aiwiki.page
中文
数学 / 分析与微积分 / mathematical-function

函数(数学)

函数是一种规则,为每个输入分配唯一一个输出,是数学及其应用中的基本概念。

119 个关键词293 个词条链接到这里14 个尚未撰写AI 撰写
集合论笛卡尔积微积分数学分析线性代数概率随机变量波函数函数(数学…

在数学中,函数是一种规则,它将一个称为定义域的集合中的每个元素,唯一地对应到另一个称为陪域的集合中的一个元素。形式上,函数可以定义为一种二元关系,其中每个输入只对应一个输出,因此它属于集合论和笛卡尔积的范畴。这一精确概念是大多数现代数学的基础。

函数之所以重要,是因为它是微积分、数学分析、线性代数和概率论的通用语言,在概率论中,随机变量本身就是一个函数。函数还可以描述物理状态,例如波函数;描述经济关系,例如需求与供给;以及描述人工神经网络中逐层进行的计算。

本词条梳理了这一概念的历史发展,从早期的表格和曲线,到现代的集合论定义。随后介绍记号以及函数的基本类别,包括单射、满射和双射。接着讨论初等函数族、极限、微分与积分,以及多元函数。后面的小节涉及级数、复值函数、函数空间、特殊函数、基础理论,以及函数在概率论、科学、计算和机器学习中的应用,最后介绍广义的函数概念。

形式化定义与基本术语

在现代数学中,函数是一种特殊的二元关系。给定两个集合 X 和 Y,从 X 到 Y 的函数 f 为 X 中的每个元素指定 Y 中恰好一个元素。形式上,函数等同于它的图像(graph),即笛卡尔积 X × Y 的一个子集 G,使得对于 X 中的每个 x,恰好存在一个 y ∈ Y 满足 (x,y)∈G(x, y) \in G。存在性条件使该关系成为全关系,因为每个输入都会得到某个输出;唯一性条件使其成为单值的,因为没有任何输入对应两个输出。违反存在性条件的关系称为偏函数,违反唯一性条件的关系称为多值关系。由于图像本身并不记录目标集合,形式化定义通常写成三元组 (X, Y, G),使陪域成为数据的一部分。

函数记作 f:X→Yf: X \to Y,表示 f 将 X 映入 Y。对于输入 x,它在 Y 中对应的元素记作 f(x)f(x),读作"f of x",即"f 在 x 处的值"。两者的区别至关重要:f 是函数,是一个单一的对象;而 f(x)f(x) 是一个值,即 Y 中的一个元素。许多应用类教材会模糊这一点,写成"函数 f(x)",但严谨的约定是把符号 f 留给整个映射。映射箭头 x↦f(x)x \mapsto f(x) 在不命名函数的情况下,给出一般输入所遵循的规则。例如,x↦x2x \mapsto x^2 描述平方规则,读作"x 映到 x 的平方"。"map"和"mapping"这两个词通常被用作"函数"的同义词。

对于函数 f:X→Yf: X \to Y,X 称为其函数的定义域,Y 称为其陪域。f 的函数的像(有时也称为值域)是集合 f(X)={f(x):x∈X}f(X) = \{ f(x) : x \in X \},它是 Y 的一个子集。"range"一词有歧义,因为有些作者用它指陪域,因此用"像"更为稳妥。Y 的子集 B 的原像为 f−1(B)={x∈X:f(x)∈B}f^{-1}(B) = \{ x \in X : f(x) \in B \}。该集合对每个函数都有定义,无论 f 是否有逆。单点的原像称为 f 的纤维(fiber)。

陪域不必等于像。由 f(x)=x2f(x) = x^2 给出的函数 f:R→Rf: \mathbb{R} \to \mathbb{R} 的陪域是 ℝ,但其像是非负实数集,因为平方永远不为负。类似地,sin⁡:R→R\sin: \mathbb{R} \to \mathbb{R} 的像是 [−1, 1]。陪域是人为选定的目标集合,而像完全由规则决定。像充满整个陪域这一条件称为满射性,将在单独一节中讨论。

两个函数 f:X→Yf: X \to Y 与 g:X′→Y′g: X' \to Y' 当且仅当 X = X′、Y = Y′,且对 X 中每个 x 都有 f(x)=g(x)f(x) = g(x) 时才相等。定义域和陪域都必须一致,而不仅仅是规则相同。从 ℝ 到 ℝ 的 x↦x2x \mapsto x^2 与从 ℝ 到 [0, ∞) 的 x↦x2x \mapsto x^2 在每个输入上取值相同,但由于陪域不同,它们是不同的函数。若采用仅以序对集合定义函数的方式,二者的图像将完全相同,这正是定义中要包含陪域的原因。同样,去掉 0 的 ℝ 上的 x↦x2/xx \mapsto x^2/x 与 ℝ 上的 x↦xx \mapsto x 在两者都有定义的地方取值相同,但它们的定义域不同,因此不相等。因此,函数的相等性同时取决于定义域、陪域和规则,改变其中任何一项都会得到另一个函数。

历史发展

将输入与输出配对的做法,远早于"函数"一词的出现。古巴比伦的书吏编制过自然数的平方表、立方表和倒数表,这些表格可以被理解为从自然数到自然数的映射。今天的历史学家认为,巴比伦人实际上处理的是函数,但他们未必会用这样的语言来描述这项工作。书吏记录的是计算结果,而不是在研究把输入与输出联系起来的规则,因此这一概念本身通常被定在更晚的时期。

中世纪的学者也用图形的方式描述沿直线或曲线变化的量,这为后来的工作奠定了基础。决定性的一步出现在十七世纪:勒内·笛卡尔于1637年发表了《几何学》。他证明,平面上的任一点都可以用两个数来确定:它到某个固定参考点的水平距离,以及它到同一参考点的竖直距离。一旦点有了数值坐标,任何含两个变量的代数方程都可以被看作平面上的一条曲线。笛卡尔还按方程的次数对曲线进行分类。他研究的是代数曲线,并拒绝了后来分析学默认接受的超越曲线,因此他的框架只涵盖了后来被视为函数的一部分内容。

"函数"一词本身是由戈特弗里德·威廉·莱布尼茨引入的。在1673年的一份手稿中,他用"函数"来指沿曲线随点变化的量,例如切线或法线线段的长度。他还引入了"常量""变量"和"参数"等术语。约翰·伯努利在1694年至1698年间与莱布尼茨的通信中,将"函数"用于由单个变量构成的表达式;此后,约翰·伯努利又将这一术语用于任何以代数或超越方式构成的量。十八世纪,重心转向解析表达式。莱昂哈德·欧拉在1748年的《无穷分析引论》中就是在这一观点下工作的,其中代数运算可以无限重复,从而产生级数和乘积。欧拉于1734年引入了记号 f(x),并在1755年给出了更宽泛的定义:当一个量随其他量的变化而变化时,它就是这些量的函数。欧拉自己的做法模糊了函数与表示它的公式之间的界限。像正弦这样的三角量,在欧拉把它们当作函数处理之前,一直被视为与圆相关的线段。欧拉的定义仍然只包括解析函数,而解析函数只是连续函数中的一个受限子集。

真正的转折来自狄利克雷。他在1829年研究傅里叶级数时,需要在不假定某个解析公式的情况下对函数进行推理;1837年,他将函数定义为两组数之间的任意对应关系,使自变量的每个值恰好确定因变量的一个值。这使函数的概念与任何特定的表示方式分离开来。后来有批评者指出,狄利克雷的措辞允许对应关系以任何方式给出,这指向了一个更抽象的概念。十九世纪末和二十世纪初,随着集合论的发展,函数逐渐被等同于从其定义域与陪域的笛卡尔积中取出的有序对的集合。这一表述不再涉及任何规则或公式,成为二十世纪数学中的标准定义。

函数的表示方法

表示函数最常见的方式是用显式公式,由输入直接计算输出,例如 f(x)=x2+1f(x)=x^2+1 或 g(x)=1−x2g(x)=\sqrt{1-x^2}。公式本身并不确定一个函数,还必须指明定义域:1−x2\sqrt{1-x^2} 只在 [−1,1][-1,1] 上定义了一个实值函数。当一个规则无法覆盖所有输入时,函数可以分段定义,即在定义域的不同部分使用不同的公式。绝对值函数是标准例子:

∣x∣={x,x≥0−x,x<0|x| = \begin{cases} x, & x \ge 0 \\ -x, & x < 0 \end{cases}

取整函数 ⌊x⌋\lfloor x \rfloor 返回不超过 xx 的最大整数,它是一个有无穷多段的分段函数,因此 ⌊2.7⌋=2\lfloor 2.7 \rfloor = 2,而 ⌊−2.7⌋=−3\lfloor -2.7 \rfloor = -3。要使分段定义成立,各段之间不能以相互冲突的方式重叠。

有些函数只能通过有限个取值来了解,例如测量数据表、印刷的对数表或实验数据。表格只在其有限的输入集合上给出函数值,对其他点则没有任何说明。要得到中间的取值,可以使用插值,即把数据扩展为某个区间上的函数。线性插值用线段连接相邻的数据点,因此对于 x0≤x≤x1x_0 \le x \le x_1,有

p(x)=y0+x−x0x1−x0 (y1−y0).p(x) = y_0 + \frac{x - x_0}{x_1 - x_0}\,(y_1 - y_0).

多项式插值要寻找一个次数至多为 nn 的多项式,使其经过 n+1n+1 个横坐标互不相同的点;这样的多项式是唯一的,并且可以由拉格朗日公式显式写出。样条插值则改用低次多项式分段,并在连接处保持光滑。对同一张表使用不同的方法,通常会得到不同的函数,这也说明仅凭表格并不能唯一确定规则。这类逼近问题的研究属于逼近论。

函数还可以间接给出。一个方程可以联系输入与输出,而无需把任一变量解出:x2+y2=1x^2+y^2=1 并没有把 yy 定义为 xx 的单值函数,因为每个 (−1,1)(-1,1) 中的 xx 对应两个 yy 值。若限制 y≥0y \ge 0,便得到函数 y=1−x2y=\sqrt{1-x^2}。反函数是另一种间接方法。函数只有在其定义域上是单射时才有反函数,因此正弦函数先被限制在 [−π/2,π/2][-\pi/2, \pi/2] 上,其反函数即为反正弦函数。同样,自然对数被定义为指数函数的反函数:ln⁡y\ln y 是唯一满足 ex=ye^x = y 的 xx。兰伯特 W 函数由关系式 W(x)eW(x)=xW(x)e^{W(x)} = x 定义,它以更尖锐的形式展示了同样的问题。对某些自变量,该关系有多个解,因此只有在选定分支之后才能得到一个函数。

定义在自然数上的函数常采用递归的方式定义,即给出初始值以及一个用前面各项表示后一项的规则。阶乘由 0!=10! = 1 和 n!=n⋅(n−1)!n! = n\cdot(n-1)! 给出,斐波那契数由 F0=0F_0 = 0、F1=1F_1 = 1 以及 Fn+2=Fn+1+FnF_{n+2} = F_{n+1} + F_n 给出。这类定义即是由递推关系刻画的数列。递归定理保证,初始值与规则恰好确定一个函数。常系数线性递推通常有闭式解;对斐波那契数,比内公式给出 Fn=φn−ψn5F_n = \frac{\varphi^n - \psi^n}{\sqrt{5}},其中 φ,ψ=1±52\varphi, \psi = \frac{1 \pm \sqrt{5}}{2}。函数也可以由一个过程来指定。欧几里得算法通过规则 gcd⁡(a,b)=gcd⁡(b,a mod b)\gcd(a,b) = \gcd(b, a \bmod b) 计算最大公约数,并满足 gcd⁡(a,0)=a\gcd(a,0) = a。一个过程只有在定义域内的每个输入上都能停止时,才定义出一个全函数。哪些过程是可以被执行的,由可计算性理论加以形式化,该理论以图灵机作为模型;而停机问题表明,某些定义良好的函数并不存在这样的过程。

