歡迎來到數列與級數的世界！
在進階純數學 (Additional Pure Mathematics) 的這一章節，我們將深入探討支配數字的規律。你可以把數列想像成一份數碼「食譜」——只要掌握了規則，無論是在簡單的數線，還是複雜的生物種群模型中，你都能預測接下來會發生什麼。我們將探討數列在長遠發展下的趨勢，並學習解決「遞推關係式 (Recurrence Relations)」所需的強大工具；它們正是你在核心純數中學過的微分方程的離散版本！
1. 基礎概念：遞推關係式 vs. 通項公式
數列 (Sequence) 僅僅是一組按特定順序排列的數字，通常記作 \( \{u_n\} \)。你可能習慣從 \( u_1 \) 開始寫，但在進階數學中，我們經常從第零項 (zeroth term) \( u_0 \) 開始。別被嚇到了，這不過是起點而已！
定義數列的兩種方式：
- 遞推關係式 (Recurrence Relations)： 這些公式會告訴你如何利用當前的項來得出下一項。
例子： \( u_{n+1} = 2u_n + 3 \)。若要找出下一個數字，你只需將當前的數字乘二再加上三。這就像尋找麵包屑路徑一樣——你必須知道上一步，才能找到下一步。 - 通項公式 (Position-to-Term / Closed Form)： 這是一個直接的公式 \( u_n = f(n) \)。
例子： \( u_n = 3n + 1 \)。如果你想找出第 100 項，只需代入 \( n = 100 \)。這就像擁有 GPS 座標一樣——你可以直接跳轉到任何一點！
你知道嗎？ 電腦非常喜歡遞推關係式，因為它們具有「迭代性 (iterative)」——電腦只需反覆執行相同的簡單計算，就能生成複雜的規律。
重點總結： 遞推關係式定義了逐步執行的規則，而通項公式則能讓你立即得到任何 \( n \) 的結果。
2. 描述數列的行為
當我們觀察 \( n \) 變得非常大時（即 \( n \to \infty \)），我們使用特定的術語來描述觀察到的現象：
- 收斂 (Convergence)： 數列項越來越接近一個固定的數值（稱為極限 (limit)）。我們稱之為穩態 (steady-state)。
- 發散 (Divergence)： 數列項無法穩定下來。它們可能會趨向無限大 (\( \infty \)) 或負無限大 (\( -\infty \))，或者只是無規則地移動。
- 週期性 (Periodic)： 數列以週期形式重複出現。例如 \( 1, 2, 1, 2, ... \) 這樣的數列，其週期 (period) 為 2。
- 振盪 (Oscillating)： 數列項在中心值的兩側來回擺動。請注意，振盪數列可以是收斂的（越來越接近某個值），也可以是發散的（擺動幅度越來越大）。
- 單調 (Monotonic)： 數列只向一個方向移動——即始終遞增或始終遞減。
小複習箱：
- 有界 (Bounded)： 數列始終保持在一定的「上限」和「下限」之間（例如，永遠不會大於 10 或小於 -10）。
- 無界 (Unbounded)： 數列最終會超出你設定的任何極限。
3. 求解一階遞推關係式
一階線性遞推關係式的形式如下： \( u_{n+1} = au_n + f(n) \)。
要解這些方程（即求出「通項公式」），我們使用的兩步策略與解微分方程完全相同！
分步求解法：
- 求齊次解 (Complementary Function, CF)： 解 \( f(n) = 0 \) 的「齊次」部分。對於 \( u_{n+1} = au_n \)，其解始終為 \( u_n = A(a)^n \)。
- 求特解 (Particular Integral, PI)： 觀察 \( f(n) \) 並猜測 \( u_n \) 的形式：
- 如果 \( f(n) \) 是常數，嘗試 \( u_n = \lambda \)。
- 如果 \( f(n) \) 是多項式（如 \( 3n + 2 \)），嘗試 \( u_n = \lambda n + \mu \)。
- 如果 \( f(n) \) 是指數函數（如 \( 5^n \)），嘗試 \( u_n = \lambda(5^n) \)。
- 通解 (General Solution)： 將兩者相加！ \( u_n = \text{CF} + \text{PI} \)。
- 求常數： 利用初始條件（如 \( u_0 \)）來找出 \( A \) 的值。
