엡실론 델타 논법 문제 - ebsillon delta nonbeob munje

합성 · 항등원 · 역원 · 멱함수(비례·반비례) · 초등함수(대수함수 · 초월함수) · 특수함수 · 범함수(변분법) · 다변수 (동차 · 숨은 함수(다가 함수)) · 그래프 · 대칭 · 증감표 · 극값 · 절편 · 연속 · 매끄러움 · 계단형 · 미끄럼틀형 · 볼록/오목 · 닮은꼴 함수 · 병리적 함수 · 해석적 연속 · 로그함수 · 지수함수 · 삼각함수

정리 · 토픽

중간값 정리 · 최대·최소 정리 · 부동점 정리 · 오일러 동차함수 정리 · 립시츠 규칙 · 스펙트럼 정리

극한

엡실론-델타 논법 · 수열의 극한 · 수렴 (균등수렴) · 발산 · 부정형 · 어림(유효숫자) · 근방 · 점근선 · 무한대 · 무한소 · 스털링 근사

정리 · 토픽

로피탈의 정리 · 슈톨츠-체사로 정리

수열
급수

규칙과 대응 · 단조 수렴 정리 · 멱급수 · 테일러 급수 (일람) · 조화급수 · 그란디 급수 · 망원급수 (부분분수분해) · 오일러 수열 · 베르누이 수열 · 파울하버의 공식 · 리만 재배열 정리

정리 · 토픽

바젤 문제 · 라마누잔합 · 0.999…=1 · 콜라츠 추측미해결

미적분

미분

도함수 (편도함수) · 도함수 일람 · 차분 · 유율법 · 변화량 · 변분법 · 곱미분 · 몫미분 · 연쇄 법칙 · 역함수 정리 · 임계점 (변곡점 · 안장점) · 미분형식 · 미분방정식 (풀이) · ∇\boldsymbol\nabla∇ · 라그랑주 승수법

적분

역도함수 일람 · 부분적분 (LIATE 법칙 · 도표적분법 · 예제) · 치환적분 · 정적분 (예제) · 이상적분 · 중적분 (선적분 · 면적분 · 야코비안) · 르베그 적분 · 스틸체스 적분 · 코시 주요값

정리 · 토픽

미적분의 기본정리 (선적분의 기본정리) · 평균값 정리 (롤의 정리) · 스토크스 정리 (발산 정리 · 그린 정리) · 라플라스 변환 · 푸리에 해석 (푸리에 변환 · 아다마르 변환) · 2학년의 꿈 · 리시 방법 · 야코비 공식

실
해석

실수 · 좌표계 · 측도론 (측도 · 르베그 측도) · 실직선 · 유계(콤팩트성) · 칸토어 집합 · 비탈리 집합

복소
해석

복소수(복소평면) · 편각 · 코시-리만 방정식

정리 · 토픽

오일러 공식 (오일러 등식 · 드 무아브르 공식) · 리우빌의 정리 · 바이어슈트라스 분해 정리 · 미타그레플레르 정리

여타 하위 학문

해석기하학 · 미분기하학 · 해석적 정수론 (소수 정리 · 리만 가설미해결) · 벡터 미적분학 · 확률론 (확률변수 · 중심극한정리) · 수치해석학

기타

뉴턴-랩슨 방법 · 디랙 델타 함수 · 카오스 이론 · 오일러 방정식 · 퍼지 논리 · 거리함수 · 분수계 미적분학 · merry=x-mas

응용

수리물리학 · 수리경제학(경제수학) · 공업수학

난제

양-밀스 질량 간극 가설 · 나비에 스토크스 방정식의 해 존재 및 매끄러움

1. 개요2. 나오게 된 배경3. 정의

3.1. 설명 13.2. 설명 23.3. 상극한·하극한을 통한 이해3.4. 그래프를 통한 이해3.5. 변형

3.5.1. 좌극한과 우극한3.5.2. 무한

4.1. 이변수함수에서의 정의4.2. 복소함수의 극한4.3. 거리 공간에서의 정의

1. 개요[편집]

epsilon-delta argument

오귀스탱 루이 코시를 필두로 해서 규정한 극한의 정의.

캡션

캡션

2. 나오게 된 배경[편집]

고등학교 수학에서 문제를 풀고 있으면 왠지 꼼수로 문제를 풀어나간다는 생각을 지우기가 힘든데, 솔직히 '분모에 0이 들어가면 안 된다'는, 이때까지 깨뜨리면 안 된다고 알고 있었던 절대적인 명제를 "0은 아니지만 0에 한없이 다가간다"라는 이도 저도 아닌 궤변으로 때워버렸다고 느낄 수도 있다. 제대로 된 접근 없이 고등학교 미적분을 현실에 응용했다가 들어맞지 않는 경우도 많다.

이는 현재의 고등학생들뿐만 아니라 미적분의 개념이 제시될 당시, 그러니까 함수와 극한의 개념이 모호해 무한소라는 개념으로 때워버렸을 당시에 많은 학자들에게도 마찬가지로 적용되었다. 그 당시 학자들은 혁명적인 개념이었던 미적분을 엄청나게 사용했고, 그러다가 미적분을 적용해서는 안 될 식에서조차 적용해버려 결국 이상한 값이 나와버리는, 한마디로 미적분 만능주의에 걸려버린 것이다. 그를 대체하기 위해 극한이 나왔지만 역시 빈틈이 많았던 건 매한가지였고 직관력에 있어 타의 추종을 불허했던 오일러 역시 활발히 극한을 사용했지만 그도 당시의 한계를 넘어서지는 못하여 무한소 개념에 대해 이견을 표시하지 않은 채 극한만 그대로 사용했다.

