这一篇在干嘛?

极限是整个微积分的语言:导数和积分都用它定义。这一章从直觉入手,讲清楚极限怎么算、函数怎么「趋于无穷」、连续到底在连续什么,以及三角函数的连续性。

极限:微积分的地基

十七世纪,牛顿和莱布尼茨创立微积分,让科学家第一次真正理解了什么是瞬时变化率(速度、加速度)。概念一旦清晰,高效的计算方法随之而来,科学实现了质的飞跃。而支撑这一切的基石就是极限(limit)——如今所有微积分概念都建立在它之上。

本章将分阶段展开极限:从直观的、非正式的想法出发,最终走向精确的数学定义;同时发展计算极限的定理与方法;最后用极限研究连续曲线。

两大几何问题

微积分的许多想法源于两个几何问题:

  • 切线问题:给定函数 和图像上的点 ,求在 处与图像相切的直线方程(见图 1.1.1)。
  • 面积问题:给定函数 ,求图像与 轴上区间 之间的面积(见图 1.1.2)。

传统上,由切线问题发展出的部分称为微分学,由面积问题发展出的部分称为积分学。后面会看到两者联系极其紧密,「微分」与「积分」的分界其实是人为的。


图:空气阻力使跳伞者的速度趋于极限——终端速度


图:切线问题


图:面积问题

切线与极限

平面几何里,与圆恰好交于一点的直线称为圆的切线(见图 1.1.3a)。但这个定义对一般曲线行不通:图 1.1.3b 中直线与曲线只交一次,显然不是切线;图 1.1.3c 中直线看起来是切线,却与曲线交了不止一次。

要推广切线的概念,需要换一个视角。设 是曲线上我们关心的点, 是曲线上异于 的另一点。过 的直线称为曲线在 处的一条割线(secant line)。直觉告诉我们:让 沿曲线向 移动,割线会转动到一个极限位置——这个极限位置的直线就定义为 处的切线(见图 1.1.4a)。应用到圆上,这个新概念与老概念完全一致(见图 1.1.4b)。


图:圆的切线定义不适用于一般曲线


图:(b) 只交一点但不是切线


图:割线趋近切线

例 1 求抛物线 在点 处的切线方程。

:设切线斜率为 ,则由点斜式,切线方程为

关键是求 。取抛物线上异于 的点 ,过 的割线斜率为

必须不同,否则 ,分母为零。)让 沿抛物线向 逼近,等价于让 趋近 1(但 )。此时 应趋近 。把(2)因式分解( 时可以约去 ):

显然 越接近 1, 越接近 2。故 ,切线方程为

注意这里的关键动作: 时公式(2)本来无定义,但极限允许我们问「 无限接近 1 但不等于 1 时, 无限接近什么?」——答案 2 就是切线斜率。


图: 处的切线

面积与极限

直线边界的平面区域,面积可以靠分割成矩形或三角形再求和来算(见图 1.1.6)。但曲边区域(如图 1.1.7a)需要更一般的办法:在曲线下方内接一排等宽矩形,用矩形面积之和近似区域面积(见图 1.1.7b);用的矩形越来越多,矩形会填满曲线下的空隙,近似值越来越接近真实面积(见图 1.1.7c)。于是可以把曲线下面积定义为这些近似值的极限。这里极限概念再次登场——这是积分学的萌芽。


图:直线边界区域可直接分割求面积


图:曲边区域用矩形近似


图:矩形越多近似越好,面积 = 近似值的极限

小数里的极限

极限甚至出现在熟悉的小数里。 的小数展开是

把它写成

就是一个有无穷多项的和。它的含义是:有限和的序列

随着项数增多越来越接近极限值 。可见「无穷小数」本身就是用极限来定义的。

极限的直观定义

极限最基本的作用,是描述自变量逼近某个值时函数如何表现。观察

越来越接近 2 时的行为:从图和表(图 1.1.8)都能看出,无论 从 2 的左侧还是右侧接近, 都越来越接近 3。我们把这个事实写成

读作当 趋近 2 时 的极限为 3。


图: 从两侧接近 2 时 都趋于 3

由此得到非正式定义:

极限(直观观点) 若当 充分接近 (但 )时, 的值能想多接近 就多接近 ,则记 \lim _ {x \to a} f (x) = L \tag{6} 也可写作 (见(7))。

最关键的一点:定义中 被要求不等于 ,所以 处的值——甚至 处是否有定义——与极限 毫无关系。极限描述的是 附近的行为,而不是在 的值。这句话是理解全部极限概念的钥匙。

例 2 用数值证据推测

:函数 (见(9))在 处无定义,但这不影响极限。从两侧各取一列 值逼近 1:

0.990.9990.99991.000011.0011.01
1.9949871.9995001.9999502.0000052.0005002.004988

无论从左还是从右, 都趋于 2。猜测

下一节会用代数方法确认。


图:函数在 处有洞,但极限为 2

例 3 用数值证据推测

:计算器取弧度模式,列表:

(弧度)
0.958850.993350.998330.99998

数据提示

这与图 1.1.10 的图像一致。本章后面会用几何论证严格证明这个 conjecture——它是三角函数求导的基石。注意:若 用度数度量,这个极限会变(弧度制的必要性在这里显现)。


图: 从两侧都趋于 1

取样陷阱

数值证据有时会骗人——因为舍入误差,或因为取样值恰好掩盖了真实行为。看这个例子:

时, 都是 的整数倍, 全部等于 0。于是表格会让你误以为