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

调和级数

调和级数是正整数倒数构成的发散级数,其部分和按对数速度增长。

25 个关键词8 个词条链接到这里2 个尚未撰写AI 撰写
无穷级数数学分析调和数极限音乐傅里叶级数数学证明自然对数调和级数

调和级数是指以下无穷级数:

∑n=1∞1n=1+12+13+14+⋯ .\sum_{n=1}^{\infty}\frac1n =1+\frac12+\frac13+\frac14+\cdots.

尽管各项趋于零,其部分和却会无限增大,因此该级数发散到正无穷。它是数学分析中的一个基本例子,说明各项趋于零是级数收敛的必要条件,但不是充分条件。它的部分和称为调和数,其增长大致与项数的自然对数相同。

定义与术语

第 nn 个调和数定义为

Hn=∑k=1n1k,n≥1.H_n=\sum_{k=1}^{n}\frac1k, \qquad n\geq1.

调和级数收敛的必要条件是序列 HnH_n 具有有限的极限。然而,实际情况是

lim⁡n→∞Hn=+∞.\lim_{n\to\infty}H_n=+\infty.

因此,将该级数写成“等于无穷大”,只是表示它发散到正无穷的简写,并不是说无穷大是一个实数值的和。

“调和”一词反映了它与音乐中泛音的联系:理想振动弦各阶泛音的波长之比为 1,1/2,1/3,…1,1/2,1/3,\ldots。正整数的倒数也构成一个调和数列,即各项的倒数组成等差数列。这个数项级数不应与傅里叶级数混淆,后者通过三角函数分量来表示函数。

级数为何发散

分组法

一种经典证明将各项分成长度依次加倍的组:

1+12+(13+14)+(15+⋯+18)+(19+⋯+116)+⋯ .1+\frac12 +\left(\frac13+\frac14\right) +\left(\frac15+\cdots+\frac18\right) +\left(\frac19+\cdots+\frac1{16}\right)+\cdots.

对于每个整数 j≥1j\geq1,从第 2j−1+12^{j-1}+1 项到第 2j2^j 项的一组共有 2j−12^{j-1} 项,每项都不小于 1/2j1/2^j。因此,

∑k=2j−1+12j1k≥12.\sum_{k=2^{j-1}+1}^{2^j}\frac1k\geq\frac12.

于是

H2m≥1+m2.H_{2^m}\geq1+\frac m2.

右端会无限增大。由于每一项都为正,所有项数足够多的部分和都会超过任意给定的有限界限,而不仅仅是那些项数为二的幂的部分和。

这一论证通常归于十四世纪数学家尼科尔·奥雷姆。它是利用有限不等式对无穷过程进行数学证明的早期范例,影响深远。

积分比较法

函数 1/x1/x 在 x>0x>0 时为正且单调递减。将矩形面积与其图像下方的面积进行比较,可得

∫1n+1dxx≤Hn≤1+∫1ndxx.\int_1^{n+1}\frac{dx}{x} \leq H_n \leq1+\int_1^n\frac{dx}{x}.

利用自然对数,可写为

log⁡(n+1)≤Hn≤1+log⁡n.\log(n+1)\leq H_n\leq1+\log n.

由于 log⁡n\log n 无界,调和级数发散。

这些不等式是级数的积分判别法的一个应用。它们还表明,部分和按对数速度而非线性速度趋于无穷。

不满足柯西准则

对于每个正整数 nn,都有

H2n−Hn=∑k=n+12n1k≥12.H_{2n}-H_n =\sum_{k=n+1}^{2n}\frac1k \geq\frac12.

因此,无论取到序列中多靠后的位置,仍能找到相差至少 1/21/2 的两个部分和。部分和不构成柯西序列,因而不可能在实数范围内收敛。

这种表述指出了问题的关键:单个项虽然越来越小,但将足够多的项合在一起,其总和仍然不可忽略。

增长速度与欧拉常数

由积分给出的界可知

lim⁡n→∞Hnlog⁡n=1.\lim_{n\to\infty}\frac{H_n}{\log n}=1.

更精确的结果是,差值 Hn−log⁡nH_n-\log n 趋于欧拉–马歇罗尼常数:

γ=lim⁡n→∞(Hn−log⁡n)≈0.5772156649.\gamma =\lim_{n\to\infty}(H_n-\log n) \approx0.5772156649.

这一极限存在,是因为 Hn−log⁡nH_n-\log n 单调递减且有下界。具体而言,

(Hn+1−log⁡(n+1))−(Hn−log⁡n)=1n+1−log⁡(1+1n)<0,(H_{n+1}-\log(n+1))-(H_n-\log n) =\frac1{n+1}-\log\left(1+\frac1n\right)<0,

而积分给出的界又表明,零是它的一个下界。

利用渐近展开可以得到更高的精度:

Hn=log⁡n+γ+12n−112n2+1120n4+O(n−6),H_n =\log n+\gamma+\frac1{2n} -\frac1{12n^2} +\frac1{120n^4} +O(n^{-6}),

其中,大O记号描述了余项随 nn 增大时的大小。

对数增长极其缓慢。例如,

H106≈14.3927.H_{10^6}\approx14.3927.

对于较大的目标值 MM,要使部分和达到大约 MM,所需的项数为

n≈eM−γ.n\approx e^{M-\gamma}.

