第 2 章　极限：无限接近

2.1一个「永远追不上」的数：数列极限

先看一个最简单的例子。考虑这样一串数：

1,　1/2,　1/3,　1/4,　1/5,　…

第 n 项是 a_n = 1/n。你观察一下它「往哪走」：

你看，随着 n 越来越大，1/n 越来越小，无限地、持续地靠近 0——但它永远不等于 0（因为 1 除以任何正数都大于 0）。

我们就说：数列 {1/n} 的极限是 0，记作：

lim_n→∞ (1/n) = 0

这里藏着极限思想的第一个关键点，也是初学者最容易犯迷糊的地方：

再想一个更直观的比喻，来自古希腊哲学家芝诺的著名悖论：

为什么数学家要发明「极限」这个东西？因为很多重要问题，答案本身就是一个「无限过程」的终点，而那个终点往往无法直接取到，只能靠「越来越接近」来描述。比如后面会看到：圆的面积、切线的斜率、瞬时速度，全都是极限。

数列的记法，与三种典型走向

先把「数列」本身说清楚：按顺序排好的一串数 a₁, a₂, a₃, … 叫数列，第 n 项记作 aₙ，整串记作 {aₙ}。数列其实就是「定义在正整数上的函数」——输入 n，输出 aₙ。所以数列极限是函数极限的先导队，把数列想通了，函数极限只剩「x 连续地靠近」这一步新东西。

并不是所有数列都像 1/n 那样乖。数列的走向通常分三类，各认一个代表：

• 收敛：aₙ = 1/n → 0；aₙ = (n+1)/n → 1。有明确「归宿」。
• 发散到无穷：aₙ = 2ⁿ → +∞。1, 2, 4, 8, 16, … 越跑越远，不靠近任何有限数。
• 振荡：aₙ = (−1)ⁿ → 无极限。−1, 1, −1, 1, … 永远在两个值之间打转。

收敛数列还有三条性质值得先记在心里（下一章有严格版）：其一，唯一性——一个数列如果收敛，极限是唯一的，不可能「同时逼近 0 又逼近 1」；其二，有界性——收敛数列一定有界（所有项挤在某个有限区间里），但有界推不回收敛，(−1)ⁿ 有界却不收敛；其三，保号性——如果极限是正数，那么从某一项起所有项都是正的。三条性质里最容易被忽视的是第二条的「单向箭头」：收敛 ⇒ 有界，有界 ⇏ 收敛。

「要多近有多近」：给直觉装上刻度

「越来越接近」终究是体感描述，不同人听出不同的分量。数学家把它升级成一句可检验的话：如果数列收敛于 A，那么随便你提出多小的误差标准 ε，都能找到一个项数 N，让第 N 项之后的所有项与 A 的距离都压在 ε 以内。以 1/n 为例：要求误差小于 0.001，只要 n > 1000，所有项统统达标；要求小于百万分之一，n > 10⁶ 即可。误差门槛随你出，数列总能在有限步之后跨过去——这就是「要多近有多近」的精确含义。这种「挑战—应答」式的表述就是 ε-N 语言，第 3 章会把它写成正式定义；现在先记住它的精神：极限不是「感觉靠近了」，而是「任何精度要求都能被满足」。

再补一个最日常的工程对应：零件图纸上写着「尺寸 20 ± 0.05」，验收规则是「实测值与 20 的距离不超过 0.05」——这正是 ε 语言的日常版：目标值是「极限」，公差带 ±0.05 是 ε，测量结果就是「应答」。区别只在于：工程上的 ε 由功能需求定死，而极限定义里的 ε 是「多苛刻都得接」。

快慢有别：同为收敛，收敛速度大不同

都收敛于 0 的数列，脾气可能天差地别。拿 1/n 和 1/2ⁿ 比一比：

同样要求「误差小于 0.001」，1/n 要等到第 1000 项，1/2ⁿ 第 10 项就超额完成。收敛速度说的是「要多少步才能把误差压进容差」。这个指标在工程上是硬通货：迭代算法比效率、控制系统比响应快慢、仿真比收敛性，比的全是这一栏——「收敛但慢得像蜗牛」照样不可用，收敛只是及格线，速度才是竞争力。

数值分析给收敛速度起了专门的名字：若每步误差按固定比例缩减（像 1/2ⁿ 那样每步减半），叫线性收敛；若每一步把误差自乘一次、按平方的节奏缩（如 0.1 → 0.01 → 0.0001），叫平方收敛——平方收敛的算法（如求根的牛顿法）在步数上通常碾压线性收敛的算法（如二分法）。以后挑算法、读论文，第一眼就看这个词。

