同样趋于 0，速度却天差地别——这就是「阶」

x、x²、sinx 在 x→0 时都趋于 0，都是无穷小，但它们趋于 0 的速度完全不同：x=0.01 时 x²=0.0001，小了一百倍。阶就是用来定量描述这种快慢差异的语言。它一头连着微积分（泰勒展开、极限速算），一头连着计算机科学（算法复杂度 O(n)、O(log n)、收敛速率），是少数你会在数学课和工程代码里反复同时见到的概念，值得彻底打通。

3.1 无穷小、无穷大及其倒数关系

若 lim x→a α(x)=0，称 α 为 x→a 时的无穷小；若 |β(x)|→∞，称 β 为无穷大。注意：无穷小不是很小的数，无穷大也不是很大的数，它们描述的是变量的变化趋势，常数里只有 0 是无穷小。两者不取零值时有倒数关系：β→∞ ⟺ 1/β→0。有限个无穷小的和、积仍是无穷小；无穷小乘有界量仍是无穷小，这条常用来处理 x·sin(1/x)：sin(1/x) 有界、x→0，故整体→0。

为什么不说「α 很小」要引入阶？因为「小」是相对的，还随过程变，单独一个无穷小没法判断它算不算快；只有把两个无穷小放一起求比值，才能客观比出谁先消失。阶本质是相对速度的比较关系，脱离比较对象谈「高阶/低阶」没用。下面所有定义都以比值 lim α/β 的形式给——比值才是客观、能判定的量。

比较两个无穷小 α、β（β≠0）：若 lim α/β=0，α 是 β 的高阶无穷小，记 α=o(β)（α 趋于 0 更快）；若 lim α/β=c≠0，是同阶；若 c=1，是等价，记 α~β；若比值趋于∞，α 是低阶（更慢）。

由阶的比较还能得到几条运算直觉。其一，高阶被低阶吸收（主部吸收）：若 α=o(β)，则 α+β~β——趋于 0 时更快消失的项被更慢的主项吸收，正如 n→∞ 时 n²+n~n²。其二，等价关系满足自反、对称与传递（α~β、β~γ ⟹ α~γ），因此可以链式替换。其三，等价无穷小的乘积、商仍等价，但和差必须逐项核对阶数，不能想当然。这套规则统称主部思想：抓住占主导的那一项、其余写成高阶小量 o(·)，正是后面泰勒展开逐级逼近的操作核心。

3.2 六组常用等价无穷小：逐一推导，不死记

用数值亲手感受阶的差距：取 x=0.001，此时 x=10⁻³、x²=10⁻⁶、1−cosx≈x²/2=5×10⁻⁷，而 sinx≈0.0009999998 与 x 几乎相等。x² 与 1−cosx 比 x 小了约一千倍，这就是「高阶」的直观含义——每多出一阶，在小量处就多一个数量级的压制，泰勒展开正是靠这样逐阶叠加来不断逼近原函数。

就拿这个乘除综合极限题走完整流程：求 lim x→0 (e^2x−1)·sin3x / [x·ln(1−x)]。先确认整体是乘除结构，能逐因子替换。再把趋于0的部分代标准式：e^2x−1~2x（令u=2x，e^u−1~u），sin3x~3x，ln(1−x)~−x（令u=−x）。代入相消：(2x)(3x)/(x·(−x))=6x²/(−x²)=−6。全程不碰加减，合法且一步到位。别这么写：如果题目改成两个互为等价的项相减，必须退回因式分解或泰勒多展一阶，绝不能直接替换。

3.3 等价无穷小替换：强大，但有一条致命边界

求极限时，乘除因子可以整体换成它的等价无穷小。比如lim x→0 tanx·ln(1+2x)/(1−cosx)，把tanx~x、ln(1+2x)~2x、1−cosx~x²/2代入，算出来是x·2x/(x²/2)=4。这招在乘除结构里用，又快又准。

手算正确版本：tanx−sinx=sinx(1/cosx−1)=sinx·(1−cosx)/cosx，于是 (tanx−sinx)/x³=[sinx/x]·[(1−cosx)/x²]·(1/cosx)→1·(1/2)·1=1/2。你看，不在减法里替换，而是先因式分解成乘除结构，等价工具就重新合法了。

3.4 渐近记号 O、o、Θ：一套语言，两种语境

大 O：f=O(g) 表示 |f/g| 在该极限过程中有界，被某个常数倍的 g 控制住；小 o：f=o(g) 表示 f/g→0，严格更快/更小；Θ：f=Θ(g) 表示 f/g 被两个正常数夹在中间，同数量级；Ω 表示下界 f≥cg。同一套记号在两个方向用：x→0 时 x²=O(x)，x² 比 x 更小更快；n→∞ 时 n²=O(n³)，n² 增长比 n³ 慢。方向相反但本质一样，都是比较量级。