프랑스의 수학자 피에르 드 페르마는 극대-극소 문제를 해결하기 위해서 "adequality"라는 개념을 내놓았다. "ad-"+"equality", 즉 거의 같다는 뜻으로, 극점에서 독립변수가 아주 조금 변해도, 함수값이 거의 같다는 것이다. 구체적인 예를 들면, f(x)=x4f(x)=x^4f(x)=x4일 때, 극점 x=cx=cx=c에서, 아주 작은 변화 eee에 대하여 f(c+e)≈f(c)f(c+e)\approx f(c)f(c+e)≈f(c)가 성립해서

c4+4c3e+6c2e2+4ce3+e4≈c44c3e+6c2e2+4ce3+e4≈0\displaystyle \begin{aligned} c^{4}+4c^{3}e+6c^{2}e^{2}+4ce^{3}+e^{4} &\approx c^{4} \\ 4c^{3}e+6c^{2}e^{2}+4ce^{3}+e^{4}&\approx 0 \end{aligned}c4+4c3e+6c2e2+4ce3+e44c3e+6c2e2+4ce3+e4​≈c4≈0​

4c3+6c2e+4ce2+e3≈0\displaystyle 4c^{3}+6c^{2}e+4ce^{2}+e^{3}\approx 04c3+6c2e+4ce2+e3≈0

y˙=y(1+ο)−y(1)(1+ο−1)=(ο+3)(ο−1)+3ο=ο2+2οο=ο+2=2\displaystyle \begin{aligned} \dot{y}&=\displaystyle\frac{y(1+\omicron)-y(1)}{(1+\omicron-1)} \\&=\frac{(\omicron+3)(\omicron-1)+3}{\omicron}\\&=\frac{\omicron^{2}+2\omicron}{\omicron}\\&=\omicron+2\\&=2 \end{aligned}y˙​​=(1+ο−1)y(1+ο)−y(1)​=ο(ο+3)(ο−1)+3​=οο2+2ο​=ο+2=2​

3. 정의[편집]

먼저, 엡실론-델타 논법을 사용해 새로 쓴 극한의 정의를 보자.

열린 구간 DDD에 대하여

lim⁡x→af(x)=L  ⟺  def∀ε>0, ∃δ>0  s.t. ∀x∈D,(0<∣x−a∣<δ⇒∣f(x)−L∣<ε)\displaystyle \begin{aligned} \displaystyle \lim_{x \rightarrow a}{ f (x ) } = L \overset{\mathsf{def}}{\iff} & \forall \varepsilon > 0,\ \exists \delta > 0\ \ {\sf s.t.}\ \forall x\in D , ( 0 < | x - a | < \delta \Rightarrow | f ( x ) - L | < \varepsilon ) \end{aligned}x→alim​f(x)=L⟺def​​∀ε>0, ∃δ>0  s.t. ∀x∈D,(0<∣x−a∣<δ⇒∣f(x)−L∣<ε)​

이를 쉽게 풀어쓰면 다음과 같다.

함수 f(x)f(x)f(x)가 존재할 때, 임의의 양수 εεε만큼 주어진[3] 치역 범위

∣f(x)−L∣<ε|f(x)-L|<ε∣f(x)−L∣<ε[4]

0<∣x−a∣<δ0<|x-a|<δ0<∣x−a∣<δ[5]

lim⁡x→af(x)=L\displaystyle \lim_{ x \rightarrow a }{ f ( x ) } = Lx→alim​f(x)=L

3.1. 설명 1[편집]

임의의 양수 ε\varepsilonε에 대하여 적당한 양수 δ(=δ(ε))\delta(=\delta(\varepsilon))δ(=δ(ε))가 존재하여 0<∣x−a∣<δ⇒∣f(x)−L∣<ε0 < | x - a | < \delta \Rightarrow | f ( x ) - L | < \varepsilon0<∣x−a∣<δ⇒∣f(x)−L∣<ε가 될 때,

• 임의의 양수 ε\varepsilonε이라는 말은 ε\varepsilonε이 어떠한 양수이든 상관없다는 뜻이다. 거기에 저 조건을 만족시키는 적절한 양수 δ(=δ(ε))\delta(=\delta(\varepsilon))δ(=δ(ε))[6]의 값을 찾을 수 있으면 된다.

• 정의에 나오는 절댓값들이 이해를 어렵게 하는데, 0<∣x−a∣<δ0<\left|x-a\right|<\delta0<∣x−a∣<δ는 xxx에서 aaa까지의 거리가 δ\deltaδ보다는 작지만 000은 아닌, 즉 xxx는 aaa가 아니라는 뜻이고, ∣f(x)−L∣<ε|f(x)-L|<\varepsilon∣f(x)−L∣<ε는 f(x)f(x)f(x)에서 LLL까지의 거리가 ε\varepsilonε보다 작다는 뜻이다.[7] 절댓값의 정의에 따라 각각 x≠a∧a−δ<x<a+δx\ne a\wedge a-\delta<x<a+\deltax=a∧a−δ<x<a+δ와 L−ε<f(x)<L+εL-\varepsilon<f(x)<L+\varepsilonL−ε<f(x)<L+ε로 쓰면 더 이해하기 쉽지만, 복잡하므로 줄여서 0<∣x−a∣<δ0<\left|x-a\right|<\delta0<∣x−a∣<δ와 ∣f(x)−L∣<ε|f(x)-L|<\varepsilon∣f(x)−L∣<ε를 쓰게 된 것.

• x→ax\to ax→a로 갈 때 f(x)f(x)f(x)가 어디로 가는가[8]를 생각하면 안 된다. 거꾸로 ∣f(x)−L∣|f(x)-L|∣f(x)−L∣에 대한 값을 생각하고, 그에 따라 δ\deltaδ값을 찾아야 한다. 이 논법은 극한의 존재성을 논하는 것이지, 극한값을 찾는 것이 목적이 아니다.

즉, 위의 정의를 풀어 설명하면, 다음과 같다.

lim⁡x→af(x)=L\displaystyle \lim_{ x \rightarrow a }{ f ( x ) } = Lx→alim​f(x)=L

더 쉽게 설명하자면,

lim⁡x→af(x)=L\displaystyle \lim_{ x \rightarrow a }{ f ( x ) } = Lx→alim​f(x)=L

핵심은 양수 ε\varepsilonε에 비해 거기에 대응하는 어떠한 xxx값을 설정해도 그보다는 작다는 것이다.

복잡한 전제를 떼고 논리적 비약을 약간 섞어서 핵심 아이디어만을 바라보면 결국 이 논법이 이야기하는 것은, xxx와 aaa의 거리를 적절히 줄여서 (어떤 δ\deltaδ), 함수의 값 f(x)f(x)f(x)를 LLL에 원하는 만큼 (임의의 ε\varepsilonε) 접근시킬 수 있다는 말이다. ε\varepsilonε 즉, 원하는 오차가 아무리 작더라도, 그 오차를 만족시킬 수 있는 델타가 언제나 존재함을 증명할 수 있다면 함수의 극한값을 LLL로 정의하겠다는 것이다.

다음과 같은 비유로 이해를 좀 더 쉽게 할 수 있다. 갑과 을이 게임을 하는데, 갑이 ε\varepsilonε을 제시하면 을은 다음 조건을 만족하는 δ\deltaδ를 말해야 하는 게임.

