序列极限的定义

序列极限的定义

小象实战讲义 · 人工智能数学基础

在人工智能的数学世界中，我们常常需要分析数据序列的长期行为，例如梯度下降法中迭代点的变化趋势、递归神经网络中隐藏状态的演化，或是蒙特卡洛模拟中样本均值的收敛性。本节将引入微积分中最基础、最核心的概念之一——序列的极限。掌握其精确定义（ε-N语言）是理解后续连续性、导数、积分乃至整个分析学大厦的基石。学完本节，你将能够严格判断一个序列是否收敛，并运用定义进行简单的极限证明。

💡 核心导读

本节将为你构建以下知识地图：

1. 序列的两种视角：理解序列既可以看作按顺序排列的一列数，也可以视为定义在自然数集上的特殊函数。
2. 极限的直观描述：通过几何图形，直观感受“当项数无限增大时，序列项无限接近某个常数”这一核心思想。
3. 极限的严格定义（ε-N语言）：学习用精确的数学语言（任意性、存在性）来刻画“无限接近”与“无限增大”，这是本节的重中之重。
4. 收敛与发散的逻辑关系：掌握如何用ε-N语言描述序列收敛，并推导出其对立面——发散的定义。
5. 定义的应用与证明技巧：通过典型例题，学习如何利用ε-N定义证明极限，并掌握“放大法”等实用技巧。

从直观到严格：极限思想的演进

序列，或称数列，是我们从高中就熟悉的概念。它是一列按照一定顺序排列的数： $$x_1, x_2, x_3, \dots, x_n, \dots$$ 现在我们学习了函数，可以从更高视角看待它：序列是定义域为自然数集 $\mathbb{N}$，值域为实数集 $\mathbb{R}$ 的函数。即 $x_n = f(n)$，其中 $f: \mathbb{N} \to \mathbb{R}$。因此，序列可以看作是函数在离散点（自然数）上的取值。

描述序列通常有两种方法：

• 通项公式法：能显式写出第 $n$ 项与 $n$ 的关系，如 $x_n = \frac{1}{n}$。
• 描述法：对于无法写出简洁通项的序列，直接描述其构成规律，如 $\pi$ 的近似值序列：3, 3.1, 3.14, 3.141, …

我们来考察几个序列的长期行为：

1. $x_n = \frac{1}{n}$。从函数 $f(x) = \frac{1}{x}$ 的图像上看，$x_n$ 是其在 $x=1,2,3,\dots$ 处的取值。当 $x$ 无限增大时，$f(x)$ 无限接近于0。因此，直观上，当 $n$ 无限增大（记作 $n \to \infty$）时，$x_n$ 无限接近于0。
2. $x_n = \frac{(-1)^{n}}{n}$。这是一个交错序列，其奇数项为负，偶数项为正。但其绝对值 $|x_n| = \frac{1}{n}$，因此当 $n \to \infty$ 时，它同样“无限接近”于0。
3. $x_n = \begin{cases} \frac{1}{2^n}, & n \text{为奇数} \ \frac{1}{n}, & n \text{为偶数} \end{cases}$。由于对于所有 $n$，都有 $0 < x_n \le \frac{1}{n}$，且 $\frac{1}{n} \to 0$，因此 $x_n$ 也被“挤压”着趋向于0。

上述例子中，我们反复使用了“无限增大”和“无限接近”这两个描述性的语言。然而，什么是“无限”？如何精确刻画“任意接近”？早期微积分的创立者（如牛顿）也未能给出严格定义，这曾引发诸多争议。直到19世纪，数学家柯西（Cauchy）和魏尔斯特拉斯（Weierstrass）等人建立了一套严谨的数学语言，才彻底解决了这个问题。

ε-N语言：极限的严格定义

序列极限的严格定义，是微积分乃至整个分析学最重要的定义之一。它用精确的量化语言，取代了模糊的“无限”。

定义（序列的极限）：设 ${x_n}$ 是一个实数序列。如果存在一个常数 $l$，使得对于任意给定的正数 $\varepsilon$（无论它多么小），总存在一个正整数 $N$，使得当 $n > N$ 时，不等式 $$|x_n - l| < \varepsilon$$ 恒成立，则称常数 $l$ 是序列 ${x_n}$ 的极限，或称序列 ${x_n}$ 收敛于 $l$。记作 $$\lim_{n \to \infty} x_n = l \quad \text{或} \quad x_n \to l \ (n \to \infty).$$ 如果不存在这样的常数 $l$，则称序列 ${x_n}$ 是发散的。

