Remove ads
有穷或无穷的序列的和 来自维基百科,自由的百科全书
级数(英语:Series)代表某序列之和,例如序列的级数可以表示成,如果被取和的序列是有穷序列,相对应的级数被称为有穷级数;反之,称为无穷级数。常见的级数包括等差数列和等比数列的级数。
级数本身也是一种序列(代表加到第项)。就跟普通序列一样,级数的通项可以是实数、矩阵或向量等常量,也可以是关于其他变量的函数,不一定是一个数,但某序列要能定义相应级数,前提是必须要有加法(如实数加法、向量加法与矩阵加法等等)。
如果某级数来自于对常数序列取和,则称之为常数(项)级数,如果来自于函数序列,则称之为函数(项)级数。
无穷级数不像有穷级数可以加到最后一项,所以作为替代,通常会尝试将项数趋近于无穷大来取“最终的和”,具体来说,也就是对级数取极限。如果这个极限存在,会仿造数列极限,将这个无穷级数称为收敛的(convergent);反之称为发散的(divergent)。(而且要能定义极限还需要距离来比较远近)
也就是说,只要 上有定义一种有交换律的“运算”,那定义在 的序列都可以“取和”,而它的“部分和”可以构成某个唯一的序列。也就是说,一般会将 视为加法“” ,而将更加直观的记为:
然后把直观地称为部分和。
通常会做以下的符号定义:
而将 记为 甚至是更直观的
以上定义的级数,在直观上被理解成“无穷级数”(infinite series);但所谓的“有穷序列”,也只是从某个正整数 开始,只要正整数 就有 (的单位元,可直观理解成一般加法的“零”)。所以“有穷序列”取部分和而得到的“有穷级数”(finite series),事实上包含在上述定义中;换句话说,有穷级数是对从某项 开始为零的特殊序列取部分和得到的,所以不管怎么加,部分和最大都只能到 。
对于级数,如果当趋于正无穷大时,趋向一个有限的极限:,那么这个无穷级数就叫做是收敛的,叫做级数的和。如果极限不存在,这个无穷级数就是发散的。收敛的无穷级数存在唯一的一个和。这时可以定义级数的余项和:。
如果级数中的各项可以是正数,负数或零,则级数称为任意项级数。 将任意项级数各项取绝对值,得到正项级数。
定理:如果任意项级数的各项的绝对值所组成的正项级数收敛,则级数收敛。
证明: |
---|
令
该定理表明,如果级数绝对收敛,则级数必收敛。 |
这两个级数的敛散性是一样的。
将一个函数展开成无穷级数的概念最早来自14世纪印度的马德哈瓦。他首先发展了幂级数的概念,对泰勒级数、麦克劳林级数、无穷级数的有理逼近以及无穷连分数做了研究。他发现了正弦、余弦、正切函数等的泰勒展开,还用幂级数计算了 π 的值。他的学生继承和发展了他关于级数的工作。
17世纪,詹姆斯·格里高利也开始研究无穷级数,并发表了若干函数的麦克劳林展开式。1715年,布鲁克·泰勒提出了构造一般解析函数的泰勒级数的方法。18世纪时欧拉又发展了超几何级数和q-级数的理论。
14世纪时,马德哈瓦已经开始讨论判别无穷级数敛散性的方法。他提出了一些审敛的准则,后来他的学生将其推广。
然而在欧洲,审查无穷级数是否收敛的研究一般被认为是从19世纪由高斯开始的。他于1812年发表了关于欧拉的超几何级数
的论文,提出了一些简单的收敛准则,并对余项和以及收敛半径进行了讨论。
柯西提出了严格的审敛法的重要性,他证明了两个收敛级数的乘积不一定是收敛的,同时开始研究严格的审敛准则。欧拉和高斯各自给出了各种审敛法则。柯西更研究了复函数的幂级数展开。
1826年,阿贝尔在他的关于二项式级数
的论文中更正了柯西的若干个结论,并给出了二项式级数的严格的求和方法,指出了连续性在收敛问题中的重要性。
柯西提出的审敛法并不是普遍适用的,只能用于判别某些特定函数的敛散性。同时代的其他数学家,比如拉贝(Joseph Ludwig Raabe)的对数判别法,德·摩根的对数判别法(被 DuBois-Reymond和普林斯海姆证明对某些函数失效) ,以及贝特朗、斯托克斯、切比雪夫等人的审敛法也是如此。
对普遍的审敛法则的研究由恩斯特·库默尔开始,之后的艾森斯坦、维尔斯特拉斯、尤里斯·迪尼等都曾致力于这一领域。普林斯海姆于1889年发表的论文阐述了完整的普适审敛理论。
1821年,柯西首先开始对一致连续性的研究,但其中有不少错误和局限。这些错误最早被阿贝尔指出,但首先得出正确结论的是西德尔和斯托克斯。1853年,柯西在注意到阿贝尔的批评后重新开展研究,并得到了与斯托克斯一样的结论。然而,一致连续性的重要性在很长一段时间里没有受到重视。
