1533 字
8 分钟
微积分 06|级数、幂级数与函数列

数学总导航 · 本课程目录 · ← 上一章 · 下一章 →

每次只付上次的一半,账单会无限大吗?#

第一天付 100 元,第二天 50 元,第三天 25 元,之后每次减半。付了 NN 天,总额为 200(1−2−N)200(1-2^{-N}) 元,即使不停付下去也只趋近 200 元。

这说明“项数无穷”不代表“和无穷”。但如果每天付 100/n100/n 元,虽然当天金额趋零,总额仍会没有上界。判断总账,不能只看最后一笔越来越小。

函数列还有一层麻烦:你可能每天看同一个用户的网速都在改善,却总有别的用户卡住。逐点收敛像“每个固定用户迟早达标”,一致收敛像“找到统一日期,全体用户从此都达标”。下面用 tnt^n 把这两个说法算清楚。

几何级数的和为什么是 200,而不是靠直觉猜#

对前 NN 天总账 SN=100+50+⋯+100/2N−1S_N=100+50+\cdots+100/2^{N-1},把它乘一半后错位相减:SN−SN/2=100−100/2NS_N-S_N/2=100-100/2^N。于是 SN=200(1−2−N)S_N=200(1-2^{-N})。

这一步先在有限项里做,所有运算都合法,然后才令 N→∞N\to\infty。很多看似神秘的无限运算,都可以这样拆成“有限计算 + 极限控制”。反过来,在尚不知道收敛时直接把无限项移来移去,很容易得到假结论。

“每个用户迟早不卡”与“某天全站不卡”差在哪#

把用户编号为 x∈[0,1]x\in[0,1],用 fn(x)=xnf_n(x)=x^n 表示第 nn 天的某种误差。固定 x=0.5x=0.5,误差很快变小;固定 x=0.999x=0.999,需要更久,但仍会趋零。唯独端点 x=1x=1 始终为 1。

即便删去端点,只在 [0,1)[0,1) 观察,仍不能找到“全体同时小于 0.1”的日期。给定任意 nn,总能找到足够靠近 1 的用户,使 xn>0.1x^n>0.1。

逐点收敛允许达标日期依赖用户;一致收敛不允许。写成量词,区别是先给 xx 再找 NN,还是先找到一个对所有 xx 都有效的 NN。这个顺序比多背一条收敛名称更重要。

为什么一致收敛有助于交换积分#

如果全天温度曲线的预测误差处处不超过 0.1°C,那么在 24 小时里,累计温差的绝对值不超过 2.4 度·小时。一般式就是

∣∫ab(fn−f)∣≤(b−a)sup⁡∣fn−f∣.\left|\int_a^b(f_n-f)\right|\le(b-a)\sup|f_n-f|.

右边趋零,左边自然趋零。这是一份明确的总误差预算。

逐点趋零没有给出共同预算。一根高度为 nn、宽度为 1/n1/n 的尖峰,面积始终为 1。每个固定非零位置最终看不见它,却不能据此说总面积消失。以后学习控制收敛定理,就是给这种“换序”寻找另一份足够强的预算。

带你做:算无穷和,只算前多少项就够了#

对 S=1+1/3+1/32+⋯S=1+1/3+1/3^2+\cdots,前 NN 项之后的尾巴仍是几何级数:

RN=3−N1−1/3=32 3−N.R_N=\frac{3^{-N}}{1-1/3}=\frac32\,3^{-N}.

想把绝对误差控制在 0.001 内,需要 3N>15003^N>1500。因为 36=7293^6=729、37=21873^7=2187,算前 7 项就足够。无穷对象可以通过有限计算得到有保证的近似,不必真正完成无穷次运算。

再看 ∑n=1∞1/n2\sum_{n=1}^{\infty}1/n^2,积分比较给 ∑n>N1/n2≤1/N\sum_{n>N}1/n^2\le1/N,因此同样精度的粗略充分条件要取 N>1000N>1000。两个级数都收敛,但算到同样精度的成本差很多。

这也说明“证明收敛”和“高效求值”并不是同一项任务。前者保证尾巴趋零,后者还关心它趋零多快。泛函分析中的近似误差、数值积分和算子截断,都会不断复用这笔尾部账。

回头整理:定义、工具与练习#

级数是部分和的极限#

∑an\sum a_n 收敛指 sN=∑n=1Nans_N=\sum_{n=1}^Na_n 收敛。必要条件 an→0a_n\to0 不充分,调和级数 ∑1/n\sum1/n 就发散:按 [2k,2k+1−1][2^k,2^{k+1}-1] 分组,每组和至少为 1/21/2。

