知经 KNOWECON
登录 注册

知经百科 / W

无穷级数

无穷级数 (Infinite Series)

无穷级数（Infinite Series）是数学分析的核心概念，指将一个无穷序列的所有项依次相加所得的表达式。形式地，给定数列 {an}n=1∞\{a_n\}_{n=1}^\infty，其无穷级数记为 ∑n=1∞an=a1+a2+a3+⋯\sum_{n=1}^\infty a_n = a_1 + a_2 + a_3 + \cdots。无穷级数是微积分、函数逼近、概率论和物理学的基本工具，在理论建构与实际计算中扮演不可替代的角色。

收敛性概念

无穷级数研究的首要问题是收敛性。定义部分和 Sn=∑k=1nakS_n = \sum_{k=1}^n a_k。若极限 lim⁡n→∞Sn=S\lim_{n \to \infty} S_n = S 存在且为有限实数，则称级数收敛于 SS，记作 ∑n=1∞an=S\sum_{n=1}^\infty a_n = S；若极限不存在或为无穷大，则称级数发散。级数收敛的必要条件是通项趋于零：lim⁡n→∞an=0\lim_{n \to \infty} a_n = 0。但该条件并不充分——调和级数 ∑n=1∞1/n\sum_{n=1}^\infty 1/n 的通项趋于零，但级数发散，这是级数理论中最经典的警示性反例。

收敛级数的基本性质：收敛级数的线性组合仍然收敛（即 ∑(αan+βbn)=α∑an+β∑bn\sum(\alpha a_n + \beta b_n) = \alpha\sum a_n + \beta\sum b_n）；添加、删除或改变有限多项不影响级数的收敛性（但可能改变和的值）；收敛级数满足结合律——任意加括号后所得新级数仍收敛于同一和值。

正项级数的收敛判别法

对于各项非负的正项级数 ∑an (an≥0)\sum a_n\ (a_n \ge 0)，部分和序列单调不减，因此收敛等价于部分和有上界。基于此原理，发展出以下核心判别法：

  • 比较判别法：若 0≤an≤bn0 \le a_n \le b_n 对所有充分大的 nn 成立，则 ∑bn\sum b_n 收敛 ⇒\Rightarrow ∑an\sum a_n 收敛；∑an\sum a_n 发散 ⇒\Rightarrow ∑bn\sum b_n 发散。
  • 极限比较判别法：若 lim⁡n→∞an/bn=c\lim_{n\to\infty} a_n/b_n = c 且 0<c<∞0 < c < \infty，则 ∑an\sum a_n 与 ∑bn\sum b_n 同敛散。
  • 比值判别法（D'Alembert）：设 lim⁡n→∞∣an+1/an∣=L\lim_{n\to\infty} |a_{n+1}/a_n| = L。若 L<1L < 1 则级数绝对收敛；L>1L > 1 则发散；L=1L = 1 时判别法无效。
  • 根值判别法（Cauchy）：设 lim⁡n→∞∣an∣n=L\lim_{n\to\infty} \sqrt[n]{|a_n|} = L，判据与比值法相同。
  • 积分判别法：若 f(x)f(x) 在 [1,∞)[1,\infty) 上非负递减，则 ∑n=1∞f(n)\sum_{n=1}^\infty f(n) 与广义积分 ∫1∞f(x) dx\int_1^\infty f(x)\,dx 同敛散。该判别法建立了离散求和与连续积分之间的桥梁。

绝对收敛与条件收敛

级数 ∑an\sum a_n 称为绝对收敛，若 ∑∣an∣\sum |a_n| 收敛。绝对收敛蕴含原级数收敛，且任意重排后仍收敛于同一和——此为绝对收敛的核心优势。若级数收敛但不绝对收敛，则称为条件收敛。Riemann重排定理指出：条件收敛级数可通过调整项的次序使其收敛于任意实数甚至发散，这揭示了条件收敛的本质不稳定性。

对于交错级数 ∑(−1)n−1bn (bn≥0)\sum (-1)^{n-1} b_n\ (b_n \ge 0)，莱布尼茨判别法给出了简洁判据：若 bnb_n 单调递减且趋于零，则交错级数收敛，且余项 ∣Rn∣≤bn+1|R_n| \le b_{n+1}。

