「用Python来学微积分」15. 连续函数的性质

连续函数是数学分析的核心概念，其性质是理解微积分的关键。本文将结合Python可视化，从基本概念到重要性质，系统讲解连续函数的特性，并通过丰富的代码示例帮助读者建立直观理解。

一、连续函数基本概念回顾

连续性描述的是函数在某一点附近的光滑行为。从几何角度看，连续函数的图像是一条"连绵不断"的曲线，笔不离纸就能画出。

1.1 连续性的严格定义

数学定义：函数 $f(x)$ 在点 $x_0$ 处连续，当且仅当满足：

• 在 $x_0$ 处有定义（$f(x_0)$ 存在）
• $\underset{x\to x_0}{\lim }f(x)$ 存在
• $\underset{x\to x_0}{\lim }f(x)=f(x_0)$

用ε-δ语言表述：对任意 $\epsilon >0$，存在 $\delta >0$，使得当 $|x-x_0|<\delta$ 时，有 $|f(x)-f(x_0)|<\epsilon$。

手动求解步骤： 对于函数 $f(x)=x^2$ 在 $x_0=2$ 处的连续性证明：

• $f(2)=4$，函数在$x=2$有定义
• $\underset{x\to 2}{\lim }{x}^2=4$，极限存在
• $\underset{x\to 2}{\lim }{x}^2=4=f(2)$，满足连续性条件

Python代码：

import matplotlib.pyplot as plt
import numpy as np

# 设置支持 Unicode 的字体
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei','DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False

# 连续性的ε-δ演示
def demonstrate_continuity():
    # 示例函数：f(x) = x^2 在 x=2 处的连续性
    def f(x):
        return x**2
    
    x0 = 2
    f_x0 = f(x0)
    epsilon = 0.5
    
    # 计算对应的delta
    # 对于f(x)=x^2，|f(x)-f(2)| = |x^2-4| = |x-2||x+2|
    # 当|x-2|<1时，|x+2|<5，所以取delta = min(1, epsilon/5)
    delta = min(1, epsilon/5)
    
    x_values = np.linspace(x0 - 2*delta, x0 + 2*delta, 100)
    y_values = f(x_values)
    
    plt.figure(figsize=(10, 6))
    plt.plot(x_values, y_values, 'b-', linewidth=2, label='f(x) = x²')
    plt.axvline(x=x0, color='r', linestyle='--', alpha=0.7, label=f'x_0 = {x0}')
    plt.axhline(y=f_x0, color='r', linestyle='--', alpha=0.7, label=f'f(x_0) = {f_x0}')
    
    # 显示ε区间
    plt.axhline(y=f_x0 + epsilon, color='g', linestyle=':', alpha=0.5, label='ε区间')
    plt.axhline(y=f_x0 - epsilon, color='g', linestyle=':', alpha=0.5)
    plt.fill_between(x_values, f_x0 - epsilon, f_x0 + epsilon, alpha=0.1, color='green')
    
    # 显示δ区间
    plt.axvline(x=x0 + delta, color='orange', linestyle=':', alpha=0.5, label='δ区间')
    plt.axvline(x=x0 - delta, color='orange', linestyle=':', alpha=0.5)
    plt.fill_betweenx(y_values, x0 - delta, x0 + delta, alpha=0.1, color='orange')
    
    plt.scatter([x0], [f_x0], color='red', s=50, zorder=5)
    plt.title('函数连续性演示: ε-δ定义')
    plt.xlabel('x')
    plt.ylabel('f(x)')
    plt.legend()
    plt.grid(True, alpha=0.3)
    plt.show()
    
    print(f"对于 ε = {epsilon}, 找到 δ = {delta:.3f}")
    print(f"当 |x - {x0}| < {delta:.3f} 时，|f(x) - {f_x0}| < {epsilon}")

demonstrate_continuity()

