当前位置: 首页 > web >正文

调和级数 敛散性

调和级数的敛散性是一个非常经典的问题。我们来全面分析它。


🧠 调和级数定义

调和级数是指:

∑ n = 1 ∞ 1 n = 1 + 1 2 + 1 3 + 1 4 + ⋯ \sum_{n=1}^{\infty} \frac{1}{n} = 1 + \frac{1}{2} + \frac{1}{3} + \frac{1}{4} + \cdots n=1n1=1+21+31+41+


❓ 问题:这个级数收敛还是发散?

答案是:

调和级数发散

尽管它的项 1 n → 0 \frac{1}{n} \to 0 n10,但趋于 0 的速度太慢,无法使级数收敛。


✅ 证明一:分组比较法(经典简单)

我们用分组法来估算其部分和下界:

S = 1 + 1 2 + ( 1 3 + 1 4 ) + ( 1 5 + ⋯ + 1 8 ) + ( 1 9 + ⋯ + 1 16 ) + ⋯ > 1 + 1 2 + 2 ⋅ 1 4 + 4 ⋅ 1 8 + 8 ⋅ 1 16 + ⋯ = 1 + 1 2 + 1 2 + 1 2 + 1 2 + ⋯ \begin{align*} S &= 1 + \frac{1}{2} + \left( \frac{1}{3} + \frac{1}{4} \right) + \left( \frac{1}{5} + \cdots + \frac{1}{8} \right) + \left( \frac{1}{9} + \cdots + \frac{1}{16} \right) + \cdots \\ &> 1 + \frac{1}{2} + 2 \cdot \frac{1}{4} + 4 \cdot \frac{1}{8} + 8 \cdot \frac{1}{16} + \cdots \\ &= 1 + \frac{1}{2} + \frac{1}{2} + \frac{1}{2} + \frac{1}{2} + \cdots \end{align*} S=1+21+(31+41)+(51++81)+(91++161)+>1+21+241+481+8161+=1+21+21+21+21+

每一组和都大于 1 2 \frac{1}{2} 21,而这样的组有无穷多组,所以:

S → ∞ ⇒ 调和级数发散 S \to \infty \Rightarrow \text{调和级数发散} S调和级数发散


✅ 证明二:与积分比较

我们比较:

∑ n = 2 ∞ 1 n 与 ∫ 2 ∞ 1 x d x \sum_{n=2}^\infty \frac{1}{n} \quad \text{与} \quad \int_2^\infty \frac{1}{x} dx n=2n12x1dx

由于 1 x \frac{1}{x} x1 是单调递减的正函数,我们可以使用积分判别法:

∫ 2 ∞ 1 x d x = ln ⁡ x ∣ 2 ∞ = ∞ ⇒ ∑ n = 2 ∞ 1 n 也发散 \int_2^\infty \frac{1}{x} dx = \ln x \Big|_2^\infty = \infty \Rightarrow \sum_{n=2}^\infty \frac{1}{n} \text{ 也发散} 2x1dx=lnx 2=n=2n1 也发散

所以调和级数发散。


🚧 常见误区提醒

  • 有人会以为 “项趋于 0 就收敛” —— ❌ 错的。
  • 收敛,必须项趋于 0 趋近得够快。
  • 比如 ∑ 1 n 2 \sum \frac{1}{n^2} n21 就收敛,因为趋近更快。

✅ 总结

级数形式敛散性
∑ 1 n \sum \frac{1}{n} n1发散(调和级数)
∑ 1 n p , p > 1 \sum \frac{1}{n^p}, p > 1 np1,p>1收敛
∑ 1 n p , p ≤ 1 \sum \frac{1}{n^p}, p \le 1 np1,p1发散

如果你想看 变种调和级数(例如交错调和级数) 是否收敛,我也可以继续讲。是否需要?

http://www.xdnf.cn/news/14572.html

相关文章:

  • 一些杂想20250615
  • SAP顾问职位汇总(第24周)
  • 【Lean4编程入门】 Lean 4 中的 `inductive` 类型定义注解例子解析
  • 电商数据采集的技术分享
  • 【Bug:docker】--docker的wsl版本问题
  • 人工智能-准确率(Precision)、召回率(Recall) 和 F1 分数
  • 1、Java基础语法通关:从变量盒子到运算符魔法
  • NGINX Google Performance Tools 模块`ngx_google_perftools_module`
  • Mkdocs 阅读时间统计插件
  • 【第四十周】眼动追踪基础
  • 【C/C++】内核开发之进程调度大纲
  • Claude Code 是什么?
  • 【论文解读】LLaMA-Berry: 将“refine”当作动作解决数学推理
  • 域与对象的生命周期
  • Python文件与目录操作管理详解
  • 装饰模式Decorator Pattern
  • 阿里开源的MaskSearch:教AI学会“自己找答案”的魔法书
  • GO语言---panic和recover关键字
  • SpringAI+DeepSeek大模型应用开发——6基于MongDB持久化对话
  • 内存一致性模型
  • 人工智能学习31-开发框架
  • 【技术实战】工业级设备健康管理系统搭建全栈指南:从数据采集到预测性维护
  • C++与C如何相互调用
  • 盟接之桥EDI软件:开启制造业数据对接与协同的新纪元
  • Requests源码分析01:运行tests
  • 结构学习的理论(第1、2章)
  • OpenKylin安装运行ssh及sftp服务
  • 缓冲区技术
  • SCAU大数据技术原理雨课堂测验2
  • NodeJS11和10以及之前的版本,关键差异?