先看一段很多人都写过的判断:两个点是否「足够近」,写成 abs(x - y) < 1e-6。同一个函数,既用来比较量级为 1 的归一化坐标,也用来比较量级为 1e9 的地图投影坐标。跑起来大部分时候对,偶尔错,而且错得没有规律。

把两种输入单独打出来,问题就清楚了。在 1.0 附近,差 1e-7 被判为近;换到 1e9 附近,差 1.0 被判为不近,可相对差只有 1e-9,比前一组小得多。也就是说,「足够近」里没有写清楚「相对于谁足够近」。

第二个现场更隐蔽:判断一个点是否落在多边形内部。射线法在点正好压到边上时,一会儿返回内部,一会儿返回外部;把判断从 < 换成 <=,边界像素的归属整片翻转。

这两件事表面上是数值稳定性和边界条件,根子上是同一个问题:「近」这个概念本身没有被定义清楚。数学上把它定义清楚的第一版叫 ε-δ,第二版叫拓扑。这篇讲的就是为什么需要第二版。

def near(x, y, eps=1e-6):
    return abs(x - y) < eps

cases = [
    (1.0, 1.0 + 1e-7),
    (1e9, 1e9 + 1e-7),
    (1e9, 1e9 + 1.0),
    (1e9, 1e9 + 1000.0),
]
for a, b in cases:
    print("%-14r %-14r diff=%-12r near=%s" % (a, b, b - a, near(a, b)))

在本机 Python 3.15 上跑,输出是:

1.0            1.0000001      diff=1.0000000005838672e-07 near=True
1000000000.0   1000000000.0000001 diff=1.1920928955078125e-07 near=True
1000000000.0   1000000001.0   diff=1.0          near=False
1000000000.0   1000001000.0   diff=1000.0       near=False

第三行才是要命的那一行:两点只差 1.0,相对 1e9 只有十亿分之一,却因绝对值超过 1e-6 被判成远。同一条阈值,小尺度上太严,大尺度上又太松。

连续的老定义:ε-δ 说清楚了什么

连续(continuity)的大白话是:x 靠近 a 时,f(x) 靠近 f(a)。这句话有两处含糊:靠近没有量化,靠近 a 是否包括 a 本身也没交代。

十九世纪把这两点补上了,得到 ε-δ 定义(epsilon-delta):f 在 a 处连续,意思是对每一个 ε 大于 0,都存在 δ 大于 0,使得只要 x 与 a 的距离小于 δ,f(x) 与 f(a) 的距离就小于 ε。写成一行就是下面这样。

f 在 a 处连续:

  ∀ε > 0,∃δ > 0,使得  |x − a| < δ  就有  |f(x) − f(a)| < ε

量词顺序是这段定义的全部技术含量:ε 先给出,δ 后找到。对方先报精度要求 ε,你再证明存在半径 δ 能扛住。顺序反过来,先固定 δ 再要求所有 ε 成立,就等于要求函数在这一点附近完全不变,只有常函数满足。

还有两个细节。条件里用的是严格小于,所以「差恰好等于 δ」的点不参与判断。定义也只约束距离小于 δ 的 x,不关心函数在别处跳成什么样。

在实数轴上,这套定义够用,而且很结实。任意两个不同的点之间还夹着无穷多个点,所以「一小圈」总能找到,δ 再小也不会空。连续、极限、导数、积分,全都建在这个性质上。

但它有一个隐含前提:|x − a| 和 |f(x) − f(a)| 都得先有意义。换句话说,定义域和值域上都已经装好了一把尺子。实数轴默认自带这把尺子,所以大家感觉不到它的存在。换一个空间,尺子不一定有,这就是下一节的问题。

换个空间,老定义就失效了

实际要处理的函数,定义域经常不是一条直线。函数可能定义在曲面上,比如球面上的温度分布;可能定义在图上,比如社交网络里每个节点的活跃度;也可能定义在概率分布上,比如两个模型输出的差异。这些空间里,「两点相距多远」不是随手就能写出来的。