Python代码执行结果：

1.2 单侧连续性

数学定义：单侧连续性

• 左连续：$\underset{x\to x_0^{-}}{\lim }f(x)=f(x_0)$
• 右连续：$\underset{x\to x_0^{+}}{\lim }f(x)=f(x_0)$

定理：函数在一点连续的充要条件是在该点既左连续又右连续。

二、连续函数的局部性质

2.1 局部保号性：函数值的"传染性"

数学定理：如果函数 $f(x)$ 在 $x_0$ 处连续，且 $f(x_0)>0$，那么存在正数 $\delta$，使得当 $x\in (x_0-\delta ,x_0+\delta )$ 时，$f(x)>0$。

手动证明步骤：

• 由连续性定义，对 $\epsilon =\frac{f(x_0)}{2}>0$，存在 $\delta >0$
• 当 $|x-x_0|<\delta$ 时，$|f(x)-f(x_0)|<\frac{f(x_0)}{2}$
• 因此 $f(x)>f(x_0)-\frac{f(x_0)}{2}=\frac{f(x_0)}{2}>0$
• 证毕

Python代码：

import matplotlib.pyplot as plt
import numpy as np

# 中文显示
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei','DV Sans']
plt.rcParams['axes.unicode_minus'] = False

# 演示局部保号性
x = np.linspace(-2, 2, 1000)
f = lambda x: x**2 + 0.5  # 始终大于0的函数

x0, delta = 0.5, 0.8
plt.figure(figsize=(10, 6))
plt.plot(x, f(x), 'b-', linewidth=2, label='f(x) = x² + 0.5')

# 标记邻域范围
plt.axvline(x=x0-delta, color='orange', linestyle=':', alpha=0.7)
plt.axvline(x=x0+delta, color='orange', linestyle=':', alpha=0.7)
plt.fill_between(x, 0, f(x), where=(x >= x0-delta) & (x <= x0+delta), 
                alpha=0.2, color='green', label='保号区间')

plt.title('局部保号性演示：f(x_o)>0 在x_o邻域内f(x)>0')
plt.xlabel('x'); plt.ylabel('f(x)')
plt.legend(); plt.grid(True, alpha=0.3)
plt.show()

Python代码执行结果： 在 $x_0=0.5$ 周围的邻域内，函数值始终大于0，直观演示局部保号性。

2.2 局部有界性：连续点的"稳定性"

数学定理：如果函数 $f(x)$ 在 $x_0$ 处连续，那么存在正数 $\delta$，使得 $f(x)$ 在 $(x_0-\delta ,x_0+\delta )$ 上有界。

手动证明思路：

• 取 $\epsilon =1$，由连续性，存在 $\delta >0$
• 当 $|x-x_0|<\delta$ 时，$|f(x)-f(x_0)|<1$
• 因此 $|f(x)|<|f(x_0)|+1$
• 函数在邻域内有上界 $|f(x_0)|+1$ 和下界 $-|f(x_0)|-1$

Python代码：

import matplotlib.pyplot as plt
import numpy as np

# 中文显示
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei','DV Sans']
plt.rcParams['axes.unicode_minus'] = False

def local_boundedness():
    x0 = 1
    delta = 0.5
    x = np.linspace(x0 - delta, x0 + delta, 100)
    f_x = np.sin(x) * np.exp(x)  # 复杂但连续的函数
    
    plt.figure(figsize=(10, 6))
    plt.plot(x, f_x, 'b-', linewidth=2, label='f(x) = sin(x) * exp(x)')
    plt.axvline(x=x0-delta, color='r', linestyle='--', alpha=0.7)
    plt.axvline(x=x0+delta, color='r', linestyle='--', alpha=0.7)
    
