二元函数极限求解疑问：Polars判定不存在，Wolfram Alpha得结果1

嘿，我来帮你捋清楚这个问题～首先得明确：这个二元函数的极限确实是不存在的，你的Polars计算结果是对的，Wolfram Alpha给出1大概率是输入疏漏或者它的默认路径设置导致的偏差。

为什么极限不存在？ #

二元函数存在极限的核心前提是：无论(x,y)以任意路径趋近于(0,0)，函数值都要收敛到同一个常数。咱们拿几个典型路径验证一下：

• 沿路径 $y = x$ 趋近：把y=x代入表达式，得到 $\frac{(x-x)^2}{x2+x^2} = 0$，极限为0；
• 沿路径 $y = 0$ 趋近：代入后得到 $\frac{(x-0)^2}{x2+0} = 1$，极限为1；
• 沿任意直线路径 $y = kx$（k为常数）趋近：代入后化简为 $\frac{(1-k)^2}{1+k2}$，不同k值对应不同结果（比如k=2时结果是1/5）。

既然不同路径下的极限值不一样，那这个二重极限肯定是不存在的，Polars的判断完全正确。

为什么Wolfram Alpha会给出1？ #

大概率是这两种情况：

• 你输入表达式时可能没明确是二重极限，Wolfram Alpha默认优先测试了某条单一路径（比如y=0），返回的是该路径下的极限，而非真正的二元极限；
• 或者Wolfram Alpha在处理某些二元极限时，默认采用了特定的趋近逻辑，导致只返回了其中一种可能的结果。

用Polars严谨验证的小示例 #

如果你想更直观地用Polars验证，可以遍历不同趋近路径，比如：

import polars as pl
import numpy as np

# 测试沿y=x路径趋近
x = np.linspace(0.1, 0.0001, 100)
y = x
df = pl.DataFrame({"x": x, "y": y})
df = df.with_columns(
    pl.col("x").sub(pl.col("y")).pow(2).div(pl.col("x").pow(2).add(pl.col("y").pow(2))).alias("result")
)
print("沿y=x路径的结果（趋近于0）：")
print(df["result"].tail())

# 测试沿y=0路径趋近
y = np.zeros_like(x)
df = pl.DataFrame({"x": x, "y": y})
df = df.with_columns(
    pl.col("x").sub(pl.col("y")).pow(2).div(pl.col("x").pow(2).add(pl.col("y").pow(2))).alias("result")
)
print("\n沿y=0路径的结果（趋近于1）：")
print(df["result"].tail())

运行这段代码后，你能直接看到不同路径下的结果差异，也就更能确认极限不存在的结论了。

内容的提问来源于stack exchange，提问作者Irene