第 3 章　极限的严格定义

3.1为什么需要 ε-δ：把「接近」说死

上一章我们说「x 越来越靠近 a 时，f(x) 越来越靠近 L」。但请你扪心自问：这句话经得起检验吗？

「越来越靠近」是个模糊的说法。什么叫「靠近」？是差距小于 0.1？还是 0.01？还是 0.000001？如果你只能说「反正越来越近」，那数学家就没法在这个基础上建立任何严谨的定理——因为每个定理都需要「可以验证、没有歧义」的前提。

打个比方：一场射击比赛，要判定你「命中靶心」，不能只说「你离靶心挺近的」，而必须规定一个半径——比如「只要落在离靶心 1 厘米的圆内，就算命中」。极限的 ε-δ 定义，就是在做同样的事：给「接近」规定一个可以任意缩小的标准。

直觉会翻车的三个现场

不要以为「无限接近」只是不够精确、凑合能用——在三个经典现场，直觉语言会当场翻车：

• 处处有定义，却处处没极限：狄利克雷函数 D(x)（有理数取 1、无理数取 0）在任何一点的任何小邻域里，函数值都在 0 和 1 之间疯狂跳换——「靠近谁」这个问题根本没有答案。直觉语言连「它极限不存在」都说不严谨。
• 越近越乱：sin(1/x) 在 x → 0 时，函数值在 ±1 之间越摆越快，任何「越来越靠近 L」的说法都无从谈起——上一章我们只能含糊地说「它不存在」，但「怎样才算不存在」同样需要定义。
• 过程无穷、结论有穷：数列 (1+1/n)ⁿ 的项在 2 与 3 之间一路爬升，直觉说「好像有个上限」，但那个上限是谁？凭什么存在？没有严格定义，连 e 都没法合法地「出生」。

严格化带来两个立竿见影的收益：其一，定理变得可证——极限的加减乘除、夹逼、存在性，全都能从 ε-δ 定义一步步推出来，不再依赖「看起来如此」；其二，反例变得可判——一个极限存不存在，可以用定义逐条核对，谁说了都不算，定义说了算。数学从这里开始「有法可依」。

从「说不清」到「说得死」：公理化的一跃

ε-δ 定义属于一种更深刻的思维：与其争论「无限接近是什么」，不如规定「无限接近怎样算」。这就是公理化方法——不描述对象本身，只约定一套可操作的检验程序，凡是经得起检验的就承认，经不起的就否决。哲学上这叫操作主义：概念的全部意义，就是验证它的那套操作。温度计没有告诉你「热」的本体，但「水银柱高度」的操作让「更热/更冷」变得人人可查；ε-δ 之于极限，正如温度计之于温度。

这一跃带来的是裁判权的移交：极限是什么，不再由直觉、权威或课本说了算，而由定义说了算。你可以不喜欢 δ 这个记号，但你无法绕过它检验任何一个极限断言；你甚至可以造一个自己的极限定义，但只要你的定义推不出四则运算法则、推不出夹逼准则，它就会被数学共同体淘汰。19 世纪数学的全部「严密化运动」，做的就是这一件事：把仲裁权从「感觉」移交给「程序」。读懂了这一点，你就读懂了本章乃至整本教材的姿态——每一个断言都要能被程序化地检验。

再看一眼工程世界里的「亲戚」：车间里判定一根轴「合格」，从来不说「差不多」，而是给出公差——「直径 20 mm，允许误差 ±0.05 mm」；数控机床标注「重复定位精度 ±0.01 mm」，意思是每次回到目标点，偏差都被压在 0.01 mm 的圈里。你会发现：工程早就自发地在用 ε 式语言——目标值是「极限」，公差带是「ε」，测量结果是「应答」。ε-δ 定义不过是把这套工匠语言的严谨精神，推到了「任意苛刻」的极致。

3.2ε-δ 定义，逐字拆解

先看定义全文，别怕，我们逐字拆：

现在把每个符号翻译成人话：

把整句话串起来，它的意思是：

注意一个细节：定义里写的是 0 < |x − a|，意思是 x 不能等于 a。为什么？因为极限只关心「靠近 a 时的趋势」，根本不管 a 点本身。这叫去心邻域——把 a 这个「心」挖掉。