经典级数

  • 几何级数：∑n=0∞rn=11−r (∣r∣<1)\sum_{n=0}^\infty r^n = \frac{1}{1-r}\ (|r| < 1)，是最基本的收敛级数，在经济学中广泛应用于现值计算与无穷期贴现模型。
  • p-级数：∑n=1∞1/np\sum_{n=1}^\infty 1/n^p 当 p>1p > 1 时收敛、p≤1p \le 1 时发散，是各类比较判别法的基准。特别地，∑1/n2=π2/6\sum 1/n^2 = \pi^2/6（巴塞尔问题，欧拉于1734年解决）。
  • 调和级数：∑n=1∞1/n\sum_{n=1}^\infty 1/n 发散，其部分和 Hn∼ln⁡n+γH_n \sim \ln n + \gamma，其中 γ≈0.5772\gamma \approx 0.5772 为欧拉常数。
  • 指数级数：∑n=0∞xn/n!=ex\sum_{n=0}^\infty x^n/n! = e^x，对任意实数 xx 均绝对收敛，是指数函数的幂级数定义。

幂级数与泰勒级数

幂级数 ∑n=0∞cn(x−a)n\sum_{n=0}^\infty c_n (x-a)^n 不仅是数值级数，更是定义函数的工具。每个幂级数有一个收敛半径 R∈[0,∞]R \in [0, \infty]，由Cauchy-Hadamard公式 R=1/lim sup⁡∣cn∣nR = 1/\limsup \sqrt[n]{|c_n|} 确定。当 ∣x−a∣<R|x-a| < R 时级数绝对收敛于一个光滑函数；当 ∣x−a∣>R|x-a| > R 时发散。

光滑函数 ff 在点 x=ax=a 附近的泰勒级数（Taylor series）为：

f(x)=∑n=0∞f(n)(a)n!(x−a)nf(x) = \sum_{n=0}^\infty \frac{f^{(n)}(a)}{n!}(x-a)^n

当余项 Rn(x)→0R_n(x) \to 0 时级数收敛于原函数。泰勒级数是函数局部逼近的核心技术，在数值分析、最优化理论的牛顿法中至关重要。常见泰勒展开如 ln⁡(1+x)=∑n=1∞(−1)n−1xn/n (∣x∣<1)\ln(1+x) = \sum_{n=1}^\infty (-1)^{n-1} x^n/n\ (|x| < 1) 和 arctan⁡x=∑n=0∞(−1)nx2n+1/(2n+1)\arctan x = \sum_{n=0}^\infty (-1)^n x^{2n+1}/(2n+1)。

在概率论与计量经济学中的应用

无穷级数在概率论和计量经济学中有深刻应用。概率论中，几何分布的归一化条件 ∑k=1∞(1−p)k−1p=1\sum_{k=1}^\infty (1-p)^{k-1}p = 1 直接依赖几何级数求和。泊松分布的概率质量函数归一化 ∑k=0∞λk/k!=eλ\sum_{k=0}^\infty \lambda^k/k! = e^\lambda 基于指数级数。矩母函数 MX(t)=E[etX]M_X(t) = \mathbb{E}[e^{tX}] 的幂级数展开将各阶矩编码为系数。

在时间序列分析中，无限阶移动平均过程 Yt=∑j=0∞ψjεt−jY_t = \sum_{j=0}^\infty \psi_j \varepsilon_{t-j} 的平稳性要求 ∑ψj2<∞\sum \psi_j^2 < \infty（绝对可和），这是级数收敛性在随机框架下的自然推广。AR(1) 模型 Yt=ϕYt−1+εtY_t = \phi Y_{t-1} + \varepsilon_t 的无限阶MA表示 Yt=∑j=0∞ϕjεt−jY_t = \sum_{j=0}^\infty \phi^j \varepsilon_{t-j} 的收敛要求 ∣ϕ∣<1|\phi| < 1——本质上是对几何级数收敛条件的直接应用。在宏观经济学中，无穷期模型的横截性条件和动态规划的值函数迭代中，贴现效用 ∑βtu(ct)\sum \beta^t u(c_t) 的收敛性构成了模型良定义的前提。

返回百科索引