极限的计算是什么意思？ 数学中“极限”是什么意思
\u6781\u9650\u7684\u8fd0\u7b97\u6cd5\u5219\u662f\u4ec0\u4e48\uff0c\u8bf7\u4e0d\u541d\u8d50\u6559\u8bbe
\u4ee5\u53ca
\u5b58\u5728\uff0c\u4e14\u4ee4
\u5219\u6709\u4ee5\u4e0b\u8fd0\u7b97\u6cd5\u5219\uff1a
\u7ebf\u6027\u8fd0\u7b97\uff1a
\u52a0\u51cf\uff1a
\u6570\u4e58\uff1a
\uff08\u5176\u4e2dc\u662f\u4e00\u4e2a\u5e38\u6570\uff09
\u975e\u7ebf\u6027\u8fd0\u7b97\uff1a
\u4e58\u9664\uff1a
( \u5176\u4e2dB\u22600 )
\u5e42\u8fd0\u7b97\uff1a
\u201c\u6781\u9650\u201d\u662f\u6570\u5b66\u4e2d\u7684\u5206\u652f\u2014\u2014\u5fae\u79ef\u5206\u7684\u57fa\u7840\u6982\u5ff5\uff0c\u5e7f\u4e49\u7684\u201c\u6781\u9650\u201d\u662f\u6307\u201c\u65e0\u9650\u9760\u8fd1\u800c\u6c38\u8fdc\u4e0d\u80fd\u5230\u8fbe\u201d\u7684\u610f\u601d\u3002
\u6570\u5b66\u4e2d\u7684\u201c\u6781\u9650\u201d\u6307\uff1a\u67d0\u4e00\u4e2a\u51fd\u6570\u4e2d\u7684\u67d0\u4e00\u4e2a\u53d8\u91cf\uff0c\u6b64\u53d8\u91cf\u5728\u53d8\u5927\uff08\u6216\u8005\u53d8\u5c0f\uff09\u7684\u6c38\u8fdc\u53d8\u5316\u7684\u8fc7\u7a0b\u4e2d\uff0c\u9010\u6e10\u5411\u67d0\u4e00\u4e2a\u786e\u5b9a\u7684\u6570\u503cA\u4e0d\u65ad\u5730\u903c\u8fd1\u800c\u201c\u6c38\u8fdc\u4e0d\u80fd\u591f\u91cd\u5408\u5230A\u201d\uff08\u201c\u6c38\u8fdc\u4e0d\u80fd\u591f\u7b49\u4e8eA\uff0c\u4f46\u662f\u53d6\u7b49\u4e8eA\u2018\u5df2\u7ecf\u8db3\u591f\u53d6\u5f97\u9ad8\u7cbe\u5ea6\u8ba1\u7b97\u7ed3\u679c\uff09\u7684\u8fc7\u7a0b\u4e2d\uff0c
\u6b64\u53d8\u91cf\u7684\u53d8\u5316\uff0c\u88ab\u4eba\u4e3a\u89c4\u5b9a\u4e3a\u201c\u6c38\u8fdc\u9760\u8fd1\u800c\u4e0d\u505c\u6b62\u201d\u3001\u5176\u6709\u4e00\u4e2a\u201c\u4e0d\u65ad\u5730\u6781\u4e3a\u9760\u8fd1A\u70b9\u7684\u8d8b\u52bf\u201d\u3002\u6781\u9650\u662f\u4e00\u79cd\u201c\u53d8\u5316\u72b6\u6001\u201d\u7684\u63cf\u8ff0\u3002\u6b64\u53d8\u91cf\u6c38\u8fdc\u8d8b\u8fd1\u7684\u503cA\u53eb\u505a\u201c\u6781\u9650\u503c\u201d\uff08\u5f53\u7136\u4e5f\u53ef\u4ee5\u7528\u5176\u4ed6\u7b26\u53f7\u8868\u793a\uff09\u3002
\u6269\u5c55\u8d44\u6599\uff1a
\u7531\u6765\uff1a
\u4e0e\u4e00\u5207\u79d1\u5b66\u7684\u601d\u60f3\u65b9\u6cd5\u4e00\u6837\uff0c\u6781\u9650\u601d\u60f3\u4e5f\u662f\u793e\u4f1a\u5b9e\u8df5\u7684\u5927\u8111\u62bd\u8c61\u601d\u7ef4\u7684\u4ea7\u7269\u3002\u6781\u9650\u7684\u601d\u60f3\u53ef\u4ee5\u8ffd\u6eaf\u5230\u53e4\u4ee3\uff0c\u4f8b\u5982\uff0c\u7956\u56fd\u5218\u5fbd\u7684\u5272\u5706\u672f\u5c31\u662f\u5efa\u7acb\u5728\u76f4\u89c2\u56fe\u5f62\u7814\u7a76\u7684\u57fa\u7840\u4e0a\u7684\u4e00\u79cd\u539f\u59cb\u7684\u53ef\u9760\u7684\u201c\u4e0d\u65ad\u9760\u8fd1\u201d\u7684\u6781\u9650\u601d\u60f3\u7684\u5e94\u7528\uff1b
