← 返回 PaperDaily 视觉与图像

意大利数学家最新证明：可微逼近不丢“像”，紧致推广到局部紧致

这是一篇纯数学论文，没有代码、没有数据集、没有实验曲线，却把“可微逼近保持像”这个硬核几何问题从紧致情形一路推到了局部紧致情形。对于研究几何、拓扑和可微映射的读者来说，这个结果的分量不亚于顶会SOTA。想理解数学中“光滑化”到底有多讲究，这篇值得静下心来读。

龙哥读论文发布于 2026-08-25 00:20:08 阅读 3 查看原文

#人工智能 #AI科研

原论文信息如下：

论文标题:
可微逼近连续局部可定义映射并保持像

发表日期:
2026年8月

发表单位:
意大利费拉拉大学（Universita di Ferrara）

原文链接:
https://arxiv.org/pdf/2608.18966v1.pdf

数学里有些问题，看起来平平无奇，但真要解决它，得动用一大套精密的工具。今天这篇论文就是这样的典型——标题翻译过来很朴素：“可微逼近连续局部可定义映射并保持像”，但里面的几何技巧复杂得让人头皮发麻。

引言：从魏尔斯特拉斯说起

故事要从经典的魏尔斯特拉斯逼近定理讲起。这个定理说：定义在紧致集合上的连续函数，可以用多项式函数一致逼近。也就是说，只要愿意，任何连续函数都能被“光滑”的函数几乎一模一样地模仿出来。这个结论在分析和几何中都是基石级别的存在。

但是，事情一旦涉及“限制像”，画风就完全变了。所谓“保持像”，就是要求逼近后的函数和原来的函数有完全相同的值域。这相当于要求：光滑化的过程中，映射的“足迹”一点都不能多、一点也不能少。听起来直觉上似乎不难，但实际上处处是坑。

最简单的反例就是：从二维球面到圆周，不存在非常数的多项式映射。所以，如果用多项式来做逼近，球面到圆周这种映射直接“无解”。那换成更灵活的可微映射行不行？还是不行——比如“空间填充曲线”，一条从实数轴到平面的连续满射，想让一条一维曲线光滑地填满整个平面，Sard定理直接否定了这种可能性。换句话说，连续映射的像如果是“高维”的，光滑映射根本做不到。

于是数学家们开始思考：那要加什么样的条件，才能既光滑逼近，又不改变像？答案就藏在“可定义性”这个框架里。

问题背景及相关工作

要理解这篇论文的贡献，得先搞清楚“可定义”是什么意思。这里说的不是编程里的“定义”，而是o-minimal结构框架下的可定义集合和可定义映射。通俗地说，这类集合“长相温和”，没有无穷无尽的振荡，也没有过于疯狂的分形行为。最常见的例子就是半代数集，也就是由多项式等式和不等式定义的集合，比如球面、圆周、各种代数簇。

和可定义集配套的，还有一个“局部可定义”的概念。如果一个集合在每一点附近看起来都是可定义的，那它就是局部可定义的。开集天然就是局部半代数的，因此也就局部可定义。而紧致的局部可定义集，本质上就是可定义集。这些概念构成了这篇论文的舞台背景。

在这个框架下，费尔南多和吉洛尼（Fernando & Ghiloni）做过一系列重要工作，他们证明了在非常广泛的三角剖分集合上，连续映射都可以被可微映射逼近，包括半代数集、子解析集以及更一般的可定义集。但他们的结果并不保证“像保持”这个性质。

在紧致情形下，本论文作者在之前的论文中已经解决了“像保持”的问题，并且用到了Paw lucki的去奇异化技术。所谓去奇异化，就是把带有奇异点的空间通过某种方式“磨平”，变成光滑流形或单纯复形，从而可以用经典的微分几何工具。Paw lucki在这方面的贡献是证明了严格C^p三角剖分的存在性，这比普通的三角剖分强得多——它不仅保证拓扑等价，还保证了可微结构层面的等价。

而这篇论文的目标，就是把“紧致”这个限制去掉，推广到局部紧致的局部可定义集上。这个推广不是小打小闹。紧致情形可以采取“有限覆盖+逐一处理+拼接”的策略，但局部紧致意味着可能有无限多个“局部块”，拼接的难度直线上升。更麻烦的是，局部可定义映射的像甚至不一定是局部可定义的——论文引言里就给了一个反例：一串不断缩小的圆，朝着原点堆积，这个集合在原点的任何邻域内都不是可定义的。

