同号级数收敛性的判别法

     1.一般概念   对于数值级数:$a_1+a_2+\cdots+a_n+\cdots=\sum\limits_{n=1}^{\infty}a_n $                      ①

若存在有穷极限: $\lim\limits_{n\to\infty}S_n=S$(级数和)

其中  $S_n=a_1+a_2+\cdots+a_n,$

则级数①称为收敛的.反之,级数①称为发散的.

2.柯西准则   级数①收敛的充要条件是:对于任何$\varepsilon>0 $都存在$N=N(\varepsilon),$使得当$n>N$和$p>0$($n$和$p$为自然数)时,下列不等式成立

$|S_{n+p}-S_n|=|\sum\limits_{i=n+1}^{n+p}a_i|<\varepsilon$

特别是若级数收敛,则$\lim\limits_{n\to\infty}a_n=0$.                                             ②

3.比较判别法1   除级数①之外,假设有以下级数:

$b_1+b_2+\cdots+b_n+\cdots.$

若当$n\ge  n_0$时,以下不等式成立:

$0\le  a_n\le b_n$,

则:$(1)$由级数②收敛可推出级数①收敛; $(2)$由级数①发散可推出级数②发散.

特别是当$n\to\infty$时,若$a_n \sim b_n,$则正项级数①和②同时收敛或同时发散.

4.比较判别法2  设

$a_n=O(\frac{1}{n^p}),$

则:$(1)$当$q\le 1$时,级数①发散,$(2)$当$q>1$时收敛.

5.达朗贝尔判别法   若$a_n>0$                               $      (n=1,2,\cdots),$

且    $\lim\limits_{n\to\infty}\frac{a_{n+1}}{a_n}=q,$

则:$(1)$当$q<1$时,级数①收敛;$(2)$当$q>1$时级数①发散.

6.柯西判别法  若$a_n\ge0 $                                   $    (n=1,2,\cdots),$

且    $\lim\limits_{n\to\infty}\sqrt[n]{a_n}=q,$

则:$(1)$当$q<1$时,级数①收敛;当$q>1$时级数①发散.

7.拉阿比判别法    若$a_n>0$      $(n=1,2,3,\cdots),$

且      $\lim\limits_{n\to\infty}n(\frac{a_0}{a_{n+1}}-1)=p,$

则:$(1)$当$p>1$时,级数①收敛;$(2)$当$p<1$时,级数①发散.

8.高斯判别法   若$a_n>0   $              $(n=1,2,\cdots),$

且   $\frac{a_n}{a_{n+1}}=\lambda+\frac{\mu}{n}+\frac{\theta_n}{n^{1+\varepsilon}},$

其中$|\theta_n|<C,$而$\varepsilon>0,$则:$(1)$当$\lambda>1$时,级数①发散;$(2)$当$\lambda<1$时级数①发散;$(3)$当$\lambda=1$时,若$\mu>1,$级数①收敛,若$\mu\le 1$则发散.

9.柯西积分判别法   若$f(x)(x\ge1)$为非负递减连续函数,则级数:$\sum\limits_{n=1}^{\infty}f(n)$与积分$\int_1^{+\infty}f(x)dx$同时收敛或发散.

摘自吉米多维奇数学分析精选精解

同号级数收敛性的判别法

时间: 2024-10-13 22:36:00

同号级数收敛性的判别法的相关文章

从TCP拥塞本质看BBR算法及其收敛性(附CUBIC的改进/NCL机制)

本文试图给出一些与BBR算法相关但却是其之外的东西. 1.TCP拥塞的本质 注意,我并没有把题目定义成网络拥塞的本质,不然又要扯泊松到达和排队论了.事实上,TCP拥塞的本质要好理解的多!TCP拥塞绝大部分是由于其"加性增,乘性减"的特性造成的!        也就是说,是TCP自己造成了拥塞!TCP加性增乘性减的特性引发了丢包,而丢包的拥塞误判带来了巨大的代价,这在深队列+AQM情形下尤其明显.        我尽可能快的解释.争取用一个简单的数学推导过程和一张图搞定.       

最大似然判别法和Bayes公式判别法

最大似然判别法 Bayes公式判别法

对数几率回归法(梯度下降法,随机梯度下降与牛顿法)与线性判别法(LDA)

本文主要使用了对数几率回归法与线性判别法(LDA)对数据集(西瓜3.0)进行分类.其中在对数几率回归法中,求解最优权重W时,分别使用梯度下降法,随机梯度下降与牛顿法. 代码如下: 1 #!/usr/bin/env python 2 # -*- coding: utf-8 -*- 3 # @Date : 2017-05-09 15:03:50 4 # @Author : whb ([email protected]) 5 # @Link : ${link} 6 # @Version : $Id$

51nod1674:区间的价值2(分治,利用&amp;和|的收敛性)

lyk拥有一个区间. 它规定一个区间的价值为这个区间中所有数and起来的值与这个区间所有数or起来的值的乘积. 例如3个数2,3,6.它们and起来的值为2,or起来的值为7,这个区间对答案的贡献为2*7=14. 现在lyk有一个n个数的序列,它想知道所有n*(n+1)/2个区间的贡献的和对1000000007取模后的结果是多少. 例如当这个序列为{3,4,5}时,那么区间1,11,1,1,21,2,1,31,3,2,22,2,2,32,3,3,33,3的贡献分别为9,0,0,16,20,25.

牛顿法及其收敛性

目录 0. 引论 2. 牛顿法 2.1 单变量牛顿法 2.2 多变量牛顿法 3. 简化牛顿法 3.1 平行弦法 3.2 牛顿下山法 0. 引论 在工程中,很多的问题都可以归结为求解一组偏微分方程组.描述如下:在某一个区域\(\Omega\)中,物理量\(u={u_1,u_2,\cdots,u_n}\)满足一组控制方程,并且在边界上满足若干的边界条件: 控制方程利用两个微分算子来表示\(A(u),B(u)\). \[ A(u)=\begin{cases} A_1(u)& =0 \A_2(u)&

【题解】CF24D Broken Robots(收敛性)

[题解]CF24D Broken Robots http://codeforces.com/problemset/problem/24/D 解1 获得一个比较显然的转移式子 \(dp(i,j)\)代表在\((i,j)\)坐标需要期望的走的次数 \[ dp(i,j)=0.25(1+dp(i-1,j)+dp(i,j-1)+dp(i,j+1)) \] 然而我们可以发现这个式子不满足无后效性..也找不到一种合适的顺序DP. 我们发现可以高斯消元,但是\(O(n^4)\)的复杂度我们接受不了. 式子里面的

判定级数收敛

先确定级数类型(正项级数,交错级数) 分母有理化 n在分子,先积后导 求收敛半径和收敛域,先取绝对值,再比值,取极限,小于一绝对收敛,大于一发散,绝对值部分对应收敛半径和收敛区间 n在分子,先积后导 结合微分方程 原文地址:https://www.cnblogs.com/YC-L/p/12583359.html

Fisher判别法(canonical discriminant)

2-100的整除性判别法

[2-100的整除性判别法]