    # 计算上下界
    upper_bound = max(f_x)
    lower_bound = min(f_x)
    
    plt.axhline(y=upper_bound, color='g', linestyle=':', label=f'上界: {upper_bound:.2f}')
    plt.axhline(y=lower_bound, color='g', linestyle=':', label=f'下界: {lower_bound:.2f}')
    
    plt.title('局部有界性演示')
    plt.xlabel('x'); plt.ylabel('f(x)')
    plt.legend(); plt.grid(True, alpha=0.3)
    plt.show()

local_boundedness()

Python代码执行结果： 显示函数在 $x_0=1$ 邻域内的图像，并标出该区间内的上下界，验证局部有界性。

三、连续函数的全局性质

3.1 零点存在定理：方程的"解的存在保证"

数学定义：如果函数 $f(x)$ 在闭区间 $[a,b]$ 上连续，且 $f(a)$ 与 $f(b)$ 异号，那么至少存在一点 $\xi \in (a,b)$，使得 $f(\xi )=0$。

手动求解步骤：

• $f(x)=2^x+x$ 在 $[-1,0]$ 上连续
• $f(-1)=2^{-1}-1=0.5-1=-0.5<0$
• $f(0)=2^0+0=1>0$
• 由零点存在定理，存在 $\xi \in (-1,0)$ 使 $f(\xi )=0$
• 又因为 $f^{\prime }(x)=2^x\ln 2+1>0$，函数单调递增，零点唯一

Python代码：

import matplotlib.pyplot as plt
import numpy as np

# 中文显示
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
def prove_root_existence():
    """证明方程 2^x + x = 0 在(-1,0)内有唯一实根"""
    x = np.linspace(-1, 0, 1000)
    f = lambda x: 2**x + x
    
    plt.figure(figsize=(10, 6))
    plt.plot(x, f(x), 'b-', linewidth=2, label='f(x) = 2^x + x')
    plt.axhline(y=0, color='k', linestyle='-', alpha=0.3)
    
    # 验证端点异号
    f_minus1, f_0 = f(-1), f(0)
    plt.scatter([-1, 0], [f_minus1, f_0], color='red', s=100)
    plt.annotate(f'f(-1) = {f_minus1:.3f} < 0', (-1, f_minus1), 
                xytext=(-0.85, f_minus1 + 0.1))
    plt.annotate(f'f(0) = {f_0:.3f} > 0', (0, f_0), 
                xytext=(-0.1, f_0 - 0.2))
    
    # 寻找零点
    root_x = x[np.argmin(np.abs(f(x)))]
    plt.scatter([root_x], [f(root_x)], color='green', s=100,
               label=f'零点 ξ ≈ {root_x:.3f}')
    
    plt.title('零点存在定理：方程 2^x + x = 0 在 (-1,0) 内有根')
    plt.xlabel('x'); 
    plt.ylabel('f(x)')
    plt.legend(); 
    plt.grid(True, alpha=0.3)
    plt.show()

prove_root_existence()

Python代码执行结果： 标注端点值和找到的零点位置，验证零点存在定理。

3.2 介值定理：函数值的"全覆盖性"

数学定义：如果函数 $f(x)$ 在闭区间 $[a,b]$ 上连续，且 $f(a)\ne f(b)$，那么对于任意介于 $f(a)$ 和 $f(b)$ 之间的实数 $\mu$，至少存在一点 $\xi \in (a,b)$，使得 $f(\xi )=\mu$。

手动证明思路：

• 构造辅助函数 $g(x)=f(x)-\mu$
• $g(a)=f(a)-\mu$ 与 $g(b)=f(b)-\mu$ 异号
• 由零点存在定理，存在 $\xi \in (a,b)$ 使 $g(\xi )=0$
• 即 $f(\xi )=\mu$

Python代码：

def intermediate_value_theorem():
    x = np.linspace(0, 2*np.pi, 1000)
    f = np.sin(x)
    
    a, b = 0.5, 4.5
    mu = 0.7  # 介于sin(0.5)和sin(4.5)之间的值
    
    plt.figure(figsize=(12, 6))
    plt.plot(x, f, 'b-', linewidth=2, label='f(x) = sin(x)')
    plt.axhline(y=mu, color='r', linestyle='--', label=f'μ = {mu}')
    