术语解读

在深入方法之前，把几个关键词先讲清楚。

强Whitney拓扑：这是一种定义在映射空间上的拓扑，它的开邻域由“接近程度”来控制。给定一个连续函数f，它的一个邻域就是所有与f的差小于某个正连续函数ε的映射构成的集合。这里的ε可以逐点变化，比如在某些点要求非常高（ε很小），在其他地方可以宽松一些。这种拓扑是研究函数逼近的天然语言。

局部有限单纯复形：单纯复形就是由“点、线段、三角形、四面体”等基本几何对象拼成的组合结构。局部有限指的是每个点只属于有限多个这类基本对象。整条实轴就可以看成一个无限长的线段复形，每一点都只被少数的线段覆盖。

去奇异化：当一个空间带有“尖角”或“交叉”等奇怪结构时，通过三角剖分和其他手段把它变成光滑的对象。Paw lucki的严格C^p三角剖分是近年来的突破性工作，这篇论文把它当成了核心工具。

弱收缩算子：这篇论文特意构造的一种算子，作用在映射上，把映射的像“拉”回目标空间，同时不改变映射本身太多。它是整个证明的发动机。

从紧致到局部紧致：一个几何逼近问题的跃迁

先回顾一下主线剧情：作者在之前的论文中已经证明，在紧致可定义集上，连续可定义映射可以被C^p可定义映射一致逼近，并且保持像不变。这个结果本身已经很漂亮了，但“紧致”这个条件在几何里就像是一条安全绳——只要空间是紧致的，所有局部操作都可以通过有限覆盖变成全局操作，误差控制、拼接粘合这些事情都变得好办。

但现实世界里的空间，有很多是仅仅局部紧致的。举个例子，整个实数轴R就不是紧致的，但它是局部紧致的——每个点附近都有紧致邻域。更一般的，欧氏空间中的闭子集如果局部可定义，它天然就是局部紧致的。所以，从紧致推广到局部紧致，绝不是一个“为了推广而推广”的炫技操作，而是直接关系到一大类几何对象的适用性问题。

那问题来了：从紧致到局部紧致，到底难在哪？答案是两个字：拼接。紧致情形下，可以把定义域分成有限多个小块，每块做局部逼近，然后用单位分解之类的工具把它们粘起来。局部紧致情形下，定义域可能有可数无穷多块，这些块还可能在“无穷远处”积累。每次粘合都会引入微小的误差，无穷多块粘下来，误差会不会累积到爆炸？更关键的问题是，怎么保证每一块局部逼近都严格保持像不变，然后在拼起来之后像依然恰好是目标空间？这些问题一下子就让难度上了一个台阶。

本文的主定理可以这样表述：设X和Y是局部紧致的局部可定义集，ε:X→R是一个严格正连续函数，p≥1是一个整数。对于任意连续局部可定义满射f:X→Y，总存在一个C^p类局部可定义映射g:X→Y，使得对每个x∈X都有||f(x)−g(x)||<ε(x)，并且g(X)=Y。注意，这里的收敛是在强Whitney拓扑意义下的收敛，这是比一致收敛更强的一种收敛模式。

有读者可能会说：这不就是换个拓扑继续逼近嘛，能有多大区别？但如果真的用“一致逼近”的思路去理解这篇文章，那就完全跑偏了。强Whitney拓扑的精髓在于，ε(x)可以逐点变化——在某些点要求逼近误差极小，在其他地方可以放宽。这个灵活性是后面所有构造的基石。可以这么理解：如果只是整体一致性逼近，那就好比整个地图用一个统一的缩放比例去画；而强Whitney拓扑允许每个区域有自己的比例尺，该精细的地方精细，该粗犷的地方粗犷。