这套表述被称为 “ε-N 语言”。让我们拆解其中的逻辑：

1. “任意 $\varepsilon > 0$”：这刻画了“无限接近”或“任意接近”。$\varepsilon$ 可以想象为目标 $l$ 周围的一个误差容忍范围。要求对于任意小的误差范围，序列项最终都能落进去。
2. “存在 $N \in \mathbb{N}$”：这刻画了“从某项开始”或“最终”。$N$ 通常依赖于 $\varepsilon$ 的选择（$\varepsilon$ 越小，所需的 $N$ 通常越大）。
3. “当 $n > N$ 时，有 $|x_n - l| < \varepsilon$”：这意味着从第 $N+1$ 项开始，序列所有的项 $x_{N+1}, x_{N+2}, \dots$ 都落在区间 $(l-\varepsilon, l+\varepsilon)$ 之内。

几何解释：在数轴上，区间 $(l-\varepsilon, l+\varepsilon)$ 称为点 $l$ 的 $\varepsilon$-邻域。定义表明：无论这个邻域半径 $\varepsilon$ 多小，序列中从某一项（第 $N+1$ 项）之后的所有项，都密密麻麻地分布在这个邻域内。换言之，在 $l$ 的任意小邻域之外，序列最多只有有限项（前 $N$ 项）。

发散的定义：根据逻辑否定的规则，收敛定义的否定即为发散。

序列 ${x_n}$ 发散，当且仅当：对于任意的常数 $l$，都存在某个 $\varepsilon_0 > 0$，使得对于任意的正整数 $N$，总存在一个 $n > N$，满足 $|x_n - l| \ge \varepsilon_0$。 这意味着，找不到任何一个点 $l$，能让序列“最终”无限接近它。

运用定义证明极限

用 ε-N 定义证明极限的核心步骤是：对于任意给定的 $\varepsilon > 0$，构造出符合条件的正整数 $N$（通常表示为 $N(\varepsilon)$）。

例1：证明 $\lim_{n \to \infty} \frac{n}{n+1} = 1$。

证明：对于任意 $\varepsilon > 0$，我们要使 $$\left| \frac{n}{n+1} - 1 \right| = \left| -\frac{1}{n+1} \right| = \frac{1}{n+1} < \varepsilon.$$ 解此不等式：$n+1 > \frac{1}{\varepsilon}$，即 $n > \frac{1}{\varepsilon} - 1$。 取 $N = \left\lfloor \frac{1}{\varepsilon} - 1 \right\rfloor + 1$（这里 $\lfloor \cdot \rfloor$ 表示向下取整），则当 $n > N$ 时，必有 $n > \frac{1}{\varepsilon} - 1$，从而 $\frac{1}{n+1} < \varepsilon$ 成立。 因此，由极限定义，$\lim_{n \to \infty} \frac{n}{n+1} = 1$。 $\square$

例2：证明当 $|q| < 1$ 时，$\lim_{n \to \infty} q^n = 0$。

证明：若 $q = 0$，则 $q^n = 0$ 恒成立，结论显然。以下设 $q \neq 0$。

对于任意 $\varepsilon > 0$（不妨设 $\varepsilon < 1$），要使 $$|q^n - 0| = |q|^n < \varepsilon.$$ 两边取自然对数（因函数 $\ln x$ 单调递增）：$n \ln |q| < \ln \varepsilon$。 由于 $|q| < 1$，故 $\ln |q| < 0$，不等式方向不变，解得： $$n > \frac{\ln \varepsilon}{\ln |q|}.$$ 取 $N = \left\lfloor \frac{\ln \varepsilon}{\ln |q|} \right\rfloor + 1$，则当 $n > N$ 时，有 $|q|^n < \varepsilon$。 因此，$\lim_{n \to \infty} q^n = 0$。 $\square$

