## 笔记记录 ### 要点 01 - 数列不动点问题 #### 定理 设 $x^*$ 是 $T$ 的不动点,$T$ 在 $x^*$ 邻域内连续可微,且 $|T'(x^*)| < 1$,则存在邻域 $U = [x^* - \delta, x^* + \delta]$,使对任意 $x_0 \in U$,迭代 $x_{n+1}=T(x_n)$ 收敛到 $x^*$。 #### 证明 **1. 构造压缩邻域** 由 $|T'(x^*)| < 1$,取 $L$ 使 $|T'(x^*)| < L < 1$。由 $T'$ 连续性,存在 $\delta > 0$,当 $|x - x^*| \le \delta$ 时,$|T'(x)| \le L$。令 $U = [x^* - \delta, x^* + \delta]$。 **2. 证明压缩性** 对任意 $x, y \in U$,由**微分中值定理**,存在 $\xi \in U$ 使 $$ |T(x) - T(y)| = |T'(\xi)| \cdot |x - y| \le L |x - y|. $$ 故 $T$ 在 $U$ 上是压缩映射($L < 1$)。 **3. 验证不变性** 对任意 $x \in U$, $$ |T(x) - x^*| = |T(x) - T(x^*)| \le L |x - x^*| \le L\delta < \delta, $$ 所以 $T(x) \in U$,即 $T(U) \subseteq U$。 **4. 应用 Banach 不动点定理** $U$ 是完备度量空间(闭区间),$T: U \to U$ 是压缩映射。由 **Banach 不动点定理**,$T$ 在 $U$ 内有唯一不动点 $x^*$,且对任意 $x_0 \in U$,迭代 $x_{n+1}=T(x_n)$ 收敛到 $x^*$。 --- ### 要点 02 - 正项级数收敛的充要条件 #### 定义 若对任意 $n$,$u_n \ge 0$,则称 $\displaystyle\sum_{n=1}^{\infty} u_n$ 为**正项级数**。 #### 充要条件 正项级数 $\displaystyle\sum_{n=1}^{\infty} u_n$ 收敛 $\iff$ 部分和数列 $\{S_n\}$ 有上界。 #### 常见比较基准 | 级数 | 形式 | 收敛性 | |------|------|--------| | $p$ 级数 | $\displaystyle\sum \dfrac{1}{n^p}$ | $p > 1$ 收敛;$p \le 1$ 发散 | | 几何级数 | $\displaystyle\sum aq^{n-1}$ | $\|q\| < 1$ 收敛;$\|q\| \ge 1$ 发散 | | 调和级数 | $\displaystyle\sum \dfrac{1}{n}$ | 发散($p=1$ 特例) | --- ### 要点 03 - 比较判别法 #### 一般形式 设 $\displaystyle\sum u_n$ 和 $\displaystyle\sum v_n$ 均为正项级数,且存在 $N$,当 $n > N$ 时 $u_n \le v_n$,则: - 若 $\displaystyle\sum v_n$ 收敛,则 $\displaystyle\sum u_n$ 收敛 - 若 $\displaystyle\sum u_n$ 发散,则 $\displaystyle\sum v_n$ 发散 #### 极限形式 设 $\displaystyle\lim_{n \to \infty} \dfrac{u_n}{v_n} = l$($0 \le l \le +\infty$): | $l$ 的取值 | 结论 | |------------|------| | $0 < l < +\infty$ | $\sum u_n$ 与 $\sum v_n$ 同敛散 | | $l = 0$ | 若 $\sum v_n$ 收敛,则 $\sum u_n$ 收敛 | | $l = +\infty$ | 若 $\sum v_n$ 发散,则 $\sum u_n$ 发散 | #### 常用技巧 $$u_n \sim \frac{1}{n^p} \quad (n \to \infty)$$ 通过等价无穷小找出 $p$,根据 $p > 1$ 还是 $p \le 1$ 判断敛散性。 --- ### 要点 04 - 比值判别法(达朗贝尔判别法) 设 $\displaystyle\sum u_n$ 为正项级数,$\displaystyle\lim_{n \to \infty} \dfrac{u_{n+1}}{u_n} = \rho$: | $\rho$ 的取值 | 结论 | |---------------|------| | $\rho < 1$ | 级数收敛 | | $\rho > 1$ | 级数发散 | | $\rho = 1$ | 判别法失效,需用其他方法 | #### 适用场景 - $u_n$ 中含有 $n!