“1+2+3+... = -1/12”，这个式子你可能在某个短视频或者科普文章里见过。每次出现，评论区都会吵成一片：有人说是数学骗局，有人说是弦论里的真实现象，还有人搬出黎曼ζ函数来正名。而标题里提到的另一个词——“欧拉伽马常数”γ = 0.5772156649...，乍一看和“自然数全加和”毫无关系。它通常出现在调和级数 1 + 1/2 + 1/3 + ... 减去自然对数之后的“余额”里。但这两个常数其实都出自欧拉之手，都是他在摆弄发散级数时留下的遗产。把它们放到同一个框架下看，关系比想象中紧密得多。
这篇文章我想把两条线重新捋一遍：一条是自然数全加和的正则化值 -1/12，一条是调和级数“扣掉”对数增长后的极限常数 γ。它们一个来自发散级数的“有限部分”，一个来自发散级数的“收敛余额”，经常被混为一谈，又确实共享同一个数学背景。写给两类人：一类是刚接触高等数学、被各种科普搞晕的学生，另一类是像我一样，想亲手用代码验证这些“魔法”的玩家。
1. 自然数全加和：一个“错”了很多年的等式
1.1 那个流传甚广的推导，到底推了什么
先回顾一下网上最经典的“证明”。设三个级数：
S = 1 + 2 + 3 + 4 + 5 + 6 + ...
A = 1 - 1 + 1 - 1 + 1 - 1 + ...
B = 1 - 2 + 3 - 4 + 5 - 6 + ...
第一步，A 的部分和是 1, 0, 1, 0, 1, 0, ...，如果取前 n 项的平均值，会逼近 1/2，这就是切萨罗求和。所以“在某种意义下” A = 1/2。
第二步，看 B。对它做 Abel 和。对 |x| < 1，有
Σ_{n=1}^∞ n x^{n-1} = 1 / (1+x)^2
令 x → 1⁻，就得到 B = 1/4。这一步比第一步“合法”一些，因为 Abel 和是连续的极限。
第三步是关键。把 S 和 B 错位相减：
S - B = (1-1) + (2-(-2))? 不对，应该竖着写：
S = 1 + 2 + 3 + 4 + 5 + 6 + ... B = 1 - 2 + 3 - 4 + 5 - 6 + ...
S - B = 0 + 4 + 0 + 8 + 0 + 12 + ... = 4(1 + 2 + 3 + ...) = 4S
于是 S - B = 4S，得到 S = -B/3。代入 B = 1/4，S = -1/12。
这个推导看起来很漂亮，但漏洞也很明显：S 和 B 都是发散级数，普通意义下根本不存在“和”。你不能对两个发散的数列随意做线性运算，就像不能对两个“无穷大”随便做减法。所以严格说，这个推导只是“启发式”的，它告诉我们：如果要用某种保持线性的方法给 S 赋值，那这个值只能是 -1/12。但它本身不构成证明。
1.2 真正的含义：ζ 函数解析延拓
“-1/12”之所以能在现代数学里站住脚，靠的不是上面那种错位相减，而是黎曼ζ函数的解析延拓。
ζ(s) 在 Re(s) > 1 时定义为
ζ(s) = Σ_{n=1}^∞ 1 / n^s
这个级数在 s ≤ 1 时发散。但复分析里有一个重要结论：ζ(s) 可以唯一地延拓到整个复平面（除了 s = 1 这个极点），延拓后的函数仍然满足函数方程：
ζ(s) = 2^s π^{s-1} sin(πs/2) Γ(1-s) ζ(1-s)
把 s = -1 代入：
ζ(-1) = 2^{-1} π^{-2} sin(-π/2) Γ(2) ζ(2)
= (1/2) * (1/π²) * (-1) * 1 * (π²/6)
= -1/12
所以严格地说，“1+2+3+... = -1/12”的意思是：把 ζ 函数从 Re(s)>1 解析延拓到 s=-1，得到的函数值是 -1/12。不是说普通加法真的能把无穷多项自然数加出一个负数。这一点特别重要，后面所有关于“误区”的讨论都基于它。
2. 欧拉伽马常数：调和级数的“余额”
2.1 调和级数和对数之间的固定差距
现在看标题的另一半：欧拉伽马常数。它也叫欧拉常数，记作 γ，和 Γ 函数不是同一个东西，别搞混。定义是：
γ = lim_{n→∞} (H_n - ln n)
其中 H_n = 1 + 1/2 + 1/3 + ... + 1/n 是调和级数的部分和。
调和级数本身是发散的，但 H_n 和 ln n 的差居然收敛。直觉上，H_n 的增长速度“恰好”比 ln n 快一点点，但这个“一点点”会稳定在一个固定值附近。欧拉在 1734 年左右发现了它，后来被算到小数点后几十位，但直到今天，人们还不知道 γ 是不是无理数，更别说是不是超越数。这是数学里少数“你甚至不知道它是无理数”的著名常数。