• 조건: 0<∣x−a∣<δ⇒∣f(x)−L∣<ε0 < | x - a | < \delta \Rightarrow | f ( x ) - L | < \varepsilon0<∣x−a∣<δ⇒∣f(x)−L∣<ε

이때, 갑이 뭘 말하든간에 을이 항상 대답할 수 있으면 극한값이 존재하는 것이다. 반대로, 단 한 번이라도 을이 대답할 수 없는 경우가 생기면 극한값은 존재하지 않는 것이다.

3.2. 설명 2[9][편집]

극한의 애매한 설명

xxx가 aaa에 한없이 가까울 때, f(x)f\left(x\right)f(x)의 값도 LLL에 한없이 가깝다.

여기에서 '한없이 가깝다'가 수학적으로는 의미가 명확하지 않으니, 잘 정의되도록 해야 한다.

• '가깝다'와 '멀다'를 확실히 말하려면, 특정한 기준이 존재해서 그 기준보다 작으면 '가깝다', 그 기준보다 크면 '멀다'라고 할 수 있어야 한다. 그 기준을 양의 실수 ε\varepsilonε으로 정의하자.

• '한없이 가까울 때'는, 'xxx와 aaa의 차이가 얼마나 작은 값이든'이란 말과 같다. 즉, '어떻게 기준을 잡아도'로 해석할 수 있다.

그러면 이제 주어진 문장은 이렇게 바뀐다.

양수 ε\varepsilonε의 값이 무엇이든 간에, xxx가 aaa에 한없이 가까우면 ∣f(x)−L∣<ε\left| f \left( x \right) - L \right| < \varepsilon∣f(x)−L∣<ε이다.

'xxx가 aaa에 한없이 가까우면'도 기준 δ>0\delta > 0δ>0를 선언해서 위와 비슷한 방식으로 바꿀 수 있다. 하지만 f(x)f\left(x\right)f(x)가 LLL에 가까워지고 멀어지는 것은 f(x)f\left(x\right)f(x)의 성질과 ε\varepsilonε의 선택에 달려 있기 때문에, δ\deltaδ는 먼저 선언된 ε\varepsilonε을 무시할 수 없다. 따라서 ε\varepsilonε에 따른 δ\deltaδ를 적당히 잡을 수 있다면 최종 문장은 아래와 같다.

임의의 실수 ε>0\varepsilon > 0ε>0에 대해, 적당한 실수 δ>0\delta > 0δ>0가 존재하고, 0<∣x−a∣<δ0 < \left| x - a \right| < \delta0<∣x−a∣<δ이면 ∣f(x)−L∣<ε\left| f \left( x \right) - L\right|< \varepsilon∣f(x)−L∣<ε이다.

이는 처음에 소개된 정의와 일치한다.

더 간단히 말하자면, 엡실론-델타의 핵심은 두 수의 차이를 줄이는 것이다. 다만 차이를 줄이고자 하는 비교 대상이 셀 수 없이 많은 양수[10] ε\boldsymbol \varepsilonε이기 때문에 각각에 대해 다 비교를 할 수 없기에 아무거나 찍어서 되게 할 수 있는지를 확인하는 것이다.

3.3. 상극한·하극한을 통한 이해[편집]

이 설명은 극한의 '공식'을 제시함으로써 엡실론-델타를 유도해내는 데에 초점을 맞춘다. 이 개념을 소개하려면 다음 상한, 하한 개념이 필요하다. (따라서 이 접근은 실수의 완비성 공리를 통해 극한을 정의하는 접근에 해당한다.) 실수의 공집합 아닌 부분집합 ∅≠X⊂R\varnothing\neq X \subset \mathbb{R}∅=X⊂R에 대해,

• 상한 sup⁡X\sup XsupX는 XXX의 '최대치'로, 모든 p∈Xp \in Xp∈X에 대해 p≤Mp\leq Mp≤M이 성립하는 최소의 수 MMM을 말한다. 만약 그런 수 MMM이 없다면, sup⁡X=∞\sup X = \inftysupX=∞로 정의한다.

• 하한 inf⁡X\inf XinfX는 XXX의 '최소치'로, 모든 p∈Xp \in Xp∈X에 대해 p≥mp\geq mp≥m이 성립하는 최대의 수 mmm을 말한다. 만약 그런 수 mmm이 없다면, inf⁡X=−∞\inf X = -\inftyinfX=−∞로 정의한다.

가령 X가 구간 X=(0,1)X=(0,1)X=(0,1)인 경우, 그 상한은 1이고 하한은 0이다. 이 값들이 X의 '최댓값' 혹은 '최솟값'이라기에는 0, 1 모두 X에 없으므로 어폐가 있지만, 상한/하한이 그런 역할을 한다는 점은 직관적으로 이해함직하다.

함수 f(x)f(x)f(x)에 대해서도, 변수 xxx의 범위만 잘 주어지면, 상한 또는 하한을 생각하곤 한다. 곧 다음과 같은 식이다.

sup⁡0<∣x−a∣<δf(x)=sup⁡{f(x)∣0<∣x−a∣<δ},inf⁡0<∣x−a∣<δf(x)=inf⁡{f(x)∣0<∣x−a∣<δ}.\displaystyle \begin{aligned} \displaystyle \sup_{0<|x-a|<\delta}{ f(x ) } & = \sup\{f(x) \mid 0<|x-a|<\delta\}, \\ \displaystyle \inf_{0<|x-a|<\delta}{f(x)} & = \inf\{f(x)\mid 0<|x-a|<\delta\}. \end{aligned}0<∣x−a∣<δsup​f(x)0<∣x−a∣<δinf​f(x)​=sup{f(x)∣0<∣x−a∣<δ},=inf{f(x)∣0<∣x−a∣<δ}.​

기호 표기의 편의성을 위해, Mδ=sup⁡0<∣x−a∣<δf(x)M_\delta=\sup_{0<|x-a|<\delta}f(x)Mδ​=sup0<∣x−a∣<δ​f(x) 및 mδ=inf⁡0<∣x−a∣<δf(x)m_\delta=\inf_{0<|x-a|<\delta}f(x)mδ​=inf0<∣x−a∣<δ​f(x)라 쓰자. 그러면 MδM_\deltaMδ​는 0<∣x−a∣<δ0<|x-a|<\delta0<∣x−a∣<δ 범위에서 f(x)f(x)f(x)의 '최대치', mδm_\deltamδ​는 '최소치'라 볼 수 있다. 가령 f(x)=x2f(x)=x^2f(x)=x2고 a=2a=2a=2이면, Mδ=(2+δ)2M_\delta=(2+\delta)^2Mδ​=(2+δ)2, mδ={(2−δ)2(δ≤2)0(δ>2)m_\delta=\begin{cases} (2-\delta)^2 & (\delta\leq 2) \\ 0 & (\delta > 2)\end{cases}mδ​={(2−δ)20​(δ≤2)(δ>2)​인 식이다.