\u53e4\u5e0c\u814a\u4eba\u7684\u7a77\u7aed\u6cd5\u4e5f\u8574\u542b\u4e86\u6781\u9650\u601d\u60f3\uff0c\u4f46\u7531\u4e8e\u5e0c\u814a\u4eba\u201c\u5bf9\u2019\u65e0\u9650\u2018\u7684\u6050\u60e7\u201d\uff0c\u4ed6\u4eec\u907f\u514d\u660e\u663e\u5730\u4eba\u4e3a\u201c\u53d6\u6781\u9650\u201d\uff0c\u800c\u662f\u501f\u52a9\u4e8e\u95f4\u63a5\u8bc1\u6cd5\u2014\u2014\u5f52\u8c2c\u6cd5\u6765\u5b8c\u6210\u4e86\u6709\u5173\u7684\u8bc1\u660e\u3002
\u5230\u4e8616\u4e16\u7eaa\uff0c\u8377\u5170\u6570\u5b66\u5bb6\u65af\u6cf0\u6587\u5728\u8003\u5bdf\u4e09\u89d2\u5f62\u91cd\u5fc3\u7684\u8fc7\u7a0b\u4e2d\uff0c\u6539\u8fdb\u4e86\u53e4\u5e0c\u814a\u4eba\u7684\u7a77\u7aed\u6cd5\uff0c\u4ed6\u501f\u52a9\u51e0\u4f55\u76f4\u89c2\uff0c\u5927\u80c6\u5730\u8fd0\u7528\u6781\u9650\u601d\u60f3\u601d\u8003\u95ee\u9898\uff0c\u653e\u5f03\u4e86\u5f52\u7f2a\u6cd5\u7684\u8bc1\u660e\u3002\u5982\u6b64\uff0c\u4ed6\u5c31\u5728\u65e0\u610f\u4e2d\u201c\u6307\u51fa\u4e86\u628a\u6781\u9650\u65b9\u6cd5\u53d1\u5c55\u6210\u4e3a\u4e00\u4e2a\u5b9e\u7528\u6982\u5ff5\u7684\u65b9\u5411\u201d\u3002
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-\u6781\u9650
\u6781\u9650 \u5728\u9ad8\u7b49\u6570\u5b66\u4e2d\uff0c\u6781\u9650\u662f\u4e00\u4e2a\u91cd\u8981\u7684\u6982\u5ff5\u3002
\u6781\u9650\u53ef\u5206\u4e3a\u6570\u5217\u6781\u9650\u548c\u51fd\u6570\u6781\u9650\uff0c\u5206\u522b\u5b9a\u4e49\u5982\u4e0b\u3002
\u9996\u5148\u4ecb\u7ecd\u5218\u5fbd\u7684"\u5272\u5706\u672f",\u8bbe\u6709\u4e00\u534a\u5f84\u4e3a1\u7684\u5706\uff0c\u5728\u53ea\u77e5\u9053\u76f4\u8fb9\u5f62\u7684\u9762\u79ef\u8ba1\u7b97\u65b9\u6cd5\u7684\u60c5\u51b5\u4e0b\uff0c\u8981\u8ba1\u7b97\u5176\u9762\u79ef\u3002\u4e3a\u6b64\uff0c\u4ed6\u5148\u4f5c\u5706\u7684\u5185\u63a5\u6b63\u516d\u8fb9\u5f62\uff0c\u5176\u9762\u79ef\u8bb0\u4e3aA1\uff0c\u518d\u4f5c\u5185\u63a5\u6b63\u5341\u4e8c\u8fb9\u5f62\uff0c\u5176\u9762\u79ef\u8bb0\u4e3aA2\uff0c\u5185\u63a5\u4e8c\u5341\u56db\u8fb9\u5f62\u7684\u9762\u79ef\u8bb0\u4e3aA3\uff0c\u5982\u6b64\u5c06\u8fb9\u6570\u52a0\u500d\uff0c\u5f53n\u65e0\u9650\u589e\u5927\u65f6\uff0cAn\u65e0\u9650\u63a5\u8fd1\u4e8e\u5706\u9762\u79ef\uff0c\u4ed6\u8ba1\u7b97\u52303072=6*2\u76849\u6b21\u65b9\u8fb9\u5f62\uff0c\u5229\u7528\u4e0d\u7b49\u5f0fAn+1<A<An+2[(An+1)-An](n=1\uff0c2\uff0c3....)\u5f97\u5230\u5706\u5468\u7387=3927/1250\u7ea6\u7b49\u4e8e3.1416
\u6570\u5217\u6781\u9650\uff1a
\u5b9a\u4e49\uff1a\u8bbe|Xn|\u4e3a\u4e00\u6570\u5217\uff0c\u5982\u679c\u5b58\u5728\u5e38\u6570a\u5bf9\u4e8e\u4efb\u610f\u7ed9\u5b9a\u7684\u6b63\u6570\u03b5\uff08\u4e0d\u8bba\u5b83\u591a\u4e48\u5c0f\uff09\uff0c\u603b\u5b58\u5728\u6b63\u6574\u6570N\uff0c\u4f7f\u5f97\u5f53n>N\u65f6\uff0c\u4e0d\u7b49\u5f0f