你完全不需要背诵这套定义去考试（除非考数学分析），但你必须看懂它想表达的「博弈」：

量词的顺序：为什么「任意 ε、存在 δ」不能倒过来

定义里藏着两个量词，顺序大有讲究：先「对任意给定的 ε」，后「总存在 δ」——用逻辑符号写是 ∀ε ∃δ。顺序颠倒会怎样？如果写成 ∃δ ∀ε（「存在一个 δ，能应付所有 ε」），那意思是：x 只要进这个固定 δ 圈，函数值就落在任何误差带里——包括宽度为 0.000001 的带子。这等于要求 f(x) 在整个 δ 圈内恒等于 L，也就是要求函数是「平的」。可见顺序一换，含义天差地别：δ 允许「看 ε 下菜碟」，但必须在每一个 ε 出招后都能接得住。

把这场「博弈」的双方再说具体些：出 ε 的一方是挑战者，他不必懂数学，只要会挑刺——「误差 0.1 你接得住吗？0.001 呢？一万分之一呢？」；应战的一方是函数的辩护人，手里唯一的牌是 δ，可以根据对手的出招临时决定出多大的牌，但绝不能弃权。定义断言：只要极限真的是 L，辩护人就立于不败之地；而极限不是 L 的函数（比如狄利克雷函数在任一点），挑战者就总能找到一个 ε₀，让辩护人无论把 δ 缩到多小都接不住——胜负在开局就定了，博弈只是把判决书念出来。

再看否定形式——什么时候极限不是 L？把定义逐个量词取反：「存在某个 ε₀ > 0，使得对任意 δ > 0，都能找到一个 x 满足 0 < |x − a| < δ 但 |f(x) − L| ≥ ε₀」。人话版：只要存在一个误差要求 ε₀，让对手无论把 δ 缩到多小都总有一个「漏网之鱼」跑出条带，极限就不是 L。证明「极限不存在」「极限不是某值」时，用的正是这个：找到一个 ε₀，再对任意 δ 精确点出那个漏网的 x。

还有一层实用含义：δ 不唯一，但依赖 ε。如果某个 δ 能接住 ε，那任何比它更小的 δ 也都能接住（圈更小，跑进去的点只会更少）；所以证明里找到的 δ 永远是「够用就行」，不必是最优的。但 δ 一般会随 ε 变小而变小——对手出招越狠，你的圈就得缩得越紧。看一组实际数字（取例题 1 的函数）：

ε 缩小十倍，δ 跟着缩小十倍——这就是「依赖」的具体长相。下面两道例题，就是亲手用定义「接招」的全过程。

把例题 1 的三行推理提炼出来，就是线性函数 ε-δ 证明的通用骨架：第一步，写出偏差 |f(x) − L|，并向 |x − a| 的方向化简——线性函数总能化成 k|x − a| 的形状；第二步，令 k|x − a| < ε，解出 |x − a| < ε/k；第三步，取 δ = ε/k 收尾。往后碰到 3x + 2、5 − 2x 这类函数，照这个骨架走，半分钟就能写出完整证明。例题 2 要对付的，则是 k 不再是常数、偏差里挂着「会变化的因子」的非线性情形。

顺带交代一下这套定义的「出镜率」：普通高等数学课程很少要求完整默写 ε-δ 证明，但会考「给定具体 ε，求出相应 δ」的小题，以及用它判断「某函数在某点的极限是否存在」的辨析题；到了数学分析、实变函数、数值分析，它则是每章都要路过的基本语法。本节的例题 1、例题 2 就按「小题」的规格给出——目标是让你亲手走一遍完整流程，而不是背下多少种题型。

回到工程现场，这套语言其实无处不在：把 L 想成图纸标称尺寸，ε 想成公差带，δ 想成工艺参数窗口——进给量、温度、装夹力只要控制在某个范围内，加工出的尺寸就必然落在公差带内。质检员每抽检一批零件，本质上都在「抽查」一次 ε-δ 承诺；卡尺的分辨率得比公差带细一个量级（0.01 mm 公差配 0.001 mm 分辨率），正是「ε 出多小的招，δ（量具）就得接得住」的实物版。定义不是玄学，是质检单背后的逻辑。

