第7章 无穷级数

🎂 生活场景：你有一笔存款，年利率 5%。存一年变 $1.05$ 倍，存两年变 $1.05^2$ 倍，存 n 年变 $1.05^n$ 倍。问题是——年利率本身不是固定的 5%，它每年都在变：第一年 5%、第二年 4%、第三年 3%……把所有年份$的"增长因子"综合起来看，这笔钱长期来看的平均年增长率是多少？你没法简单地把所有利率加起来除以 n——因为它们是累乘的（利滚利）。正确做法是算"几何平均"：把所有增长因子乘起来，再开 n 次方。根值判别法做的就是这件事——对级数的通项开 n 次方，提取它的"平均大小"，像用一台 X 光机透视每一项的本质增长速度。 如果本质增长速度小于 1（平均每项在缩水），收敛；大于 1（平均每项在膨胀），发散。

根值判别法的正式陈述（正项级数专用，$u_n > 0$）：

对于正项级数 $\sum u_n$，计算：

$\rho = \lim_{n \to \infty} \sqrt[n]{u_n}$

适用范围：整个通项是一个整体的 $n$ 次方时首选——比如 $u_n = \left(\frac{n}{2n+1}\right)^n$，开 $n$ 次根号后外层的 $n$ 次方直接消掉，极限一算就得。而通项含阶乘 $n!$ 时尽量不要用根值法——$\sqrt[n]{n!}$ 处理起来很麻烦（需要斯特林公式）。

对于任意项级数，用绝对值版本：$\rho = \lim \sqrt[n]{|u_n|}$。$\rho < 1$ 推出绝对收敛；$\rho > 1$ 推出发散（$|u_n| \not\to 0 \Rightarrow u_n \not\to 0$）。

🧠 根值判别法是怎么推出来的？——和比值判别法"同源异构"，都是和几何级数比

根值判别法的推导和比值判别法惊人地相似——两者最终都是把原级数和几何级数 $\sum r^n$ 比较，只$是"切入的角度"不同。比值法通过相邻两项的比来抓"缩放因子"；根值法通过开 $n$ 次方直接提$取"第 $n$ 项的本质大$小"。

我们分三种情况推导。

情况一：$\rho < 1$（收敛）。

已知：$\lim_{n \to \infty} \sqrt[n]{u_n} = \rho < 1$。

目标：证明 $\sum u_n$ 收敛。

第一步：在 $\rho$ 和 1 之间取一个中间数 $r$。

取 $r$ 满足 $\rho < r < 1$（比如 $r = \frac{\rho + 1}{2}$）。由极限定义，存在 $N$，当 $n \ge N$ 时：

$\sqrt[n]{u_n} < r$

大白话：$n$ 大了以后，开 $n$ 次方之后$的"本质大小"稳定在 $r$ 以下，而 $r < 1$。

第二步：两边同时 $n$ 次方。

因为 $\sqrt[n]{u_n} < r$ 且两边都为正，不等号方向在 $n$ 次方后不变：

$u_n < r^n \quad (\text{对所有 } n \ge N)$

大白话：把"本质大小"这个抽象概念翻译回具体的项——既然每一项开 $n$ 次方后都不超过 $r$，那这一项本身也就不超过 $r^n$。而 $r^n$ 是几何级数的通项——公比 $r < 1$，收敛。

第三步：比较判别法收尾。

$\sum_{n=N}^{\infty} r^n$ 是收敛的几何级数（公比 $r < 1$）。而 $u_n < r^n$（对所有 $n \ge N$）。根据比较判别法——放大后收敛则原收敛——$\sum u_n$ 收敛。

和比值法的推导对比：比值法经过了一步"逐项递推"（$u_{N+k} < r^k \cdot u_N$），而根值法更直接——一步从 $\sqrt[n]{u_n} < r$ 跳到 $u_n < r^n$。不需要递推，不需要从第 $N$ 项开始往后乘。所以根值法的推导比比值法更短。

收敛推导完毕。

情况二：$\rho > 1$（发散）。

取 $r$ 满足 $1 < r < \rho$。由极限定义，存在 $N$，当 $n \ge N$ 时 $\sqrt[n]{u_n} > r > 1$。两边 $n$ 次方得 $u_n > r^n$。而 $r^n$ 以指数速度趋于无穷大 → $u_n \to \infty$ → 通项不趋于零 → 必要条件不满足 → 发散。

比值法 $\rho > 1$ 的推导$是"后项比前项 > 1 → 通项单调递增 → 不趋于零"；根值法是"$\sqrt[n]{u_n} > 1$ → $u_n > 1^n = 1$ → 通项不趋于$零"。殊途同归，但根值法的这一步也更直截了当。

发散推导完毕。

情况三：$\rho = 1$（方法失效）。

和比值判别法完全相同的困境：同一个反例组——$\sum 1/n$（发散）和 $\sum 1/n^2$（收敛）——两者的根值极限都是 $\rho = \lim \sqrt[n]{1/n} = \lim n^{-1/n} = 1$。$\rho = 1$ 时收敛和发散都有人能做到，根值法分辨不出。

数学上有个定理（柯西-阿达玛）：如果 $\lim \sqrt[n]{u_n} = 1$，那仅靠根值法无法判定敛散——它确实就是在边界上。

推导完毕（全部三种情况）。

🧠 根值法和比值法的关系——什么时候用哪一个？

两个判别法逻辑结构几乎一模一样——都是 $\rho < 1$ 收敛、$\rho > 1$ 发散、$\rho = 1$ 失效。但它们擅长处理$的"题型"完全不同：

数学事实：当两者的极限都存在时，$\lim \sqrt[n]{|u_n|}$ 和 $\lim \left|\frac{u_{n+1}}{u_n}\right|$ 如果都存在，它们相等。但根值极限存在的范围比比值极限更广——有些级数比值极限不存在，但根值极限存在（比如系数震荡的级数）。所以硬要说的话，根值判别法$的"适用范围"理论上比比值法略宽。但在考研范围内，两者基本等价——哪个好算用哪个。

📝 推导复盘——用大白话重新讲一遍刚才做了什么：

根值判别法做的事只有一件：开 $n$ 次方，把每一$项"压缩"到同一尺度上比大小。

什么叫"同一尺度"？$u_1$ 是 1 次方、$u_{100}$ 是 100 个因子累乘的结果——直接比没有意义。但 $\sqrt[100]{u_{100}}$ 把$它"平均化"到每个因子的层次——就像把 100 年的总增长换算成"平均年增长率"。所有项都换算成"每个因子的平均贡献"之后，就可以直接和几何级数 $\sum r^n$ 的公比 $r$ 比较了。

$\rho < 1$ 推导链条：极限 $\rho < 1$ → 取 $r$ 满足 $\rho < r < 1$ → $n$ 大了以后 $\sqrt[n]{u_n} < r$ → 两边 $n$ 次方得 $u_n < r^n$ → $r^n$ 是收敛几何级数的通项 → 比较判别法判原级数收敛。

和比值法相比，根值法跳过了"逐项递推"那一步——比值法需要从 $\frac{u_{N+1}}{u_N} < r$ 一路乘到 $u_{N+k} < r^k u_N$，而根值法直接开 $n$ 次方就把第 $n$ 项独立$地"钉"在了 $r^n$ 的尺度上。

前置知识调用：①极限的 $\varepsilon$-$N$ 定义；②几何级数的敛散性；③比较判别法；④级数收敛的必要条件。和比值法用的工具完全一样——再次说明两$者"同源异构"。

⚠️ 容易踩的坑（边界条件）

⚠️ 坑1：$\rho = 1$ 同样失效，不是结论。 和比值法一样的坑——$\rho = 1$ 不能判收敛也不能判发散。反例同上：$\sum 1/n$（发散）和 $\sum 1/n^2$（收敛）的根值极限都等于 1。

⚠️ 坑2：根值法需要算 $\sqrt[n]{u_n}$，别把它和 $\sqrt[n]{n}$ 之类的极限搞混。 常见的极限技巧：$\lim_{n \to \infty} \sqrt[n]{n} = 1$、$\lim_{n \to \infty} \sqrt[n]{n!} = \infty$（斯特林公式）、$\lim_{n \to \infty} \sqrt[n]{a^n} = a$。做题时小心指数运算——$\sqrt[n]{(1+1/n)^{-n^2}} = (1+1/n)^{-n} \to e^{-1}$，这类变形要练熟。

⚠️ 坑3：绝对值不能忘。 虽然根值法对通项开 $n$ 次方——但负数的偶次根号没有实数意义。标准做法是先取绝对值：$\sqrt[n]{|u_n|}$。对于正项级数这个绝对值可以省略（因为 $u_n > 0$），但养成加绝对值的习惯有好处——将来处理任意项级数时自动兼容。

⚠️ 坑4：极限不存在时方法失效。 如果 $\lim \sqrt[n]{|u_n|}$ 震荡（比如系数奇偶不同），根值法不能直接用。但这种情况在考研中极少见。

根值判别法在整个体系中的位置：

根值判别法和比值判别法是"双胞胎"——结构相同（$\rho < 1$ 收敛、$\rho > 1$ 发散、$\rho = 1$ 失效），擅长领域互补。在正项级数判别$法"三件套"中，它的使用频率低于比值法（因为大多数考研题的通项构造更适合比值法），但当通项整体是 $n$ 次方时，根值法几乎是无敌的——一步到位，不用费任何脑筋。

根值法在幂级数部分的收敛半径公式（根值形式 $R = 1/\lim \sqrt[n]{|a_n|}$）中也有重要应用——和比值法的收敛半径公式等价，互相验证。

💡 即时练习5：用根值判别法判断下列级数的敛散性。 (1) $\displaystyle\sum_{n=1}^{\infty} \left(\frac{n}{2n+1}\right)^n$　　(2) $\displaystyle\sum_{n=1}^{\infty} \left(1+\frac{1}{n}\right)^{-n^2}$

点击查看答案

(1) $\rho = \lim \sqrt[n]{u_n} = \lim \dfrac{n}{2n+1} = \dfrac{1}{2} < 1$，收敛。

(2) $\rho = \lim \sqrt[n]{\left(1+\frac{1}{n}\right)^{-n^2}} = \lim \left(1+\frac{1}{n}\right)^{-n} = e^{-1} = \frac{1}{e} < 1$，收敛。

10. p级数与积分判别法——"堆方块 vs 曲线下面积"

🧱 生活场景：地上画了一条曲线 $y = 1/x^p$，你拿着宽度为 1 的积木方块，一个挨一个摆在曲线上。每块积木的高度取它在曲线上对应点的高度——第一块摆在 $x=1$ 到 $x=2$ 之间，高度是 $1/1^p = 1$；第二块摆在 $x=2$ 到 $x=3$ 之间，高度是 $1/2^p$；第三块高度 $1/3^p$……你把这些积木的面积加起来：

$\text{所有积木总面积} = 1 \cdot \frac{1}{1^p} + 1 \cdot \frac{1}{2^p} + 1 \cdot \frac{1}{3^p} + \cdots = \sum_{n=1}^{\infty} \frac{1}{n^p}$

这不就是 p 级数吗！现在把目光移到曲线本身——曲线下面的面积是 $\int_1^{\infty} \frac{1}{x^p} dx$。积木的面积和曲线下面$积"长得很像"。但先要看清方向：这种摆法每块积木都比曲线下那一小块面积大（高度取的是区间左端点，而曲线递减时左端点是最高的）——所以积木面积只多不少。于是：如果曲线下面积是无限的，积木总面积只多不少、必然也是无限。（曲线下面积有限时积木怎样？这个摆法只给出下界、看不出上界，下面"换个摆法"再讲。）

对于 $y = 1/x$（$p=1$），曲线下面积 $\int_1^{\infty} (1/x) dx = \ln x |_1^{\infty} = \infty$，曲线下面积无限大。而积木面积只多不少、比曲线面积还大——曲线的面积都无限大了，积木总面积更不可能停在一个有限数上。这就是调和级数发散$的"几何直觉版"解释。

对于 $y = 1/x^2$（$p=2$），曲线下面积 $\int_1^{\infty} (1/x^2) dx = [-1/x]_1^{\infty} = 1$，有限！可光凭刚才那$个"只多不少"的摆法，只能说明积木总面积 > 1，还看不出它不会超过多少。想压一个上界，就换个摆法：把第 $n$ 块积木挪到 $[n-1, n]$ 上、仍然取高度 $f(n)$——这时因为曲线递减，$f(n)$ 恰好是这一段的最低点，每块积木都缩到曲线下面了。于是从第 2 块起，所有积木都在曲线下面，$\sum_{n=2}^{\infty} f(n) \le \int_1^{\infty} f(x) dx$；加上第一块积木的面积 $f(1) = 1$，得到积木总面积 $\le 1 + 1 = 2$。有限有上界，$\sum 1/n^2$ 收敛。

这就是积分判别法的全部直觉——把无穷加法和无穷积分"拴在一起"，以已知的积分结果判断未知的级数命运。

p级数的正式陈述：

$\sum_{n=1}^{\infty} \frac{1}{n^p} = \frac{1}{1^p} + \frac{1}{2^p} + \frac{1}{3^p} + \cdots$

p级数在考研级数中的地位相当于"标准千克原器"——所有其他级数都用它来"校准"。比较判别法的本质就是把你的级数和p级数比大小。

积分判别法的正式陈述：

设 $f(x)$ 在 $[1, +\infty)$ 上（或从某项起）满足三个条件：连续、恒正、单调递减。令 $u_n = f(n)$，则：

$\sum_{n=1}^{\infty} f(n) \quad \text{和} \quad \int_1^{+\infty} f(x)\,dx \quad \text{同时收敛或同时发散}$

也就是说，反常积分 $\int_1^{+\infty} f(x) dx$ 收敛（等于一个有限数） $\Longleftrightarrow$ 级数 $\sum f(n)$ 收敛。

🧠 积分判别法是怎么推出来的？——"矩形夹逼曲线"

这个推导的精彩之处在于：用几何直观严格地建立了"级数和"与"积分"之间的不等式关系。

已知：$f(x)$ 在 $[1, +\infty)$ 上连续、恒正、单调递减。

目标：证明 $\sum f(n)$ 和 $\int_1^{\infty} f(x) dx$ 同敛散。

核心策略：把整个级数的每一项 $f(n)$ 都想象成一个宽度为 1 的矩形面积——第 $n$ 个矩形位于区间 $[n-1, n]$ 或 $[n, n+1]$ 上，高度为 $f(n)$。然后比较这些矩形面积与曲线下面积的大小。

第一步：构造"右侧矩形"——把每一项看成左边一小段曲线下面积的"上限"。

在区间 $[n-1, n]$ 上，因为 $f(x)$ 单调递减，这个区间上 $f(x)$ 的最大值出现在左端点 $x = n-1$ 处，等于 $f(n-1)$。所以：

$\text{矩形}[n-1, n] \text{的面积} = 1 \cdot f(n-1) \quad \ge \quad \text{曲线下面积} = \int_{n-1}^{n} f(x) dx$

把 $n$ 从 2 一直加到任意大的 $N$：

$\sum_{n=2}^{N} f(n-1) \ge \sum_{n=2}^{N} \int_{n-1}^{n} f(x) dx = \int_{1}^{N} f(x) dx$

左边 $\sum_{n=2}^{N} f(n-1) = f(1) + f(2) + \cdots + f(N-1) = S_{N-1}$（部分和）。所以：

$S_{N-1} \ge \int_{1}^{N} f(x) dx$

大白话：把每个小段上曲线下面那块"弯弯曲曲"的面积，换成同样宽度但高度取最大值的矩形——因为曲线是递减的，最大值在最左边。每个矩形都比曲线面积大，全部加起来当然也比曲线总面积大。所以"部分和"大于等于"积分"。这就是说——如果积分发散到无穷大，部分和只能比它更大，也跟着发散。

第二步：构造"左侧矩形"——把每一项看成右边一小段曲线下面积的"下限"。

换一个方向。在区间 $[n, n+1]$ 上，因为 $f(x)$ 单调递减，这个区间上 $f(x)$ 的最小值出现在右端点 $x = n+1$ 处。先试一个方向：用左端点 $f(n)$ 当高度画在 $[n, n+1]$ 上——不行，这个矩形比曲线面积大（因为曲线递减，$f(n)$ 是区间上最高点），得不$到"级数不超过某数"的上界。

换个思路：我们把矩形挪到 $[n-1, n]$ 上、仍用 $f(n)$ 当高度。因为 $f(x)$ 递减，$f(n)$ 恰好是这个区间上的最小值，所以矩形面积小于曲线面积，这样就能得到上界了：

$\text{矩形}[n-1, n] \text{的面积} = 1 \cdot f(n) \quad \le \quad \text{曲线下面积} = \int_{n-1}^{n} f(x) dx$

把 $n$ 从 2 加到 $N$：

$\sum_{n=2}^{N} f(n) \le \sum_{n=2}^{N} \int_{n-1}^{n} f(x) dx = \int_{1}^{N} f(x) dx$

左边 $\sum_{n=2}^{N} f(n) = S_N - f(1)$。所以：

$S_N - f(1) \le \int_{1}^{N} f(x) dx$

移项：$S_N \le f(1) + \int_{1}^{N} f(x) dx$

大白话：这次我们把矩形画得"矮一点"——取区间最右边的值（因为递减，最右边最小），每个矩形比曲线面积小。这样"级数和（去掉第一项）"就小于等于"积分"。加上第一项 $f(1)$ 后，级数和也不超$过"第一项 + 积分"。这就是说——如果积分是有限的，级数和也被一个有限数压住，不会爆炸。

第三步：把两边的夹逼合并起来。

从第一步和第二步，我们得到了关键的双向不等式：

$\int_{1}^{N} f(x) dx \le S_N \le f(1) + \int_{1}^{N} f(x) dx$

大白话：部分和 $S_N$ 被积分从两$边"夹住"了——它大于等于积分，又小于等于"第一项加积分"。$S_N$ 不可能自己变得很大而积分保持有限，也不可能积分爆炸而 $S_N$ 安安稳稳。

第四步：取极限 $N \to \infty$——同生共死。

• 如果积分收敛：$\lim_{N \to \infty} \int_1^N f(x) dx = L$（一个有限数），则 $S_N \le f(1) + L$。因为 $S_N$ 单调递增（$f(n) \ge 0$）且有上界，所以 $S_N$ 收敛。积分收敛 $\Rightarrow$ 级数收敛。

• 如果积分发散：$\lim_{N \to \infty} \int_1^N f(x) dx = +\infty$，则从 $S_N \ge \int_1^N f(x) dx \to \infty$ 得 $S_N \to \infty$。积分发散 $\Rightarrow$ 级数发散。

级数和积分"同生共死"——这个结论就是这么来的。

推导完毕。

第五步：用积分判别法证明 p 级数的敛散性。

现在把这个刚推出来的方法用在一个具体例子上：$f(x) = 1/x^p$。

$\int_1^{\infty} \frac{1}{x^p} dx$

• $p \neq 1$ 时：$\int_1^{\infty} x^{-p} dx = \left[\frac{x^{1-p}}{1-p}\right]_1^{\infty}$

  • 如果 $p > 1$：$1-p < 0$，$x^{1-p} \to 0$（$x \to \infty$），积分 $= \frac{0 - 1}{1-p} = \frac{1}{p-1}$，有限，收敛。
  • 如果 $p < 1$：$1-p > 0$，$x^{1-p} \to \infty$（$x \to \infty$），积分 $\to \infty$，发散。

• $p = 1$ 时：$\int_1^{\infty} \frac{1}{x} dx = \ln x |_1^{\infty} = \infty$，发散。

综合：积分 $\int_1^{\infty} \frac{1}{x^p} dx$ 在 $p > 1$ 时收敛，在 $p \le 1$ 时发散。由积分判别法（级数与积分同敛散），$\sum \frac{1}{n^p}$ 在 $p > 1$ 时收敛，在 $p \le 1$ 时发散。 p 级数的敛散性完全证明。

