3. 函数收敛与极限：函数极限的ε-δ定义、左极限与右极限、极限存在准则

聊到函数极限，我脑子里第一个蹦出来的画面，是当年在实验室调一个锁相环的收敛问题。信号老是在目标值附近抖，就是稳不下来。那时候我就在想，这玩意儿到底能不能收敛到一个确定的值？说白了，这就是函数极限要回答的问题。

今天咱们就把函数极限这块硬骨头啃下来。别怕，我会用我踩过的坑，帮你把那些抽象的概念落地。

3.1 函数极限的ε-δ定义：别被符号吓到

先看这个定义：

设函数 f(x) 在 x₀ 的某个去心邻域内有定义。
如果存在常数 A，使得对于任意给定的 ε > 0，
总存在 δ > 0，当 0 < |x - x₀| < δ 时，
有 |f(x) - A| < ε 成立。
则称当 x → x₀ 时，f(x) 的极限为 A。

嗯，我知道你看到这串符号头大。我当年第一次学的时候也这样。其实你把它理解成一个「精度游戏」就行了：

• ε 是误差容忍度：你想让函数值离目标 A 多近？0.1？0.01？随便你提。
• δ 是自变量的活动范围：我总能找到一个小区间，只要 x 在这个区间里（但不等于 x₀），函数值就能满足你的精度要求。

我在项目中遇到过一个问题：用数值方法求一个非线性方程的根，迭代结果总是在某个值附近跳来跳去。当时我怀疑是不是算法写错了。后来用 ε-δ 的思路一分析——其实函数本身在那个点附近就是震荡的，极限根本不存在。嗯，白调了两天。

3.2 左极限与右极限：从两个方向逼近

你想想看，x 趋近于 x₀ 的时候，可以从左边来，也可以从右边来。这两个方向的结果不一定一样。

• 左极限：x 从小于 x₀ 的方向趋近，记作 lim_{x→x₀⁻} f(x)
• 右极限：x 从大于 x₀ 的方向趋近，记作 lim_{x→x₀⁺} f(x)

为什么会这样？我举个实际例子。在通信系统中，我们经常处理阶跃信号：

f(x) = 0,  x < 0
f(x) = 1,  x ≥ 0

在 x=0 这个点，左极限是 0，右极限是 1。它们不相等，所以整体极限不存在。但左极限和右极限各自是存在的。

3.3 极限存在准则：判断极限是否存在的三把尺子

光有定义还不够，我们得有一些好用的工具来判断极限是否存在。我个人最常用的有三条：

准则一：夹逼准则（三明治定理）

如果你能找到两个函数 g(x) 和 h(x)，满足：

• g(x) ≤ f(x) ≤ h(x) （在 x₀ 的某个去心邻域内）
• lim g(x) = lim h(x) = A

那么 lim f(x) = A。

说白了，就是把你关心的函数夹在两个已知极限的函数中间。上下两个函数都往同一个数跑，中间那个也只能往那跑。

我曾经用这个准则分析过一个自适应滤波器的收敛性。那个滤波器的误差信号表达式很复杂，直接分析极限很困难。但我找到了两个更简单的上下界函数，一夹，收敛性就清楚了。

准则二：单调有界准则

如果函数在某个区间内单调递增（或递减），并且有上界（或下界），那么极限一定存在。

这个准则在数值计算中特别有用。比如迭代法求根：

x_{n+1} = φ(x_n)

如果 φ(x) 是单调的，并且迭代序列有界，那它一定会收敛到某个不动点。我在做信道估计的迭代算法时，就用这个准则判断过算法的收敛性。

准则三：柯西收敛准则

这个稍微抽象一点：函数 f(x) 在 x→x₀ 时极限存在的充要条件是，对于任意 ε > 0，存在 δ > 0，使得当 0 < |x₁ - x₀| < δ 且 0 < |x₂ - x₀| < δ 时，有 |f(x₁) - f(x₂)| < ε。

嗯，这个准则在实际工程中用得不多，更多是理论分析时用。我一般只在写证明收敛性的时候才会搬出它来。

3.4 知识体系结构图

下面这张图帮你理清本章的核心逻辑：

3.5 小结与实用建议

函数极限这块，说白了就是三件事：

1. 理解 ε-δ 的精度思想：这是所有收敛分析的基础。你调仿真的时候，误差容限设多少，采样点取多密，本质上都是在跟 ε 和 δ 打交道。
2. 区分左右极限：遇到分段函数、阶跃信号、开关切换这类场景，一定要检查左右极限是否一致。不一致的话，整体极限就不存在。
3. 善用极限存在准则：夹逼准则适合处理复杂表达式，单调有界准则适合迭代算法，柯西准则适合理论证明。

嗯，函数极限就聊到这儿。记住，极限存在的本质是「你能提多苛刻的条件，我都能满足」。这个思想，后面讲连续性和导数的时候还会反复用到。