Series

欢迎来到 FP1 级数系列：解锁求和的奥秘！

你好！本章“级数”将带你掌握如何高效、巧妙地处理数字序列的求和问题。与其逐项相加（那可是无穷无尽的苦差事！），我们不如利用强大的公式和数学技巧来解决。

熟练掌握级数至关重要，它不仅是进阶微积分和数学建模的基石，也能让你在处理复杂问题时游刃有余。别担心记号看起来很复杂，我们会一步步为你拆解！

1. 自然数幂的和

本节主要探讨前 \(n\) 个自然数及其平方、立方的求和公式。所谓自然数，就是 \(1, 2, 3, \dots\) 这些正整数。

1.1 标准公式（构建知识大厦的砖块）

你应该已经熟悉求和符号 \(\sum_{r=1}^{n} f(r)\)，它表示将表达式 \(f(r)\) 对 \(r\) 从 1 到 \(n\) 的每一个整数值进行累加。

此处的核心知识包括前 \(n\) 个整数、平方和立方的求和公式。这些公式通常会印在考试的公式手册上，但关键在于你如何灵活运用！

A. 前 \(n\) 个自然数的和 (\(\sum r\))

这通常被视为基础知识，但在构建知识背景时非常重要：
$$\sum_{r=1}^{n} r = 1 + 2 + 3 + \dots + n = \frac{1}{2} n (n+1)$$

B. 前 \(n\) 个自然数的平方和 (\(\sum r^2\))

这是你在 FP1 中必须熟练运用的第一个重要公式：
$$\sum_{r=1}^{n} r^2 = 1^2 + 2^2 + 3^2 + \dots + n^2 = \frac{1}{6} n (n+1) (2n+1)$$

C. 前 \(n\) 个自然数的立方和 (\(\sum r^3\))

这个公式看起来很复杂，但请注意其中令人愉悦的规律——它实际上就是 \(\sum r\) 公式结果的平方！
$$\sum_{r=1}^{n} r^3 = 1^3 + 2^3 + 3^3 + \dots + n^3 = \frac{1}{4} n^2 (n+1)^2$$
记忆小贴士：如果你记得 \(\sum r\) 的公式，通过对整个表达式求平方，就能立刻得到 \(\sum r^3\)！

1.2 运用求和规则

当处理多项式形式的级数（例如 \(\sum (r^2 + 2r)\)）时，我们需要运用线性法则：

• 加法规则： 我们可以将一个求和拆分为多个独立的求和：
  $$\sum (a_r + b_r) = \sum a_r + \sum b_r$$
• 常数倍数规则： 我们可以将常数提取到求和符号之外：
  $$\sum c \cdot a_r = c \sum a_r$$

分步解题流程：

1. 展开： 将表达式写成关于 \(r\) 的幂的形式。例如，\(\sum_{r=1}^{n} r(r+2)\) 应改写为 \(\sum_{r=1}^{n} (r^2 + 2r)\)。
2. 拆分： 使用法则拆分求和：\(\sum r^2 + 2 \sum r\)。
3. 代入： 将 \(\sum r^2\) 和 \(\sum r\) 替换为相应的公式（使用变量 \(n\)）。
4. 化简： 对所得的多项式进行因式分解，得到最简结果。这通常涉及提取公因子，如 \(\frac{1}{6} n(n+1)\)。

2. 差分法求和（望远镜级数）

差分法（Method of Differences, MoD）是一种非常强悍的技巧，专门用于处理那些不符合简单幂函数模式（如 \(r^2\) 或 \(r^3\)）的级数。

2.1 “望远镜”概念

想象一下老式的伸缩望远镜。当你把它收拢时，中间的部分会层层重叠并相互抵消，只剩下两端的部件清晰可见。这正是“望远镜级数”原理的真实写照！

其核心思路是将通项 \(u_r\) 改写为另一个函数 \(f(r)\) 的两个连续项之差：
$$u_r = f(r) - f(r-1) \quad \text{或} \quad u_r = f(r+1) - f(r)$$

当你求和 \(\sum u_r\) 时，中间所有的项都会发生抵消：

设 \(S_n = \sum_{r=1}^{n} (f(r) - f(r-1))\)：
$$S_n = (f(1) - f(0))$$ $$+ (f(2) - f(1))$$ $$+ (f(3) - f(2))$$ $$\dots$$ $$+ (f(n) - f(n-1))$$

