歡迎來到函數大賽！
在 H3 數學中，我們經常需要了解當 \(x\) 變得極大時，函數會有甚麼表現。想像一場比賽，不同的數學函數正向著無窮大奔跑。有些函數起步很快但後勁不足，而有些則起步緩慢，最終卻像火箭一樣一飛沖天。
在本章中，我們將學習如何根據「速度」（增長率）來為對數函數 (Logarithmic)、多項式函數 (Polynomial) 和 指數函數 (Exponential) 進行排名。掌握這些知識，就像擁有了處理複雜極限和瑕積分的「秘技」，讓你無需每次都進行繁複的運算！
1. 增長層次
在這種情況下討論增長率時，我們總是觀察當 \(x \to \infty\) 時會發生甚麼。即使某個函數在 \(x = 10\) 時比另一個大得多，層次結構告訴我們，當 \(x\) 達到十億、萬億甚至更大時，誰才是最終的贏家。
增長層次（從最慢到最快）為：
對數函數 < 多項式函數 < 指數函數
用數學符號表示，對於任何 \(n > 0\) 及 \(a > 1\)：
\( \ln x \ll x^n \ll a^x \) 當 \( x \to \infty \) 時
最慢：對數增長
像 \( \ln x \) 或 \( \log_{10} x \) 這類函數是數學界的「烏龜」。它們確實會無限增長，但速度非常非常慢。即使你將對數提高到一個巨大的冪，例如 \( (\ln x)^{100} \)，它最終還是會輸給簡單的 \( x \)。
中間層：多項式增長
像 \( x^2 \)、\( \sqrt{x} \) 或 \( x^{10} \) 這類函數是冪函數（或多項式）。它們以穩定且可預測的速度增長。冪次越高，增長越快。然而，無論冪次有多高（例如 \( x^{1000} \)），它們最終都會被指數函數超越。
最快：指數增長
像 \( e^x \)、\( 2^x \) 或 \( 10^x \) 這類函數就是「火箭」。它們起步相對較小，但其增長率與自身大小成正比。這意味著它們變得越大，增長得就越快！它們最終會拋離任何多項式或對數函數。
快速回顧：
最慢：對數函數（例如 \( \ln x \)）
中間：多項式/冪函數（例如 \( x^n \)）
最快：指數函數（例如 \( e^x \)）
2. 利用極限進行比較
我們如何證明一個函數的增長速度比另一個快？我們使用極限。如果我們通過將兩個函數 \(f(x)\) 和 \(g(x)\) 構成一個分數來進行比較，當 \(x \to \infty\) 時的極限就會告訴我們誰是贏家：
- 若 \( \lim_{x \to \infty} \frac{f(x)}{g(x)} = \infty \)，則 \(f(x)\) 的增長速度比 \(g(x)\) 快。
- 若 \( \lim_{x \to \infty} \frac{f(x)}{g(x)} = 0 \)，則 \(g(x)\) 的增長速度比 \(f(x)\) 快。
例子：比較 \(x^2\) 和 \(e^x\)
\( \lim_{x \to \infty} \frac{x^2}{e^x} = 0 \)
由於極限為 0，我們知道分母 (\(e^x\)) 的增長速度比分子 (\(x^2\)) 快得多。
你知道嗎？
即使是 \( x^{0.0001} \)（一個極小的冪次），只要 \(x\) 足夠大，最終都會長得比 \( (\ln x)^{1,000,000} \) 還要大。在極限的世界裡，「最終結果」才是最重要的！
3. 分步教學：函數排名
如果你看到一堆混亂的函數組合也不用擔心，只要按照以下步驟來確定增長順序：
第 1 步：識別類型。它是對數函數、\(x\) 的冪，還是 \(x\) 在指數位置？
第 2 步：在同一類別內比較。
- 對於冪函數：\( x^3 \) 比 \( x^2 \) 增長得快。
- 對於指數函數：\( 5^x \) 比 \( 2^x \) 增長得快。
- 對於對數函數：\( (\ln x)^2 \) 比 \( \ln x \) 增長得快。
