今天我们继续数学分析的内容——极限。它是从高中数学(静态)到大学数学(动态)思维转变的重要枢纽,我们从数列极限开始,话不多说,进入正题。
往期回顾:
数列极限的定义
首先介绍数列的定义:
数列:按照正整数编号的一串数
一般我们表示为:
这里,强调一下数列与集合的区别,虽然集合和数列都可以用花括号表示,但集合要求是互异性和无序性;而数列要求排列的一串数可以是重复的,且它们是有严格的顺序划分,因为对它们进行了编号。比如下面两个数列:
对于第二个数列,我们可以用表达式表示:
像这种可以用表达式表示的数列,我们把其式子称为数列的通项,显然,具有通项的数列是数列中的一种特殊形式。
而数列极限思想研究的是,对于一个无穷数列,在它无穷项后是一个什么数的问题。我们就以“计算圆周率”为例子来说明。
我国最早用极限思想计算圆周率的数学家是刘徽,他用圆内接正多边形的周长逼近圆周率:
割之弥细,所失弥少,割之又割以至于不可割,则与圆合体而无所失矣!
如下图所示,从六边形开始,用多边形的周长近似圆的周长,然后根据圆的周长公式2πr倒推圆周率π,
利用计算机我们很容易实现这个过程:
import math
def circle_rate(n,r):
g = 2*math.pi/(2*n) #BOD角度
d = r*math.sin(g) #BD线段长度
D = 2*d*n #多边形周长
pi = D/(2*r) #圆周率
return pi
从六边形开始,我们测试一下计算出来的结果:
当接近正一百万边形的时候,结果已精确到圆周率第9位小数点了:
换句话说,正多边形的边越多,计算结果越接近圆周率。因此,我们有理由相信,只要当内接正多边形趋近无穷时,最后计算结果已经与真实的圆周率相等了,只要我们研究问题的误差给定,那么一定能找到一个正多边形,使得计算结果作为圆周率。而圆周率,就是n趋于无穷时的极限。
由此,我们引出数列极限的定义:
我们把这个定义称为数列的ε-N语言
这里的ε可以理解为研究问题的精度(所能容忍的误差),“任意”表示可以任意小,针对不对问题有不同的要求,比如在学生考试中,对圆周率精度只需要精确到小数点3位数;而在航天工程发射中,对圆周率精度可能是小数点100位。两种情况要求的精度不一样,那么所需要的正整数N也就不一样。反过来,要找到N,就必须要明确研究问题的精度——也即必须“给定”ε,正整数N才能有解。
对于数a,我们称为数列的极限,它是表示数列只会无穷趋近于数a,也就是会越来越接近a,与a的误差越来越小,是一个动态的过程。但永远不会等于a。反过来,如果数列随着n的增加,永远找不到一个实数a是它的极限,那么称这个数列是发散的。
比如下面两个数列就是发散的:
这一节的最后我们给出领域的概念。
领域:
领域本质就是一个区间,它以点为中心,在数轴上向左和向右移动ε长度的区间。因此,数列极限的任意小,也可以表示为:
定义法证明数列极限
我们用定义法来证明下面数列极限为1:
这里的关键是理解N的取法,首先我们要理解定义中“可以找到”,它不关心找到的N最小值,只需要找到满足条件N即可,同时要保证N是正整数。因为3/ε>3/ε-3,所以只需要取更大的就能保证为正数,又因为3/ε的整数部分可能为0,因此加上1可以保证N是正整数。所以N=[3/ε]+1.
我们给出一个重要的结论:
一个数列收敛与否,收敛的话,收敛于哪个数,这与数列的前有限项无关
无穷小量
如果一个数列是收敛的,那么它可能收敛于任何一个实数,我们把以零为极限的变量称为无穷小量,这里讨论的变量是数列。根据此,我们可以得到一个结论:
下面我们看一个例子。
这里要理解对于任意给定的ε为什么要取(0~|q|),我们在讨论极限的时候,任意小表达的精度,因此,对于大的ε来说没有讨论的意义,因此要研究就研究任意小的ε即可。
定义法证明之放大技巧
上一节说了数列极限不关心找到的N最小值,只需要找到满足条件N即可,因此,很多情况利用放大技巧可以快速找到N。我们来看一个例子:
在上面基础上,我们引出一个重要极限:
对比上面两个极限,我们可以推广到下面的极限为1:
今天就先介绍到这里,我们总结一下:
1.极限是在数学上无限逼近某个实数的动态变化过程
2.按照正整数编号的一串数称为数列
3.研究数列极限通常要给定任意小的ε,以及找到正整数N
4.一个数列收敛与否,收敛的话,收敛于哪个数,这与数列的前有限项无关
5.以零为极限的变量称为无穷小量
6.利用放大技巧证明极限是常用的手段