企业官网建设流程全解析

读大二那年，我第一次在《数学分析》课本里撞见“处处连续但处处不可导”这几个字，第一反应是印错了。小时候学函数，老师总说连续函数就是“图像能一笔画下来”，一笔画下来的线，怎么会没有切线？后来才慢慢明白，数学里的“连续”比“画得出来”要宽得多，而帮我把这条边界真正划清楚的，恰恰是一堆看起来像“坏函数”的特例与反例。我甚至觉得，谁要是没被几个反例“打脸”过，谁就算真正学过数分。

这篇内容想把我在学数分、教数分过程中攒下的经典反例从头捋一遍：它们怎么构造、为什么能推翻直觉、考试里怎么用、自己又该怎么造新反例。适合正在啃数分的高年级本科生、准备考研的同学，也适合带微积分课程的同行做个教学参考。放心，我不打算写得像教材那么端，就当是过来人给你翻翻我的“错题本”。

1. 为什么数学分析里“反例”如此重要

1.1 从一道“送命题”说起：连续函数一定可导吗

很多学校在讲完“连续”之后，都会顺势问一句：若函数在闭区间上连续，它是不是至少在一个点可导？这个问题放在课堂上，十个人里有八个人会点头。理由很朴素：连续嘛，图像不断，而一条不断的曲线总有“平滑”的地方吧？

答案是不一定。魏尔施特拉斯在1872年构造了一个函数：

$$W(x)=\sum_{n=0}^{\infty} a^n \cos(b^n \pi x)$$

其中 $0<a<1$，$b$ 为正奇数，且 $ab>1+\frac{3\pi}{2}$。这个函数在实数轴上处处连续，却处处不可导。我第一次看到这个结论时，觉得这简直是在挑衅几何直观。直到自己用 Weierstrass M 判别法证明了它的一致收敛性，又试着在脑子里想象它的局部形态——每放大一次，都会看到一模一样的锯齿状波纹，无穷无尽。连续函数可以“尖”到什么程度？这个反例给出了冷冰冰的回答。

所以学习数学分析，第一课要接受的不是定理，而是观念：几何直观是强有力的探路工具，但它永远不能替代证明。反例就是你用来检验直觉的试金石，每当你对一个命题说“显然成立”时，都应该先问问有没有哪个“怪函数”在偷偷等着你。

1.2 反例的三个价值：查漏、纠错、重塑直觉

我后来带学生时，喜欢把反例的价值分成三层，正好对应三个阶段的学习诉求。

第一层是“查漏”。一个定理摆在那里，少一个条件还成立吗？比如闭区间上连续函数必有一致连续，那把闭区间改成开区间呢？反例 $f(x)=\frac{1}{x}$ 在 $(0,1)$ 上连续但显然不一致连续。这类反例帮你把定理的每一个条件都变成“肌肉记忆”。

第二层是“纠错”。自己推导或做题时，经常会产生错误的猜想，这时候反例就是最直接的“打脸工具”。比如很多人初学可导时，会理所当然地认为“可导函数的导函数一定连续”，结果 $x^2\sin\frac{1}{x}$ 一个反例甩过来，瞬间清醒。

第三层是“重塑直觉”。这是最高级的一层，也是反例最迷人的地方。当你真正吃透一批经典反例后，你对“连续”“可积”“一致收敛”这些概念的理解，会和只背定理的人完全不同。你不再指望函数图像是光滑的，不再以为有界就万事大吉，你开始用“例外”的视角去审视每个命题，这才是数学分析真正想教给你的思维方式。

下面这张表是我给学生开的“直觉校准清单”，每一条都对应一个经典反例：

每次考试前让学生把这张表过一遍，正确率都能高不少。不是因为题目简单了，而是因为很多“看起来对”的选项，你一眼就能认出它是哪个反例在捣乱。

2. 那些绕不开的经典反例

2.1 处处连续、处处不可导：魏尔施特拉斯函数

魏尔施特拉斯函数的定义上面已经写了，这里多说两句它的“脾气”。它是一列余弦波的无穷叠加，每一项 $a^n\cos(b^n\pi x)$ 都是光滑的，但叠加起来之后，每一项的频率 $b^n$ 增长得极快，幅度 $a^n$ 又衰减得恰到好处。最终结果就是：在任意小的区间内，函数都充满高频振荡，局部放大后和整体长得一模一样，这就是它后来被称为“分形”鼻祖的原因。