当直接解不等式 $|x_n - l| < \varepsilon$ 比较困难时，一个常用的技巧是放大法。

例3：证明 $\lim_{n \to \infty} \frac{n^2 - n + 2}{3n^2 + 2n + 4} = \frac{1}{3}$。

证明：对于任意 $\varepsilon > 0$，考察 $$\left| \frac{n^2 - n + 2}{3n^2 + 2n + 4} - \frac{1}{3} \right| = \left| \frac{3(n^2 - n + 2) - (3n^2 + 2n + 4)}{3(3n^2 + 2n + 4)} \right| = \frac{| -5n + 2 |}{3(3n^2 + 2n + 4)}.$$ 当 $n \ge 1$ 时，$|-5n+2| \le 5n + 2 < 5n + 2n = 7n$（这里进行了放大）。 同时，分母 $3n^2 + 2n + 4 > 3n^2$（这里进行了缩小，使得整个分式放大）。 因此， $$\text{原式} < \frac{7n}{3 \cdot 3n^2} = \frac{7}{9n}.$$ 现在，令 $\frac{7}{9n} < \varepsilon$，解得 $n > \frac{7}{9\varepsilon}$。 取 $N = \left\lfloor \frac{7}{9\varepsilon} \right\rfloor + 1$，则当 $n > N$ 时，有 $\frac{7}{9n} < \varepsilon$，从而原绝对值小于 $\varepsilon$。 故极限成立。 $\square$

放大法的逻辑：我们证明了 $|x_n - l| < \text{某个更简单的式子} < \varepsilon$。由于 $\varepsilon$ 是任意的，这足以说明 $|x_n - l|$ 可以任意小。关键在于放大后的式子要易于求解 $N$，且放大的过程不能改变其趋于0的本质。

例4：证明当 $a > 1$ 时，$\lim_{n \to \infty} \sqrt[n]{a} = 1$。

证明：$\sqrt[n]{a} = a^{1/n}$。对于任意 $\varepsilon > 0$，要使 $$|a^{1/n} - 1| < \varepsilon.$$ 因为 $a>1$，所以 $a^{1/n} > 1$，绝对值可去掉：$a^{1/n} - 1 < \varepsilon$，即 $a^{1/n} < 1 + \varepsilon$。 两边取对数：$\frac{1}{n} \ln a < \ln(1+\varepsilon)$，故 $n > \frac{\ln a}{\ln(1+\varepsilon)}$。 取 $N = \left\lfloor \frac{\ln a}{\ln(1+\varepsilon)} \right\rfloor + 1$，则当 $n > N$ 时，有 $|a^{1/n} - 1| < \varepsilon$。 因此，$\lim_{n \to \infty} \sqrt[n]{a} = 1$。 $\square$

import numpy as np
import matplotlib.pyplot as plt

# 示例：验证极限 lim_{n->∞} (n/(n+1)) = 1 和 lim_{n->∞} (0.5^n) = 0
n = np.arange(1, 101)  # 生成1到100的序列
seq1 = n / (n + 1)      # 序列 x_n = n/(n+1)
seq2 = 0.5 ** n         # 序列 x_n = 0.5^n

