连续性

真正的控制关系是：输出误差预算先由观察者给定，随后才能选择足够小的输入尺度。这个量词次序排除了“每次碰巧找得到一条好路径”的伪连续，也允许所需尺度随考察点改变。连续性保留局部邻近结构，却不提供统一变化率；同一函数可以连续而在不同位置变得任意陡峭。

“输入变化很小”本身不够精确。例如平方函数在大数附近会放大输入误差，在零附近却压小误差。连续性允许为不同位置缩小或放宽输入容差；它并未承诺输出误差总小于输入误差，也没有承诺统一的放大倍数。

以 $f(x)=x^2$ 在任意实点 $a$ 的连续性为例。若先令 $|x-a|<1$，便有 $|x+a|<2|a|+1$，所以取

即可保证 $|x^2-a^2|=|x-a||x+a|<\epsilon$。先限定一个粗邻域再控制放大因子，是构造 $\delta$ 的常用办法；这里 $\delta$ 明确依赖 $a$。

例如在 $a=10$ 要求平方值的误差小于 $0.01$，上述办法给出 $\delta =0.01/21$。它未必是最大的可用半径，但无需精确解二次不等式就能保证全部邻近输入合格。证明连续性寻找的是一个有效保证，而非最宽松的保证。

阶跃函数在跳点不连续：若 $f(x)=0$（$x<0$）、$f(x)=1$（$x\ge 0$），在 $0$ 取输出容差 $1/2$，每个输入邻域内都有负数，其输出与 $f(0)$ 相差 $1$。连续不等于可导，$f(x)=|x|$ 在 $0$ 连续但左右差商分别为 $-1,1$，所以不可导。

函数

在 $0$ 连续，因为 $|f(x)|\le |x|$，尽管它在任意小邻域内不断振荡。相比之下，规定 $f(0)=1$ 会破坏连续性：沿 $x_n=1/(n\pi )$ 趋于零时，$f(x_n)=0$ 始终与点值相差 $1$。取 $\epsilon =1/2$ 后，无论多小的 $\delta$ 都无法控制这些输入。只验证沿若干条预先选定的序列或方向趋近通常不够；在度量空间可用所有序列刻画，而一般拓扑空间还需更完整的邻域语言。

定义域也属于问题的数据。例如 $1/x$ 在 $(0,\mathrm{\infty })$ 上每点连续；不能说它“在定义域的 $0$ 点不连续”，因为 $0$ 根本不是定义域中的点。若定义域采用离散距离，每个点都是孤立点，取 $\delta <1$ 就只剩输入 $x=a$，因而任意函数连续。这说明连续性依赖空间的邻近结构，不能只看代数公式。

连续性把极限理路极限Limit · Epsilon–delta limit用任意精度的邻近关系描述序列或函数趋向某个值。与函数运算兼容起来。以序列为例，先用连续性为输出精度 $\epsilon$ 选出 $\delta$，再用 $x_n\to a$ 使尾部输入全部进入这个 $\delta$ 邻域，便得到 $f(x_n)\to f(a)$。这说明为什么“先求极限再代入函数”需要函数在极限点连续。

局部连续配合定义域的结构，才产生相应的全局结论：区间上的连续实函数满足介值定理，紧集上的连续实函数取得最大值和最小值。要求同一个尺度在全域有效会得到一致连续理路一致连续Uniform continuity同一 δ 对定义域中所有点同时控制给定 ε。；把距离语言完全拿掉则得到拓扑连续性理路拓扑连续性Topological continuity · Continuous map目标开集的逆像始终开放，从而在不使用距离时表达映射不破坏局部邻近。。可微、积分参数依赖和数值迭代中的稳定性都以这些不同强度的连续控制为起点。

在数值求根中，连续性保证异号端点之间确有根可追踪，二分法理路二分求根法Bisection method以端点异号区间为不变量，给出可验证误差界、对数成本和有限精度停止条件。据此维护包含根的异号区间；在紧可行域上的优化中，它又保证函数值不会只逼近最优值而始终取不到。连续被积函数也为数值求积理路数值求积问题与求积公式Quadrature rule · Numerical integration将有限次函数采样组织为积分近似，并用代数精度、误差泛函和函数访问模型刻画规则能力。的逼近提供基础，但具体误差阶仍取决于光滑性与节点规则。这些存在与逼近结论都不承诺问题条件良好：平坦根或高度振荡的被积函数仍可能对扰动敏感。