球面上两点的最短路径是大圆弧。图上两点通常按跳数或带权最短路径算,跳数和路径长度又是两把尺子。字符串之间的编辑距离取决于允许哪些操作,允许增删改还是只许替换,结果不同。概率分布之间更热闹,KL 散度、全变差距离、Wasserstein 距离都有人用,其中 KL 散度连对称性都不满足,KL(P‖Q) 与 KL(Q‖P) 可以差得很远。

所以在这些空间里,「x 靠近 a」先要回答:按哪把尺子量?尺子换了,连续与否的结论也跟着换。定义域本身不带距离,距离是额外装上去的设备。

有些场合甚至一件设备都不需要。比如只关心分类器在输入扰动下输出会不会跳变,你可能只想知道「哪些输入集合是连成一片的」,不关心差了多少。此时距离是多余的信息,会把结论绑死在某个单位上。拓扑就是为这种场合准备的。

同一个集合换把尺子,结论就变了

先看一个极端例子。给定集合 X,定义离散度量(discrete metric):同点距离 0,不同点距离一律 1。

d(x, y) = 0,若 x = y
d(x, y) = 1,若 x ≠ y

它满足度量的三条公理,下一节再逐条核对。先看它的后果:以任意点为中心、半径 0.5 的开球只包含这个点自己,半径 1.5 的开球包含整个空间。取四个点算一遍距离矩阵。

pts = ["a", "b", "c", "d"]

def d(x, y):
    return 0 if x == y else 1

print("     " + "".join("%3s" % p for p in pts))
for x in pts:
    print("%3s  " % x + "".join("%3d" % d(x, y) for y in pts))

print("B(a,0.5) =", [y for y in pts if d("a", y) < 0.5])
print("B(a,1.5) =", [y for y in pts if d("a", y) < 1.5])
       a  b  c  d
  a    0  1  1  1
  b    1  0  1  1
  c    1  1  0  1
  d    1  1  1  0
B(a,0.5) = ['a']
B(a,1.5) = ['a', 'b', 'c', 'd']

矩阵对角线上全是 0,其余全是 1。「靠近」在这里的唯一含义是「完全相同」:半径不够 1 的球只装得下自己,超过 1 就装下全世界。

关键结论:在这个度量下,任何函数都连续。给定任意 ε 大于 0,取 δ = 0.5;条件 d(x, a) 小于 0.5 意味着 x 只能等于 a,此时 d(f(x), f(a)) = 0,必然小于 ε。不管函数跳得多离谱,每个点都连续。

只学过 ε-δ 的人会觉得别扭:函数在「相邻」点上取值天差地别,怎么算连续?原因是相邻点根本不存在,每个点都被孤立在自己的小球里。连续性在这里退化成空洞的要求。

这就回答了开头的问题:连续不是函数单独的性质,而是函数和两边距离共同的性质。换把尺子结论可以完全相反。工程里「换个归一化结果就变了」的困惑,源头就在这里:你以为只改了数值,其实把度量也改了。

距离空间回顾:三条公理与开球

整理成定义。度量空间(metric space)是集合 X 加函数 d,d 把每对点映到非负实数,满足三条。

度量的三条公理
非负,且同点为零d(x, y) ≥ 0,且 d(x, y) = 0 当且仅当 x = y。后半句叫不可分辨者同一,保证不同点不被判成零距离。
对称d(x, y) = d(y, x)。两个方向一样远。
三角不等式d(x, z) ≤ d(x, y) + d(y, z)。绕道不会更近,这是「距离」这个词最核心的一条。

三角不等式保证「近」可以传递:x 离 y 近、y 离 z 近,x 离 z 的上界就是两段之和。没有它,误差估计、收敛证明、路径规划都做不下去,很多算法能剪枝也靠这个上界。