# 计算它们与极限值的距离
dist_to_limit1 = np.abs(seq1 - 1)
dist_to_limit2 = np.abs(seq2 - 0)

# 可视化
fig, axes = plt.subplots(1, 2, figsize=(12, 4))

# 子图1：序列本身及其极限
axes[0].plot(n, seq1, 'b-', label=r'<span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><msub><mi>x</mi><mi>n</mi></msub><mo>=</mo><mi>n</mi><mi mathvariant="normal">/</mi><mo stretchy="false">(</mo><mi>n</mi><mo>+</mo><mn>1</mn><mo stretchy="false">)</mo></mrow><annotation encoding="application/x-tex">x_n = n/(n+1)</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.5806em;vertical-align:-0.15em;"></span><span class="mord"><span class="mord mathnormal">x</span><span class="msupsub"><span class="vlist-t vlist-t2"><span class="vlist-r"><span class="vlist" style="height:0.1514em;"><span style="top:-2.55em;margin-left:0em;margin-right:0.05em;"><span class="pstrut" style="height:2.7em;"></span><span class="katex-sizing reset-size6 size3 mtight"><span class="mord mathnormal mtight">n</span></span></span></span><span class="vlist-s">​</span></span><span class="vlist-r"><span class="vlist" style="height:0.15em;"><span></span></span></span></span></span></span><span class="mspace" style="margin-right:0.2778em;"></span><span class="mrel">=</span><span class="mspace" style="margin-right:0.2778em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:1em;vertical-align:-0.25em;"></span><span class="mord mathnormal">n</span><span class="mord">/</span><span class="mopen">(</span><span class="mord mathnormal">n</span><span class="mspace" style="margin-right:0.2222em;"></span><span class="mbin">+</span><span class="mspace" style="margin-right:0.2222em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:1em;vertical-align:-0.25em;"></span><span class="mord">1</span><span class="mclose">)</span></span></span></span>', alpha=0.7)
axes[0].axhline(y=1, color='r', linestyle='--', label='极限 l=1')
axes[0].set_xlabel('n')
axes[0].set_ylabel('<span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><msub><mi>x</mi><mi>n</mi></msub></mrow><annotation encoding="application/x-tex">x_n</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.5806em;vertical-align:-0.15em;"></span><span class="mord"><span class="mord mathnormal">x</span><span class="msupsub"><span class="vlist-t vlist-t2"><span class="vlist-r"><span class="vlist" style="height:0.1514em;"><span style="top:-2.55em;margin-left:0em;margin-right:0.05em;"><span class="pstrut" style="height:2.7em;"></span><span class="katex-sizing reset-size6 size3 mtight"><span class="mord mathnormal mtight">n</span></span></span></span><span class="vlist-s">​</span></span><span class="vlist-r"><span class="vlist" style="height:0.15em;"><span></span></span></span></span></span></span></span></span></span>')
axes[0].set_title('序列收敛过程示例 (1)')
axes[0].legend()
axes[0].grid(True, alpha=0.3)

# 子图2：距离随n的变化，体现ε-N思想
axes[1].semilogy(n, dist_to_limit2, 'g-', label=r'<span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><mi mathvariant="normal">∣</mi><msup><mn>0.5</mn><mi>n</mi></msup><mo>−</mo><mn>0</mn><mi mathvariant="normal">∣</mi></mrow><annotation encoding="application/x-tex">|0.5^n - 0|</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:1em;vertical-align:-0.25em;"></span><span class="mord">∣0.</span><span class="mord"><span class="mord">5</span><span class="msupsub"><span class="vlist-t"><span class="vlist-r"><span class="vlist" style="height:0.6644em;"><span style="top:-3.063em;margin-right:0.05em;"><span class="pstrut" style="height:2.7em;"></span><span class="katex-sizing reset-size6 size3 mtight"><span class="mord mathnormal mtight">n</span></span></span></span></span></span></span></span><span class="mspace" style="margin-right:0.2222em;"></span><span class="mbin">−</span><span class="mspace" style="margin-right:0.2222em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:1em;vertical-align:-0.25em;"></span><span class="mord">0∣</span></span></span></span>', alpha=0.7) # 对数坐标更清晰
axes[1].axhline(y=0.01, color='orange', linestyle=':', label=r'<span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><mi>ε</mi><mo>=</mo><mn>0.01</mn></mrow><annotation encoding="application/x-tex">\varepsilon = 0.01</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:0.4306em;"></span><span class="mord mathnormal">ε</span><span class="mspace" style="margin-right:0.2778em;"></span><span class="mrel">=</span><span class="mspace" style="margin-right:0.2778em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:0.6444em;"></span><span class="mord">0.01</span></span></span></span>')
# 找出第一个使距离小于0.01的N
N_index = np.where(dist_to_limit2 < 0.01)[0]
if len(N_index) > 0:
    N_val = N_index[0] + 1  # 因为n从1开始
    axes[1].axvline(x=N_val, color='orange', linestyle=':', alpha=0.5, label=f'N ≈ {N_val}')
axes[1].set_xlabel('n')
axes[1].set_ylabel('<span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><mi mathvariant="normal">∣</mi><msub><mi>x</mi><mi>n</mi></msub><mo>−</mo><mi>l</mi><mi mathvariant="normal">∣</mi></mrow><annotation encoding="application/x-tex">|x_n - l|</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="katex-base"><span class="katex-strut" style="height:1em;vertical-align:-0.25em;"></span><span class="mord">∣</span><span class="mord"><span class="mord mathnormal">x</span><span class="msupsub"><span class="vlist-t vlist-t2"><span class="vlist-r"><span class="vlist" style="height:0.1514em;"><span style="top:-2.55em;margin-left:0em;margin-right:0.05em;"><span class="pstrut" style="height:2.7em;"></span><span class="katex-sizing reset-size6 size3 mtight"><span class="mord mathnormal mtight">n</span></span></span></span><span class="vlist-s">​</span></span><span class="vlist-r"><span class="vlist" style="height:0.15em;"><span></span></span></span></span></span></span><span class="mspace" style="margin-right:0.2222em;"></span><span class="mbin">−</span><span class="mspace" style="margin-right:0.2222em;"></span></span><span class="katex-base"><span class="katex-strut" style="height:1em;vertical-align:-0.25em;"></span><span class="mord mathnormal" style="margin-right:0.0197em;">l</span><span class="mord">∣</span></span></span></span> (对数尺度)')
axes[1].set_title('ε-N 语言的直观演示 (2)')
axes[1].legend()
axes[1].grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

