微积分笔记之三：你早就在用微积分

你怀疑"这段感情在变冷"吗？你恼火"越来越胖"吗？你害怕"房价自由落体"吗？

你已在做微积分了。只是不知道这种思维方式叫微积分。

极限：你知道方向，但永远到不了

你喜欢一个人。刚认识时一周见一次，后来三天一次、两天一次、每天都见，见完还发消息聊到凌晨。你心里清楚：这段关系在向"在一起"收敛。

但你不敢确认。反复问自己：他到底爱不爱我？

极限说：这个问题没有精确答案，但你不需要精确答案。你需要看趋势。中间会有波动——他有时回消息慢了，你有时心情不好冷落了他——但总体上越来越近，收敛方向已经给出答案。

反过来也成立。回消息越来越慢，见面越来越敷衍，约饭开始找借口。你不需要等到"我们分手吧"落地——趋势早就收敛到那个方向了。你心里知道，只是不愿承认。

极限的精髓不是"到达"，是"趋向"。别执着于"他到底爱不爱我""这份工作到底值不值"这类绝对判断。去看收敛方向。方向就是答案。等到答案确认的那天，通常已经太晚了。

夹逼定理：两边收紧，把答案挤出来

你在二手平台买手机。卖家报"九成新iPhone 15，4500"。你不知道这价格合不合理，但你知道两件事：全新官方价6000（上界），回收平台报价3200（下界）。合理价格在3200到6000之间。卖家报4500，在区间里，可以谈；报6500，超出上界，不用谈。

这是夹逼思维的起点。但真正的夹逼定理比这狠：它要求上界和下界不是静止的，而是在动态收缩，最终逼向同一个点。

看孩子成绩。最差没低过70，最好没超过90——这只是宽泛的区间。但如果下界在往上走（70、72、75），上界在往下走（90、88、86），两条线在向同一个数字靠拢——比如都在向80逼近——这才是夹逼。区间收窄，真实水平被挤压到一个越来越精确的位置。

夹逼定理的力量不在于"框一个范围"，在于"两边同时收紧，把答案挤出来"。

洛必达法则：当比值失去意义

严格地说，洛必达法则只在一种特殊情况下适用：分子和分母同时趋向零，或同时趋向无穷大，比值变成"零除以零"或"无穷大除以无穷大"，无法判断。这时候比较原来的量已经没意义，必须转而比较它们各自的变化速度。

生活中很少遇到这么极端的情况，但背后的思路值得借用：当两个变量都在剧烈变动、直接比较说不清楚的时候，看各自变化的速度，比看绝对值更有判断力。

比如你考虑换工作。工资涨了，加班也多了。"值不值"算不清。看速度：工资每年涨5%，加班时间每年多20%。速度一比就清楚——你的时间在加速消失，收入增长在减速。

这不是严格的洛必达（你的收入和时间都不趋向零），但这是同一种思维：存量比不清的时候，增量替你做判断。

导数：此刻正在发生什么

你开车从北京到上海，全程1200公里。到了上海你说"我开了1200公里"，这是总量。交警不关心总量，他关心你过测速点那一刻开多快。"此刻的速度"，不是"总共走了多远"。

导数就是"此刻的速度"。

你1月1日75公斤，12月31日还是75公斤。年度总结：体重没变。但3月份胖到82公斤，8月份瘦到68公斤，中间经历了暴饮暴食和疯狂节食。年初年底数字一样，中间的故事完全不同。

导数不看起点和终点，看每一个瞬间的变化率。总量容易掩盖问题，速度更难伪装。

二阶导数：变化本身在加速还是减速

一阶导数是速度，二阶导数是加速度。

你踩油门，车从0加速到60码。油门越踩越深，加速越来越猛——二阶导数为正。油门不变甚至松了一点，车还在加速但加速度越来越慢——二阶导数为负。还在快，但快的劲头在衰退。

炒菜加盐。第一勺，从寡淡到有味道，变化巨大。第二勺，从有味道到刚好。第三勺，从刚好到偏咸——加的量一样，但"改善"在递减。二阶导数转负了。第四勺就毁了。

二阶导数回答的问题是：趋势还能持续多久？

回到感情。刚在一起时，每天都有新鲜感，快乐在加速增长（二阶导数为正）。半年后还是开心，但新鲜感消退，开心的增速在放缓（二阶导数转负）。快乐还在（一阶导数为正），只是增长变慢了。这不是"函数值下降"，是"增长率下降"——不是不爱了，是进入了另一个阶段。要突破，得换方法，不是加时间。