3.3夹逼准则：两边夹中间

求极限时，有些函数太复杂，直接算不出来。但有一个极其好用的「抄近道」思路：如果我能找到两个更容易算的函数，一个永远压着目标函数的下边，一个永远托着它的上边，而这两个「夹子」本身趋于同一个值，那么被夹在中间的目标函数，也只能趋于那个值。

形象地说：两个人（g 和 h）从两边走向同一个目的地 L，被夹在中间的 f 没法走别的路，只能被「挤」向 L。

夹逼准则最经典的用法，就是证明下面 3.5 节的第一个重要极限 lim (sin x)/x = 1。到那时你会看到它的威力。

使用夹逼的两点提醒

第一，不等式 g ≤ f ≤ h 只需在 a 的某个去心邻域内成立，不需要对全体 x 都成立。离 a 远的地方函数怎么闹，与极限无关——这和 ε-δ 定义「只看去心邻域」的精神完全一致。第二，两个夹子必须趋于同一个值。若 g → 1 而 h → 2，被夹在中间的 f 只能保证「跑不出去」，具体到哪没人知道，结论作废。夹子「钳口」不收拢，夹不出任何东西。

顺手看一个「钳口不合拢」的反面教材：在 0 的右邻域取 g(x) = x、h(x) = x + 1，则 g → 0 而 h → 1，两个夹子奔向不同的目的地；中间放 f(x) = x + sin x，由 0 < sin x < 1 知 g < f < h 成立。此时夹逼准则不适用（条件被破坏），但 f 的极限照样存在且等于 0——只是这个结论得另想办法证。可见夹逼失效 ≠ 极限不存在，它只说明「这一招不灵」，就像扳手拧不动螺丝不代表螺丝拧不下来，可能只是该换螺丝刀了。

工程上这叫「包络分析」：装配间隙的真实分布算不清，但「最小件—最大件」两个极端情形算得清，真实间隙必被夹在其中；测量不确定度评定里，无论误差分量之间如何互相纠缠，总误差总被「理想同步」与「完全抵消」两个极端情形夹住。先把能算的两个极端算出来，未知量就被关进了笼子——这是夹逼思想在工程里最常用的姿势。

3.4单调有界定理：不求出值，也能断言存在

有些极限，你算不出它的具体值，却需要先知道它确实存在。这时候有一个非常强大的定理：

直觉上很好懂：想象一个只能往上涨、但头顶有「天花板」的东西，它涨不上去，又不能原地不动（因为是单调的），于是只能无限逼近那个天花板——天花板（更准确说是「最小上界」）就是它的极限。

这个定理的妙处在于：它只判断「存在性」，不负责算出值。这看起来有点「偷懒」，但在数学里极有价值——很多数（比如后面要学的自然常数 e）就是先被证明「极限存在」，然后再想办法逼近、命名、计算的。

两个「不够」：条件缺一半都会翻车

定理的两个条件像两扇门，缺哪一扇都进不去：

• 只单调、不有界：数列 1, 2, 3, 4, … 一路严格递增，却没有天花板——它冲向无穷大，极限不存在（数列极限是实数，∞ 不是实数）。
• 只有界、不单调：数列 −1, 1, −1, 1, … 永远被夹在 [−1, 1] 里，却在两个值之间跳来跳去，从不「安顿」——极限同样不存在。

还有一处精确的措辞值得咀嚼：「天花板」要的是最小上界（上确界）——所有上界中最贴身的那个。数列 1 − 1/n（0, 1/2, 2/3, 3/4, …）的上界可以是 5、可以是 2，但最小上界是 1，极限恰好就是 1。上界不唯一，极限只认最紧的那个。

「最小上界」这个概念本身值得停一拍：全体上界里最小的那个，数学上记作 sup。实数系有一条深藏的秉性——有上界的非空数集必有最小上界（确界原理），它是实数轴「没有洞」的体现；有理数轴就做不到，比如 {x ∈ Q : x² < 2} 的上界很多，但在有理数里挑不出最小的那个。单调有界定理的成立，归根到底踩在这块基石上——数列一路上涨时，所有「天花板」里最贴身的那一个，就是它的归宿。

定理的另一半同样成立：单调递减且有下界的数列也必有极限——把「涨有顶」翻译成「跌有底」即可，图 3-3 翻转过来就是它的图像。使用时盯住两件事的搭配：递增配「上界」，递减配「下界」；配错了什么也保证不了——比如数列 1, 2, 3, … 单调递增，拿「下界 0」去配它，照样一骑绝尘冲向无穷。判断条件够不够，看的不是「有没有界」，而是「界挡没挡在数列前进的方向上」。