证明它连续，用的是 Weierstrass M 判别法：因为 $|a^n\cos(b^n\pi x)|\le a^n$，而 $\sum a^n$ 收敛，所以函数项级数一致收敛，每一项都连续，故 $W(x)$ 连续。证明它处处不可导，需要借助差商估计，核心思路是：对任意一点 $x_0$，构造一列趋于 $x_0$ 的 $h_m$，使得差商 $\frac{W(x_0+h_m)-W(x_0)}{h_m}$ 的绝对值趋于无穷大。这就说明切线斜率不可能存在。

一个更容易理解但同样经典的初等例子，是所谓“三角波级数”。先定义锯齿函数 $\varphi(x)$ 为 $x$ 到最近整数的距离，再令：

$$F(x)=\sum_{k=0}^{\infty}\frac{1}{4^k},\varphi(4^k x)$$

这个级数一致收敛，所以 $F$ 连续。但每一项都在 $4^k x$ 为整数的地方有一个“尖点”，无穷多个尖点叠下来，使得 $F$ 在任何一点都不可导。同一个名字，魏尔施特拉斯函数用余弦波，这个用三角波，道理是相通的：用不断加密的尖点/振荡点，把“平滑性”彻底破坏掉。

很多人问：这种函数有什么用？在本科阶段，它的最大作用就是让你记住一个铁律——“连续”和“可导”之间隔着巨大鸿沟，可导是远比连续苛刻的条件。后来你会知道，这类函数在分形几何、布朗运动、金融数学里都有影子，那是后话了。

2.2 可导但导函数不连续：$x^2\sin\frac{1}{x}$

如果说魏尔施特拉斯函数让人“看不懂”，那 $x^2\sin\frac{1}{x}$ 就是最亲民的反例，因为它几乎无处不在地出现在考研题和期末题里。

定义函数：

$$ f(x)=\begin{cases} x^2\sin\frac{1}{x}, & x\neq 0\ 0, & x=0 \end{cases} $$

当 $x\neq0$ 时，它是两个光滑函数的复合，当然可导，导数为：

$$f'(x)=2x\sin\frac{1}{x}-\cos\frac{1}{x}$$

这个表达式在 $x\to0$ 时，$2x\sin\frac{1}{x}\to0$，但 $-\cos\frac{1}{x}$ 在 $[-1,1]$ 之间无限振荡，所以 $\lim_{x\to0}f'(x)$ 不存在。再看 $x=0$ 处的导数，不能直接套求导法则，必须用导数的定义：

$$f'(0)=\lim_{x\to0}\frac{x^2\sin\frac{1}{x}-0}{x}=\lim_{x\to0}x\sin\frac{1}{x}=0$$

于是我们得到了一个神奇的事实：$f$ 在 $x=0$ 处可导，且 $f'(0)=0$，但导函数 $f'(x)$ 在 $x=0$ 处没有极限，也就是导函数不连续。一个可导函数，它的导函数居然可以不连续，这直接摧毁了很多初学者的“导数就是光滑”“能求导就能画出导函数图像”的朴素想象。

这个反例还引出一个重要结论：导函数不一定连续，但它一定具有介值性，这就是达布定理。你可以理解为，导函数虽然可以“跳来跳去”，但不会跨过中间值直接跳变。所以如果你遇到一个函数声称是某个函数的导函数，它在某点却有第一类间断点，那它一定不是真正的导函数——这是判断“一个函数是否是导数”的利器。

2.3 黎曼函数：可积但“不连续点满天飞”

黎曼函数是另一个必须刻进DNA的例子：

$$ R(x)=\begin{cases} \frac{1}{q}, & x=\frac{p}{q}\text{ 为既约分数 }(q>0)\ 0, & x\text{ 为无理数} \end{cases} $$

这个函数在有理点取正值，在无理点取 0。因为有理数和无理数在数轴上都稠密，所以你会觉得它“处处都不连续”。但准确结论是：$R(x)$ 在每个有理点不连续，在每个无理点连续。

为什么无理点反而连续？因为若 $x_0$ 是无理数，想让 $R(x)$ 接近 0 很容易；想让它超过某个 $\varepsilon>0$，$x$ 必须是有理数且分母 $q$ 足够小，而分母不超过 $N$ 的有理数在每个有限区间内只有有限多个，所以只要取足够小的邻域，就能避开所有“取值较大”的有理点。这就是“分母越小，有理数越稀疏”的思想。