因此,若想让部分和的目标值略有增加,所需项数就必须成倍大幅增加。

一个相关的极限是

H2n−Hn⟶log⁡2.H_{2n}-H_n\longrightarrow\log2.

当项数足够大时,每次将项数加倍,部分和的增加量都近似相同。

相关级数

广义调和级数

p级数又称广义调和级数,其形式为

∑n=1∞1np,\sum_{n=1}^{\infty}\frac1{n^p},

其中 pp 为实数。它收敛的充要条件是 p>1p>1。

当 p>1p>1 时,通过与 x−px^{-p} 的反常积分比较,即可证明其收敛。当 p≤1p\leq1 时,各项均不小于 1/n1/n,因此级数发散。由此可见,调和级数是这一族级数中收敛与发散的临界情形。

对于实部大于 11 的复变量 ss,同样的表达式定义了黎曼ζ函数:

ζ(s)=∑n=1∞1ns.\zeta(s)=\sum_{n=1}^{\infty}\frac1{n^s}.

它的解析延拓在 s=1s=1 处有一个一阶极点,其局部展开为

ζ(s)=1s−1+γ+O(s−1).\zeta(s)=\frac1{s-1}+\gamma+O(s-1).

这个极点与调和级数的发散密切相关。解析延拓并不能使原级数在通常意义下具有有限的和。

交错调和级数

将每隔一项的符号改为负号,就得到交错调和级数:

1−12+13−14+⋯=∑n=1∞(−1)n−1n=log⁡2.1-\frac12+\frac13-\frac14+\cdots =\sum_{n=1}^{\infty}\frac{(-1)^{n-1}}n =\log2.

由于各项的绝对值单调递减并趋于零,该级数收敛。其和可以通过对有限等比求和恒等式

∑k=0N−1(−x)k=1−(−x)N1+x\sum_{k=0}^{N-1}(-x)^k=\frac{1-(-x)^N}{1+x}

在 0≤x≤10\leq x\leq1 上积分,再利用余项的积分趋于零这一事实求得。

将各项取绝对值后,得到的是发散的调和级数,因此它是条件收敛,而非绝对收敛。这一区别十分重要:对条件收敛的实数项级数重新排列各项,可能改变其和,也可能使其发散。

子级数与分母限制

调和级数的一些子级数收敛,另一些则发散。

将分母限制为二的幂,得到收敛的等比级数

∑k=0∞12k=2.\sum_{k=0}^{\infty}\frac1{2^k}=2.

将分母限制为正偶数,则有

∑k=1∞12k=12∑k=1∞1k,\sum_{k=1}^{\infty}\frac1{2k} =\frac12\sum_{k=1}^{\infty}\frac1k,

它仍然发散。更一般地,任何由正整数组成的固定等差数列,其各项倒数之和都发散。

莱昂哈德·欧拉证明了数论中一个更深刻的结果:

∑p prime1p\sum_{p\ \mathrm{prime}}\frac1p

也发散,尽管素数的分布越来越稀疏。

应用

概率与集齐优惠券问题

在集齐优惠券问题中,每次独立抽取,都以相同概率从 nn 种类型中选取一种。要使每种类型都至少出现一次,所需抽取次数的期望为

nHn.nH_n.

当已有 kk 种不同类型出现时,下一次抽到新类型的概率是 (n−k)/n(n-k)/n。因此,等待下一个新类型出现所需的抽取次数的期望为 n/(n−k)n/(n-k)。将这些等待次数的期望相加,得到

∑k=0n−1nn−k=nHn.\sum_{k=0}^{n-1}\frac{n}{n-k}=nH_n.

所以,这个期望值的增长形式为

nlog⁡n+γn+O(1).n\log n+\gamma n+O(1).

算法

在算法分析中,只要第 kk 个阶段的工作量或相关概率与 1/k1/k 成正比,就会出现调和和。

例如,将 nn 个互不相同的数值均匀随机排列,第 kk 个数值大于它前面所有数值的概率为 1/k1/k。根据期望的线性性质,这类刷新纪录的数值出现次数的期望为 HnH_n,因此按对数速度增长。

理想化的积木悬挑

在由完全相同、质地均匀的积木构成的理想化堆叠中,假设积木保持静力平衡,且材料强度不受限制,那么每增加一块积木,悬挑长度的增量就与它在平衡构造中的位置序号成反比。对于长度为 LL 的积木,标准构造给出的、超出支撑面边缘的悬挑长度为

L2Hn\frac L2H_n

由于 HnH_n 发散,只要使用足够多的积木,这种理想化构造就能实现任意大的悬挑长度。现实中的材料和有限精度会带来该模型未考虑的实际限制。

计算方面的注意事项

由于发散速度极其缓慢,有限范围内的数值实验可能掩盖其发散性。反过来说,即使一个有限部分和非常大,它仍然是有限的,本身并不能证明级数发散。

直接求和还会受到浮点运算舍入误差的影响。当下标足够大时,向已存储的部分和加上 1/n1/n,可能不再改变存储值,尽管精确的部分和仍在增加。这种数值停滞是有限精度造成的现象,而不是收敛的证据。当 nn 很大时,使用带修正项的对数近似来估计 HnH_n,比逐项相加更加高效。