$、$a^n$、$n^n$ 等因式时优先考虑 - 阶乘型、指数型级数最为适用 --- ### 要点 05 - 根值判别法(柯西判别法) 设 $\displaystyle\sum u_n$ 为正项级数,$\displaystyle\lim_{n \to \infty} \sqrt[n]{u_n} = \rho$: | $\rho$ 的取值 | 结论 | |---------------|------| | $\rho < 1$ | 级数收敛 | | $\rho > 1$ | 级数发散 | | $\rho = 1$ | 判别法失效,需用其他方法 | #### 适用场景 - $u_n$ 中含有 $n$ 次方(如 $a^{n^2}$、$(f(n))^n$)时优先考虑 #### 重要极限 $$\lim_{n \to \infty} \sqrt[n]{n} = 1, \qquad \lim_{n \to \infty} \sqrt[n]{a} = 1 \;(a>0)$$ --- ### 要点 06 - 积分判别法(柯西积分判别法) 设 $f(x)$ 在 $[1, +\infty)$ 上非负单调递减,$u_n = f(n)$,则: $$\sum_{n=1}^{\infty} u_n \text{ 与 } \int_1^{+\infty} f(x)\,dx \text{ 同敛散}$$ #### 典例:$p$ 级数的证明 $f(x) = \dfrac{1}{x^p}$ 单调递减: $$\int_1^{+\infty} \frac{1}{x^p}\,dx \begin{cases} \text{收敛}, & p > 1 \\ \text{发散}, & p \le 1 \end{cases}$$ #### 适用场景 - 通项 $u_n$ 可以看作某单调递减函数 $f(x)$ 在 $x=n$ 处的值 - 常用于 $u_n = \dfrac{1}{n \ln^p n}$ 等不易用比值/根值法判断的情形 --- ### 要点 07 - 交错级数与莱布尼兹判别法 #### 定义 形如 $\displaystyle\sum_{n=1}^{\infty} (-1)^{n-1} u_n$($u_n > 0$)的级数称为**交错级数**。 #### 莱布尼兹判别法 若交错级数 $\displaystyle\sum (-1)^{n-1} u_n$ 满足: 1. $u_n \ge u_{n+1} > 0$($\{u_n\}$ 单调递减) 2. $\displaystyle\lim_{n \to \infty} u_n = 0$ 则级数收敛,且余项 $\|R_n\| \le u_{n+1}$。 #### 余项估计 $$\|S - S_n\| = \|R_n\| \le u_{n+1}$$ 即用部分和近似级数和时,误差不超过被截断的首项绝对值。 --- ### 要点 08 - 绝对收敛与条件收敛 #### 定义 对任意项级数 $\displaystyle\sum u_n$($u_n$ 可正可负): | 类型 | 定义 | 关系 | |------|------|------| | 绝对收敛 | $\displaystyle\sum \|u_n\|$ 收敛 | 绝对收敛 $\Rightarrow$ 收敛 | | 条件收敛 | $\displaystyle\sum u_n$ 收敛,但 $\sum \|u_n\|$ 发散 | 条件收敛级数重排可改变和值 | #### 判别流程 ```mermaid flowchart TD A[任意项级数 Σu_n] --> B{检查绝对收敛} B -->|Σ|u_n| 收敛| C[原级数绝对收敛 ✓] B -->|Σ|u_n| 发散| D{是否交错级数?} D -->|是| E{莱布尼兹判别法} E -->|满足| F[条件收敛] E -->|不满足| G{用其他方法} D -->|否| G G -->|收敛| F G -->|发散| H[原级数发散 ✗] ``` #### 绝对收敛的性质 - 绝对收敛级数任意重排后和不变 - 绝对收敛级数的乘积(柯西乘积)仍绝对收敛 --- ### 知识点 - 不动点的定义 - 压缩映射原理 - Banach 不动点定理 - 微分中值定理 - 迭代收敛性 - 正项级数的定义与充要条件 - $p$ 级数与几何级数 - 比较判别法(一般形式与极限形式) - 比值判别法(达朗贝尔判别法) - 根值判别法(柯西判别法) - 积分判别法(柯西积分判别法) - 交错级数与莱布尼兹判别法 - 绝对收敛与条件收敛 - 级数余项估计