이들 함수의 상한/하한은 변수 xxx가 aaa에 '충분히 가까울 때 (0<∣x−a∣<δ0<|x-a|<\delta0<∣x−a∣<δ)' 함수값이 어느 범위에 있을 수 있는지 (f(x)∈[mδ,Mδ]f(x)\in[m_\delta,M_\delta]f(x)∈[mδ​,Mδ​])를 나타내는 양(quantity)이다. 때문에 이 상한/하한이 'xxx가 aaa에 한없이 가까워질 때, 즉 δ→0\delta\to 0δ→0일 때' 같은 값으로 다가가면, 그 값이 곧 lim⁡x→af(x)\displaystyle\lim_{x\to a}f(x)x→alim​f(x)라 부를 값이다.

물론 'δ→0\delta\to 0δ→0일 때'가 딱히 명확하지 않다는 문제가 있기는 하지만, MδM_\deltaMδ​나 mδm_\deltamδ​는 δ\deltaδ가 0으로 줄어들 때 각각 줄어드는/늘어나는 값이다. (이는 극한이 있거나 없거나 상관없이 성립하는 현상이다!) 때문에 MδM_\deltaMδ​의 '극한'은 이들의 '최소치,' 즉 inf⁡δ>0Mδ\inf_{\delta>0}M_\deltainfδ>0​Mδ​로 보는 것이 바람직하고, mδm_\deltamδ​의 '극한'은 이들의 '최대치,' 즉 sup⁡δ>0mδ\sup_{\delta>0}m_\deltasupδ>0​mδ​로 보는 것이 바람직하다. 이를 종합하면 다음 '극한 후보'를 얻는다.

• 상극한 lim sup⁡x→af(x):=inf⁡δ>0Mδ=inf⁡δ>0sup⁡0<∣x−a∣<δf(x)\limsup_{x\to a}f(x) := \inf_{\delta>0}M_\delta = \inf_{\delta>0}\sup_{0<|x-a|<\delta}f(x)limsupx→a​f(x):=infδ>0​Mδ​=infδ>0​sup0<∣x−a∣<δ​f(x),

• 하극한 lim inf⁡x→af(x):=sup⁡δ>0mδ=sup⁡δ>0inf⁡0<∣x−a∣<δf(x)\liminf_{x\to a}f(x) := \sup_{\delta>0}m_\delta = \sup_{\delta>0}\inf_{0<|x-a|<\delta}f(x)liminfx→a​f(x):=supδ>0​mδ​=supδ>0​inf0<∣x−a∣<δ​f(x).

이제 앞서 언급한 극한의 '공식'은, 위 두 극한 후보가 같을 때에 씀직한 공식이다. 즉 다음과 같다.

극한 lim⁡x→af(x)\displaystyle\lim_{x\to a}f(x)x→alim​f(x)이 LLL과 같다는 말은 위의 두 극한 후보가 값 LLL과 같다는 말이다. 즉,

lim sup⁡x→af(x)=lim inf⁡x→af(x)=L.\displaystyle\begin{aligned}\limsup_{x\to a}f(x) &= \liminf_{x\to a}f(x) = L.\end{aligned}x→alimsup​f(x)​=x→aliminf​f(x)=L.​

이 경우 엡실론-델타 정의는 위 정의에서 따르는, 아래와 같은 증명을 가지는 '정리'가 된다.

극한 lim⁡x→af(x)=L\displaystyle\lim_{x\to a}f(x)=Lx→alim​f(x)=L이 있다고 하고, 양수 ϵ>0\epsilon>0ϵ>0를 잡자. 그러면 LLL이 Mδ,mδM_\delta,m_\deltaMδ​,mδ​의 각각 하한, 상한이므로, L+ϵ,L−ϵL+\epsilon,L-\epsilonL+ϵ,L−ϵ은 각각 Mδ,mδM_\delta,m_\deltaMδ​,mδ​의 하한('최소치'), 상한('최대치')이 될 수 없다. 때문에 Mδ1<L+ϵ,mδ2>L−ϵM_{\delta_1}<L+\epsilon,m_{\delta_2}>L-\epsilonMδ1​​<L+ϵ,mδ2​​>L−ϵ인 양수 δ1,δ2>0\delta_1,\delta_2>0δ1​,δ2​>0를 잡을 수 있다.

양수 δ=min⁡(δ1,δ2)\delta=\min(\delta_1,\delta_2)δ=min(δ1​,δ2​)를 두면, L−ϵ<mδ2≤mδ≤Mδ≤Mδ1<L+ϵL-\epsilon<m_{\delta_2}\leq m_\delta\leq M_\delta\leq M_{\delta_1}<L+\epsilonL−ϵ<mδ2​​≤mδ​≤Mδ​≤Mδ1​​<L+ϵ를 얻는데, 한편 0<∣x−a∣<δ0<|x-a|<\delta0<∣x−a∣<δ면 f(x)∈[mδ,Mδ]f(x)\in [m_\delta,M_\delta]f(x)∈[mδ​,Mδ​]이므로 L−ϵ<mδ≤f(x)≤Mδ<L+ϵL-\epsilon<m_\delta\leq f(x)\leq M_\delta<L+\epsilonL−ϵ<mδ​≤f(x)≤Mδ​<L+ϵ이 따른다. 즉 L−ϵ<f(x)<L+ϵL-\epsilon<f(x)<L+\epsilonL−ϵ<f(x)<L+ϵ이고, 여기서 ∣f(x)−L∣<ϵ|f(x)-L|<\epsilon∣f(x)−L∣<ϵ는 어렵지 않게 확인할 수 있다.