更反直觉的是，这个看似千疮百孔的函数，在 $[0,1]$ 上竟然是黎曼可积的，而且 $\int_0^1 R(x),dx=0$。原因是它的所有不连续点集合——有理数集——是可数的，而可数集的勒贝格测度为零。这正好呼应了勒贝格判据：有界函数在闭区间上黎曼可积，当且仅当它的不连续点集是零测集。

拿它和狄利克雷函数 $D(x)=1_{\mathbb{Q}}(x)$ 对比一下：狄利克雷函数在每一点都不连续，不连续点集是全体实数，测度不为零，所以黎曼不可积。同样是“稠密处不连续”，一个可积一个不可积，差别就藏在“不连续点到底有多少”这个测度问题里。这两个函数放在一起对比着学，黎曼积分理论的边界一下就清楚了。

2.4 极限交换失效的反例

数学分析里最频繁出现的“反例区”，莫过于各种“交换极限”。积分与极限的交换、导数与极限的交换、无穷级数与极限的交换，每一条都要小心。

先看积分与极限。设 $f_n(x)=nx(1-x^2)^n$，定义在 $[0,1]$ 上。对固定的 $x\in(0,1)$，因为 $|1-x^2|<1$，所以 $nx(1-x^2)^n\to0$；在端点 $x=0,1$ 处，$f_n(0)=f_n(1)=0$。因此 $f_n$ 逐点收敛到 $0$。但积分呢？

$$\int_0^1 nx(1-x^2)^n,dx=\frac{n}{2n+2}\to\frac12$$

逐点极限是 $0$，积分极限却是 $\frac12$，两个极限不能交换。问题出在哪里？出在“逐点收敛”只承诺每个点附近的行为，却不承诺整体“高峰”的宽度是否收缩。这个函数在 $x=0$ 附近有一个越来越窄但越来越高的“尖峰”，逐点看它趋于0，整体看尖峰面积却不消失。想要积分与极限交换，就得防止这种“尖峰逃逸”，一致收敛就是最常用的条件。

再看导数与极限。$g_n(x)=\frac{\sin(nx)}{\sqrt{n}}$ 在 $[0,\pi]$ 上一致收敛到 $0$，因为 $|g_n|\le\frac1{\sqrt n}$。但它的导数 $g'_n(x)=\sqrt{n}\cos(nx)$ 并不收敛，甚至振荡得越来越剧烈。这说明一致收敛只约束函数本身，完全管不住导数的行为。要想“导数的极限等于极限的导数”，还需要导数一致收敛之类的额外条件。

这两个例子我建议你亲手算一遍，别只看结论。算完之后你会发现，“一致收敛”为什么是数分里被反复强调的“万金油”，又为什么即便有了一致收敛，也不能无脑换极限——这背后全是反例在提醒你：条件不够，结论就会悄悄跑掉。

3. 反例的构造逻辑：从“没想到”到“可复现”

单纯背反例，遇到新题还是会懵。真正有用的能力，是看懂经典反例背后的“构造套路”。下面我把自己常用的几套思路拆开来讲。

3.1 震荡法：在一个点附近无限振荡

最常见的反例制造机就是 $\sin\frac1x$ 这条曲线。它把无限多次振荡压缩在 $x=0$ 的附近，振幅不变，频率趋于无穷。想造连续但不可导的函数，就让振荡的“振幅除以宽度”不收敛；想造可导但导函数不连续的函数，就在前面乘一个 $x^2$，让差商被压制住。

具体操作时，幂次是关键：$x\sin\frac1x$ 在 $x=0$ 处不连续？不对，实际上 $x\sin\frac1x$ 在0处连续但不可导；$x^2\sin\frac1x$ 在0处可导但导数不连续；$x^3\sin\frac1x$ 在0处导数连续但二阶导数不存在。你可以通过调整幂次，精确地控制“光滑到第几层”就坏掉。这个方法最大的好处是可控：你想让它在某点坏到什么程度，就用对应的幂次去压制。

3.2 级数叠加法：把高频振荡一层层叠起来

一个函数不够疯，就把无穷多个函数叠起来。魏尔施特拉斯函数的本质就是无穷多个频率按指数增长、幅度按指数衰减的余弦波的叠加。每叠加一层，就让每个点附近再多一层不可导的“锯齿”，最终叠出一个处处不可导的连续函数。