顺便把本章与下一章的接口说破：数列是「按整数下标一路走下去」的过程，函数是「连续地滑过去」的过程，两者的极限思想完全同源——数学家给数列版准备的是 ε-N 语言（第 N 项之后误差压进 ε），给函数版准备的是 ε-δ 语言（下一章主角）。本章用「过程语言」把直觉磨利，下一章再用「博弈语言」把地基夯实：直觉告诉你「答案是多少」，严格定义回答「凭什么」。两章合起来，极限才算真正学会。

工程里这种「用无限过程逼近目标」的戏码每天都在上演：数控机床按指令一步步逼近目标位置，「重复定位精度」衡量的正是无限逼近后还能差多少；迭代解法（如求方程的根）反复代入，直到前后两次结果几乎不再变化——「几乎不再变化」的判据，本质上就是「数列收敛到容差之内」。极限不是抽象装饰，它是所有「逐步逼近」类算法的验收标准。

2.2从数列到函数：x 靠近 a 时 y 奔向哪

数列是「n 越来越大」；函数极限则是「x 越来越靠近某个固定值 a」，问 y = f(x) 会奔向哪。

看这个函数：

f(x) = (x² − 1) / (x − 1)

注意：当 x = 1 时，分母为 0，函数没有定义（1 这个点是个「洞」）。但我们可以问一个更聪明的问题：当 x 从两边越来越靠近 1（但不等于 1）时，f(x) 会怎么样？

动手算几个值：

看到了吗？当 x 从左侧（0.9、0.99、0.999…）逼近 1，f(x) 越来越靠近 2；从右侧（1.1、1.01、1.001…）逼近 1，f(x) 也越来越靠近 2。

于是我们说：当 x 趋于 1 时，f(x) 的极限是 2，记作：

lim_x→1 (x² − 1)/(x − 1) = 2

其实有个简单办法一眼看穿：因为 x² − 1 = (x − 1)(x + 1)，所以当 x ≠ 1 时，可以约掉 (x − 1)：

f(x) = (x−1)(x+1)/(x−1) = x + 1　（x ≠ 1）

所以 x 靠近 1 时，x + 1 就靠近 2。这个「约分」操作，正是求极限常用的手法之一。

把「越来越靠近」说得更准：邻域、去心、局部性

「x 越来越靠近 a」可以换一个更讲究的说法：x 落在 a 的邻域里——即与 a 的距离小于某个小数 δ 的范围，写作 |x − a| < δ。而求极限时用的其实是去心邻域：0 < |x − a| < δ，中间的「心」（x = a 这一点）被明确挖掉。「挖心」正是「极限与函数值分离」在记号上的体现：x 永远不取 a 本身，只从两旁挤过去。

另一个重要观念是局部性：极限只由 a 附近一小段上的行为决定。哪怕函数在远离 a 的地方天翻地覆——振荡、断裂、没有定义——只要在 a 的某个小邻域里规矩地逼近 L，极限就是 L。好比考察一位运动员的冲刺水平，只看他最后 100 米，前面跑了多少弯路都不算数。这个「只看局部」的特性，让极限成为分析函数「微观行为」的显微镜。

极限的四则运算法则，与「0/0 型」三大变形技巧

极限不是只能靠盯表格观察。当两个极限都存在时，极限可以「拆开算」：

这三条法则让「复杂函数的极限」可以拆成「简单函数的极限」的组合，是实际计算的主力工具。但注意括号里的前提：分母极限不为 0，且参与运算的极限都存在。一旦代入后出现 0/0（分子分母同时趋于 0），法则当场失效——这正是最有意思的一类极限，叫「0/0 型未定式」。解法不是硬除，而是先变形、再约分。三大变形技巧：

• 约分：分子分母因式分解，把「制造 0 的因子」约掉；
• 有理化：根式相减时乘共轭，把根号从分子里「逼出来」；
• 拆项：两个分式相减（∞−∞ 的伪装）时先通分合并，或把一个分式拆成两个简单分式之和。

下面各练一道。

用数值逼近探索极限：趁手，但要提防它骗你

「代几个越来越近的数，看输出奔向哪」是探索极限最趁手的直觉工具——本章开头的两张表格就是这么用的。但要清楚它的两条边界：其一，数值只能猜想，不能证明。万一函数在你看不见的角落里抖一下（别忘了 sin(1/x) 在 0 附近任何一小段里都上下穿行无穷多次），一张稀疏的表格完全可能漏掉真相。其二，浮点计算会撒小谎：0/0 型直接代入，计算器要么报错要么丢精度，必须先做代数变形再算。所以标准动作是三步走：数值探索 → 提出猜想 → 代数变形严格确认。例题 3 算出 6/5 后再代 x = 3.001 复核，走的正是「变形定结论、数值做体检」的配合路线。

