极限趋于无穷时的速度是指数函数大于幂函数大于对数函数吗? | 您所在的位置:网站首页 › x趋于正无穷xe^-x › 极限趋于无穷时的速度是指数函数大于幂函数大于对数函数吗? |
引论 相信大家对指数函数和幂函数并不陌生,作为常用的几大初等函数,在高中课堂上我们已经对它们了解并熟悉。二者当 x 趋于正无穷时都是趋于正无穷的函数,这就让我们产生好奇:哪一个的增长速度更快呢?老师常常会给出二者的图像,并告诉我们:当 x 很大的时候,指数函数的增长速度远大于幂函数——这直观上很好理解。 比如我们来看这样一个例子:f(x)=2^x g(x)=x^2我们取 x_{0}=10000 ,探究 f(x_{0}) 和 g(x_{0}) 的大小关系:两边取对数: lnf(x_{0})=ln2^{10000}=10000\times{ln2}\approx{6931.4718} lng(x_{0})=ln10000^2=2\times{ln10000}\approx{18.42} 不难看出 lnf(x_{0})>>lng(x_{0}) ,所以我们有 f(x)>>g(x)(x→+∞) 一般地成立. 同时,我们亦可构造 h(x)=\frac{g(x)}{f(x)}=\frac{x^2}{2^x} 对其求导函数并探究其单调性. 不难找出某 \tilde{x} 当 x>\tilde{x} 时有 f(x) 单调下降,而显然 f(x)>0 ,根据单调收敛原理可以知道 f(x) 存在某个极限,但这并不足以说明 h(x) 的极限就是 0 . 诸如 \lim_{x \rightarrow +∞}{\frac{x^{99999}}{1.00001^x}}=0 这样的结论是极不平凡的.那么,一般地我们该如何探究指数函数与幂函数的增长速度呢? 序列式证明接下来,我将先从序列出发,引入序列极限的 \epsilon-N 定义来证明结论的一般性,即 \lim_{n \rightarrow ∞}{\frac{n^\alpha}{c^n}}=0(c>1)\\ 我们设 c=1+\delta(\delta>0) 原式=\frac{n^\alpha}{(1+\delta)^n}=\frac{n^\alpha}{1+n\delta+\frac{n(n-1)}{2}\delta^2+\ldots+\delta^n} (二项展开) 首先我们限制 n>[\alpha]+2 ,则必然 \exist k,s.t. k=[\alpha]+2>\alpha \begin{align}原式&\forall \epsilon>0,取N=max{{[\alpha]+2,[\frac{M}{\epsilon}]+k+1}},当n>N时,有|\frac{n^\alpha}{c^n}|\lim_{n \rightarrow ∞}{\frac{n^\alpha}{c^n}}=0(c>1)\\ 推广下面,我们要将结论推广至函数. 即 \lim_{x \rightarrow +∞}{\frac{x^\alpha}{c^x}}=0(c>1)\\ 我们有\frac{[x]^\alpha}{c^{[x]+1}} |
CopyRight 2018-2019 实验室设备网 版权所有 |