常见误区:以为任何像距离的公式都满足三条。取 d(x, y) 等于 (x − y) 的平方,非负、对称、同点为零都满足,三角不等式却会破。

def dist2(x, y):
    return (x - y) ** 2

for (x, y, z) in [(0, 1, 2), (0, 2, 5)]:
    print("d(%d,%d)=%d  d(%d,%d)+d(%d,%d)=%d  ok=%s"
          % (x, z, dist2(x, z), x, y, y, z,
             dist2(x, y) + dist2(y, z),
             dist2(x, z) <= dist2(x, y) + dist2(y, z)))
d(0,2)=4  d(0,1)+d(1,2)=2  ok=False
d(0,5)=25  d(0,2)+d(2,5)=13  ok=False

d(0, 2) = 4,而 d(0, 1) + d(1, 2) = 2,4 不大于 2,公理破了。所以平方差不是距离,尽管平方误差确实是常用损失。当损失没问题,当距离去建索引、做剪枝、设邻域半径就会出事:最近邻可能不唯一,索引会漏结果。

有了距离就能定义开球(open ball):到 x 的距离严格小于 r 的点。

B(x, r) = { y ∈ X | d(x, y) < r }

注意是严格小于,边界那一层不在球里。工程里这就是 < 与 <= 的差别,也是开头边界像素抖动的直接原因。定义选严格小于,是为了让开球本身是开集。

现在把 ε-δ 用开球重写:f 在 a 处连续,等价于对每个 ε 大于 0,存在 δ 大于 0,使 f 把整个 B(a, δ) 送进 B(f(a), ε)。换成原像,就是 f−1(B(f(a), ε)) 包含某个 B(a, δ)。拿 f(x) = 2x、a = 1、ε = 0.1 验一遍,δ 取 0.05。

def f(x):
    return 2 * x

a, fa, eps = 1.0, 2.0, 0.1
delta = eps / 2
print("delta =", delta, " ball =", (a - delta, a + delta))
pts = [a + k * delta / 100 for k in range(-99, 100) if k != 0]
worst = max(abs(f(x) - fa) for x in pts)
print("worst |f(x)-f(a)| =", worst)
print("all inside B(f(a),eps):", worst < eps)
delta = 0.05  ball = (0.95, 1.05)
worst |f(x)-f(a)| = 0.0990000000000002
all inside B(f(a),eps): True

采样点刻意避开端点,因为开球不含距离恰好等于 δ 的两个点。把端点算进来,最坏值会恰好等于 0.1,判断就变成闭区间的约定。

这次改写看着只是换了记号,其实已埋下推广的种子:定义里真正用到的,只有「以 a 为中心的某个球整个落在某个集合里」这件事,球怎么算、空间长什么样,都没出现在结论里。

抽象:把「哪些集合算开集」当原始数据

如果只关心「一个点周围有没有一圈还在某个集合里」,就完全可以不定义距离,直接规定哪些集合算开集。规定不能随手写,否则连续性会失去意义,最后留下的规则是三条。

拓扑的三条公理
空集与全集∅ 和 X 都算开集。空集没有点,条件真空成立;全集包含每个点的一圈。
任意并任意多个开集的并仍开。并集里每个点至少来自一个开集,那一圈跟着搬过来。
有限交有限多个开集的交仍开。每个点各有一圈,取最小半径,就同时落在所有集合里。

满足这三条的一族子集叫拓扑(topology),成员叫开集。X 配上拓扑就是拓扑空间。距离被彻底丢掉,只留下「附近」的结构。

为什么交只允许有限个?下一节的例子会给出一组无限多个开集,交点退化成一个单点,而单点不是开集。根子在「取最小半径」:有限个正数一定有最小值,无限个正数可以一路趋近 0 却没有最小正数。

这一步抽象值不值?值。它把连续从数字不等式变成关于集合包含的命题,凡是能定义开集的地方都能谈连续,包括没有距离、或者有好几把尺子的场合。代价是拓扑只知道哪些集合开,不知道差多少。