|Xn - a|<\u03b5
\u90fd\u6210\u7acb\uff0c\u90a3\u4e48\u5c31\u6210\u5e38\u6570a\u662f\u6570\u5217|Xn|\u7684\u6781\u9650\uff0c\u6216\u79f0\u6570\u5217|Xn|\u6536\u655b\u4e8ea\u3002\u8bb0\u4e3alim Xn = a \u6216Xn\u2192a\uff08n\u2192\u221e\uff09
\u6570\u5217\u6781\u9650\u7684\u6027\u8d28\uff1a
1.\u552f\u4e00\u6027\uff1a\u82e5\u6570\u5217\u7684\u6781\u9650\u5b58\u5728\uff0c\u5219\u6781\u9650\u503c\u662f\u552f\u4e00\u7684\uff1b
2.\u6539\u53d8\u6570\u5217\u7684\u6709\u9650\u9879\uff0c\u4e0d\u6539\u53d8\u6570\u5217\u7684\u6781\u9650\u3002
\u51e0\u4e2a\u5e38\u7528\u6570\u5217\u7684\u6781\u9650\uff1a
an=c \u5e38\u6570\u5217 \u6781\u9650\u4e3ac
an=1/n \u6781\u9650\u4e3a0
an=x^n \u7edd\u5bf9\u503cx\u5c0f\u4e8e1 \u6781\u9650\u4e3a0
\u51fd\u6570\u6781\u9650\u7684\u4e13\u4e1a\u5b9a\u4e49:
\u8bbe\u51fd\u6570f(x)\u5728\u70b9x\u3002\u7684\u67d0\u4e00\u53bb\u5fc3\u90bb\u57df\u5185\u6709\u5b9a\u4e49\uff0c\u5982\u679c\u5b58\u5728\u5e38\u6570A\uff0c\u5bf9\u4e8e\u4efb\u610f\u7ed9\u5b9a\u7684\u6b63\u6570\u03b5\uff08\u65e0\u8bba\u5b83\u591a\u4e48\u5c0f\uff09\uff0c\u603b\u5b58\u5728\u6b63\u6570\u03b4 \uff0c\u4f7f\u5f97\u5f53x\u6ee1\u8db3\u4e0d\u7b49\u5f0f0<|x-x\u3002|<\u03b4 \u65f6\uff0c\u5bf9\u5e94\u7684\u51fd\u6570\u503cf(x)\u90fd\u6ee1\u8db3\u4e0d\u7b49\u5f0f\uff1a
|f(x)-A|<\u03b5
\u90a3\u4e48\u5e38\u6570A\u5c31\u53eb\u505a\u51fd\u6570f(x)\u5f53x\u2192x\u3002\u65f6\u7684\u6781\u9650\u3002
\u51fd\u6570\u6781\u9650\u7684\u901a\u4fd7\u5b9a\u4e49\uff1a
1\u3001\u8bbe\u51fd\u6570y=f(x)\u5728(a,+\u221e)\u5185\u6709\u5b9a\u4e49\uff0c\u5982\u679c\u5f53x\u2192+\u223d\u65f6\uff0c\u51fd\u6570f(x)\u65e0\u9650\u63a5\u8fd1\u4e00\u4e2a\u786e\u5b9a\u7684\u5e38\u6570A\uff0c\u5219\u79f0A\u4e3a\u5f53x\u8d8b\u4e8e+\u221e\u65f6\u51fd\u6570f(x)\u7684\u6781\u9650\u3002\u8bb0\u4f5clim f(x)\uff1dA \uff0cx\u2192+\u221e\u3002
2\u3001\u8bbe\u51fd\u6570y=f(x)\u5728\u70b9a\u5de6\u53f3\u8fd1\u65c1\u90fd\u6709\u5b9a\u4e49\uff0c\u5f53x\u65e0\u9650\u8d8b\u8fd1a\u65f6\uff08\u8bb0\u4f5cx\u2192a\uff09\uff0c\u51fd\u6570\u503c\u65e0\u9650\u63a5\u8fd1\u4e00\u4e2a\u786e\u5b9a\u7684\u5e38\u6570A\uff0c\u5219\u79f0A\u4e3a\u5f53x\u65e0\u9650\u8d8b\u8fd1a\u65f6\u51fd\u6570f(x)\u7684\u6781\u9650\u3002\u8bb0\u4f5clim f(x)=A \uff0cx\u2192a\u3002
\u51fd\u6570\u7684\u5de6\u53f3\u6781\u9650\uff1a
1\uff1a\u5982\u679c\u5f53x\u4ece\u70b9x=x0\u7684\u5de6\u4fa7\uff08\u5373x\u3008x0\uff09\u65e0\u9650\u8d8b\u8fd1\u4e8ex0\u65f6\uff0c\u51fd\u6570f(x)\u65e0\u9650\u8d8b\u8fd1\u4e8e\u5e38\u6570a,\u5c31\u8bf4a\u662f\u51fd\u6570f(x)\u5728\u70b9x0\u5904\u7684\u5de6\u6781\u9650\uff0c\u8bb0\u4f5cx\u2192x0-limf(x)=a.
