极限与级数 · 无穷的符号化

极限与级数 · 无穷的符号化

积分讲完，再看微积分符号版的另外两件利器——极限和级数。它们都和「无穷逼近」有关，是分析学的基石，而符号计算把它们也变成了能精确执行的操作。

极限：精确处理「趋近」

limit 求极限，连那些手算容易出错的 $\frac00$、$\frac\infty\infty$、$1^\infty$ 型都能精确拿下：

from sympy import *
x = symbols('x')

print(limit(sin(x)/x, x, 0))        # 1     —— 经典的 0/0 型
print(limit((1 + 1/x)**x, x, oo))   # E     —— 1^∞ 型,极限是自然常数 e
print(limit(1/x, x, 0, '+'))        # oo    —— 单侧极限(从右趋近)

$\frac{\sin x}{x}$ 在 $x\to0$ 时是 $\frac00$，极限却精确是 $1$；$(1+\frac1x)^x$ 在 $x\to\infty$ 时精确趋于 $e$。注意第三个的 '+'——它求单侧（从右）极限，得到 $+\infty$；符号系统能精确区分左极限、右极限、双侧极限，以及 $\pm\infty$ 这些「值」。

级数：把函数摊成幂级数

series 把函数在某点展成 Taylor（泰勒）级数——用多项式一项项逼近：

print(series(exp(x), x, 0, 5))      # 1 + x + x**2/2 + x**3/6 + x**4/24 + O(x**5)
print(sin(x).series(x, 0, 8))       # x - x**3/6 + x**5/120 - x**7/5040 + O(x**8)

$e^x$ 在 $0$ 附近约等于 $1+x+\frac{x^2}{2}+\frac{x^3}{6}+\cdots$，$\sin x\approx x-\frac{x^3}{6}+\frac{x^5}{120}-\cdots$。末尾那个 $O(x^5)$ 是大 O 记号，诚实地标注「剩下的都是 $x^5$ 及更高阶的项，这里略去」——它精确记录了截断到几阶。

级数展开用处极广：

• 近似计算：$x$ 很小时，用前几项就能高精度近似函数（计算器算 $\sin$、$\exp$ 就靠它）。
• 渐近分析：看函数在某点附近的主导行为（最低阶项说了算）。
• 推导极限：很多极限，把分子分母各展成级数、比最低阶项，一眼就出来。
• 数值方法的理论：孪生专栏里数值微分 / 积分的误差阶（$O(h^2)$、$O(h^4)$），正是从 Taylor 级数推出来的。

小结与下一章

极限 limit 精确处理趋近（含 $\frac00$、$1^\infty$、单侧、$\pm\infty$），靠的是 Gruntz 渐近算法而非数值代入——只有符号推理配得上「无穷」。级数 series 把函数摊成 Taylor 幂级数，O(xⁿ) 精确标注截断阶，用于近似、渐近分析、推极限，以及支撑数值方法的误差阶理论。符号与数值在这里互补：符号给公式与阶，数值给具体值。

微积分符号版还剩最后一块，也是应用最广的一块——微分方程。已知一个函数和它导数的关系，反求这个函数，能不能像解代数方程一样精确解出？下一章见分晓。👉 符号解微分方程。

参考文献

• [1] Dominik Gruntz.「On Computing Limits in a Symbolic Manipulation System.」(博士论文)1996. —— Gruntz 极限算法。
• [2] SymPy 文档.「Calculus: Limits, Series.」https://docs.sympy.org/latest/tutorials/intro-tutorial/calculus.html
• [3] Graham, Knuth & Patashnik.《Concrete Mathematics》, ch. 9 —— 渐近与级数。