点8 拆出独立知识点 8.4 压缩映射与不动点
原来 8.3 把「裂项望远镜」和「压缩映射」混为一节,压缩映射只占 一句「这是压缩思想」,而题 5 整道题都建在它上面——属于典型的 「题要用、知识点没讲」。 - 8.3 收窄为「裂项望远镜」:只留望远镜通式与首项规律 - 新增 8.4 压缩映射与不动点:定义三要素(统一 k / 严格 k<1 / 映到自身)、导数判定、三条结论一套证(差成等比→收敛→不动点 存在唯一)、误差估计、三个反例(x+1/x、√(x²+1)、x/2 在开区间)、 「压缩→望远镜→零点定理」三步表,并解释为何题目可以不给 x₁ - 题 5 知识点标签 8.3 → 8.4,带走结论指向 8.4 - 盘点 §8 同步拆成 8.3 / 8.4,速查卡补压缩映射两条与 KP 声明 - gen_crosslinks 重生成:27 个知识点、42 题,§0.4 表与回查表已对齐 - check_md_links 233 条 0 异常;fix_gitea_math 归零(三处全角引号 贴公式改为无引号句式);09 由 8695 增至 10980 字符
This commit is contained in:
@@ -75,7 +75,8 @@ tags: [数学一, 在学练习, 高等数学, 无穷级数, 知识点盘点]
|
||||
| §7.3 正弦级数与余弦级数 | [点 7 题 4](08-点7-傅里叶级数.md#user-content-题-4--73端点与对称点)、[点 7 题 5](08-点7-傅里叶级数.md#user-content-题-5--73用傅里叶级数凑出两个经典级数) |
|
||||
| §8.1 幂级数反用 | [点 8 题 1](09-点8-数项级数求和与抽象证明.md#user-content-题-1--81给和函数反求系数之和)、[点 8 题 2](09-点8-数项级数求和与抽象证明.md#user-content-题-2--81系数含平方的求和) |
|
||||
| §8.2 阿贝尔端点 | [点 8 题 3](09-点8-数项级数求和与抽象证明.md#user-content-题-3--82端点代值) |
|
||||
| §8.3 望远镜与抽象证明 | [点 8 题 4](09-点8-数项级数求和与抽象证明.md#user-content-题-4--83望远镜)、[点 8 题 5](09-点8-数项级数求和与抽象证明.md#user-content-题-5--83压缩映射与级数) |
|
||||
| §8.3 裂项望远镜 | [点 8 题 4](09-点8-数项级数求和与抽象证明.md#user-content-题-4--83望远镜) |
|
||||
| §8.4 压缩映射与不动点 | [点 8 题 5](09-点8-数项级数求和与抽象证明.md#user-content-题-5--84压缩映射与级数) |
|
||||
<!-- /AUTO:KP -->
|
||||
|
||||
## 1 常数项级数的概念与性质
|
||||
@@ -194,6 +195,16 @@ $\sum a_nr^n$ 就是幂级数在 $x=r$ 的值:**认出 $r$ → 求和函数 $S
|
||||
|
||||
端点收敛则和函数在该点单侧连续:$\sum a_nR^n=\lim_{x\to R^-}S(x)$ 。典型:$\arctan x$ 在 $x=1$ 收敛,故 $\sum\frac{(-1)^n}{2n+1}=\frac\pi4$ 。端点发散就不能代。
|
||||
|
||||
### 8.3 望远镜与抽象证明
|
||||
### 8.3 裂项望远镜
|
||||
|
||||
$u_n=f(n)-f(n+1)$ $\Rightarrow$ $S_N=f(1)-f(N+1)$ 。抽象证明两模板:$|a_{n+1}|\le q|a_n|$ 用几何级数控制;由 $\sum|d_n|$ 收敛得 $x_n$ 收敛(单调 + 有界)。
|
||||
$u_n=f(n)-f(n+1)$ $\Rightarrow$ $S_N=f(1)-f(N+1)$ 。$k$ 个连续因子用通式 $\frac{1}{n(n+1)\cdots(n+k)}=\frac1k\left[\frac{1}{n\cdots(n+k-1)}-\frac{1}{(n+1)\cdots(n+k)}\right]$ ,级数和等于首项 $\frac{1}{k\cdot1\cdots k}$ 。
|
||||
|
||||
### 8.4 压缩映射与不动点
|
||||
|
||||
$\lvert f(x)-f(y)\rvert\le k\lvert x-y\rvert$ ($0\le k<1$ ,且 $f(I)\subset I$ )称为压缩映射。**三要素**:$k$ 统一、$k<1$ 严格、映到自身,缺一条就不是。
|
||||
|
||||
判定:可导且 $\sup\lvert f'\rvert<1$ (中值定理取 $k$ )。**逐点小于 1 不算**,反例 $f=x+\frac1x$ (比值 $\to1$ )与 $f=\sqrt{x^2+1}$ ($\sup\lvert f'\rvert=1$ )。
|
||||
|
||||
三结论:差按 $k^n$ 缩 $\Rightarrow$ $\sum\lvert d_n\rvert$ 收敛 $\Rightarrow$ $x_n=x_1+\sum d_k$ 收敛;$f$ 连续得 $a=f(a)$ ;$(1-k)\lvert a-b\rvert\le0$ 得唯一。误差 $\lvert x_n-a\rvert\le\frac{k^{n-1}}{1-k}\lvert x_2-x_1\rvert$ 。
|
||||
|
||||
三步走:**压缩**(中值定理取 $k$ )→ **望远镜**(部分和收敛)→ **零点定理**($\varphi=x-f$ 定位置,$\varphi'>0$ 定唯一)。$f'>0$ 与 $\lvert f'\rvert<1$ 是两个独立信息,前者定下界、后者管收敛。
|
||||
|
||||
Reference in New Issue
Block a user