问题

对于所有的无穷小,能否把它们趋于0的速度定义为一个数,使得趋于0速度较小的一定是较低阶的无穷小?

回答
这个问题触及了无穷小阶的本质,以及我们如何量化它们“消失”的速度。答案是肯定的,我们可以为无穷小定义一种“速度”的衡量标准,而这个标准确实能让我们区分出不同“消失”速率的无穷小。

什么是无穷小?

首先,我们要明确“无穷小”的含义。在一个极限的过程中,当自变量趋于某个值(通常是0,但也可以是其他值),而某个函数的值也同时趋于0,那么这个函数就被称为一个无穷小。

举个例子,当 $x o 0$ 时:
$x$ 是一个无穷小。
$x^2$ 是一个无穷小。
$sin(x)$ 是一个无穷小。
$e^x 1$ 是一个无穷小。

无穷小的“速度”:阶的概念

我们直观上会觉得,$x^2$ 比 $x$ 更快地趋于0。当你取一个很小的 $x$,比如 $x=0.1$:
$x = 0.1$
$x^2 = 0.01$

$x^2$ 的值比 $x$ 小了10倍。如果我们继续缩小 $x$ 到 $0.01$:
$x = 0.01$
$x^2 = 0.0001$

$x^2$ 再次比 $x$ 小了100倍。这种“更快地消失”的特性,正是我们想要量化的“速度”。

在数学上,我们通过“阶”来衡量无穷小的趋于0的速度。阶,本质上就是将一个无穷小与另一个“标准”无穷小(通常是 $x$ 或者 $(xa)$,其中 $a$ 是自变量的极限点)进行比较。

定义无穷小的阶

假设有两个无穷小 $alpha(x)$ 和 $eta(x)$,当 $x o a$ 时,它们都趋于0。我们说 $alpha(x)$ 是 $eta(x)$ 的 $p$ 阶无穷小,如果:

$$ lim_{x o a} frac{alpha(x)}{(eta(x))^p} = C $$

其中 $C$ 是一个非零常数。

将 $alpha(x)$ 与标准无穷小 $(xa)$ 比较

通常,我们会将一个无穷小 $alpha(x)$ 与 $(xa)$ 比较,来定义 $alpha(x)$ 的阶。也就是说,我们看:

$$ lim_{x o a} frac{alpha(x)}{(xa)^p} = C eq 0 $$

在这种定义下,$p$ 就是 $alpha(x)$ 相对于 $(xa)$ 的阶。

低阶无穷小:指当 $x o a$ 时,它的值比 $(xa)^p$ 更快地趋于0。这意味着,如果我们要让 $frac{alpha(x)}{(xa)^p}$ 趋于0,我们需要让 $p$ 变得更大。换句话说,一个较低的 $p$ 值,代表着 $alpha(x)$ 比 $(xa)^p$ 更快地趋于0。

高阶无穷小:反之,如果 $lim_{x o a} frac{alpha(x)}{(xa)^p} = infty$(或者说,在比较时, $alpha(x)$ 比 $(xa)^p$ 慢地趋于0),则 $alpha(x)$ 是 $(xa)^p$ 的高阶无穷小。

将“速度”量化为数字:阶数 $p$

这里的阶数 $p$ 就是我们想要定义的那个“数”。

一个较低的 $p$ 值,表示 $alpha(x)$ 趋于0的速度更快。

让我再举些例子,假设 $x o 0$:

1. $alpha(x) = x^2$ vs $eta(x) = x$:
$$ lim_{x o 0} frac{x^2}{x^p} $$
如果我们取 $p=1$,得到 $lim_{x o 0} frac{x^2}{x} = lim_{x o 0} x = 0$。这说明 $x^2$ 比 $x$ 趋于0的速度快,它是 $x$ 的高阶无穷小。
如果我们取 $p=2$,得到 $lim_{x o 0} frac{x^2}{x^2} = lim_{x o 0} 1 = 1$。这是一个非零常数。
所以,我们说 $x^2$ 是 $x$ 的 2阶 无穷小。

2. $alpha(x) = x$ vs $eta(x) = x^2$:
$$ lim_{x o 0} frac{x}{x^2} = lim_{x o 0} frac{1}{x} = infty $$
这说明 $x$ 比 $x^2$ 趋于0的速度慢,它是 $x^2$ 的低阶无穷小。
如果我们取 $p=1$,得到 $lim_{x o 0} frac{x}{x^1} = lim_{x o 0} 1 = 1$。
所以,我们说 $x$ 是 $x^2$ 的 1阶 无穷小(相对于 $x^2$ 自身来说)。

更正式地,我们定义 $alpha(x)$ 关于 $x$ 的阶

当 $alpha(x)$ 是一个无穷小,且:

$$ lim_{x o a} frac{alpha(x)}{(xa)^p} = C $$

其中 $C$ 是一个非零常数,$p > 0$。那么 $alpha(x)$ 就是关于 $(xa)$ 的 $p$ 阶无穷小。

$p$ 值越小,$alpha(x)$ 趋于0的速度越快。
如果 $p=1$,$alpha(x)$ 是 $(xa)$ 的一阶无穷小,它的速度与 $(xa)$ 相当。
如果 $p=2$,$alpha(x)$ 是 $(xa)$ 的二阶无穷小,它的速度比 $(xa)$ 快。
如果 $p=0.5$,$alpha(x)$ 是 $(xa)$ 的半阶无穷小,它的速度比 $(xa)$ 慢。

