{
  "id": "piecewise-defined-function",
  "title": "分段函数",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "分段函数是在定义域的不同部分按不同规则赋值的函数。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "分段定义函数"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/piecewise-defined-function/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/piecewise-defined-function/",
      "json": "https://aiwiki.page/en/piecewise-defined-function.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "分段函数是在函数的定义域的不同部分按不同规则定义的函数。每条规则都附有一个条件，用来指明该规则适用的输入。这些规则共同定义的是一个函数，而不是几个互不相关的函数。当某种关系在阈值处发生变化、公式取决于输入的正负，或需要在较小区域内用较简单的表达式表示复杂函数时，分段定义就很有用。"
    },
    {
      "heading": "定义与记号",
      "text": "设 \\(D\\) 为一个集合，\\(\\{D_i\\}_{i\\in I}\\) 是 \\(D\\) 的一个集合划分，即各集合 \\(D_i\\) 非空、两两不相交，且它们的并集为 \\(D\\)。如果每个 \\(f_i:D_i\\to Y\\) 的取值都属于同一个陪域 \\(Y\\)，则可以如下定义函数 \\(f:D\\to Y\\)：\n\n\\[f(x)=f_i(x)\\qquad\\text{when }x\\in D_i.\\]\n\n当分段数有限时，通常用一个大括号列出各个表达式及其适用条件：\n\n\\[f(x)= \\begin{cases} f_1(x), & x\\in D_1,\\\\ f_2(x), & x\\in D_2,\\\\ \\vdots\\\\ f_n(x), & x\\in D_n. \\end{cases}\\]\n\n更一般地，各条件可以有重叠，但在重叠部分，所有适用规则必须给出相同的值。所声明定义域中的每一点都必须被这些条件覆盖，且任何一点都不能被赋予相互矛盾的值。否则，这种描述就不能在该定义域上定义一个函数。\n\n各分段不一定是区间，输入也不一定是实数。分段可以是多维空间中的区域，也可以是由逻辑条件描述的子集。不过，在初等数学中，最常见的例子是以实数为自变量、按有限个区间分段的函数。\n\n分段定义是一种描述函数的方式，并不意味着函数在本质上分属不同类别。同一个函数既可以有分段表达式，也可以有单一公式表达式。"
    },
    {
      "heading": "示例与端点约定",
      "text": "绝对值函数定义为\n\n\\[|x|= \\begin{cases} -x, & x<0,\\\\ x, & x\\geq 0. \\end{cases}\\]\n\n两个表达式在零点处的值相同，因此无论将零点划归哪一段，得到的都是同一个函数。\n\n相比之下，当相邻规则给出的值不同时，端点的归属就很重要。例如，\n\n\\[h(x)= \\begin{cases} 0, & x<0,\\\\ 1, & x\\geq 0 \\end{cases}\\]\n\n满足 \\(h(0)=1\\)。若将条件改为 \\(x\\leq 0\\) 和 \\(x>0\\)，就会定义出另一个函数，尽管零点以外的函数值保持不变。\n\n在函数图像上，通常用实心点表示包含的端点，用空心圆表示不包含的端点。除非连接线本身属于函数图像，否则不应在跳跃处画连接线。\n\n分段定义也可以包含无穷多个分段。例如，可以在每个区间 \\([n,n+1)\\) 上分别定义函数，其中 \\(n\\) 遍历所有整数。如果分段边界在某一点附近聚集，这类定义就需要格外谨慎地处理。"
    },
    {
      "heading": "边界处的连续性",
      "text": "采用分段公式并不意味着函数不连续。即使定义函数的表达式发生变化，函数仍可能处处连续。\n\n对于位于实数区间内部的分段边界点 \\(c\\)，连续的条件是\n\n\\[\\lim_{x\\to c^-}f(x) = \\lim_{x\\to c^+}f(x) = f(c).\\]\n\n这里的两个极限都是单侧极限，分别使用 \\(c\\) 紧邻左侧和右侧所适用的规则计算。在定义域的端点处，连续性是相对于定义域而言的，可能只需要考察单侧极限。\n\n例如，考虑\n\n\\[f(x)= \\begin{cases} x^2, & x<1,\\\\ ax+b, & x\\geq 1. \\end{cases}\\]\n\n在 \\(1\\) 处，左极限为 \\(1\\)，右极限与该点的函数值均为 \\(a+b\\)。因此，\\(f\\) 在 \\(1\\) 处连续的充要条件是\n\n\\[a+b=1.\\]\n\n如果两个单侧极限都存在且为有限值，但彼此不相等，那么该边界点就是跳跃间断点。如果两者相等，但与该点的函数值不同，则可以通过改变该点的函数值来消除间断。\n\n仅凭函数在各分段内部连续，不能断定它在边界处也连续。对于无穷多个分段，逐一检查各衔接点也可能不够：还需要单独分析衔接点的聚点。"