    # 标记区间端点
    plt.scatter([a, b], [np.sin(a), np.sin(b)], color='green', s=100)
    
    # 寻找介值点
    roots = []
    for i in range(len(x)-1):
        if (f[i] - mu) * (f[i+1] - mu) <= 0:
            root_x = x[i] + (x[i+1] - x[i]) * (mu - f[i]) / (f[i+1] - f[i])
            roots.append(root_x)
            plt.scatter([root_x], [mu], color='red', s=100)
    
    plt.title('介值定理演示')
    plt.xlabel('x'); 
    plt.ylabel('f(x)')
    plt.legend(); 
    plt.grid(True, alpha=0.3)
    plt.show()

intermediate_value_theorem()

Python代码执行结果： 显示正弦函数图像，标注介值点，验证介值定理。

四、闭区间上连续函数的性质

4.1 有界性定理：闭区间上的"安全保证"

数学定义：如果函数 $f(x)$ 在闭区间 $[a,b]$ 上连续，那么 $f(x)$ 在 $[a,b]$ 上有界。

定理证明概要：

• 利用有限覆盖定理：闭区间 $[a,b]$ 的任意开覆盖都有有限子覆盖
• 由局部有界性，每点 $x\in [a,b]$ 都有邻域 $U(x)$ 使 $f$ 在 $U(x)$ 上有界
• ${U(x)}_{x\in [a,b]}$ 是 $[a,b]$ 的开覆盖，存在有限子覆盖
• $f$ 在每个有限子覆盖区间上有界，因此在整个 $[a,b]$ 上有界

Python代码：

def bounded_on_closed_interval():
    x = np.linspace(0.1, 2, 1000)
    f = lambda x: 1/x  # 在(0,2]上连续，但在x=0无定义
    
    plt.figure(figsize=(10, 6))
    plt.plot(x, f(x), 'b-', linewidth=2, label='f(x) = 1/x')
    
    # 在闭区间[0.5, 2]上验证有界性
    a, b = 0.5, 2
    x_closed = np.linspace(a, b, 100)
    f_closed = f(x_closed)
    
    upper_bound = max(f_closed)
    lower_bound = min(f_closed)
    
    plt.axvline(x=a, color='r', linestyle='--', label=f'区间[{a},{b}]')
    plt.axvline(x=b, color='r', linestyle='--')
    plt.axhline(y=upper_bound, color='g', linestyle=':', label=f'上界: {upper_bound:.2f}')
    plt.axhline(y=lower_bound, color='g', linestyle=':', label=f'下界: {lower_bound:.2f}')
    
    plt.title('闭区间上连续函数的有界性')
    plt.xlabel('x'); plt.ylabel('f(x)')
    plt.legend(); plt.grid(True, alpha=0.3)
    plt.show()

bounded_on_closed_interval()

Python代码执行结果： 显示函数在闭区间上的图像，标注上下界，验证有界性定理。

4.2 最值存在定理：必然存在"冠军选手"

数学定义：如果函数 $f(x)$ 在闭区间 $[a,b]$ 上连续，则存在 $[a,b]$ 中的两点 $\xi ,\eta$，使得对任意的 $x\in [a,b]$，都有 $f(\xi )\le f(x)\le f(\eta )$。

证明思路：

• 由有界性定理，$f([a,b])$ 是有界数集
• 令 $M=\sup f(x):x\in [a,b]$，$m=\inf f(x):x\in [a,b]$
• 由上确界定义，存在数列 $x_n\subset [a,b]$ 使 $f(x_n)\to M$
• 由闭区间紧性，$x_n$ 有收敛子列 $x_{n_k}\to \eta \in [a,b]$
• 由连续性，$f(\eta )=\underset{k\to \infty }{\lim }f(x_{n_k})=M$
• 同理可证最小值存在