任何度量都能诱导出一个拓扑:把能写成若干开球之并的集合定义为开集,三条公理自动成立。反过来不一定,能由度量诱导的拓扑叫可度量化的拓扑,这个名字记住就行。

同一个集合上可以装很多拓扑。拓扑越细,开集越多,连续的函数越少;越粗则相反。离散拓扑最细,任何函数都连续;平凡拓扑最粗,绝大多数函数不连续。

三种拓扑下,同一个函数连不连续

取三个点 X = {0, 1, 2},同一个点集配两种拓扑,用同一套程序判断两个函数。

离散拓扑

所有子集都算开集,共 23 = 8 个,可由离散度量诱导,每个点都被「只有自己」的球包住。

平凡拓扑

只有空集和全集算开集,共 2 个。点与点之间没有可用来区分的小集合,也叫不可分拓扑。

再准备两个函数:轮换把 0 映到 1、1 映到 2、2 映到 0;常函数把三个点全映到 0。值域固定用离散拓扑,每个单点集都是开集,能用来指认原像。

判断方法就是定义:对值域里每个开集 U,检查原像 f−1(U) 是不是定义域的开集。全通过就连续,有一个不通过就不连续。三个点只有八个子集,可以硬算。

X = {0, 1, 2}

def all_subsets(s):
    s = list(s)
    return [frozenset(s[i] for i in range(len(s)) if mask >> i & 1)
            for mask in range(1 << len(s))]

discrete_topo = set(all_subsets(X))
trivial_topo = {frozenset(), frozenset(X)}

def is_continuous(f, topo):
    return all(frozenset(x for x in X if f[x] in U) in topo
               for U in discrete_topo)

f_swap = {0: 1, 1: 2, 2: 0}
f_const = {0: 0, 1: 0, 2: 0}
for name, topo in [("discrete", discrete_topo), ("trivial", trivial_topo)]:
    for fname, f in [("swap", f_swap), ("const", f_const)]:
        print("domain=%-9s f=%-6s continuous=%s"
              % (name, fname, is_continuous(f, topo)))
domain=discrete  f=swap   continuous=True
domain=discrete  f=const  continuous=True
domain=trivial   f=swap   continuous=False
domain=trivial   f=const  continuous=True

输出四行:离散拓扑下两个都连续;平凡拓扑下轮换不连续,常函数仍连续。

逐条对理由。离散拓扑下任何原像都是 X 的子集,而所有子集都开,检查必然通过,这正是上一节结论的集合版。平凡拓扑下看轮换的原像:单点集 {1} 开,原像是 {0},而 {0} 既非空集也非全集,不是开集,所以不连续。常函数的原像只有空集或全集,都开,所以连续。

这里极易写错:如果把值域也设成平凡拓扑,任何函数的原像都只能是空集或全集,所有函数都会连续,结论正好反过来。所以「平凡拓扑下只有常函数连续」必须补上值域足够细这个前提。判断变换稳不稳前,先问清两边的空间和拓扑。

实数轴的标准拓扑里,开集是任意多个开区间的并。它和 ε-δ 完全等价,f−1(开区间) 能写成开区间的并,就等同于每点都有 δ 球落在里面。所以它不是新东西,只是 ε-δ 的集合版包装。

一张现象对照表

下面这些现象在数值计算、几何判定、机器学习里都出现过。原因各不相同,但都能回到「连续到底依赖什么」这个定义上。

现象真实原因第一步查什么
同一个 abs(x−y) 阈值,换个数据量级就失效用绝对差值当「近」,没有把尺度算进去打印每个量级下的差值与相对误差,看阈值和数量级差了几位
多边形边界点一会儿算内一会儿算外开闭判定混用,射线法对「压在边上」没有统一约定把边界点单独列成一类,明确 < 与 <= 的归属
换了归一化或换了个距离,连续性结论变了连续依赖度量,尺子换了结论自然换确认两段逻辑用的是不是同一把尺子,换尺后重跑
邻域里一个样本都没有,算法空转数据稀疏,半径内的开球是空集统计球的基数与近邻距离分布,再看半径是否要自适应
离散 ID 上谈「连续」,任何映射都通过离散度量下每个点都被孤立,任何函数连续确认定义域是否离散,改谈稳定性或 Lipschitz 常数
同一个函数在两套代码里连续判定相反两边的开集族不同,却又都叫「开集」把各自的拓扑或距离写下来,逐集合对一遍

