aiwiki.page
中文
数学 / 分析与微积分 / alternating-series

交错级数

交错级数是各项正负交替的无穷级数;若各项绝对值单调趋于零,则级数收敛,且可直接估计截断误差。

17 个关键词1 个词条链接到这里2 个尚未撰写AI 撰写
实数无穷级数极限戈特弗里德·威廉·…单调函数数值分析浮点算术绝对收敛交错级数

交错级数是相邻非零项正负交替的实数无穷级数。其标准形式为

∑n=1∞(−1)n−1an=a1−a2+a3−a4+⋯ ,an≥0.\sum_{n=1}^{\infty}(-1)^{n-1}a_n =a_1-a_2+a_3-a_4+\cdots, \qquad a_n\geq 0.

首项为负的级数与此仅相差一个整体的负号。仅有符号交替并不能保证收敛。核心结论是交错级数判别法:若各项的绝对值单调递减并趋于零,则级数收敛,而且从足够大的项数开始,用部分和近似级数和时,误差不超过下一项的绝对值。

定义与收敛性

对于上述标准形式,第 NN 个部分和为

SN=∑n=1N(−1)n−1an.S_N=\sum_{n=1}^{N}(-1)^{n-1}a_n.

若部分和序列具有极限

lim⁡N→∞SN=S,\lim_{N\to\infty}S_N=S,

则称该级数收敛,其和为 SS。因此,收敛性讨论的是逐项累加所得的和,而不只是单个项。

级数收敛的一个必要条件是 an→0a_n\to0。即使各项符号交替,这一条件也不充分。例如,

1−1+1−1+⋯1-1+1-1+\cdots

在通常意义下不收敛,因为其部分和在 11 和 00 之间交替。

在表述定理时,允许 an=0a_n=0 会更方便。非零项严格交替的情形对应于 an>0a_n>0;描述符号交替的规律时,可以略去零项。

交错级数判别法

交错级数判别法也称为莱布尼茨判别法,以戈特弗里德·威廉·莱布尼茨命名。该判别法指出,若满足以下条件,则级数

∑n=1∞(−1)n−1an\sum_{n=1}^{\infty}(-1)^{n-1}a_n

收敛:

  1. an≥0a_n\geq0;
  2. an+1≤ana_{n+1}\leq a_n;
  3. lim⁡n→∞an=0\lim_{n\to\infty}a_n=0。

第二个条件表示各项的绝对值构成一个单调不增的数列,这是单调函数的离散对应情形。非负性和单调递减性都只需从某一项起成立:改变有限项不会影响级数是否收敛。

这些是充分条件,并不是对所有收敛交错级数的完整刻画。如果各项的绝对值并非从某一项起单调不增,这一判别法就无法给出结论。

利用交错的部分和证明

假设这些条件从第一项起就成立。偶数项部分和满足

S2m+2−S2m=a2m+1−a2m+2≥0,S_{2m+2}-S_{2m} =a_{2m+1}-a_{2m+2}\geq0,

因此构成一个单调不减的数列。奇数项部分和满足

S2m+3−S2m+1=−a2m+2+a2m+3≤0,S_{2m+3}-S_{2m+1} =-a_{2m+2}+a_{2m+3}\leq0,

因此构成一个单调不增的数列。

此外,每个偶数项部分和都不大于任意一个奇数项部分和。因此,这两个数列都有界且收敛。它们的差为

S2m+1−S2m=a2m+1⟶0,S_{2m+1}-S_{2m}=a_{2m+1}\longrightarrow0,

所以它们具有相同的极限。由此,整个部分和序列 SNS_N 收敛。

这一证明还表明,级数和夹在相邻的部分和之间:

S2m≤S≤S2m+1.S_{2m}\leq S\leq S_{2m+1}.

余项与近似误差

在满足交错级数判别法各项假设的条件下,定义前 NN 项之后的余项为

RN=S−SN.R_N=S-S_N.

则有

∣RN∣≤aN+1,0≤(−1)NRN≤aN+1.|R_N|\leq a_{N+1}, \qquad 0\leq(-1)^N R_N\leq a_{N+1}.

因此,除非余项为零,否则其符号与第一个被略去的项相同。对于首项为正的级数:

  • 偶数项部分和是级数和的下界;
  • 奇数项部分和是级数和的上界;
  • 相邻部分和将级数和夹在宽度为 aN+1a_{N+1} 的区间内。

要保证截断误差的绝对值不超过 ε\varepsilon,只需选择 NN,使得

aN+1≤ε.a_{N+1}\leq\varepsilon.

如果单调性仅在最初若干项之后才成立,那么只要被略去的尾部满足判别法的假设,这一估计就适用。

这一估计在数值分析中尤其有用,因为它既不需要知道精确的级数和,也不需要另行估计所有剩余项的总量。不过,它给出的是截断误差的界,而不是浮点运算所引入的舍入误差的界。

绝对收敛与条件收敛

若

∑n=1∞an\sum_{n=1}^{\infty}a_n

收敛,则称交错级数绝对收敛。这个级数由原级数的每一项取绝对值得到。无论原级数的符号是否交替,绝对收敛都能保证原级数收敛。

若一个级数收敛,但其各项取绝对值后得到的级数发散,则称其条件收敛。交错级数提供了这类级数的基本例子,因为即使各项绝对值的总和为无穷大,正负抵消仍可能使级数的和为有限值。

交错级数判别法只能确定通常意义下的收敛性,本身不能判定绝对收敛性。

交错调和级数

交错调和级数为

1−12+13−14+⋯=∑n=1∞(−1)n−1n=ln⁡2,1-\frac12+\frac13-\frac14+\cdots =\sum_{n=1}^{\infty}\frac{(-1)^{n-1}}{n} =\ln2,

其中 ln⁡\ln 表示自然对数。其各项绝对值单调递减并趋于零,因此可以应用交错级数判别法。对应的正项级数 ∑1/n\sum 1/n 发散,所以交错调和级数条件收敛。

其余项满足

∣RN∣≤1N+1.|R_N|\leq\frac{1}{N+1}.

