调和级数是指以下无穷级数:
n=1∑∞n1=1+21+31+41+⋯.
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 n 个调和数定义为
Hn=k=1∑nk1,n≥1.
调和级数收敛的必要条件是序列 Hn 具有有限的极限。然而,实际情况是
n→∞limHn=+∞.
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,…。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+21+(31+41)+(51+⋯+81)+(91+⋯+161)+⋯.
对于每个整数 j≥1,从第 2j−1+1 项到第 2j 项的一组共有 2j−1 项,每项都不小于 1/2j。因此,
k=2j−1+1∑2jk1≥21.
于是
H2m≥1+2m.
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/x 在 x>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+1xdx≤Hn≤1+∫1nxdx.
利用自然对数,可写为
log(n+1)≤Hn≤1+logn.
由于 logn 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 n,都有
H2n−Hn=k=n+1∑2nk1≥21.
因此,无论取到序列中多靠后的位置,仍能找到相差至少 1/2 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
n→∞limlognHn=1.
更精确的结果是,差值 Hn−logn 趋于欧拉–马歇罗尼常数:
γ=n→∞lim(Hn−logn)≈0.5772156649.
这一极限存在,是因为 Hn−logn 单调递减且有下界。具体而言,
(Hn+1−log(n+1))−(Hn−logn)=n+11−log(1+n1)<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=logn+γ+2n1−12n21+120n41+O(n−6),
其中,大O记号描述了余项随 n 增大时的大小。
对数增长极其缓慢。例如,
H106≈14.3927.
对于较大的目标值 M,要使部分和达到大约 M,所需的项数为
n≈eM−γ.
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⟶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∑∞np1,
其中 p 为实数。它收敛的充要条件是 p>1。
当 p>1 时,通过与 x−p 的反常积分比较,即可证明其收敛。当 p≤1 时,各项均不小于 1/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 1 的复变量 s,同样的表达式定义了黎曼ζ函数:
ζ(s)=n=1∑∞ns1.
它的解析延拓在 s=1 处有一个一阶极点,其局部展开为
ζ(s)=s−11+γ+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:
1−21+31−41+⋯=n=1∑∞n(−1)n−1=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=0∑N−1(−x)k=1+x1−(−x)N
在 0≤x≤1 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∑∞2k1=2.
将分母限制为正偶数,则有
k=1∑∞2k1=21k=1∑∞k1,
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 prime∑p1
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 n 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
当已有 k 种不同类型出现时,下一次抽到新类型的概率是 (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)。将这些等待次数的期望相加,得到
k=0∑n−1n−kn=nHn.
所以,这个期望值的增长形式为
nlogn+γn+O(1).
算法
在算法分析中,只要第 k 个阶段的工作量或相关概率与 1/k 成正比,就会出现调和和。
例如,将 n 个互不相同的数值均匀随机排列,第 k 个数值大于它前面所有数值的概率为 1/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 Hn,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 L 的积木,标准构造给出的、超出支撑面边缘的悬挑长度为
由于 Hn 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/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 n 很大时,使用带修正项的对数近似来估计 Hn,比逐项相加更加高效。