📝 推导复盘——用大白话重新讲一遍刚才做了什么：

整个积分判别法的推导核心就四个字：矩形夹逼。因为 $f(x)$ 是递减的，每个小区间 $[n-1, n]$ 上，$f(n)$ 是最小值、$f(n-1)$ 是最大值。用最大值画矩形→矩形面积大于曲线面积→级数部分和 ≥ 积分。用最小值画矩形→矩形面积小于曲线面积→级数部分和 ≤ 第一项 + 积分。这两个不等式像两只手一样，从上下两边掐住了部分和，逼它跟积$分"同生共死"——积分有限则级数有限，积分爆炸则级数爆炸。

然后把这个方法套到 $f(x) = 1/x^p$ 上一算——$p > 1$ 时积分有限，$p \le 1$ 时积分无限——p 级数的敛散性就铁板钉钉了。

为什么 p 级数能做所有级数的"标尺"？ 因为它就是最简单的、各项按幂次递减的级数。任何一个复杂级数 $u_n$，在 $n$ 很大时都近似于某个 $C/n^p$（等价无穷小）。知道 $C/n^p$ 的敛散性，就能推断 $u_n$ 的敛散性。这就是比较判别法的根本原理——我们马上在下一节详细展开。

⚠️ 容易踩的坑（边界条件）

⚠️ 坑1：积分判别法的三个前提条件缺一不可。 $f(x)$ 必须是连续、恒正、单调递减的。如果 $f(x)$ 不是单调递减的（有起有伏），矩形夹逼法就不成立——最大值不一定在最左边。实际做题中最容易漏的是单调递减——记得验证 $f'(x) \le 0$（从某项起）。

经典反例：$f(x) = \sin^2(\pi x/2)$ 是正且连续的，但不断振荡、不是递减的。$\sum \sin^2(\pi n/2) / n$（偶数项为0、奇数项为$1/n$，正但非单调）的敛散性无法直接用积分判别法。

⚠️ 坑2：积分收敛不等于能算出级数的精确和。 积分判别法只能告诉你"收敛还是发散"这个二分结论，不能告诉你级数和的具体数值。它是个"判断工具"，不是"计算工具"。比如 $p=2$ 时 $\sum 1/n^2 = \pi^2/6 \approx 1.645$，但积分只告诉$你"在 1 和 2 之间"（因为 $\int_1^{\infty} 1/x^2 dx = 1$，加上 $f(1)=1$ 得上界 2），不会直接算出 $\pi^2/6$。

⚠️ 坑3：p=1 是分水岭，p=1 本身是发散。 很多人总觉得 $1/1.0001$ 和 $1/1$ 差不多，所以收敛性也差不多——大错！$p=1+\varepsilon$（哪怕 $\varepsilon = 0.000000001$）都收敛，$p=1$ 恰恰发散。$p=1$ 就像一个悬崖边，往前一步（$p \le 1$）是深渊，往后一步（$p>1$）是平地。原因在于积分 $\int x^{-p} dx$ 的不定积分公式在 $p=1$ 时分母为 0，变成对数函数——而 $\ln x$ 的增长虽然慢，却无限增长。

p 级数 + 积分判别法在整个体系中的位置：

这一节完成了两件大事。第一，给出了除几何级数之外第二个"标杆级数"——p 级数。第二，用积分判别法从理论上证明了 p 级数的敛散性，奠定了比较判别法的根基。后面所有的比较判别法（一般形式和极限形式）都是"你能不能把你的级数跟 p 级数建立起大小的联系"的不同变体。而积分判别法本身则是当比较法、比值法、根值法全部失效时的"终极武器"——尤其是通项含 $\ln n$ 的场合（如 $\sum \frac{1}{n \ln n}$、$\sum \frac{1}{n (\ln n)^p}$），其他方法几乎无从下手，只有积分判别法能管。

必背基准值：

💡 即时练习2：判断下列p-级数的敛散性。 (1) $\displaystyle\sum_{n=1}^{\infty} \frac{1}{n^{3/2}}$　　(2) $\displaystyle\sum_{n=1}^{\infty} \frac{1}{\sqrt[3]{n}}$　　(3) $\displaystyle\sum_{n=1}^{\infty} \frac{1}{n^{1.01}}$

点击查看答案

(1) $p=\frac{3}{2}>1$，收敛。

(2) $\frac{1}{\sqrt[3]{n}} = \frac{1}{n^{1/3}}$，$p=\frac{1}{3}\le 1$，发散。

(3) $p=1.01>1$，收敛（只要p比1大一点点就收敛，这是关键考点）。

🛑 停下来想一想：到目前为止你学了5种正项级数判别法。如果拿到级数 $\sum \frac{1}{n^2+1}$，请你按决策树的步骤走一遍——每一步你的判断理由是什么？如果比值法给出ρ=1，你该怎么办？

📌 编号说明：本版无§11——§10 p级数与积分判别法之后直接进入§12交错级数，编号顺延，正文各处引用均以此为准。

知识铺垫：四个"标尺级数"

在进行任何判别之前，首先要记住这4个基准级数的敛散性：

考法1：正项级数的判别法

判别法总览

这么多判别法，什么时候用哪个？——一张"选工具"的决策树怎么长出来

前面一口气学了比较、比值、根值、积分四种判别法。现在最头疼的问题来了：拿到一个陌生的正项级数，我该先用哪个？

难在哪？四个方法都能判敛，但用错工具会白费力气——比如拿比值法去算分式多项式 $\sum \frac{1}{n^2+1}$，算出 $\rho=1$ 直接失效；拿根值法去碰阶乘，$\sqrt[n]{n!}$ 算到怀疑人生。

🧠 这一步在想什么：别硬记决策树，它其实是按每个判别法"最擅长消灭哪种记号"倒推出来的。回顾我们推导时的发现——

• 比值法算 $\frac{u_{n+1}}{u_n}$ 时，阶乘和指数天生会约分（$\frac{(n+1)!}{n!}=n+1$、$\frac{a^{n+1}}{a^n}=a$）→ 所$以"含 $n!$、$a^$n"用比值法；
• 根值法开 $n$ 次方时，外层 $n$ 次方直接消掉（$\sqrt[n]{[f(n)]^n}=f(n)$）→ 所$以"整体是 $n$ 次$方"用根值法；
• 比较法要"找 $n$ 很大时通项像$谁"（等价无穷小）→ 所以"分式多项式"用比较法；
• 积分判别法把级数变成积分，只有 $n$ 出现在 $\ln$ 这$种"幂次猜不出的函数"里才划算 → 所以"含 $\ln $n"用积分判别法。

你看——不是"哪个方法好"就先用哪个，而是"哪个记号正好能被这个方法的化简动作干掉"就用哪个。决策树就是把这四条发现串成了一条流水线。

📌 以后就这么办：拿到正项级数，按下面这棵树的顺序走——它保证你每一步都在用"最顺手"的工具。

判别法选择决策树（武忠祥/张宇体系综合）

拿到正项级数 ∑u_n
     │
     ├── 第0步：必要条件检查（3秒钟）
     │   lim u_n = 0 吗？
     │   ├── ≠0 → 直接判发散，结束
     │   └── =0 → 继续往下
     │
     ├── 第1步：通项里有"特殊记号"吗？
     │   ├── 含 n!、a^n、n^n → 用比值判别法
     │   │   ρ < 1 → 收敛 | ρ > 1 → 发散 | ρ = 1 → 失效，转到第3步
     │   │
     │   ├── 整体含 n 次方，如 [f(n)]^n → 用根值判别法
     │   │   ρ < 1 → 收敛 | ρ > 1 → 发散 | ρ = 1 → 失效，转到第3步
     │   │
     │   └── 没有特殊记号 → 转到第2步
     │
     ├── 第2步：通项是n的分式多项式吗？
     │   分母最高次 - 分子最高次 = p
     │   ├── p > 1 → 大概率收敛（用比较法极限形式确认）
     │   └── p ≤ 1 → 大概率发散（用比较法极限形式确认）
     │   方法：找等价无穷小 u_n ~ C/n^p，然后用比较法的极限形式
     │
     ├── 第3步：比值/根值法失效（ρ=1）时
     │   → 使用比较判别法（极限形式）
     │   → 等价无穷小替换后与 p 级数比较
     │
     └── 第4步：还不行？
         考虑积分判别法、定义法（部分和）、收敛准则（单调有界）

口诀：阶乘指数比值上，分式多项式不要撞。先看自己（比值/根值），后看别人（比较）；p级数是最后的归处。

判别法选择详细指南（学到哪步走哪步）：

拿到一个正项级数，按以下顺序判断：

第1步：必要条件检查（3秒，必做） 先看通项是否趋于0。$\lim u_n \neq 0$ → 直接判发散，游戏结束。$\lim u_n = 0$ → 继续往下。

第2步：特殊记号检查（决定用什么工具）

第3步：比较法——分式多项式的标准做法

看通项"长得像"什么——找等价无穷小。核心操作：$u_n \sim \frac{C}{n^p}$。

怎么找p：p = 分母的最高次幂 - 分子的最高次幂。例如 $\frac{n+1}{n^3+2n}$，分母最高3次、分子最高1次，p=2>1 → 收敛。

第4步：当比值法或根值法给出ρ=1时

这不是"收敛"也不是"发散"，而是"这方法不管用"。处理方案：

• 立即转向比较判别法（极限形式）——找等价无穷小，与p级数比较
• 如果通项含 $\ln n$ 且比较法也不好使 → 试积分判别法

🧠 为什么 ρ=1 时要转比较法、最后才是积分法？ 回到比值/根值法的推导源头——它们本质都是"把级数和几何级数 $r^n$ $比"，只用了"比例"这一个维度。$\rho=1$ 说$明"比例"这个维度失效了（收敛和发散的级数都可能是 $\rho=1$，比如 $\sum 1/n^2$ 和 $\sum 1/n$）。这时就得换一个更细的标尺——p 级数（比较法），因为 $\frac{1}{n^2}$ 和 $\frac{1}{n}$ 的差别，只$有"和 $n$ 的几次方$比"才分得出来。而含 $\ln n$ 的级数（如 $\sum \frac{1}{n\ln n}$）连 $n$ 的几次方都套不上（$\ln n$ 增长比任何正次幂慢、比任何 0 次幂快），只有积分判别法能精准定级。所以顺序是：先几何标尺（比值/根值）→ 再 p 级数标尺（比较法）→ 最后积分标尺（积分法）——标尺越来越细。

第5步：特殊情况识别

一句话总结：先看通项是否趋于0，再看有无阶乘/指数/整体n次方（选比值或根值），都没有就找等价无穷小跟p级数比。ρ=1不是结论，是"换方法"的信号。

各方法的典型例题

例1（比值法——含阶乘）：判别 $\sum \dfrac{n!}{3^n}$ 的敛散性

解：通项里有 $n!$，决策树告诉我们应该先试比值法。

$\rho = \lim \dfrac{u_{n+1}}{u_n} = \lim \dfrac{(n+1)!/3^{n+1}}{n!/3^n} = \lim \dfrac{n+1}{3} = \infty > 1$

原级数发散。

例2（根值法——含n次方）：判别 $\sum \left(\dfrac{n}{2n+1}\right)^n$ 的敛散性

解：整个通项都带了n次方，用根值法最省力。

$\rho = \lim \sqrt[n]{u_n} = \lim \dfrac{n}{2n+1} = \dfrac{1}{2} < 1$

原级数收敛。

例3（比较法极限形式——最常用）：判别 $\sum \dfrac{n+1}{n^3+2n}$ 的敛散性

解：这是典型的分式结构，没有阶乘也没有n次方。找等价无穷小——分子最高次1、分母最高次3，所以 $u_n \sim 1/n^2$。

$\lim \dfrac{u_n}{1/n^2} = 1$，而 $\sum 1/n^2$ 是p=2的p级数，收敛，故原级数收敛。

例4（比较法极限形式——分式多项式，不撞比值法）：判别 $\sum \dfrac{2n-1}{n^2+n}$ 的敛散性

解：这是分式多项式，决策树第1步没有特殊记号 → 跳过比值/根值，直接用比较法。$u_n \sim 2/n$，与调和级数同敛散，故原级数发散。

（对照：若先拿比值法算 $\lim u_{n+1}/u_n$，会得到 $\rho=1$——白算。这正是决策树让你跳过它的原因。）

例5（等价无穷小+比较法）：判别 $\sum \sin(\dfrac{\pi}{n})$ 的敛散性

解：n→∞时，$\sin(\pi/n) \sim \pi/n$，而 $\sum \pi/n = \pi\sum 1/n$ 发散（调和级数），故原级数发散。

例6（积分判别法）：判别 $\sum \dfrac{1}{n\ln n}$ 的敛散性

解：令 $f(x) = 1/(x\ln x)$（x≥2时递减且正），$\int_2^{\infty} 1/(x\ln x) dx = \ln(\ln x)|_2^{\infty} = \infty$ 发散，由积分判别法，原级数发散。

翻车现场（正项级数）

判别法失效情况速查

题1 ⭐基础（比值判别法——含阶乘）

判别级数 $\displaystyle\sum_{n=1}^{\infty} \frac{n!}{5^n}$ 的敛散性。

第0步：lim n!/5^n = ∞ ≠ 0 → 通项不趋于0，直接判发散
第1步：通项含 n! → 比值判别法也适用

题2 ⭐基础（根值判别法——整体含n次方）

判别级数 $\displaystyle\sum_{n=1}^{\infty} \left(\frac{n}{2n+3}\right)^n$ 的敛散性。

第0步：lim [n/(2n+3)]^n = 0（因为 n/(2n+3) → 1/2 < 1），通项趋于0 ✓
第1步：通项整体含 n 次方 → 根值判别法

题3 ⭐基础（比较判别法的极限形式——分式多项式）

判别级数 $\displaystyle\sum_{n=1}^{\infty} \frac{3n+1}{2n^3-n+1}$ 的敛散性。

第0步：lim u_n = 0 ✓
第1步：没有 n!、a^n、整体n次方 → 跳过比值/根值法
第2步：分式多项式 → 比较判别法（极限形式）
        分母最高次(3) - 分子最高次(1) = 2 > 1 → 大概率收敛

题4 ⭐⭐提高（比值法失效→转比较法）

判别级数 $\displaystyle\sum_{n=1}^{\infty} \frac{n}{n^2+2n+3}$ 的敛散性。

第0步：lim n/(n^2+2n+3) = 0 ✓
第1步：没有特殊记号 → 跳过比值/根值法
第2步：分式多项式 → 比较判别法（极限形式）
        分母最高次(2) - 分子最高次(1) = 1 ≤ 1 → 大概率发散

题5 ⭐⭐提高（等价无穷小+比较法）

判别级数 $\displaystyle\sum_{n=1}^{\infty} \left(1-\cos\frac{1}{n}\right)$ 的敛散性。

第0步：lim (1-cos(1/n)) = 0 ✓
第1步：没有 n!、a^n、整体n次方
第2步：看到 cos(小量) → 等价无穷小替换
        1 - cos(1/n) ~ 1/(2n^2) → 与 p=2 的 p 级数同敛散 → 收敛

12. 交错级数与莱布尼茨判别法——"摆锤越摆越小，最终停下来"

🔔🕰️ 生活场景：想象一座老式座钟的钟摆。你推它一把，它开始大幅摆动——第一下从左边摆到右边，第二下从右边摆回左边，但幅度比第一下小了一点点；第三下再小一点点……每一次摆动都和上一次方向相反（正负交替），每一次的幅度都比上一次小（单调递减），而且最终它会无限接近完全静止（趋于零）。虽然理论上它永远不会绝对停住，但过了足够久之后，你肉眼根本看不出来它还在动——它"收敛"到了一个静止的位置。

这就是交错级数莱布尼茨判别法的全部直觉：一个正负交替的无穷和，只要"摆幅"越来越小并且最终趋于零，它就有个确定的和——因为正负两项互相抵消，后面的项影响力越来越弱，最终总和的波动幅度趋于零。 就像你把一颗石子扔进水里，涟漪一圈一圈向外扩散，但每一圈的波纹都比上一圈小——总效果是有限的。

交错级数的定义：

正负项交替出现的级数，标准形式为 $\sum_{n=1}^{\infty} (-1)^{n-1} u_n$（其中 $u_n > 0$），展开为：

$u_1 - u_2 + u_3 - u_4 + u_5 - \cdots$

每一项和前后两项符号相反——像个"之"字形的折线，一上一下。

莱布尼茨判别法的正式陈述——两个条件，缺一不可：

设 $\sum (-1)^{n-1} u_n$ 是交错级数（$u_n > 0$）。如果：

1. $u_n$ 单调递减（从某项起）：$u_1 \ge u_2 \ge u_3 \ge \cdots$
2. $\lim_{n \to \infty} u_n = 0$：摆幅最终趋于零

两个条件都满足 → 级数收敛。并且此时余项满足：$|r_n| = |S - S_n| \le u_{n+1}$——截断误差不超过被舍去的第一项。

重要：莱布尼茨判别法只能判断"收敛"这件事本身，不能判断是绝对收敛还是条件收敛。要区分这两种，需要在判出收敛后，再对绝对值级数 $\sum |(-1)^{n-1} u_n| = \sum u_n$ 用正项级数判别法检查一次。

莱布尼茨判别法是充分不必要条件——两个条件满足能判收敛；条件不满足不能判发散，只能说"莱布尼茨帮不了你，换别的工具"。

验证单调性的三种方法（从易到难）：

• 直接作差：验证 $u_{n+1} - u_n \le 0$（最简单，推荐优先试）
• 作比：验证 $\frac{u_{n+1}}{u_n} \le 1$（当通项含指数或阶乘时好用）
• 构造函数求导：令 $f(x)$ 为把 $n$ 换成 $x$ 的函数，验证 $f'(x) \le 0$（当通项含 $\ln n$ 或复杂结构时最可靠）

🧠 莱布尼茨判别法是怎么推出来的？——跟踪部分和的"摆动"轨迹

这个证明的核心技巧是——不理单个项，而是盯着部分和 $S_n$ 的变化轨迹。 交错级数的 $S_n$ 一上一下地走——但每一步都比前一步的幅度小，最终被两条边界夹在一个越来越窄的范围里。这$个"夹逼"过程是证明收敛的关键。

已知：$u_1 \ge u_2 \ge u_3 \ge \cdots > 0$（单调递减且为正），且 $\lim_{n \to \infty} u_n = 0$。

目标：证明 $\sum (-1)^{n-1} u_n$ 收敛。

第一步：观察偶数部分和 $S_{2n}$—$—"偶数步总在往下走"。

写出偶数部分和：

$S_2 = u_1 - u_2$ $S_4 = (u_1 - u_2) + (u_3 - u_4)$ $S_6 = (u_1 - u_2) + (u_3 - u_4) + (u_5 - u_6)$