几何级数 ∑n=0∞rn=1/(1−r)\sum_{n=0}^{\infty}r^n=1/(1-r) 当且仅当 ∣r∣<1|r|<1。正项级数可用比较判别;比值判别在 lim⁡∣an+1/an∣<1\lim|a_{n+1}/a_n|<1 时保证绝对收敛,大于 1 时发散,等于 1 时无结论。pp 级数 ∑n−p\sum n^{-p} 当且仅当 p>1p>1 收敛。

绝对收敛蕴含收敛。交错调和级数收敛但不绝对收敛;对条件收敛级数随意重排可能改变和。

幂级数与半径#

对 ∑cn(x−a)n\sum c_n(x-a)^n,存在收敛半径 R∈[0,∞]R\in[0,\infty],内部绝对收敛、外部发散,端点单独判断。若系数比值极限存在,可由比值判别求 RR。

在半径内部可以逐项求导、积分,半径不变。例如

11−x=∑n=0∞xn,−log⁡(1−x)=∑n=1∞xnn,∣x∣<1.\frac1{1-x}=\sum_{n=0}^{\infty}x^n, \qquad -\log(1-x)=\sum_{n=1}^{\infty}\frac{x^n}{n},\quad |x|<1.

端点 x=−1x=-1 对第二式的级数可另用交错级数判别;不能由半径内部的结论自动覆盖所有端点。

逐点与一致收敛#

逐点收敛:对每个固定 xx,fn(x)→f(x)f_n(x)\to f(x)。一致收敛:

sup⁡x∈E∣fn(x)−f(x)∣→0.\sup_{x\in E}|f_n(x)-f(x)|\to0.

在 [0,1][0,1] 上 fn(x)=xnf_n(x)=x^n 逐点趋于“x<1x<1 时为 0,x=1x=1 时为 1”的函数,但不一致。连续函数的一致极限连续,逐点极限却可以不连续。

x 的 n 次幂随 n 增大在右端聚集

一致极限保持连续性的证明可拆成三项:

∣f(x)−f(a)∣≤∣f(x)−fN(x)∣+∣fN(x)−fN(a)∣+∣fN(a)−f(a)∣.|f(x)-f(a)|\le|f(x)-f_N(x)|+|f_N(x)-f_N(a)|+|f_N(a)-f(a)|.

先选统一有效的 NN,再用 fNf_N 的连续性控制中间项。

哪些操作可以交换#

在有限区间上,连续函数列一致收敛时,极限与积分可交换,因为积分误差不超过区间长度乘以一致误差。

求导更敏感。fn(x)=sin⁡(nx)/nf_n(x)=\sin(nx)/n 一致趋零,但 fn′(0)=1f_n'(0)=1,不趋于零函数的导数。一条充分条件是:fn∈C1[a,b]f_n\in C^1[a,b],某点函数值收敛,且 fn′f_n' 一致收敛;这时极限可导,导数等于导函数列的极限。

Weierstrass 判别法:若 ∣gn(x)∣≤Mn|g_n(x)|\le M_n 且 ∑Mn<∞\sum M_n<\infty,则 ∑gn\sum g_n 一致且绝对收敛。它为换序提供可操作的误差界。

练习与解答#

  1. ∑n/(n3+1)\sum n/(n^3+1) 是否收敛?
  2. xnx^n 在 [0,r][0,r](0<r<10<r<1)是否一致趋零?
  3. 设 gn=n1(0,1/n)g_n=n\mathbf1_{(0,1/n)},逐点几乎处处趋零,积分是否趋零?

解答:1. 与 1/n21/n^2 比较,收敛。2. 是,上确界为 rnr^n。3. 否,积分恒为 1。这个“越来越窄、越来越高的尖峰”说明逐点收敛不足以交换积分。


数学总导航 · 本课程目录 · ← 上一章 · 下一章 →

微积分 06|级数、幂级数与函数列
https://f1yingwhite.github.io/posts/数学/微积分/06-级数、幂级数与函数列/
作者
F1yingWhite
发布于
2026-11-03
许可协议
CC BY-NC-SA 4.0