非整数

非整数 (Non-integer Numbers)

非整数是指不能表示为整数的实数，涵盖了分数（有理非整数）和无理数两大类别。更严格地说，实数 $\mathbb{R}$ 可以划分为整数集 $\mathbb{Z}$ 与其补集 $\mathbb{R} \setminus \mathbb{Z}$，后者即为非整数的完整范畴。在经济学中，非整数并非边缘性的数学细节，而是支撑边际分析、弹性计算、连续选择变量和一般均衡理论的基础构造——倘若经济变量仅限于整数取值，微积分这一核心分析工具将无从建立。

分类与数学结构

非整数首先按照有理性一分为二：

有理非整数是指可以表示为两个整数之比 $a/b$（其中 $b \neq 0$，且 $b$ 不整除 $a$）的实数，即有理数集 $\mathbb{Q}$ 中除去整数的部分。典型的例子包括 $1/2$、$-3/4$、$22/7$，以及所有有限小数（如 $0.75 = 3/4$）和无限循环小数（如 $0.\overline{3} = 1/3$）。有理非整数在四则运算下不封闭：两个非整数之和可能恰为整数（如 $1/2 + 1/2 = 1$），这使得"非整数性"不能简单通过代数封闭性来刻画。

无理数则不能表示为任何整数之比。其发现可追溯至古希腊毕达哥拉斯学派：传说中希帕索斯（Hippasus）证明了正方形对角线长 $\sqrt{2}$ 与边长不可公度——即 $\sqrt{2}$ 无法写作两个整数之比——动摇了"万物皆数"（指正整数之比）的教条，据传因此被投入海中。这一发现开启了人类对实数连续统的漫长探索。无理数进一步分为代数无理数（如 $\sqrt{2}$、黄金比例 $\varphi = (1+\sqrt{5})/2$）和超越无理数（如圆周率 $\pi$、自然常数 $e$），后者不满足任何整系数代数方程。

从实分析的角度看，非整数在实数轴 $\mathbb{R}$ 上构成一个稠密开集：任意两个不同的实数之间总存在非整数（实际上有无穷多个），且非整数集在 $\mathbb{R}$ 上的勒贝格测度等于整个实数轴的测度——换言之，"几乎所有"实数都是非整数。实数的完备性——即任何有上界的非空子集都有最小上界（确界）——这一关键性质的严格表述，由戴德金（Dedekind）在1872年通过"戴德金分割"给出，并由康托尔（Cantor）通过柯西序列等价类完成，其核心动机正是为了填补有理数域中那些"缺失的"无理数位置。

经济学中的应用

非整数在经济分析中无处不在，且其必要性根植于若干核心方法论需求：

边际分析与微积分。现代经济学的标志性工具——边际分析——预设了经济变量可以在连续统上变动。当经济学家讨论"边际效用""边际成本"或"边际替代率"时，隐含假设了所讨论的商品数量、货币金额或效用水平可以取非整数值。导数 $df/dx$ 的定义要求函数在 $x$ 的某个邻域内对任意小的增量有定义：若 $x$ 仅取整数，极限 $\lim_{h \to 0} [f(x+h)-f(x)]/h$ 根本不存在。牛顿和莱布尼茨的微积分之所以能成为经济学的数学语言，正是因为价格、产量、效用等关键变量被合理地视为连续变量——而连续性必然暗含非整数的存在。

商品可分性与竞争均衡。一般均衡理论的标准阿罗-德布鲁模型（Arrow-Debreu Model）将商品空间建模为 $\mathbb{R}^n_+$，暗含了商品的无限可分性（Perfect Divisibility）。这使得消费者的预算集成为凸集，从而在偏好凸性的假设下保证需求对应是凸值的，进而使不动点定理（如角谷静夫不动点定理）能够证明竞争均衡的存在性。如果商品只能以整数单位消费（不可分性），则需求函数出现跳跃，均衡存在性证明将大幅复杂化——这正是不可分商品文献所研究的特殊情形。

弹性与对数变换。弹性（Elasticity）定义为 $E = (dx/dp) \cdot (p/x)$，本质上是两个非整数比率的乘积。在实际计量工作中，对 GDP、工资、消费等定比变量取自然对数进行回归建模（对数-对数模型），得到的系数直接就是弹性。对数变换 $\ln(x)$ 在 $x$ 为严格正的非整数时定义良好，其微分 $d(\ln x) = dx/x$ 将绝对变化转化为相对变化率——这一"魔法"是所有增长核算和宏观经济动态分析的计算基础。

概率与随机变量。经济计量学和金融经济学中的连续随机变量（如正态分布、对数正态分布、指数分布）的取值几乎必然是非整数：对于任何连续分布，随机变量取任一特定整数值的概率为零。期权定价的布莱克-斯科尔斯公式、风险管理的 VaR 计算、宏观预测的置信区间——所有这些依赖于连续概率分布的工具体系，都以非整数取值的实数连续统为数学前提。

常见误区与教学提示

1. 将"有理数"等同于"非整数"：有理数包含整数（任何整数 $n$ 均可表为 $n/1$），因此"有理非整数"才是更准确的概念范畴。许多入门教材笼统地称"分数"为"非整数"，忽视了假分数（如 $4/2 = 2$）实为整数的边界情形。
2. 混淆计算机浮点数与数学实数：在计算经济学和数值模拟中，所有实数（包括非整数）均以有限精度的浮点数（如 IEEE 754 双精度）近似表示。0.1 在二进制浮点中是一个无限循环小数，因此迭代累加可能产生舍入误差。经济学家在使用数值优化和模拟方法时，必须意识到这种近似与数学上的精确非整数之间的鸿沟。
3. 过度依赖连续模型忽视离散现实：并非所有经济现象都适合连续建模。劳动力市场中的人数是离散的整数，企业数量是离散的整数，合约条款中的价格阶梯往往也是离散的。在产业组织理论中，企业进入决策的整数约束（不可能进入半家企业）是均衡分析不可忽略的特征。经济学家需要在模型的数学便利性与经济现实的离散性之间做出自觉的权衡。
4. 将无理数神秘化：$\pi$、$e$ 等常数在经济学公式中频繁出现（如正态分布密度函数中的 $\sqrt{2\pi}$、连续复利公式 $e^{rt}$），学生有时将其视为"不精确"或"近似"数。实际上，无理数具有完全确定的数学定义和性质，其"无限不循环"只是十进制表示的人为特征，而非数的内在缺陷。