Python代码：

def extreme_value_theorem():
    x = np.linspace(-np.pi, np.pi, 1000)
    f = lambda x: x*np.sin(3*x) + np.cos(x)  # 复杂连续函数
    
    plt.figure(figsize=(12, 6))
    plt.plot(x, f(x), 'b-', linewidth=2, label='f(x) = x·sin(3x) + cos(x)')
    
    # 寻找最大值和最小值点
    max_idx = np.argmax(f(x))
    min_idx = np.argmin(f(x))
    
    x_max, y_max = x[max_idx], f(x)[max_idx]
    x_min, y_min = x[min_idx], f(x)[min_idx]
    
    plt.scatter([x_max, x_min], [y_max, y_min], 
               color=['red', 'green'], s=100, 
               label=[f'最大值点 ({x_max:.2f}, {y_max:.2f})', 
                      f'最小值点 ({x_min:.2f}, {y_min:.2f})'])
    
    plt.title('最值存在定理演示')
    plt.xlabel('x'); plt.ylabel('f(x)')
    plt.legend(); plt.grid(True, alpha=0.3)
    plt.show()

extreme_value_theorem()

Python代码执行结果： 显示函数图像，标注最大值点和最小值点，验证最值存在定理。

五、综合应用与Python实践

5.1 实例分析：物体运动问题

问题：设某物体用100秒钟连续移动了100米。求证存在某个时刻 $t_0$，使得在时间段 $[t_0,t_0+20]$ 中该物体恰好移动了20米。

手动证明：

• 定义位移函数 $s(t)$，在 $[0,100]$ 上连续
• 构造辅助函数 $f(t)=s(t+20)-s(t)-20$，在 $[0,80]$ 上连续
• 计算端点值：
  • $f(0)=s(20)-s(0)-20$
  • $f(80)=s(100)-s(80)-20$
• 由题意，$s(100)-s(0)=100$，且运动连续
• 若 $f(0)\cdot f(80)\le 0$，由零点定理存在 $t_0\in [0,80]$ 使 $f(t_0)=0$
• 即 $s(t_0+20)-s(t_0)=20$

Python代码：

def motion_problem():
    # 模拟物体运动函数
    def s(t):
        # 假设运动不是匀速的
        return 100 * (t/100)**1.5  # s(0)=0, s(100)=100
    
    t = np.linspace(0, 100, 1000)
    positions = s(t)
    
    # 定义辅助函数 f(t) = s(t+20) - s(t) - 20
    t_inner = np.linspace(0, 80, 800)  # t ∈ [0,80] 保证 t+20 ∈ [20,100]
    f_t = s(t_inner + 20) - s(t_inner) - 20
    
    plt.figure(figsize=(12, 8))
    
    plt.subplot(2, 1, 1)
    plt.plot(t, positions, 'b-', linewidth=2, label='位移函数 s(t)')
    plt.xlabel('时间 t (秒)'); plt.ylabel('位移 s(t) (米)')
    plt.legend(); plt.grid(True, alpha=0.3)
    
    plt.subplot(2, 1, 2)
    plt.plot(t_inner, f_t, 'r-', linewidth=2, label='辅助函数 f(t) = s(t+20) - s(t) - 20')
    plt.axhline(y=0, color='k', linestyle='-', alpha=0.3)
    
    # 验证端点值
    f0 = s(20) - s(0) - 20
    f80 = s(100) - s(80) - 20
    plt.scatter([0, 80], [f0, f80], color='green', s=100)
    