两种过程，一张地图

到这里你已经见过三类「无限过程」：n → ∞（数列）、x → a（函数在一点附近）、x → ∞（函数长期趋势）。它们不是三套规则，而是同一件事的三种走法：自变量按某种方式无限逼近一个目标，函数值随之逼近一个归宿。数列是「一格一格跳」地逼近，x → a 是「连续滑行」地逼近，x → ∞ 是「一路向右」地逼近；判断归宿的思路完全一致——要么贴住一个数（收敛），要么跑飞（发散到无穷），要么永远不安定（振荡、左右不等）。

把这张地图记牢有个额外的好处：后面的章节几乎不再引入新的「极限种类」，只是把这三类过程用到新对象上——导数是「增量之比的极限」，定积分是「求和的极限」，级数是「数列极限」的升级版。地基就这三块，怎么搭都搭不出第四种极限来。

工程视角：这些「代进去算不出来、变形后一目了然」的极限，在工程里对应着一类非常现实的问题——稳态值。传感器上电后读数从初始值逐步爬升并稳定，问「最终稳定在多少」，就是求读数序列的极限；滤波器对恒定输入的响应、控制系统消除静差后的残余偏差，全都是「求极限」。而当稳态值以 0/0 型出现时（比如两个传感器读数相除、取增量之比），本节的三大技巧就是工程师的「化简三板斧」。

2.3左极限与右极限

「x 靠近 a」有两种靠近方式：从左边（比 a 小的一侧）靠近，或从右边（比 a 大的一侧）靠近。这两种方式下的极限，分别叫：

• 左极限：x 从左侧逼近 a，记作 lim_x→a⁻ f(x)。
• 右极限：x 从右侧逼近 a，记作 lim_x→a⁺ f(x)。

一个函数在 a 点的极限存在的充要条件是：左右极限都存在，而且相等。

看一个左右极限不相等的经典例子——符号函数的「跳变」：

f(x) = |x| / x　（x ≠ 0）

当 x > 0 时，|x| = x，所以 f(x) = 1；当 x < 0 时，|x| = −x，所以 f(x) = −1。于是：

• 左极限：x 从左侧逼近 0，f(x) 一直是 −1，所以 lim_x→0⁻ f(x) = −1。
• 右极限：x 从右侧逼近 0，f(x) 一直是 1，所以 lim_x→0⁺ f(x) = 1。

左右极限不相等（−1 ≠ 1），所以在 x = 0 处，极限不存在。图像上，函数在 0 处「断成两截」，分别停在 −1 和 1。

为什么必须分左右：三类「表里不一」的函数

如果函数处处一个表达式、处处光滑，通常左右极限自动相等，不必刻意分开算。但下面三类函数，在特定点「表里不一」，左右必须分开验：

• 分段函数：接点左右各是一套规则，两侧行为可能完全不同——这是左右极限的主战场（见例题 5）；
• 含绝对值：|x − a| 在 a 的两侧符号相反，化简结果随之翻面，上面的 |x|/x 就是代表；
• 分母在 a 处为零：如 1/(x−a)，两侧一个负一个正，一个奔 −∞ 一个奔 +∞，连「无穷的符号」都对不上。

工程里的器件几乎都是「分段」的：开关在阈值处一跳、继电器吸合前后两套电路、材料受拉与受压的模量不同、液压阀存在开启死区。分析「接点」处的行为时，第一动作永远是分别求左右极限、再对比——这对动作在第 4 章有个正式的名字，叫「判断连续性」。

数字系统里还有一类天然「分左右」的输入：阶跃。信号从 0 跳到 1 的瞬间，系统响应从两侧分别贴向不同的值，过渡过程分析的第一步永远是「左右极限各是多少」。采样系统的切换点，本质上就是分段函数的接点——离散世界不过是分段函数的一种极端写法，左右极限照样是标准检查动作。

2.4极限的几种特殊行为

除了「趋于一个有限数」，极限还有几种常见行为，要能一眼认出来：

1. 趋于无穷大（发散）

看 f(x) = 1/x²，当 x → 0 时，分母越来越小（趋于 0），整个分数越来越大（趋于 +∞）。我们记作：

lim_x→0 (1/x²) = +∞

注意，这里的「= +∞」不是说极限等于某个数，而是说「函数值可以超过任何给定的数，无限制地增大」——即极限不存在（发散到正无穷）。图像上是一条越靠近 0 越往上冲的曲线（后面讲连续性时会再见到它）。

