欠数学家的一笔更严的账
数学篇提出了以带尺度核组织相互作用的伞模型。这里继续追问：基本对象是什么，算子怎样定义，哪些条件下存在局域极限，哪些性能需要数值比较？本章只给出形式化纲领；明示条件的证明与反例收在本书《数学怎样发生：连接、次序、结构与形式化的边界》，不以未收录的原附录或未经复算的数值报告作为已完成依据。
第一步：基本对象——定义带尺度的核场
本节研究一类以点、邻域和核函数表达相互作用的模型。已有数学允许集合重叠、非局域算子和多种不同基本对象，因此不把点的使用解释为所有数学禁止重叠的隐含公理。
可以把一把伞定义为带中心、尺度及权重核的影响结构，并声明其所在空间、可积性与有效范围。对指数衰减核，影响并非严格限于有限半径；若采用有效半径，需说明阈值。可重叠是这一构造的可选特征，不是此前数学不允许的结构。普通函数与核场之间的极限关系，也需要另给拓扑与收敛定义。
第二步：运算——定义非局域差分算子
局域微分算子依赖函数在任意小邻域内的行为。非局域积分算子则可以依赖更大范围的函数值，两者均属于已有数学研究对象。选择何种算子，应由具体建模任务与分析条件决定，不把这种差别解释为所有数学的相容公理。
本节考察一类非局域差分算子，并要求先给出核K、函数空间和积分存在条件：
(ℒu)(x) = ∫ K(x, y) [u(y) − u(x)] dy
该算子对周围值与当前值的差异作加权积分。离散后通常形如Σj wij(uj−ui)；只有行权重和为一等条件满足时，才可简写为Ku−u。它与已有非局域扩散算子具有联系，局域极限是否成立仍需尺度归一与正则性条件。
第三步：局域极限——一类核算子如何逼近微分算子
需要证明的是特定核算子在指定缩放与函数条件下的局域极限。有限参数数值接近不等于极限证明，更不等于全部数学的包含关系。下文以一维情形声明范围。
令Kr(x,y)=r⁻¹φ((y−x)/r)，其中φ非负、偶对称、可积、归一且紧支撑于[−R,R]，二阶矩M₂>0。固定点x，设u在其邻域C²，r足够小使积分涉及点仍在该邻域。令ℒr u(x)=∫Kr(x,y)[u(y)−u(x)]dy，则有以下一维点态极限。
limr→0 r⁻²ℒr u(x)=(M₂/2)u″(x)。未归一的ℒr通常趋于零，不能省略r⁻²。
该式只表达这类核差分与二阶微分之间的渐近关系，不把全部传统数学纳为伞模型的特例。多维时一般由二阶矩矩阵决定极限算子；只有各向同性条件下才简化为拉普拉斯算子的常数倍。
本书数学专题给出了上述限定命题的余项控制证明，也给出两条反例说明不能随意放宽条件：无限支集核下，任意C²函数未必使积分存在；只有三阶正则性，也未必具有O(r²)误差。原稿中范围过大的退化结论由此修订为可复核的有限命题。
第四步：三态动力学——尚待建立的判据
下一项研究任务，是在某个明确动态模型中定义秩序、混沌与介生的可观察含义，再研究状态如何改变。不能仅凭伞场名称就认定三态机制已经存在。
可以尝试选择具体可观测量或能量泛函来定义三态判据，但不能只凭高、中、低三个区间就宣布得到混沌、秩序与介生。判据应能区分噪声、确定性复杂行为、结构新生与普通稳定运行，并接受反例检验。也不能把一般非局域理论概括为不研究系统演化。
收尾：一张交给未来的施工图
本章的形式化任务包括带尺度核场定义、算子性质、限定条件下的局域极限、三态判据及算法比较。各任务需要独立的假设、推导与证据，不能由统一术语提前视为完成。