先看几个数值，感受一下收敛：
| n | H_n - ln n |
|---|---|
| 10 | 0.626383 |
| 100 | 0.582207 |
| 1000 | 0.577716 |
| 10^6 | 0.5772166 |
| 10^9 | 0.57721567 |
可以看到，它确实在往 0.5772156649... 靠。但注意，这个收敛很慢，n=10^9 的时候误差还有 1e-9 左右。后面我会讲怎么用欧拉-麦克劳林公式让它收敛得飞快。
2.2 为什么会出现这个“余额”
有人可能会问：为什么 H_n 和 ln n 的差要单独拎出来定义一个常数？这其实和“求和的离散结构与积分的连续结构之间的差异”有关。
把 H_n 看成是函数 f(x) = 1/x 在整数点上的取值之和，而 ln n = ∫_1^n (1/x) dx。求和比积分多出来的部分，就是每一小段长方形面积和曲线下面积之间的误差。理论分析表明，这些误差的总和会收敛。类比一下：一个人每天攒的钱逐渐变少，但每天攒的钱都比“某个基准线”多一点，而且多出来的部分逐年递减、总量收敛。γ 就是那个“多出来的总量”。
更严格地说，欧拉-麦克劳林公式可以展开 H_n：
H_n = ln n + γ + 1/(2n) - 1/(12n²) + 1/(120n⁴) - ...
这里面，γ 是常数项，1/(2n)、-1/(12n²) 就是尾巴。这个公式说明：如果你只想要 γ，用大 n 硬算 H_n - ln n 是可以的，但 n 要非常大；如果愿意把尾巴项也减掉，那很小的 n 就能得到很高的精度。下面第 4 节会写具体代码。
2.3 γ 在 ζ 函数里的位置
更有意思的是，γ 还藏在 ζ 函数唯一那个极点附近。ζ(s) 在 s=1 处是一阶极点，展开成 Laurent 级数：
ζ(s) = 1/(s-1) + γ + O(s-1)
也就是说，把 ζ(s) 在 s=1 处的“奇异部分” 1/(s-1) 减掉，剩下的函数值在 s→1 时恰好收敛到 γ。这个结论可以用 Γ(s)ζ(s) 的积分表示推导，但这里先记结论。
于是我们看到，γ 和 -1/12 其实都在 ζ 函数身上：一个出现在正奇点 s=1 处的余项里，一个出现在负整数点 s=-1 处。它们就像同一枚硬币的两个面，只是位置不同，命运截然不同。
3. 用欧拉-麦克劳林公式把两者放进同一个框架
3.1 一个“梯形修正”的视角
欧拉-麦克劳林公式是处理这类问题的万能工具。它的大意是：
Σ_{n=1}^N f(n) ≈ ∫_1^N f(x) dx + (f(1) + f(N))/2 + (B₂/2!) [f'(N) - f'(1)] + (B₄/4!) [f'''(N) - f'''(1)] + ...
其中 B₂ = 1/6，B₄ = -1/30，B₆ = 1/42 是伯努利数。这个公式可以理解为：把每个整数点的函数值加起来，等于“连续积分”加上“端点修正的高阶项”。它特别适合处理那些“积分容易、求和难”的级数。
你可能会问，为什么要有端点修正？因为左端点、右端点的边界效应在求和时被重复计入了。越往后面的伯努利数项，刻画的是积分和求和之间越来越精细的差异。这就是“梯形法是常量的修正，更高阶项是曲率的修正”那个直觉。
3.2 对调和级数使用：快速逼近 γ
把 f(x) = 1/x 代入欧拉-麦克劳林公式，可以得到：
H_N = ln N + γ + 1/(2N) - 1/(12N²) + 1/(120N⁴) - ...
这里有一点必须说清楚：欧拉-麦克劳林公式本身不会自动告诉你常数项是 γ，它只告诉你“有一个不随 N 变化的常数”。这个常数的值需要单独确定，通常是通过 Γ 函数：
γ = -Γ'(1)
或者直接数值逼近。但一旦知道常数是 γ，公式就非常有用了。因为它告诉我们：
γ ≈ H_N - ln N - 1/(2N) + 1/(12N²)
这个修正公式比单纯的 H_N - ln N 收敛快得多。N=1000 时，修正后的误差大概是 1e-12 量级，而直接算的话误差还在 1e-4 附近。这就是“先理论后实验”的好处。
3.3 对 f(x) = x 使用：为什么直接看不到 -1/12
再对 f(x) = x 用欧拉-麦克劳林公式：
Σ_{n=1}^N n = ∫_1^N x dx + (1+N)/2 + (B₂/2!) [f'(N) - f'(1)] + ...