2:\u5982\u679c\u5f53x\u4ece\u70b9x=x0\u53f3\u4fa7\uff08\u5373x>x0)\u65e0\u9650\u8d8b\u8fd1\u4e8e\u70b9x0\u65f6\uff0c\u51fd\u6570f(x)\u65e0\u9650\u8d8b\u8fd1\u4e8e\u5e38\u6570a,\u5c31\u8bf4a\u662f\u51fd\u6570f(x)\u5728\u70b9x0\u5904\u7684\u53f3\u6781\u9650\uff0c\u8bb0\u4f5cx\u2192x0+limf(x)=a.
\u6ce8\uff1a\u82e5\u4e00\u4e2a\u51fd\u6570\u5728x\uff080\uff09\u4e0a\u7684\u5de6\u53f3\u6781\u9650\u4e0d\u540c\u5219\u6b64\u51fd\u6570\u5728x\uff080\uff09\u4e0a\u4e0d\u5b58\u5728\u6781\u9650
\u51fd\u6570\u6781\u9650\u7684\u6027\u8d28\uff1a
\u6781\u9650\u7684\u8fd0\u7b97\u6cd5\u5219\uff08\u6216\u79f0\u6709\u5173\u516c\u5f0f\uff09\uff1a
lim(f(x)+g(x))=limf(x)+limg(x)
lim(f(x)-g(x))=limf(x)-limg(x)
lim(f(x)*g(x))=limf(x)*limg(x)
lim(f(x)/g(x))=limf(x)/limg(x) ( limg(x)\u4e0d\u7b49\u4e8e0 )
lim(f(x))^n=(limf(x))^n
\u4ee5\u4e0alimf(x) limg(x)\u90fd\u5b58\u5728\u65f6\u624d\u6210\u7acb
lim(1+1/x)^x =e
x\u2192\u221e
\u65e0\u7a77\u5927\u4e0e\u65e0\u7a77\u5c0f\uff1a
\u4e00\u4e2a\u6570\u5217\uff08\u6781\u9650\uff09\u65e0\u9650\u8d8b\u8fd1\u4e8e0\uff0c\u5b83\u5c31\u662f\u4e00\u4e2a\u65e0\u7a77\u5c0f\u6570\u5217\uff08\u6781\u9650\uff09\u3002
\u65e0\u7a77\u5927\u6570\u5217\u548c\u65e0\u7a77\u5c0f\u6570\u5217\u6210\u5012\u6570\u3002
\u4e24\u4e2a\u91cd\u8981\u6781\u9650\uff1a
1\u3001lim sin(x)\uff0fx \uff1d1 \uff0cx\u21920
2\u3001lim \uff081 + 1\uff0fx\uff09^x \uff1de \uff0cx\u2192\u221e \uff08e\u22482.7182818...\uff0c\u65e0\u7406\u6570\uff09
定义 设|Xn|为一无穷数列，如果存在常数a对于任意给定的正数ε（不论它多么小），总存在正整数N，使得当n>N时的一切Xn，均有不等式|Xn - a|<ε都立，那么就称常数a是数列|Xn|的极限，或称数列{Xn}收敛于a。记为
lim Xn = a 或Xn→a（n→∞）
如果数列没有极限，就说数列发散。
性质
1.唯一性：若数列的极限存在，则极限值是唯一的，且其子数列的极限与原数列的相等；
2.有界性：如果一个数列{xn}收敛（有极限），那么这个数列{xn}一定有界。
但是，如果一个数列有界，这个数列未必收敛。例如{xn}：1，-1，1，-1，……（-1）^n+1，……
3.保号性：如果一个数列{xn}收敛于a，且a>0（或a<0)，那么存在正整数N>0，当n>N时，都有xn>0(或xn<0)。
4.收敛数列与其子列间的关系：（通俗讲：改变数列的有限项，不改变数列的极限。）如果数列{xn}收敛于a，那么它的任意子数列也收敛，且极限也是a。
常用数列的极限 当n→∞时，有
An=c 极限为c
An=1/n 极限为0
An=x^n （∣x∣小于1） 极限为0
数列极限存在的充分条件
夹逼原理 设有数列{An}，{Bn}和{Cn}，满足 An ≤ Bn ≤ Cn, n∈Z*，如果lim An = lim Cn = a ,
则有 lim Bn = a.
单调收敛定理 单调有界数列必收敛。[是实数系的重要结论之一，重要应用有证明极限 lim(1+1/n)^n 的存在性]
柯西收敛准则 设{Xn}是一个数列，如果任意ε>0, 存在N∈Z*, 只要 n 满足 n > N ,则对于任意正整数p,都有
|X(n+p) - Xn | < ε . 这样的数列{Xn}称为柯西数列，
这种渐进稳定性与收敛性是等价的。即互为充分必要条件。
函数极限
专业定义 设函数f(x)在点x。的某一去心邻域内有定义，如果存在常数A，对于任意给定的正数ε（无论它多么小），总存在正数δ ，使得当x满足不等式0<|x-x。|<δ 时，对应的函数值f(x)都满足不等式：
|f(x)-A|<ε
那么常数A就叫做函数f(x)当 x→x。时的极限。
通俗定义 1、设函数y=f(x)在(a,+∞)内有定义，如果当x→+∞时，函数f(x)无限接近一个确定的常数A，则称A为当x趋于+∞时函数f(x)的极限。记作limf(x)=A ，x→+∞。 2、设函数y=f(x)在点a左右近旁都有定义，当x无限趋近a时（记作x→a），函数值无限接近一个确定的常数A，则称A为当x无限趋近a时函数f(x)的极限。记作lim f(x)=A ，x→a。
函数的左右极限 1：如果当x从点x=x0的左侧（即x〈x0）无限趋近于x0时，函数f(x)无限趋近于常数a,就说a是函数f(x)在点x0处的左极限，记作x→x0-limf(x)=a.
