(x) 在区间 [0,1] 上。要是它在 x=0 处极度跳变，哪怕其他地方挺平滑，严格来说它也不叫一致连续。

这个定理的核心就是，只要函数在整个区间上“听话”，知足那些特定的界限条件，它就能展现出这种全局的平滑。

这个定理最迷人的地方在于它的结构。它实际上是个倒推法，要么说是由几个具体命题堆叠而成的。

• 起初在区间上函数有界。
• 这意味着函数值不能无限大，比如 y = 1/x 在 (0,1) 上无界，但它也不是这个定理的主角。
• 这个条件挺直观，就是函数别疯长。
• 接下来是极限存有。
• 要是你从区间的一端逼近某个值时，函数值不会疯跑，这保证了函数在“边缘”上是稳的。
• 最终是闭区间上的连续性。
• 这里的“连续”不是指局部连续，而是指在整个闭区间上“连成一片”，没有断崖。

把这三个条件凑齐，这个定理就生效了。它断言：要是这三个条件都知足，那么限制在任意封闭子区间 [a,b] 上的最大值和最小值也会存有且唯一。

这听起来像是废话，出于闭区间上连续函数自然有最大值最小值，但加上“一致”这个定语，强调的是这种极值的“均匀性”。

为啥强调“一致”？这里有几个场景能说明难题。

比方说，要是一个函数在 [0,1] 上知足有界、极限存有、在 [0,1] 上连续，那么它在 [0,1] 上一定是一致连续的。这是定理的平凡版。但要是函数只在 [1/3, 2/3] 上知足这些条件呢？那它在 [0,1] 上就不一定一致连续，出于它可能在那两个点附近形成剧烈的震荡。

故此，闭区间上的连续性这个条件，实际上是在保证函数不会出于“漏网之鱼”的存有而破坏整体的平滑性。

普通连续性的定义（局部性）

函数 f 在点 x₀ 连续，是指对任意 ε > 0，存在 δ = δ(x₀, ε) > 0，使得当 |x − x₀| < δ 时，恒有 |f(x) − f(x₀)| < ε。

关键点：δ 依赖于点 x₀ —— 不同点可能需要不同的“控制精度”。

致连续性的定义（全局性）

函数 f 在区间 I 上一致连续，是指对任意 ε > 0，存在 δ = δ(ε) > 0，使得对任意 x₁, x₂ ∈ I，只要 |x₁ − x₂| < δ，就有 |f(x₁) − f(x₂)| < ε。

关键点：δ 仅依赖于 ε，与点位置无关 —— 整个区间“统一标准”。

满足条件的函数（一致连续）

例1：f(x) = x 在 [0,1] 上

显然连续；对任意 ε > 0，取 δ = ε，则当 |x₁ − x₂| < δ 时，|f(x₁) − f(x₂)| = |x₁ − x₂| < ε ⇒ 一致连续。

例2：f(x) = sin(x) 在 ℝ 上

导数 f'(x) = cos(x) 有界（|cos(x)| ≤ 1），由中值定理：
|sin x − sin y| = |cos ξ||x − y| ≤ |x − y| ⇒ Lipschitz 常数为 1 ⇒ 一致连续。

例3：f(x) = √x 在 [0,1] 上

虽在 x=0 处导数趋于无穷（f'(x) = 1/(2√x) → ∞），但函数仍一致连续：

对任意 ε > 0，取 δ = ε²。若 0 ≤ x < y ≤ 1 且 y − x < δ，则
|√y − √x| = (y − x)/(√y + √x) ≤ (y − x)/√x（当 x > 0）
但当 x 接近 0 时，需更精细估计。注意到：
|√y − √x|² ≤ |y − x| ⇒ |√y − √x| ≤ √|y − x|，故取 δ = ε² 即可。

不满足条件的函数（不一致连续）

反例1：f(x) = x² 在 (0,∞) 上

取 xₙ = n + 1/n，yₙ = n，则 |xₙ − yₙ| = 1/n → 0，但
|f(xₙ) − f(yₙ)| = |(n + 1/n)² − n²| = |2 + 1/n²| → 2 ≠ 0 ⇒ 不一致连续。

反例2：f(x) = sin(1/x) 在 (0,1] 上

取 xₙ = 1/(2nπ + π/2)，yₙ = 1/(2nπ + 3π/2)，则 xₙ − yₙ → 0，但
f(xₙ) = sin(2nπ + π/2) = 1，f(yₙ) = sin(2nπ + 3π/2) = −1，差为 2 ⇒ 不一致连续。

def is_uniformly_continuous(f, a, b, eps=1e-6):
    for delta in [0.1, 0.01, 0.001, ...]:
        max_diff = 0
        for x1 in linspace(a, b, 1000):
            for x2 in [x1 + delta]:
                if x2 <= b:
                    max_diff = max(max_diff, abs(f(x1) - f(x2)))
        if max_diff < eps:
            return True
    return False

定积分存在性的证明

在黎曼积分理论中，函数可积的充要条件是：对任意 ε > 0，存在分划 P，使得振幅和 ∑ ω_i Δx_i < ε。

若 f 在 [a,b] 上一致连续，则对任意 ε > 0，存在 δ > 0，当分划模长 ||P|| < δ 时，任意子区间长度 Δx_i < δ，从而振幅 ω_i < ε/(b−a)，于是振幅和 < ε ⇒ 可积。

即：闭区间上的连续函数必黎曼可积——这是定理的经典应用。

数值分析中的误差控制

在插值与数值积分中，若被积函数一致连续，则网格加密时误差一致衰减。

例如，梯形法则误差：
E = −(b−a)³/(12n²) f''(ξ)（需二阶导数存在）
若仅知 f 一致连续，可借助振幅估计：
|∫_a^b f(x)dx − T_n| ≤ (b−a)·ω(f, (b−a)/n)，
其中 ω(f, δ) = sup{|f(x)−f(y)| : |x−y| ≤ δ} 为模。因一致连续 ⇒ ω(f, δ) → 0 (δ→0)，故误差收敛。

微分方程解的存在唯一性

在 Picard 迭代法中，需将积分算子映射到完备度量空间。若核函数 K(x,t) 在矩形区域上一致连续，则积分算子是压缩映射，从而保证解的存在唯一性。

函数列的一致收敛性判定

若 fₙ → f 一致收敛，且每个 fₙ 一致连续，则极限函数 f 也一致连续。这可用于证明某些极限函数的光滑性。