几何级数(或等比级数)是指通项为等比数列的级数,比如:
一般来说,几何级数收敛当且仅当。
调和级数是指通项为的级数:
它是发散的。
-级数是指通项为的级数:
对于实数值的,当时收敛,当时发散。这可以由积分比较审敛法得出。
收敛当且仅当数列收敛到某个极限,并且这时级数的和是。
泰勒级数是关于一个光滑函数在一点附近取值的级数。泰勒函数由函数在点的各阶导数值构成,具体形式为:
这是一个幂级数。如果它在附近收敛,那么就称函数在点上是解析的。
具有以下形式的级数
形同的函数项无穷级数称为的幂级数。它的收敛与否和系数有关。
任何周期函数都可以用正弦函数和余弦函数构成的无穷级数来表示,称为傅里叶级数。傅里叶级数是函数项无穷级数,也就是说每项都是一个函数。傅里叶级数在数论、组合数学、信号处理、概率论、统计学、密码学、声学、光学等领域都有着广泛的应用。
例如,周期为的周期函数可以表示为:
其中,,,特别的,
若通项为实数的无穷级数每一项都大于等于零,则称是一正项级数。
如果无穷级数 是正项级数,则部分和是一个单调递增数列。由数列极限的判别准则:单调有界数列必有极限。因此,倘若部分和数列Sn有界,收敛,且 ;反之,若部分和数列趋于正无穷,级数发散。
设 和 是正项级数。
比如,我们已知级数:收敛,则级数:也收敛,因为对任意的,。
比较判别法的特点是要已知若干级数的敛散性。一般来说,我们可以选择比较简单的级数:作为“标准级数”,依此判断其他函数的敛散性。需要知道的是当时,发散,当时,收敛。
在比较判别法中,如果取几何级数为比较的标准级数,可得:
这个判别法也称为比值判别法或比值审敛法。
这个判别法也称为根值判别法或根值审敛法'。
具有以下形式的级数
对于通项为任意实数的无穷级数,将级数称为它的绝对值级数。可以证明,如果收敛,那么 也收敛,这时称 绝对收敛。如果收敛,但是发散,则称条件收敛。比如说,级数绝对收敛,因为前面已经证明 收敛。而级数是条件收敛的。它自身收敛到,但是它的绝对值级数是发散的。
黎曼级数定理说明,如果一个无穷级数条件收敛,那么对于任意的实数,存在一个正整数到正整数的双射,使得级数收敛到 。对于正负无穷大,上述双射也存在。
设为定义在区间上的函数列,则表达式:称为函数项级数,简记为。对函数项级数的主要研究是:
对区间上的每个 ,级数 是常数项级数。若 收敛,则称是的一个收敛点,全体收敛点的集合称为它的收敛域。若 发散,则称是的一个发散点,全体发散点的集合称为它的发散域。在其收敛域的每一点上都有定义,因此定义了一个函数,称为的和函数,记为。按照定义,,其中为函数项级数在点上的部分和。
函数项级数的取值可以在它的收敛域上用和函数定义,但和函数的性质可能会和级数的每一项不同。比如说,当函数项级数中的每一项在收敛域上都是连续函数时,和函数未必会是连续函数。以下是一个例子:
然而,如果函数项级数能够满足某些更严格的条件的话,可以证明级数的和函数的规则性将会等于每一项函数的规则性,这就是所谓的一致收敛性质。和函数列的一致收敛性质一样,函数项级数在某个区间内(关于某个范数)一致收敛的定义是它的部分和函数 在区间上一致收敛到和函数,
可以证明:
如果级数 在区间 内一致收敛,并且每个 都是连续函数,那么和函数 在区间 上也是连续函数。
进一步的,如果导函数级数的每一项都是函数(阶连续可微函数),并且各阶导函数级数在区间内都一致收敛,那么级数和函数 也是函数,并且:
函数项级数也有绝对收敛的概念。对于某个给定的区间和范数,函数项级数在区间内绝对收敛,当且仅当常数级数收敛。
绝对收敛的(连续?)函数在每一点都收敛,并且在区间内一致收敛。[来源请求]
形同的函数项无穷级数称为的幂级数。一般只需讨论形同的幂级数。
根据阿贝尔定理,它的收敛域是一个关于零对称的区间,即为(可开可闭)的形式。这个正数(可以是无穷大)叫做幂级数的收敛半径。并有定理:
设幂级数满足,则:
求解幂级数的和函数有时需要利用先对各项积分(或求导)以得到一个方便利用已有公式进行求和的形式,在求和后在对各项求导(或积分)。
渐进级数是用来对某些函数的间断点附近的情况进行逼近的级数。渐进级数一般是发散的,它的部分和趋于无穷大,因此可以很好地逼近一个趋于无穷大的函数。但要注意的是,渐进级数提供的逼近是相对的,即只是比值趋于一致,与函数值之间的误差并不像收敛的级数一样趋于无穷小。一般来说,渐进级数在若干项后便达到最小的绝对误差,之后的绝对误差一般会增大甚至趋于无穷。
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.