核心工具：o-minimal几何与Pawlucki去奇异化

要理解这篇论文的证明，得先认识两个核心工具。第一个是o-minimal结构。o-minimal结构是实代数几何中用来刻画“温和集合”的一种公理化框架。半代数集——也就是由多项式等式和不等式定义的集合——是最经典的o-minimal结构。这个框架的美妙之处在于，它把“什么算一个行为良好的几何对象”这个问题给严格定下来了。可定义集在投影、补集、有限并交运算下保持封闭，而且每个可定义集都有有限多个连通分支，不会出现无限振荡这种病态行为。

第二个核心工具是Pawlucki的去奇异化技术。所谓去奇异化，就是把带“尖点”“交叉”这类奇异结构的空间，通过某种方式“磨平”成光滑流形或者单纯复形。Pawlucki的突破性贡献在于证明了严格C^p三角剖分的存在性：对于任何局部可定义集，都可以找到一个局部可定义的C^p同胚，把它映射到一个单纯复形的底空间上。这个定理非常重要，因为它不仅保留了拓扑结构，还保留了可微结构。通俗地说，就是可以把那些扭来扭去的奇异空间“捋直”，捋完之后还能保持光滑性质不丢失。

在强Whitney拓扑下，连续映射的邻域看起来是这样的：

这个公式的含义是：两个映射f和g的“距离”是由逐点误差控制的，误差容许函数ε(x)本身也可以逐点变化。这比“全局最大误差小于某个常数”这种一致拓扑精细得多。

有了这两个工具，证明的总体策略就很清晰了：先把目标空间Y通过严格C^p三角剖分变成单纯复形的底空间|L|，再把定义域X通过三角剖分分解成一组“可数多个紧致块”，在每一块上利用紧致情形的结果做逼近，最后把这些局部逼近光滑地拼接起来。难点全部隐藏在“拼接”这个环节里。

三步走：三角剖分、弱收缩与局部逼近

整个证明可以分为三个步骤，每个步骤都承担着不同的任务。

第一步是三角剖分。目标空间Y通过Pawlucki定理被同胚映射到一个局部有限单纯复形的底空间|L|上。定义域X则被三角剖分成可数多个紧致可定义块Z_s（s=1,2,3,...），每个Z_s是一个最大单形在三角剖分映射下的像。这些块之间可能有交叠，但每个块都是紧致的——这是后面能用紧致情形结果的前提。单纯形的定义是：

也就是说，一个d维单纯形就是d+1个仿射独立点的凸包。通俗地讲：0维单纯形是一个点，1维单纯形是一条线段，2维单纯形是一个三角形，3维单纯形是一个四面体。单纯复形就是用这些“基本积木”按规则拼出来的空间。

在复形理论中，有两个概念贯穿整个证明：开星形和闭星形。给定单形σ，它的开星形是所有与σ相交的单形的相对内部之并，本质上就是“所有能透过σ看到的单形的内部”。闭星形则是这些单形的闭包之并，是一个紧致邻域。为了处理更复杂的交叠情况，论文还引入了二阶星形——星形的星形。

开星形和闭星形在证明中的角色，就是给每个紧致块Z_s划出一个“领地”，在这块领地上可以放心地做局部操作，不用担心跑出边界。

第二步是构造弱收缩算子。对于每个局部块Z_s，论文构造了一个局部弱收缩ρ_s，它的作用是把映射的像“拉”回目标空间|L|中。这个“拉回”操作听起来容易，做起来难。关键在于，ρ_s必须保持某些关键点的像不变——尤其是当输入点已经落在目标空间里时，收缩不能把它移走。具体来说，弱收缩算子要满足的性质是：对任意连续映射h，ρ_s(h(x))仍然落在|L|内，并且在特定区域与h(x)重合。

第三步是关键逼近。在每个紧致块Z_s上，利用作者之前紧致情形的定理（论文中标记为[2, Thm.1.4]），对映射进行C^p逼近。由于紧致情形已经解决了，这一步是“有现成工具可用”的。但这里有个微妙的区别：紧致情形定理要求在整个紧致块上同时处理“逼近”和“像保持”，而这里的每个局部块只是更大空间的一部分，需要额外处理边界交叠的问题。

像保持的关键：从局部到全局的拼接

如果只是做局部的逼近和收缩，那还不算最难。真正的硬骨头在于：把所有局部构造拼接成全局构造，并且在这个过程中严格保持像不变。

拼接的技术手段是单位分解（partition of unity）。对于定义域X的每个局部块U_s，选一个非负光滑函数θ_s，这些函数加起来恒等于1，而且每个θ_s的支集都落在对应的局部区域内。这样，全局映射g就可以写成各项局部逼近的加权平均：