用数字感受一下 1/x² 的飙升：x = 0.1 时，1/x² = 100；x = 0.01 时，= 10 000；x = 0.001 时，= 1 000 000。输入每向 0 靠近一个数量级，输出就暴涨两个数量级——「发散到无穷」不是修辞，是实打实的越冲越快。这也解释了工程师为什么对「除以小量」高度警惕：公式里任何分母趋零的项，都意味着某个物理量即将失控，设计的任务之一就是别让工作状态走进那个邻域。

工程直觉：发散最直观的原型是共振。当激励频率逼近系统的固有频率时，结构响应随时间持续放大——教科书里的理想化模型里振幅会「跑向无穷」。当然真实结构有阻尼和材料极限，不会真的飞上天，但「响应急剧放大、远离正常工作范围」这件事本身，就是设计时必须绕开的雷区。看到「无限制增大」，脑子里就挂上「失稳、超限」的标签。

2. 趋于无穷时的极限（x → ∞）

反过来，也可以问「x 无限增大时，f(x) 奔向哪」。比如：

lim_x→∞ (1/x) = 0

x 越大，1/x 越小，无限逼近 0。这类极限在分析「长期趋势」时极有用。

顺手算笔账，看看低次项是怎么「死」的：x = 10⁶ 时，x³ = 10¹⁸、x² = 10¹²、x = 10⁶——最大项比次大项大 100 万倍，整个多项式几乎被最高次项独占。这也提醒一个反向事实：在 x 接近 0 的地界，「大头」换人做——次幂越低的项反而越大（x = 0.001 时，x² = 10⁻⁶，x³ = 10⁻⁹，x³ 比 x² 小一千倍）。所以「谁是大头」取决于行进方向：往无穷走，高次称王；往原点走，低次称王。

「抓大头」的本质是增长速度的较量：x³ 淘汰 x²，x² 淘汰 x。工程里「长期趋势」的判断几乎全是这套比较：稳态误差里哪个项最终说了算、系统受扰后哪些瞬态项会「先死掉」、放大器高频响应由哪个惯性环节主导——都是在比「谁是大头」。

3. 振荡，不趋于任何值

看 f(x) = sin(1/x)，当 x → 0 时，1/x 无限增大，sin 在里面不停地上下振荡（−1 到 1 之间），停不下来，也不收敛。此时极限不存在。这种「振荡型」发散，是极限不存在的一种典型形式。

用数字感受一下这种疯狂：x = 0.3 时 1/x ≈ 3.33，曲线刚摆过第一浪；x = 0.01 时 1/x = 100，sin(100) ≈ −0.51；x = 0.001 时 1/x = 1000，sin(1000) ≈ 0.83……输入只挪近了一点点，相位却转了几百圈——在 0 的任何小邻域里，函数把 −1 到 1 之间每个值都取过无穷多次。它既不奔向一个数，也不奔向无穷，只是永远不安定。

工程里最怕这种「不收敛的振荡」：控制回路增益设计不当时，系统输出会发生持续的等幅振荡甚至越振越大（工程师管它叫「振荡型失稳」），伺服系统就完全没法定位；传感器电路自激时读数来回抖动，无法报出稳定值。数学上这叫「极限不存在」，工程上这叫「故障」——同一个现象，两种语言。

顺带把工程黑话与数学语言对齐：控制系统讲「稳定」，指的是扰动引起的响应最终归于零——数学上就是「响应的极限为 0」；讲「发散」「失稳」，对应响应无界增长；讲「等幅振荡」，对应极限不存在但也发散不出去。设计规范里大量的裕度条款，本质上都是在给「极限是否存在、收敛得多快」上保险。学会在这两套词汇之间互相翻译，教材与手册就打通了。

把本章收进一个可操作的判别流程：拿到一个极限问题，第一步先看方向——数列看 n → ∞，函数看 x 趋于谁（含左趋、右趋是否一致）；第二步看归宿——是靠近某个有限数，还是甩向无穷；第三步才动用工具——四则运算法则、三大变形、抓大头。三步走完仍说不清的（如 sin(1/x) 那种振荡），就老老实实判「不存在」。先判方向、再判归宿、后选工具——顺序反了，容易在没看清题意时硬算，算出一个似是而非的数。