链式法则：蝴蝶效应的数学版

你迟到了。原因不是一个，是一串：闹钟没响→起晚→没吃早餐→血糖低→开车走错路→迟到。每一环都不算大事，串起来就是大事。

链式法则处理的就是这种情况：A影响B，B影响C，C影响D。想知道A的微小变化最终对D影响多大，把每一环的放大倍数乘起来。

炒菜时你用过链式法则。火大了→油温升快→菜下锅后水分蒸发快→菜更脆。你调的是火（第一环），控制的是口感（最后一环），中间的传导链你心里有数。

积分：把碎片加回去

导数是把整体切碎，看每一片。积分反过来：把碎片加回去，还原整体。

你切西瓜。一刀切两半，能估算每半的重量。四刀切八块，估得更准。理论上切成无穷多薄片，每片重量加起来，精确等于整个西瓜。

这就是黎曼和。把一个复杂形状切成无数窄条，每条近似一个矩形，矩形面积好算，加起来就是总面积。条越窄越准，窄到极限，近似收敛为精确。

你的银行存款就是积分：每月存一点，36个月后加起来就是总存款。你的肌肉也是积分：每天举一会儿铁，365天累积出好身材。你的友情还是积分：每次帮个小忙、每顿饭、每通电话，十年后加起来就是"老朋友"。

大的东西由小的东西累积。你不需要一次做成大事，只需要把每一个小的做对。时间会替你积分。

微积分基本定理：切碎和拼回是同一条路

微积分最漂亮的结论：求导和积分互为逆运算。像加法和减法，乘法和除法。

你每天记账：周一花50，周二花30，周三花80。加起来（积分），得到一周总支出。反过来，看总支出曲线的斜率（求导），能还原每天花了多少。

从碎片到整体，从整体回到碎片，路是通的。

无限累加，结果有限

你朝北墙走。第一步走一半距离，第二步走剩下的一半，第三步再走一半……你永远到不了墙，但走过的总距离不会超过你到墙的原始距离。无限多步，有限总和。

严格地说，这是无穷级数的收敛——把无限多个数加起来，总和有限。微积分里还有一个连续版本叫反常积分：一条曲线向无穷远延伸，曲线下方的面积加起来，也可能有限。两个概念不同，但共享同一个核心直觉：无限次累加，未必通向无穷大。

反过来，有些东西不收敛。你借了高利贷，利滚利，时间越长欠越多，没有上限。这是发散。

区分收敛和发散，就是区分"可以一直干下去"和"再干下去就完了"。你的工作强度是哪种？你的消费习惯是哪种？

泰勒级数：先猜一个，再慢慢修

你认识一个新朋友。第一印象：长得面善。这是零阶近似——用一个瞬间的快照代替整个人。

聊了十分钟：说话有条理。一阶修正加上了。

吃了顿饭：对服务员态度好。二阶修正。

合作了一个项目：deadline前不甩锅。三阶修正。

你对一个人的认知就是泰勒展开：从一个已知的点出发，先用最粗的猜测，然后不断加入高阶修正项。每加一项，更准一点。

天气预报也是这个逻辑。最粗：今天晴，明天大概也晴（零阶）。精一点：今天比昨天冷了3度，明天可能更冷（一阶）。再精一点：降温在加速还是放慢（二阶）。

收敛半径：经验有适用范围

泰勒级数有个关键限制：收敛半径。半径以内，高阶修正让你越来越准；超出半径，加再多项也没用，甚至越加越错。

你在北京积累了十年生活经验：哪里堵车、哪个医院靠谱、怎么和房东谈价。搬到天津还大致管用（半径以内），搬到东京就全不灵了（超出半径）。不是经验不好，是经验有适用边界。

承认收敛半径，不是承认失败，是承认：换了环境，得重新从零阶开始。

微积分会失灵的地方

微积分假设世界连续、光滑。大多数时候确实如此。但有些时刻不是。

2020年1月，你的生活还在连续运行：上班、吃饭、周末见朋友。2月，疫情来了。生活曲线出现了一个尖角——左边和右边的斜率完全不同。在那个尖角上，导数不存在。

大多数日子是连续的。微积分在99%的时间里好用。剩下那1%的突变，你需要的不是更精确的计算，是冗余——手里有存款，身边有朋友。

你判断感情趋势——极限。 你两边收紧挤出答案——夹逼定理。 你看变化速度做决定——导数。 你感知加速度判断拐点——二阶导数。 你每天攒钱买房——积分。 你从第一印象逐步修正认知——泰勒级数。

微积分不是你要学的新东西。它是你日常思维方式的名字。

把直觉翻译成精确语言，好处是：当直觉模糊的时候，公式替你算清楚。当你说"感觉不太对"的时候，导数告诉你具体哪里不对、不对多少、还会不对多久。