注意到每一组括号 $(u_{2k-1} - u_{2k})$ 都 $\ge 0$（因为 $u_{2k-1} \ge u_{2k}$，单调递减）。所以：

$S_2 \le S_4 \le S_6 \le \cdots$

大白话：你一次取两项配对看——每次配对都是"正减负"，结果是正的。所以偶数步的部分和 $S_{2n}$ 每次加一个正数，越加越大——单调递增。

第二步：观察奇数部分和 $S_{2n-1}$—$—"奇数步总在往上走，但趋势反过来"。

用另一种配对方式写奇数部分和：

$S_1 = u_1$ $S_3 = u_1 - (u_2 - u_3)$ $S_5 = u_1 - (u_2 - u_3) - (u_4 - u_5)$

每一组括号 $(u_{2k} - u_{2k+1}) \ge 0$，所以从 $u_1$ 开始每次减一个正数：

$S_1 \ge S_3 \ge S_5 \ge \cdots$

大白话：换个姿势重新配对——从 $u_1$ 开始，后面每对都看$成"负减正"= 负数。奇数步的部分和每次减一个正数，越减越小——单调递减。

第三步：偶数列和奇数列的关系——互相有界。

对于任意 $n$：

$S_{2n} = S_{2n-1} - u_{2n} < S_{2n-1}$

另外，对于任意 $m, n$：

$S_{2m} < S_{2n-1}$

大白话：任意偶数部分和都小于任意奇数部分和——因为从偶数到下一个奇数，你加了一个正数 $u_{2n+1}$。

结合起来：偶数序列 $S_2, S_4, S_6, \ldots$ 单调递增，且每一个 $S_{2n}$ 都小于 $S_1 = u_1$（有上界）。奇数序列 $S_1, S_3, S_5, \ldots$ 单调递减，且每一个 $S_{2n-1}$ 都大于 $S_2 = u_1 - u_2$（有下界）。

第四步：两个序列都收敛。

$S_{2n}$ 单调递增且有上界 $u_1$ → 根据实数单调有界准则，$\lim S_{2n} = S_{\text{偶}}$ 存在。

$S_{2n-1}$ 单调递减且有下界 $u_1 - u_2$ → 根据单调有界准则，$\lim S_{2n-1} = S_{\text{奇}}$ 存在。

第五步：证明两个极限相等——关键一步。

考虑两者之差：

$S_{2n-1} - S_{2n} = u_{2n}$

取极限：

$\lim_{n \to \infty} (S_{2n-1} - S_{2n}) = \lim_{n \to \infty} u_{2n} = 0$

而 $\lim S_{2n-1} = S_{\text{奇}}$、$\lim S_{2n} = S_{\text{偶}}$，所以 $S_{\text{奇}} - S_{\text{偶}} = 0$，即 $S_{\text{奇}} = S_{\text{偶}} = S$。

大白话：奇数部分和与偶数部分和的差距正好等于 $u_{2n}$。而条件二说了 $u_n \to 0$——所以奇偶之间的缝隙最终合上了。两条线最终交于同一个点 $S$——这就是级数的和。

第六步：奇偶子列有相同极限 → 全序列收敛。

整个部分和序列 $\{S_n\}$ 由奇子列和偶子列交替组成。两个子列都收敛到 $S$，存在一个 $N$，当 $n > N$ 时奇偶项都靠近 $S$——因此全序列也收敛到 $S$。

推导完毕。

📝 推导复盘——用大白话重新讲一遍刚才做了什么：

整个推导就是在追踪部分和 $S_n$ 的轨迹，把它拆成奇数和偶数两条线来看：

偶数线 $S_{2n}$：每次加一对 $(u_{2k-1} - u_{2k}) \ge 0$ → 单调递增。但它永远超不过 $u_1$ → 有上界 → 收敛。

奇数线 $S_{2n-1}$：每次减一对 $(u_{2k} - u_{2k+1}) \ge 0$ → 单调递减。但它永远低不过 $u_1 - u_2$ → 有下界 → 收敛。

奇偶之间的缝隙：$S_{2n-1} - S_{2n} = u_{2n}$。因为 $u_n \to 0$（条件二），这个缝隙趋于零 → 奇偶极限相等 → 全序列收敛。

这就是"摆锤越摆越小最终停下"的数学版本——每一步都在前一步的另一侧，但幅度越来越小，最后奇偶两条线之间的宽度趋于零，摆锤停在一个确定的位置。

前置知识调用：①实数的单调有界准则（第一章）；②子列收敛与全序列收敛的关系（第一章）。没有用到任何级数判别法——这是莱布尼茨判别法的美妙之处：它不依赖正项级数那一整套工具，直接靠数列收敛的基本性质完成证明。

余项的额外收获：$|S - S_n| \le u_{n+1}$ 从推导中自然得到——第 $n$ 步的部分和到最终和的误差，不超过下一项的绝对值。这在实际计算中极其有用：截断级数时直接知道最大误差。

⚠️ 容易踩的坑（边界条件）

⚠️ 坑1：两个条件缺一不可，很多人漏验单调性。 光有 $\lim u_n = 0$ 不够——必须加$上"单调递减"。

经典反例：$u_n = 1/n$ 当 $n$ 为奇数，$u_n = 1/n^2$ 当 $n$ 为偶数。$\lim u_n = 0$ 满足，但它不是单调递减的（奇偶项大小交替跳跃）。这种交错级数可能发散——只验一个条件就下结论，翻车率极高。

⚠️ 坑2：莱布尼茨判别法判出收敛后，不要自动认为就是"条件收敛"。 莱布尼茨只能回答"收敛了吗？"——是/否。它不回答"是哪种收敛？"要回答后者，必须再对绝对值级数用正项判别法。

实例：$\sum (-1)^{n-1}/n^2$。莱布尼茨两个条件都满足 → 收敛。但取绝对值 $\sum 1/n^2$（p=2 > 1）也收敛 → 实际上是绝对收敛，不是条件收敛。

⚠️ 坑3："从某项起单调递减"就够了。 定理不要求从第一项就递减——只要从第 $N$ 项起开始递减即可。前 $N$ 项有限，不影响敛散性。

⚠️ 坑4：单调递减的"递减"可以是"不增"——允许相等。 $u_{n+1} \le u_n$ 合条件，不要求一定是严格的小于号。$u_{n+1} = u_n$ 的情况（相邻项相等）也OK。

⚠️ 坑5：莱布尼茨不满足不等于发散。 如果两个条件有一个不成立，莱布尼茨无法判——但级数可能仍然收敛（可能靠别的判别法判出来或者它是绝对收敛的）。充分不必要的意思就是：条件满足 ⇒ 收敛；条件不满足 ⇒ "本方法不好使，换一个"。

莱布尼茨判别法在整个体系中的位置：

莱布尼茨判别法是连通"正项级数"和"任意项级数"两个世界的第一座桥。前面所有判别法（比较、比值、根值、积分）都只管正项级数——一旦通项有正负，前面那些工具就懵了。莱布尼茨判别法第一个站出来说："有一种特殊的正负交替模式（交错级数），虽然前面那些工具管不了，但我能管。"

它的"管辖范围"非常有限——只覆盖交错级数这一种特殊类型。但交错级数在考试中极其常见（调和级数加个 $(-1)^{n-1}$ 就变交错调和级数，p 级数同理），所以这$个"小工具"的出镜率高得惊人。

在判断流程中，莱布尼茨的位置是：先取绝对值 → 用正项判别法 → 如果绝对值级数发散 → 回到原级数 → 如果是交错级数 → 试试莱布尼茨。它是流程图中"最后一道防线"——如果连莱布尼茨都救不了，那这级数大概率就是发散的了。

💡 即时练习6：判断交错级数 $\displaystyle\sum_{n=1}^{\infty} (-1)^{n-1}\frac{1}{n^2}$ 是否收敛？是绝对收敛还是条件收敛？

点击查看答案

先判绝对收敛：取绝对值 $\sum \dfrac{1}{n^2}$ 是 $p=2>1$ 的 p 级数，收敛 → 原级数绝对收敛。

（注意：这道题说明莱布尼茨判别法判出收敛后，不一定是条件收敛——本例绝对值级数也收敛，所以是绝对收敛。莱布尼茨只能告诉你"收敛"，不能告诉你"哪种收敛"。）

考法2：交错级数的判别法

莱布尼茨判别法

对于交错级数 $\sum (-1)^{n-1} u_n$（$u_n > 0$）：

两个条件都满足 → 级数收敛（注意：莱布尼茨判别法只能判断收敛，不能判断是条件收敛还是绝对收敛。还需检查绝对值级数才能区分）

⚠️ 莱布尼茨判别法是充分不必要条件。条件不满足不能判发散，只能说"这个方法不管用，换别的办法试试"。

例7（标准交错级数）：判别 $\sum (-1)^{n-1} / n$ 的敛散性

解：$u_n = 1/n$，① $u_n$ 单调递减；② $\lim 1/n = 0$。两条件满足，该交错级数收敛（条件收敛）。

例8（需要证单调性）：判别 $\sum (-1)^{n-1} \dfrac{n}{n^2+1}$ 的敛散性

解：$u_n = n/(n^2+1)$。条件2：$\lim n/(n^2+1) = 0$ ✓。条件1：令 $f(x)=x/(x^2+1)$，$f'(x)=(1-x^2)/(x^2+1)^2$，当 $x>1$ 时 $f'(x)<0$，单调递减成立。两条件满足，级数收敛。

翻车现场（交错级数）

题6 ⭐基础（莱布尼茨判别法——标准型）

判别级数 $\displaystyle\sum_{n=1}^{\infty} (-1)^{n-1}\frac{1}{\sqrt{n}}$ 的敛散性，并说明是绝对收敛还是条件收敛。

题7 ⭐⭐提高（莱布尼茨判别法——需要证单调性）

判别级数 $\displaystyle\sum_{n=2}^{\infty} (-1)^{n}\frac{\ln n}{n}$ 的敛散性（说明是绝对收敛、条件收敛还是发散）。

13. 绝对收敛与条件收敛——"正部负部都被绝对值控制"

💸 生活场景：你开了一家小卖部，每天有收入（卖出货，正数），也有支出（进货，负数）。你把每天的"净赚"记成一列：+200、-150、+300、-80、……。你对这生意有两个问题：

问题A：我到底赚没赚钱？——这是把所有正负号一起加，看净结果（$\sum u_n$）。

问题B：我这生意到底经手了多少钱（不管赚还是赔）？——把所有盈亏抹掉正负号（取绝对值）再加起来，看总资金流量（$\sum |u_n|$）。

如果总资金流量（绝对值之和）是有限的——说明你这生意规模就那么大，来来去去的钱总额不会超过某个数。那净赚也一定是有限的——你把那坨钱分给收入和支出两个口袋，每个口袋里的钱比总额还少，收减支的结果不会爆炸。

但如果总资金流量是无限的，那"净赚"还有可能有限吗？有可能！就像你每天赚1块、花1块、赚1块、花1块——净赚是0（有限的），但总流量无限增长。这就是条件收敛：绝对值加起来发散，但带着正负号加起来却收敛。

"正部负部都被绝对值控制"说的就是：每个数的绝对值，像个帽子一样同时扣在它的正半截和负半截上面——哪个半截也翻不出这个帽子去。如果所有帽子加起来有限，那正半截的和、负半截的和也各自有限，正负一减就有限。 这就是"绝对收敛 ⇒ 收敛"的全部秘密。

绝对收敛与条件收敛的正式陈述：

对于任意项级数 $\sum u_n$（$u_n$ 可以有正有负）：

• 绝对收敛：$\sum |u_n|$ 收敛 → 自动推出 $\sum u_n$ 收敛（不需要另验证）
• 条件收敛：$\sum |u_n|$ 发散，但 $\sum u_n$ 本身收敛
• 发散：$\sum u_n$ 发散

核心结论表：

关键时刻：如果比值法或根值法判出 $\rho > 1$——此时 $|u_n| \not\to 0$，推出 $u_n \not\to 0$，原级数必然发散（连条件收敛都不可能）。

🧠 为什么"绝对收敛"一定推出"收敛"？——"正部负部都被绝对值控制"的严格推导

这个定理是连接"正项级数判别法"和"任意项级数"的关键桥梁——因为它让你可以先用正项判别法检查 $\sum |u_n|$，如果这个已收敛，原级数就不用再判了。但它不是凭空成立的，下面一步步推给你看。

已知：$\sum |u_n|$ 收敛。

目标：证明 $\sum u_n$ 也收敛。

方法一："正部负部拆开"法（最直观的理解）。

第一步：把每个 $u_n$ 拆$成"正的部分"和"负的部分"（取绝对值后）。

定义两个新数列：

$u_n^+ = \frac{u_n + |u_n|}{2}, \quad u_n^- = \frac{-u_n + |u_n|}{2}$

大白话：$u_n^+$ 就是从 $u_n$ $里"抠出正的那一半"——如果 $u_n>0$，$u_n^+ = u_n$；如果 $u_n<0$，$u_n^+ = 0$。$u_n^-$ 则$是"把负的那一半翻成正的"——如果 $u_n<0$，$u_n^- = -u_n = |u_n|$；如果 $u_n>0$，$u_n^- = 0$。你可以验算：$u_n^+$ 和 $u_n^-$ 都 $\ge 0$，而且 $u_n = u_n^+ - u_n^-$，$|u_n| = u_n^+ + u_n^-$。

第二步：检查正部和负部是否各自收敛。

由于 $u_n^+ \le |u_n|$ 且 $u_n^+ \ge 0$（正部不超过全值），而 $\sum |u_n|$ 收敛——根据比较判别法（放大后收敛则原收敛），$\sum u_n^+$ 也收敛。

同样，$u_n^- \le |u_n|$ 且 $u_n^- \ge 0$（负部的绝对值也不超过全值），所以 $\sum u_n^-$ 也收敛。

大白话：绝对值就像一个大帽子——正半截和负半截每个都在这帽子底下。帽子有限，底下两截各自也有限。

第三步：$u_n$ 的收敛性——正减负。

因为 $u_n = u_n^+ - u_n^-$，所以：

$\sum u_n = \sum u_n^+ - \sum u_n^-$

两个收敛级数的差仍然收敛（级数的线性性质，前面性质1已学），因此 $\sum u_n$ 收敛。

推导完毕（方法一）。

方法二："巧妙不等式"法（最短推导，一步到位）。

这个方法更短——直接从已知条件造一个夹逼不等式：

第一步：构造一个非负数列 $u_n + |u_n|$。

因为 $|u_n|$ 要么等于 $u_n$（当 $u_n \ge 0$），要么等于 $-u_n$（当 $u_n < 0$）：

• 若 $u_n \ge 0$：$u_n + |u_n| = u_n + u_n = 2u_n$（非负）
• 若 $u_n < 0$：$u_n + |u_n| = u_n + (-u_n) = 0$

所以 $u_n + |u_n| \ge 0$ 恒成立。

大白话：$u_n + |u_n|$ 这个东西很妙——它把 $u_n$ 的负值全消灭了，只留下正值的两倍。所以它自动就是一个非负数列，可以套用正项级数的比较判别法。

第二步：写出关键的双向不等式。

$0 \le u_n + |u_n| \le 2|u_n|$

验证：当 $u_n \ge 0$ 时，$u_n + |u_n| = 2u_n = 2|u_n|$，等式右边取等号。当 $u_n < 0$ 时，$u_n + |u_n| = 0$，等式左边取等号。所以这个不等式永远成立。

大白话：$u_n + |u_n|$ 被夹在 0 和 $2|u_n|$ 之间。底下是零（不能更小了），上面是绝对值翻倍（不能再大了）。

第三步：用比较判别法判 $\sum (u_n + |u_n|)$ 的收敛性。

已知 $\sum |u_n|$ 收敛。乘以常数 2，$\sum 2|u_n|$ 也收敛。但 $0 \le u_n + |u_n| \le 2|u_n|$——根据比较判别法（上一节刚推导过$的"放大后收敛则原收敛"），$\sum (u_n + |u_n|)$ 收敛。

大白话：$u_n + |u_n|$ 被一个收敛的序列 $2|u_n|$ 压着，所以它自己也收敛。

第四步：从 $\sum (u_n + |u_n|)$ 解出 $\sum u_n$。

$\sum u_n = \sum (u_n + |u_n|) - \sum |u_n|$

右边第一项已证收敛，第二项已知收敛——两个收敛级数的差收敛。因此 $\sum u_n$ 收敛。

推导完毕（方法二）。

两种方法的比较：

• 方法一拆成正部和负部——形象，帮你理解"每一项都在绝对值的控制下"。
• 方法二更短——直接用不等式 $0 \le u_n + |u_n| \le 2|u_n|$ 一步到位。考试时推荐用方法二的思路——记得这个不等式就够了，不需要每次拆正负。

📝 推导复盘——用大白话重新讲一遍刚才做了什么：

整个推导的核心思想只有一句话：绝对值像一个安全帽，同时扣在"正半截"和"负半截"的头上——哪半截也高不过这顶帽子。

方法一就是先把每个数拆成正半截和负半截（都≥0），再用比较判别法分别证明它们收敛（因为它们都被绝对值压着），最后正减负就是原级数。

方法二更巧妙——不去拆两项，而是构造一个中间量 $u_n + |u_n|$。这个量刚好是$ "原级的正半截翻倍"（负半截被消灭了），它天然 ≥ 0，可以直接用比较法。然后把它和 $|u_n|$ 一减就得到原级数。不等式的核心是 $0 \le u_n + |u_n| \le 2|u_n|$——这说明 $u_n + |u_n|$ 完全在 $|u_n|$ 的掌控之下，$|u_n|$ 收敛它就收敛。

前置知识调用：这个推导用了两个前置知识——①比较判别法（本节的"定理3"，上一节刚推过），②收敛级数的加减法保持收敛（性质1，本节开头）。没有任何新工具，全是用旧知识搭桥。

⚠️ 容易踩的坑（边界条件）

⚠️ 坑1：条件收敛的级数不能随便重新排列。 绝对收敛的级数怎么重排都不影响和（像一堆正数硬币，怎么数都一样）。但条件收敛的级数重排后和可以变成任何数（黎曼重排定理）。考试中不考重排定理本身，但在做"去括号"或"拆项"操作时要特别小心——条件收敛的情况下这些操作不总是安全。

经典例子：交错调和级数 $1 - \frac{1}{2} + \frac{1}{3} - \frac{1}{4} + \cdots = \ln 2$。如果改变正负项出现的顺序，和可以变成任何值——包括发散。

⚠️ 坑2：绝对收敛 ⇒ 收敛，反过来不成立。 条件收敛就是收敛但不绝对收敛的反例——调和级数的交错版本 $\sum (-1)^{n-1}/n$ 收敛到 $\ln 2$，但取绝对值后 $\sum 1/n$ 发散。这说$明"带着符号能收敛"比"抹掉符号后还能收敛"弱很多。

⚠️ 坑3："条件收敛 + 条件收敛" 不一定条件收敛。 两个条件收敛级数相加，结果可能是绝对收敛（如果正负相互抵消），也可能仍条件收敛。但 "绝对收敛 + 条件收敛" = 条件收敛。"绝对收敛 + 绝对收敛" = 绝对收敛。

⚠️ 坑4：别把"通项趋于0"当成"绝对收敛"。 $\sum 1/n$ 每一项都趋于0，但绝对发散。绝对收敛$比"通项趋于0"强得多——它要求"抹掉符号后还能收敛"。只有正项级数里"收敛"才等价于"绝对值收敛"。

绝对收敛在整个体系中的位置：

绝对收敛是正项级数和任意项级数之间的转换枢纽。前面几节教你的所有判别法（比较、比值、根值、积分）都只能用在正项级数上。有了"绝对收敛 ⇒ 收敛"这个定理，你面对任意项级数时就有了一个标准操作：先取绝对值，用正项判别法检查——如果绝对值收敛，直接结束（绝对收敛）；如果绝对值发散，再回到原级数本身看它还有没有救（可能是条件收敛）。这个"先取绝对值、后回原级"的判断流程，是整个级数判敛部分最高效的考试策略。