观察一下，\(+f(1)\) 与 \(-f(1)\) 抵消，\(+f(2)\) 与 \(-f(2)\) 抵消，以此类推。

所有中间项消失，最终只剩下：
$$\mathbf{S_n = f(n) - f(0)}$$

2.2 差分法的分步操作流程

在 FP1 大纲中，你将会在类似 \(\sum r \cdot r!\) 的级数中用到差分法。通常差分形式要么直接给出，要么通过简单的构造（常涉及阶乘或类似于 FP2 中部分分式的有理函数）得到。

处理过程：

1. 识别差分： 确保通项 \(u_r\) 已写成 \(f(r) - f(r-k)\) 的形式。
   大纲例题： 你可能会遇到这样的表达式： $$r \cdot r! = (r+1)! - r!$$ 此时，\(u_r = r \cdot r!\)，且 \(f(r) = r!\)。其差分形式为 \(f(r+1) - f(r)\)。
2. 列出项： 写出求和的前几项和后几项，务必展示抵消过程。
   • 当 \(r=1\) 时： \(f(2) - f(1)\)
   • 当 \(r=2\) 时： \(f(3) - f(2)\)
   • 当 \(r=3\) 时： \(f(4) - f(3)\)
   • ...
   • 当 \(r=n-1\) 时： \(f(n) - f(n-1)\)
   • 当 \(r=n\) 时： \(f(n+1) - f(n)\)
3. 抵消： 观察到一行中的第二项与下一行的第一项发生抵消（这就是望远镜效应）。
4. 确定部分和 (\(S_n\))： 收集剩余的项——也就是望远镜的“两端”。
   在上述 \(f(r+1) - f(r)\) 的例子中，\(S_n\) 为： $$\mathbf{S_n = f(n+1) - f(1)}$$

需规避的常见错误： 请务必检查求和的索引（起始值，通常为 \(r=1\)）。如果求和是从 \(r=k\) 开始的，那么最终表达式将变为 \(S_n = f(n+1) - f(k)\)。

3. 无穷级数的扩展（收敛性）

有时，我们关心的不仅仅是前 \(n\) 项的和 (\(S_n\))，而是整个无穷级数的和 (\(S_\infty\))。这只有在级数收敛时才成立。

3.1 收敛与部分和

一个无穷级数收敛（即有一个有限的和），当且仅当其部分和 \(S_n\) 在 \(n\) 趋于无穷大时的极限存在，且为一个有限值。

如果极限存在，我们记作：
$$\mathbf{S_{\infty} = \lim_{n \to \infty} S_n}$$

如果 \(\lim_{n \to \infty} S_n\) 趋于无穷大或无法确定单一数值，则该级数发散，且没有总和。

3.2 求 \(S_{\infty}\) 的流程

要找到无穷和，你必须首先熟练掌握第 2 节的差分法，因为这是 FP1 中处理非等比级数寻找 \(S_n\) 的主要途径。

分步流程：

1. 求出 \(S_n\)： 使用差分法求出部分和 \(S_n\) 关于 \(n\) 的封闭式表达式。
2. 取极限： 计算 \(n \to \infty\) 时的极限。
   $$\mathbf{S_{\infty} = \lim_{n \to \infty} (\text{你的 } S_n \text{ 表达式})}$$
3. 评估各项： 关注包含 \(n\) 的项。如果 \(n\) 出现在分母中（例如 \(\frac{1}{n}\) 或 \(\frac{1}{n+1}\)），当 \(n \to \infty\) 时，该项趋于 0。
   例子： 如果你算出 \(S_n = 5 - \frac{1}{n+1}\)，则 $$\lim_{n \to \infty} S_n = \lim_{n \to \infty} \left(5 - \frac{1}{n+1}\right) = 5 - 0 = 5$$ 该级数收敛于 5。

关键点： 当处理由差分法得出的无穷级数时，只有分母中包含 \(n\) 的项会消失。常数项以及来自起始点（如 \(f(1)\) 或 \(f(0)\)）的项将决定最终的总和。