2:如果当x从点x=x0右侧（即x>x0)无限趋近于点x0时，函数f(x)无限趋近于常数a,就说a是函数f(x)在点x0处的右极限，记作x→x0+limf(x)=a.
注：若一个函数在x（0）上的左右极限不同则此函数在x（0）上不存在极限
一个函数是否在x(0)处存在极限，与它在x=x(0)处是否有定义无关，只要求y=f(x)在x(0)附近有定义即可。
两个重要极限 1、x→0，sin(x)/x →1
2、x→0，（1 + x）^1/x→e或 x→∞ ，（1 + 1/x）^x→e
x→∞ ，（1 + 1/x）^（1/x） → 1
（其中e≈2.7182818...是一个无理数）
函数极限的运算法则
设lim f(x) ，lim g(x)存在，且令lim f(x) =A, lim g(x)=B，则有以下运算法则，
线性运算 加减：
lim ( f(x) ± g(x) )= A ± B
数乘：
lim( c* f(x)）= c * A （其中c是一个常数）
非线性运算 乘除：
lim( f(x) * g(x))= A * B
lim( f(x) / g(x)) = A / B ( 其中B≠0 )
幂：
lim( f(x) ) ^n = A ^ n
极限的思想
简介 极限的思想是近代数学的一种重要思想，数学分析就是以极限概念为基础、极限理论(包括级数)为主要工具来研究函数的一门学科。
所谓极限的思想，是指用极限概念分析问题和解决问题的一种数学思想。用极限思想解决问题的一般步骤可概括为：
对于被考察的未知量，先设法构思一个与它有关的变量，确认这变量通过无限过程的结果就是所求的未知量；最后用极限计算来得到这结果。
极限思想是微积分的基本思想，数学分析中的一系列重要概念，如函数的连续性、导数以及定积分等等都是借助于极限来定义的。如果要问：“数学分析是一门什么学科?”那么可以概括地说：“数学分析就是用极限思想来研究函数的一门学科”。
产生与发展 （1）由来.
与一切科学的思想方法一样，极限思想也是社会实践的产物。极限的思想可以追溯到古代，刘徽的割圆术就是建立在直观基础上的一种原始的极限思想的应用；古希腊人的穷竭法也蕴含了极限思想，但由于希腊人“对无限的恐惧”，他们避免明显地“取极限”，而是借助于间接证法——归谬法来完成了有关的证明。
到了16世纪，荷兰数学家斯泰文在考察三角形重心的过程中改进了古希腊人的穷竭法，他借助几何直观，大胆地运用极限思想思考问题，放弃了归缪法的证明。如此，他就在无意中“指出了把极限方法发展成为一个实用概念的方向”。
（2）发展
极限思想的进一步发展是与微积分的建立紧密相联系的。16世纪的欧洲处于资本主义萌芽时期，生产力得到极大的发展，生产和技术中大量的问题，只用初等数学的方法已无法解决，要求数学突破只研究常量的传统范围，而提供能够用以描述和研究运动、变化过程的新工具，这是促进极限发展、建立微积分的社会背景。
起初牛顿和莱布尼茨以无穷小概念为基础建立微积分，后来因遇到了逻辑困难，所以在他们的晚期都不同程度地接受了极限思想。牛顿用路程的改变量ΔS与时间的改变量Δt之比ΔS/Δt表示运动物体的平均速度，让Δt无限趋近于零，得到物体的瞬时速度，并由此引出导数概念和微分学理论。他意识到极限概念的重要性，试图以极限概念作为微积分的基础，他说：“两个量和量之比，如果在有限时间内不断趋于相等，且在这一时间终止前互相靠近，使得其差小于任意给定的差，则最终就成为相等”。但牛顿的极限观念也是建立在几何直观上的，因而他无法得出极限的严格表述。牛顿所运用的极限概念，只是接近于下列直观性的语言描述：“如果当n无限增大时，an无限地接近于常数A，那么就说an以A为极限”。
这种描述性语言，人们容易接受，现代一些初等的微积分读物中还经常采用这种定义。但是，这种定义没有定量地给出两个“无限过程”之间的联系，不能作为科学论证的逻辑基础。