单位分解本身是微分几何里的经典工具，但这里的关键问题在于：加权平均可能会把像“带偏”——两个点都在目标空间里，它们的凸组合却可能落在外面。比如，|L|是一个圆周，圆上两点的凸组合作为欧氏空间中的点，很可能在圆内部而不在圆上。

这就是弱收缩算子ρ的用武之地：在单位分解之后，再对结果做一次弱收缩，把可能的“偏离”拉回目标空间。全局弱收缩算子的定义如下：

这里θ_s是单位分解中的权函数，ρ_s是局部弱收缩算子。这个全局收缩算子的关键性质是：它把任何以W为定义域、值域在W中的连续映射，都映到值域为|L|的映射。也就是说，ρ把整个映射空间C^0(X,W)连续地收缩到C^0(X,|L|)上。

接下来的误差分析部分，是整篇论文最精细的环节。论文需要证明，对于每个局部块Z_s，在单位分解加权后，误差不会超过给定的容许函数ε的三分之一。为什么是三分之一？因为整个证明链条上有三个环节会引入误差：

第一层误差来自f本身与f*（局部投影后的映射）的偏差；第二层来自f*经过弱收缩算子ρ后的偏差；第三层来自最终逼近映射h与f*经ρ作用后的偏差。每一层误差都控制在ε/3以内，加起来正好不超过ε。这个“误差预算”的分配方式，是证明能成立的关键设计。

但光有误差控制还不够。像保持（g(X)=Y）是这个定理的灵魂。为了证明这一点，论文使用了一个非常巧妙的逻辑链。首先，在局部块Z_s上，弱收缩算子ρ_s保持某些点的像不变，具体来说，对于目标空间中的点，ρ_s不过是对应点本身。结合局部逼近映射H_s在Z_s上的像保持性质，可以得到：f(Z_s) = ρ_s(H_s(Γ_s(Z_s*)))。这个等式的意思是，原映射f在Z_s上的像，恰好等于局部构造在Z_s*上的“足迹”。然后，把所有这些局部等式加起来：

这里的关键在于：f(X)等于Y（因为f是满射），而f(Z_s)等于g(Z_s*)，对所有s求和后就得到Y=g(X)。但这里面其实还有一层微妙之处：Z_s*是Z_s经过某种“扩张”之后的集合，它包含了Z_s以及附近的点。论文花了很大力气证明这些扩张后的集合仍然覆盖整个X，并且它们之间的交叠不会破坏等式。这部分的细节在原文中非常技术化，涉及星形的二层嵌套和指标集Ξ_s的精细控制。

还有一个细节值得关注：定义X的三角剖分时，每个最大单形σ_s对应一个紧致块Z_s=φ(σ_s)。由于X是局部紧致而非紧致，这样的块有无穷多个。论文利用局部有限性保证了每个点x∈X只属于有限多个星形，这意味着在单位分解中，每个点处实际起作用的权函数只有有限多个——这把“无穷多个局部操作”转化成了“逐点有限的加权平均”，从数学上保证了构造的合法性。

理论意义与潜在应用

这篇论文的价值，首先体现在纯数学层面的彻底性。它把“可微逼近保持像”这个命题从紧致情形完整推广到了局部紧致情形，填上了一个重要的空白。Fernando和Ghiloni的工作虽然覆盖了更广的映射类，但不保证像保持。本文的定理意味着，在o-minimal框架下，任何连续局部可定义满射都可以被C^p映射“光滑化”，同时还完整保留值域。

从技术层面看，论文的证明思路也有不小的参考价值。它将Pawlucki去奇异化、强Whitney拓扑、单位分解和星形邻域这些工具组合在一起，形成了一套处理“非紧致空间上的像保持问题”的方法论。这种多工具协同的论证方式，对于处理其他类似几何逼近问题也有借鉴意义。