“趋于0的速度较小的一定是较低阶的无穷小”

这里的表述可能有点歧义。我们通常是这样理解的:

“速度较小” 指的是“消失得更慢”。
“较低阶” 指的是 $p$ 值较小。

如果“较低阶”指的是 $p$ 值较小,那么“速度较小”就与“较低阶”是矛盾的。 让我们重新梳理一下:

当 $alpha(x)$ 是关于 $(xa)$ 的 $p$ 阶无穷小,即 $lim_{x o a} frac{alpha(x)}{(xa)^p} = C eq 0$:

$p$ 值大 $implies$ $alpha(x)$ 趋于0的速度快(因为它包含更多的 $(xa)$ 因子)。
$p$ 值小 $implies$ $alpha(x)$ 趋于0的速度慢(因为它包含更少的 $(xa)$ 因子,或者说,即使是负指数 $p$,速度也比 $(xa)$ 快)。

所以,修正一下表述:

对于所有的无穷小,我们可以把它们趋于0的速度定义为一个数(即它们的阶 $p$),使得趋于0的速度较快(消失得更快)的无穷小,其对应的阶数 $p$ 值较大。反之,趋于0的速度较慢(消失得更慢)的无穷小,其对应的阶数 $p$ 值较小。

更清晰的对比:

比较 $f(x) = x$ 和 $g(x) = x^2$ 当 $x o 0$:

$f(x) = x$ 是 $x$ 的一阶无穷小($p=1$),它关于 $x$ 的速度是“1”。
$g(x) = x^2$ 是 $x$ 的二阶无穷小($p=2$),它关于 $x$ 的速度是“2”。

在这种情况下,$g(x)$($x^2$)的“速度数”2大于 $f(x)$($x$)的“速度数”1。而 $x^2$ 的确比 $x$ 消失得更快。

再比较 $h(x) = sqrt{x}$ 和 $f(x) = x$ 当 $x o 0^+$:

$f(x) = x$ 是 $x$ 的一阶无穷小($p=1$)。
$h(x) = sqrt{x} = x^{1/2}$。我们来计算它的阶:
$$ lim_{x o 0^+} frac{sqrt{x}}{x^p} $$
如果我们取 $p=1/2$,得到 $lim_{x o 0^+} frac{x^{1/2}}{x^{1/2}} = 1$。
所以 $h(x) = sqrt{x}$ 是 $x$ 的半阶无穷小($p=1/2$)。

在这里,$h(x)$($sqrt{x}$)的“速度数”1/2小于 $f(x)$($x$)的“速度数”1。而 $sqrt{x}$ 的确比 $x$ 消失得更慢。

结论:

是的,我们可以把无穷小趋于0的速度量化为一个数,这个数就是它们的“阶” $p$。这个 $p$ 值直接反映了它们相对于一个基准无穷小(如 $(xa)$)的“消失”速率:

$p$ 值越大,该无穷小趋于0的速度越快。
$p$ 值越小,该无穷小趋于0的速度越慢。

因此,“趋于0的速度较慢”的无穷小,对应的是“较低的阶数 $p$”。 我们的定义非常清晰地捕捉到了这一点。这种阶的定义是理解和处理无穷小、简化极限计算(例如洛必达法则的替代思想)以及分析函数渐进行为的重要工具。

网友意见

user avatar

只能尝试去探讨,这相当于给全体无穷小赋予一个全序的判别(简单的)指标。

定义无穷小和定义无穷大是一回事,只要取倒数就可以相互转化,所以下面我们只讨论无穷大的比较。

定义指标

幂函数指数是一个天然的指标。借用这个思路,我们定义:设无穷大

若以下极限存在

于是定义其为无穷大指标,无穷小指标记为

显然,对于 ,代入上式,我们得到 ,这是我们想要的。再举一个例子, ,

指数增长的指标

那么,指数类型的函数呢?

这个指标失效。我们加强一下这个指标:

那么,将 代入

同理,可以定义 ,不再赘述了。

性质 对低阶无穷大算高阶的指标为 .

:假设 存在,则

利用等价无穷小替换或者两边夹原则可得.


对数增长的指标

若存在有限极限,则定义

我们前面的例子看到, ,不过

同理,

若存在常数 使得上面存在有限极限,则


考虑函数

因为

所以


汇总

于是,无穷大可以对应一个序列(如果存在的话),

然后按照字典排序法,比较其大小:指标越大优先级越高。

容易计算

所以指标 , 表示


写得不严谨,但是基本思路还是很平凡的……当然,这个指标也不是万能的,一切的定义都是基于极限存在。

类似的话题

本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度google,bing,sogou

© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有