关于目前的完成度，本书提出一种组织方向，并在《数学怎样发生：连接、次序、结构与形式化的边界》中展示限定条件下的核算子局域极限及其反例边界。更一般的核场体系、共振机制、三态判据与算法优势仍待研究。不能把玩具算例当作全部框架已经成立的证据。
语言、意识、价值与数学的正面建设，需要分别接受适合其问题的论证和证据。它们可以相互启发，却不能凭使用同一套术语就宣称处处获证。特别是事实判断与规范结论之间仍需要说明评价前提；数学直觉也需要明确条件和证明。开放研究意味着能够继续修订，而不等于预先证明任何体系必然永不完成。
从连续模型走向算法：两个极限怎样相遇
局域极限成立以后，距离一个可用算法仍有一步。连续模型中的半径r趋零，与计算中网格尺度h趋零，是两件不同的事。前者改变相互作用模型，后者改变对该模型的数值近似。若只展示连续算子的极限，再画出一张离散计算图，并不能保证两个过程已经正确衔接。
把这件事写成一个有限问题。设连续算子为ℒr，离散算子为ℒr,h，目标是逼近c·u″。对于某个明确函数与适当范数，假设我们已经证明连续近似误差不超过A·r²，又证明未缩放的离散误差不超过B·ε(h,r)。这里的A、B及误差函数都需要在具体问题中交代，尤其要说明它们是否对所考察的r保持有界。本段只是说明如何连接两类估计，不声称这些估计对任意算法成立。
利用三角不等式，可把总误差分成两项：‖r⁻²ℒr,hu−c·u″‖≤‖r⁻²(ℒr,hu−ℒru)‖+‖r⁻²ℒru−c·u″‖，于是得到上界B·ε(h,r)/r²+A·r²。这一行计算揭示了一个容易忽略的事实：为得到局域极限所做的尺度归一，也会放大离散误差。原先看起来很小的误差，在除以r²之后未必仍然足够小。
因此，一条足以支持这份误差估计收敛的条件，是r趋零时ε(h,r)/r²也趋零。它要求h与r的选择共同满足具体离散方法的误差条件。不能只说“把网格做细、把伞缩小”就算交代完毕，更不能预设先让h趋零再让r趋零，与同时改变二者总会得到同样结果。不同极限次序是否可以交换，需要额外控制。
看一个纯代数的示范。假定某项未缩放误差恰有ε(h,r)=h的上界，那么选取h=o(r²)可使上述离散误差界趋零。若选取h=r²，这份上界只给出一个不随r消失的常数量，因而不能据它保证收敛。请注意，不能保证与已经证明不收敛不同：上界可能不够锐利，实际误差仍可能更小。这个例子没有规定某个真实算法的误差就是h，它只帮助读者辨认推论的强弱。
从点态算子极限走到微分方程解的收敛，还需要新的条件。边界怎样处理，离散问题是否稳定，解是否存在与唯一，数据扰动怎样影响结果，都不能由对一个光滑试验函数的计算自动解决。一个公式在局部看起来正确，不等于整个边值问题已经得到可靠求解。数学研究的进展，常常就在把这些原本挤在一句话里的任务分别完成。
真正的数值比较也需要把对象说清楚。应当报告所比较的函数或方程、区域、核、边界设置、尺度选择与误差定义。若展示收敛率，应说明在什么参数范围观察到它，以及理论条件是否满足。一次计算图像平滑，可能只是显示方式造成的印象；一个数值误差较小，也可能来自恰好有利的算例。比较的意义在于让其他人能够复算，并知道结果覆盖到哪里。
这给伞模型提供了一条具体而可承担的前进路线：先完成一个明确模型的连续性质，再构造对应离散化，最后检查二者共同趋近目标时的条件。若得到改进，就说明改进的是哪项性质；若只重新组织了已有方法，也如实说明组织上的价值。这样的工作规模比“统一全部数学”小，却使每一步贡献具有可辨认的内容，也让发生学的数学探索真正进入可以讨论、反驳和继续建设的领域。