边界与代价

第一,拓扑比距离弱。距离回答「差多少」,拓扑只回答「近不近」,而且这个「近」还是相对某个开集族说的。后果很直接:拓扑意义上连续的函数,完全可能把相距 1e-9 的两点映到相距 1 的值,只要跳变落在开集族允许的缝里。要量化稳定性,还得回到距离或 Lipschitz 常数。

第二,验证连续的成本不现实。定义要求检查所有开集的原像,而实数轴上的开集多得数不清。实际证明靠两条路:只检查基元素的原像,因为其它开集都是基的并;或者直接手写 δ 估计。工程里更退一步,抽样与扰动测试只是近似验证。

第三,拓扑会改变结论的粗糙度。不同拓扑给出的连续函数集合可以差得非常远。选错了拓扑,要么所有函数都合格,要么几乎没有函数合格,两种都没有信息量。有用的通常是中间那些拓扑。

第四,工程里真正在用的是启发式。绝对阈值、相对阈值、自适应容差、滤波核宽、邻域半径,本质都是「人工选一个距离,再选一个阈值」。这些做法不需要拓扑,因为已经在距离这一层解决了。拓扑的价值在于,距离不存在或不唯一时,它还有一套统一语言。

第五,弱也有弱的好处。拓扑结论不依赖具体距离,换单位、换坐标系,只要诱导出的拓扑没变,结论就还在。这是抽象换来的稳健性。记住这层关系:距离是具体尺子,拓扑是尺子背后那套「哪些集合算一片」的约定。

小结与练习

把主线压成三句。ε-δ 把「靠近」量化成两个正数,好用但绑死在有距离的空间上;尺子可以换,换了连续与否会变,离散度量下所有函数都连续就是极端例子;拓扑只保留「哪些集合算开集」,用三条规则固定「附近」的结构,连续于是成了纯集合命题。

下面五条都能当天在本机验完,不需要额外依赖:

  1. 手写 f(x) = 3x + 1 在 a = 2 处、ε = 0.02 的 δ 取值,说明为什么 δ = ε / 3 可行,再用采样脚本确认球内所有点都被送进目标球。
  2. 对五个标签定义离散度量,打印 5 行 5 列的距离矩阵,再验证半径 0.5 的球只包含自己、半径 1.5 的球包含全部五个点。
  3. 取 X = {a, b, c},列出拓扑 {∅, {a}, {a, b}, X},逐条验证三条公理;注意 {b} 不在其中,说明它不是离散拓扑。
  4. 在 {0, 1} 上取恒等函数,分别把离散拓扑和平凡拓扑当定义域,跑一遍判断程序,解释两次结论为什么相反。
  5. 构造 f(x) = 0(x 小于 0)、f(x) = 1(x 大于等于 0),在 a = 0 处证明不连续:取 ε = 0.5,任何 δ 都同时包含负点和正点,两侧函数值之差恒为 1。

下一步:连续只依赖开集

既然连续只依赖开集,下一步就把开集本身讲清楚:哪些集合算开,怎么用更少的基本开集生成全部开集,一个点周围的邻域指什么。这些不讲透,「开集的原像是开集」就只是一句口诀。

下一篇从开集与邻域开始,把它们在实数轴、离散空间和一般拓扑里的样子摆出来,再用具体区间验证最容易写错的那条:交为什么只能有限。