    # 寻找零点
    root_idx = np.argmin(np.abs(f_t))
    t0 = t_inner[root_idx]
    plt.scatter([t0], [f_t[root_idx]], color='red', s=100, 
               label=f'零点 t₀ ≈ {t0:.1f}')
    
    plt.xlabel('时间 t (秒)'); plt.ylabel('f(t)')
    plt.legend(); plt.grid(True, alpha=0.3)
    
    plt.tight_layout()
    plt.show()
    
    print(f"f(0) = s(20) - s(0) - 20 = {f0:.2f}")
    print(f"f(80) = s(100) - s(80) - 20 = {f80:.2f}")
    print(f"存在 t₀ ≈ {t0:.1f} 使 f(t₀) = 0")
    print(f"验证: s({t0:.1f}+20) - s({t0:.1f}) = {s(t0+20) - s(t0):.2f} 米")

motion_problem()

Python代码执行结果： 显示位移函数和辅助函数图像，找到满足条件的时刻 $t_0$，并输出验证结果。

5.2 Python挑战练习

挑战1：验证函数 f(x) = 1/x 在(0,1)上连续但无界

手动分析：

• 在开区间(0,1)上，函数 $f(x)=1/x$ 是连续的
• 但当 $x\to 0^{+}$ 时，$f(x)\to +\infty$，函数无上界

Python代码：

# 挑战1：验证函数 f(x) = 1/x 在(0,1)上连续但无界
def challenge1():
    x = np.linspace(0.01, 1, 1000)
    f = 1/x
    
    plt.figure(figsize=(10, 6))
    plt.plot(x, f, 'b-', linewidth=2, label='f(x) = 1/x')
    plt.title('挑战1: f(x) = 1/x 在(0,1)上连续但无界')
    plt.xlabel('x'); plt.ylabel('f(x)')
    plt.legend(); plt.grid(True, alpha=0.3)
    plt.show()
    
    print("在开区间(0,1)上，当x→0⁺时，f(x)→+∞，函数无界")

challenge1()

Python代码执行结果：

挑战2：绘制函数证明三次多项式必有实根

手动证明思路：

• 三次多项式 $f(x)=a{x}^3+b{x}^2+cx+d$（$a\ne 0$）
• 当 $x\to +\infty$ 时，$f(x)\to \pm \infty$（取决于$a$的符号）
• 当 $x\to -\infty$ 时，$f(x)\to \mp \infty$
• 由介值定理，必存在实根

Python代码：

# 挑战2：绘制函数证明三次多项式必有实根
def challenge2():
    # 三次多项式至少有一个实根
    x = np.linspace(-3, 3, 1000)
    f = lambda x: x**3 - 2*x + 1  # 任意三次多项式
    
    plt.figure(figsize=(10, 6))
    plt.plot(x, f(x), 'b-', linewidth=2, label='f(x) = x³ - 2x + 1')
    plt.axhline(y=0, color='k', linestyle='-', alpha=0.3)
    
    # 验证存在实根
    roots = []
    for i in range(len(x)-1):
        if f(x[i]) * f(x[i+1]) <= 0:
            root = x[i] - f(x[i]) * (x[i+1] - x[i]) / (f(x[i+1]) - f(x[i]))
            roots.append(root)
            plt.scatter([root], [0], color='red', s=100)
    
    plt.title('挑战2: 三次多项式必有实根')
    plt.xlabel('x'); plt.ylabel('f(x)')
    plt.legend(); plt.grid(True, alpha=0.3)
    plt.show()
    
    print(f"找到实根: {roots}")

challenge2()

Python代码执行结果：

六、总结与延伸学习

连续函数的性质为微积分奠定了坚实基础：

6.1 知识总结

• 局部性质：局部保号性、局部有界性，反映函数在一点附近的行为
• 全局性质：零点定理、介值定理，描述函数在整个区间上的特征
• 闭区间性质：有界性定理、最值定理，是优化理论的基础

6.2 学习建议

• 理论理解：结合几何直观理解每个定理的数学含义
• Python实践：通过可视化加深对抽象概念的认识
• 应用导向：将定理应用于实际问题求解

---

参考资料：扈志明，《微积分》，高等教育出版社

互动邀请：如果你有更好的可视化想法或发现了文章中的错误，欢迎在评论区留言讨论！