渐近级数（asymptotic series）

渐近级数是一串修正项，它在某个特定点或极限附近越来越精确地描述一个函数——但只在一个甜蜜点之前不断改善，过了那个点再加项反而越来越糟。它放弃了收敛幂级数那种令人安心的设想，换来一个不同却极其实用的承诺：在恰当的地方停下，截断后的和会与真值惊人地接近。

精确的（庞加莱）含义是：当 x 趋于无穷时，级数 a_0 + a_1/x + a_2/x^2 + ... 是 f(x) 的渐近展开，如果对每个固定的项数 N，取前 N 项之后的误差都是所保留的最后一项的小o——也就是余项缩小得比 1/x^N 还快。关键词是「每个固定的 N」：我们固定项数，让 x 增大，绝不反过来。这与收敛级数的运作恰好相反，那里是固定 x，让项数增大。正因为这两个极限次序被对调，渐近级数作为无穷对象可能剧烈发散，截断后却极其精确。

这些展开是数学物理与应用数学的通用货币：误差函数、贝塞尔函数、指数积分以及无数特殊函数在大 x 处的行为，往往只能以渐近级数的形式知道。实践中人们采用经验法则「在最小项之前截断」，这给出该展开所能提供的最佳精度。要破除的诚实误解是：渐近级数不必收敛，收敛也不是目标——在变量可及的取值范围内得到可控、有界的误差才是。