You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

含正弦余弦函数的序列求和当x→∞时的渐近行为求解策略

求解该求和式渐近行为的策略

针对当$x \to \infty$时,求和式
$$\sum_{1\leq n\leq x}\frac{(\sin \left(\frac{\pi}{4n}\right))^{\cos \left(\frac{\pi}{4n}\right)}}{(\cos \left(\frac{\pi}{4n}\right))^{\sin \left(\frac{\pi}{4n}\right)}}$$
的渐近行为分析,我整理了一套分步求解的策略,具体如下:

1. 对通项做小变量泰勒展开

当$n$趋向无穷大时,$t = \frac{\pi}{4n}$会趋近于$0^+$,直接处理原函数$f(t)=\frac{(\sin t)^{\cos t}}{(\cos t)^{\sin t}}$的展开比较麻烦,先取对数转化为加法形式会更简单:

令$g(t) = \ln f(t) = \cos t \cdot \ln \sin t - \sin t \cdot \ln \cos t$,我们可以利用基本三角函数和对数函数的泰勒展开式,把$g(t)$在$t=0$附近展开到足够高阶的小量:

  • $\sin t = t - \frac{t^3}{6} + o(t^3)$,$\ln \sin t = \ln t - \frac{t^2}{6} + o(t^2)$
  • $\cos t = 1 - \frac{t^2}{2} + o(t^2)$,$\ln \cos t = -\frac{t^2}{2} - \frac{t^4}{12} + o(t^4)$

将这些代入$g(t)$逐项计算后,再指数化还原得到$f(t)$的展开式:
$$f(t) = t \left(1 - \frac{t^2}{6} - \frac{t^2}{2}\ln t + \frac{t^3}{2} + o(t^2 \ln t)\right)$$

把$t = \frac{\pi}{4n}$代入,就能得到求和通项的展开:
$$a_n = f\left(\frac{\pi}{4n}\right) = \frac{\pi}{4n} - \frac{\pi3}{384n3} - \frac{\pi3}{128n3}\ln n + \frac{\pi4}{512n4} + o\left(\frac{\ln n}{n^3}\right)$$

2. 用积分近似与已知求和渐近式处理各项

把求和式拆成多个分项的和,分别处理每一项的渐近行为:

  • 主导项:$\sum_{n=1}^x \frac{\pi}{4n}$是调和数的倍数,调和数$H_x$的渐近展开为$H_x = \ln x + \gamma + \frac{1}{2x} - \frac{1}{12x^2} + o\left(\frac{1}{x^2}\right)$,其中$\gamma$是欧拉-Mascheroni常数。
  • 多项式倒数项:像$\sum_{n=1}^x \frac{1}{n3}$、$\sum_{n=1}x \frac{1}{n4}$这类求和,可以用黎曼ζ函数的渐近展开,比如$\sum_{n=1}x \frac{1}{n^k} = \zeta(k) + O\left(\frac{1}{x^{k-1}}\right)$,更高阶的修正项可以通过欧拉-麦克劳林公式得到。
  • 含对数的项:$\sum_{n=1}^x \frac{\ln n}{n3}$这类求和,可以先通过积分近似$\int_1x \frac{\ln t}{t3}dt$得到主导部分,再用欧拉-麦克劳林公式补充修正项,最终得到$\sum_{n=1}x \frac{\ln n}{n^3} = \zeta'(3) + \frac{\ln x}{2x^2} + \frac{1}{4x^2} + o\left(\frac{\ln x}{x^2}\right)$($\zeta'(s)$是黎曼ζ函数的导数)。

3. 合并所有分项的渐近结果

把各个分项的渐近展开式代入原求和式,按阶数从高到低合并同类项,就能得到整个求和式的完整渐近行为。比如:

  • 最主导的项是$\frac{\pi}{4}\ln x$
  • 紧随其后的常数项是$\frac{\pi}{4}\gamma$
  • 然后是$\frac{\pi}{8x}$这类$O\left(\frac{1}{x}\right)$的项
  • 再往后是包含$\frac{\ln x}{x2}$和$\frac{1}{x2}$的项,以此类推。

4. 数值验证修正

为了确保展开的准确性,可以取较大的$x$(比如$x=1000$)计算求和式的精确值,和渐近展开的前几项结果对比,验证误差是否符合我们给出的余项阶数。如果误差偏大,就需要检查泰勒展开的阶数是否足够,或者求和近似的修正项是否遗漏。

内容的提问来源于stack exchange,提问作者user243301

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.05.19 06:37:27