同时，这个定理也是下一节幂级数的理论基础——阿贝尔定理说幂级数在 $|x| < R$ $内"绝对收敛"，就是靠这个定理保证的。

判断流程速查：

拿到任意项级数 ∑u_n
  ├── 第1步：必要条件 lim u_n = 0？
  │     └── 否 → 发散（结束）
  ├── 第2步：判 ∑|u_n| 的敛散性（用正项级数判别法）
  │     ├── ∑|u_n| 收敛 → 绝对收敛 ✓（结束）
  │     └── ∑|u_n| 发散 → 进入第3步
  └── 第3步：原级数本身是否收敛？
        ├── 是交错级数 → 试试莱布尼茨
        ├── 收敛 → 条件收敛 ✓
        └── 发散 → 发散 ✗

考法3：任意项级数的绝对收敛与条件收敛

判别流程

拿到任意项级数 ∑u_n
     │
     ├── 第1步：必要条件 lim u_n = 0？
     │   └── ≠0 → 发散，结束
     │
     ├── 第2步：先判绝对收敛
     │   对 ∑|u_n| 用正项级数的全部判别法
     │   ├── ∑|u_n| 收敛 → 原级数绝对收敛 ✓
     │   └── ∑|u_n| 发散 → 转到第3步
     │
     └── 第3步：再判条件收敛
         ├── 是交错级数 → 用莱布尼茨
         ├── 收敛 → 条件收敛 ✓
         └── 发散 → 发散 ✗

用比值法或根值法判出 $\sum|u_n|$ 发散（ρ > 1），则原级数一定发散（不可能是条件收敛）。因为此时 $|u_n|$ 不趋于0，通项本身也不趋于0。

例9（绝对收敛判断）：判别 $\sum (-1)^{n-1} / n^2$ 的敛散性

解：取绝对值 $\sum 1/n^2$ 是p=2的p级数，收敛 → 原级数绝对收敛。

例10（条件收敛判断）：判别 $\sum (-1)^{n-1} / \sqrt{n}$ 的敛散性

解：取绝对值 $\sum 1/\sqrt{n}$ 是p=1/2的p级数，发散。但原级数是交错级数，$u_n = 1/\sqrt{n}$ 单调递减趋于0，莱布尼茨条件满足 → 原级数收敛 → 条件收敛。

翻车现场（任意项级数）

题8 ⭐⭐提高（先判绝对收敛——比较法）

判别级数 $\displaystyle\sum_{n=1}^{\infty} \frac{\sin n}{n^2}$ 的敛散性（说明是绝对收敛、条件收敛还是发散）。

∑ sin n/n^2 —— sin n 有正有负，不是交错级数，是「任意项级数」
走任意项级数标准流程：
第0步：lim sin n/n^2 = 0 ✓
第1步：先取绝对值 ∑|sin n|/n^2，用正项级数判别法
        |sin n|/n^2 ≤ 1/n^2（因为 |sin n| ≤ 1）
        而 ∑1/n^2 收敛（p=2>1）→ 由比较判别法，∑|u_n| 收敛
        → 原级数绝对收敛

题9 ⭐⭐⭐挑战（参数讨论——含绝对收敛与条件收敛的分界线）

讨论 $p$ 取不同值时，级数 $\displaystyle\sum_{n=1}^{\infty} (-1)^{n-1}\frac{1}{n^p}$ 的敛散性（区分绝对收敛、条件收敛、发散三种情况）。

14. 裂项相消法（求常数项级数的和）

先看一道题：求 $\sum_{n=1}^{\infty} \frac{1}{n(n+1)}$ 的和

看到这题，先别慌。前面我们学会"判收敛"，但这题要的是**"和等于几"**——得把无限项加出一个确切的数来。想想手里有什么：几何级数有求和公式（$S = \frac{a}{1-r}$），可这个级数不是等比，公式用不上。

难在哪？ 难在通项 $\frac{1}{n(n+1)}$ $是"两项相乘分之一"——我们没有"乘号的倒数"的求和公式，只有"加法"的求和公式。要是能把"乘"拆成"减"，问题就变成加加减减了。

🧠 这一步在想什么：看到"分母是两个因子的乘积"，自然想到部分分式——$\frac{1}{n(n+1)}$ 能不能写$成"两个简单分式的差"？试试 $\frac{1}{n} - \frac{1}{n+1}$：通分得 $\frac{(n+1)-n}{n(n+1)} = \frac{1}{n(n+1)}$——正好等于原式！ 就这么拆开了。$而"差"意味着什么？意味着求和时前后项能"错位抵消"。

动手试探：把 $\frac{1}{n(n+1)} = \frac{1}{n} - \frac{1}{n+1}$ 代入级数，一项项写出来：

$S_N = \left(1 - \frac{1}{2}\right) + \left(\frac{1}{2} - \frac{1}{3}\right) + \left(\frac{1}{3} - \frac{1}{4}\right) + \cdots + \left(\frac{1}{N} - \frac{1}{N+1}\right)$

盯着看——$-\frac12$ 和 $+\frac12$ 抵消，$-\frac13$ 和 $+\frac13$ 抵消……中间项一对对消干净，只剩头 $1$ 和尾 $-\frac{1}{N+1}$。于是 $S_N = 1 - \frac{1}{N+1}$，取极限得和 $= 1$。

🔍 回头看看我们做了什么：我们把通项拆成"相邻两项之差"，让部分和里的中间项全部错位抵消，只留头尾——这就是"裂项相消"。它之所以能消得这么干净，是因为每项拆成的"前一半"正好是下一项拆成的"后一半"的负号。这个"拆成 $a_n - a_{n+1$}"的结构是裂项成功的命根子。

📌 以后就这么办：看到通项是"两个因子乘积的倒数"（$\frac{1}{n(n+k)}$、$\frac{1}{(2n-1)(2n+1)}$ 等）$或"对数的差"（$\ln(1+\frac1n) = \ln(n+1)-\ln n$），就试裂项相消：拆成两项差 → 写部分和 → 看中间项抵消 → 剩头尾 → 取极限。这是求数项级数和的第一条常用通路。

核心操作：把 $u_n$ 写成 $u_n = a_n - a_{n+1}$ 的形式，部分和产生连锁抵消：

$S_n = (a_1 - a_2) + (a_2 - a_3) + \cdots + (a_n - a_{n+1}) = a_1 - a_{n+1}$

取极限 $\lim_{n \to \infty} S_n$ 就得到级数的和。

经典例子：$\displaystyle \sum_{n=1}^{\infty} \frac{1}{n(n+1)}$。拆项 $\frac{1}{n(n+1)} = \frac{1}{n} - \frac{1}{n+1}$，部分和 $S_n = 1 - \frac{1}{n+1} \to 1$，和为1。

常见形式：$\frac{1}{n(n+k)}$、$\frac{1}{(2n-1)(2n+1)}$、$\ln\left(1+\frac{1}{n}\right) = \ln(n+1) - \ln n$ 等。

📌 对表考纲——"理解收敛级数的和"怎么算？ 考纲第1条"理解收敛级数的和的概念"、第7条"会求数项级数的和"：光会判"收不收敛"不够，还要会算出和。本章给你三条求和的通路：

1. 几何级数公式（§3）：能写成 $\sum ar^n$ 的，直接 $S=\dfrac{a}{1-r}$（$|r|<1$）。
2. 裂项相消（本节）：能拆成"相邻两项之差"的，写部分和、中间项抵消、只剩头尾、取极限。
3. 构造幂级数代入（题型5）：纯数字级数想办法变成"某个幂级数在 $x=x_0$ 处的取$值"，先求幂级数和函数再代入。

例：$\sum\frac{1}{n(n+1)}$ 走第2条路 $=1$；$\sum\frac{1}{n\cdot 2^n}$ 走第3条路 $=\ln 2$。常用结果汇总见 §5.3 速查卡片。

🛑 停下来想一想：常数项级数的14个知识点，归根到底都在回答一个问题——"无穷个数加起来有没有答案"。用你自己的话，能不能一句话讲清：收敛、发散、绝对收敛、条件收敛这四个概念之间的关系？

💡 思考题

❶ 理解检测：不用翻书，用自己的话解释——"正项级数收敛"和"部分和有上界"为什么是同一回事？比值判别法和比较判别法分别靠什么原理来判断敛散性？

❷ 深度思考：你往余额宝里存钱，每次存的金额是上次的一半。假如你能无限存下去，你的总存款会无限增长吗？这和级数 $\sum 1/2^n$ 的收敛有什么关系？如果每次存的是上次的90%呢？

❸ 考试演练：已知 $\sum a_n$ 是正项级数，且 $\lim a_{n+1}/a_n = 1/2$。 (1) 判断 $\sum a_n$ 的敛散性；(2) 判断 $\sum n a_n$ 的敛散性；(3) 如果把条件改为 $\lim a_{n+1}/a_n = 1$，你的结论还成立吗？

（二）幂级数

题型2：幂级数的收敛域（高频考点）

题型定位：小题几乎每年必考，大题的第一步。送分题，必须拿稳。

📌 这节学完你就能回答： ①幂级数和常数项级数有什么区别？②收敛区间和收敛域是一回事吗？③$\sum \frac{x^n}{n}$ 的收敛域为什么是 $[-1, 1)$ 而不是 $(-1, 1)$？

15. 幂级数的定义

常数项级数：只有数字，没有变量。比如 $\sum \frac{1}{n^2}$、$\sum \frac{(-1)^n}{n}$。收敛还是不收敛，答案是唯一的。

幂级数：通项中带有一个变量 $x$（或 $x-x_0$）。比如 $\sum \frac{x^n}{n}$、$\sum n! \cdot x^n$。它$是"一群常数项级数的集合"——$x$ 取不同值，就变成不同的常数项级数。

幂级数要回答的核心问题是：$x$ 取哪些值时这个级数收敛？取哪些值时发散？

16. 收敛半径公式——从比值判别法"长"出来的公式

📻 生活场景：你坐在车里听收音机，左手慢慢转动旋钮。一开始调到 88.7MHz——周杰伦的声音清清楚楚；继续往右转，到 95.0MHz 附近开始有杂音；过了某个点之后，全是沙沙沙的噪音，什么也听不到了。不管你怎么转，只有中间一段频率能收到清晰信号，两边都是白噪音。

幂级数收敛半径说的就是同一件事：级数 $\sum a_n (x-x_0)^n$ 像一台收音机，$x$ 是旋钮的位置，$x_0$ 是电台频率的中心。离中心近的地方信号好（绝对收敛），离得太远就全是噪音（发散）。那$条"清晰和噪音的分界线"到电台中心的距离，就是收敛半径 $R$。

问题是——$R$ 到底等于多少？总不能每个级数都去猜。我们要一个公式，把 $R$ 直接从系数 $a_n$ 算出来。

收敛半径公式的正式陈述：

对于幂级数 $\sum_{n=0}^{\infty} a_n (x-x_0)^n$，其收敛半径 $R$ 由以下两个等效公式给出（哪个好算用哪个）：

比值法形式：$R = \lim_{n \to \infty} \left| \frac{a_n}{a_{n+1}} \right|$（只要该极限存在或为 $+\infty$）

根值法形式：$R = \frac{1}{\lim_{n \to \infty} \sqrt[n]{|a_n|}}$（只要该极限存在）

其中 $a_n$ 是 $(x-x_0)^n$ 项的系数。

阿贝尔定理确认了：确实存在这么一个半径 $R$（$0 \le R \le +\infty$），使得：

• $|x-x_0| < R$ → 绝对收敛（信号清晰区）
• $|x-x_0| > R$ → 发散（噪音区）
• $|x-x_0| = R$ → 不好说，必须单独检查端点

三种可能的R值：

• $R = 0$：只在 $x = x_0$ 这一点收敛——收音机完全坏了，只有正中心那个频率勉强出声
• $R = +\infty$：$x$ 取任何实数都收敛——超级电台，全频段清晰
• $0 < R < +\infty$：$(-R + x_0,\, R + x_0)$ 内收敛，端点要单独判

收敛区间 vs 收敛域（考试必区分！）：

考试问"收敛域"，必须做端点判断！很多人算出R就以为完事了，忘了判端点白扣一半分。

🧠 收敛半径公式是怎么推出来的？——比值判别法在幂级数上的"直接套用"

这个公式并不是凭空冒出来的——它就是从你已经学过的比值判别法直接推导出来的。整个推导只需要三步，逻辑链条极短。

已知：幂级数 $\sum_{n=0}^{\infty} a_n (x-x_0)^n$。为方便，记 $x_0 = 0$（一般情况通过平移 $t = x-x_0$ 搞定，不影响推导）。

我们的级数变成了 $\sum_{n=0}^{\infty} a_n x^n$。

目标：找出所有使得这个级数收敛的 $x$ 值。

第一步：对通项 $v_n = a_n x^n$ 施用比值判别法。

比值判别法说：算 $\rho = \lim_{n \to \infty} \left| \frac{v_{n+1}}{v_n} \right|$。

把 $v_n = a_n x^n$ 代入：

$\rho = \lim_{n \to \infty} \left| \frac{a_{n+1} \cdot x^{n+1}}{a_n \cdot x^n} \right| = \lim_{n \to \infty} \left| \frac{a_{n+1}}{a_n} \cdot x \right| = |x| \cdot \lim_{n \to \infty} \left| \frac{a_{n+1}}{a_n} \right|$

大白话：把 $x^n$ 代入比值法后，神奇的事情发生了——$x^{n+1}/x^n = x$，$x$ 从指数$里"跑出来"变成了一个系数。于是 $\rho$ 被拆成两部分：$|x|$ 乘上一$个"纯系数比"的极限——这个极限只跟 $a_n$ 有关，不再含 $x$。

第二步：根据比值判别法的收敛条件 $\rho < 1$，解出 $x$ 的范围。

设 $L = \lim_{n \to \infty} \left| \frac{a_{n+1}}{a_n} \right|$（这个极限只依赖于系数 $a_n$，$叫"系数比的极限"）。

那么 $\rho = |x| \cdot L$。

比值判别法告诉我们：

• $\rho < 1$ → 级数收敛（而且是绝对收敛）
• $\rho > 1$ → 级数发散
• $\rho = 1$ → 无法判断

代入 $\rho = |x| \cdot L$：

$|x| \cdot L < 1 \quad \Rightarrow \quad |x| < \frac{1}{L}$

大白话：$\rho < 1$ 这个不等式写开就是 $|x|$ 乘一个常数 $L$ 小于 1。把它当简单不等式解——两边同除以 $L$（正数，不等号方向不变）：$|x| < 1/L$。你看，$x$ 的允许范围就$是"原点周围一个半径为 $1/L$ 的圆$盘"。

第三步：定义收敛半径 $R$。

从不等式的形式 $|x| < 1/L$，自然定义：

$R = \frac{1}{L} = \frac{1}{\lim_{n \to \infty} \left| \frac{a_{n+1}}{a_n} \right|}$

这就是比值法形式的收敛半径公式（倒数写法）。为了得到更常用的式子，注意到：

$\frac{1}{\lim \left| \frac{a_{n+1}}{a_n} \right|} = \lim \left| \frac{a_n}{a_{n+1}} \right|$

（只要极限存在——把分子分母颠倒一下，极限也颠倒。）

因此：

$\boxed{R = \lim_{n \to \infty} \left| \frac{a_n}{a_{n+1}} \right|}$

这就是考试中最常用的比值法形式的收敛半径公式。

大白话：$R$ 不$是"猜"出来的，是"解方程"解出来的——把 $\rho < 1$ 这个条件写成 $|x| < R$ 的形式，$R$ 自然就现身了。$R$ 本质上就是 $1/L$—$—"系数比的极限的倒数"。系数比越大（每项增长越快），$L$ 越大，$1/L = R$ 越小——收敛范围越窄。这很合理：系数疯狂增长的话，$x$ 必须非常小才能压得住。

推导完毕。

根值法版本的一分钟推导：

同样的步骤，只是把比值判别法换成根值判别法：

$\rho = \lim_{n \to \infty} \sqrt[n]{|a_n x^n|} = \lim_{n \to \infty} \sqrt[n]{|a_n|} \cdot |x|$

令 $\rho < 1$ 得：$|x| < \frac{1}{\lim \sqrt[n]{|a_n|}} = R$。于是：

$\boxed{R = \frac{1}{\lim_{n \to \infty} \sqrt[n]{|a_n|}}}$

两个公式等价，用哪个看通项结构——系数中有 $n!$ 或 $a^n$ 这$种"相乘结构"就用比值法；整个系数是 $n$ 次方的就用根值法。

📝 推导复盘——用大白话重新讲一遍刚才做了什么：

这个推导极其简短——它根本没有"发明"新东西，只是把已有的比值判别法换了个"马甲"。

1. 比值判别法本来就能判任意级数——我就拿它去判幂级数 $\sum a_n x^n$。
2. 算 $\rho$ 的时候发现 $x$ 从指数里分离出来变成了乘数，于是 $\rho = |x| \cdot L$（$L$ 不含 $x$）。
3. $\rho < 1$（收敛条件）就变成了一个关于 $x$ 的不等式：$|x| < 1/L$。
4. 自然而然把 $1/L$ 叫做 $R$——收敛半径。

整个推导的本质是：收敛半径就是把比值判别法套在幂级数上，然后解一个关于 $|x|$ 的一元一次不等式。 没有新的定理，没有新的技巧，就$是"代入→化简→解不等式→命名"四小步。

⚠️ 容易踩的坑（边界条件）

⚠️ 坑1：收敛区间只算半径、不判端点；收敛域要判端点。 考试中写答案时最容易丢分的环节——算出 $R$ 后得意忘形，直接$写"收敛域为 $(-R, R$)"——错！$(-R, R)$ 只是收敛区间。收敛域还要把端点代入原级数分别检验。端点可能收敛也可能发散，四种组合都有可能：$(-R, R)$、$[-R, R)$、$(-R, R]$、$[-R, R]$。

经典翻车现场：$\sum x^n/n$，$R=1$。$x=1$ 代入得调和级数——发散；$x=-1$ 代入得交错调和级数——收敛。所以收敛域是 $[-1, 1)$ 而不是 $(-1, 1)$。

⚠️ 坑2：$a_n$ 必须是 $x^n$ 项的系数，不是通项的全部。 对于 $\sum \frac{x^{2n}}{n}$，系数不是全部按规律有值的——奇数次幂系数为零。这$种"缺项幂级数"如果直接套标准公式 $R = \lim |a_n/a_{n+1}|$，会因为某些 $a_n = 0$ 导致分母为零，公式崩掉。正确做法：直接用比值判别法对通项 $v_n = x^{2n}/n$ 施用——算 $\lim |v_{n+1}/v_n| = |x|^2 \cdot \lim n/(n+1) = |x|^2$。要求 $|x|^2 < 1$，得 $|x| < 1$。所以 $R=1$。（如果用变量替换 $t = x^2$，先求 $t$ 的收敛半径 $R_t$，再换回 $|x| < \sqrt{R_t}$ 也是一样的。）

⚠️ 坑3：极限不存在时公式不能用。 收敛半径公式要求 $\lim |a_n/a_{n+1}|$ 或 $\lim \sqrt[n]{|a_n|}$ 存在（包括等于 $+\infty$）。如果这个极限本身不存在（比如系数震荡），直接从比值判别法对幂级数通项施用，不用公式。

⚠️ 坑4：根值法和比值法算出的 $R$ 必须一致。 如果两个公式给的结果不一样——你算错了。它们理论上等效（只要极限存在）。建议两个都心算一遍，互相验证。

收敛半径公式在整个体系中的位置：

收敛半径公式是从常数项级数判别法过渡到幂级数理论的"通关密钥"。左边的常数项级数部分教了你比值和根值判别法——右边马上就要用幂级数求和和展开——收敛半径公式就是中间的桥梁。没有它，你拿到幂级数根本不知道 $x$ 取哪些值有意义，更别提去求导、积分、算和函数了。有了这个公式，幂级数就$从"一团迷雾"变成了"一个确定的盘面"——盘内随便操作，盘外不用管。

