调和级数发散率证明|欧拉常数|ln n+gamma+varepsilon_k证明|sigma(1/i)
最近在做一个 练习 ,然后看到了 调和级数 这个东西,说实话这东西谁能在考场上想到,平日还是要多积累。
开门见山
但是我们今天只证这个东西:
\]
其中 \(\gamma\) gamma 是欧拉常数(约等于0.57721566490153286060651209,关于欧拉常数,我找时间补上),\(\varepsilon_n\) varepsilon 约等于 \(\frac{1}{2n}\) 。\(\varepsilon_n\) 是一个误差项,用来表示误差的大小或者近似的偏差。在这个等式中,\(\varepsilon_n\) 可以表示该和式与其近似值 \(\ln n + \gamma\) 之间的误差。具体的值会根据近似方法和逼近程度而有所不同。
好了,要怎么证明呢?
证明
要证明公式 \(\sum^{n}_{i = 1} \frac{1}{i}=\ln n+\gamma+\varepsilon_n\) ,我们可以使用数学归纳法。
首先,我们先验证当 n = 1 时,公式是否成立。当 n = 1 时,数列中只有一个数 \(\frac{1}{1} = 1\) 。我们将这个数代入公式的左边,得到 \(\sum^{1}_{i = 1} \frac{1}{i} = 1\) ,然后代入公式的右边,得到 \(\ln 1 + \gamma + \varepsilon_1\) 。
\(\ln 1\) 等于 0,再加上常数 \(\gamma\) 和误差项 \(\varepsilon_1\) ,所以公式右边也等于 1。因此,当 n = 1 时,公式两边相等。
然后,我们要假设当 n = k 时,公式成立。也就是假设 \(\sum^{k}_{i = 1} \frac{1}{i} = \ln k + \gamma + \varepsilon_k\) 。
接下来,我们要证明当 n = k+1 时,公式也成立。也就是证明 \(\sum^{k+1}_{i = 1} \frac{1}{i} = \ln (k+1) + \gamma + \varepsilon_{k+1}\) 。
当 n = k+1 时,我们有:
\(\sum^{k+1}_{i = 1} \frac{1}{i} = \sum^{k+1}_{i = 1} \frac{1}{i} + \frac{1}{k+1}\)
现在,我们可以使用之前的假设,将右边的公式展开,得到 \(\ln k + \gamma + \varepsilon_k + \frac{1}{k+1}\) 。
我们知道 \(\ln(n+1) = \ln n + \ln(1 + \frac{1}{n})\)。
证明 $\ln(n+1) = \ln n + \ln(1 + \frac{1}{n})$
\ln n + \ln(1 + \frac{1}{n}) &= \ln n + \ln(\frac{n + 1}{n}) \\
&= \ln n + \ln(n+1) - \ln n \\
&= \ln (n+1)
\end{aligned}
\]
证明 $\ln(\frac{n + 1}{n}) = \ln(n+1) - \ln n$
一般的,$\ln \frac{a}{b} = \ln a - \ln b$
我们设 \(x = \ln a\),\(y = \ln b\),那么根据对数的定义有:\(a = e^x\),\(b = e^y\)
显然有:\(\frac{a}{b}=e^{x-y}\)
即:\(\ln \frac{a}{b} = x - y = \ln a - \ln b\)
利用泰勒级数展开 \(\ln(1 + x)\),我们得到:
\(\ln(1 + \frac{1}{n}) = \frac{1}{n} - \frac{1}{2n^2} + \frac{1}{3n^3} - \cdots = \varepsilon_{n+1}\)
其中 \(\varepsilon_{n+1}\) 表示一个无穷小量,当 \(n \rightarrow \infty\) 时,无穷小量趋近于 0。
将上述结果代入到等式中,我们有:
\(\sum^{n+1}_{i = 1} \frac{1}{i} = \ln n+\gamma+\varepsilon_n + \frac{1}{n+1} = \ln(n+1)+\gamma+\varepsilon_{n+1}\)
因此,我们证明了当公式对于 \(n = k\) 成立时,它也对 \(n = k + 1\) 成立。根据数学归纳法,我们可以得出公式对于所有正整数 \(n\) 成立。
因此,我们证明了公式 \(\sum^{n}_{i = 1} \frac{1}{n}=\ln n+\gamma+\varepsilon_n\) 的正确性。
调和级数发散率证明|欧拉常数|ln n+gamma+varepsilon_k证明|sigma(1/i)的更多相关文章
- ACM数论之旅7---欧拉函数的证明及代码实现(我会证明都是骗人的╮( ̄▽ ̄)╭)
欧拉函数,用φ(n)表示 欧拉函数是求小于等于n的数中与n互质的数的数目 辣么,怎么求哩?~(-o ̄▽ ̄)-o 可以先在1到n-1中找到与n不互质的数,然后把他们减掉 比如φ(12) 把12质因数分解 ...
- LDA-math-神奇的Gamma函数
http://cos.name/2013/01/lda-math-gamma-function/ 1. 神奇的Gamma函数1.1 Gamma 函数诞生记学高等数学的时候,我们都学习过如下一个长相有点 ...