单射、满射与双射函数

三个性质描述了函数 f ⁣:X→Yf\colon X\to Y 如何将其取值分布在上域中。它们决定了一个函数何时可以被逆转,以及何时可以说两个集合具有相同的大小。

定义与例子

若 f(x1)=f(x2)f(x_1)=f(x_2) 必然推出 x1=x2x_1=x_2,即不同的输入总给出不同的输出,则称该函数为单射(一对一)。若上域中的每个元素都是 ff 的某个值,即像集等于上域,则称它为满射(到上)。两者兼备的函数是双射函数,它使 XX 与 YY 的元素两两配对,即两边的每个元素恰好有一个配对对象。

这些例子说明,这些性质既取决于映射法则,也取决于所选定义域与上域的组合。从 R\mathbb{R} 到 R\mathbb{R} 的映射 x↦2xx\mapsto 2x 是双射。R\mathbb{R} 上的平方映射 x↦x2x\mapsto x^2 两者都不是:f(1)=f(−1)f(1)=f(-1) 破坏了单射性,而没有实数映到 −1-1 则破坏了满射性。将定义域限制为 [0,∞)[0,\infty) 后它便是单射,将上域限制为 [0,∞)[0,\infty) 后它便是满射。从 R\mathbb{R} 到 R\mathbb{R} 的指数函数是单射但不是满射,因为它只取正值;若上域改为 (0,∞)(0,\infty),即从 R\mathbb{R} 到 (0,∞)(0,\infty),则它是双射。取整函数从 R\mathbb{R} 到 Z\mathbb{Z} 是满射但不是单射,因为每个区间 [n,n+1)[n,n+1) 都被映到同一个整数 nn。自然数集 {0,1,2,… }\{0,1,2,\dots\} 上的后继映射 n↦n+1n\mapsto n+1 是单射,但取不到 00。

对于大小相同的有限集合,这三种性质是一致的:两者之间的映射是单射当且仅当它是满射,这是鸽巢原理的推论。后继映射表明,这一结论对无限集合并不成立。

逆函数与单侧逆

双射 f ⁣:X→Yf\colon X\to Y 有逆 f−1 ⁣:Y→Xf^{-1}\colon Y\to X,其中 f−1(y)f^{-1}(y) 是满足 f(x)=yf(x)=y 的唯一的 xx。两个复合满足 f−1∘f=idXf^{-1}\circ f=\mathrm{id}_X 与 f∘f−1=idYf\circ f^{-1}=\mathrm{id}_Y。反过来,双侧逆只可能对双射存在。若映射 gg 同时满足这两个恒等式,则 ff 是单射,因为 f(x1)=f(x2)f(x_1)=f(x_2) 推出 x1=g(f(x1))=g(f(x2))=x2x_1=g(f(x_1))=g(f(x_2))=x_2;ff 也是满射,因为 y=f(g(y))y=f(g(y))。因此,双侧逆存在当且仅当 ff 是双射。

较弱的逆将两种性质区分开来。ff 的左逆是映射 g ⁣:Y→Xg\colon Y\to X,满足 g∘f=idXg\circ f=\mathrm{id}_X。在 XX 非空的前提下,此类映射存在当且仅当 ff 是单射:当 y=f(x)y=f(x) 时令 g(y)=xg(y)=x,否则指定一个任意固定值。右逆是映射 h ⁣:Y→Xh\colon Y\to X,满足 f∘h=idYf\circ h=\mathrm{id}_Y,它存在当且仅当 ff 是满射,因为可以为每个 yy 选取一个原像 h(y)h(y)。因此,单射等价于左逆的存在,满射等价于右逆的存在。

集合大小的比较

单射和满射使得无需计数元素即可比较集合。若存在单射 A→BA\to B,则记作 ∣A∣≤∣B∣|A|\le |B|;若存在双射,则记作 ∣A∣=∣B∣|A|=|B|。Cantor–Schröder–Bernstein 定理指出,两个方向的单射可以得到一个双射,因此这种比较是反对称的;该证明不需要选择公理。当集合存在到 N\mathbb{N} 的单射时,称其为可数集,这等价于它是有限集或与 N\mathbb{N} 双射。整数集与 N\mathbb{N} 之间存在双射,因此是可数的;有理数集也是可数的,因为存在从 N\mathbb{N} 到它的满射。实数集不可数:Cantor 对角线论证表明,不存在从 N\mathbb{N} 到 R\mathbb{R} 的满射,因此 ∣R∣|\mathbb{R}| 严格大于 ∣N∣|\mathbb{N}|。基数的概念将这些比较形式化。

从满射 B→AB\to A 也容易推出 ∣A∣≤∣B∣|A|\le |B|,因为人们希望从每个纤维(即原像集)中选取一个元素,以构造单射 A→BA\to B。对于良序的 BB,这种选取无需额外假设即可完成,但对于任意集合则不行。

选择公理的作用

为满射 f ⁣:X→Yf\colon X\to Y 选取右逆,意味着从每个纤维 f−1(y)f^{-1}(y) 中各选一个元素,而这些纤维构成的族可能是无限的且没有任何结构。在策梅洛—弗兰克尔集合论(ZF)中,选择公理正是保证此类同时选取可以实现的公理。“每个满射都有右逆”这一命题与选择公理等价,“满射 B→AB\to A 总能给出单射 A→BA\to B”这一命题同样如此。在没有该公理的情况下,某些满射可能没有右逆,于是借助满射比较大小的方法就变得不可靠。因此,集合论与分析中的许多标准结论都区分了只需要单射存在的命题,与需要选取原像的命题。

复合、限制与函数的代数运算

若 g ⁣:X→Yg\colon X\to Y,f ⁣:Y→Zf\colon Y\to Z,则它们的函数复合 f∘g ⁣:X→Zf\circ g\colon X\to Z 定义为 (f∘g)(x)=f(g(x))(f\circ g)(x)=f(g(x))。gg 的输出成为 ff 的输入,因此只有当 gg 的像集落在 ff 的定义域内时,该规则才对每个输入都适用。否则,复合函数只在那些使 g(x)g(x) 落入该定义域的 xx 上有定义。例如,f(x)=xf(x)=\sqrt{x} 与 g(x)=x2−1g(x)=x^2-1 给出 x2−1\sqrt{x^2-1},它恰好在 ∣x∣≥1|x|\ge 1 时有定义。

复合满足结合律:h∘(g∘f)=(h∘g)∘fh\circ(g\circ f)=(h\circ g)\circ f,因为两边都把 xx 映到 h(g(f(x)))h(g(f(x)))。因此,对于 f∘f∘ff\circ f\circ f 这样的迭代复合,可以省略括号。迭代 fnf^{n} 由 f0=idf^{0}=\mathrm{id} 与 fn+1=f∘fnf^{n+1}=f\circ f^{n} 定义,这一记号是动力系统研究的核心。恒等函数 idX(x)=x\mathrm{id}_X(x)=x 起着中性元的作用:f∘idX=ff\circ\mathrm{id}_X=f,且 idY∘f=f\mathrm{id}_Y\circ f=f。

复合不满足交换律。取 f(x)=x+1f(x)=x+1,g(x)=2xg(x)=2x。则 (f∘g)(x)=2x+1(f\circ g)(x)=2x+1,而 (g∘f)(x)=2x+2(g\circ f)(x)=2x+2。即使两个复合都有定义,它们通常也不相等,只有在特殊情形下才会相同。复合关于加法的左分配律也不成立。取 f(x)=x2f(x)=x^2,g(x)=xg(x)=x,h(x)=1h(x)=1,则 f∘(g+h)=(x+1)2f\circ(g+h)=(x+1)^2,它不等于 f∘g+f∘h=x2+1f\circ g+f\circ h=x^2+1。而复合关于逐点运算的右分配律成立,即 (f+k)∘g=f∘g+k∘g(f+k)\circ g=f\circ g+k\circ g。复合还保持下文研究的性质:单射的复合仍是单射,满射的复合仍是满射。在 X→XX\to X 的双射之间,复合满足结合律,有单位元,且每个元素都有逆元,因此这些双射构成一个群,即 XX 上的对称群。

具有公共定义域的函数可以逐点组合。若 ff 与 gg 把集合 DD 映到 R\mathbb{R},则定义 (f+g)(x)=f(x)+g(x)(f+g)(x)=f(x)+g(x),(f−g)(x)=f(x)−g(x)(f-g)(x)=f(x)-g(x),(fg)(x)=f(x)g(x)(fg)(x)=f(x)g(x),以及对常数 cc,(cf)(x)=c f(x)(cf)(x)=c\,f(x)。商 f/gf/g 定义在所有使 g(x)≠0g(x)\neq 0 的点上。当两个定义域不同时,组合函数的自然定义域是两者的交集。由于这些运算是逐值计算的,它们继承了值域的代数规律。因此,从固定集合 XX 到 R\mathbb{R} 的全体函数,在逐点运算下构成一个交换环;若只使用加法与数乘,则它构成一个向量空间。零函数与常值函数 11 分别充当加法与乘法的单位元。这种向量空间结构是本文后面讨论的函数空间的出发点。

若对于 AA 中的所有 x∈Ax\in A 都有 g(x)=f(x)g(x)=f(x),则称 gg 是 ff 在定义域的子集 AA 上的限制,记作 f∣Af|_A。限制会丢失信息。单射函数限制后仍是单射,但满射性可能丧失,因为只在 AA 之外取到的值会从像中消失。其逆运算是延拓:当 F∣A=fF|_A=f 时,称 FF 是 ff 的延拓。延拓一般不唯一。[0,1][0,1] 上的函数 x↦xx\mapsto x 可以延拓到 R\mathbb{R} 上,例如延拓为 xx,或为 ∣x∣|x|,或为任何在 [0,1][0,1] 上与 xx 一致的函数。

限制自然地引出偏函数,即定义在其名义定义域某个子集上的函数。例如 1/x1/x,定义在 R∖{0}\mathbb{R}\setminus\{0\} 上;又如只需要实数值时的 x\sqrt{x},限制在 [0,∞)[0,\infty) 上。偏函数的复合定义在每一步都有定义的点集上,即 {x∈dom⁡g:g(x)∈dom⁡f}\{x\in\operatorname{dom} g : g(x)\in\operatorname{dom} f\}。偏函数使一个表达式能在其自然定义域的一部分上有意义,而无需在所有点上都强行赋值。此类推广的形式化处理留待后面的小节讨论。

实值函数的基本性质

对于函数 f:I→Rf : I \to \mathbb{R}(其中 II 是实数轴的子集),其许多性质无需详细计算,仅凭它的取值和图像即可读出。当 x<yx < y 必然推出 f(x)≤f(y)f(x) \le f(y) 时,称该函数在 II 上递增;若上述不等式为严格不等式,则称严格递增。递减与严格递减的定义方式相同,只需将不等号反向。在上述任一意义下递增或递减的函数称为单调函数。在区间上,若导数处处非负,则函数是非减的,这一结论通常借助中值定理证明。单调性还有结构性的推论:区间上的单调函数在每个内点都有单侧极限,其间断点只能是跳跃型的,并且至多可数个。

有界性关注的是取值的范围,而非取值的大小次序。若存在常数 MM,使得对定义域中所有 xx 都有 f(x)≤Mf(x) \le M,则称函数有上界;若存在类似的下界常数,则称有下界;两者同时成立则称有界。等价地说,当函数的取值落在某个有限区间内时,函数有界。正弦函数和余弦函数的绝对值都不超过 1,而 x2x^2 在实数轴上有下界但没有上界。取值集合的上确界与下确界(在存在时分别为最小上界与最大下界)给出这些估计中最精确的常数。