반대로 엡실론-델타 조건이 주어졌다고 하자. 그러면 임의의 양수 ϵ>0\epsilon>0ϵ>0에 대해, 어떤 δ>0\delta>0δ>0가 있어서 0<∣x−a∣<δ0<|x-a|<\delta0<∣x−a∣<δ면 L−ϵ<f(x)<L+ϵL-\epsilon<f(x)<L+\epsilonL−ϵ<f(x)<L+ϵ를 알고 있다. 즉 f(x)f(x)f(x)의 상한/하한은 0<∣x−a∣<δ0<|x-a|<\delta0<∣x−a∣<δ인 범위에서 구간 (L−ϵ,L+ϵ)(L-\epsilon,L+\epsilon)(L−ϵ,L+ϵ) 내에 잡히고, 따라서 L−ϵ≤mδ, Mδ≤L+ϵL-\epsilon\leq m_\delta,\ M_\delta\leq L+\epsilonL−ϵ≤mδ​, Mδ​≤L+ϵ이 따른다. δ\deltaδ보다 더 작은 양수들도 같은 부등식을 만족하므로, L−ϵ≤sup⁡δ>0mδL-\epsilon\leq\sup_{\delta>0}m_\deltaL−ϵ≤supδ>0​mδ​ 및 inf⁡δ>0Mδ≤L+ϵ\inf_{\delta>0}M_\delta\leq L+\epsiloninfδ>0​Mδ​≤L+ϵ이 따르며, 그러므로

L−ϵ≤lim inf⁡x→af(x)≤lim sup⁡x→af(x)≤L+ϵ\displaystyle L-\epsilon\leq\liminf_{x\to a}f(x)\leq\limsup_{x\to a}f(x)\leq L+\epsilonL−ϵ≤x→aliminf​f(x)≤x→alimsup​f(x)≤L+ϵ

이 여기서 따른다. ϵ>0\epsilon>0ϵ>0이 아무 양수이므로, 이게 항상 성립할 '극한 후보'는 LLL 말고는 없다.

3.4. 그래프를 통한 이해[편집]

디리클레 함수나 y=sin⁡(x−1)y=\sin{(x^{-1})}y=sin(x−1)처럼 그래프를 그릴 수 없는 함수도 있지만, 여기서는 간단한 예시를 통해 엡실론-델타 논법을 이해해보자.

3.5. 변형[편집]

3.5.1. 좌극한과 우극한[편집]

함수 f(x)f(x)f(x)에 대하여 xxx가 aaa보다 작은 값을 가지면서 aaa에 다가가는 극한을 좌극한이라 하고, 다음과 같이 표기한다.

lim⁡x→a−f(x)=L\displaystyle \lim_{ x \rightarrow a^{-} }{ f ( x ) } = Lx→a−lim​f(x)=L

lim⁡x→a−f(x)=L\displaystyle \lim_{ x \rightarrow a^{-} }{ f ( x ) } = Lx→a−lim​f(x)=L은 임의의 ε>0\varepsilon>0ε>0에 대하여

a−δ<x<a⇒∣f(x)−L∣<εa-\delta<x<a \Rightarrow |f(x)-L|<\varepsilona−δ<x<a⇒∣f(x)−L∣<ε

함수 f(x)f(x)f(x)에 대하여 xxx가 aaa보다 큰 값을 가지면서 aaa에 다가가는 극한을 우극한이라 하고, 다음과 같이 표기한다.

lim⁡x→a+f(x)=L\displaystyle \lim_{ x \rightarrow a^{+} }{ f ( x ) } = Lx→a+lim​f(x)=L

lim⁡x→a+f(x)=L\displaystyle \lim_{ x \rightarrow a^{+} }{ f ( x ) } = Lx→a+lim​f(x)=L은 임의의 ε>0\varepsilon>0ε>0에 대하여

a<x<a+δ⇒∣f(x)−L∣<εa<x<a+\delta \Rightarrow |f(x)-L|<\varepsilona<x<a+δ⇒∣f(x)−L∣<ε

3.5.2. 무한[편집]

xxx가 발산하는 경우에 대해서도 극한을 정의할 수 있다.

lim⁡x→∞f(x)=L\displaystyle \lim_{ x \rightarrow \infty }{ f ( x ) } = L \quadx→∞lim​f(x)=L 또는 lim⁡x→−∞f(x)=L\quad \displaystyle \lim_{ x \rightarrow -\infty }{ f ( x ) } = Lx→−∞lim​f(x)=L

lim⁡x→∞f(x)=L\displaystyle \lim_{ x \rightarrow \infty }{ f ( x ) } = Lx→∞lim​f(x)=L은 임의의 ε>0\varepsilon>0ε>0에 대하여 임의의 M>0M>0M>0이 존재해서

M<x⇒∣f(x)−L∣<εM<x \Rightarrow |f(x)-L|<\varepsilonM<x⇒∣f(x)−L∣<ε

lim⁡x→−∞f(x)=L\displaystyle \lim_{ x \rightarrow -\infty }{ f ( x ) } = Lx→−∞lim​f(x)=L은 임의의 ε>0\varepsilon>0ε>0에 대하여 임의의 M>0M>0M>0이 존재해서

−M>x⇒∣f(x)−L∣<ε-M>x \Rightarrow |f(x)-L|<\varepsilon−M>x⇒∣f(x)−L∣<ε

x→ax \to ax→a에서 극한값이 발산하는 경우에도 극한을 정의할 수 있으며,

lim⁡x→af(x)=∞\displaystyle \lim_{ x \to a }{ f ( x ) } = \infty \quadx→alim​f(x)=∞ 또는 lim⁡x→af(x)=−∞\quad \displaystyle \lim_{ x \to a }{ f ( x ) } = -\inftyx→alim​f(x)=−∞

lim⁡x→af(x)=∞\displaystyle \lim_{ x \rightarrow a }{ f ( x ) } = \inftyx→alim​f(x)=∞은 임의의 M>0M>0M>0에 대하여 임의의 δ>0\delta>0δ>0가 존재해서

0<∣x−a∣<δ⇒f(x)>M0<|x-a|<\delta \Rightarrow f(x)>M0<∣x−a∣<δ⇒f(x)>M

lim⁡x→af(x)=−∞\displaystyle \lim_{ x \rightarrow a }{ f ( x ) } = -\inftyx→alim​f(x)=−∞은 임의의 M>0M>0M>0에 대하여 임의의 δ>0\delta>0δ>0가 존재해서

0<∣x−a∣<δ⇒f(x)<−M0<|x-a|<\delta \Rightarrow f(x)<-M0<∣x−a∣<δ⇒f(x)<−M

xxx가 발산하고, 그 극한값 또한 발산하는 경우에도 극한을 정의할 수 있다.