渐近记号有几条像代数一样的运算律，估复杂度时可直接用：O(f)+O(g)=O(max(f,g))，只留较大项，所以O(n²)+O(n)=O(n²)；O(f)·O(g)=O(fg)；常数可提出，O(cf)=O(f)。小o满足o(f)+o(f)=o(f)、f·o(g)=o(fg)。分析嵌套循环时反复用乘法律，外层n次、内层n次，就是O(n²)；分析顺序结构时用加法律，只留主导项，这和微积分里「主部吸收高阶」是一回事。

大O只描述长期趋势，刻意忽略常数系数和低阶项：1000n和n都是O(n)，但n很小的时候，常数系数反而决定快慢。工程上不能只看O就断言一定更快，还要结合实际数据规模、内存访问模式和常数开销。渐近阶回答的是规模无限增大时谁最终胜出，不直接回答当前数据量上谁快，二者在小规模问题上甚至可能给出相反结论。

3.5 增长速度阶梯：工程上的「规模感」

x→∞ 时函数增长有严格的快慢阶梯：log n 远慢于任何正幂 n^a（a>0），任何正幂又远慢于任何大于 1 的指数 bⁿ（b>1），再往后是阶乘 n!、幂指 nⁿ，即 log n ≪ n^a ≪ bⁿ ≪ n! ≪ nⁿ。n=1000 时 n²=10⁶ 尚可、2ⁿ 是天文数字，这就是为什么指数复杂度算法在输入稍大时必然不可行，也是理解大模型计算量、样本复杂度随参数规模膨胀的基础直觉。

把主部思想用到 n→∞：任意多项式只看最高次项，3n³+5n²−100n+7~3n³（n→∞），因为其余项相对最高次都是 o(n³)；这与 x→0 时「最低次主导」恰好相反，方向不同但逻辑一致——谁占主导取决于变量是趋于 0 还是趋于 ∞。给一组 n=10⁶ 的数量级直觉：log₂n≈20、n=10⁶、n²=10¹²、2ⁿ≈10 的 30 万次方，指数项大到没有任何现实设备能承受，这就是为什么 O(n²) 在百万级尚可一搏、O(2ⁿ) 却彻底无解。

最后埋个伏笔：比较阶最通用的武器是洛必达法则（连续情形，导数应用章节讲）和它的离散版本 Stolz 定理（数列情形）——当两个无穷小或无穷大之比是 0/0、∞/∞ 时，可以对分子分母分别求导（或求相邻项之差）后再比，把「比趋于极限的速度」转化为「比导数/比增量」。你现在只需知道这座桥的存在，它把待定型、渐近阶与下一章的导数连成一体。

判断两个量谁高阶，实操就两招。连续情形求lim f/g：得0则分子更高阶（趋于0更快）、得∞则分子更低阶、得非零常数则同阶。离散数列比值难求就取对数，把乘幂拉成乘法再比，比如比2ⁿ和n¹⁰：取对数后是n·ln2对比10ln n，前者线性、后者对数，n一大前者必然反超，所以2ⁿ最终远大于任何固定次幂n¹⁰。就记这句：对数打不过幂、幂打不过指数，阶乘与幂指又比普通指数更猛。

求 lim x→0 (sinx−x)/x³：用 sinx~x 在减法里替换会得 0，这是非法的加减替换；改用泰勒把 sinx 多展一阶，sinx=x−x³/6+o(x³)，于是 sinx−x=−x³/6+o(x³)，除以 x³ 得 −1/6，这才是正确答案。乘除结构用一阶等价足矣，一旦出现同阶相减、主项抵消，就必须把每项多展到抵消后剩下的那一阶。把它和 (tanx−sinx)/x³=1/2 放在一起记：凡是减法后结果反常地变成 0，先怀疑自己是不是展得不够，而不是极限真为 0。

本节小结

无穷小/无穷大描述趋于0或无穷的趋势，二者在不取零时互为倒数；用比值极限区分高阶o、同阶Θ、等价~。六组等价无穷小（sinx、tanx~x，1−cosx~x²/2，ln(1+x)、e^x−1~x，(1+x)^α−1~αx）都可由sinx/x→1与对数换元推出，本质是泰勒一阶近似。等价替换只在乘除中合法，加减中使用会抹掉高阶差（(tanx−sinx)/x³ 正确为1/2而非0）。O/o/Θ是统一的量级语言，在x→0与n→∞两语境同构，增长阶梯log≪幂≪指数≪阶乘≪幂指是复杂度与scaling的直觉底座。