这个思路可以复制。你甚至可以拿三角波函数 $\varphi(x)$ 当“砖块”，用 $\sum a^k\varphi(b^k x)$ 的形式搭出各种病态函数。关键是幅度衰减要保证一致收敛（连续性），频率增长要足够快（破坏可导性），两者之间需要平衡。我上课时喜欢让学生类比“信号叠加”：低频是趋势，高频是细节，当你把无限多高频细节都塞进去之后，趋势就完全被细节吞没了。

3.3 稠密性与分割法：用有理数和无理数做文章

狄利克雷函数和黎曼函数共同教会我们一件事：有理数和无理数这两套“骨架”可以用来制造各种不连续。基本操作就是“分段配方”：在有理数点定义一个值，在无理数点定义另一个值，再通过调整这两个值的差异，控制不连续点的多少和性质。

比如想造一个只在某一点连续的函数，可以令：

$$f(x)=\begin{cases} x, & x\text{ 有理数}\ 0, & x\text{ 无理数} \end{cases}$$

这个函数在 $x=0$ 处连续（因为 $|x|$ 很小），在其他点都不连续。如果偏要造“处处不连续”，就让有理点和无理点的取值差一个固定常数，狄利克雷函数就是典型。想造“可积但不连续点无穷多”，就让有理点上的取值随分母减小，于是得到黎曼函数。这套“二分法”几乎是病理函数的基本乐高积木。

3.4 从经典反例组装新反例

有了上面的积木，你就可以自己组装新反例了。我常用的组装方式有三种。

第一种是“乘小量压制”。比如对某个处处不连续的函数 $D(x)$，乘上一个在目标点附近很小的因子 $x^2$，新函数在 $x=0$ 附近就会被“压制”得连续甚至可导，但离开 $0$ 点还是坏得很彻底。用这个方法可以造出只在一点连续、只在一点可导等各种函数。

第二种是“分段拼接”。把两个表现不同的函数拼在一起，保留各自的坏性质。比如左边用震荡函数，右边用阶跃函数，拼接处再用连续条件校准一下系数，就能得到“左边有某种性质、右边没有”的例子。

第三种是“复合传递”。这个要小心，因为复合会放大坏性质。一个经典例子是：设 $g(x)$ 为黎曼函数，$h(t)=1$（当 $t\neq0$）、$h(0)=0$，则 $h\circ g$ 在有理点取1、无理点取0，正好是狄利克雷函数，黎曼不可积。这说明黎曼可积函数经过一个不连续函数的复合，可积性会被完全破坏。类似的组装例子非常多，多试几次，你对各种“性质在复合下的表现”会特别敏感。

4. 实战：这些反例在考试和科研里的使用姿势

4.1 考研与期末高频反例速查

我在辅导考研学生时发现，数分真题里“反例题”的出镜率极高，而且出题方式高度套路化。下面这张表基本覆盖了常见题型，建议收藏：

上面第三行值得多说一句：$f(x)=x+2x^2\sin\frac1{x^2}$ 在 $x=0$ 处可导，且 $f'(0)=1$，但在任意靠近0的小邻域内，导数都有正有负且无界振荡，所以函数在0附近不单调。这个反例专门用来击碎“导数大于0就单调递增”的直觉。不过要强调：如果导数在整个区间上处处大于0，那确实单调递增，这是中值定理保证的；但“在某一点导数大于0”和“在邻域内单调”之间差了整整一个一致性的鸿沟。

4.2 做题时最容易掉进去的反例陷阱

第一个陷阱是“默认函数很光滑”。很多同学做选择题时，一看到“函数连续”就在脑子里画一条圆滑的抛物线，这等于主动放弃了反例意识。正确姿势是：每遇到一个命题，先别急着画图，先问一句“有没有一个函数能推翻它”。一旦你习惯了这种反问，很多看似复杂的证明题其实三秒就能找到突破点。

第二个陷阱是“用求导法则算分段点导数”。比如 $x^2\sin\frac1x$ 在 $x=0$ 处的导数，很多学生直接对 $x^2\sin\frac1x$ 求导再令 $x=0$，发现“导函数无定义”，就以为原函数不可导。正确做法是在分段点用导数定义，因为求导法则的前提是“在某个邻域内可导且有合适的表达式”，而分段点往往是表达式的断裂处。