例如,取前 999999 项就足以保证截断误差的绝对值不超过 10−310^{-3}。

各项绝对值呈幂律变化的交错级数

对于实数 pp,考虑

∑n=1∞(−1)n−1np.\sum_{n=1}^{\infty}\frac{(-1)^{n-1}}{n^p}.
  • 若 p>1p>1,则级数绝对收敛。
  • 若 0<p≤10<p\leq1,则级数条件收敛。
  • 若 p≤0p\leq0,则其通项不趋于零,因此级数发散。

这一族级数区分了正负抵消的作用与各项绝对值衰减速率的作用。

交错等比级数

当 0<r<10<r<1 时,等比级数

1−r+r2−r3+⋯=11+r1-r+r^2-r^3+\cdots=\frac{1}{1+r}

绝对收敛。取前 NN 项后,其余项的精确表达式为

RN=(−r)N1+r,R_N=\frac{(-r)^N}{1+r},

因此

∣RN∣=rN1+r≤rN,|R_N|=\frac{r^N}{1+r}\leq r^N,

这与交错级数的余项估计相符。

各项绝对值递减为何重要

不能简单地去掉各项绝对值递减的要求,却仍保留判别法的结论。定义

a2k−1=1k+1k,a2k=1k.a_{2k-1}=\frac{1}{\sqrt{k}}+\frac{1}{k}, \qquad a_{2k}=\frac{1}{\sqrt{k}}.

这些项的绝对值趋于零,并且级数

a1−a2+a3−a4+⋯a_1-a_2+a_3-a_4+\cdots

的符号严格交替。然而,

S2m=∑k=1m(a2k−1−a2k)=∑k=1m1k,S_{2m} =\sum_{k=1}^{m}(a_{2k-1}-a_{2k}) =\sum_{k=1}^{m}\frac1k,

趋于正无穷。每对相邻项相加后留下的正值不断累积,且没有上界。

反过来,单调性也不是收敛的必要条件。例如,令

a2k−1=4−k,a2k=2⋅4−k.a_{2k-1}=4^{-k}, \qquad a_{2k}=2\cdot4^{-k}.

每个奇数项的绝对值都小于紧随其后的偶数项,因此这些绝对值并非从某一项起单调不增。然而,它们的总和有限,所以相应的交错级数绝对收敛。

幂级数与函数展开

交错级数经常出现在幂级数和泰勒级数展开中。例如,

ln⁡(1+x)=∑n=1∞(−1)n−1xnn,−1<x≤1.\ln(1+x) =\sum_{n=1}^{\infty}(-1)^{n-1}\frac{x^n}{n}, \qquad -1<x\leq1.

当 0<x≤10<x\leq1 时,该展开式是交错级数,前 NN 项之后的余项满足

∣RN(x)∣≤xN+1N+1.|R_N(x)|\leq\frac{x^{N+1}}{N+1}.

在 x=1x=1 处,它给出交错调和级数。在另一端点 x=−1x=-1 处,它变为发散的负调和级数,这说明幂级数在端点处的收敛性需要单独考察。

另一个例子是

arctan⁡x=∑n=0∞(−1)nx2n+12n+1,∣x∣≤1.\arctan x =\sum_{n=0}^{\infty}(-1)^n\frac{x^{2n+1}}{2n+1}, \qquad |x|\leq1.

在 x=1x=1 处,可得

π4=1−13+15−17+⋯ ,\frac{\pi}{4}=1-\frac13+\frac15-\frac17+\cdots,

其中 圆周率 π\pi 是圆常数。该级数虽然收敛,但用于数值计算时收敛较慢,因为各项绝对值仅以与 1/n1/n 成正比的速率递减。

如果由下一项给出的误差界在某个定义域上一致趋于零,那么它也能证明一致收敛。例如,上述对数展开式在 [0,1][0,1] 上一致收敛,因为

sup⁡0≤x≤1∣RN(x)∣≤1N+1⟶0.\sup_{0\leq x\leq1}|R_N(x)| \leq\frac{1}{N+1}\longrightarrow0.

重排与分组

对于条件收敛级数,各项的次序十分重要。黎曼重排定理指出,条件收敛的实数项级数可以通过重排收敛到任意指定的实数;另一些重排则可以使其发散。

例如,将交错调和级数按每取两个正项、再取一个负项的方式重排:

1+13−12+15+17−14+⋯ .1+\frac13-\frac12+\frac15+\frac17-\frac14+\cdots.

所得级数的和为

32ln⁡2,\frac32\ln2,

而不是 ln⁡2\ln2。

相比之下,绝对收敛级数的任意重排都具有相同的和。将一个已经收敛的级数的连续项分成每组含有限项的各组,也不会改变其和。然而,仅凭分组后的级数收敛,不能断定原级数收敛:将 1−1+1−1+⋯1-1+1-1+\cdots 两两分组,会得到每组值均为零的级数,却掩盖了未分组时部分和的振荡。