奇偶性描述函数在关于原点反射下的行为。当对定义域中每个 xx 都有 f(−x)=f(x)f(-x) = f(x) 时,函数是偶函数,其图像关于 y 轴对称;当 f(−x)=−f(x)f(-x) = -f(x) 时,函数是奇函数,其图像关于原点作半圈旋转后不变。奇函数与偶函数是根据这种对称性定义的:若对定义域中所有 xx 都有 f(−x)=−f(x)f(-x) = -f(x),则 ff 为奇函数;若对所有 xx 都有 f(−x)=f(x)f(-x) = f(x),则 ff 为偶函数。例子包括 x2x^2 与 cos⁡x\cos x(偶函数),以及 x3x^3、sin⁡x\sin x 与 tan⁡x\tan x(奇函数)。许多函数既非奇函数也非偶函数:exe^x 不具有这类对称性,但它可以分解为偶部 cosh⁡x\cosh x 与奇部 sinh⁡x\sinh x。该分解为 fe(x)=12(f(x)+f(−x))f_e(x) = \tfrac{1}{2}\bigl(f(x)+f(-x)\bigr) 与 fo(x)=12(f(x)−f(−x))f_o(x) = \tfrac{1}{2}\bigl(f(x)-f(-x)\bigr),二者之和为 ff。奇偶性的运算规则是乘法式的:两个偶函数之积、或两个奇函数之积为偶函数,偶函数与奇函数之积为奇函数。奇偶性还会约束展开式:偶函数的麦克劳林级数只含偶次幂,周期奇函数的傅里叶级数只含正弦项。

周期性指函数在固定平移量下重复其取值。若 T≠0T \neq 0,且对所有 xx 都有 f(x+T)=f(x)f(x+T) = f(x),则称 ff 以 TT 为周期。存在时,最小的正周期称为基本周期。正弦函数与余弦函数的基本周期为 2π2\pi,而 tan⁡x\tan x 的周期为 π\pi。两个周期函数之和是周期函数,仅当它们的周期可通约(即周期之比为有理数)时才成立;例如 sin⁡x+sin⁡(πx)\sin x + \sin(\pi x) 就不是周期函数。有理数的指示函数以每个有理数为周期,因此它根本不存在基本周期,这说明周期的概念有时会出现出人意料的情形。

图像变换展示了公式的改变如何反映在图像上。对常数 c>0c > 0,f(x)+cf(x) + c 的图像即是 ff 的图像向上平移 cc 个单位;f(x−h)f(x - h) 则使图像向右平移 hh 个单位,自变量内部的符号与直觉相反。将输出乘以 aa 会使图像沿竖直方向伸缩 ∣a∣|a| 倍,若 aa 为负,还会关于 x 轴翻折。将 xx 替换为 bxbx 会使图像沿水平方向压缩或拉伸 ∣b∣|b| 倍。映射 x↦−xx \mapsto -x 关于 y 轴翻折,因此偶函数在该映射下保持不变。例如,sin⁡(2x)\sin(2x) 的周期为 π\pi,而 (x−2)2+3(x-2)^2 + 3 是抛物线 x2x^2 向右平移两个单位、向上平移三个单位后的图像。

凸性是一种形状条件。区间上的函数 ff 称为凸函数,若对区间内任意两点 x,yx, y 以及任意 λ∈[0,1]\lambda \in [0,1],都有 f(λx+(1−λ)y)≤λf(x)+(1−λ)f(y)f(\lambda x + (1-\lambda)y) \le \lambda f(x) + (1-\lambda)f(y);即图像上任意两点之间的弦从不位于图像下方。凹性则使不等号反向。对二阶可导函数而言,凸性等价于二阶导数非负,由此可以判定 exe^x、x2x^2 与 −ln⁡x-\ln x 都是凸函数。凸函数在求和、乘以非负常数以及逐点取最大值的运算下仍保持凸性。凸性是詹森不等式成立的前提。该不等式的渊源可追溯到奥托·赫尔德(Otto Hölder)1889 年的工作,其一般形式由约翰·延森(Johan Jensen)于 1906 年证明。

詹森不等式的有限形式表述为:若 ff 为凸函数,pip_i 为和为 1 的正权重,xix_i 为定义域中的点,则 f(∑pixi)≤∑pif(xi)f\left(\sum p_i x_i\right) \le \sum p_i f(x_i)。在概率论中,对随机变量 XX 与凸函数 φ\varphi,该不等式的形式为 φ(E[X])≤E[φ(X)]\varphi(\mathbb{E}[X]) \le \mathbb{E}[\varphi(X)],不等式两侧之差称为詹森间隙。在严格凸的情形下,等号仅当所有 xix_i 相同,或 XX 几乎必然为常数时成立。对凹函数,不等号方向相反。一个标准应用利用 ln⁡\ln 的凹性:对正数 a,ba, b 取相等的权重应用该不等式,得到 ab≤a+b2\sqrt{ab} \le \tfrac{a+b}{2},即算术–几何平均不等式。詹森不等式在统计学、信息论与经济学中被广泛使用,用以刻画曲率对平均值的影响。

初等函数

初等函数是代数、几何和微积分中最常出现的函数。它们由一小组基本类型经过四则运算、复合以及取反函数构造而成。它们的定义域和性质已被充分了解,并且是函数一般理论的参考范例。

多项式函数的形式为 p(x)=anxn+⋯+a1x+a0p(x)=a_nx^n+\cdots+a_1x+a_0,其中 an≠0a_n\neq 0。次数 nn 决定了端点行为,因为当 ∣x∣|x| 很大时,最高次项起主导作用。一个次数为 nn 的非零多项式至多有 nn 个实根(计入重数)。在复数范围内,它恰好有 nn 个根,这正是代数基本定理的内容。多项式在整个实数轴上处处连续,且处处可导。

有理函数是两个多项式的商 r(x)=p(x)/q(x)r(x)=p(x)/q(x),在 q(x)≠0q(x)\neq 0 的点上有定义。它的根是 pp 的零点中未被 qq 的零点抵消的那些。在 qq 的零点处,若 pp 不为零,则出现极点,此时 ∣r(x)∣|r(x)| 无界增长。若存在公因式相消,则间断点是可去的:(x2−1)/(x−1)(x^2-1)/(x-1) 除 x=1x=1 外等于 x+1x+1。渐近行为可通过比较次数得到。若 deg⁡p<deg⁡q\deg p<\deg q,则直线 y=0y=0 是水平渐近线。若次数相等,则水平渐近线为 y=a/by=a/b,其中 aa 和 bb 分别是 pp 和 qq 的首项系数。若 deg⁡p=deg⁡q+1\deg p=\deg q+1,则图像有斜渐近线。函数 1/x1/x 体现了第一种情形,它在 0 处有极点,水平渐近线为 y=0y=0。

当 b>0b>0 且 b≠1b\neq 1 时,指数函数 x↦bxx\mapsto b^x 严格单调,值域为 (0,∞)(0,\infty)。它的反函数是对数函数 log⁡b\log_b,定义在正实数上。底数 e≈2.71828e\approx 2.71828 是 lim⁡n→∞(1+1/n)n\lim_{n\to\infty}(1+1/n)^n 的值,其特殊之处在于 exe^x 的导数就是它自身。自然对数可写为 ln⁡x=∫1xdtt\ln x=\int_1^x \frac{dt}{t}。换底公式 log⁡bx=ln⁡x/ln⁡b\log_b x=\ln x/\ln b 以及恒等式 bx=exln⁡bb^x=e^{x\ln b} 可将任意指数函数和对数函数化归为以 ee 为底的情形。这也是微积分教材几乎总是使用 exe^x 和 ln⁡x\ln x 的原因。

三角函数 sin⁡\sin、cos⁡\cos 和 tan⁡\tan 由单位圆定义,周期为 2π2\pi。其基本恒等式包括 sin⁡2x+cos⁡2x=1\sin^2x+\cos^2x=1 以及加法公式 sin⁡(x+y)=sin⁡xcos⁡y+cos⁡xsin⁡y\sin(x+y)=\sin x\cos y+\cos x\sin y。欧拉公式 eix=cos⁡x+isin⁡xe^{ix}=\cos x+i\sin x 将它们与指数函数联系起来,这一联系在复值函数一节中有进一步的阐述。双曲函数由 cosh⁡x=ex+e−x2\cosh x=\tfrac{e^x+e^{-x}}{2}、sinh⁡x=ex−e−x2\sinh x=\tfrac{e^x-e^{-x}}{2} 和 tanh⁡x=sinh⁡x/cosh⁡x\tanh x=\sinh x/\cosh x 定义。它们满足 cosh⁡2x−sinh⁡2x=1\cosh^2x-\sinh^2x=1,这与三角恒等式相平行,只是用双曲线代替了圆。cosh⁡\cosh 的图像是一根自由悬挂的缆绳所形成的曲线,称为悬链线。其反函数 arsinh⁡x=ln⁡(x+x2+1)\operatorname{arsinh}x=\ln\bigl(x+\sqrt{x^2+1}\bigr) 表明这些函数如何化归为对数函数。

初等函数还可分为代数函数和超越函数。若存在非零多项式 P(x,y)P(x,y) 使得 P(x,f(x))=0P(x,f(x))=0 恒成立,则函数 ff 为代数函数。多项式、有理函数以及 x\sqrt{x}、x3\sqrt[3]{x} 等根式都是代数函数,对它们进行有限次四则运算和开方所得的任何函数也是代数函数。不是代数函数的函数称为超越函数。指数函数 exe^x、对数函数 ln⁡x\ln x 以及三角函数 sin⁡x\sin x 和 cos⁡x\cos x 都是超越函数。同样的区分也适用于数:林德曼于 1882 年证明了 π\pi 是超越数,ee 同样是超越数。超越函数无法通过有限次代数运算定义,这也是它们通常通过极限、积分或幂级数引入的原因之一。

极限与连续性

函数的极限描述的是当 xx 趋近于点 aa 时 f(x)f(x) 所趋近的值,并且它不要求 ff 在 aa 处有定义。形式化地说,lim⁡x→af(x)=L\lim_{x\to a} f(x)=L 表示:对每个 ε>0\varepsilon>0,存在 δ>0\delta>0,使得 0<∣x−a∣<δ0<|x-a|<\delta 蕴含 ∣f(x)−L∣<ε|f(x)-L|<\varepsilon。条件 0<∣x−a∣0<|x-a| 排除了 aa 本身,因此尽管 sin⁡x/x\sin x / x 在 x=0x=0 处无定义,它在该点的极限仍为 1。把 xx 限制在 aa 的某一侧,就得到单侧极限,记作 lim⁡x→a−\lim_{x\to a^-} 和 lim⁡x→a+\lim_{x\to a^+}。双侧极限存在,当且仅当两个单侧极限都存在且相等。赫维赛德阶跃函数在 x<0x<0 时取 0,在 x≥0x\ge 0 时取 1,它在 0 处的左极限为 0,右极限为 1,因此该点不存在双侧极限。

若 aa 属于函数的定义域且 lim⁡x→af(x)=f(a)\lim_{x\to a} f(x)=f(a),则称 ff 在点 aa 处连续;若 ff 在某集合的每一点都连续,则称 ff 在该集合上连续。连续函数的和、积以及商(分母非零)仍然连续。连续性在复合运算下也保持不变:若 gg 在 aa 处连续,且 ff 在 g(a)g(a) 处连续,则 f∘gf\circ g 在 aa 处连续。因此,多项式、有理函数、指数函数和三角函数在其定义域内都是连续的。

间断点根据单侧极限的行为进行分类。在可去间断点处,双侧极限存在,但 f(a)f(a) 或者没有定义,或者与该极限不相等,因此只要重新定义 aa 处的函数值,缺陷即可消除。在跳跃间断点处,两个单侧极限都存在且为有限值,但彼此不相等,例如取整函数在整数处的情形。在第二类间断点处,至少有一个单侧极限不存在或为无穷。例子包括 1/x1/x 在 0 处的极点,以及 sin⁡(1/x)\sin(1/x) 在 0 处的振荡。狄利克雷函数在有理数上取值 1,在其他点取值 0,它在每一点都不连续。

对于闭有界区间 [a,b][a,b] 上的连续函数,有两个整体性定理成立。介值定理指出:若 cc 严格位于 f(a)f(a) 与 f(b)f(b) 之间,则存在 (a,b)(a,b) 中的某个 xx,使得 f(x)=cf(x)=c。该定理的证明依赖于实数的完备性,它的一个标准推论是:每个实系数奇次多项式都有实根。极值定理指出:这样的函数在 [a,b][a,b] 上必定取得最大值和最小值。两个条件都是必要的:(0,1](0,1] 上的 1/x1/x 无界;开区间 (0,1)(0,1) 上的 xx 既无最大值也无最小值。这两个定理都是关于连通集和紧集的更一般结果的特例。