第三个陷阱是“忽略反例的条件边界”。同样是函数列 $\frac{\sin(nx)}{\sqrt{n}}$，很多人记住“一致收敛但导数不收敛”这个结论后，就到处滥用，却忽略了定义域、连续性、可导性等条件。反例不是万能钥匙，它只在和它匹配的命题框架下才有杀伤力。

第四个陷阱是“背答案背错参数”。我见过不少学生把魏尔施特拉斯函数的参数背串了，或者把 $x\sin\frac1x$ 和 $x^2\sin\frac1x$ 的性质搞混。建议不要死记硬背，而是亲手画一画、用数值算一算，把“哪个函数在0附近长什么样”变成肌肉记忆，到考场上才不会被细节绊倒。

4.3 三步自定义一个新反例

如果你不光想应付考试，还想真的掌握“造反例”这个技能，我建议按下面三步走。

第一步，把要推翻的命题拆干净。写出所有条件：连续？可导？可积？一致连续？定义域是开还是闭？极限过程是什么？哪个条件让你觉得命题成立，它就可能是关键条件。绝大多数反例都是在“去掉一个关键条件”之后产生的。

第二步，选一个“坏核心”。想破坏连续性，就选有理数/无理数的二分法；想破坏可导性，就选 $\sin\frac1x$ 的震荡；想破坏可积性，就选不连续点太密的狄利克雷型函数；想破坏一致收敛，就选一个“尖峰越来越窄、越来越高”的函数列。把核心定下来，反例的骨架就有了。

第三步，用系数和区间“打磨包装”。乘上 $x^k$ 控制光滑度，限制在合适的区间上保证有界，必要时做平移、伸缩、组合，让反例正好满足“题目允许但不破坏坏性质”的平衡。打磨几次之后，你就能写出一个既合法又致命的反例。

5. 反例之外：别把反例学成“背模板”

5.1 反例不是“反数学”，它推动定理走向成熟

很多初学者对反例有排斥心理，觉得它们是故意找茬。但历史恰恰相反，几乎所有深刻的理论突破，都是从“旧定理被反例推翻”开始的。黎曼函数暴露出黎曼积分的局限，才促使勒贝格去建立一套更强大的积分理论；魏尔施特拉斯函数打破“连续函数几乎处处可导”的错误期望，反而推动了后来对单调函数、有界变差函数的研究，还意外地点燃了分形几何和布朗运动的火种。

所以在学习时，不妨把每个反例当成一次“理论升级的预告”。当你遇到一个反例，立刻想想：它到底戳中了哪个假设的软肋？如果把这个假设改成什么，就能把这个反例吸收进来？这样思考，反例就不再是孤立的“怪胎”，而是整个数分理论链条里不可或缺的一环。

5.2 我踩过的几个坑，都写在这里

我第一次给本科生讲黎曼函数时，自己踩了个大坑：想当然地认为“不连续点可数就可积”在所有情况下都成立，结果被一个有界黎曼不可积函数反将一军。后来才彻底明白，“不连续点集是零测集”才是黎曼可积的充要条件，可数集只是零测集的一种特殊情况。自此我养成了一个习惯：任何关于“可积性”的结论，都下意识地想一下“不连续点到底有多少、有多密”。

另一个坑是只记结论不记推导过程。早些年我参加讨论班，有一次需要现场举一个“可导但导函数不连续”的例子，我张嘴就是 $x^2\sin\frac1x$，但被追问“为什么在0处可导”时，竟一时接不上来。理论上学过和能当场说清楚是两回事。现在我的建议是：每个重要反例，至少亲手算一遍关键验证，尤其是分段点处的定义、差商估计、一致收敛性这三个关键步骤。

5.3 快速自查清单：证明前先问自己五个问题

最后给你一个我写论文和做题时都在用的“反例自查清单”。每当你觉得自己证完了，或者准备对一个命题点头时，按顺序问自己下面五个问题：

把这张表背下来，再做几道配套习题，你对反例的敏感度会明显上升。说白了，反例并不难，难的是在“该想起它的时候”能想起它。这张清单就是帮你建立这种“条件反射”的捷径。

我个人这几年最大的体会是：数学分析里那些反例，根本没有一个是真的“病态”，它们只是比你的直觉更诚实。每次被反例打败，都不是数学出了问题，而是你的直觉需要再升级一版。与其害怕它们，不如把它们当成一套“边界探针”——每探到一次边界，你离真正理解数分也就近了一步。