# 打印数值验证
print(f"当 n=100 时， n/(n+1) = {seq1[-1]:.6f}, 与1的距离为 {dist_to_limit1[-1]:.6e}")
print(f"当 n=100 时， 0.5^n = {seq2[-1]:.6e}, 与0的距离为 {dist_to_limit2[-1]:.6e}")
print(f"对于 ε=0.01， 使 |0.5^n - 0| < ε 成立的最小 N 是 {N_val}")

📝 动手练一练

1. 基础题：使用 ε-N 语言证明 $\lim_{n \to \infty} \frac{2n+1}{3n-1} = \frac{2}{3}$。 参考答案： 对于任意 $\varepsilon > 0$， $|\frac{2n+1}{3n-1} - \frac{2}{3}| = |\frac{3(2n+1)-2(3n-1)}{3(3n-1)}| = \frac{5}{3|3n-1|}$。 当 $n \ge 1$ 时，$3n-1 > 2n$，故原式 $< \frac{5}{3 \cdot 2n} = \frac{5}{6n}$。 令 $\frac{5}{6n} < \varepsilon$，得 $n > \frac{5}{6\varepsilon}$。取 $N = \lfloor \frac{5}{6\varepsilon} \rfloor + 1$ 即可。

2. 进阶题：设 $x_n = \frac{\sin n}{n}$。直观判断其极限，并尝试说明为什么直接使用定义证明 $\lim_{n \to \infty} x_n = 0$ 时，放大法（利用 $|\sin n| \le 1$）是一个非常有效的策略。 参考答案： 直观判断极限为0。因为分子 $|\sin n| \le 1$ 有界，而分母 $n \to \infty$。 证明时，$|x_n - 0| = |\frac{\sin n}{n}| \le \frac{1}{n}$。对于任意 $\varepsilon > 0$，令 $\frac{1}{n} < \varepsilon$，解得 $n > 1/\varepsilon$。取 $N = \lfloor 1/\varepsilon \rfloor + 1$，则当 $n > N$ 时，有 $|x_n| < \varepsilon$。这里的关键放大是 $|\sin n| \le 1$，将问题简化为熟悉的 $1/n$ 序列。

本章小结

本节我们建立了序列极限的严格数学框架：

• 核心定义：掌握了用 ε-N 语言 精确表述 $\lim_{n \to \infty} x_n = l$，其精髓在于用“任意-存在”逻辑链量化“无限接近”。
• 几何意义：收敛意味着序列的项最终会落入极限点 $l$ 的任意小邻域内，且在该邻域外只有有限项。
• 证明方法：学习了用定义证明极限的标准流程：① 对任意 $\varepsilon>0$；② 分析 $|x_n-l|$；③ 通过解不等式或放大法，找到对应的 $N(\varepsilon)$；④ 下结论。
• 逻辑关系：明确了收敛与发散是互斥的，并了解了发散定义的逻辑否定形式。

行动清单：

1. 口头复述：尝试不看书，用自己的话复述一遍“序列收敛于 $l$ 的 ε-N 定义”，确保理解“任意 $\varepsilon$”、“存在 $N$”、“当 $n>N$ 时”三者之间的逻辑关系。
2. 动笔证明：独立完成动手练一练中的基础题，并对照答案检查 $N$ 的构造过程。
3. 代码验证：运行讲义中的 Python 代码，改变序列（例如将 0.5 改为 0.9 或 2），观察图形变化，直观感受收敛与发散的区别，以及 $N$ 与 $\varepsilon$ 的关系。

— 小象教研组