正因为当时缺乏严格的极限定义，微积分理论才受到人们的怀疑与攻击，例如，在瞬时速度概念中，究竟Δt是否等于零?如果说是零，怎么能用它去作除法呢?如果它不是零，又怎么能把包含着它的那些项去掉呢?这就是数学史上所说的无穷小悖论。英国哲学家、大主教贝克莱对微积分的攻击最为激烈，他说微积分的推导是“分明的诡辩”。
贝克莱之所以激烈地攻击微积分，一方面是为宗教服务，另一方面也由于当时的微积分缺乏牢固的理论基础，连牛顿自己也无法摆脱极限概念中的混乱。这个事实表明，弄清极限概念，建立严格的微积分理论基础，不但是数学本身所需要的，而且有着认识论上的重大意义。
（3）完善
极限思想的完善与微积分的严格化密切联系。在很长一段时间里，微积分理论基础的问题，许多人都曾尝试解决，但都未能如愿以偿。这是因为数学的研究对象已从常量扩展到变量，而人们对变量数学特有的规律还不十分清楚；对变量数学和常量数学的区别和联系还缺乏了解；对有限和无限的对立统一关系还不明确。这样，人们使用习惯了的处理常量数学的传统思想方法，就不能适应变量数学的新需要，仅用旧的概念说明不了这种“零”与“非零”相互转化的辩证关系。
到了18世纪，罗宾斯、达朗贝尔与罗依里埃等人先后明确地表示必须将极限作为微积分的基础概念，并且都对极限作出过各自的定义。其中达朗贝尔的定义是：“一个量是另一个量的极限，假如第二个量比任意给定的值更为接近第一个量”，它接近于极限的正确定义；然而，这些人的定义都无法摆脱对几何直观的依赖。事情也只能如此，因为19世纪以前的算术和几何概念大部分都是建立在几何量的概念上面的。
首先用极限概念给出导数正确定义的是捷克数学家波尔查诺，他把函数f（x）的导数定义为差商Δy/Δx的极限f′（x），他强调指出f′（x）不是两个零的商。波尔查诺的思想是有价值的，但关于极限的本质他仍未说清楚。
到了19世纪，法国数学家柯西在前人工作的基础上，比较完整地阐述了极限概念及其理论，他在《分析教程》中指出：“当一个变量逐次所取的值无限趋于一个定值，最终使变量的值和该定值之差要多小就多小，这个定值就叫做所有其他值的极限值，特别地，当一个变量的数值（绝对值）无限地减小使之收敛到极限0，就说这个变量成为无穷小”。
柯西把无穷小视为以0为极限的变量，这就澄清了无穷小“似零非零”的模糊认识，这就是说，在变化过程中，它的值可以是非零，但它变化的趋向是“零”，可以无限地接近于零。
柯西试图消除极限概念中的几何直观，作出极限的明确定义，然后去完成牛顿的愿望。但柯西的叙述中还存在描述性的词语，如“无限趋近”、“要多小就多小”等，因此还保留着几何和物理的直观痕迹，没有达到彻底严密化的程度。
为了排除极限概念中的直观痕迹，维尔斯特拉斯提出了极限的静态的定义，给微积分提供了严格的理论基础。所谓 an=A，就是指：“如果对任何ε>0，总存在自然数N，使得当n>N时，不等式|an－A|<ε恒成立”。
这个定义，借助不等式，通过ε和N之间的关系，定量地、具体地刻划了两个“无限过程”之间的联系。因此，这样的定义是严格的，可以作为科学论证的基础，至今仍在数学分析书籍中使用。在该定义中，涉及到的仅仅是数及其大小关系，此外只是给定、存在、任取等词语，已经摆脱了“趋近”一词，不再求助于运动的直观。
众所周知，常量数学静态地研究数学对象，自从解析几何和微积分问世以后，运动进入了数学，人们有可能对物理过程进行动态研究。之后，维尔斯特拉斯建立的ε－N语言，则用静态的定义刻划变量的变化趋势。这种“静态——动态——静态”的螺旋式的演变，反映了数学发展的辩证规律。
2.极限思想的思维功能
极限思想在现代数学乃至物理学等学科中有着广泛的应用，这是由它本身固有的思维功能所决定的。极限思想揭示了变量与常量、无限与有限的对立统一关系，是唯物辩证法的对立统一规律在数学领域中的应用。借助极限思想，人们可以从有限认识无限，从“不变”认识“变”，从直线形认识曲线形，从量变认识质变，从近似认识精确。
