鋪滿整個平面的函數
一個整函數就是在整個複平面上都全純的函數——沒有極點、沒有分支割線、四處都沒有邊緣。你早就見過幾位主角了：多項式、e^z、cos z 與 sin z，以及任何處處收斂、永不停止收斂的冪級數 sum a_n z^n。這些是整個複分析裡最乾淨的對象，而正是這份乾淨，成了我們在這一階梯要對付的問題。把邊界、極點、奇點都剝掉之後，還剩下什麼能把一個整函數跟另一個區分開來？答案是它能變多大。增長成了指紋。
回想劉維爾那一階梯的一個事實，它替全篇搭好了舞台。劉維爾定理說，一個有界的整函數必為常數——不存在處處保持很小的非常數整函數。所以每個有趣的整函數都是無界的；它必定朝某個方向奔向無窮。這立刻引出唯一還說得通的問題：奔得多快？一個 n 次多項式增長得像 |z|^n。但 e^z 增長得快得多，而 e^(z^2) 又更快。我們需要一把刻度細到能把這些全部分開的尺。兩個數就辦得到。
最大模：把一個函數變成一條曲線
要量度增長，我們首先需要一個能抓住「f 在半徑 r 那一帶有多大」的單一個數。誠實的選擇是最大模函數，記作 M(r) = |f(z)| 在圓 |z| = r 上的最大值。當你讓半徑 r 向外擴張，M(r) 記下模在每個圓上達到的最大值。依最大模原理，這個最大值總是在邊界圓上取得，絕不在嚴格內部，所以 M(r) 同時也是整個半徑為 r 的閉圓盤上 |f| 的最大值——而且它隨 r 增大而穩定攀升。我們把一個複變數的函數，換成了單獨一條遞增的實值曲線 M(r)。現在只剩下讀出它的增長。
讓我們透過這面鏡頭看看三個例子。對一個 n 次多項式，M(r) 增長得像 r^n——多項式增長，最溫和的那種。對 f(z) = e^z，模是 |e^(x + i y)| = e^x，在 x = r 時最大，所以 M(r) = e^r——指數增長，完全不同的等級。對 f(z) = e^(z^2)，一道簡短的計算給出 M(r) = e^(r^2)。那 cos z 與 sin z 呢？回想初等函數那一階梯，它們在平面上是無界的——一旦 z 離開實軸，cos z 就不再被困在 [-1, 1] 裡。事實上 cos z = (e^(i z) + e^(-i z))/2，所以沿著虛軸它增長得像 e^r，跟 e^z 同樣的指數速率。
階：指數裡坐著 r 的哪個冪
回頭看那三個指數例子：e^z 給 M(r) = e^r，e^(z^2) 給 M(r) = e^(r^2)，而你可以驗證 e^(z^3) 給 M(r) = e^(r^3)。它們的增長全是指數的，但指數裡 r 的那個冪不同：先是 1，再是 2，然後是 3。那個冪正是階所量度的東西。粗略地說，若 M(r) 對大的 r 表現得像 e^(r^rho)，則 rho 就是階。階按照整函數跟得上「某個冪的指數」中的哪一個來把它們分類——這是個比函數公式粗糙得多、卻也穩固得多的標籤。
要把它精確釘死，我們取一個雙重對數，因為指數埋在兩層深處。階 rho 的乾淨定義，是當 r 趨於無窮時 log log M(r) 除以 log r 的上極限。逐步說明為何如此：M(r) ~ e^(r^rho) 表示 log M(r) ~ r^rho，於是 log log M(r) ~ rho log r，再除以 log r 就只剩 rho。用上極限（而非普通極限）是為了誠實——M(r) 不必恰好是 e^(r^rho)，它只需相當，而上極限即使在增長有些晃動時也能抽出正確的指數。
rho = limsup as r->inf of log log M(r) / log r polynomial M(r) ~ r^n -> log M(r) ~ n log r -> rho = 0 e^z M(r) = e^r -> log M(r) = r -> rho = 1 e^(z^2) M(r) = e^(r^2) -> log M(r) = r^2 -> rho = 2 cos z, sin z M(r) ~ e^r -> rho = 1