第 3 步：應用增長層次。記住，任何指數函數都勝過任何冪函數，而任何冪函數都勝過任何對數函數。
常見錯誤：
小心不要混淆多項式增長 (\(x^n\)) 和指數增長 (\(a^x\))。
- \( x^2 \) 是冪函數（變數為底，常數為指數）。
- \( 2^x \) 是指數函數（常數為底，變數為指數）。
儘管它們看起來很像，但 \( 2^x \) 的增長速度要快得多！
4. 現實生活中的類比：儲蓄
想像三種儲蓄方式：
1. 對數式：你得到加薪，但每年的加薪幅度越來越小。（慢速增長）
2. 多項式：你每年得到固定的增長，例如今年加 10 元，明年加 20 元，後年加 30 元。（穩定增長）
3. 指數式：你賺取複利（例如每年 5%）。你擁有的越多，賺得就越多。（爆發式增長）
在漫長的職業生涯中，指數式的複利總是能讓你成為最富有的人！
5. 總結與重點
理解增長率可以讓你幾乎瞬間評估無窮大處的極限。你無需使用三次羅必達法則 (L'Hôpital's Rule)，只需識別出「更強勢」的函數即可。
必須記住的要點：
- 增長順序是：對數函數 < 多項式函數 < 指數函數。
- 極限是我們用來證明這些關係的工具。
- 當 \(x \to \infty\) 時，「最快」的函數決定了整個表達式的行為。
- 當 \(x \to \infty\) 時，常數和係數（例如 \( 5x^2 \) 中的「5」）不會改變增長率的排名。
如果現在覺得這些內容有點抽象也不用擔心！當你在 H3 課程的後期開始將這些「速度排名」應用到瑕積分和級數中時，你就會發現它們能為你節省多少時間了。
歡迎來到極限的世界！
在 H2 數學中，你曾運用極限來求導數（梯度）和面積。到了 H3 數學，我們將會更深入探討極限的運作機制。你可以把這一章想像成「無窮大的規則手冊」。我們將學習如何結合各種極限，更重要的是，學會判斷當函數趨向無窮大時，哪個函數會「贏得這場賽跑」。如果剛開始覺得有點抽象，別擔心——一旦你掌握了當中的規律，它將會成為你數學工具箱中非常強大的利器！
先備知識檢查：在我們開始之前，請記住極限 (limit) 的定義：它描述的是當輸入值越來越接近某一點時，函數趨近於哪個數值。我們將其寫作：\(\lim_{x \to a} f(x) = L\)。
1. 遊戲規則：涉及極限的運算
當我們有兩個分別具備極限的函數時，我們可以使用基礎算術將它們組合起來。試想你和朋友正一起向某個目標點走去。你們「總距離」的極限，其實就是你們各自目標距離的和。
極限的基本法則
若 \(\lim_{x \to a} f(x) = L\) 且 \(\lim_{x \to a} g(x) = M\)（其中 \(L\) 和 \(M\) 皆為實數），則：
1. 和的法則 (Sum Rule)：和的極限等於極限之和。
\(\lim_{x \to a} [f(x) + g(x)] = L + M\)
2. 差的法則 (Difference Rule)：差的極限等於極限之差。
\(\lim_{x \to a} [f(x) - g(x)] = L - M\)
3. 積的法則 (Product Rule)：積的極限等於極限之積。
\(\lim_{x \to a} [f(x) \cdot g(x)] = L \cdot M\)
4. 商的法則 (Quotient Rule)：商的極限等於極限之商（前提是分母不為零）。
\(\lim_{x \to a} \frac{f(x)}{g(x)} = \frac{L}{M}\)，其中 \(M \neq 0\)。
5. 常數倍法則 (Constant Multiple Rule)：若 \(k\) 為常數：
\(\lim_{x \to a} [k \cdot f(x)] = k \cdot L\)
快速檢視小貼士：這些法則僅在個別極限存在（即極限為有限數值）時才成立。如果其中一個極限是 \(\infty\)，我們就必須更加小心！