无限与有限有本质的不同，但二者又有联系，无限是有限的发展。无限个数的和不是一般的代数和，把它定义为“部分和”的极限，就是借助于极限的思想方法，从有限来认识无限的。
“变”与“不变”反映了事物运动变化与相对静止两种不同状态，但它们在一定条件下又可相互转化，这种转化是“数学科学的有力杠杆之一”。例如，要求变速直线运动的瞬时速度，用初等方法是无法解决的，困难在于速度是变量。为此，人们先在小范围内用匀速代替变速，并求其平均速度，把瞬时速度定义为平均速度的极限，就是借助于极限的思想方法，从“不变”来认识“变”的。
曲线形与直线形有着本质的差异，但在一定条件下也可相互转化，正如恩格斯所说：“直线和曲线在微分中终于等同起来了”。善于利用这种对立统一关系是处理数学问题的重要手段之一。直线形的面积容易求得，求曲线形的面积问题用初等的方法是不能解决的。刘徽用圆内接多边形逼近圆，一般地，人们用小矩形的面积来逼近曲边梯形的面积，都是借助于极限的思想方法，从直线形来认识曲线形的。
量变和质变既有区别又有联系，两者之间有着辩证的关系。量变能引起质变，质和量的互变规律是辩证法的基本规律之一，在数学研究工作中起着重要作用。对任何一个圆内接正多边形来说，当它边数加倍后，得到的还是内接正多边形，是量变而不是质变；但是，不断地让边数加倍，经过无限过程之后，多边形就“变”成圆，多边形面积便转化为圆面积。这就是借助于极限的思想方法，从量变来认识质变的。
近似与精确是对立统一关系，两者在一定条件下也可相互转化，这种转化是数学应用于实际计算的重要诀窍。前面所讲到的“部分和”、“平均速度”、“圆内接正多边形面积”，分别是相应的“无穷级数和”、“瞬时速度”、“圆面积”的近似值，取极限后就可得到相应的精确值。这都是借助于极限的思想方法，从近似来认识精确的。
绛旓細姣斿鏃犵┓绾ф暟1/2+1/4+1/8+...鐨勫拰绛変簬1銆傚彟涓涓緥瀛愭槸璁＄畻鏇茬嚎鍦ㄦ煇涓偣澶勭殑鏂滅巼锛屽彲浠ラ氳繃鍙栧嚱鏁板湪璇ョ偣澶勭殑瀵兼暟闄愬埗鏉ュ疄鐜般傚湪璁＄畻鏈虹瀛︿腑锛屾瀬闄愬彲浠ョ敤鏉ヨ璁虹畻娉曠殑鏃堕棿澶嶆潅搴︼紝浠ュ強濡備綍浼樺寲绠楁硶浠ヨ揪鍒版洿濂界殑鎬ц兘銆傛棤璁烘槸鍦ㄦ暟瀛﹂鍩熻繕鏄叾瀹冪殑瀛︾锛屽簲鐢鏋侀檺鐨渚嬪瓙鏁颁笉鑳滄暟銆
绛旓細鏋侀檺鏄井绉垎涓殑鍩虹姒傚康锛屽畠鎸囩殑鏄彉閲忓湪涓瀹氱殑鍙樺寲杩囩▼涓紝浠庢荤殑鏉ヨ閫愭笎绋冲畾鐨勮繖鏍蜂竴绉嶅彉鍖栬秼鍔夸互鍙婃墍瓒嬪悜鐨勬暟鍊硷紙鏋侀檺鍊硷級銆鏋侀檺鐨姒傚康鏈缁堢敱鏌タ鍜岄瓘灏旀柉鐗规媺鏂瓑浜轰弗鏍奸槓杩般傚湪鐜颁唬鐨勬暟瀛﹀垎鏋愭暀绉戜功涓紝鍑犱箮鎵鏈夊熀鏈蹇碉紙杩炵画銆佸井鍒嗐佺Н鍒嗭級閮芥槸寤虹珛鍦ㄦ瀬闄愭蹇电殑鍩虹涔嬩笂銆傚弬鑰冭祫鏂 娓呭崕澶у鏁板...
绛旓細1銆佹眰鏋侀檺杩愮敤鍔犲噺娉曡繍绠楋紝鍘熷垯鏄姞鍑忕鍙峰墠鍚庢瘡閮ㄥ垎鏋侀檺蹇呭瓨鍦ㄣ2銆佽繍鐢ㄤ箻闄ゆ硶杩愮畻锛屼箻鍙峰墠鍚庝笉鑳藉嚭鐜0涔樹互鈭炵殑鎯呭喌锛岄櫎娉曚笉鑳藉嚭鐜板垎瀛愬垎姣嶅悓瓒嬩簬鏃犵┓澶э紝鎴栧悓瓒嬩簬0鐨勬儏鍐点3銆佷互涓婂嚑绉嶆儏鍐靛繀椤婚氳繃涓瀹氱殑鍙樻崲鎵嶈兘杩涜杩愮畻銆傚洓鍒欒繍绠楁蹇碉細鍥涘垯鏄寚鍔犳硶銆 鍑忔硶銆佷箻娉曘侀櫎娉鐨勮绠娉曞垯銆 涓閬撳洓鍒欒繍绠楃殑...
绛旓細鍦ㄨ繘琛屾眰瑙ｇ殑杩囩▼涓湁鏃剁敤鍒版湁鍏虫棤绌峰皬閲忕殑杩愮畻鎬ц川锛屽浜庝唬鏁板拰涓庝箻绉殑鏋侀檺鑰岃█锛岃娉ㄦ剰鍏舵墍寮鸿皟鐨勨滄湁闄愪釜鏃犵┓灏忛噺鈥濓紝浣嗗鏋滆繖涓潯浠舵病鏈夊姙娉曞緱鍒版弧瓒筹紝灏变笉鑳界敤杩欎釜鎬ц川鏉ヨ繘琛屾瀬闄愮殑姹傝В銆傜浜旓紝杩愮敤鏋侀檺鍥涘垯杩愮畻娉曞垯姹傛瀬闄愭椂甯歌鐨勯敊璇 鍦ㄨ繘琛屾暟鍒鏋侀檺鐨勮绠涓紝瀵逛簬鍥涘垯杩愮畻娉曞垯鐨勮繍鐢紝闇瑕佹敞鎰...