同时也请注意：这个公式告诉我们比值判别法和根值判别法虽然在前面的常数项级数里地位不高（因为 $\rho=1$ 经常失效），但在幂级数里它们几乎是唯一的工具——因为幂级数结构的特殊性让 $\rho$ 天然等于 $|x| \cdot L$，不会出现 $\rho=1$ 的尴尬（除非 $x$ 刚好在边界上，即 $|x| = R$）。

💡 即时练习7：求幂级数 $\displaystyle\sum_{n=1}^{\infty} \frac{x^n}{n \cdot 3^n}$ 的收敛半径和收敛域。

点击查看答案

收敛半径：$R = \lim \left|\dfrac{a_n}{a_{n+1}}\right| = \lim \dfrac{1/(n\cdot 3^n)}{1/((n+1)\cdot 3^{n+1})} = \lim \dfrac{(n+1)\cdot 3}{n} = 3$。

收敛区间：$(-3, 3)$。

端点判断：$x=3$ 时 $\sum \dfrac{1}{n}$ 发散；$x=-3$ 时 $\sum \dfrac{(-1)^n}{n}$ 收敛（莱布尼茨）。

收敛域：$[-3, 3)$。

考法1：求标准幂级数的收敛半径与收敛域

完整三步法

第1步：求收敛半径 R
     │  用比值法 R = lim |a_n/a_{n+1}|
     │
第2步：判断端点 x = -R 和 x = R
     │  分别代入原级数，变成常数项级数
     │  用常数项级数的判别法判敛散
     │
第3步：写出收敛域
     ├── 两端都收敛 → [-R, R]
     ├── 两端都发散 → (-R, R)
     ├── 左收右散 → [-R, R)
     └── 左散右收 → (-R, R]

⚠️ 关键区分：收敛区间一定是开区间 $(-R, R)$；收敛域是加了端点判断后的最终结果。考试$问"收敛域"，就必须写端点判断过程。

例11（完整三步走）：求 $\sum \dfrac{x^n}{n}$ 的收敛域

第1步：$R = \lim |a_n/a_{n+1}| = 1$

第2步（关键——判断端点）：

• x=1 时：$\sum 1/n$ 发散（调和级数）
• x=-1 时：$\sum (-1)^n/n$ 收敛（交错级数，莱布尼茨）

第3步：收敛域为 $[-1, 1)$。

题10 ⭐基础（完整三步法）

求幂级数 $\displaystyle\sum_{n=1}^{\infty} \frac{x^n}{n^2+1}$ 的收敛域。

题11 ⭐⭐提高（中心不在原点+含系数）

求幂级数 $\displaystyle\sum_{n=1}^{\infty} \frac{n(x+2)^n}{3^n}$ 的收敛域。

17. 缺项幂级数

先看一道题：求 $\sum_{n=0}^{\infty} \frac{x^{2n}}{n}$ 的收敛域

看到这题，先别慌。刚学完标准公式 $R = \lim |a_n/a_{n+1}|$，你大概想直接套。可仔细一看——这个级数只有 $x^0, x^2, x^4, \cdots$（偶次幂），没有 $x^1, x^3, x^5, \cdots$（奇次幂）。它的系数长这样：$a_0 = 1$（$x^0$ 的系数），$a_1 = 0$（$x^1$ 的系数，根本没有这项），$a_2 = 1$，$a_3 = 0$，$a_4 = \frac14$，$a_5 = 0$……

难在哪？ 标准公式里的 $a_n$ $是"$x^n$ 的系$数"。可现在 $a_1 = 0$、$a_3 = 0$——分母会碰到 0：算 $\left|\frac{a_n}{a_{n+1}}\right|$ 时，$a_{n+1}$ 可能取到 0，公式直接崩掉。直接套公式会出错！

🧠 这一步在想什么：公式是"比值判别法套在幂级数上"的产物，既然缺项让它崩了，那就回到公式的源头——直接对通项用比值判别法（§16推导第一步，把 $x$ 当常数）：$\rho = \lim |\frac{v_{n+1}}{v_n}|$，这里的 $v_n = \frac{x^{2n}}{n}$ $是"完整的第 n 项"，不涉及"缺项系数"的坑。

动手试探：$|\frac{v_{n+1}}{v_n}| = |\frac{x^{2(n+1)}/(n+1)}{x^{2n}/n}| = |x|^2 \cdot \frac{n}{n+1} \to |x|^2$。要求 $\rho < 1$，即 $|x|^2 < 1$，得 $|x| < 1$。端点 $x = \pm 1$ 时级数变成 $\sum \frac{1}{n}$——调和级数，发散。收敛域 $(-1, 1)$。

🔍 回头看看我们做了什么：没碰标准公式，回到"比值法直接判"——把 $x$ 当常数算 $\rho$，解出 $|x|$ 的范围。这个方法对任何幂级数都成立，缺不缺项都能用；标准公式反而$是"不缺项"时的特例加速版。还注意到 $x^{2n}$ 让 $\rho$ 里出现 $|x|^2$——解出来的不是 $|x|<R$ 而是 $|x|^2 < 1$，这正$是"缺项"在公式里的指纹。

📌 以后就这么办：看到只有偶次幂（$x^{2n}$）或奇次幂（$x^{2n+1}$）的缺项幂级数，不套标准公式，用比值法直接判（或变量替换 $t=x^{2}$，先求 $t$ 的收敛半径再开方）。这一步能帮你避$开"分母为 0"的雷区。

定义：不是每一项都有 $x^n$，比如只有偶数次幂 $\sum a_n x^{2n}$，或只有奇数次幂 $\sum a_n x^{2n+1}$。

为什么不能直接套标准公式：标准公式 $R = \lim |a_n/a_{n+1}|$ 里面的 $a_n$ 是 $x^n$ 的系数。缺项时系数实际上$是"有、零、有、零……"交替，直接套公式会出错（分母碰到 0）。

处理方法（两种）：

方法一——直接对通项用比值法（最稳妥）： 把 $x$ 看成常数，对通项 $v_n = a_n \cdot x^{kn}$ 直接用比值判别法，解出 $|x|$ 的范围。

方法二——变量替换： 令 $t = x^2$（偶数次缺项时），则 $\sum a_n x^{2n} = \sum a_n t^n$，先对t求收敛半径 $R_t$，再换算回 $x$ 的范围：$|x| < \sqrt{R_t}$。

考法2：缺项幂级数的收敛域

⚠️ 缺项幂级数不能直接套标准公式 $R = \lim|a_n/a_{n+1}|$，因为系数在缺项处为0，直接套公式会出错。$用"比值法直接判"——把x当常数，对通项用比值判别法。

例12（缺项幂级数）：求 $\sum \dfrac{x^{2n}}{n}$ 的收敛域

解：对通项 $v_n = x^{2n}/n$，$\lim |v_{n+1}/v_n| = |x|^2$。当 $|x|^2 < 1$ 即 $|x| < 1$ 时收敛。端点：x=±1 时 $\sum 1/n$ 发散。收敛域：$(-1, 1)$。

翻车现场（收敛域）

题12 ⭐⭐提高（缺项幂级数——只有偶次幂）

求幂级数 $\displaystyle\sum_{n=0}^{\infty} \frac{x^{2n}}{(n+1)\cdot 4^n}$ 的收敛域。

题13 ⭐⭐⭐挑战（阿贝尔定理+逻辑推理）

已知幂级数 $\displaystyle\sum_{n=1}^{\infty} a_n(x-3)^n$ 在 $x=5$ 处条件收敛，在 $x=0$ 处发散。

(1) 求该幂级数的收敛半径 $R$； (2) 判断该级数在 $x=6$、$x=2$、$x=7$ 处的敛散性。

18. 幂级数的逐项求导和逐项积分——"把无穷级数当多项式玩"

🧩 生活场景：你手里有一个乐高城堡，由无穷多块积木拼成。你想知道这个城堡"长高"的速度（求导）或者城堡从地基到塔顶一共用了多少块积木（积分）。如果每一块积木都死死黏在一起不能动——那你就只能把城堡当成一整个黑盒子来研究，很麻烦。但如果每一块积木可以独立拆卸——你就可以逐块操作：想知道每块积木对高度的贡献，就一块一块地看；想算总积木数，就一块一块地数。最后把每块的结果重新拼回去，就是整个城堡的结果。

幂级数就是这样一个"可以逐块操作的无穷积木塔"：$\sum_{n=0}^{\infty} a_n x^n = a_0 + a_1 x + a_2 x^2 + a_3 x^3 + \cdots$ 每一$块"积木"就是一项 $a_n x^n$——一个简单的幂函数。求导时你无需面对整个复杂的无穷和，而是把每一项单独求导再拼回去；积分时同样逐项积分再求和。只要 $x$ 在收敛半径以内——这些积木$就"合规拆卸"，操作完全合法。

这看起来像一句废话——"无穷和当然可以逐项求导啊，每个有限和不都是逐项求导的吗？"但事情没那么简单。无穷和的求导和求和的顺序能不能交换，是一个深刻的数学问题。 对一般的无穷和（比如某些三角级数），交换求和和求导的顺序可能得出错误结果。但幂级数是个特例——在收敛半径内部，它表现得"足够乖巧"，允许你随便交换顺序。

这个性质的威力怎么强调都不过分：它把几乎所有的幂级数求和大题，统一成了同一个三步套路——先求导（或先积分）变成你认识的等比级数 → 求和 → 再积分回来（或求导回来）。 一个你从来没见过的复杂级数，通过这个"先操作、后还原"的变形手艺，神奇地化成了 $\frac{1}{1-x}$ 的某种变形。

幂级数和函数性质的正式陈述：

设幂级数 $\sum_{n=0}^{\infty} a_n (x-x_0)^n$ 的收敛半径为 $R > 0$，其和函数为 $S(x)$。则在收敛区间 $(x_0 - R, x_0 + R)$ 内：

性质1（连续性）：$S(x)$ 在收敛区间内是连续函数。

性质2（逐项求导）：$S(x)$ 可以逐项求导——也就是说，你可以把求和号和求导号交换顺序：

$S'(x) = \left(\sum_{n=0}^{\infty} a_n (x-x_0)^n\right)' = \sum_{n=1}^{\infty} n a_n (x-x_0)^{n-1}$

而且求导后得到的新幂级数的收敛半径和原来一样，还是 $R$。

性质3（逐项积分）：$S(x)$ 可以逐项积分——同样交换求和号和积分号：

$\int S(x)\,dx = \int \left(\sum_{n=0}^{\infty} a_n (x-x_0)^n\right) dx = \sum_{n=0}^{\infty} \frac{a_n}{n+1} (x-x_0)^{n+1} + C$

积分后得到的新幂级数的收敛半径也和原来一样，还是 $R$。

关于端点的重要提醒：求导和积分后收敛半径不变，但端点处的敛散性可能改变。也就是说——原来在端点收敛的级数，逐项求导后在同一个端点可能发散（因为求导让系数变大了）；反过来，逐项积分后原来发散的端点可能变得收敛（因为积分让系数变小了）。端点必须单独检验。

一句话总结：收敛半径内，幂级数就是"无穷次多项式"——你可以像对待普通多项式一样，对它逐项求导、逐项积分、逐项加减，完全合法。收敛半径是那根"安全线"——线里随便玩，线上要小心。

🧠 为什么可以逐项求导和逐项积分？——"一致收敛"的直觉版解释

严格证明需要"一致收敛"的概念（这是数学分析的内容，考研不要求掌握证明）。但我们可以用大白话理解为什么这件事是合理的。

核心直觉：在收敛半径内部（$|x| < R$），幂级数不仅收敛，而$且"收敛得足够均匀"——这意味着级数的"尾巴"（第 $N$ 项以后的所有项之和）可以同时对所有 $x$ 都压得足够小。因为尾巴被压住了不会乱跳，所以你交换求导（或积分）和求和的顺序时，不会产生意外。

一个"反直觉"的对照案例（说明为什么这个性质不是显然的）：

考虑三角级数 $\sum_{n=1}^{\infty} \frac{\sin(nx)}{n^2}$。这个级数对所有 $x$ 都收敛，但逐项求导后变成 $\sum \frac{\cos(nx)}{n}$——在某些点上发散。这是因为三角级数没有幂级数那$种"越往后项含的 $x$ 幂次越高、缩水越$快"的结构优势。幂级数的每一项是 $a_n x^n$——当 $|x| < R$ 时，$x^n$ 以几何速度衰减，所以尾巴被控制得死死的。

幂级数之所以能逐项操作，本质上还是因为和几何级数"挂上了钩"——收敛半径内，幂级数的尾巴被某个几何级数的尾巴掌控着，几何级数的一致收敛性"传递"给了幂级数。

大白话：幂级数 $a_n x^n$ 每一项的 $x$ 在指数上——这意味着 $n$ 越大，$x$ 的幂次越高，项缩水得越快。这$种"指数级衰减"保证了你求导（多乘一个 $n$）或积分（多除一个 $n$）都不会破坏衰减的大趋势——$n \cdot r^n$ 还是以几何速度衰减（只要 $r < 1$）。

🧠 "逐项求导/积分后收敛半径不变"为什么成立？——用收敛半径公式直接验算

这个结论可以用前面学过的收敛半径公式快速验证，比凭感觉猜更可靠。

验算逐项求导：

原级数 $\sum a_n x^n$ 的收敛半径：$R = \lim \left|\frac{a_n}{a_{n+1}}\right|$。

求导后级数 $\sum n a_n x^{n-1} = \sum (n+1) a_{n+1} x^n$，新系数是 $b_n = (n+1) a_{n+1}$。新收敛半径：

$R' = \lim \left|\frac{b_n}{b_{n+1}}\right| = \lim \left|\frac{(n+1) a_{n+1}}{(n+2) a_{n+2}}\right| = \lim \frac{n+1}{n+2} \cdot \lim \left|\frac{a_{n+1}}{a_{n+2}}\right| = 1 \cdot R = R$

大白话：乘上的那个 $n$ 的极限比例是 $\frac{n+1}{n+2} \to 1$——不影响极限结果。求导让每一项多了一个增长因子 $n$，但相邻两项的这个因子几乎相等，所以在比值极限中消掉了。

验算逐项积分：

积分后级数 $\sum \frac{a_n}{n+1} x^{n+1} = \sum \frac{a_{n-1}}{n} x^n$，新系数是 $c_n = \frac{a_{n-1}}{n}$。同样用比值公式——除上的那个 $n$ 也在比例中趋于 1——不影响极限，收敛半径仍为 $R$。

两种运算都只给系数乘上（或除以）一个"增长率和 1 差不多"的因子——比例 $\frac{n}{n+1} \to 1$、$\frac{n+1}{n} \to 1$——所以在计算收敛半径的极限比中自动消失。

为什么端点可能改变？ 收敛半径公式只用了比值极限——这个极限只告诉你半径的大小，不告诉你端点上到底收敛还是发散。而在端点上，乘上或除去的那个 $n$（或 $1/n$）的影响就会暴露出来——它可能把收敛的推成发散的（如逐项求导后），也可能把发散的救成收敛的（如逐项积分后）。所以端点必须单独代入原级数检验。

📝 推导复盘——用大白话重新讲一遍刚才做了什么：

严格证明逐项求导和逐项积分的合法性需要一致收敛理论——这是数学分析的内容，考研不要求。但我们做了三件事来建立信心：

1. 直觉层面：幂级数每一项是 $a_n x^n$，当 $|x| < R$ 时尾巴以几何速度衰减——你求导无非是多乘个 $n$、积分无非是多除个 $n$，都破坏不了这个几何衰减的大势。$n \cdot r^n$ 还是以 $r$ 的几何速度衰减（只要 $r < 1$）。

2. 公式验证层面：用收敛半径公式直接验算——求导或积分后系数乘上/除去的 $n$ 在比值极限中消掉了，收敛半径自然不会变。

3. 对比层面：三角级数 $\sum \frac{\sin(nx)}{n^2}$ 没有幂级数那$种"幂次越高项越小"的结构优势，所以它逐项求导会翻车。幂级数之所以安全，就是因为它有这个结构优势。

一句话总结推导精神：不是"所有无穷和都可以逐项求导"——只有"衰减得足够快、足够均匀"的无穷和才能逐项求导。幂级数在收敛半径内恰好满足这个条件。

⚠️ 容易踩的坑（边界条件）

⚠️ 坑1：逐项求导/积分后收敛半径不变，但端点收敛性可能改变，必须单独判。

经典例子：$S(x) = \sum_{n=1}^{\infty} \frac{x^n}{n}$ 的收敛域是 $[-1, 1)$（$x=-1$ 收敛，$x=1$ 发散）。逐项求导后 $S'(x) = \sum_{n=1}^{\infty} x^{n-1} = \frac{1}{1-x}$，求导后级数在 $x=-1$ 处变成了 $\sum (-1)^{n-1}$——发散（通项不趋于零）。原本收敛的左端点，求导后发散了！半径还是 $R=1$ 没变，但端点状况变了。

⚠️ 坑2：求导和积分不是一模一样地"还原"——常数项要注意。 逐项求导会让 $n=0$ 的常数项 $a_0$ 消失（求导后变成 0）。再积分回来的时候，你需要把 $a_0$ 加回去——这就是标准求和步骤里$的"求 $S(0)$ 然后+$C"。漏掉这一步，和函数就少了常数项，结果错误。

⚠️ 坑3：逐项求导/积分只能在收敛半径内部进行。 端点不能用来做逐项操作——如果 $x$ 刚好取在收敛域端点上，求导或积分的合法性没有保证。标准做题流程：先在 $|x| < R$ 内做操作求和，最后再单独讨论端点是否$能"延拓"过去。

⚠️ 坑4："分母有 n 就求导、分子有 n 就积分"这个口诀不能死记。 有些题需要先乘或除 $x$ 调整幂次才能用求导/积分消掉 $n$。口诀帮你快速定向，但实际操作中第一步往往$是"凑形式"——调整 $x$ 的幂次让它和 $n$ 对齐。

⚠️ 坑5：多次求导或多次积分时，收敛半径同样不变。 可以求导两次、积分两次——只要 $|x| < R$，每次操作都不改变收敛半径。但每次操作后端点都需要重新检验。

逐项求导和逐项积分在整个体系中的位置：

这两个性质是幂级数求和体系的操作引擎——没有它们，整个第五节"求幂级数的和函数"就塌了。它们在体系中的角色可以用一句话概括：

逐项求导和逐项积分是把"你不认识的幂级数"变成"你认识的幂级数（$\sum x^n = \frac{1}{1-x}$）"的仅有的两个合法变形工具。

流程如下：

1. 拿到一个复杂的幂级数（比如 $\sum \frac{x^n}{n}$）
2. 通过逐项求导消掉分母的 $n$，变成 $\sum x^{n-1}$——等比级数，你认识
3. 等比级数求和得 $\frac{1}{1-x}$
4. 积分把 $n$ "还回去"，得到最终的和函数 $-\ln(1-x)$

没有逐项求导和积分，你就只能用定义直接求和（裂项相消之类的技巧）——只能处理极少数特殊级数。有了这两个性质，几乎所有的考研幂级数求和大题都被统一成了同一个套路。

这两个性质同时是"函数展开为幂级数"（麦克劳林展开）的反向基础——展开式 $\ln(1+x) = \sum (-1)^{n-1} \frac{x^n}{n}$ 就是把 $\frac{1}{1+x} = \sum (-1)^n x^n$ 逐项积分得来的。一套工具，正反两用。

19. 六个基本麦克劳林展开式

通用公式——泰勒级数（在 $x=x_0$ 处展开）： $f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(x_0)}{n!} (x - x_0)^n$