    },
    {
      "heading": "求导",
      "text": "在分段内部，导数按该处适用的规则计算。在边界处，则必须使用函数在该点的实际取值和差商来检验可导性。\n\n对于内部点 \\(c\\)，需要考察的单侧导数为\n\n\\[f'_-(c)=\\lim_{h\\to0^-}\\frac{f(c+h)-f(c)}{h}, \\qquad f'_+(c)=\\lim_{h\\to0^+}\\frac{f(c+h)-f(c)}{h}.\\]\n\n如果这两个极限都存在、为有限值且相等，则函数在 \\(c\\) 处的导数存在。可导必连续，因此跳跃间断点处不存在通常意义下的导数。\n\n在前面的例子中，连续性给出 \\(a+b=1\\)。在 \\(1\\) 处，左导数为 \\(2\\)，右导数为 \\(a\\)。因此，在衔接点处可导要求\n\n\\[a=2,\\qquad b=-1.\\]\n\n绝对值函数说明，连续函数也可能在衔接点处不可导：它在零点处的两个单侧导数分别为 \\(-1\\) 和 \\(1\\)。\n\n更高阶的光滑性需要进一步的匹配条件。一个函数可以具有连续的一阶导数，但其二阶导数在某个边界点处不存在。"
    },
    {
      "heading": "积分",
      "text": "对于有限划分\n\n\\[a=c_0<c_1<\\cdots<c_n=b,\\]\n\n可以将各分段的积分相加，求得整个区间上的积分：\n\n\\[\\int_a^b f(x)\\,dx = \\sum_{i=1}^{n} \\int_{c_{i-1}}^{c_i} f(x)\\,dx.\\]\n\n这一等式在相关积分存在时成立。特别地，如果一个有界函数除有限个分点外处处连续，那么它在有界闭区间上黎曼可积。改变它在有限个点处的取值，不会改变该积分。\n\n利用各段公式构造原函数时，必须协调选取各积分常数。例如，如果 \\(f\\) 在某个衔接点处连续，那么其全局原函数必须在该处连续衔接；不能不顾相邻分段的情况而独立选取各段的积分常数。\n\n对于无界函数、无穷多个分段或边界处存在奇点的情况，必须检验收敛性，不能仅凭分段记号就认定积分收敛。"
    },
    {
      "heading": "重要形式",
      "text": "分段常数函数在每一段上都是常数。示性函数是一个基本例子：它在指定集合上等于 \\(1\\)，在该集合之外等于 \\(0\\)。对于一元函数，阶梯函数通常按区间分段。\n\n分段仿射函数使用形如 \\(ax+b\\) 的公式。它们也常被称为分段线性函数，尤其是在数值计算和应用领域，尽管常数项非零的仿射映射在严格的线性代数意义下并不是线性的。\n\n分段多项式函数在每一段上使用一个多项式。样条是在衔接点处满足指定匹配条件的分段多项式函数，这些衔接点称为节点。匹配条件决定了函数的连续性和可导性。\n\n分段连续和分段光滑等术语描述的是函数在各分段上的正则性，而不只是表示使用了分情况的记号。这些术语的确切约定并不统一，尤其是在分段数量以及是否要求存在有限单侧极限等方面。"
    },
    {
      "heading": "应用与计算中的注意事项",
      "text": "在插值和数值分析中，分段公式可以进行局部近似，而不必在整个区间上使用一个高次多项式。有限元法使用在网格单元上局部定义的函数，并根据所研究的问题选取相容性条件。\n\n在概率论中，概率密度函数通常在其支撑集上用一个表达式给出，在支撑集外则为零。分段公式也用于描述在不同取值范围内具有不同行为的累积分布函数。\n\n基于阈值的模型见于定价、税收、控制系统和数学优化。例如，累进税制虽然在各收入阈值处改变边际税率，但由此得到的总税额函数仍可以是连续的分段仿射函数。\n\n在软件中，分段函数通过条件分支或数组掩码实现。数学中的分情况定义应当给出唯一的值，且该值不依赖于求值顺序；而编程语言可能通过选择第一个匹配的分支来处理条件重叠。数值实现还必须妥善处理边界比较，并避免在表达式的适用区域之外对其求值。\n\n在自动微分中，对所选分支求导并不能证明原函数在切换点处可导。在不存在通常意义下导数的尖角处，程序仍可能返回一个取决于所选分支的值。"
    }
  ],
  "links": [
    "domain-of-a-function",
    "mathematical-function",
    "set-partition",
    "codomain",
    "absolute-value",
    "graph-of-a-function",
    "continuous-function",
    "limit",
    "derivative",
    "integral",
    "riemann-integral",
    "antiderivative",
    "indicator-function",
    "affine-map",
    "polynomial",
    "interpolation",
    "numerical-analysis",
    "finite-element-method",
    "probability-density-function",
    "cumulative-distribution-function",
    "mathematical-optimization",
    "automatic-differentiation"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}