绛旓細2:濡傛灉褰搙浠庣偣x=x0鍙充晶锛堝嵆x>x0)鏃犻檺瓒嬭繎浜庣偣x0鏃讹紝鍑芥暟f(x)鏃犻檺瓒嬭繎浜庡父鏁癮,灏辫a鏄嚱鏁癴(x)鍦ㄧ偣x0澶勭殑鍙虫瀬闄愶紝璁颁綔x鈫抶0+limf(x)=a.娉細鑻ヤ竴涓嚱鏁板湪x锛0锛変笂鐨勫乏鍙虫瀬闄愪笉鍚屽垯姝ゅ嚱鏁板湪x锛0锛変笂涓嶅瓨鍦ㄦ瀬闄 鍑芥暟鏋侀檺鐨勬ц川锛鏋侀檺鐨勮繍绠娉曞垯锛堟垨绉版湁鍏冲叕寮忥級锛歭im(f(x)+g(x)...
绛旓細灏卞緱鍒鏋侀檺鍊间负 1 鐢ㄦ瀬闄愭濇兂瑙ｅ喅闂鐨勪竴鑸楠ゅ彲姒傛嫭涓猴細瀵逛簬琚冨療鐨勬湭鐭ラ噺锛屽厛璁炬硶姝ｇ‘鍦版瀯鎬濅竴涓笌瀹冪殑鍙樺寲鏈夊叧鐨勫彟澶栦竴涓彉閲忥紝纭姝ゅ彉閲忛氳繃鏃犻檺鍙樺寲杩囩▼鐨勨欏奖鍝嶁樿秼鍔挎х粨鏋滃氨鏄潪甯哥簿瀵嗙殑绾︾瓑浜庢墍姹傜殑鏈煡閲忥紱鐢ㄦ瀬闄愬師鐞嗗氨鍙互璁＄畻寰楀埌琚冨療鐨勬湭鐭ラ噺鐨勭粨鏋溿傛瀬闄愭濇兂鏄井绉垎鐨勫熀鏈濇兂锛屾槸...
绛旓細鏋侀檺鐨鍥涘垯杩愮畻娉曞垯鏄敤浜璁＄畻鏁板垪銆佸嚱鏁扮瓑鐨勬瀬闄愭椂鐨勪竴缁勮鍒欙紝鍙互绠鍖栬绠楄繃绋嬨備互涓嬫槸甯哥敤鐨勬瀬闄愮殑鍥涘垯杩愮畻娉曞垯锛1. 鍜屽樊娉曞垯锛氳嫢 lim(a_n) = A锛宭im(b_n) = B锛屽叾涓 a_n 鍜 b_n 鏄袱涓暟鍒楋紙鎴栧嚱鏁帮級锛岄偅涔堟湁浠ヤ笅鍏紡锛- lim(a_n + b_n) = A + B锛堝拰鐨勬瀬闄愮瓑浜庡悇椤规瀬闄愪箣...
绛旓細lim(x->0) x^2.e^(1/x^2)=lim(x->0) e^(1/x^2) /(1/x^2) (鈭/鈭)=lim(x->0) -(1/x^3)e^(1/x^2) /(-1/x^3)=lim(x->0) e^(1/x^2)->鈭 姹鏋侀檺鍩烘湰鏂规硶鏈夛細1銆佸垎寮忎腑锛屽垎瀛愬垎姣嶅悓闄や互鏈楂樻锛屽寲鏃犵┓澶т负鏃犵┓灏璁＄畻锛屾棤绌峰皬鐩存帴浠0浠ｅ叆銆2銆佹棤绌峰ぇ鏍瑰紡...
绛旓細2. 鐭ヨ瘑鐐硅繍鐢細鏋侀檺鐨鎬濇兂鍦ㄥ井绉垎銆佹暟瀛﹀垎鏋愩佺墿鐞嗗銆佸伐绋嬪绛夐鍩熻捣鐫閲嶈鐨勪綔鐢ㄣ傚畠琚敤浜庢眰瑙ｅ嚱鏁扮殑杩炵画鎬с佸鏁板拰绉垎鐨勮绠銆佽В鏋愯〃杈惧紡鐨勮涓虹瓑銆3. 鐭ヨ瘑鐐逛緥棰樿瑙ｏ細甯哥敤鐨勬瀬闄愬叕寮忎箣涓鏄細lim(x鈫掆垶) [1 + 1/x]^x = e銆傝繖涓叕寮忔寚鐨勬槸褰搙瓒嬭繎浜庢鏃犵┓澶ф椂锛(1 + 1/x)鐨剎娆℃柟...
绛旓細浜轰滑閫氳繃鑰冨療鏌愪簺鍑芥暟鐨勪竴杩炰覆鏁颁笉娓呯殑瓒婃潵瓒婄簿瀵嗙殑杩戜技鍊肩殑瓒嬪悜锛岃秼鍔匡紝鍙互绉戝鍦版妸閭ｄ釜閲忕殑鏋佸噯纭肩‘瀹氫笅鏉ワ紝杩欓渶瑕佽繍鐢鏋侀檺鐨姒傚康鍜屼互涓婄殑鏋侀檺鎬濇兂鏂规硶銆傝鐩镐俊锛岀敤鏋侀檺鐨勬濇兂鏂规硶鏄湁绉戝鎬х殑锛屽洜涓哄彲浠ラ氳繃鏋侀檺鐨勫嚱鏁璁＄畻鏂规硶寰楀埌鏋佷负鍑嗙‘鐨勭粨璁恒備互涓婂唴瀹瑰弬鑰冿細鐧惧害鐧剧-鏋侀檺 ...