至于潜在的应用，虽然这是一篇纯理论文章，但几何逼近问题在计算几何、计算机辅助几何设计（CAGD）和机器人路径规划中都有影子。比如在CAGD中，经常需要把粗糙的连续曲面用光滑曲面逼近，同时保持边界曲线不变；又比如在拓扑数据分析中，处理带噪声的点云数据时，也涉及“逼近但保持某些拓扑不变量”的需求。当然，从这篇论文到实际工程应用还有相当长的距离，但数学理论的进展往往就是这样——先在抽象层面上打通道路，再等待合适的技术转化时机。

总的来说，这是一篇典型的“把一个问题彻底解决”的纯数学论文。它没有花哨的炫技，但每一个证明步骤都结实有力。对于关注几何分析、半代数几何以及o-minimal理论的读者来说，这是一篇值得细读的工作。

龙迷三问

下面是龙哥对于大家可能的一些问题的解答：

这篇论文到底在解决什么问题？本文在o-minimal几何框架下，证明连续局部可定义映射在强Whitney拓扑意义下可由光滑局部可定义映射一致逼近，且不改变其像。该结果将此前紧致情形的结论推广至局部紧致情形，核心在于Paw lucki去奇异化与弱收缩算子的结合

这篇工作最值得看的点是什么？本文通过结合o-minimal几何与PL几何技术，利用Paw lucki去奇异化方法和紧致情形的已有结果，构造保持像的C^p局部可定义逼近映射。

这篇工作的边界或风险在哪里？优点：理论深度高，结果推广了紧致情形到局部紧致情形，技术路线清晰严谨；缺点：纯理论证明，缺乏应用实例，可读性对非专业读者较差。

如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~

龙哥点评

论文创新性分数：★★★★☆

本文通过结合o-minimal几何与PL几何技术，利用Paw lucki去奇异化方法和紧致情形的已有结果，构造保持像的C^p局部可定义逼近映射。

实验合理度：★★★☆☆

现有材料未完整覆盖数据划分、基线公平性和统计显著性，因此按中性评价处理。

学术研究价值：★★★★☆

本文通过结合o-minimal几何与PL几何技术，利用Paw lucki去奇异化方法和紧致情形的已有结果，构造保持像的C^p局部可定义逼近映射；更关键的是问题定义是否可复用到同类任务。

稳定性：★★★☆☆

现有材料未提供充分的极端条件、重复运行或扰动测试，稳定性暂按中性评价。

适应性以及泛化能力：★★★☆☆

现有材料未完整展示跨数据集、跨场景或分布外实验，泛化能力仍需进一步验证。

硬件需求及成本：★★★☆☆

现有材料缺少完整训练资源、参数量、显存和推理时延信息，成本暂按中性评价。

复现难度：★★★☆☆

现有材料未确认完整代码、配置、数据处理脚本和权重是否齐备，复现难度暂按中性评价。

产品化成熟度：★★★☆☆

论文验证以研究实验为主，真实部署中的时延、成本、维护和异常场景仍需补充验证。

可能的问题：纯理论证明，缺乏应用实例，可读性对非专业读者较差。

主要参考文献

[1] A. Carbone. Differentiable approximation of continuous locally definable maps that preserves the image. arXiv:2608.18966v1, 2026.

[2] A. Carbone. Differentiable approximation of continuous definable maps that preserves the image, compact case. (论文中引用的紧致情形定理来源)

[3] J. F. Fernando, R. Ghiloni. Differentiable approximation of continuous maps on triangulable sets. (论文中引用的三角剖分逼近相关研究)

[4] W. Pawlucki. Desingularization and C^p triangulation of definable sets. (论文中引用的去奇异化技术来源)

[5] L. van den Dries. Tame Topology and O-minimal Structures. Cambridge University Press, 1998.

*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～想了解更多原文细节的小伙伴，可以点击"阅读原文"，查看更多原论文细节哦！

光滑逼近不丢像，数学证明真有料。想和龙哥一起啃硬核论文、聊几何拓扑与AI交叉的朋友，欢迎加入龙哥读论文粉丝群，扫描下方二维码或者添加龙哥助手微信号加群：kangjinlonghelper。一定要备注：研究方向+地点+学校/公司+昵称（如数学理论+上海+清华+龙哥），根据格式备注，可更快被通过且邀请进群。
『龙哥读论文』微信群目前包含：图像处理、大模型及智能体、自动驾驶及机器人、AI医疗及AI金融5个群。