极限：把世界推近，直到结构显露

本文目录 · 4 个章节

我喜欢把极限想成一只放大镜

学习微积分时，公式常常先于意义出现。求导规则、积分技巧、极限题型，像是一套等待记住的操作。我更喜欢另一种进入方式：把曲线不断推近，问一个点附近到底还剩下什么。

这也是我写下“极限放大镜”的起点。它不是把图像看得更大，而是把变化中的稳定关系找出来。不过，放大镜只是一种直觉，不是所有曲线放大后都会变直。数学最有意思的部分，恰恰在于知道这个比喻什么时候成立。

f(x) = x² f(a+h) = a² + 2ah + h² [f(a+h) − f(a)] / h = 2a + h (h ≠ 0)

当 h 趋于 0，差商趋于 2a。余项 h² 相对于 h 趋于 0，所以直线近似在这个尺度上成立。

这里重要的不是简单地把 h 设为零。我们先在 h 不为零时比较变化量，再看这个比值如何趋近。导数为局部线性近似提供了系数，极限则说明为什么那些被忽略的部分，在所选尺度下越来越不重要。^[1]

在 a=1 时，差商是 2+h，与目标值 2 的差恰好是 |h|。如果希望误差小于 0.01，只需要求 0<|h|<0.01；若希望小于任意给定的 ε，也能相应约束 h。这不是计算到某一步突然抵达零，而是无论把容许误差压得多小，都能说明怎样靠近。

换成 f(x)=|x|，在零点右侧的差商为 1，左侧为 −1。图形再清晰，两个方向也不会自动达成一致。这个反例提醒我：直觉能提出问题，定义决定它是否真的有答案。

积分把问题倒过来：如果知道许多很小部分的贡献，能否稳定地拼回整体？在适当可积条件下，分割与求和可以逼近一个确定值。它不只用于面积，也可以表达累计量；具体单位与意义取决于我们积累的对象。

f(x)=x, 0 ≤ x ≤ 1 Rₙ = Σ(k/n)·(1/n) = (n+1)/(2n) → 1/2

把 [0,1] 等分成 n 段，取每段右端点的高度。矩形总面积与 1/2 的差为 1/(2n)，因而可以显式控制误差。

同一例子的左端点和是 (n−1)/(2n)。左右两种取法夹住的差距是 1/n，随分割变细一起趋于零。这让我看到，“无限多个小部分相加”不是一句咒语：取样方式不同，有限时的答案不同，但可以证明它们趋向同一个值。更一般的函数仍需检查可积条件。

这改变了我理解公式的方式。一个表达式不是装饰，而是一份承诺：前提是什么、忽略了什么、误差怎样随着尺度变化。如果局部信息本来就不可靠，分割得更细未必让现实模型更准确。

在软件和建模里，我会借用这种习惯：先缩小到一个可以解释的局部，再追问扩大范围后哪些关系仍然保留。这个类比不是说现实组织满足微积分定理，而是提醒我，把复杂问题拆小之后还要检查拼回去的条件。

极限最打动我的地方，是它不满足于“看起来差不多”。它要求说明差距怎样变小，又允许用一个反例拒绝漂亮的直觉。看见结构，往往从愿意把这一点说清楚开始。