上节课我们认识了极限，今天我们来深入它的两个“极端”形态——无穷小与无穷大。

它们是微积分中极其重要的概念，也是后续学习导数、积分的基础。

01 无穷小：极限为0的“幽灵变量”👻

核心知识点

1. 定义与前提
   若 （或 ）时，函数 ，则称  为该变化过程中的无穷小。必须指明自变量的变化过程！
2. 唯一常数
    是可以作为无穷小的唯一常数。很小很小的量（如 ）只要不是 ，就不是无穷小；越变越小的量（如  时的 ）也不是无穷小。
3. 极限与无穷小的关系
   ，其中  是无穷小量。这是寻找极限运算法则的核心思路。
4. 运算法则
   有限个无穷小的和仍为无穷小；有界函数与无穷小的乘积为无穷小。
5. 易错陷阱
   无限个无穷小之和不一定是无穷小（例如 ）；无界函数与无穷小之积不一定为无穷小。

💡 实用建议与例子：在计算  时，由于 （有界），而 （无穷小），根据定理可直接得出极限为 。

🤖 工程/AI实践结合：在机器学习（如梯度下降）中，当模型接近最优解时，梯度会趋近于0，即成为一个无穷小量。此时参数更新步长极小，模型逐渐收敛。但若遇到“无限个”小梯度累积，可能会因为数值精度问题导致梯度消失。

02 无穷大：无限膨胀的“变量怪兽”🐉

核心知识点

1. 定义
   任意 ，若存在 （或 ），使得当 （或 ）时，恒有 ，则称  为无穷大。它是变量，不是很大的数。
2. 无界 vs 无穷大
   函数为无穷大，必定无界；但无界不一定为无穷大！ 例如  当  时无界，但存在子列 ，所以它不是无穷大。
3. 运算法则
    不一定是 （如  时，）；有界函数与无穷大量之积不一定是无穷大。

💡 实用建议与例子：区分“无穷大”和“无界”是考试必考的选择题。记住：无穷大要求“所有”都满足大于 ，而无界只要“存在”一个满足即可。 遇到  这种震荡型函数，一定要通过找子列来否定它是无穷大。

🤖 工程/AI实践结合：在深度学习模型训练中，如果学习率设置过大，或者网络层数过深导致梯度连乘，极易引发梯度爆炸。此时参数更新量趋于无穷大，模型损失函数呈现发散状态。工程上通常通过梯度裁剪来限制参数更新的幅度。

03 无穷小与无穷大的关系与渐近线 📈

核心知识点

1. 倒数的转化（定理3）
   在自变量的同一变化过程中，若  为无穷大，则  为无穷小；若  为无穷小且 ，则  为无穷大。
2. 垂直渐近线
   若 （或左右极限为无穷），则  是垂直渐近线。
3. 水平渐近线
   ：若 ，则  是水平渐近线。
4. 求法小结
   找垂直渐近线看无定义点，找水平渐近线看无穷远处的极限。

💡 实用建议与例子：求  的渐近线：① 找定义域断点： 时，，所以  是垂直渐近线；② 找无穷远极限： 时，，所以  是水平渐近线。

🤖 工程/AI实践结合：在算法复杂度与模型性能分析中，水平渐近线代表模型在数据量无限增加时所能达到的极限精度。而垂直渐近线往往对应着算法中的奇点或崩溃边界，提示我们在工程调参时要避开这个“悬崖”。

📝 课后练习与预习指引

📚 课后练习

1. 判断对错：无穷小是一个很小很小的数。（ ）
2. 判断对错：无界变量一定是无穷大。（ ）
3. 求曲线  的垂直渐近线和水平渐近线。
4. 思考：当  时，变量  是无穷大吗？是无界变量吗？（提示：参考课件 P20 的经典反例）

🔮 预习指引

下节课我们将进入极限的运算法则，大家请提前思考：

• 在不知道函数具体表达式的情况下，如何利用无穷小与无穷大的性质来快速求解极限？
• 复习一下常见的等价无穷小替换公式，下节课会大量使用哦！

💬 写在最后：无穷小与无穷大是极限理论的基石，多画图、多举反例，慢慢就通了。有问题随时在评论区留言，我们一起搞定高数！💪

📌 收藏这篇，复习不迷路！