特例——麦克劳林级数（$x_0=0$ 时的泰勒级数）： $f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(0)}{n!} x^n = f(0) + f'(0)x + \frac{f''(0)}{2!}x^2 + \frac{f'''(0)}{3!}x^3 + \cdots$

📌 这个通用公式不是这一章才冒出来的——它是第二章《一元函数微分学》2.2.6 节推过的泰勒中值定理，那里已经讲过它凭什么成立：用多项式在 $x_0$ 处和 $f$ 同值、同各阶导数$来"贴住"函数（$n$ 阶多项式 $P_n$ 满足 $P_n^{(k)}(x_0)=f^{(k)}(x_0)$，$k=0,\dots,n$，解出第 $k$ 项系数正是 $\frac{f^{(k)}(x_0)}{k!}$），级数就是把 $n$ 推到无穷。这里直接调用，不再重复推导；这一章关心的是$把"有限项近似"推到"无限项等式"，以及 6 个具体展开式怎么算。

下面6个展开式都是麦克劳林级数的具体应用——把各个初等函数代入上述通用公式算出来的结果。

这6个展开式是整个幂级数体系的"原子"——所有求和和展开都靠它们。

补充：$\arctan x = \sum_{n=0}^{\infty} (-1)^n \frac{x^{2n+1}}{2n+1}$，收敛域 $[-1, 1]$（常考，建议也背）。

📌 对表考纲：考纲第8条只要求背 5个 麦克劳林展开式——②$e^x$、③$\sin x$、④$\cos x$、⑤$\ln(1+x)$、⑥$(1+x)^\alpha$。表里的①$\frac{1}{1-x}$本质就是几何级数（属考纲第2$条"掌握几何级数"考点），是其余5个展开式的"推导地基"，必须熟背，但严格说它不属于第8条列的"5个麦克劳林展开式"。所以考纲必背的麦克劳林展开式就是这 5 个（②③④⑤⑥）；再加上作为地基的①$\frac{1}{1-x}$，合计 6 $个"核心和函数"。上句的$\arctan x$展开式考纲未单列（🚩考纲外，了解即可），但真题用它代入$x=1$得$\frac{\pi}{4}=1-\frac13+\frac15-\frac17+\cdots$的题常考，所$以"建议也背"。

这些展开式不是天上掉下来的——挑几个现场演一遍"怎么算出来的"：

演示1：$e^x$ 是怎么来的（直接代入泰勒公式一项一项算）

通用公式说：$f(x) = f(0) + f'(0)x + \frac{f''(0)}{2!}x^2 + \frac{f'''(0)}{3!}x^3 + \cdots$。现在让 $f(x) = e^x$，按部就班算系数：

• 第0项：系数是 $f(0) = e^0 = 1$；
• 第1项：$f'(x) = e^x$，所以 $f'(0) = 1$，贡献 $1 \cdot x = x$；
• 第2项：$f''(0) = 1$，贡献 $\frac{1}{2!}x^2 = \frac{x^2}{2!}$；
• 第3项：$f'''(0) = 1$，贡献 $\frac{x^3}{3!}$；
• 第4项：$f^{(4)}(0) = 1$，贡献 $\frac{x^4}{4!}$……后面照抄。

这一步在想什么：$e^x$ 求导还是 $e^x$，所以它在 0 处的每一阶导数全是 $e^0 = 1$。代进通用公式后，每一项$的"分子系数"全是 1，只剩除以对应的阶乘 $n!$，于是拼出： $e^x = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \frac{x^4}{4!} + \cdots = \sum_{n=0}^{\infty}\frac{x^n}{n!}.$

🍳 大白话：$e^x$ 有$个"永不变脸"的怪脾气——怎么求导都还是它自己，所以在原点的一阶、二阶、三阶……所有导数全是 1，展开式的系数就整整齐齐全是 $\frac{1}{n!}$。

演示2：$\ln(1+x)$ 是怎么来的（用已知的展开式反推）

先搬出老朋友（几何级数）：$\frac{1}{1+x} = 1 - x + x^2 - x^3 + \cdots = \sum_{n=0}^{\infty}(-1)^n x^n$。对它两边从 0 到 $x$ 逐项积分（这一步合法：幂级数在收敛域内可以逐项积分，等价$于"同一个等式，两端同做同一件事"）：

• 第1步（左边）：$\int_0^x \frac{1}{1+t}\,dt = \ln(1+t)\Big|_0^x = \ln(1+x)$（基本功：$\frac{1}{1+t}$ 的原函数就是 $\ln(1+t)$）；
• 第2步（右边）：逐项积分——$\int_0^x 1\,dt = x$，$\int_0^x (-t)\,dt = -\frac{x^2}{2}$，$\int_0^x t^2\,dt = \frac{x^3}{3}$……一般项 $\int_0^x (-1)^n t^n\,dt = (-1)^n \frac{x^{n+1}}{n+1}$。

这一步在想什么：我们不会直接展开 $\ln(1+x)$，但会展开 $\frac{1}{1+x}$。$而"积分"正是"求导"的逆运算——既然 $\frac{1}{1+x}$ 是 $\ln(1+x)$ 的导数，那么对 $\frac{1}{1+x}$ 的展开式逐项积分，就等$于"原样拼回" $\ln(1+x)$。把下标 $n+1$ 换成 $n$ 整理得： $\ln(1+x) = x - \frac{x^2}{2} + \frac{x^3}{3} - \frac{x^4}{4} + \cdots = \sum_{n=1}^{\infty}(-1)^{n-1}\frac{x^n}{n}.$

说明一下表格里的收敛域 $(-1,1]$：当 $x=1$ 时，级数变成交错调和级数 $1-\frac{1}{2}+\frac{1}{3}-\frac{1}{4}+\cdots$，由莱布尼茨判别法收敛，所以右端点能取到。

🍳 大白话：$\ln(1+x)$ 的展开不是硬背的，$是"先把 $\frac{1}{1+x}$ 展开（这个会），再两边同时积分（这个也会），就拼出来$了"。

演示3：$\sin x$ 是怎么来的（直接代入泰勒公式，看奇数阶导数的规律）

同样让 $f(x) = \sin x$，一项一项算系数。$\sin x$ 在 0 处的各阶导数是轮着来的： $f(0)=\sin 0=0,\quad f'(0)=\cos 0=1,\quad f''(0)=-\sin 0=0,\quad f'''(0)=-\cos 0=-1,\quad f^{(4)}(0)=\sin 0=0,\quad f^{(5)}(0)=\cos 0=1,\dots$

规律是：奇数阶导数在 $+1$、$-1$ 之间交替，偶数阶导数全是 0。代进通用公式 $f(x)=f(0)+f'(0)x+\frac{f''(0)}{2!}x^2+\frac{f'''(0)}{3!}x^3+\cdots$： $\sin x = 0 + 1\cdot x + \frac{0}{2!}x^2 + \frac{(-1)}{3!}x^3 + \frac{0}{4!}x^4 + \frac{1}{5!}x^5 + \cdots = x - \frac{x^3}{3!} + \frac{x^5}{5!} - \cdots = \sum_{n=0}^{\infty}(-1)^n\frac{x^{2n+1}}{(2n+1)!}.$

🍳 大白话：偶数阶导数全是 0，所以展开式里只有奇次项（$x^1, x^3, x^5\dots$）；奇数阶导数正负交替，所以符号一正一负地轮流来。这比死背公式强多了——$\sin x$ 是奇函数（$\sin(-x)=-\sin x$），展开式当然也只可能有奇次幂。

演示4：$\cos x$ 是怎么来的（不用重算，让 $\sin x$ 的导$数"说话"）

我们刚拼出了 $\sin x$ 的展开式。而求导正是展开式的老朋友（上一节学的逐项求导）——$(\sin x)' = \cos x$，那对 $\sin x$ 的展开式逐项求导，$就"原样拼回" $\cos x$： $(\sin x)' = \left(x - \frac{x^3}{3!} + \frac{x^5}{5!} - \cdots\right)' = 1 - \frac{3x^2}{3!} + \frac{5x^4}{5!} - \cdots = 1 - \frac{x^2}{2!} + \frac{x^4}{4!} - \cdots = \sum_{n=0}^{\infty}(-1)^n\frac{x^{2n}}{(2n)!}.$

（$\frac{3}{3!}=\frac{1}{2!}$、$\frac{5}{5!}=\frac{1}{4!}$，分数一约正好落到阶乘形式。）所以 $\cos x$ 只有偶次项、正负交替——它是偶函数，展开式当然也只可能有偶次幂。

演示5：$(1+x)^\alpha$ 是怎么来的（同样直接代入泰勒公式，只是系数里带着 $\alpha$）

再让 $f(x)=(1+x)^\alpha$ 代入通用公式。求导一次降一次幂：$f'(x)=\alpha(1+x)^{\alpha-1}$，$f''(x)=\alpha(\alpha-1)(1+x)^{\alpha-2}$，$f'''(x)=\alpha(\alpha-1)(\alpha-2)(1+x)^{\alpha-3}$……所以在 $x=0$ 处： $f(0)=1,\quad f'(0)=\alpha,\quad f''(0)=\alpha(\alpha-1),\quad f'''(0)=\alpha(\alpha-1)(\alpha-2),\dots$ 代进通用公式，第 $n$ 项系数就是 $\frac{\alpha(\alpha-1)\cdots(\alpha-n+1)}{n!}$（分子一路降 $n$ 个数、除以 $n!$），于是： $(1+x)^\alpha = 1 + \alpha x + \frac{\alpha(\alpha-1)}{2!}x^2 + \frac{\alpha(\alpha-1)(\alpha-2)}{3!}x^3 + \cdots = 1 + \sum_{n=1}^{\infty}\frac{\alpha(\alpha-1)\cdots(\alpha-n+1)}{n!}x^n.$

🍳 大白话：思路和 $e^x$ 一模一样（直接代入泰勒公式硬算），就是麻烦在系数带着 $\alpha$ 一路降下来。特殊取值还珠联璧合：$\alpha=1$ 时它就是 $1+x$；$\alpha=-1$ 时回到老熟人 $\frac{1}{1+x}=1-x+x^2-x^3+\cdots$。考试时直接用背好的结果就行。

20. 求幂级数的和函数（策略概述）

先看一道题：求 $\sum_{n=1}^{\infty} \frac{x^n}{n}$ 的和函数

看到这题，先别慌。这是一个 $x$ 的函数级数，要求$出"它等于哪个初等函数"。想想手里有什么：只有等比级数 $\sum x^n = \frac{1}{1-x}$（$|x|<1$）——我们唯一能精确求和的对象。可眼前这个 $\frac{x^n}{n}$ 比 $\sum x^n$ 多了个分母 $n$。

难在哪？ 难在这个 $n$ 挡在中间——等比级数是 $\sum x^n$，没有分母；这个有分母 $n$，不算等比，求和公式用不上。但两者长得真像，就差个 $n$。

🧠 这一步在想什么：如果能把分母 $n$ 消掉，它不就变回等比级数了吗？ 消掉分母 $n$ 的现成工具是什么？——求导！$\left(\frac{x^n}{n}\right)' = x^{n-1}$，分母的 $n$ 被求$导"吃掉"了。于是思路诞生：先对级数逐项求导（消 $n$ → 变等比 → 求出和），再$把"求导的债"用积分还回去（积分是求导的逆运算）。

动手试探：设 $S(x) = \sum_{n=1}^{\infty} \frac{x^n}{n}$。逐项求导：$S'(x) = \sum_{n=1}^{\infty} x^{n-1} = \sum_{n=0}^{\infty} x^n = \frac{1}{1-x}$（等比，$|x|<1$）。再积分还债：$S(x) = \int_0^x \frac{1}{1-t}dt = -\ln(1-x)$。（别忘了 $S(0)=0$，所以没有额外的常数。）

🔍 回头看看我们做了什么：分母有 $n$ → 求导消 $n$ → 变成认识的等比级数 → 求和 → 积分还债。整个套路的关键是：求导和积分能$把"求和号外层的 $n$ 挪进通项里去消$掉"，而"认识的等比级数"是唯一的中转站。

📌 以后就这么办：求幂级数和函数，先看"分母/分子有没有 $n$"来定方向——这就是"两板斧"的来源：

• 分母有 $n$（如 $\sum \frac{x^n}{n}$、$\sum \frac{x^n}{n+1}$）→ 先求导、后积分——求导把分母的 $n$ 消掉，变成等比级数；
• 分子有 $n$（如 $\sum n x^{n-1}$）→ 先积分、后求导——积分把分子的 $n$ 消进分母（$\int n x^{n-1} dx = x^n$），变成等比级数。

为什么是"先求导后积分"而不是反过来？因为求导会消分母、积分会生分母——你想要消什么，就先用能消它的那个操作。

把你不认识的级数 → 通过逐项求导或逐项积分 → 变成你认识的级数（通常是等比级数 $\sum x^n = \frac{1}{1-x}$）→ 求和 → 再操作回来

"两板斧"：

标准步骤（以分母有n为例）：

1. 求收敛域（必写，否则扣步骤分）
2. 设 S(x) = 原级数
3. 逐项求导 → 等比级数（或你认识的级数）
4. 对等比级数求和 → S'(x) = 某个初等函数
5. 积分还原 S(x) = S(0) + ∫₀ˣ S'(t) dt
   ⚠️ S(0) 必须单独求！

💡 即时练习8：求幂级数 $\displaystyle\sum_{n=1}^{\infty} \frac{x^n}{n}$ 的和函数。

点击查看答案

第1步——收敛域：$R=1$，$x=1$ 时发散（调和级数），$x=-1$ 时收敛（交错调和级数），收敛域 $[-1, 1)$。

第2步——分母有n，先求导：$S'(x) = \sum_{n=1}^{\infty} x^{n-1} = \sum_{n=0}^{\infty} x^n = \dfrac{1}{1-x}$（$|x|<1$）。

第3步——积分还原：$S(x) = \int_0^x \dfrac{1}{1-t}dt = -\ln(1-x)$，$x \in [-1, 1)$。

（注：$S(0)=0$，$\int_0^x \frac{1}{1-t}dt = [-\ln|1-t|]_0^x = -\ln(1-x)$，因为 $x<1$ 时 $1-x>0$。）

题型3：幂级数求和（核心难点）

📌 这节学完你就能回答： ①幂级数求和的"两板斧"怎么用——什么时候求导、什么时候积分？②S(0)为什么必须单独求，忘了会怎样？③拆项法求和时，收敛域为什么取交集而不是并集？

题型定位：大题高频考点，每年约10分。套路性强，只要掌握了"两板斧"，大分就能拿到。

核心思想

所有幂级数求和都是在做一件事：把复杂的级数变成你认识的级数（通常是等比级数），求和后再变回来。 变的工具就是两个：逐项求导和逐项积分。

口诀：分母有n先求导，分子有n先积分。化为等比是关键，求和之后再还原。S(0)单独求，端点单独看。

考法1：利用逐项求导求和（分母含n）

适用场景：系数含 $1/n$、$1/(n+1)$、$1/(2n-1)$ 等形式。

标准解题流程（5步）：

第1步：求收敛域（必写！）
第2步：设和函数 S(x) = ∑...，标明定义域
第3步：逐项求导，化为等比级数或已知级数
第4步：对等比级数求和，得到 S'(x)
第5步：积分还原 S(x) = S(0) + ∫_0^x S'(t)dt
     ⚠️ 必须单独求 S(0) 的值！

例13（经典——逐项求导）：求 $\sum \dfrac{x^n}{n}$（n从1开始）的和函数

第1步：收敛域 $[-1, 1)$ 第2步：设 $S(x) = \sum_{n=1}^{\infty} x^n/n$，x ∈ [-1, 1) 第3步：逐项求导 $S'(x) = \sum_{n=1}^{\infty} x^{n-1} = 1/(1-x)$ 第4步：积分还原 $S(x) - S(0) = \int_0^x 1/(1-t) dt = -\ln(1-x)$ 求S(0)：x=0时原级数所有项为0，S(0)=0 第5步：$S(x) = -\ln(1-x)$，x ∈ [-1, 1)

例14（分母有两层因子——先乘x再求导）：求 $\sum \dfrac{x^n}{[n(n+1)]}$ 的和函数

分母有两个因子 $n$ 和 $n+1$，一次求导消不完。技巧：先乘 $x$ 再求导——把每一项的 $x^n$ 变成 $x^{n+1}$，求导后分母正好约出一个 $n+1$，剩下的 $\sum \frac{x^n}{n}$ 是认识的老朋友（例13刚求过，$=-\ln(1-x)$）。一步步来：

第1步——求收敛域：$R = \lim \left|\frac{a_n}{a_{n+1}}\right| = \lim \frac{n(n+1)}{(n+1)(n+2)} = 1$，收敛半径 1。端点 $x = \pm 1$ 时，$\sum \frac{1}{n(n+1)}$ 与 $\sum \frac{(-1)^n}{n(n+1)}$ 都绝对收敛（因为 $\frac{1}{n(n+1)} \sim \frac{1}{n^2}$），所以收敛域为 $[-1, 1]$。

第2步——设和函数，先乘 $x$：设 $S(x) = \sum_{n=1}^{\infty} \frac{x^n}{n(n+1)}$，则 $xS(x) = \sum_{n=1}^{\infty} \frac{x^{n+1}}{n(n+1)}.$

这一步在想什么：直接求导，分母两个因子只能约掉一个。先在每一项里多塞一个 $x$（整体就是乘一个 $x$），让次数从 $n$ 升到 $n+1$——这样求导后次数降到 $n$，同时分母约出一个 $n+1$，正好和分母里的 $n+1$ 相消。这是"先乘 $x$"的动机。

第3步——逐项求导（对 $xS(x)$ 求导）： $(xS(x))' = \sum_{n=1}^{\infty} \frac{(n+1)x^n}{n(n+1)} = \sum_{n=1}^{\infty} \frac{x^n}{n}.$

这一步在想什么：$\frac{d}{dx}\frac{x^{n+1}}{n(n+1)} = \frac{(n+1)x^n}{n(n+1)} = \frac{x^n}{n}$——分子分母的 $n+1$ 约掉了，分母$从"两个因子"瘦身成"一个因子"，级数就变认识了。

第4步——给老朋友求和：$\sum_{n=1}^{\infty} \frac{x^n}{n} = -\ln(1-x)$（例13的结果，直接调用）。所以 $(xS(x))' = -\ln(1-x).$

第5步——积分还原（求导的债，用积分还回去）： $xS(x) = \int_0^x (-\ln(1-t))\,dt = (1-x)\ln(1-x) + x.$

这一步在想什么：$t=0$ 时 $xS(x) = 0$，所以下限代入刚好抵消、没有额外的常数。定积分 $\int_0^x -\ln(1-t)\,dt$ 用换元 $u = 1-t$ 求：$\int -\ln(1-t)\,dt = (1-t)\ln(1-t) - (1-t)$，代入上下限整理得 $(1-x)\ln(1-x) + x$。

第6步——除掉乘的 $x$，单独求 $S(0)$：当 $x \ne 0$ 时，两边除以 $x$： $S(x) = \frac{(1-x)\ln(1-x) + x}{x} = 1 + \frac{(1-x)\ln(1-x)}{x}, \quad x \ne 0.$ 而 $x = 0$ 时原级数每一项都是 0，所以 $\boxed{S(0) = 0}$（它单独求，因为除以 $x$ 的式子到不了 $x=0$）。

🍳 大白话复盘：分母带两个因子的级数，像"上了两层锁的门"——一次求导只能开一层。聪明的办法是先乘个 $x$（相当于每把锁配好钥匙），求导开掉一层（分母的 $n+1$ 被约掉），剩下一层 $\frac{x^n}{n}$ 是认识的老朋友，求和后用积分$把"求导的债"还回去（积分是求导的逆运算），最后别忘了 $x=0$ 这个特殊点要单独看。这就$是"两板斧"里最典型的一战。