工程上这个定理是迭代算法的「定心丸」：数值优化里的目标函数每步迭代都下降（单调）且被证明不会低于某个下界（有界），算法就必然收敛到某个极小点——程序员不必预先知道极小点在哪，照样敢让程序跑下去；热力学里系统朝能量更低的构型演化且能量有下界，过程必然「安顿」到平衡态。先证存在、再谈求解，这个顺序在工程和数学里同样成立。

给工程读者一张「存在性判据」对照清单：数值优化——目标函数值每步单调下降 + 目标值有下界 ⇒ 迭代收敛到极小点；迭代解方程——残差单调不增 + 残差非负 ⇒ 残差趋于某个极限；热力学演化——能量沿过程单调下降 + 能量有下界 ⇒ 系统必达平衡态。三条判据共享同一个骨架：过程有方向，结果有边界，安顿是必然。工程师判断「这个算法会不会永远跑下去不收敛」，用的正是单调有界定理的目光。

3.5两个重要极限

有两条极限，几乎贯穿整个微积分，被称作「两个重要极限」。它们必须刻进肌肉记忆。

重要极限一：lim_x→0 (sin x)/x = 1

这个极限说：当角度 x（用弧度！）无限接近 0 时，sin x 和 x 几乎一样大，它们的比值趋于 1。

为什么会这样？看一个几何图：在单位圆里，取一个很小的角 x（弧度），那么：

• 弧长 = x（因为弧度定义就是弧长除以半径，半径是 1）。
• sin x = 竖直的那条直角边（对边）。

当角 x 很小时，这条短短的竖直边，和那段短短的弧，几乎重合、几乎一样长。所以 sin x ≈ x，比值 ≈ 1。角越小，越接近 1，极限就是 1。

严格的证明正是用夹逼准则（把 sin x 夹在两边），这里不展开，但结论要记住，并且注意 x 必须用弧度制——因为「sin x ≈ x」这个近似依赖弧度的定义。

现在补上那个被跳过的证明

「不展开」是给第一遍读书的人留的活口，第二遍就值得看真东西了。证明只有三行，工具就是 3.3 节的夹逼准则。在单位圆里取角 x（0 < x < π/2），比较三块面积：

• 小直角三角形面积 = (1/2)·sin x·cos x（底为 cos x、高为 sin x）——最小；
• 扇形面积 = (1/2)·x（弧度制下扇形面积 = 半径平方 × 角 ÷ 2）——居中；
• 大直角三角形面积 = (1/2)·tan x（底为 1、高为 tan x）——最大。

三块面积从小到大排好队：(1/2)sin x cos x < (1/2)x < (1/2)tan x。各项除以 (1/2)sin x（正数），得 cos x < x/sin x < 1/cos x。再取倒数（同取倒数不等号反向，都是正数）：

当 x → 0⁺ 时，左边的 cos x → 1，右边的常数 1 就是 1——两个夹子钳口都收拢到 1，由夹逼准则 sin x/x → 1。x → 0⁻ 时函数是偶函数（分子分母同变号），结论对称成立。证毕，一共三行：面积排队、同除变形、夹逼收口。

证明还有一处值得自查的严谨性：三块面积的不等关系，来自平面上的包含关系——小三角形整个躺在扇形里，扇形又整个躺在切线三角形里，「谁套着谁」一目了然，不需要任何额外计算。这正是几何证明的好处：不等式不是算出来的，是「看」出来的，而看见的就是真的。不放心的话，代数上可以反向核对一遍：取 x = 0.5，小三角形面积 (1/2)sin x·cos x = (1/4)sin 1 ≈ 0.2104，扇形面积 (1/2)x = 0.2500，切线三角形面积 (1/2)tan x ≈ 0.2732，三数严格递增，包含关系在数字上再次坐实。

用数字感受一下收敛速度：x = 0.1 时 sin x / x = 0.998334，x = 0.01 时 = 0.999983，x = 0.001 时 = 0.9999998——每缩小 100 倍，离 1 的差距缩小约一万倍。这个「平方级」的收敛速度意味着：x 小于 0.1 之后，「sin x ≈ x」已经准到千分之一级别，这正是它工程价值的来源。