连续性是一个逐点性质,因为定义中的 δ\delta 可以依赖于所考虑的点。一致连续性要求:对每个 ε>0\varepsilon>0,都存在一个统一的 δ>0\delta>0,使得对集合中所有的 x,yx,y,只要 ∣x−y∣<δ|x-y|<\delta,就有 ∣f(x)−f(y)∣<ε|f(x)-f(y)|<\varepsilon。函数 x2x^2 在 R\mathbb{R} 上连续,但在 R\mathbb{R} 上不一致连续,因为当 xx 增大时,相同的自变量步长会带来越来越大的函数值变化。Heine–Cantor 定理指出:紧集上的连续函数一定一致连续。函数 1/x1/x 在 (0,1)(0,1) 上的情形说明,紧性这一条件不能简单地去掉。

更强的条件是利普希茨连续性:存在常数 L≥0L\ge 0,使得对定义域中所有 x,yx,y,都有 ∣f(x)−f(y)∣≤L∣x−y∣|f(x)-f(y)|\le L|x-y|。从几何上看,图像的每条割线斜率的绝对值都被 LL 所界定。利普希茨函数一定是一致连续的,因为取 δ=ε/L\delta=\varepsilon/L 即可满足要求。反之不成立:函数 x\sqrt{x} 在 [0,∞)[0,\infty) 上一致连续,但它在 0 附近的割线斜率无界,因此不是利普希茨函数。函数 x2x^2 在每个有界区间上都是利普希茨函数,但在 R\mathbb{R} 上不是。若函数可微且 ∣f′∣≤L|f'|\le L,则由中值定理可知 LL 是一个利普希茨常数。当 L<1L<1 时,利普希茨映射是压缩映射,这正是巴拿赫不动点定理所研究的情形。

微分与积分

作为最佳线性近似的导数

对于定义在点 aa 附近的实值函数 ff,差商 f(a+h)−f(a)h\frac{f(a+h)-f(a)}{h} 给出了长度为 hh 的区间上的平均变化率。当极限存在时,导数 f′(a)f'(a) 就是当 hh 趋于零时该差商的极限。同一事实也可以用近似的方式表述:当且仅当存在某个数 LL 满足

f(a+h)=f(a)+Lh+o(h)(h→0)f(a+h) = f(a) + Lh + o(h) \quad (h \to 0)

时,ff 在 aa 处可微。因此,切线 y=f(a)+f′(a)(x−a)y = f(a) + f'(a)(x-a) 是在 aa 处与 ff 一阶吻合的唯一直线。这一观点可以推广到多元情形,此时导数成为一个线性映射,并由雅可比矩阵表示。

不同的记号反映了不同的学术传统。莱布尼茨写作 dydx\frac{dy}{dx} 和 ddxf\frac{d}{dx}f,这把微分视为一种算子,并使链式法则看起来像微分的约去。拉格朗日引入了撇号 f′f';牛顿在力学中用变量上方加点表示关于时间的导数;欧拉则使用算子 DD。

求导法则与中值定理

基本的求导法则可由极限定义推出。和法则给出 (f+g)′=f′+g′(f+g)' = f' + g',积法则给出 (fg)′=f′g+fg′(fg)' = f'g + fg'。当 g≠0g \neq 0 时,商法则给出 (fg)′=f′g−fg′g2\left(\frac{f}{g}\right)' = \frac{f'g - fg'}{g^2}。链式法则表述为 (f∘g)′(x)=f′(g(x)) g′(x)(f \circ g)'(x) = f'(g(x))\,g'(x)。其证明体现了近似的观点:复合两个线性近似得到一个线性近似,其斜率为两个斜率之积。

中值定理指出:若 ff 在 [a,b][a,b] 上连续,在 (a,b)(a,b) 内可微,则存在 (a,b)(a,b) 中的点 cc,使得

f′(c)=f(b)−f(a)b−a.f'(c) = \frac{f(b)-f(a)}{b-a}.

当 f(a)=f(b)f(a)=f(b) 时,它的特例即为罗尔定理。由此可推出若干结论:在某区间上导数恒为零的函数在该区间上为常数;导数非负则函数单调不减;导数以常数 KK 为界则函数是常数为 KK 的利普希茨连续函数。

定积分与黎曼和

定积分 ∫abf(x) dx\int_a^b f(x)\,dx 旨在度量 ff 的图像与水平轴之间的有向面积:位于轴上方的面积计为正,位于轴下方的面积计为负。严格的构造由伯恩哈德·黎曼于19世纪50年代提出,过程如下。将 [a,b][a,b] 分划为点 a=x0<x1<⋯<xn=ba = x_0 < x_1 < \dots < x_n = b,在每个子区间 [xi−1,xi][x_{i-1}, x_i] 中选取标记点 tit_i,并构造黎曼和

S=∑i=1nf(ti) (xi−xi−1).S = \sum_{i=1}^{n} f(t_i)\,(x_i - x_{i-1}).

如果当最大子区间长度趋于零时,无论标记点如何选取,这些和都趋于同一个值,则该值即为黎曼积分。闭有界区间上的每个连续函数在这一意义下都是可积的。勒贝格判别准则给出了精确的刻画:有界函数黎曼可积,当且仅当其间断点集的勒贝格测度为零。

微积分基本定理与勒贝格推广

微积分基本定理包含两个部分。第一,若 ff 连续,且 F(x)=∫axf(t) dtF(x) = \int_a^x f(t)\,dt,则 FF 可微且 F′=fF' = f。第二,若 FF 是 ff 在 [a,b][a,b] 上的任一原函数,则 ∫abf(x) dx=F(b)−F(a)\int_a^b f(x)\,dx = F(b) - F(a)。两者合起来表明,在相差一个常数的意义下,积分与微分互为逆运算;第二部分则把积分的计算转化为寻找原函数的问题。牛顿和莱布尼茨在17世纪末各自独立发现了这一联系。

黎曼积分有其局限。狄利克雷函数在有理数上取值为1,在其他点取值为0,它在每个区间上的上黎曼和都为1,下黎曼和都为0,因此它不是黎曼可积的。与之相对,勒贝格积分对函数的值域进行划分,并以各水平集的测度作为权重。这里的测度在测度论中定义,并依赖于由可测集组成的σ代数。在此定义下,狄利克雷函数是可积的,积分值为0,因为有理数集的测度为零。勒贝格框架还使得在单调收敛定理和控制收敛定理的条件下,极限运算与积分运算可以交换次序。

对于勒贝格积分,微积分基本定理以较弱的形式成立。若 ff 勒贝格可积,则 F(x)=∫axfF(x)=\int_a^x f 几乎处处可微,且 F′=fF' = f 几乎处处成立。然而,仅仅几乎处处可微不足以由导数恢复 FF。康托尔函数是单调不减的,其导数几乎处处为零,但它却从0上升到1。正确的条件是绝对连续性:在此条件下,F(b)−F(a)F(b)-F(a) 等于 F′F' 的积分。

多元函数与向量值函数

对于多输入函数 f:Rn→Rf:\mathbb{R}^n\to\mathbb{R},导数是逐个坐标分别求的。ff 在点 aa 处关于 xix_i 的偏导数为 ∂f∂xi(a)=lim⁡h→0f(a+hei)−f(a)h,\frac{\partial f}{\partial x_i}(a)=\lim_{h\to 0}\frac{f(a+he_i)-f(a)}{h}, 其中 eie_i 是第 ii 个标准基向量,其他变量都保持不变。对于 f(x,y)=x2yf(x,y)=x^2y,有 ∂f/∂x=2xy\partial f/\partial x=2xy,∂f/∂y=x2\partial f/\partial y=x^2。花体 d 符号 ∂\partial 通常归功于勒让德。

把所有偏导数组成一个向量,就得到梯度 ∇f=(∂f/∂x1,…,∂f/∂xn)\nabla f=(\partial f/\partial x_1,\dots,\partial f/\partial x_n)。梯度指向 ff 增长最快的方向,其长度即为该方向上的增长速率。对于单位向量 vv,方向导数为 Dvf(a)=lim⁡t→0f(a+tv)−f(a)tD_vf(a)=\lim_{t\to 0}\frac{f(a+tv)-f(a)}{t}。若 ff 在 aa 处可微,则它等于 ∇f(a)⋅v\nabla f(a)\cdot v。

偏导数存在并不能推出可微。函数 f(x,y)=xyx2+y2f(x,y)=\dfrac{xy}{x^2+y^2}(并规定 f(0,0)=0f(0,0)=0)在原点处两个偏导数都等于零。然而沿对角线 y=xy=x,它恒取值 1/21/2,因此在原点不连续,也不可微。在坐标轴以外的方向上,它的方向导数也不存在。

雅可比矩阵与可微映射

映射 f:Rn→Rmf:\mathbb{R}^n\to\mathbb{R}^m 在 aa 处可微,是指存在某个线性映射 LL,使得 f(a+h)=f(a)+Lh+o(∣h∣)f(a+h)=f(a)+Lh+o(|h|)。这样的 LL 是唯一的,它由雅可比矩阵 Jf(a)J_f(a) 表示,其元素为 ∂fi/∂xj\partial f_i/\partial x_j。一个常用的充分条件是:所有偏导数在 aa 附近存在且连续。此时链式法则可以写成矩阵乘积,即 Jg∘f(a)=Jg(f(a)) Jf(a)J_{g\circ f}(a)=J_g(f(a))\,J_f(a)。雅可比行列式度量局部的体积变化。对于极坐标变换 (r,θ)↦(rcos⁡θ, rsin⁡θ)(r,\theta)\mapsto(r\cos\theta,\,r\sin\theta),其行列式等于 rr,这正是 dx dy=r dr dθdx\,dy=r\,dr\,d\theta 中那个因子的来源。标量函数的二阶偏导数组成的矩阵称为海森矩阵,用于对临界点进行分类。

水平集、隐函数定理与拉格朗日乘数

水平集是形如 {x:f(x)=c}\{x: f(x)=c\} 的集合。在 ∇f≠0\nabla f\neq 0 处,梯度与水平集垂直。隐函数定理指出:若 F(x,y)=0F(x,y)=0,FF 连续可微,且在某个解点处 ∂F/∂y\partial F/\partial y 可逆,则在该点附近,解集是某个连续可微函数 y=g(x)y=g(x) 的图像。例如对于 F(x,y)=x2+y2−1F(x,y)=x^2+y^2-1,在 (0,1)(0,1) 处有 ∂F/∂y=2≠0\partial F/\partial y=2\neq 0,因此单位圆在该点附近可写成 y=1−x2y=\sqrt{1-x^2}。而在 (1,0)(1,0) 处导数为零,不存在这样的图像,因为圆在该点的切线是竖直的。

在约束优化中,设 x0x_0 是 ff 在集合 g(x)=cg(x)=c 上的局部极值点,且 ∇g(x0)≠0\nabla g(x_0)\neq 0。则存在标量 λ\lambda(称为拉格朗日乘数),使得 ∇f(x0)=λ∇g(x0)\nabla f(x_0)=\lambda\nabla g(x_0)。等价地,x0x_0 是拉格朗日量 L(x,λ)=f(x)−λ (g(x)−c)\mathcal{L}(x,\lambda)=f(x)-\lambda\,(g(x)-c) 的驻点。要在约束 x+y=10x+y=10 下最大化 xyxy,需解 (y,x)=λ(1,1)(y,x)=\lambda(1,1) 并同时满足 x+y=10x+y=10。由此得 x=y=5x=y=5,最大值为 25。这类方法是数学优化的核心。

