∑ 1/n 調和級數 是 發散的

為什么 ∑ 1 u \sum \frac{1}{u} u1?(即 ∑ 1 n \sum \frac{1}{n} n1?,通常稱為調和級數)是發散的


? 一、首先明確你問的是這個級數:

∑ n = 1 ∞ 1 n \sum_{n=1}^{\infty} \frac{1}{n} n=1?n1?

這個級數叫作調和級數(Harmonic Series)。它的每一項都趨近于 0,但整個級數仍然發散


? 二、調和級數發散的經典證明(對比法)

我們用一種簡單的分組對比法來說明:

∑ n = 1 ∞ 1 n = 1 + 1 2 + ( 1 3 + 1 4 ) + ( 1 5 + 1 6 + 1 7 + 1 8 ) + ? > 1 + 1 2 + 2 ? 1 4 + 4 ? 1 8 + ? = 1 + 1 2 + 1 2 + 1 2 + ? = ∞ \begin{aligned} \sum_{n=1}^{\infty} \frac{1}{n} &= 1 + \frac{1}{2} + \left( \frac{1}{3} + \frac{1}{4} \right) + \left( \frac{1}{5} + \frac{1}{6} + \frac{1}{7} + \frac{1}{8} \right) + \cdots \\ &> 1 + \frac{1}{2} + 2 \cdot \frac{1}{4} + 4 \cdot \frac{1}{8} + \cdots \\ &= 1 + \frac{1}{2} + \frac{1}{2} + \frac{1}{2} + \cdots = \infty \end{aligned} n=1?n1??=1+21?+(31?+41?)+(51?+61?+71?+81?)+?>1+21?+2?41?+4?81?+?=1+21?+21?+21?+?=?

結論: 每一組的和都 ≥ 1 2 \frac{1}{2} 21?,不斷累加會趨于無窮大,所以發散。


? 三、常見誤區:項趨近于 0 不代表級數收斂!

很多同學會說:

“它的每一項 1 n → 0 \frac{1}{n} \to 0 n1?0,為什么還會發散?”

?注意:

  • 這是級數學習中的最大陷阱之一
  • 級數是否收斂,不僅看項是否趨近于0,還要看它“趨近于0得多快”。
  • 1 n 2 \frac{1}{n^2} n21? 1 n p ( p > 1 ) \frac{1}{n^p} (p > 1) np1?(p>1) 這樣下降快的,才可能收斂。

? 四、延伸: ∑ 1 n p \sum \frac{1}{n^p} np1? 的收斂性

級數是否收斂?
∑ 1 n \sum \frac{1}{n} n1?? 發散
∑ 1 n 2 \sum \frac{1}{n^2} n21?? 收斂(著名的 π 2 6 \frac{\pi^2}{6} 6π2?
∑ 1 n 1.0001 \sum \frac{1}{n^{1.0001}} n1.00011?? 收斂
∑ 1 n 0.999 \sum \frac{1}{n^{0.999}} n0.9991?? 發散

📌 總結:
∑ 1 n p \sum \frac{1}{n^p} np1?,當且僅當 p > 1 p > 1 p>1 時,才收斂。


? 五、應用在考試中:

題型是否能快速判斷
∑ 1 n \sum \frac{1}{n} n1?? 發散
∑ 1 n 2 \sum \frac{1}{n^2} n21?? 收斂
∑ ( ? 1 ) n ? 1 n \sum (-1)^n \cdot \frac{1}{n} (?1)n?n1?? 收斂,但條件收斂
∑ 1 n \sum \frac{1}{\sqrt{n}} n ?1?? 發散

? 六、總結

  • ∑ 1 n \sum \frac{1}{n} n1?調和級數發散,這是基礎常識,要熟記。
  • 每一項趨于0 ≠ 級數收斂,必須結合“下降速度”判斷。
  • 在考試中,看到類似 1 n p \frac{1}{n^p} np1? 形態,第一反應就是看 p p p 是否大于1。

如你想了解它發散的積分法證明,或與交錯調和級數的對比,我也可以繼續講。是否繼續?