题14 ⭐⭐基础（逐项求导法）

求幂级数 $\displaystyle\sum_{n=1}^{\infty} \frac{x^{n+1}}{n+1}$ 的和函数。

考法2：利用逐项积分求和（分子含n）

适用场景：系数含 $n$、$n+1$、$2n-1$ 等因子。

例15（经典——逐项积分）：求 $\sum n x^{n-1}$ 的和函数

第1步：收敛域 $(-1, 1)$ 第2步：设 $S(x) = \sum_{n=1}^{\infty} n x^{n-1} = 1 + 2x + 3x^2 + \cdots$ 第3步：逐项积分 $\int_0^x S(t) dt = \sum_{n=1}^{\infty} x^n = x/(1-x)$ 第4步：求导还原 $S(x) = [x/(1-x)]' = 1/(1-x)^2$

必背结果：$\sum n x^{n-1} = 1/(1-x)^2$，由此可推 $\sum n x^n = x/(1-x)^2$。

再进一步：对 $\sum x^n$ 求两次导（逐项求导两次），正好得到 $\sum_{n=2}^{\infty} n(n-1) x^{n-2} = \dfrac{2}{(1-x)^3}$——这就是速查卡 5.4 那$张"衍生公式"表里第三行的来历。

题15 ⭐⭐基础（逐项积分法）

求幂级数 $\displaystyle\sum_{n=1}^{\infty} n x^{n-1}$ 的和函数。

考法3：利用已知和函数（拆项法）

6个必须死记的和函数（就是§19那6个麦克劳林展开式——①几何级数＋考纲必背5个，直接搬过来用）：

记忆法：带阶乘 → $e^x$、$\sin x$、$\cos x$；不带阶乘+交错 → $\ln(1+x)$；不交错+不带阶乘 → $1/(1-x)$ 变形；$\alpha$ 型单独记系数 $1+\alpha x+\frac{\alpha(\alpha-1)}{2}x^2+\cdots$。其中②③④⑤⑥是考纲必背（§19已对表），①是推导地基；以上第7个·考纲外但常考：$\sum (-1)^n \frac{x^{2n+1}}{2n+1} = \arctan x$，收敛域 $[-1, 1]$（建议也背，真题用它代入 $x=1$ 得 $\pi/4$）。

例16（公式法直接求和）：求 $\sum (-1)^n x^{2n} / (2n)!$ 的和函数

识别特征：分母含 $(2n)!$、交错 $(-1)^n$、偶次幂 $x^{2n}$ → 这就是 $\cos x$。 $S(x) = \cos x$，收敛域 $(-\infty, +\infty)$。

例17（先变形再求和）：求 $\sum_{n=0}^{\infty} (2n+1)x^n$ 的和函数

拆项法：$(2n+1)x^n = 2n x^n + x^n = 2x \cdot n x^{n-1} + x^n$ $S(x) = 2x \cdot 1/(1-x)^2 + 1/(1-x) = (1+x)/(1-x)^2$，$|x|<1$

翻车现场（幂级数求和）

题16 ⭐⭐提高（拆项+利用已知和函数）

求幂级数 $\displaystyle\sum_{n=0}^{\infty} (2n+1)x^n$ 的和函数。

题17 ⭐⭐⭐挑战（化为已知展开式——$\arctan x$）

求幂级数 $\displaystyle\sum_{n=0}^{\infty} \frac{(-1)^n x^{2n+1}}{2n+1}$ 的和函数。

21. 函数展开为幂级数

展开成幂级数——和求幂级数的和函数是相反的过程。求和是"从级数到函数"，展开是"从函数到级数"。

先看一道题：把 $f(x) = \dfrac{1}{1+2x}$ 展开成 $x$ 的幂级数

看到这题，先别慌。展开函数，办法在上一节已经备好了：把函数代入麦克劳林通用公式一项一项算导数（直接展开法）。可真去算，得对 $1/(1+2x)$ 求一阶、二阶、三阶……导数，每求一次还要除以阶乘，越算越慢，做一道题能写满一页纸。考试根本等不起。

难在哪？ 难在这不是"算不算得出来"，而是有没有更聪明的路子。我们手里其实有现成的弹药——那张6个基本展开式的表。问题只是：表里有 $\dfrac{1}{1-x} = \sum x^n$，可这道题是 $\dfrac{1}{1+2x}$，长得像、但不是同一个人。

🧠 这一步在想什么：既然只差"把 $x$ 换成别$的"，能不能直接把基本公式里的 $x$ 整体替换掉？ $\dfrac{1}{1+2x} = \dfrac{1}{1-(-2x)}$——这不就是 $\dfrac{1}{1-u}$ 把 $u$ 换成 $-2x$ 吗？把公式里所有 $x$ 换成 $-2x$，$\sum x^n$ 就变成 $\sum (-2x)^n$。

动手试探：$\dfrac{1}{1+2x} = \dfrac{1}{1-(-2x)} = \sum_{n=0}^{\infty}(-2x)^n = \sum_{n=0}^{\infty}(-1)^n 2^n x^n$，收敛域 $|-2x|<1$ 即 $|x|<\frac12$。成了！一次替换，零求导。

🔍 回头看看我们做了什么：把目标函数"变形"成某个基本展开式的样子（这里是做了一次变量替换），代入那张表，再写上收敛域。 全程没有算一个导数——这就是"间接展开法"，考试真正用的方法。

📌 以后就这么办：先看目标函数最像哪个基本式 → 用变量替换/拆项/求导/积分把它变成那个样子 → 代入展开 → 复原+写收敛域。下面把这条路的每一步正式列出来。

两种方法：

1. 直接展开法：用泰勒公式 $f(x) = \sum \frac{f^{(n)}(x_0)}{n!} (x-x_0)^n$ 一项项算导数。考试中几乎不用——计算量太大。

2. 间接展开法（考试唯一实用的方法）：

• 利用6个已知的麦克劳林展开式
• 通过变量替换、拆项、逐项求导、逐项积分等手段，把目标函数变成已知函数的形式

展开四步法：

1. 观察目标函数 → 它最像6个基本函数中的哪一个？
2. 变形（变量替换/拆项/求导/积分）→ 变成基本函数的形式
3. 代入基本展开式
4. 复原（如果第2步做了求导/积分，这里反操作）+ 写收敛域

题型4：函数展开为幂级数

题型定位：大题常见考点。与"幂级数求和"互为逆运算。

考法：间接展开法

核心思路

不直接算导数，而是把目标函数通过变形，转化为6个基本展开式之一，然后代入。

常用变形技巧

例18（变量替换）：将 $f(x) = \dfrac{1}{1+2x}$ 展开成x的幂级数

$1/(1+2x) = 1/[1-(-2x)] = \sum (-2x)^n = \sum (-1)^n \cdot 2^n \cdot x^n$ 收敛域：$|-2x| < 1$，即 $|x| < 1/2$。

例19（拆项法）：将 $f(x) = \dfrac{1}{(1-x)(1+2x)}$ 展开成x的幂级数

先拆项：$1/3 \cdot [1/(1-x) + 2/(1+2x)]$ $= 1/3 \cdot \sum x^n + 2/3 \cdot \sum (-1)^n 2^n x^n$ $= 1/3 \sum [1 + (-1)^n \cdot 2^{n+1}] x^n$ 收敛域取交集：$(-1/2, 1/2)$。

例20（先求导再展开）：将 $f(x) = \ln(1+x+x^2)$ 展开成x的幂级数

利用代数恒等式：$1+x+x^2 = (1-x^3)/(1-x)$，所以 $\ln(1+x+x^2) = \ln(1-x^3) - \ln(1-x)$，分别展开后相减。

翻车现场（函数展开）

题18 ⭐基础（变量替换——最常用技巧）

将函数 $\displaystyle f(x) = \frac{1}{1+2x}$ 展开成 $x$ 的幂级数，并写出收敛域。

题19 ⭐⭐提高（拆项法——有理分式展开）

将函数 $\displaystyle f(x) = \frac{x}{1+x-2x^2}$ 展开成 $x$ 的幂级数，并写出收敛域。

题20 ⭐⭐提高（先求导→展开→再积分）

将函数 $\displaystyle f(x) = \ln(1+x^2)$ 展开成 $x$ 的幂级数，并写出收敛域。

题21 ⭐⭐⭐挑战（利用已知展开式+复合）

将函数 $\displaystyle f(x) = \arctan x$ 展开成 $x$ 的幂级数，并写出收敛域。然后利用此展开式，写出 $f(x) = x\arctan x$ 的展开式。

22. 用幂级数求常数项级数的和

已知一个纯数字的常数项级数（没有x），求它的和。

套路：自己造一个 x 出来——观察常数项级数的结构，构造一个包含 x 的幂级数，求出这个幂级数的和函数 S(x)，然后代入特定的 x 值（比如 x=1、x=1/2、x=-1），就得到了常数项级数的和。

经典例子：求 $\sum_{n=1}^{\infty} \frac{1}{n \cdot 3^n}$。

• 观察到 $\frac{1}{n \cdot 3^n}$ 像是 $\frac{x^n}{n}$ 代入 $x=\frac{1}{3}$
• 构造 $S(x) = \sum \frac{x^n}{n}$，已知 $S(x) = -\ln(1-x)$
• 代入 $x = \frac{1}{3}$：$\sum \frac{1}{n \cdot 3^n} = S(\frac{1}{3}) = -\ln(1-\frac{1}{3}) = \ln\frac{3}{2}$

🛑 停下来想一想：幂级数求和的"两板斧"——分母有n先求导、分子有n先积分——背后的逻辑是什么？为什么求导或积分能让一个复杂的级数变回你认识的等比级数？

💡 思考题

❶ 理解检测：用自己的话说清楚——为什么幂级数在收敛半径之内一定绝对收敛，在半径之外一定发散？这个"半径"到底由什么决定？

❷ 深度思考：手机信号的强度随距离衰减，假设在离信号塔 $x$ 千米处信号强度可以写成一个幂级数 $\sum a_n x^n$。如果工程师告诉$你"这个级数只在 $x \in [-2, 2]$ 内有$效"，你能推断出什么？$x=2$ $处"信号刚好还能用"对应什么数学概念？

❸ 考试演练：求幂级数 $\sum \frac{(x+1)^n}{n \cdot 2^n}$ 的收敛域与和函数。

题型5：综合题

题型定位：拉开分数的关键。主要两种形式。

考法1：构造幂级数求常数项级数的和

核心套路

常数项级数没有x，我怎么求和？答案：自己造一个x出来！

三步法：

第1步：观察常数项级数 ∑c_n 的结构，构造函数 S(x) = ∑c_n·x^n
第2步：求出 S(x) 的和函数
第3步：在收敛域内代入特殊值（x=1、-1、1/2等）

⚠️ 特殊值必须在收敛域内，否则不能直接代入！

例21：求 $\sum (-1)^{n-1}/n$ 的和

构造 $S(x) = \sum x^n/n = -\ln(1-x)$，代入 $x=-1$：$\sum (-1)^n/n = -\ln 2$，即 $\sum (-1)^{n-1}/n = \ln 2$。

记住这个经典结果：$1 - 1/2 + 1/3 - 1/4 + \cdots = \ln 2$

例22：求 $\sum 1/(n \cdot 2^n)$ 的和

构造 $S(x) = \sum x^n/n = -\ln(1-x)$，代入 $x=1/2$：$S(1/2) = \ln 2$。

题22 ⭐⭐提高（构造幂级数——对数型）

求常数项级数 $\displaystyle\sum_{n=1}^{\infty} \frac{1}{n \cdot 3^n}$ 的和。

题23 ⭐⭐提高（构造幂级数——三角函数型）

求常数项级数 $\displaystyle\sum_{n=0}^{\infty} \frac{(-1)^n}{2n+1}$ 的和。

考法2：裂项相消法

适用条件：通项可以拆成两个式子的差，且相邻项能"错位抵消"。

例23：求 $\sum \dfrac{1}{n(n+2)}$ 的和

$\dfrac{1}{n(n+2)} = \dfrac{1}{2}\left(\dfrac{1}{n} - \dfrac{1}{n+2}\right)$ 部分和 $S_N = \dfrac{1}{2}\left[1 + \dfrac{1}{2} - \dfrac{1}{N+1} - \dfrac{1}{N+2}\right] \to \dfrac{3}{4}$

例24：求 $\sum \dfrac{1}{n(n+1)(n+2)}$ 的和

$\dfrac{1}{n(n+1)(n+2)} = \dfrac{1}{2}\left[\dfrac{1}{n(n+1)} - \dfrac{1}{(n+1)(n+2)}\right]$ 部分和 $S_N = \dfrac{1}{2}\left[\dfrac{1}{2} - \dfrac{1}{(N+1)(N+2)}\right] \to \dfrac{1}{4}$

题24 ⭐⭐提高（裂项相消法——两项差）

求常数项级数 $\displaystyle\sum_{n=1}^{\infty} \frac{1}{n(n+2)}$ 的和。

题25 ⭐⭐⭐挑战（裂项相消——套娃型裂项）

求常数项级数 $\displaystyle\sum_{n=1}^{\infty} \frac{1}{n(n+1)(n+2)}$ 的和。

考法3：级数+微分方程（拓展）

🚩 对表考纲：级数与微分方程结合，考纲未单列，但综合题常考（多出现在压轴大题），建议掌握，不按超纲删减。

适用场景：系数递推关系复杂，无法直接逐项求导/积分时。

解题思路：设 $S(x) = \sum a_n x^n$，利用递推关系建立 $S(x)$ 满足的微分方程，解之。

例25（2020年数一真题改编）：已知 $a_1 = 1$，$(n+1)a_{n+1} = (n+\frac{1}{2})a_n$，求 $\sum a_n x^n$ 的和函数。

这是本章跳步最重的一个题——"设 $y$、建方程、解方$程"三步原本全被省略了。下面一格一格补全：

第1步——设和函数，写出 $y'$ 的展开：设 $y = \sum_{n=1}^{\infty} a_n x^n$（注意从 $n=1$ 开始，所以常数项是 0，即 $y(0)=0$）。逐项求导： $y' = \sum_{n=1}^{\infty} n a_n x^{n-1} = a_1 + \sum_{n=2}^{\infty} n a_n x^{n-1}.$

这一步在想什么：递推式给的是"$a_{n+1}$ 和 $a_n$ 的关$系"，而级数里 $a_n$ 是和 $x^n$ 绑定的。对 $y$ 求导后出现 $n a_n x^{n-1}$，把指数补成 $x^n$ 时正好露出 $a_{n+1}$ 的藏身位置——所$以"对 $y$ 求$导"就能把递推关系"钓"出来。

第2步——把递推式翻译进 $y'$：把 $y'$ 按 $x^k$ 重排成 $y' = \sum_{k=0}^{\infty}(k+1)a_{k+1}x^k$。其中 $k=0$ 那项是 $a_1 = 1$，递推式管不到它，要单拎出来；其余 $k \ge 1$ 的项正好能套递推式 $(k+1)a_{k+1} = (k+\frac12)a_k$ 替换： $y' = a_1 + \sum_{k=1}^{\infty}\left(k+\frac12\right)a_k x^k = 1 + \sum_{k=1}^{\infty} k\,a_k x^k + \frac12\sum_{k=1}^{\infty} a_k x^k.$

这一步在想什么：$a_1$ 是最初条件（$=1$），递推式管不到它，所以单独拎出来。从 $k \ge 1$ 起把递推$式"顶替"进去，$y'$ 就变成了两个干净的求和式之和——接下来就看它们认不认识。

第3步——认出老朋友，列出微分方程：$\sum_{k=1}^{\infty} a_k x^k = y$；而 $\sum_{k=1}^{\infty} k\,a_k x^k = x\,y'$（因为 $x y' = \sum n a_n x^n$，恰好从 $n=1$ 开始）。代入得： $y' = 1 + x y' + \frac12 y.$

这一步在想什么：这是全场最关键的一步——把两个"不认识的和式"分别改写成 $y$ 和 $x y'$，递推关系$就"融化"成了 $y$ 与 $y'$ 之间的等式。移项整理： $\boxed{(1-x)y' - \frac12 y = 1.}$ 这就是 $y$ 满足的微分方程——$从"系数的递推"长成了"函数的方程"。

第4步——解这个一阶线性微分方程：化成标准形 $y' - \frac{1}{2(1-x)} y = \frac{1}{1-x}$，两边乘积分因子 $(1-x)^{1/2}$，左边正好凑成整体导数： $\left((1-x)^{1/2}\,y\right)' = (1-x)^{-1/2}.$

这一步在想什么：一阶线性方程 $y' + P(x)y = Q(x)$ 的老手艺是找积分因子 $e^{\int P\,dx}$。这里 $P = -\frac{1}{2(1-x)}$，$\int P\,dx = \frac12\ln(1-x)$，所以积分因子是 $e^{\frac12\ln(1-x)} = (1-x)^{1/2}$。乘上去后左边是一$个"整体的导数"，右边变成好积分的 $(1-x)^{-1/2}$。

第5步——积分 + 用初始条件定常数：两边积分（注意带常数 $C$）： $(1-x)^{1/2}\,y = \int (1-x)^{-1/2}\,dx = -2(1-x)^{1/2} + C,$ 所以 $y = -2 + C(1-x)^{-1/2} = -2 + \dfrac{C}{\sqrt{1-x}}$。再用 $y(0) = 0$（第1步说的：级数从 $n=1$ 开始，常数项是 0）： $0 = -2 + C \Rightarrow C = 2.$

第6步——写出答案： $\boxed{y = \frac{2}{\sqrt{1-x}} - 2, \quad |x| < 1.}$

🍳 大白话复盘：这一题走的是"从系数关系倒推函数长相"的路线——把 $y$ 的导数展开，把递推式塞进去，整理成"函数和它的导数之间的等式"（微分方程），再用解方程的老手艺解出 $y$。注意：这个题和下面的题26方向正好相反——例25是"已知系数的递推关系 → 求 $y$"（给递推、造方程），题26是"已知函数满足的微分方程 → 求系数"（给方程、用方程求 $a_n$）。一个是"造方程"，一个是"用方程"，千万别混——做题时先看清题目给的是"系数关系"还是"方程"。

翻车现场（综合题）

题26 ⭐⭐⭐较难（真题改编）

用幂级数方法求解微分方程 $y'' - xy = 0$（$y(0)=0, y'(0)=1$），写出幂级数解的前几个非零项。

四、名师方法对比

4.1 五大名师无穷级数教学特点

4.2 各名师级数方法核心要点

五、速查卡片

5.1 正项级数判别法决策树（口袋版）

必要条件：lim u_n = 0？
    ↓ No → 发散
    ↓ Yes → 继续
通项有特殊记号？
    ├── 有n!、a^n → 比值法
    │   ρ<1收敛 | ρ>1发散 | ρ=1失效
    ├── 整体n次方 → 根值法
    │   ρ<1收敛 | ρ>1发散 | ρ=1失效
    └── 没有 → 比较法（极限形式）
        找等价无穷小 ~ C/n^p
        p>1收敛 | p≤1发散