- Kl 证明 凸函数
回到随机变量传输问题,假设传输中我们不知道具体 分布情况(unknown),我们用一个已知的分布 ,来模拟它,那么在这种情况下如果我们利用 尽可能高效的编码,那么我们平均需要多少额外的信息量来描述x呢 ...
- Computer Science Theory for the Information Age-6: 学习理论——VC定理的证明
VC定理的证明 本文讨论VC理论的证明,其主要内容就是证明VC理论的两个定理,所以内容非常的枯燥,但对于充实一下自己的理论知识也是有帮助的.另外,VC理论属于比较难也比较抽象的知识,所以我总结的这些证 ...
- 一些求和式的估算 & 杜教筛时间复杂度证明
本文内容概要: \(A=\sum\limits_{i=1}^n\dfrac1{\sqrt i}=1+\dfrac1{\sqrt2}+\cdots+\dfrac1{\sqrt n}\) \(O(\sqr ...
- CAP原理的证明
CAP概述 C: Consistency 一致性 A: Availability 可用性 P:Partition Tolerance分区容错性 CAP理论的核心是:一个分布式系统不可能同时很好的满足一 ...
- 证明tmult_ok的正确性
csapp page124. practice problem 2.35 /* Determine whether arguments can be multiplied without overfl ...
- 欧几里得算法:从证明等式gcd(m, n) = gcd(n, m mod n)对每一对正整数m, n都成立说开去
写诗或者写程序的时候,我们经常要跟欧几里得算法打交道.然而有没要考虑到为什么欧几里得算法是有效且高效的,一些偏激(好吧,请允许我用这个带有浓重个人情感色彩的词汇)的计算机科学家认为,除非程序的正确性在 ...
- 康复计划#5 Matrix-Tree定理(生成树计数)的另类证明和简单拓展
本篇口胡写给我自己这样的什么都乱证一通的口胡选手 以及那些刚学Matrix-Tree,大致理解了常见的证明但还想看看有什么简单拓展的人- 大概讲一下我自己对Matrix-Tree定理的一些理解.常见版 ...
- IPFS:Filecoin和复制证明
这篇文章主要来讲一下Filecoin协议里面的复制证明(Proof of Replication),由于协议涉及到很多概念,可能看起来有点晕乎乎的,小编尽量把复杂问题简单化 ,力求给大家做大普及IPF ...
随机推荐
- 代码发布平台jenkins中Check-out Strategy选项功能意义
第一个选项:Use'svn update' as much as possible 这个选项能实现快速发布:Use 'svn update' whenever possible, making th ...
- 《设计模式的运用》使用策略模式+工厂模式优化代码中的if else
使用策略模式优化if else 有这样一段逻辑 function{ for{ if() if() if( if( ) ) ... } } 公司有的祖传的代码,是一段规则校验,校验的越多,每一个请求都会 ...
- 配置http协议访问Harbor镜像仓库
解决http: server gave HTTP response to HTTPS client问题,此问题在上传与下载时均可能出现. 由于docker镜像拉取与推送服务使用的是https协议,但是 ...
- #Powerbi 10分钟,理解 Rankx 排名函数
一:本文思维导图及示例数据图 1.1思维导图 1.2 示例数据图 二:度量值示例 2.1 函数简介 RANKX 首先为的每一行计值表达式,将结果临时存储为一个值列表.然后在当前筛选上下文中计值,将得 ...
- 图像增强—自适应直方图均衡化(AHE)-限制对比度自适应直方图均衡(CLAHE)
一.自适应直方图均衡化(Adaptive histgram equalization/AHE) 1.简述 自适应直方图均衡化(AHE)用来提升图像的对比度的一种计算机图像处理技术.和普通的直方图均衡算 ...
- [HUBUCTF 2022 新生赛]simple_RE
[HUBUCTF 2022 新生赛]simple_RE 查壳,64位 找main函数,F5查看伪代码,简单分析一下 int __cdecl main(int argc, const char **ar ...
- 自学前端-HTML5+CSS-综合案例一-热词
综合案例一-热词 目录 综合案例一-热词 1.设计需求 2.设计所需标签和CSS样式 3.设计具体步骤 4.遇到的问题 设计图如下 1.设计需求 ①需要鼠标放上去有显示透明 ②需要点击后跳转到相应页面 ...
- Oracle随机生成大数据
Oracle随机插入大数据 话不多说,安排 示例: -- 创建新表并批量插入五千万数据 create table TEST_TAB as select rownum as id, to_char(sy ...
- 沃罗诺伊图 (Voronoi diagram)
沃罗诺伊图 (Voronoi diagram) Introduction: what is voronoi diagram? 沃罗诺伊图 (Voronoi diagram),取名自俄罗斯数学家乔治·沃 ...
- mysql根据.frm和.ibd文件恢复数据表
忠人之事受人之托 起因是因为一位朋友的数据库服务器被重装了,只剩下一个zbp_post.frm和zbp_post.ibd文件.咨询我能不能恢复,确实我只用过mysqldump这种工具导出数据 然后进行 ...