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/diannao/85416.shtml
繁體地址,請注明出處:http://hk.pswp.cn/diannao/85416.shtml
英文地址,請注明出處:http://en.pswp.cn/diannao/85416.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

Android第十二次面試-多線程和字符串算法總結

多線程的創建與常見使用方法 ?一、多線程創建方式? ?1. 繼承Thread類? class MyThread extends Thread {Overridepublic void run() {// 線程執行邏輯System.out.println(Thread.currentThread().getName() " is running");} }// 使用 MyThread thread new …

大模型調用數據庫表實踐:基于自然語言的SQL生成與數據查詢系統

# 大模型調用數據庫表實踐:基于自然語言的SQL生成與數據查詢系統 ## 一、背景與目標 在企業數據管理場景中,非技術人員(如業務人員、管理人員)常常需要通過數據庫查詢獲取關鍵信息,但直接編寫SQL語句存在技術門檻。傳…

28 C 語言作用域詳解:作用域特性(全局、局部、塊級)、應用場景、注意事項

1 作用域簡介 作用域定義了代碼中標識符(如變量、常量、數組、函數等)的可見性與可訪問范圍,即標識符在程序的哪些位置能夠被引用或訪問。在 C 語言中,作用域主要分為三類: 全局作用域局部作用域塊級作用域 需注意&am…

Tomcat運行比較卡頓進行參數調優

在Tomcat conf/catalina.bat或catalina.sh中 的最上面增加參數 1. 初步調整參數(緩解問題) set JAVA_OPTS -Xms6g -Xmx6g -Xmn3g # 增大新生代,減少對象過早晉升到老年代 -XX:MetaspaceSize256m -XX:MaxMetaspaceS…

WSL2 安裝與Docker安裝

注意:如沒有科學上網請勿嘗試,無法判斷是否會因網絡錯誤導致的安裝失敗!!! WSL2(Windows Subsystem for Linux 2) 功能簡介: WSL2 是微軟提供的在 Windows 上運行完整 Linux 內核的…

Redis的安裝與使用

網址:Spring Data Redis 安裝包:Releases tporadowski/redis GitHub 解壓后 在安裝目錄中打開cmd 打開服務(注意:每次客戶端連接都有先打開服務!!!) 按ctrlC退出服務 客戶端連接…

springboot-響應接收與ioc容器控制反轉、Di依賴注入

1.想將服務器中的數據返回給客戶端,需要在controller類上加注解:ResponseBody; 這個注解其實在前面已經使用過,RestController其實就包含兩個注解: Controller ResponseBody 返回值如果是實體對象/集合,將會轉換為j…

將材質球中的紋理屬性對應的貼圖保存至本地

通過Texture2D的EncodeToPNG方法將紋理轉為圖片形式 material.GetTexture方法通過屬性名獲取紋理貼圖 material.SetTexture方法通過屬性名設置紋理貼圖 屬性名可在shader代碼中查看 using UnityEngine; using System.IO;public class TextureSaver : MonoBehaviour {public…

MySQL半同步復制配置和參數詳解

目錄 1 成功配置主從復制 2 加載插件 3 半同步復制監控 4 半同步復制參數 1 成功配置主從復制 操作步驟參考:https://blog.csdn.net/zyb378747350/article/details/148309545 2 加載插件 #主庫上 MySQL 8.0.26 之前版本: mysql>INSTALL PLUGIN rpl_semi_syn…

【筆記】Windows 成功部署 Suna 開源的通用人工智能代理項目部署日志

#工作記錄 本地部署運行截圖 kortix-ai/suna: Suna - 開源通用 AI 代理 項目概述 Suna 是一個完全開源的 AI 助手,通過自然對話幫助用戶輕松完成研究、數據分析等日常任務。它結合了強大的功能和直觀的界面,能夠理解用戶需求并提供結果。其強…