lim⁡x→±∞f(x)=±∞\displaystyle \lim_{ x \to \pm \infty }{ f ( x ) } = \pm \inftyx→±∞lim​f(x)=±∞

lim⁡x→∞f(x)=∞\displaystyle \lim_{ x \rightarrow \infty }{ f ( x ) } = \inftyx→∞lim​f(x)=∞은 임의의 M>0M>0M>0에 대하여

x>K⇒f(x)>Mx>K \Rightarrow f(x)>Mx>K⇒f(x)>M

lim⁡x→∞f(x)=−∞\displaystyle \lim_{ x \rightarrow \infty }{ f ( x ) } = -\inftyx→∞lim​f(x)=−∞은 임의의 M>0M>0M>0에 대하여

x>K⇒f(x)<−Mx>K \Rightarrow f(x)<-Mx>K⇒f(x)<−M

lim⁡x→−∞f(x)=∞\displaystyle \lim_{ x \rightarrow -\infty }{ f ( x ) } = \inftyx→−∞lim​f(x)=∞은 임의의 M>0M>0M>0에 대하여

x<−K⇒f(x)>Mx<-K \Rightarrow f(x)>Mx<−K⇒f(x)>M

lim⁡x→−∞f(x)=−∞\displaystyle \lim_{ x \rightarrow -\infty }{ f ( x ) } = -\inftyx→−∞lim​f(x)=−∞은 임의의 M>0M>0M>0에 대하여

x<−K⇒f(x)<−Mx<-K \Rightarrow f(x)<-Mx<−K⇒f(x)<−M

3.6. 예제[편집]

[문제]

엡실론-델타 논법을 사용하여 lim⁡x→3(2x−1)=5\displaystyle \lim_{x\to 3}{(2x-1)}=5x→3lim​(2x−1)=5임을 보이시오.

[풀이 보기]

0<∣x−3∣<δ⇒∣(2x−1)−5∣<ε\displaystyle 0<|x-3|<\delta \Rightarrow |(2x-1)-5|<\varepsilon0<∣x−3∣<δ⇒∣(2x−1)−5∣<ε

∣(2x−1)−5∣=2∣x−3∣\displaystyle |(2x-1)-5|=2|x-3|∣(2x−1)−5∣=2∣x−3∣

∣x−3∣<ε2\displaystyle |x-3|<\frac{\varepsilon}{2}∣x−3∣<2ε​

δ=ε2\displaystyle \delta=\frac{\varepsilon}{2}δ=2ε​

∣x−3∣<ε2→∣(2x−1)−5∣<ε\displaystyle |x-3|<\frac{\varepsilon}{2} \quad \to \quad |(2x-1)-5|<\varepsilon∣x−3∣<2ε​→∣(2x−1)−5∣<ε

lim⁡x→3(2x−1)=5\displaystyle \lim_{x\to 3}(2x-1)=5x→3lim​(2x−1)=5

δ=ϵ∣a∣\displaystyle \delta = \frac{\epsilon}{| a |}δ=∣a∣ϵ​

lim⁡x→m(ax+b)=am+b\displaystyle \lim_{x \to m} (ax+b) = am+bx→mlim​(ax+b)=am+b

4. 확장[편집]

4.1. 이변수함수에서의 정의[편집]

다변수함수의 일종인 이변수함수의 극한은 lim⁡(x, y)→(a, b)f(x, y)=L\displaystyle \lim_{( x,\, y )\rightarrow ( a,\, b )}{f ( x,\, y )} = L(x,y)→(a,b)lim​f(x,y)=L로 쓴다. 대략적인 뜻은 (x, y)( x,\, y )(x,y)가 한없이 (a, b)( a,\, b )(a,b)에 가까워질 때 f(x, y)f ( x,\, y )f(x,y)가 한없이 LLL에 가까워진다는 뜻이다.

일변수함수에서는 xxx를 aaa에 접근시키는 방법이 좌극한과 우극한으로 딱 두 가지밖에 없다. 하지만 평면에서 점 (x, y)( x,\, y )(x,y)가 점(a, b)( a,\, b )(a,b)로 가까워지는 방법은 무한히 많다. 굳이 직선경로를 따라가며 가까워질 필요가 없기 때문이다. 따라서 점 (x, y)( x,\, y )(x,y)가 이 무한한 수의 경로를 따라 (a, b)( a,\, b )(a,b)에 가까워지면 그러한 경로에 따른 함숫값 f(x, y)f ( x,\, y )f(x,y)가 모두 LLL에 가까워져야 한다.

위에 나와있는 직관력만 무한히 좋은 극한의 정의는 수학에서는 좋아하지 않으니 코시의 엡실론 델타로 다시 정의해야 한다. 하지만 코시의 엡실론 - 델타 논법은 일변수 함수에서의 극한이므로 그대로 적용하여 정의하기는 힘들다. 코시의 엡실론 델타를 변형시켜서 적용하면 다음과 같다.

이변수 함수 fff는 중심이 (a, b)(a,\, b )(a,b)인 원의 내부에서 정의된다고 하자. 이때

lim⁡(x, y)→(a, b)f(x, y)=L\displaystyle \lim_{( x,\, y )\rightarrow ( a,\, b )}{ f ( x,\, y )} = L(x,y)→(a,b)lim​f(x,y)=L

0<(x−a)2+(y−b)2<δ⇒∣f(x, y)−L∣<ε0 < \sqrt{( x - a )^2 + ( y - b )^2 } < \delta \Rightarrow | f ( x,\, y)- L | < \varepsilon0<(x−a)2+(y−b)2​<δ⇒∣f(x,y)−L∣<ε

4.2. 복소함수의 극한[편집]

복소수 자체가 이미 실수부와 허수부의 두 성분이 있기 때문에 본질적으로 이변수함수의 극한과 동일하다. 어떤 복소수 z0z_0z0​로 향하는 경로는 무한히 많기 때문에 이로 인해 복소함수는 실함수와는 다른 독특한 성질을 가진다.

복소함수의 극한은 아래와 같이 정의된다.

모든 ε>0\varepsilon > 0ε>0에 대하여, 적당한 δ>0\delta > 0δ>0가 존재하여,

0<∣z−z0∣<δ⇒∣f(z)−L∣<ε0 < \vert z - z_0 \vert < \delta \Rightarrow \vert f ( z ) - L \vert < \varepsilon0<∣z−z0​∣<δ⇒∣f(z)−L∣<ε

lim⁡z→z0f(z)=L\displaystyle \lim_{z \rightarrow z_{0}}{f ( z )} = Lz→z0​lim​f(z)=L

4.3. 거리 공간에서의 정의[편집]

두 거리 공간 (X, dX)(X, \, d_X)(X,dX​), (Y, dY)(Y,\, d_Y)(Y,dY​)이 있을 때, 함수 f: X→Yf:\, X\to Yf:X→Y의 극한은 다음과 같이 정의한다.(a∈X, L∈Ya\in X, \,L\in Ya∈X,L∈Y)

임의의 ε>0\varepsilon > 0ε>0에 대해 δ>0\delta > 0δ>0가 존재하여 dX(x, a)<δd_X (x, \, a)<\deltadX​(x,a)<δ인 모든 x∈Xx\in Xx∈X에 대해

dY(f(x), L)<εd_Y(f(x),\, L)<\varepsilondY​(f(x),L)<ε

lim⁡x→af(x)=L\displaystyle \lim_{x\to a}{f ( x ) } = Lx→alim​f(x)=L

즉, 일변수함수, 다변수함수 그리고 복소함수에서의 극한의 정의는 유클리드 거리 공간에서의 극한의 정의의 특수한 경우다.