向量值函数、曲线与积分

向量值函数 r:R→R3\mathbf r:\mathbb{R}\to\mathbb{R}^3,记为 r(t)=(x(t),y(t),z(t))\mathbf r(t)=(x(t),y(t),z(t)),描绘出一条参数化曲线。它的速度为 r′(t)\mathbf r'(t),在区间 [a,b][a,b] 上的弧长为 ∫ab∣r′(t)∣ dt\int_a^b|\mathbf r'(t)|\,dt。对于螺旋线 r(t)=(cos⁡t,sin⁡t,t)\mathbf r(t)=(\cos t,\sin t,t),其速率恒为 2\sqrt{2},因此在 [0,2π][0,2\pi] 上的长度为 2π22\pi\sqrt{2}。

沿曲线 CC 的标量曲线积分为 ∫Cf ds=∫abf(r(t)) ∣r′(t)∣ dt\int_C f\,ds=\int_a^b f(\mathbf r(t))\,|\mathbf r'(t)|\,dt。对于向量场 F\mathbf F,线积分 ∫CF⋅dr=∫abF(r(t))⋅r′(t) dt\int_C\mathbf F\cdot d\mathbf r=\int_a^b\mathbf F(\mathbf r(t))\cdot\mathbf r'(t)\,dt 计算的是力沿路径所做的功。若 F=∇φ\mathbf F=\nabla\varphi,则该值只取决于端点,且等于 φ(终点)−φ(起点)\varphi(\text{终点})-\varphi(\text{起点})。对于由 Φ(u,v)\Phi(u,v) 参数化的曲面 SS,其上的曲面积分为 ∬Sf dS=∬f(Φ(u,v)) ∣Φu×Φv∣ du dv\iint_S f\,dS=\iint f(\Phi(u,v))\,|\Phi_u\times\Phi_v|\,du\,dv。对于单位球面,有 ∣Φφ×Φθ∣=sin⁡φ|\Phi_\varphi\times\Phi_\theta|=\sin\varphi,在 φ∈[0,π]\varphi\in[0,\pi]、θ∈[0,2π]\theta\in[0,2\pi] 上积分即得面积 4π4\pi。向量场穿过曲面的通量为 ∬SF⋅n dS\iint_S\mathbf F\cdot\mathbf n\,dS。格林定理、斯托克斯定理和散度定理把这些积分与区域边界上的积分联系起来。

函数级数与函数列

幂级数

以 cc 为中心的幂级数形如 ∑n≥0an(x−c)n\sum_{n\ge 0} a_n (x-c)^n。对每个这样的级数,都存在收敛半径 R∈[0,∞]R\in[0,\infty],由柯西–阿达马公式 1/R=lim sup⁡n→∞∣an∣1/n1/R=\limsup_{n\to\infty}|a_n|^{1/n} 给出。当 ∣x−c∣<R|x-c|<R 时级数绝对收敛,当 ∣x−c∣>R|x-c|>R 时发散;边界 ∣x−c∣=R|x-c|=R 上的情形需要另行检验。几何级数 ∑xn\sum x^n 的 R=1R=1,在 (−1,1)(-1,1) 上的和为 1/(1−x)1/(1-x);指数级数 ∑xn/n!\sum x^n/n! 的 R=∞R=\infty。在收敛圆盘内部,幂级数定义的函数是无穷可微的,并且可以逐项求导和逐项积分。这正是幂级数成为表示解析函数的主要手段的原因。在复数域上,收敛半径由和函数无法延拓的最近点决定,这使该理论与复分析联系起来。

泰勒展开与傅里叶展开

若 ff 在 cc 处无穷可微,则其泰勒级数为 ∑n≥0f(n)(c)n!(x−c)n\sum_{n\ge 0} \frac{f^{(n)}(c)}{n!}(x-c)^n。带拉格朗日余项的泰勒定理表明,第 nn 次泰勒多项式对 ff 的逼近误差可由 (n+1)(n+1) 阶导数控制,但这并不意味着该级数收敛于 ff。标准反例是:当 x≠0x\neq 0 时 f(x)=e−1/x2f(x)=e^{-1/x^2},且 f(0)=0f(0)=0。此函数在 0 处的所有导数均为零,因此 0 处的泰勒级数恒等于零,而 ff 本身并不恒为零。可见,只有在成立余项估计的情形下,泰勒级数才能局部地描述函数。

傅里叶级数用三角函数展开周期函数。对周期为 2π2\pi 的函数,可写成 a02+∑n≥1(ancos⁡nx+bnsin⁡nx)\frac{a_0}{2}+\sum_{n\ge 1}(a_n\cos nx+b_n\sin nx),其中系数为 an=1π∫−ππf(x)cos⁡nx dxa_n=\frac{1}{\pi}\int_{-\pi}^{\pi} f(x)\cos nx\,dx,bn=1π∫−ππf(x)sin⁡nx dxb_n=\frac{1}{\pi}\int_{-\pi}^{\pi} f(x)\sin nx\,dx。在分段光滑等温和的条件下逐点收敛成立;在跳跃间断点处,级数收敛于两侧极限的平均值,并且部分和在跳跃点附近会出现超调,这一现象称为吉布斯现象。费耶尔证明了:对任何连续周期函数,部分和的切萨罗平均都一致收敛,这消除了平均和中的这些困难。对于平方可积函数,系数满足帕塞瓦尔恒等式,且级数在 L2L^2 意义下收敛。卡莱松于1966年证明了 L2L^2 函数的傅里叶级数几乎处处收敛;而柯尔莫戈洛夫于1923年构造了一个 L1L^1 函数,其傅里叶级数处处发散。这些展开可视为连续情形的类比,与傅里叶变换相联系。

逐点收敛与一致收敛

若对集合 EE 中每个 xx 都有 fn(x)→f(x)f_n(x)\to f(x),则称函数列 fnf_n 在 EE 上逐点收敛于 ff,且收敛速度允许依赖于 xx。若 sup⁡x∈E∣fn(x)−f(x)∣→0\sup_{x\in E}|f_n(x)-f(x)|\to 0,则称其一致收敛,此时同一个指标 NN 对所有点同时适用。两者的区别十分重要。定义在 [0,1][0,1] 上的函数 fn(x)=xnf_n(x)=x^n 逐点收敛于一个在 [0,1)[0,1) 上恒为 0、在 x=1x=1 处为 1 的函数。每个 fnf_n 都连续,但极限不连续,因此该收敛不可能是一致的。一致收敛保持连续性:连续函数的一致极限仍是连续的。它还能保证极限与某些运算可以交换。在紧区间上,若 fnf_n 一致收敛于 ff,则 ∫abfn dx→∫abf dx\int_a^b f_n\,dx\to\int_a^b f\,dx;若 fnf_n 连续可微且 fn′f_n' 一致收敛,则 ff 可微且 f′=lim⁡fn′f'=\lim f_n'。仅有逐点收敛时,这两个结论都不成立。对于无界区域上的积分或更一般的函数,勒贝格积分提供了控制收敛定理,它以可积的控制函数代替一致性条件。幂级数在其收敛半径内的任一闭圆盘上都一致收敛,而魏尔施特拉斯M判别法为级数的一致收敛提供了便捷的判别准则。这些概念在数学分析中有系统阐述,并见于一致收敛与逐点收敛的理论。

魏尔施特拉斯逼近定理

魏尔施特拉斯于1885年证明:闭区间 [a,b][a,b] 上的每个连续实函数都是多项式的一致极限,即对任意 ε>0\varepsilon>0,存在多项式 pp 使得 sup⁡[a,b]∣f−p∣<ε\sup_{[a,b]}|f-p|<\varepsilon。伯恩斯坦随后给出了一个构造性证明,使用多项式 Bn(f)(x)=∑k=0nf ⁣(kn)(nk)xk(1−x)n−kB_n(f)(x)=\sum_{k=0}^{n} f\!\left(\frac{k}{n}\right)\binom{n}{k}x^k(1-x)^{n-k},它们在 [0,1][0,1] 上一致收敛于 ff,尽管收敛速度较慢,且不一定能逼近导数。斯通1937年的推广将结论扩展到紧豪斯多夫空间上连续函数的子代数,前提是该子代数包含常数函数并能分离点。周期情形对三角多项式同样成立,这是费耶尔定理的推论。因此,多项式在配备上确界范数的连续函数空间中稠密,在每个有限指数 pp 的 LpL^p 空间中也稠密。这使多项式与三角多项式成为逼近论的基本工具,也是函数的巴拿赫空间理论中的基本工具。

复值函数

全纯函数与柯西–黎曼方程

复变量函数可以写成 f(z)=u(x,y)+i v(x,y)f(z)=u(x,y)+i\,v(x,y),其中 z=x+iyz=x+iy,uu 与 vv 为实值函数。函数在某点复可微,要求当复增量 hh 趋于零时,差商 (f(z0+h)−f(z0))/h\bigl(f(z_0+h)-f(z_0)\bigr)/h 趋于同一极限,且与 hh 的趋近方向无关。在开集上具有这一性质的函数称为全纯函数。在复分析中,“全纯函数”一词常用来将其与实解析函数区分开来。

可微性要求 uu 与 vv 满足一对一阶偏微分方程:

ux=vy,uy=−vxu_x = v_y, \qquad u_y = -v_x

这些方程称为柯西–黎曼方程。假设四个一阶偏导数都连续,则它们与复函数全纯等价。这组方程的发展经历了几位数学家:该方程组最早出现在让·勒朗·达朗贝尔1752年的工作中;柯西于1814年利用这组方程构造了他的函数理论;黎曼关于该理论的博士论文则发表于1851年。

这组方程有很强的推论。全纯函数的实部与虚部都是调和函数,因此满足拉普拉斯方程。全纯性的约束也比表面上看起来强得多:全纯函数是 C∞C^\infty 的;由柯西–黎曼方程可知,实值全纯函数必为常数。

复指数函数与欧拉公式

指数函数可通过 ex+iy=ex(cos⁡y+isin⁡y)e^{x+iy}=e^{x}(\cos y+i\sin y) 推广到复变量。令 x=0x=0,得到欧拉公式 eiθ=cos⁡θ+isin⁡θe^{i\theta}=\cos\theta+i\sin\theta,它将指数函数与三角函数联系起来。由于 cos⁡θ=(eiθ+e−iθ)/2\cos\theta=(e^{i\theta}+e^{-i\theta})/2,sin⁡θ=(eiθ−e−iθ)/(2i)\sin\theta=(e^{i\theta}-e^{-i\theta})/(2i),三角恒等式可以由指数的代数运算导出。函数 eze^{z} 在整个复平面上全纯,并且以 2πi2\pi i 为周期,这解释了实三角函数在限制于实自变量时的周期性。由于 cos⁡(iz)=cosh⁡z\cos(iz)=\cosh z,sin⁡(iz)=isinh⁡z\sin(iz)=i\sinh z,同样的恒等式也可推广到双曲函数。

解析延拓与黎曼ζ函数

黎曼ζ函数最初由级数 ζ(s)=∑n≥1n−s\zeta(s)=\sum_{n\ge 1} n^{-s} 在 Re⁡(s)>1\operatorname{Re}(s)>1 时定义。该级数在其他区域发散,因此必须将函数延拓到复平面的其余部分。黎曼于1859年证明,函数 ξ(s)\xi(s) 可延拓为整个复平面上的亚纯函数,除在 s=0s=0 与 s=1s=1 处有单极点外处处正则,并满足 ξ(s)=ξ(1−s)\xi(s)=\xi(1-s)。其中 ξ(s)=12s(s−1)π−s/2Γ(s/2)ζ(s)\xi(s)=\tfrac12 s(s-1)\pi^{-s/2}\Gamma(s/2)\zeta(s),其中的因子 Γ\Gamma 即伽马函数。因子 s(s−1)s(s-1) 用来消去极点,但在大多数用途中,不使用该因子、容忍 s = 0, 1 处的极点,反而更为方便。

由此,ζ\zeta 还可延拓为整个复平面 C 上的亚纯函数,除 s = 1 处的单极点外处处正则;ζ 的这一解析延拓在负偶数处有单零点。这些零点称为平凡零点。延拓给出了级数本身无法给出的值:ζ(−1) = −1/12。由于这类全纯延拓在存在之处是唯一的,因此一旦承认函数方程,该值就被唯一确定。