常見錯誤警示：
很多同學常誤以為 \(\infty - \infty = 0\)。這在極限的世界裡是錯誤的！\(\infty - \infty\) 被稱為「不定型」(indeterminate form)。其中一個「無窮大」可能遠比另一個大得多，導致結果並非為零。這就是為什麼我們接下來需要研究增長率的原因。
重點總結：只要運算結果不是未定義的情況，極限在加、減、乘、除運算中都能運作自如。
2. 「無窮大賽跑」：比較增長率
在 H3 數學中，我們經常關注當 \(x\) 變得非常、非常大時會發生什麼（即 \(x \to \infty\)）。有些函數的增長速度遠快於其他函數。掌握了這種增長「層級」，你就能瞬間解開複雜的極限題。
增長的層級
想像有三位參賽者：一隻烏龜、一位短跑選手和一枚火箭。即便烏龜先起跑，火箭最終也會遠遠將它們拋在腦後。在數學中，我們按函數「生長速度」由慢至快排列如下：
對數函數 < 多項式函數 < 指數函數
對於任何正數冪 \(p\) 和 \(n\)，當 \(x \to \infty\) 時：
1. 對數函數增長最慢：\(\ln x\) 的增長非常緩慢。
2. 多項式函數居中：\(x^n\)（例如 \(x^2\) 或 \(x^3\)）比對數函數增長得快。
3. 指數函數增長最快：\(e^x\) 或 \(a^x\) 的增長速度遠超多項式函數。
視覺化判斷「贏家」
當面對分式時，增長較快的函數就是「贏家」：
• 如果分母增長較快，極限為 0。
• 如果分子增長較快，極限為 \(\infty\)。
增長比較範例：
• 對數 vs 多項式：\(\lim_{x \to \infty} \frac{\ln x}{x^{0.001}} = 0\)。即便 \(x\) 的次方再小，最終也會勝過對數函數！
• 多項式 vs 指數：\(\lim_{x \to \infty} \frac{x^{1000}}{e^x} = 0\)。即便 \(x\) 的一千次方也無法追上指數火箭。
冷知識：這正是密碼安全性依賴指數增長的原因。如果電腦嘗試破解密碼，每多增加一個字符，「搜索空間」就會呈指數級增長，這讓電腦僅靠多項式等級的處理能力根本追趕不上！
重點總結：當 \(x \to \infty\) 時，在分式中，層級較高的函數（對數 < 多項式 < 指數）決定了極限是趨向於零還是無窮大。
3. 逐步拆解：計算複雜極限
當遇到複雜的表達式時，請遵循以下步驟：
第 1 步：檢查是否可以直接運用極限法則（即各部分是否皆為有限值）。
第 2 步：若 \(x \to \infty\)，找出分子與分母中的「主導項」（即增長率最高的那一項）。
第 3 步：比較增長率。若分母「更強」，極限為 0。若它們屬於同一類（例如兩者皆為 \(x^2\)），則極限為係數的比值。
範例演練：
求 \(\lim_{x \to \infty} \frac{5e^x + x^2}{2e^x - \ln x}\)。
1. 找出主導項：分子中，\(5e^x\) 是指數函數；它勝過 \(x^2\)。分母中，\(2e^x\) 是指數函數；它勝過 \(\ln x\)。
2. 簡化「賽跑」：當 \(x\) 變得極大時，此表達式表現得就像 \(\frac{5e^x}{2e^x}\)。
3. 計算：\(e^x\) 項消去，剩下 \(5/2\)。
4. 最終答案：極限為 2.5。
總結檢查表
• 我是否熟悉 5 個基本極限法則（和、差、積、商、常數倍）？
• 我能否按增長速度將 \(\ln x\)、\(x^n\) 和 \(e^x\) 排列順序？
• 我是否記得這些法則僅在個別極限存在（即為有限值）時才適用？
• 我能否識別分式中的「主導項」，以求出趨向無窮大的極限？
如果覺得內容很多，別擔心！只要記住「無窮大賽跑」：對數是慢郎中，多項式穩步前進，而指數函數則是火箭。這個程度的絕大多數極限問題，其實都只是在判斷誰在賽跑中獲勝而已。