5. 문제 풀이 팁[편집]

수렴하는 극한을 보이는 경우에 적절하게 델타를 잡아서 부등식 ∣f(x)−L∣<ϵ|f(x)-L|<\epsilon∣f(x)−L∣<ϵ을 만족시키는지 보여야 하므로, 부등식에 대한 이해가 필요하다. 다음과 같은 방법들을 사용하자.

• 삼각부등식 ∣a+b∣≤∣a∣+∣b∣|a+b|\leq |a|+|b|∣a+b∣≤∣a∣+∣b∣을 적절히 활용한다.

• 분모와 분자가 모두 양수일 때 분모가 작을수록 분수의 값이 커진다.

• 산술-기하평균 부등식: x+y≥2xyx+y\geq 2\sqrt{xy}x+y≥2xy​[11]

• δ=min{δ1, δ2, ⋯ ,δn}\delta=\text{min}\{\delta_{1},\,\delta_{2},\,\cdots, \delta_{n}\}δ=min{δ1​,δ2​,⋯,δn​} 꼴로 잡으면, 0<∣x−a∣<δ10<|x-a|<\delta_{1}0<∣x−a∣<δ1​일 때에 성립하는 부등식도 사용할 수 있고, 0<∣x−a∣<δ20<|x-a|<\delta_{2}0<∣x−a∣<δ2​일 때에 성립하는 부등식도 사용할 수 있고, ⋯\cdots⋯.[12][13]

• δ≤1\delta\leq 1δ≤1이면 임의의 자연수 nnn에 대하여 δn≤δ\delta^{n}\leq\deltaδn≤δ. 이 부등식이 필요한 경우 δ=min{1, a}\delta=\text{min}\{1,\,a\}δ=min{1,a}꼴로 잡으면 된다.[14]

• 함수가 유리식일 경우와 같이 실수 전체 중에서 정의되지 않는 부분이 생기는 경우 δ\deltaδ를 좁히고 가면 편하다. 예를 들어서 f(x)=x−1f(x)=x^{-1}f(x)=x−1 에서 x→1x\to 1x→1로의 극한을 생각할 때, δ≥1\delta\geq 1δ≥1 이면 f(x)f(x)f(x)가 한없이 커질 수 있으므로, ϵ\epsilonϵ이 아무리 크더라도 엡실론-델타 논법을 만족시키는 것은 불가능하다. 이런 경우 δ=min{2−1, a}\delta=\text{min}\{2^{-1},\,a\}δ=min{2−1,a}꼴로 잡으면 된다.

• ∣f(x)−L∣|f(x)-L|∣f(x)−L∣에서 점점 커지는 방향으로 부등식을 만들어야지, 작아지는 쪽의 부등식은 생각하면 안 된다. ∣f(x)−L∣|f(x)-L|∣f(x)−L∣보다 작은 값보다 ϵ\epsilonϵ이 커봤자 의미가 없기 때문.

• ∣f(x)−L∣|f(x)-L|∣f(x)−L∣에서 출발한 부등식의 변이 xxx만에 대한 함수일 때 그 극한이 000이 아니면 부등식 자체는 옳은 부등식일지 몰라도 엡실론-델타 논법에 대한 풀이로서는 방향을 잘못 잡은 것이다. 왜냐하면, 적절하게 구한 δ\deltaδ에 대해서, 0<∣x−a∣<δ0<|x-a|<\delta0<∣x−a∣<δ 일 때, ∣f(x)−L∣≤g(x)<ϵ|f(x)-L|\leq g(x)<\epsilon∣f(x)−L∣≤g(x)<ϵ이 성립한다면, g(x)g(x)g(x)의 x→ax\to ax→a에 대한 극한이 000일 때의 엡실론-델타 논법도 만족시키기 때문이다.

• δ\deltaδ는 작게 잡을수록 ∣f(x)−L∣<ϵ|f(x)-L|<\epsilon∣f(x)−L∣<ϵ를 만족시켜야 하는 xxx의 범위가 줄어들어서 편하지만, 그렇다고 분수꼴로 너무 작게 잡으면 계산이 지저분해지므로, 계산이 편한 한도 내에서 작게 잡으면 된다.

그리고 한 가지 주의할 점은, 문제를 푸는 방향[15]과 실제로 풀이를 적는 방향이 거꾸로란 것. 즉, δ\deltaδ를 구하는 것은 부등식을 다 구하고 난 다음 최종적으로 구할 수 있지만, 실제로 풀이를 적을 때는 δ\deltaδ를 먼저 적어놓고 부등식을 써야 한다.[16]

6. 기타[편집]

• 엄밀하게 정의, 증명하는 방식을 채택하는 대한민국 교육 과정에서도 미적분 부분에 있어서는 증명하지 않고 넘어가는 게 많은데, 해석학의 엡실론-델타 논법 때문이다. 하지만 바꿔 말하면 이거 가지고 해석학 이거저거 다 증명한다는 소리이므로 이걸 이해하는 것이 해석학에 있어서는 필수이다.

  • 다만 순수과학에서의 수학과 공학계열의 공학수학에서 수학을 바라보는 관점이 다르다 보니 공학에서 엡실론-델타 논법은 그렇게 중요하지 않다. 수학과에서는 직관을 이용하는 수학에서 엄밀한 정의에 바탕한 수학으로 넘어가는 과정을 중요하게 생각하지만 공학에서의 수학은 효율적인 기계를 설계하는데 필요한 수단이기 때문이다. 가령 대학교 1학년 공학수학 과목에서는 라플라스 변환과 같은 유용한 수학적 도구는 증명 없이 그냥 사용한다. 엡실론-델타 증명을 정확하게 이해하는 것이 효율적인 공학 설계에 도움을 주는 바가 없다보니 공학수학 과목에서 언급과 증명을 하긴 하지만 이후 이 논법을 사용해서 어떤 정리를 증명하거나 하지는 않는다. 그래서 수학과생들만 듣는게 아닌 이공계 공통 교양과목이라는 특성상 미적분학 과목에서도 새로운 개념을 만나는 족족 무조건적으로 꺼내들지는 않는다. 이것을 진짜 무조건적으로 꺼내드는 과목은 해석학개론이라는 1~2학년 수학과/수학교육과생들이 듣는 전공수학 과목인데, 여기서는 오히려 집합론의 기초개념과 체의 공리, 순서공리, 완비성 공리 등을 동원하여 완비순서체로서의 실수를 구성하고 엡실론-N 논법과 위상수학적 기초개념까지 학습한 후에야 엡실론과 델타를 꺼내들기 때문에 본격적인 엡실론-델타 논법은 중간고사 직전에나 배우기 시작하는 경우가 많다. 이 과목부터는 진짜로 정리와 증명의 연속이다.