5.2 收敛半径公式

R = lim |a_n / a_{n+1}|    （比值法）
R = 1 / \lim \sqrt[n]{|a_n|}     （根值法）

收敛区间 = (-R, R)
收敛域 = 收敛区间 + 端点收敛性判断结果

5.3 常用常数项级数的和

5.4 幂级数求和常用衍生公式

5.5 解题流程总结口诀

常数项判敛：
  先看通项趋零否，不趋零来定发散
  阶乘指数比值判，整体方幂根值判
  普通分式比较法，等价无穷小最便捷
  比值为一法失效，换比较法看p级

幂级数求和：
  先求收敛域，再设和函数
  分母有n先求导，分子有n先积分
  化为等比是关键，求和之后再还原
  S(0) 单独求，端点单独看

函数展开：
  认准六个基本式，变量替换最省力
  分式先拆再展开，求导积分来帮忙
  收敛域要跟着写，每一步都不忘

5.6 判别法使用条件速记

六、概念辨析（10道对错判断题）

判断下列说法是否正确，并说出理由。这些题考察的都是最容易搞混的概念。

判断1：若 $\lim_{n \to \infty} u_n = 0$，则 $\sum u_n$ 收敛。

错误。 通项趋于0是收敛的必要条件，不是充分条件。反例：调和级数 $\sum 1/n$ 通项趋于0但发散。

判断2：若 $\sum u_n$ 收敛，则 $\sum |u_n|$ 也收敛。

错误。 收敛不等于绝对收敛。反例：$\sum (-1)^{n-1} 1/n$ 收敛（莱布尼茨），但取绝对值后发散。

判断3：若用比值法算出 $\rho = 1$，则级数发散。

错误。 ρ=1表示比值法"失效"，不能下结论。必须换别的方法（通常是比较法）。

判断4：正项级数的部分和序列 $\{S_n\}$ 一定是单调递增的。

正确。 正项级数每一项都非负，每加一项部分和只增不减。

判断5：交错级数只要满足 $\lim u_n = 0$ 就收敛。

错误。 莱布尼茨判别法需要两个条件：① $u_n$ 单调递减；② $\lim u_n = 0$。只满足第二个不够。

判断6：$\sum |u_n|$ 发散 ⇒ $\sum u_n$ 发散。

错误。 绝对值级数发散，原级数仍可能条件收敛。但注意！用比值法或根值法判出 $\rho > 1$ 时，原级数确实发散。

判断7：幂级数 $\sum a_n x^n$ 在收敛区间 $(-R, R)$ 内一定绝对收敛。

正确。 这就是阿贝尔定理的结论——在收敛半径内部，不仅是收敛，而且是绝对收敛。

判断8：$\sum x^n$ 的收敛域是 $(-1, 1)$。

正确。 收敛半径 $R=1$。两端都发散，所以收敛域就是开区间 $(-1, 1)$。

判断9：幂级数逐项求导后，收敛半径会变小。

错误。 幂级数逐项求导（或积分）后收敛半径不变。但端点处的收敛性可能改变。

判断10：$\sum \dfrac{(-1)^n}{\sqrt{n}}$ 是绝对收敛的。

错误。 取绝对值 $\sum 1/\sqrt{n}$ 是 $p=1/2$ 的 p 级数——发散。但原级数满足莱布尼茨条件，收敛。所以是条件收敛。

七、综合混搭练习（挑战模式）

下面的题目不会告诉你是什么题型——你需要自己判断，就像考试一样。

混搭题1

求幂级数 $\displaystyle\sum_{n=1}^{\infty} \frac{x^n}{n^2+1}$ 的收敛域。

混搭题2

判别级数 $\displaystyle\sum_{n=1}^{\infty} (-1)^{n-1}\frac{1}{\sqrt{n}}$ 的敛散性，并说明是绝对收敛还是条件收敛。

混搭题3

求幂级数 $\displaystyle\sum_{n=1}^{\infty} \frac{x^{n+1}}{n+1}$ 的和函数。

混搭题4

判别级数 $\displaystyle\sum_{n=1}^{\infty} \frac{3n+1}{2n^3-n+1}$ 的敛散性。

混搭题5

求常数项级数 $\displaystyle\sum_{n=1}^{\infty} \frac{1}{n \cdot 3^n}$ 的和。

混搭题6

求幂级数 $\displaystyle\sum_{n=0}^{\infty} \frac{x^{2n}}{(n+1)\cdot 4^n}$ 的收敛域。

混搭题7

判别级数 $\displaystyle\sum_{n=1}^{\infty} \frac{n}{n^2+2n+3}$ 的敛散性。

混搭题8

讨论 $p$ 取不同值时，级数 $\displaystyle\sum_{n=1}^{\infty} (-1)^{n-1}\frac{1}{n^p}$ 的敛散性。

混搭题9

将函数 $\displaystyle f(x) = \ln(1+x-2x^2)$ 展开为 $x$ 的幂级数，并求收敛域。

混搭题10

求常数项级数 $\displaystyle\sum_{n=1}^{\infty} \frac{1}{(2n-1)(2n+1)}$ 的和。

八、考试导航

下表按出题频率从高到低排列。

💡 复习策略：先拿下五星知识点（正项判敛+收敛域+幂级数求和，合计约占10分），再补四星（交错+绝对/条件收敛+展开，约4分），三星以下有时间再看。

九、自检清单

对照清单逐项检查——哪些你能脱口而出，哪些还需要回去翻书。

常数项级数判敛

• 拿到正项级数，能下意识走决策树：必要条件 → 特殊记号（n!/a^n → 比值；整体n次方 → 根值）→ 分式结构（比较法）
• 知道比值法算出 ρ=1 表示「方法失效，换比较法」，而不是「收敛」
• 知道等价无穷小在比较法中的关键作用：$1-\cos(1/n) \sim 1/(2n^2)$、$\ln(1+1/n) \sim 1/n$ 等
• 交错级数两个莱布尼茨条件逐条验证，缺一不可
• 任意项级数标准流程：先取绝对值判绝对收敛 → 不收敛再判条件收敛
• 能区分「绝对收敛」「条件收敛」「发散」三者的关系
• 我能不能举出三个发散级数的例子？
• 调和级数为什么发散？通项趋于0为什么不一定收敛？

幂级数收敛域

• 会求收敛半径（比值法 $R = \lim|a_n/a_{n+1}|$）
• 不会忘记判断两端点（代入原级数，用常数项判敛法）
• 清楚「收敛区间」和「收敛域」的区别——考试问哪个就写哪个
• 缺项幂级数不直接套公式，用比值法直接判
• 抽象幂级数理解阿贝尔定理：内部绝对收敛，端点单独看，外部发散

幂级数求和

• 看到分母有 $n$ → 脑子里弹出「逐项求导」
• 看到分子有 $n$ → 脑子里弹出「逐项积分」
• 求导/积分后能化为等比级数 $\sum x^n = 1/(1-x)$
• 还原时不忘求 $S(0)$ 的值
• 会拆项法：把复杂通项拆成已知和函数的几个简单级数之和
• 背住6个核心和函数：$\frac{1}{1-x}$、$e^x$、$\sin x$、$\cos x$、$\ln(1+x)$、$(1+x)^\alpha$（①②③④⑤⑥；其中②③④⑤⑥是考纲必背）；$\arctan x$ 是第7个·考纲外但常考

函数展开

• 间接展开法四步熟练：观察→变形→代入→还原
• 变量替换是最快捷的方法（$\frac{1}{1+ax}$ 型）
• 有理分式先拆部分分式再各自展开
• $\ln$ 型函数先求导展开再积分回来
• 展开式不忘写收敛域

综合题

• 看到常数项级数 $\sum \frac{1}{n \cdot a^n}$ 能想到构造 $S(x) = \sum \frac{x^n}{n}$
• 看到 $\sum \frac{(-1)^n}{2n+1}$ 能想到 $\arctan x$ 展开式代入 $x=1$
• 裂项相消法：拆成两项差 → 写部分和 → 找抵消规律 → 取极限

概念底层

• 我能不能用日常语言解释什么叫"无穷级数收敛"？
• 绝对收敛和条件收敛的本质区别是什么？我能不能举出各自的例子？
• $p$ 级数的收敛条件是什么？为什么它是所有比较$的"标尺"？
• 本章最容易被忽视的扣分点是什么？（漏写收敛域、忘记判端点、忘了求S(0)）

下一步：建议先针对每个题型做3-5道真题，然后集中做近15年真题中所有级数题检验掌握情况。

🧭 学完回顾——本章定理的"来龙去脉"

学完一整章，最值钱的不是记住多少判别法，而是脑子里那棵"级数判敛决策树"怎么长出来的。下面这张关系图，把本章核心概念和定理之间的推导链画了出来。对照章首 1.3 节的知识地图一起看——章首告诉你"有哪些东西"和"学习路线图"，这里告诉你"每个判别法是怎么从另一个顺出来的"。

                 ┌──────────────────────────────────────────────────┐
                 │              常数项级数判敛体系                    │
                 └──────────────────────────────────────────────────┘
                                      │
                                      ▼
                 ┌──────────────────────────────────────────────────┐
                 │            无穷级数定义（§1-2）                    │
                 │                                                  │
                 │  部分和 S_n → 取极限 → 收敛/发散                    │
                 │  收敛必要条件：通项 u_n → 0                         │
                 │  （通项→0 不一定收敛——调和级数是经典反例）           │
                 └────────────────────┬─────────────────────────────┘
                                      │
                    ┌─────────────────┴─────────────────┐
                    │                                   │
                    ▼                                   ▼
   ┌──────────────────────────────┐    ┌──────────────────────────────┐
   │   基准级数（"标尺"）         │    │    级数基本运算性质（§4）       │
   │                              │    │                              │
   │ 几何级数（§3）               │    │ 加减法 / 数乘 / 有限项不影响    │
   │ ∑arⁿ, |r|<1 收敛             │    │ 收敛性 / 加括号&去括号          │
   │ S=a/(1-r)                    │    │                              │
   │                              │    │ 收敛必要条件：u_n → 0（§5）    │
   │ p级数（§10）                 │    └──────────────────────────────┘
   │ ∑1/n^p, p>1 收敛             │
   │ 证明：积分判别法              │
   └──────────────┬───────────────┘
                  │
                  │ "把你的级数和已知标尺比大小"
                  │
                  ▼
   ┌──────────────────────────────────────────────────────────────┐
   │                  正项级数判别法（§6-10）                       │
   │                                                              │
   │  ┌──────────────────────────────────────────────────────┐    │
   │  │  比较判别法（§7）——最根本，所有判别法的"老祖宗"        │    │
   │  │                                                      │    │
   │  │  一般形式：u_n ≤ v_n（逐项比大小）                     │    │
   │  │  极限形式：lim u_n/v_n = C（只看比例）                 │    │
   │  │                                                      │    │
   │  │  推导核心：正项级数单调有界 ⇔ 收敛                     │    │
   │  └────────────────────┬─────────────────────────────────┘    │
   │                       │                                      │
   │         ┌─────────────┼─────────────┐                        │
   │         │             │             │                        │
   │         ▼             ▼             ▼                        │
   │  ┌────────────┐ ┌────────────┐ ┌────────────┐                │
   │  │比值判别法  │ │根值判别法  │ │积分判别法  │                │
   │  │ （§8）     │ │ （§9）     │ │ （§10）    │                │
   │  │            │ │            │ │            │                │
   │  │ρ=lim u_n+1 │ │ρ=lim ⁿ√u_n │ │∑f(n) 和    │                │
   │  │  /u_n      │ │            │ │∫₁^∞ f(x)dx│                │
   │  │            │ │            │ │  同敛散    │                │
   │  │推导：和    │ │推导：和    │ │            │                │
   │  │几何级数比  │ │几何级数比  │ │推导：矩形   │                │
   │  │"缩水速度"  │ │"本质大小"  │ │夹逼曲线     │                │
   │  │            │ │            │ │            │                │
   │  │适用于：含  │ │适用于：含  │ │适用于：含   │                │
   │  │n!/a^n/n^n │ │[f(n)]^n   │ │ln n的级数   │                │
   │  └─────┬──────┘ └─────┬──────┘ └──────┬──────┘                │
   │        │              │               │                      │
   │        └──────────────┴───────────────┘                      │
   │                       │                                      │
   │               ρ<1 收敛 / ρ>1 发散 / ρ=1 失效                  │
   └───────────────────────┬──────────────────────────────────────┘
                           │
                           │ "正项级数管完了，带正负号的怎么办？"
                           │
              ┌────────────┴────────────┐
              │                         │
              ▼                         ▼
   ┌──────────────────────┐  ┌──────────────────────────────────┐
   │ 交错级数（§12）       │  │  任意项级数（§13）                │
   │                      │  │                                  │
   │ 莱布尼茨判别法：      │  │  绝对收敛 ⇐ |u_n| 级数收敛       │
   │ ①u_n单调递减          │  │          ⇓                       │
   │ ②lim u_n = 0          │  │  条件收敛 ⇐ |u_n|发散但原级数收敛 │
   │ ⇒ 收敛                │  │                                  │
   │                      │  │  判敛流程：先取绝对值用正项判别法   │
   │ 推导：追踪部分和S_n   │  │  → 不收敛再回头判原级数            │
   │ 奇偶子列分别单调有界  │  └──────────────────────────────────┘
   └──────────┬───────────┘
              │
              │ "常数项级数判完了，下面让级数带上变量x"
              │
              ▼
   ┌──────────────────────────────────────────────────────────────┐
   │                   幂级数（§15-22）                             │
   │                                                              │
   │  ┌──────────────────────────────────────────────────────┐    │
   │  │  收敛半径R（§16）                                      │    │
   │  │                                                      │    │
   │  │  R = 1/lim |a_{n+1}/a_n|  （比值法形式）               │    │
   │  │  R = 1/lim ⁿ√|a_n|        （根值法形式）               │    │
   │  │                                                      │    │
   │  │  推导：比值判别法直接套在 ∑a_n(x-x₀)^n 上              │    │
   │  │  |x-x₀| < R → 绝对收敛；|x-x₀| > R → 发散            │    │
   │  │  |x-x₀| = R → 端点须单独判断                           │    │
   │  └────────────────────┬─────────────────────────────────┘    │
   │                       │                                      │
   │                       ▼                                      │
   │  ┌──────────────────────────────────────────────────────┐    │
   │  │  幂级数求和（§18、§20）——整章最高难度                     │    │
   │  │                                                      │    │
   │  │  核心技巧：逐项求导 和 逐项积分                          │    │
   │  │  S(x) = ∑a_n x^n                                     │    │
   │  │  S'(x) = ∑n·a_n x^{n-1}                              │    │
   │  │  ∫S(x)dx = ∑a_n x^{n+1}/(n+1)                        │    │
   │  │                                                      │    │
   │  │  根本目标：通过求导/积分 → 变回几何级数 ∑xⁿ = 1/(1-x)  │    │
   │  │             → 对几何级数操作 → 再积分/求导变回来       │    │
   │  └────────────────────┬─────────────────────────────────┘    │
   │                       │                                      │
   │                       ▼                                      │
   │  ┌──────────────────────────────────────────────────────┐    │
   │  │  函数展开为幂级数（§19、§21）                            │    │
   │  │                                                      │    │
   │  │  间接展开法：利用6个基本展开式（e^x, sinx, cosx,       │    │
   │  │  ln(1+x), (1+x)^α, 1/(1-x)）→ 变量代换 + 求导/积分    │    │
   │  └──────────────────────────────────────────────────────┘    │
   └──────────────────────────────────────────────────────────────┘

链条中最关键的四个"拐点"：

1. 几何级数 → 比较判别法 → 比值/根值判别法：几何级数是唯一的"标尺"——你知道它在|r|<1时收敛。比较判别法把它当成标杆，把你的级数跟它比大小。比值法和根值法更进一步：它们不直接比大小，而是把你的级数"换算"成几何级数——比值法看相邻两项的"缩水比例"是否最终小于某个r<1的几何级数，根值法看每一项的"本质大小"是否最终小于某个r<1的几何级数。三者是同一条血脉：几何级数是祖宗，比较法是大儿子，比值/根值法是专门化了的孙子。
2. p级数 → 积分判别法：p级数是第二个标杆（∑1/n^p）。它的敛散性证明靠的不是比较法——而是积分判别法（矩形夹逼曲线）。积分判别法在这里完成了两件事：①证明了p级数在p>1时收敛、p≤1时发散；②为比较判别法提供了除几何级数之外的第二个标尺。
3. 正项级数判别法 → 交错级数莱布尼茨判别法：正项判别法（比较/比值/根值）只对正项有效——一旦通项有正有负，那些工具就"失明"了。莱布尼茨判别法第一个站出来管"正负交替"这种特殊模式。它的推导和正项判别法完全独立——不依赖任何级数判别工具，纯靠数列单调有界准则+奇偶子列夹逼。
4. 比值判别法 → 收敛半径公式：这是本章隐藏最深的一条线——收敛半径公式 R = 1/lim|a_{n+1}/a_n| 就是把比值判别法直接套在幂级数 ∑a_n(x-x₀)^n 上推出来的。比值法说 ρ = lim|u_{n+1}/u_n| < 1 则收敛，代入 u_n = a_n(x-x₀)^n 就得到 |x-x₀| < 1/lim|a_{n+1}/a_n| = R。收敛半径不是独立公式——它是比值判别法在幂级数上的"自动化流程"。

🔗 和章首知识地图的呼应：章首 1.3 节的知识地图把本章分成"常数项级数 → 幂级数 → 综合应用"三大部分，并给出了五层学习路线图。你现在应该能看清这张图的内部逻辑了——第一层：建"标尺"（几何级数+p级数）→ 第二层：正项判别法（把你的级数和标尺比较）→ 第三层：交错和任意项（处理带正负号的）→ 第四层：幂级数收敛域（把判别法套在带x的级数上）→ 第五层：幂级数求和与展开（通过求导/积分操作变回几何级数）。每一层都建立在上一层的基础上——跳过第一层直接学第三层，就像没学会走就去跑。

自检：闭上眼睛，能不能从"几何级数 |r|<1 收敛"开始，一路走到"幂级数逐项求导后求和再积分回来"？如果某一环卡住了，回到那一节把"推导"部分读一遍——本章的每种判别法都附有完整的推导过程，帮你从"为什么"出发理解"怎么做"。

🔍 链条检查：本章A→B推导箭头是否明确？

经逐节审查，以下是已明确标注的推导链：

本章无遗漏的A→B箭头。每种判别法的"推导"部分都显式标注了依赖的前置定理和推导链条。特别注意：收敛半径公式的推导过程中显式说明了它来自比值判别法（§16），这是最容易被视为"独立公式"但实则"比值法推导"的藏得最深的链接。

📖 写在最后：恭喜你，走完了这条路

回顾一下你走过的路：从函数和极限开始，你学会了用数学的语言描述世界；接着导数让你看到事物每时每刻的变化快慢；积分让你从变化反推累积；微分方程让你把变化规律写成等式再解出答案；多元函数让你同时处理多个影响因素；二重积分让你把累加从一维延伸到二维；最后无穷级数让你用无限多项的和去逼近任何你想要的函数。

七章走完，你已经不是七章前的你了。你手里握着的不是一堆公式，而是一套思维方式——用极限看趋势、用导数看变化、用积分看积累、用方程描述规律。这些工具在经济学、金融、数据科学、机器学习里无处不在。

接下来你可以做什么？

• 如果你要考研，建议直接去刷近15年数学三真题——把每道题对应回本书的题型模板，做到"看到题就知道考哪章、用什么方法"。
• 如果你还想继续深入，可以学数学分析（微积分的严格版，每个定理从公理出发严格证明）或实变函数（勒贝格积分，处理更复杂的函数类）。
• 如果你对应用更感兴趣，概率论与数理统计是你的自然下一站——微积分是它全部的计算基础。

最后，关于这本书的一点心里话：

数学不是背公式，是理解"为什么"。你在这本书里学到的每一条定理，背后都有一个朴素的生活直觉——极限就是"无限逼近"，导数就是"瞬时速度"，积分就是"把碎片拼成整体"，级数就是"无穷无尽地加下去却得到一个有限的数"。公式只是把这些直觉写成了精确的语言。如果有一天你忘了公式但还记得直觉，那你才是真的学会了。

谢谢你读完了这本书。祝你在数学的路上越走越远，越走越稳。