围道积分与实积分

围道积分在复平面的路径上计算积分,同时也是计算实积分的标准方法。其思路是将定积分转化为围道积分,再利用留数定理求解。留数定理指出:若函数 f(z) 在简单闭围道 C 的内部及其上解析,但在 C 内部可以有有限个孤立奇点,则 f(z) 沿 C 的积分等于 2πi 乘以 f 在这些奇点处的留数之和。

对于实轴上的有理被积函数 f(x)f(x),通常选取由实轴线段和上半平面内的大半圆弧组成的闭合围道。弧段的贡献在极限下趋于零,而原积分中实部或虚部即可由此得到。有理被积函数须满足以下条件:分母的次数至少比分子的次数高 2,并且该有理函数在实轴上没有极点。当极点位于实轴上时,围道需在这些极点处绕开(作小半圆),此时所得结果为柯西主值。

作为简单例子,积分 ∫−∞∞dxx2+1\int_{-\infty}^{\infty}\frac{dx}{x^2+1} 在围道内部只有一个极点 z=iz=i,其留数为 1/(2i)1/(2i)。留数定理给出 2πi⋅12i=π2\pi i\cdot\frac{1}{2i}=\pi。形如 ∫−∞∞eix/(x2+1) dx\int_{-\infty}^{\infty} e^{ix}/(x^2+1)\,dx 的振荡积分也可用类似的半圆围道处理。

函数空间与泛函分析

函数的向量空间

定义域相同、取值于实数或复数的函数,可以逐点相加和数乘,所有这类函数的集合构成一个向量空间。其中在这些运算下封闭的子集,是分析学的主要研究对象。闭区间 [a,b][a,b] 上的连续函数全体记作 C([a,b])C([a,b]),构成这样一个子空间;次数至多为 nn 的多项式构成其中的一个有限维子空间。所有多项式合在一起构成一个无限维子空间,但它们的张成并不等于整个 C([a,b])C([a,b]):C([a,b])C([a,b]) 的代数维数是不可数的。因此,魏尔斯特拉斯逼近定理给出的稠密性结论只说明连续函数可以被多项式任意逼近,并没有精确地刻画这些函数。可微函数空间、带有指定边界值的函数空间以及可积函数空间,也都以同样的方式构造。一旦空间是无限维的,有限维线性代数的论证就不能直接套用,此时拓扑的选择变得至关重要。这也是下文引入范数的原因。

范数、度量与完备性

范数为每个函数赋予一个非负的“大小”,并且必须满足正定性、齐次性和三角不等式。在 C([a,b])C([a,b]) 上,上确界范数

∥f∥∞=sup⁡x∈[a,b]∣f(x)∣,\|f\|_\infty=\sup_{x\in[a,b]}|f(x)|,

刻画了函数偏离零的最大程度,而距离 d(f,g)=∥f−g∥∞d(f,g)=\|f-g\|_\infty 使该空间成为度量空间。在这种范数下的收敛就是一致收敛,它严格强于逐点收敛:一个序列可以按范数收敛,但其在某一点的取值,按逐点收敛的定义来看,未必与该点处的极限行为一致。若赋范空间中每个柯西序列都收敛,则称其为巴拿赫空间。斯特凡·巴拿赫于 1920 至 1922 年间提出了这一概念,并与汉斯·哈恩、爱德华·黑利一道对其进行了系统研究。由于连续函数的一致极限仍是连续的,因此赋予上确界范数的 C([a,b])C([a,b]) 是巴拿赫空间。

对于测度空间 (X,μ)(X,\mu) 及 1≤p<∞1\le p<\infty,LpL^p 范数定义为

∥f∥p=(∫X∣f∣p dμ)1/p,\|f\|_p=\left(\int_X |f|^p\,d\mu\right)^{1/p},

LpL^p 空间由使该积分有限的可测函数组成。其元素实际上是几乎处处相等的函数所构成的等价类,因此在测度为零的集合上修改函数,并不会改变它作为 LpL^p 中元素的身份。每个 LpL^p 空间都是巴拿赫空间。当 p≠2p\ne 2 时它不是希尔伯特空间,但 L2L^2 是希尔伯特空间,其内积为 ⟨f,g⟩=∫Xfg dμ\langle f,g\rangle=\int_X fg\,d\mu(对于复值函数,需要对其中一个因子取复共轭)。希尔伯特空间是完备的内积空间;每个希尔伯特空间都是巴拿赫空间,但反之不成立。内积提供了正交性以及向闭子空间投影的几何工具。一个赋范空间是希尔伯特空间,当且仅当平行四边形法则成立:

∥u+v∥2+∥u−v∥2=2(∥u∥2+∥v∥2).\|u+v\|^2+\|u-v\|^2=2\bigl(\|u\|^2+\|v\|^2\bigr).

索伯列夫空间结合了函数及其直到给定阶导数的 LpL^p 范数,并且在这一组合范数下是巴拿赫空间。其中的导数是在弱意义下理解的,这使得经典意义下不可微的函数也能被纳入其中。

线性算子与泛函

赋范空间之间的线性映射 T ⁣:X→YT\colon X\to Y 称为有界的,若存在常数 CC,使得对所有 ff 都有 ∥Tf∥≤C∥f∥\|Tf\|\le C\|f\|。对线性映射而言,有界性与连续性等价,满足该条件的最小常数 CC 即为算子范数。线性泛函是取值于标量域的线性映射,XX 上全体有界线性泛函构成的集合称为对偶空间 X∗X^*,它本身也是一个巴拿赫空间。里斯表示定理具体地刻画了这些对偶空间。对于 1≤p<∞1\le p<\infty,LpL^p 的对偶空间为 LqL^q,其中 1/p+1/q=11/p+1/q=1。在希尔伯特空间中,每个有界泛函都可以由与某个固定向量作内积得到,因此希尔伯特空间与其自身的对偶空间同构。

微分算子与积分算子

作用于函数空间的算子是微分方程理论的主要研究对象。微分算子 D ⁣:f↦f′D\colon f\mapsto f' 是无界算子的标准例子:在 [0,2π][0,2\pi] 上,函数 fn(x)=sin⁡(nx)f_n(x)=\sin(nx) 满足 ∥fn∥∞=1\|f_n\|_\infty=1,而 ∥fn′∥∞=n\|f_n'\|_\infty=n。因此,微分算子通常定义在稠密子空间上,其定义域也是算子定义的一部分。相比之下,核 KK 连续的积分算子

(Tf)(x)=∫abK(x,y) f(y) dy,(Tf)(x)=\int_a^b K(x,y)\,f(y)\,dy,

是 C([a,b])C([a,b]) 上的有界线性算子,且 ∥T∥≤(b−a)sup⁡∣K∣\|T\|\le (b-a)\sup|K|。线性微分方程 Lu=fLu=f 可以看作函数空间元素之间的方程来研究,其解构成一个仿射子空间,而其齐次部分即为 LL 的核。对于椭圆型问题,例如边界值为零的泊松方程,人们通常在索伯列夫空间中寻找弱解。此时解的存在性可以由里斯表示定理应用于适当的双线性形式而得到,这正是希尔伯特空间结构在现代偏微分方程理论中居于核心地位的原因。

特殊函数与积分变换

Gamma 函数把阶乘从自然数推广到复平面。对正实数 xx,它定义为 Γ(x)=∫0∞tx−1e−t dt\Gamma(x)=\int_0^\infty t^{x-1}e^{-t}\,dt,并满足 Γ(x+1)=xΓ(x)\Gamma(x+1)=x\Gamma(x),因此对正整数 nn 有 Γ(n)=(n−1)!\Gamma(n)=(n-1)!。仅凭函数方程并不能唯一确定这个函数。Bohr 和 Mollerup 于 1922 年证明,满足该方程且 Γ(1)=1\Gamma(1)=1 的唯一对数凸函数就是 Gamma 函数。它在非正整数处有单极点,取值 Γ(1/2)=π\Gamma(1/2)=\sqrt{\pi},并满足反射公式 Γ(z)Γ(1−z)=π/sin⁡(πz)\Gamma(z)\Gamma(1-z)=\pi/\sin(\pi z)。它的归一化常数在概率与统计中随处可见,例如伽马分布、贝塔分布和学生 t 分布的概率密度函数中。

贝塞尔函数最早由 Friedrich Wilhelm Bessel 于 1824 年在研究行星摄动的背景下系统地加以研究。它们是 x2y′′+xy′+(x2−ν2)y=0x^2y''+xy'+(x^2-\nu^2)y=0 的解,这是一个微分方程,每当具有圆对称或柱对称的问题通过分离变量化为常微分方程时就会出现。对整数阶 nn,函数 JnJ_n 有积分表示 Jn(x)=1π∫0πcos⁡(nτ−xsin⁡τ) dτJ_n(x)=\frac{1}{\pi}\int_0^\pi \cos(n\tau-x\sin\tau)\,d\tau。它们描述圆形薄膜的振动模式、圆柱中的热流以及圆柱波导中的电磁波。勒让德多项式 PnP_n 在球面几何中扮演类似的角色。它们由 (1−2xt+t2)−1/2=∑n≥0Pn(x)tn(1-2xt+t^2)^{-1/2}=\sum_{n\ge 0}P_n(x)t^n 生成,并在球坐标下分离拉普拉斯方程时出现。这就是它们出现在引力势和静电势多极展开中的原因,勒让德自 1782 年起便研究这一方向。

生成函数把整个数列 (an)(a_n) 打包成一个形式幂级数 A(x)=∑anxnA(x)=\sum a_nx^n,从而把组合问题转化为关于系数的问题。斐波那契数(F0=0F_0=0,F1=1F_1=1)的生成函数为 x/(1−x−x2)x/(1-x-x^2),通过提取系数即可得到其闭式。划分函数由 ∏k≥1(1−xk)−1\prod_{k\ge 1}(1-x^k)^{-1} 生成,卡特兰生成函数 C(x)C(x) 满足 C=1+xC2C=1+xC^2。级数的乘积对应数列的卷积,因此乘以生成函数就相当于计数如何组合结构。当对象带有标号时,例如集合划分,则改用指数生成函数 ∑anxn/n!\sum a_nx^n/n!。

积分变换把微分、卷积等运算转化为更简单的运算。拉普拉斯变换 为 F(s)=∫0∞e−stf(t) dtF(s)=\int_0^\infty e^{-st}f(t)\,dt,并满足 L{f′}(s)=sF(s)−f(0)\mathcal{L}\{f'\}(s)=sF(s)-f(0)。由于这一法则,给定初始条件的常系数线性微分方程变为关于 ss 的代数方程。求出解之后再进行反变换,通常借助部分分式或变换表完成。这一方法是电路分析和控制工程中的标准工具。傅里叶变换通常采用约定 f^(ξ)=∫−∞∞f(x)e−2πixξ dx\hat f(\xi)=\int_{-\infty}^{\infty}f(x)e^{-2\pi i x\xi}\,dx。它把求导变为乘以 2πiξ2\pi i\xi,把卷积变为逐点乘积。Plancherel 定理使其成为 L2L^2 上的等距映射,它也是在整条直线上求解热方程和波动方程的基本工具。

正交多项式族是满足 deg⁡pn=n\deg p_n=n 的序列 pnp_n,相对于区间上的正权 ww,当 m≠nm\ne n 时满足 ∫pmpn w dx=0\int p_m p_n\,w\,dx=0。经典例子有勒让德多项式(在 [−1,1][-1,1] 上权为 11)、切比雪夫多项式(在 [−1,1][-1,1] 上权为 (1−x2)−1/2(1-x^2)^{-1/2})、埃尔米特多项式(在 R\mathbb{R} 上权为 e−x2e^{-x^2})和拉盖尔多项式(在 [0,∞)[0,\infty) 上权为 e−xe^{-x})。每个这样的族都满足形如 xpn=anpn+1+bnpn+cnpn−1xp_n=a_np_{n+1}+b_np_n+c_np_{n-1} 的三项递推关系。Favard 定理(1935)给出其逆命题:任何满足适当三项递推关系的序列,都关于某个正测度正交。Bochner 分类(1929)确定了哪些族是二阶微分算子的本征函数,即埃尔米特、拉盖尔和雅可比多项式。埃尔米特多项式给出量子谐振子的本征函数,而正交多项式的零点则充当高斯求积中的节点。