这个极限在工程手册里常以「小角度近似」的面目出现：sin x ≈ x（一阶）、cos x ≈ 1 − x²/2（二阶）。挑几个误差数据：x = 0.1 rad 时 sin x/x = 0.99833（偏离 0.17%）；x = 0.2 rad 时 0.99335（0.67%）；x = 0.3 rad 时 0.98507（1.5%）。也就是说：若仪表的精度等级是 0.5%，小角度近似可用到约 0.17 rad（≈10°）；精度要求 2%，则可放宽到约 0.35 rad（≈20°）——「近似什么时候够用」不是拍脑袋，是把精度要求代进极限的余项里算出来的。

小角度近似还有一个更精细的版本：需要更高精度时，把 cos x 也带上——由例题 6 的结果反读，cos x ≈ 1 − x²/2，再代回 sin 的关系可得 sin x ≈ x − x³/6。单摆周期公式的修正就是用它做的：小振幅时 T ≈ 2π√(L/g)；振幅角不很小时要乘一个放大系数 1 + θ₀²/16——θ₀ = 0.3 rad 时修正约 0.56%，θ₀ = 0.5 rad 时约 1.56%，与本节开头那张误差表互相印证。仪表工程师在「一阶够用」与「上不上二阶」之间做选择，依据全是这套余项账，而不是手感。

重要极限二：lim_x→∞ (1 + 1/x)ˣ = e

这个极限看起来更神秘：底数 (1 + 1/x) 只是「比 1 稍微大一点点」，指数却是 x（越来越大）。结果竟然趋于一个确定的数，约等于 2.71828……，这就是著名的自然常数 e。

为什么会这样？可以这样感受：设 x 越来越大，1 + 1/x 越来越接近 1，但它始终略大于 1；而这个「略大于 1」被连乘 x 次（即指数 x），累积起来的增长恰好收敛到一个稳定值 e。

这个极限和「复利」紧密相关：如果你有 1 元钱，年利率 100%，但把一年拆成 x 份、每份利率 (1/x)、连续滚利，一年后的本息就是 (1 + 1/x)ˣ。拆得越细（x 越大），收益越高，但不会无限高，而是逼近一个上限——e 元。这就是 e 的「金融出身」。

先把它的长相看清楚：下图把函数 y = (1 + 1/x)ˣ 画出来，并用红虚线标出高度 e 的水平线，整数点 n = 1, 2, …, 10 逐个点上——正是例题 4 里那张「逐项递增、贴近 e」的表格变成了图像。

再记一个等价变体，做题时更顺手：把 1/x 换元成 u（x → ∞ 当且仅当 u → 0），得 lim_u→0 (1 + u)^(1/u) = e。两个方向说的同一件事：「底数无限贴 1、指数无限涨」的拉锯战，结局是 e。判断一个 1^∞ 型极限能不能用重要极限二，就看它能不能整理成这两个模样之一。

工程现场再遇它一次：电容通过电阻充电，电压 v(t) = V(1 − e^(−t/RC))——把「每份利率」换成「每秒衰减比例」，就明白充电为何「先快后慢、永远差一点点」：t = RC 时充到 63.2%，t = 3RC 时 95.0%，t = 5RC 时 99.3%，工程师把 3RC~5RC 当作「充完」的工程判据，本质就是「误差带 ε 选多大，时间 δ 就要多长」的又一次实物化。反过来，连续复利公式 A = Pe^(rt) 里那个 e，就是本节极限在「拆分无穷细」极限下的产物——同一个 e，一边管着充电曲线，一边管着存款利息。

最后看一眼 e 的「另一副面孔」，为第 7 章（级数）埋个钩子：把例题 4 的上界论证再推一步，可以证明 (1 + 1/n)ⁿ 的极限恰好等于无穷级数 1 + 1/1! + 1/2! + 1/3! + … 的和——阶乘在分母上飞快膨胀，加到十来项就精确到小数点后十几位，这个「求和的 e」比「乘方的 e」好算得多。同一个数，既能从复利滚出来，也能从阶乘加出来，还能从「导数等于自身」的函数长出来——三张面孔一个 e，第 5、7 章逐一揭晓。