常見錯誤： 如果你為 PI 所作的「猜測」已經包含在你的 CF 中了，你必須將你的猜測乘以 \( n \) 才能使其有效！
4. 求解二階遞推關係式
這類方程涉及前兩項： \( u_{n+2} + au_{n+1} + bu_n = f(n) \)。如果看起來很嚇人也別擔心；過程是非常符合邏輯的。
特徵方程 (Auxiliary Equation)：
我們首先觀察其齊次版本，並建立特徵方程： \( m^2 + am + b = 0 \)。該方程的根決定了我們解的形式：
- 情況 1：兩個相異實根 (\( \alpha, \beta \))
CF 為 \( u_n = A\alpha^n + B\beta^n \)。 - 情況 2：重實根 (\( \alpha \))
CF 為 \( u_n = (A + Bn)\alpha^n \)。 - 情況 3：複數根 (\( p \pm iq \))
CF 將涉及模長 (modulus) 和幅角 (argument) 的冪（使用 \( r^n \cos(n\theta) \) 和 \( r^n \sin(n\theta) \) 形式）。
記憶小撇步： 這就是「離散類比」。如果你能解 \( y'' + ay' + by = 0 \)，你就能解這些題！唯一的區別是我們用 \( \alpha^n \) 代替 \( e^{kx} \)。
5. 費氏數列與盧卡斯數列
最著名的二階數列是費氏數列 (Fibonacci Sequence)： \( u_{n+2} = u_{n+1} + u_n \)，其中 \( u_0 = 0, u_1 = 1 \)。
盧卡斯數列 (Lucas Sequence) 使用相同的規則，但起點為 \( u_0 = 2, u_1 = 1 \)。
黃金分割比 (\( \phi \))：
費氏數列的特徵方程是 \( m^2 - m - 1 = 0 \)。其正根為 \( \phi = \frac{1+\sqrt{5}}{2} \approx 1.618 \)。
你知道嗎？ 當 \( n \to \infty \) 時，任何類費氏數列相鄰兩項之比 \( \frac{u_{n+1}}{u_n} \) 都會收斂至 \( \phi \)。從松果到星系，你在大自然中隨處可見這個數字！
6. 數學歸納法 (Proof by Induction)
課程要求你使用數學歸納法來證明數列和級數的結果。這就像爬梯子：只要你能踏上第一階，並證明每一階都能通往下一階，你就能到達頂端！
強大的四個步驟：
- 基礎步驟 (Basis)： 證明該命題對於第一項成立（通常是 \( n=0 \) 或 \( n=1 \)）。
- 假設 (Assumption)： 假設該命題對於 \( n=k \) 成立。
- 歸納步驟 (Inductive Step)： 利用你的假設來證明它對於 \( n=k+1 \) 也必須成立。
- 結論 (Conclusion)： 寫下標準句式：「由於該命題對 \( n=1 \) 成立，且若對 \( n=k \) 成立則對 \( n=k+1 \) 亦成立，故根據數學歸納法，該命題對所有 \( n \in \mathbb{Z}^+ \) 均成立。」
重點總結： 千萬不要跳過結論！這是你在考試中獲取「溝通分 (communication marks)」最容易的地方。
7. 模型與取整函數 (INT Function)
在現實世界中，動物種群或銀行帳戶的利息通常是以「跳躍式」變化的。我們使用遞推關係式來進行建模。
有時我們使用 \( INT(x) \) 函數（或稱「向下取整」函數）。它將數字向下捨入到最接近的整數。
例子： 如果一個種群模型預測有 \( 10.7 \) 隻兔子，那麼 \( INT(10.7) = 10 \)。你不可能擁有 \( 0.7 \) 隻兔子！
預期會看到涉及出生率（增加百分比）和死亡率或收穫率（減去常數）的相關模型。
鼓勵一下： 如果二階非齊次方程讓你感到棘手，別擔心——它們只是一系列邏輯明確的小步驟而已。多練習辨識「特解 (Particular Integral)」的形式，剩下的就只是代數運算！
總結清單
- 你能辨別一個數列是收斂、週期性還是振盪的嗎？
- 你了解二階特徵方程的三種根的情況嗎？
- 你能為求和級數進行數學歸納法證明嗎？
- 你記得 \( u_{n+1} = au_n \) 的齊次解 (CF) 永遠是 \( A(a)^n \) 嗎？