PCB制作入門

文章目錄 1 嘉立創使用旋轉 2元器件選擇MP2315SLM7815與LM7915 1 嘉立創使用 旋轉 空格旋轉 2元器件選擇 MP2315S MP2315S 是一款內置功率 MOSFET 的高效率同步整流降壓開關變換器。 其輸入電壓范圍為 4.5V 至 24V ,能實現 3A 連續輸出電流,負載與…

2025——》NumPy中的np.logspace使用/在什么場景下適合使用np.logspace?NumPy中的np.logspace用法詳解

1.NumPy中的np.logspace使用: 在 NumPy 中,np.logspace函數用于生成對數尺度上等間距分布的數值序列,適用于科學計算、數據可視化等需要對數間隔數據的場景。以下是其核心用法和關鍵細節: 一、基礎語法與參數解析: numpy.logspace(start, stop, num=50, endpoint=True, ba…

Java實現中文姓名轉拼音生成用戶信息并寫入文件

中文姓名轉拼音 Java實現中文姓名轉拼音生成用戶信息并寫入文件(shili域名版)一、項目背景與功能簡介二、技術棧與核心組件2.1 主要技術2.2 功能模塊 三、核心代碼解析3.1 主函數邏輯(流程控制)3.2 拼音轉換模塊(核心功…

Google car key:安全、便捷的汽車解鎖新選擇

有了兼容的汽車和 Android 手機,Google car key可讓您將Android 手機用作車鑰匙。您可以通過兼容的 Android 手機鎖定、解鎖、啟動汽車并執行更多功能。但是,Google car key安全嗎?它是如何工作的?如果我的手機電池沒電了怎么辦&a…

如何輕松將 iPhone 備份到外部硬盤

當您的iPhone和電腦上的存儲空間有限時,您可能希望將iPhone備份到外部硬盤上,這樣可以快速釋放iPhone上的存儲空間,而不占用電腦上的空間,并為您的數據提供額外的安全性。此外,我們還提供 4 種有效的解決方案&#xff…

AI煉丹日志-22 - MCP 自動操作 Figma+Cursor 自動設計原型

MCP 基本介紹 官方地址: https://modelcontextprotocol.io/introduction “MCP 是一種開放協議,旨在標準化應用程序向大型語言模型(LLM)提供上下文的方式。可以把 MCP 想象成 AI 應用程序的 USB-C 接口。就像 USB-C 提供了一種…

機器學習-線性回歸基礎

一、什么是回歸 依據輸入x寫出一個目標值y的計算方程,求回歸系數的過程就叫回歸。簡言之:根據題意列出方程,求出系數的過程就叫做回歸。 回歸的目的是預測數值型的目標值y,分類的目的預測標稱型的目標值y。 二、線性回歸 2.1線性…

解決RAGFlow(v0.19.0)有部分PDF無法解析成功的問題。

ragflow版本為:v0.19.0 1.解析的時候報錯:Internal server error while chunking: Coordinate lower is less than upper。 看報錯懷疑是分片的問題,于是把文檔的切片方法中的“建議文本塊大小”數值(默認512)調小&…

【前端】html2pdf實現用前端下載pdf

npm安裝完后&#xff0c;編寫代碼。 <template><div id"pdf-content">需要被捕獲為pdf的內容</div> </template><script> import html2pdf from html2pdf.js;export default {methods: {downloadPdf() {const element document.getE…

從零實現富文本編輯器#4-瀏覽器選區模型的核心交互策略

先前我們提到了&#xff0c;數據模型的設計是編輯器的基礎模塊&#xff0c;其直接影響了選區模塊的表示。選區模塊的設計同樣是編輯器的基礎部分&#xff0c;編輯器應用變更時操作范圍的表達&#xff0c;就需要基于選區模型來實現&#xff0c;也就是說選區代表的意義是編輯器需…