无穷级数13.1 常数项级数的概念和性质13.2 常数项级数的审敛法13.2.1 正项级数及其审敛法13.2.2 交错级数与任意项级数13.3 幂级数及其展开13.4 傅里叶级数与傅里叶变换13.4.1 三角级数与傅里叶展开13.4.2 引入欧拉公式与复数形式13.4.3 从傅里叶级数走向傅里叶变换
Tip
本章的内容主要包括 常数项级数的收敛性 和 函数的级数展开。
对 常数项级数 的研究可以追溯到古人对极限过程的早期理解(如芝诺悖论、割圆术)。而 函数项级数 则是分析学中一项极其重要的工具,它蕴含了深层次的数学思想——即用简单的无穷多项式(或三角函数)的和,来逼近并表示一个复杂的对象。这也是现代计算数学和人工智能中逼近理论的基石。
Note
常数项级数的直观例子
例1:一尺之棰, 日取其半 设每天取走一半的长度,部分和的过程如下:
当
例2:割圆法与圆面积
用圆内接正多边形的面积去逼近圆面积,每次增加边数所带来的面积增量之和,最终收敛于
Important
级数的定义
无穷多个数的和称为 无穷级数 (Infinite Series),简称 级数。
给定数列
Note
几个经典的常数项级数
1. 几何级数 (等比级数)
当
当
2. 调和级数 (发散的经典例子)
虽然通项
3. 裂项相消级数
计算其部分和:
显然
Important
收敛级数的基本性质
性质1:若
Warning
注意:通项趋于零只是级数收敛的 必要条件,绝非充分条件!
例如调和级数
Tip
直接计算部分和
正项级数是指所有项
Important
定理1:单调有界原理
正项级数
Important
定理2:比较审敛法
设
如果“大级数”
如果“小级数”
Note
例:判断级数
而
Important
定理3:极限比较审敛法
设
则这两个级数 同收敛或同发散。
Note
例:判断
而
Important
定理4:比值审敛法 (达朗贝尔判别法)——非常重要!
设
则:
当
当
当
Note
例:判断
故级数 收敛。
Important
定理5:莱布尼茨定理 (交错级数审敛法)
对于交错级数
若满足:
Note
例:交错调和级数
解:由于
Important
绝对收敛与条件收敛
对于包含正负项的任意级数
绝对收敛:如果加上绝对值后的正项级数
条件收敛:如果原级数
Tip
由常数构成的级数称为 常数项级数。如果我们把常数换成函数,就得到了 函数项级数。其中最简单、最优美的一类,就是形如多项式无限延伸的 幂级数。用幂级数来逼近函数,是微积分泰勒展开的终极形态。
Important
幂级数的形式
其中,常数
Important
定理6:阿贝尔(Abel)定理
如果幂级数
Warning
收敛半径与收敛区间
由阿贝尔定理可知,幂级数的收敛域必然是一个以原点为中心的区间
收敛半径的求法: 若
则收敛半径
Note
例:求下列幂级数的收敛域
解:令
故收敛半径
当
当
Important
常见函数的麦克劳林(幂级数)展开
这些公式在数值计算和计算机算法中极其基础:
指数函数
正弦函数
余弦函数
几何级数
对数函数
Tip
WHY:我们为什么需要傅里叶级数?
幂级数(泰勒展开)是用
Important
傅里叶级数 (Fourier Series)
设
其中,常数项和三角函数的系数(称为傅里叶系数)通过积分计算得出:
注:上述公式的基础在于三角函数族
在区间 上构成了正交基(即任意两个不同基函数的乘积积分为0)。
Tip
使用
Important
欧拉公式 (Euler's Formula)
被誉为数学中最美的公式,它将复数、指数与三角函数完美统一:
推论:当
时,得到 ,这个等式将数学中最重要的五个常数 融为一体。
利用欧拉公式,我们可以反向表示正弦和余弦:
将这两个式子代入传统的傅里叶级数中,经过简单的代数合并整理,原本分为三项(常数项、
Important
傅里叶级数的复数形式
在这里,
[!extension] 傅里叶变换 (Fourier Transform)
傅里叶级数非常完美,但它有一个致命的限制:它只能处理周期函数。如果我们在现实中录制了一段只有几秒钟的离散语音,或者一张有限尺寸的图像(它们并非无限循环的周期信号),还能用傅里叶分析吗?
微积分的极限思想在这里再次闪耀! 我们可以把一个非周期信号,看作是一个周期无限大(即
)的周期信号!
当周期
是有限的时候,频率的取值是离散的(即 ),频谱是一根根分立的柱子。 当我们让
(极限过程)时,相邻频率之间的间隔 。于是,离散的求和 就蜕变成了连续的积分 ! 由此,我们得出了工程界最伟大的公式之一——连续傅里叶变换:
1. 傅里叶变换(从时域到频域):
这里, 是我们在时间上观察到的信号波形, 就是提取出来的包含连续频率 成分的频谱图! 2. 逆傅里叶变换(从频域还原回时域):
在人工智能中的应用: 无论是计算机视觉中的图像滤波(比如提取图像的边缘特征),还是语音识别系统(如让 AI 听懂人话,往往需要先用傅里叶变换将语音转化为声谱图 Spectrogram),傅里叶变换及其离散形式(DFT / FFT)都是不可或缺的基石工具。