型：同一階之內的微調
光憑階太粗糙，分不開 e^z 與 e^(2z)：兩者分別有 M(r) = e^r 與 M(r) = e^(2r)，都是階 1，但第二個顯然在指數上快了一倍。要把它們分開，我們讀r^rho 前面的常數。若 M(r) 表現得像 e^(tau r^rho)，那個領頭常數 tau 就是型。對 e^z 指數恰為 r，所以 tau = 1；對 e^(2z) 指數為 2r，所以 tau = 2；對 e^((1/2) z) 指數為 r/2，所以 tau = 1/2。型是第二個旋鈕，是當階已經選定了等級之後，你才伸手去調的微調。
型 tau 的精確定義，是當 r 趨於無窮時 log M(r) 除以 r^rho 的上極限——一旦知道了階 rho，你只剝一層對數而非兩層，直接讀出那個常數。階為 rho 的函數有個三分的綽號：tau = 0 時叫極小型，tau 為有限正數時叫平均型（或正常型），tau = 無窮時叫極大型。階說一個函數增長得多猛；型則精確地說它把多少力氣壓在那股猛勁上。兩者合起來，僅憑兩個實數就給出一份相當完整的增長側寫。
- 造出最大模 M(r) = |f(z)| 在 |z| = r 上的最大值，找出它對大的 r 如何增長——對這些例子，只要沿著它最大的方向算 |f| 即可。
- 取階：rho = log log M(r) / log r 的上極限。這告訴你函數落在哪個指數等級（多項式般溫和為 rho = 0，普通指數為 rho = 1，依此類推）。
- 握有 rho 之後，取型：tau = log M(r) / r^rho 的上極限。這讀出領頭常數，把函數在其階之內釘定。
- 對照已知的清單做合理性檢查：e^(c z) 階為 1、型為 |c|；cos z 與 sin z 階為 1、型為 1；e^(z^2) 階為 2、型為 1；任何多項式階為 0。
從泰勒係數讀出階
這裡有一座橋，讓階與型不必畫出 M(r) 就能計算。一個整函數是處處收斂的冪級數 f(z) = sum a_n z^n，而它的增長被編碼在係數 a_n 縮小得多快裡。直覺是一種你早在收斂半徑公式那裡感受過的對偶：對一個整函數，級數處處收斂，所以 a_n 必定衰減——而它們衰減得越快，函數增長得越慢；衰減得拖拖拉拉的係數則放任函數爆炸。有一道精確的公式把 |a_n| 的衰減速率轉成階 rho，完全不必計算最大模。
這樣一座橋從何而來？它是用一個你已擁有的工具搭成的：柯西估計把每個係數界定為 |a_n| <= M(r) / r^n，對每個半徑 r 都成立。把這個界對 r 最佳化——挑出讓右邊最小的那個半徑——就把 M(r) 的大小直接綁到 |a_n| 的小上，再把不等式兩個方向都跑一遍，便得出階的係數公式。所以一個整函數在遠場的增長，與它的泰勒係數在原點的衰減，是同一條底層事實的兩種讀法。那份對偶，是整個主題裡一個靜靜動人的主題。
為什麼這兩個數主宰整條階梯
階與型不只是記帳——它們是後面一切的承重參數。下一篇證明延森公式，它把 M(r) 的增長連到零點的數目與位置：一個函數不可能既增長得慢、又承載著一大堆零點，所以階限制了零點能密集到什麼程度。再下一篇，哈達瑪因式分解定理，把這化成一條結構定理——一個有限階的整函數，等於它的零點乘上某個多項式的指數，而那多項式的次數被階所界定。有限階替你換來一個因式分解；階則告訴你它被允許複雜到什麼地步。
接著這條階梯轉向值分佈——不是 f 變多大，而是它取哪些值。小皮卡定理說，一個非常數整函數至多漏掉一個複數值（e^z 恰好漏掉 0，回想e^z 永不為零），而大皮卡定理把本性奇點附近的狂野精確化。最後奈望林納理論把最大模 M(r) 推廣成一個更精微的增長量規——奈望林納特徵——它計數取值，並統一了延森、皮卡與整圈的想法。那些結果裡的每一個，都是用我們今天搭起的語言來陳述的。階與型，是整函數世界的座標。