  • 대학교에 처음 들어가서 이를 보고 멘탈붕괴를 겪는 학생이 있는데 이는 지극히 정상이다. 물론 '이런 기본적인 것조차 이해를 못하느냐', '대체 고등학교 수학에선 뭘 가르치는거냐'라며 현재의 교육과정을 한탄하는 일부 수학과 교수들이 간간히 있긴 하지만[17], 대학교 입학 전까지는 보통 한두개 정도의 미지수와 한글로 서술하는 방식의 정의만 접한 학부생들이 알파벳과 논리 기호로만 이뤄진 정의를 처음 접하면 이해하지 못하는게 정상이다[18]. 엡실론-델타 논법을 이해하기 위해서는 1차 술어 논리, 즉 양화사 개념에 대해 알고 있어야 한다. 당장 본 문서에 소개된 해당 논법의 정의가 보편양화사와 존재양화사를 모두 포함한다.[19] 수학과라면 집합론 강의에서 술어논리를 배우게 되니 당연히 알 수밖에 없지만, 엄밀한 수학적 증명을 요하지 않는 기타 전공(특히 공학)의 경우 잊고 지나가도 큰 문제는 없다.

• 이 정의가 충격으로 다가오는 이유는, 처음 보는 사람들이 언뜻 보기에 난해하기 때문이다. 정의 자체가 이해하기 어렵고, 또 왜 쓰이는지에 대한 이해도 어렵다는 것이 진입장벽이다. 그렇다고 무한소를 이용한 정의를 쓰자니 더 어렵다는 것이 문제지만. 특히 연속을 이해하는 게 골때리는 데 초실수체는 실수가 아닌 순서체이고 따라서 완비성이 없는 구멍이 숭숭난 체이기 때문.

• 세상에서 가장 재미있는 세계사로 유명한 수학 석사 '래리 고닉'의 또 다른 저서 '세상에서 가장 재미있는 미적분(The Cartoon Guide to Calculus)'에서는 적절한 구간 내에서 어떤 ε\varepsilonε값이라도 그에 해당하는 δ\deltaδ값을 보여줄 수 있다는 식으로 설명해 놓았다.

• 이산함수 버전으로 엡실론-N 논법이 있다. 쉽게 말하면 아무 양수 엡실론을 선택하더라도 이 수열은 분명히 '몇(자연수 N)번째 항'부터는 수렴값과 수열의 항과의 차이가 엡실론보다 작다는 것.

[1] 물론 미분가능한 함수의 미분계수가 000인 점은 극점일 필요조건일 뿐이지 충분조건은 아니므로, 이게 진짜 극점인지는 확인이 필요하다.[2] 사실 코시 이전에 베르나르트 볼차노와 카를 바이어슈트라스가 먼저 이 정의를 제안했다.[3] 임의의 양수이므로 0.0000001이나 1/99999999999999 같은 무지막지하게 작은 수들도 εεε에 들어갈 수 있다.[4] 즉, L−ε<f(x)<L+εL-ε<f(x)<L+εL−ε<f(x)<L+ε[5] 우극한일땐 a<x<a+δa<x<a+δa<x<a+δ, 좌극한일땐 a−δ<x<aa-δ<x<aa−δ<x<a[6] δ\deltaδ가 ε\varepsilonε에 관한 함수라는 뜻. y=f(x)y=f(x)y=f(x)와 같은 뜻의 표기이다,[7] 엡실론과 델타 둘 다 임의의 양수이기 때문에 '거리'라는 표현을 쓸 수 있다.[8] 즉,임의의 δ\deltaδ값에 대하여 적당한 ε(=ε(δ))\varepsilon(=\varepsilon(\delta))ε(=ε(δ))값을 생각하면 안 된다는 말이다.[9] 출처[10] 무한대도 셀 수 있는 무한이 있고 셀 수 없는 무한이 있다. 그중 양수는 셀 수 없는 무한에 해당한다.[11] 이변수함수의 엡실론-델타 논법 같은 경우 자주 나오는 패턴.[12] 작은 구간의 원소는 당연히 그 구간을 포함하는 더 큰 구간의 원소도 되기 때문.[13] 이때 δ\deltaδ의 개수는 반드시 유한하여야 한다. 양수 무한 개의 하한은 0일 수 있기 때문이다.[14] 1 대신 1보다 작은 양수도 가능[15] δ\deltaδ를 구하는 것[16] 채점자는 δ\deltaδ를 어떻게 구했는지는 관심이 없다. 구한 δ\deltaδ가 엡실론-델타 논법을 만족시키는지만이 관심 사항이다.[17] 이는 '대체 왜 대학생들에게 기초수학(미적분, 행렬) 따위를 가르쳐야 하느냐'는 한탄이 함께 이어지는 주요한 레파토리 중 하나이다. 다만 그 어디에도 엡실론-델타 논법을 고교과정에서 다루는 나라는 없다는 게 함정.[18] 특히 문과 전공 대학생들이 여러가지 이유로 인해 이과 전공 대상의 대학수학을 들을때 가장 먼저 포강이 마려워지는 1차 위기 시점이다. 특히 수학과 전공 수업의 경우엔 자세한 설명도 없이 스킵하고 넘어가는 경우가 태반이기 때문에 포강 기간 이후 빈자리가 늘어나는걸 흔히 볼 수 있며, 이걸 교수님도 잘 알고 있기 때문에 혹시나 타과생이 수강신청 했을 경우 안쓰러운 눈빛으로 쳐다보는 모습을 간간히 볼 수 있다. 그나마 친절한 교수님들은 수강변경 기간동안 다른 과 수업으로 바꿀것을 추천하는 경우도 있지만, 언제나 호기로운 학생들은 있기 마련이다.