关于二阶方阵乘积序列$A_1A_2\cdots A_n$的元素与收敛性问题

咱们先明确已知条件：通过归纳法已经证得，对于每个正整数$n$，矩阵乘积$A_1A_2\cdots A_n$都能写成$\begin{pmatrix} x_n&y_n\-y_n& x_n\end{pmatrix}$的形式，其中$x_n,y_n$构成实数序列，且满足递推关系：
$$x_{n+1} =(n+1)^2x_n-y_n$$

不过光有$x_n$的递推还不够，咱们结合矩阵乘法的定义，把$y_{n+1}$的递推式也补出来：
$$\begin{pmatrix} x_{n+1}&y_{n+1}\-y_{n+1}& x_{n+1}\end{pmatrix} = \begin{pmatrix} (n+1)^2 & 1\-1 & (n+1)^2\end{pmatrix}\begin{pmatrix} x_n&y_n\-y_n& x_n\end{pmatrix}$$
直接计算矩阵乘法就能得到$y_{n+1} = (n+1)^2y_n + x_n$，这样就有了完整的递推系统：
$$\begin{cases}
x_{n+1} = k_n x_n - y_n \
y_{n+1} = k_n y_n + x_n
\end{cases}$$
这里我把$(n+1)^2$记成$k_n$，看起来更简洁些。

一、$x_n$和$y_n$的显式表达式推导 #

这里有个特别巧妙的视角：把这类二阶方阵和复数对应起来！

你会发现，形如$\begin{pmatrix} x&y\-y&x\end{pmatrix}$的矩阵，正好对应复数$z = x + yi$，而且矩阵的乘法运算和复数的乘法运算完全等价——不信咱们验证一下：
假设$z_1 = a + bi$对应矩阵$M_1 = \begin{pmatrix}a&b\-b&a\end{pmatrix}$，$z_2 = c + di$对应矩阵$M_2 = \begin{pmatrix}c&d\-d&c\end{pmatrix}$，那么$z_1 z_2 = (ac - bd) + (ad + bc)i$，对应的矩阵乘积就是：
$$M_1 M_2 = \begin{pmatrix}ac - bd&ad + bc\-(ad + bc)&ac - bd\end{pmatrix}$$
完全匹配！

那回到咱们的问题，每个$A_k = \begin{pmatrix} k^2 & 1\-1 & k^2\end{pmatrix}$对应的复数就是$z_k = k^2 + i$，那么矩阵乘积$A_1A_2\cdots A_n$对应的复数就是$z_1 z_2 \cdots z_n = \prod_{k=1}^n (k^2 + i)$。

把这个复数乘积展开成实部和虚部，就有：
$$\prod_{k=1}^n (k^2 + i) = x_n + y_n i$$
所以：

• $x_n$就是这个乘积的实部
• $y_n$就是这个乘积的虚部

如果想要写成更直观的形式，咱们可以把每个$z_k$转成极坐标：$z_k = r_k e^{i\theta_k}$，其中$r_k = \sqrt{(k²⁾2 + 1} = \sqrt{k^4 + 1}$，$\theta_k = \arctan\left( \frac{1}{k^2} \right)$。那么乘积的极坐标形式就是：
$$\prod_{k=1}^n r_k \cdot e^{i\sum_{k=1}n \theta_k}$$
再转成直角坐标，就得到：
$$x_n = \left( \prod_{k=1}^n \sqrt{k^4 + 1} \right) \cdot \cos\left( \sum_{k=1}^n \arctan\left(\frac{1}{k^2}\right) \right)$$
$$y_n = \left( \prod_{k=1}^n \sqrt{k^4 + 1} \right) \cdot \sin\left( \sum_{k=1}^n \arctan\left(\frac{1}{k^2}\right) \right)$$

二、$x_n$和$y_n$的收敛性分析 #

咱们分开来看两个部分：

1. 乘积项的趋势 #

先看$\prod_{k=1}^n \sqrt{k^4 +1}$，可以拆成：
$$\prod_{k=1}^n \sqrt{k^4 +1} = \prod_{k=1}^n k^2 \cdot \sqrt{1 + \frac{1}{k^4}} = (n!)^2 \cdot \prod_{k=1}^n \sqrt{1 + \frac{1}{k^4}}$$
其中$\prod_{k=1}^\infty \sqrt{1 + \frac{1}{k^{4}}$是收敛的（因为级数$\sum_{k=1}}\infty \frac{1}{k^{4}$收敛，乘积收敛的充要条件是对应的级数收敛），但$(n!)}2$是增长极快的无穷大——毕竟n!的增长速度比任何指数函数都快，平方之后只会更快。

2. 三角函数项的趋势 #

再看$\sum_{k=1}^n \arctan\left(\frac{1}{k^{2}\right)$，当k很大时，$\arctan\left(\frac{1}{k}2}\right) \approx \frac{1}{k^{2}$，而级数$\sum_{k=1}}\infty \frac{1}{k^2} = \frac{\pi^2}{6}$是收敛的，所以这个求和会收敛到某个常数$C = \sum_{k=1}^\infty \arctan\left(\frac{1}{k^2}\right)$（数值计算的话，C大约是1.4246，小于$\frac{\pi}{2}$，所以$\cos C$和$\sin C$都是正数且非零）。

3. 整体收敛性 #

把两部分结合起来：

• $x_n$是“无穷大”乘以“非零常数$\cos C$”，所以$|x_n| \to +\infty$
• $y_n$是“无穷大”乘以“非零常数$\sin C$”，所以$|y_n| \to +\infty$

不过有意思的是，$\frac{y_n}{x_n} = \tan\left( \sum_{k=1}^n \arctan\left(\frac{1}{k^2}\right) \right)$会收敛到$\tan C$，是一个有限的常数。

内容的提问来源于stack exchange，提问作者user518372