
数列极限:从「越来越接近」到 ε-N 定义
高数第一讲。用收敛数列的直觉图开场,再推导 ε-N 定义的严格语言,配两道例题——一道写 ε-N 证明,一道用代数方法快速求极限。

先建直觉:一个数列在「趋近」什么?
考虑这样一个数列:
把前几项写出来:
| $n$ | 与 1 的差距 | |
|---|---|---|
| 1 | 0.5000 | 0.5000 |
| 10 | 0.9091 | 0.0909 |
| 100 | 0.9901 | 0.0099 |
| 1000 | 0.9990 | 0.0010 |
| 10000 | 0.9999 | 0.0001 |
每一项都比 1 小,但差距在持续缩小。不管你希望「误差小于 0.001」,只要 $n > 999$ 就能做到;希望「误差小于 0.0001」,只要 $n > 9999$ 就能做到。

这就是极限的核心思路:给定任意小的误差要求,总能找到一个足够大的 $n$,使得之后所有项都落在要求的范围内。
ε-N 定义:把直觉变成精确语言
高数给出的严格定义如下:
若对任意 ,存在正整数 $N$,使得当 $n > N$ 时,都有 ,则称数列 以 $A$ 为极限,记作:$$\lim_{n \to \infty} a_n = A$$
拆解这四个要素:
- 任意 :无论挑战者(你)把误差要求压得多小,哪怕是
- 存在正整数 $N$:应答者(数列)总能给出一个门槛 $N$
- $n > N$ 时:超过这个门槛之后
- :所有后续项与极限 $A$ 的距离都在误差要求之内
一句话总结:极限存在 = 「无论你要多准,我都能给够」。

例题演示
例题 1:用定义证明
解题目标:对任意 ,找出合适的 $N$,验证定义。
第一步:分析
第二步:让误差小于
第三步:给出 $N$
取 (取不超过 的最大整数),则当 $n > N$ 时:
定义验证完毕。
例题 2:
这道题不需要写 ε-N 证明,而是用代数方法求极限值——这在实际计算中更常用。
方法:分子分母同除以最高次项
当 时,,,所以:
规律:有理函数的极限,结果取决于分子分母最高次项的系数之比——分子分母同次时,极限等于最高次系数之比。
一个容易踩的坑
「极限等于 $A$」不要求 最终等于 $A$。
上例 的每一项都小于 1,它永远不等于极限值 1。极限描述的是「趋近的方向和目标」,不是「到达」。
这与函数极限中「 时 $f(x)$ 的极限」是同样的逻辑:求 时,$x = 0$ 处根本无定义,但极限完全可以存在且等于 1。
下一期预告:函数极限与无穷小量——从数列跳到函数,极限的舞台会更大一点。
延伸阅读:ε-N 定义的起源可以追溯到 19 世纪柯西(Cauchy)和魏尔斯特拉斯(Weierstrass)对分析学基础的严格化工作,Wikipedia 的数列极限词条对此有概要介绍。
このコンテンツについて、さらに観点や背景を補足しましょう。