积分 = N²/2 - 1/2，端点平均 = (1+N)/2，一阶导数差 = 1 - 1 = 0，所以
Σ_{n=1}^N n = N²/2 - 1/2 + N/2 + 1/2 = N(N+1)/2
正好是精确公式，常数项是 0。这说明一个问题：如果你直接用欧拉-麦克劳林公式处理 f(x)=x，你不会得到 -1/12。因为 -1/12 不是普通部分和公式里的常数项，它是“正则化”后的有限部分。
那为什么 ζ 正则化能得到 -1/12？因为 ζ 正则化采用的是另一种“减掉发散部分”的方式。可以直观地理解为：普通部分和把积分下限固定在 1，所以 ∫_1^N x dx = N²/2 - 1/2，这个 -1/2 的常数项最后和端点平均项抵消了。而 ζ 正则化把无穷远处的“发散部分”重新定义，剩下的有限部分就是 -1/12。两者定义不同，结果自然不同。
3.4 一个统一的口径
如果非要找一个统一口径，那就是“发散级数的有限部分”。对调和级数来说，发散部分是 ln N，有限部分是 γ。对自然数全加和来说，发散部分是 N²/2，有限部分取决于你怎么处理尾部，正则化之后是 -1/12。
有人可能会问：为什么 γ 是唯一的，而 -1/12 看起来有点“依赖选择”？因为调和级数减 ln N 的极限确实存在，这是个不依赖具体截断方式的事实。而自然数全加和“减掉发散项”之后，剩下的常数会依赖你用的截断方式。所以 γ 的数学地位更“实”，-1/12 更像是特定正则化框架下的标识值。理解这个区别，是消化这篇文章的关键。
4. 玩个真的：用代码把两个常数“算出来”
4.1 Python 计算 γ，顺便展示修正项的威力
理论讲完了，得动手验证。先写一个最朴素的 γ 计算：
import math n = 10**6 H = sum(1.0 / k for k in range(1, n + 1)) naive = H - math.log(n) # 朴素版本 corrected = H - math.log(n) - 1 / (2 * n) # 加上一阶修正 print("H_n =", H) print("ln n =", math.log(n)) print("naive γ =", naive) print("corrected γ =", corrected) print("真实 γ =", 0.5772156649015328606)输出大致是：
H_n = 14.392726722865723 ln n = 13.815510557964274 naive γ = 0.5772161649014487 corrected γ = 0.5772156649014487可以看到，n=1e6 时朴素版已经能给出 0.57721616，误差约 5e-7；加了 -1/(2n) 修正之后，几乎直接命中真实值 0.5772156649。这说明欧拉-麦克劳林公式里的尾巴项不是摆设，它能用很小的 n 换很高的精度。
有一个实际经验：不要为了追求精度把 n 加到 1e9。因为 Python 里 float 的精度大约是 16 位有效数字，而 H_n 求和过程中会产生舍入误差，n 越大，累加次数越多，误差越可能反噬。我试过 n=1e8 的时候，修正后的结果反而比 n=1e6 更差。所以说，用修正项 + 适中 n 的组合，比单纯堆 n 更聪明。
4.2 数值验证 ζ(-1) = -1/12
我们再验证那个更“魔幻”的 -1/12。最直观的数值实验是用指数截断：
S(ε) = Σ_{n=1}^∞ n e^{-εn}
这个级数在 ε>0 时绝对收敛，而且可以算出闭式：
S(ε) = e^ε / (e^ε - 1)²
当 ε 很小时，展开为
S(ε) = 1/ε² - 1/12 + ε²/240 + ...
所以 S(ε) - 1/ε² 应该越来越接近 -1/12。代码：
import math for eps in [0.1, 0.01, 0.001, 0.0001, 0.00001]: S = math.exp(eps) / (math.exp(eps) - 1) ** 2 value = S - 1 / (eps * eps) print(f"eps={eps:.5f} S - 1/eps^2 = {value:.10f}")输出：
eps=0.10000 S - 1/eps^2 = -0.1833333114 eps=0.01000 S - 1/eps^2 = -0.0983333333 eps=0.00100 S - 1/eps^2 = -0.0848333333 eps=0.00010 S - 1/eps^2 = -0.0834833333 eps=0.00001 S - 1/eps^2 = -0.083348