集合论、逻辑与范畴论中的函数

在集合论中,函数并不是原始对象,而是一类特定的集合。利用库拉托夫斯基对有序对的定义 (a,b)={{a},{a,b}}(a,b)=\{\{a\},\{a,b\}\},笛卡尔积的每个元素本身都是集合。因此,函数 f ⁣:X→Yf\colon X\to Y 可以等同于它的图像,即子集 f⊆X×Yf\subseteq X\times Y,其中每个 x∈Xx\in X 恰好出现在一个有序对 (x,y)(x,y) 中。在策梅洛–弗兰克尔集合论中,替换公理为由公式定义的函数提供了所需的保证。如果某个公式为集合 AA 的每个元素指定唯一的输出,那么所有这些输出构成的汇集仍然是一个集合。若没有这一保证,集合在可定义运算下的像就不能被确认为一个对象,此类映射的像与定义域等标准构造也就缺乏基础。

每个函数还在其定义域上确定一个等价关系:当且仅当 f(x)=f(x′)f(x)=f(x') 时,有 x∼x′x\sim x'。自反性、对称性和传递性直接来自陪域中相等关系的性质。等价类划分了 XX,由此得到的商集 X/∼X/{\sim} 与像 f(X)f(X) 之间存在双射,该双射将每个等价类映为其公共值。这一观察是代数中第一同构定理的集合论核心:对于同态 φ ⁣:G→H\varphi\colon G\to H,GG 关于核的商同构于 φ\varphi 的像。代数证明包括这一双射,以及对其保持结构的验证。这种对应是双向的,因为 XX 的任何划分都会给出从 XX 到其商集的满射。从每个等价类中选出一个代表元,这是构造满射的右逆所需要的,一般情况下需要用到选择公理。

范畴论由塞缪尔·艾伦伯格和桑德斯·麦克莱恩于1945年提出,其侧重点则有所不同。它不是通过元素来构造函数,而是通过态射的复合方式来刻画态射。一个范畴由对象和态射组成,并带有结合律成立的复合运算,以及每个对象上的恒等态射。范畴 Set 以集合为对象、以函数为态射,普通的复合与恒等映射提供了其结构。在 Set 中,范畴论的概念与熟悉的概念一一对应:单态射恰好是单射,满态射恰好是满射,同构恰好是双射。在一般范畴中,这些概念可能彼此分离,因此它们通过消去性与可逆性来定义,而集合论版本只是特例。函子是范畴之间的态射,它将对象映为对象、态射映为态射,并保持恒等态射与复合。幂集运算是 Set 上的协变函子,它将 ff 映为子集上的正像映射。原像运算则是逆变的:它将 YY 的子集映为 XX 的子集,并且颠倒箭头的方向,因此它是 Set 上的逆变函子。遗忘函子则是另一类例子,比如将群映为其底层集合并舍弃运算的函子,展示了函子也可以仅仅剥离结构。

在一阶逻辑中,函数符号属于语言的签名。项由变元与常元通过施加函数符号构造而成;在论域为 MM 的结构 M\mathcal M 中,每个 nn 元函数符号被解释为真正的映射 Mn→MM^n\to M。因此,句法符号与语义函数是不同的东西,同一个符号在不同结构中可以有不同的解释。当存在公式 φ(x,y)\varphi(x,y)(可以带有参数)使得对每个 xx 恰有一个 yy 满足 φ(x,y)\varphi(x,y) 时,称该函数在该结构中是可定义的。每个函数符号都可以替换为表示其图像的关系符号,代价是公式变长,并需要额外的公理来声明该关系是全域的且是单值的。可定义性的概念是模型论的核心,一个结构能够表达的函数在很大程度上决定了它的性质。

随机变量与概率函数

随机变量在形式上是定义在概率空间 (Ω,F,P)(\Omega, \mathcal{F}, P) 上的可测函数 X:Ω→RX:\Omega \to \mathbb{R}。可测性要求:对每个博雷尔集 B⊆RB\subseteq\mathbb{R},其原像 X−1(B)X^{-1}(B) 都属于 σ-代数 F\mathcal{F},从而 P(X∈B)=P(X−1(B))P(X\in B)=P(X^{-1}(B)) 有意义。映射 B↦P(X−1(B))B\mapsto P(X^{-1}(B)) 即为 XX 的分布,它是 R\mathbb{R} 上的一个概率测度。由于随机变量本身就是一个函数,它的概率性质可以用实变量函数来描述。三种标准的描述方式,即质量函数、密度函数和分布函数,是同一分布的不同编码形式。

对于取值于可数集的离散型随机变量,其概率质量函数为 p(x)=P(X=x)p(x)=P(X=x),满足 ∑xp(x)=1\sum_x p(x)=1,并且 P(X∈B)=∑x∈Bp(x)P(X\in B)=\sum_{x\in B}p(x)。对于绝对连续分布,概率密度函数 ff 满足 P(a≤X≤b)=∫abf(x) dxP(a\le X\le b)=\int_a^b f(x)\,dx,其中积分一般为勒贝格积分。密度值本身不是概率,它可以大于 1;例如,区间 [0,0.5][0,0.5] 上的均匀分布在该区间内的密度为 2。此外,密度函数只在测度为零的集合上的改变下才确定,即它至多相差一个几乎处处相等的函数。

累积分布函数 F(x)=P(X≤x)F(x)=P(X\le x) 对任何随机变量都有定义。它是非减且右连续的,并且在 −∞-\infty 处趋于 0,在 +∞+\infty 处趋于 1。这三个函数之间通过求和与积分相互联系。在离散情形下 F(x)=∑t≤xp(t)F(x)=\sum_{t\le x}p(t),在绝对连续情形下 F(x)=∫−∞xf(t) dtF(x)=\int_{-\infty}^{x} f(t)\,dt。反过来,在导数存在的地方(几乎处处存在),ff 就是 FF 的导数。区间概率可以直接由 P(a<X≤b)=F(b)−F(a)P(a<X\le b)=F(b)-F(a) 得到。

给定带有质量函数或密度函数 f(x∣θ)f(x\mid\theta) 的参数族以及观测值 xx,似然函数定义为 L(θ∣x)=f(x∣θ)L(\theta\mid x)=f(x\mid\theta),它被看作关于 θ\theta 的函数,此时 xx 固定不变。同一个表达式扮演着两种角色:作为 xx 的函数,它是密度;但作为 θ\theta 的函数,它不必积分为 1,并且只在一个正常数因子的意义下有定义,因此只有其取值之比才有意义。对于独立样本 x1,…,xnx_1,\dots,x_n,似然为 ∏if(xi∣θ)\prod_i f(x_i\mid\theta),而对数似然 ℓ(θ)=∑ilog⁡f(xi∣θ)\ell(\theta)=\sum_i \log f(x_i\mid\theta) 将乘积转化为求和。在最大似然估计中,人们选取使 ℓ\ell 最大的参数值,通常通过令其导数为零来求解。对于 nn 次试验中有 kk 次成功的伯努利样本,估计值为 p^=k/n\hat p=k/n。对于方差已知的正态样本,均值的估计值为样本均值。

若 Y=g(X)Y=g(X),其中 gg 是区间之间的可微严格单调映射,且其逆映射 hh 可微,则

fY(y)=fX(h(y)) ∣h′(y)∣.f_Y(y)=f_X\bigl(h(y)\bigr)\,\bigl|h'(y)\bigr|.

因子 ∣h′(y)∣|h'(y)| 刻画了映射对概率质量的拉伸或压缩程度,该公式是积分换元法在概率论中的表达形式。例如,若 XX 在 (0,1)(0,1) 上均匀分布,且 Y=−ln⁡XY=-\ln X,则 h(y)=e−yh(y)=e^{-y},对 y>0y>0 有 fY(y)=e−yf_Y(y)=e^{-y},这正是速率为 1 的指数分布。当 gg 不单调时,密度需要对所有原像求和,即 fY(y)=∑x: g(x)=yfX(x)/∣g′(x)∣f_Y(y)=\sum_{x:\,g(x)=y} f_X(x)/|g'(x)|。若 XX 为标准正态分布且 Y=X2Y=X^2,则由此得到自由度为 1 的卡方密度 fY(y)=e−y/2/2πyf_Y(y)=e^{-y/2}/\sqrt{2\pi y},其中 y>0y>0。对于向量值随机变量,因子 ∣h′(y)∣|h'(y)| 要替换为逆映射雅可比矩阵行列式的绝对值,即变量替换公式中的形式。

物理、化学与经济学中的函数

在量子物理中,核心函数是波函数,它是关于位置和时间的复值函数。其输出 Ψ 即为波函数,它是关于位置和时间的复值函数。其演化遵循薛定谔方程:

iℏ∂Ψ∂t=H^Ψi\hbar \frac{\partial \Psi}{\partial t} = \hat{H}\Psi

其中 H^\hat{H} 是哈密顿算符,它包含系统的势能 V(x)V(x),而势能本身也是位置的函数。VV 的选择决定了物理系统:自由粒子、谐振子、氢原子以及磁场中的自旋 1/2 粒子各自具有不同的 Ĥ。当势能不依赖时间时,定态形式 H^ψ=Eψ\hat{H}\psi = E\psi 给出定态;对于束缚态(例如被困在盒子中的粒子),能谱是离散的,即只允许某些特定能量。波函数本身无法被直接观测。其模平方给出概率密度,这一规则由马克斯·玻恩于 1926 年提出,现称为玻恩规则。

在化学中,与之类似的函数依赖关系是速率定律,它将反应速率表示为反应物浓度的函数。酶催化的反应并不符合简单的幂律。相反,反应会趋向一个极限速率,即饱和速率。描述这一行为的标准模型是米氏方程,它给出初始速率 vv 作为底物浓度 [S][S] 的函数:

v=Vmax⁡[S]Km+[S]v = \frac{V_{\max}[S]}{K_m + [S]}

其中 Vmax⁡V_{\max} 是酶达到饱和时的极限速率,KmK_m 是反应速率为 Vmax⁡V_{\max} 的 50% 时所对应的底物浓度。该函数的图像是一条矩形双曲线:随着底物浓度增加,反应速率趋近于 VmaxV_{max}。其两个区段对应不同的有效反应级数:在底物浓度较低时,速率近似为一级;而在底物浓度非常高时,速率近似为零级。该模型基于稳态假设,即假设反应处于稳态,其中 ES 的浓度保持不变。其适用性也有局限:近期实验通过测量催化速率的涨落发现,米氏方程虽然适用于宏观量的情形,但在分子层面并不成立。

在经济学中,若干基本模型是关于单一经济变量或一组商品的函数。需求函数 Qd=D(p)Q_d = D(p) 给出价格为 pp 时买方想要购买的数量,通常随 pp 增加而减少;而供给函数 Qs=S(p)Q_s = S(p) 通常随价格增加而增加。市场均衡是满足 D(p)=S(p)D(p) = S(p) 的价格。效用函数 u(x)u(x) 为每一种消费组合 xx 赋予一个数值,从而可以对偏好进行排序。效用函数将效用表示为对实物商品(磅、加仑、千克、升)消费量的函数,而非名义商品(美元、欧元)的函数。成本方面则使用总成本函数 C(Q)C(Q)。在经济学中,成本曲线将生产成本表示为产量的函数。用总成本除以产量得到平均成本 AC(Q)=C(Q)/QAC(Q) = C(Q)/Q,而边际成本 C′(Q)C'(Q) 是总成本关于产量的导数,这使这些模型与微分联系起来。

实证研究会用模型函数拟合数据。给定观测值 (xi,yi)(x_i, y_i),人们选定一族函数 f(x;θ)f(x;\theta),并通过最小化某种损失来估计参数 θ\theta,最常用的是残差平方和:

θ^=arg⁡min⁡θ∑i=1n(yi−f(xi;θ))2\hat{\theta} = \arg\min_{\theta} \sum_{i=1}^{n} \bigl(y_i - f(x_i;\theta)\bigr)^2

当 ff 关于参数是线性的时,这就是线性回归,它有闭式解。在概率误差模型下,同一估计问题也可以用参数的似然来表述,这使最小二乘准则与最大似然估计联系起来。

计算、编程与机器学习

在计算机科学中,“函数”指一段可复用的代码,它接受参数并返回结果。实际的程序并不总是遵循数学上的理想定义。纯函数仅依赖其参数,对相同的输入总是返回相同的输出,并且没有副作用,例如写入文件、修改全局变量或输出到屏幕。函数式编程语言偏爱纯函数,因为它们行为可预测、易于测试,而且其行为可以像数学中的等式推理那样进行推断。相比之下,命令式代码会自由地更新共享状态,因此一次调用可能改变之后某次调用的结果。

高阶函数接受一个或多个函数作为参数,返回一个函数作为结果,或两者兼而有之。数学家通常把这类对象称为算子或泛函,其中把函数映为其导数的微分算子是标准的例子。在编程中,map、filter、reduce 等操作将给定的函数应用于集合中的元素,大多数现代语言都提供了这些操作。在无类型的λ演算中,每个函数都是高阶函数。该演算的有类型变体构成了许多函数式语言设计的基础,而约翰·麦卡锡于1958年推出的Lisp语言正是建立在λ演算之上。

计算的理论基础来自1936年和1937年的工作。阿隆佐·丘奇提出了λ演算,库尔特·哥德尔和斯蒂芬·克莱尼研究了递归函数,埃米尔·波斯特和艾伦·图灵设计了抽象机器。λ演算只有三个要素:变量、抽象(构造如 λx.M 这样的函数)以及应用(把一个项作用于另一个项)。它不包含内建的数字或算术,但算术和递归都可以在其中编码。这些形式体系被证明定义了同一类函数。这一趋同性导致了丘奇—图灵论题,该论题将直观上可计算的函数等同于图灵机能够计算的函数。该论题没有形式化的证明,但迄今提出的每一种现实的计算模型都被证明与之等价。能够表达所有此类函数的系统称为图灵完备的。丘奇和图灵利用这些模型各自独立地证明了判定一阶命题有效性的判定问题(Entscheidungsproblem)没有一般的算法解。

现代机器学习以不同的方式使用函数。人工神经网络是带参数函数的复合。每一层先对其输入计算加权和并加上偏置,然后施加非线性的激活函数,例如 sigmoid、双曲正切或修正线性单元(ReLU)。对于一个层函数为 f₁、f₂、f₃ 的三层网络,其输出为 f₃(f₂(f₁(x))),每一层的权重即该层函数的参数。非线性至关重要。若没有它,仿射映射的复合本身仍是仿射的,那么增加层数就不会比单个线性层带来更多的表示能力。

训练网络即是调整其参数以降低损失函数,损失函数将网络的预测值与目标值映射为一个衡量二者偏差的实数。常见选择包括用于回归的均方误差和用于分类的交叉熵。损失是这个极长复合中最外层的函数,因此它对每个权重的依赖关系需要通过链式法则求得。反向传播组织了这一计算:它先向前计算网络,保存中间值,然后将导数从输出层反向传播到第一层。所得梯度输入到梯度下降等基于梯度的优化方法中,这些方法以小步长更新权重。由于该方法只要求激活函数和损失函数及其导数能被高效计算,因此同一过程适用于许多不同的网络架构。

函数的推广与其他定义

偏函数与多值函数

偏函数为每个输入至多指定一个输出,但不一定在整个输入集合上都有定义。其定义域所在的集合称为它的定义域。这类映射自然出现:以变量作除数时在零处没有定义;实数平方根只在非负实数上有定义。分析学中通常把这种对象视为其自然定义域上的函数,因此关于连续性或可微性的陈述都针对该定义域而言。

多值函数为每个输入指定一个输出的集合,因此不满足严格定义中单一输出的要求。关系式 y2=xy^2 = x 是典型例子,因为每个正数 xx 都有两个平方根。分析学中处理这类关系主要有两种方式。第一种是选取一个分支,即在某区域上选定一个单值函数,在每一点挑出一个值。主对数 log⁡z=ln⁡∣z∣+i Arg⁡z\log z = \ln|z| + i\,\operatorname{Arg} z(其中 Arg⁡z∈(−π,π]\operatorname{Arg} z \in (-\pi, \pi])就是一例。第二种是保留全部取值,并沿路径连续地追踪它们。复平面上沿路径的解析延拓表明,对数和平方根只有在合适的黎曼面上才变为单值,而黎曼面是复平面的多叶覆盖。

分布

分布是光滑试验函数空间(通常指紧支集光滑函数)上的连续线性泛函。分布在个别点上没有取值。狄拉克δ函数是最著名的例子。狄拉克在20世纪20至30年代将其用于量子力学,它由对每个试验函数 φ\varphi 都成立的 δ(φ)=φ(0)\delta(\varphi) = \varphi(0) 所刻画。因此,“δ(0)=∞\delta(0) = \infty”只是一种启发式的说法,而不是某个函数的取值。劳伦·施瓦茨在20世纪50年代初给出了系统的理论。分布可以无条件地求导;例如,赫维赛德阶跃函数的导数在这一意义下就是 δ\delta。该理论为非可积函数提供了傅里叶变换,为微分方程提供了格林函数,也为索伯列夫空间中使用的弱形式提供了基础。

离散集合与非数值集合上的函数

许多函数定义在有限或符号化的定义域上。布尔函数把 {0,1}n\{0,1\}^n 映到 {0,1}\{0,1\}。这样的函数共有 22n2^{2^n} 个,其中两个变量时有16个,三个变量时有256个。布尔函数是数字电路设计和布尔代数的基础,每个非常值布尔函数都可以写成析取范式的命题公式。

定义在有限域上的函数构成另一类重要的函数。对素数 pp,费马小定理给出对 Fp\mathbb{F}_p 中每个 xx 都有 xp=xx^p = x。因此,像 xpx^p 和 xx 这样不同的多项式在 Fp\mathbb{F}_p 上诱导出相同的函数。所以,有限域上的函数没有唯一的多项式表达式。标准做法是选取每个变量次数都小于 pp 的约化多项式作为规范代表。这类函数出现在编码理论和密码学中。

关于定义的争论

欧拉1748年的《无穷分析引论》(Introductio in analysin infinitorum)把关于变量的函数描述为由该变量与常数构成的解析表达式。按此观点,函数原则上由公式给出。狄利克雷的表述是大多数现代教材所用集合论定义的源头,它只要求每个输入对应唯一一个输出,而不论法则如何。他的例子 f(x)=cf(x) = c(当 xx 为有理数时)和 f(x)=df(x) = d(当 xx 为无理数时)处处不连续,也没有欧拉所设想的那种解析表达式。因此,两种观点所界定的对象类别并不相同。

这种分歧也影响教学。从公式出发的课程倾向于把函数视为计算法则。从集合与对应出发的课程则倾向于强调有序对、图像和一般的映射概念。教育工作者至今仍在争论哪种方法能更好地为微积分以及高等数学中基于集合的语言做好准备;这一争论关乎教学侧重点,而非数学内容本身。

参考来源

  1. function concept - MacTutor History of Mathematicsmathshistory.st-andrews.ac.uk
  2. René Descartes Mathematics: How Algebra Met Geometry - Kronecker Walliskroneckerwallis.com
  3. History of the function concepten.wikipedia.org
  4. (PDF) The History of the Concept of Function and Some Educational Implicationsresearchgate.net
  5. Chapter 5 Functions: How they have changed through Historyms.uky.edu
  6. Mathematics and languagearxiv.org
  7. (PDF) Evolution of the Function Concept: A Brief Surveyresearchgate.net
  8. Functions, what are they?cut-the-knot.org
  9. History of function conceptsummaryplanet.com
  10. Geometry in the Age of Enlightenmentarxiv.org
  11. Rene Descartesslideshare.net
  12. Even and Odd Function - an overviewsciencedirect.com
  13. Jensen's inequalityen.wikipedia.org
  14. Part 2.6: Even and Odd Functionscfm.brown.edu
  15. Jensen's inequalitystatlect.com
  16. Symmetry - Ximera - The Ohio State Universityximera.osu.edu
  17. Cauchy-Riemann Equation - an overviewsciencedirect.com
  18. On the nonlinear Cauchy-Riemann equations of structural transformation and nonlinear Laplace equationarxiv.org
  19. A rapid review of complex function theory 1 Holomorphic ...web.ma.utexas.edu
  20. Holomorphic function - Citizendiumen.citizendium.org
  21. Introduction to Analytic Number Theory The Riemann zeta ...people.math.harvard.edu
  22. On Riemann's Paper, "On the Number of Primes Less Than a Given Magnitude"arxiv.org
  23. 9: Contour Integration - Physics LibreTextsphys.libretexts.org
  24. Residue Theorem - GeeksforGeeksgeeksforgeeks.org
  25. Applying Residue Theorem to Compute Real Definite Integraliopscience.iop.org
  26. Evaluating real integrals using residuesfiveable.me
  27. Applications and Techniques of Contour Integration in ...ijltemas.in
  28. MEROMORPHIC CONTINUATION AND FUNCTIONAL EQUATION OF RIEMANN ZETApeople.reed.edu
  29. Function Spaces 1 Hilbert Spacesstat.cmu.edu
  30. Chapter 2 Banach and Hilbert space analysis 2.1 Hilbert Spaces 2.1.1dpmms.cam.ac.uk
  31. Banach Space - an overviewsciencedirect.com
  32. graphsearch.epfl.chgraphsearch.epfl.ch
  33. Sobolev spaceen.wikipedia.org
  34. L^p-Space -- from Wolfram MathWorldmathworld.wolfram.com
  35. Lp Space - an overviewsciencedirect.com
  36. 8.1. Riesz Representation Theorem 1 Chapter 8. The Lp Spaces:faculty.etsu.edu
  37. 245B, notes 3: L^p spacesterrytao.wordpress.com
  38. The Schrödinger Equation: Wave Functions and Quantum Statesquantumphysicsauthority.com
  39. Schrödinger Equation and Wave Functionsfiveable.me
  40. Enzyme Kinetics & The Michaelis-Menten Equationecampusontario.pressbooks.pub
  41. Enzyme Kinetics - Structure - Function - Michaelis-Menten Kineticsteachmephysiology.com
  42. Michaelis-Menten Equation Explained: Definition, Examples, Practice & Video Lessonspearson.com
  43. Enzyme kinetics at the molecular levelarxiv.org
  44. Definition of Utility Functioneconmodel.com
  45. Cost functionen.wikipedia.org
  46. The Original Michaelis Constant: Translation of the 1913 Michaelis-Menten Paper - PMCpmc.ncbi.nlm.nih.gov
  47. The Michaelis–Menten Modelmicrobenotes.com
  48. Michaelis-Menten Kinetics: Vmax, Km, Equation Explainedgasgasgas.uk
  49. Higher-order functionen.wikipedia.org
  50. Computability and Complexity (Stanford Encyclopedia of Philosophy)plato.stanford.edu
  51. Church-Turing Thesis -- from Wolfram MathWorldmathworld.wolfram.com
  52. Physics, Topology, Logic and Computation: A Rosetta Stonearxiv.org
  53. Mass problems and intuitionistic higher-order logicarxiv.org
  54. Very Simple Chaitin Machines for Concrete AITarxiv.org
  55. Alonzo Church and Lambda Calculus: Foundations of Computing - Kronecker Walliskroneckerwallis.com
  56. Pure Functions and Higher-Order Functions - Cocoacastscocoacasts.com
  57. Backpropagationen.wikipedia.org
  58. What is Backpropagation?ibm.com
  59. Neural networks: training with backpropagation. - Jeremy Jordanjeremyjordan.me
  60. Backpropagation in Neural Networkscodesignal.com