所以收敛半径为 当时? 有
? 即收敛区间为
,由于级数
.
收敛,所以 级数
在
时也收敛.因此? 收敛
域为
?
例2 求幂级数
=
的收敛域?
解 因为
?
所以收敛半径为? 从而收敛域为?
例3 求幂级数的收敛半径?
解 因为
?
所以收敛半径为? 即级数仅在
处收敛?
例4 求幂级数
的收敛半径?
解 级数缺少奇次幂的项? 定理2不能应用? 可根据比值审敛法来求收敛半径?
幂级数的一般项记为
? 因为
?
当
即
时级数收敛? 当
即
时级数发散? 所以收敛半径为
?
3.3 幂级数的运算 设幂级数及
分别在区间
及
内收敛? 则在
与
的区间内有
加法? . 减法? .
乘法?
.
除法:
关于幂级数的和函数有下列重要性质: 性质1 幂级数的和函数在其收敛域上连续?
性质2 幂级数
的和函数
在其收敛域上可积? 并且有逐项积分公式
中较小
?
逐项积分后所得到的幂级数和原级数有相同的收敛半径?
性质3 幂级数
的和函数
在其收敛区间
内可导? 并且有逐项求导公式
逐项求导后所得到的幂级数和原级数有相同的收敛半径?
例6 求幂级数
的和函数?
? 设和函数为
? 即 ?
显然
? 在
的两边求导得:
?
?
解 求得幂级数的收敛域为
?
对上式从到积分? 得
?
于是? 当
时? 有
? 从而
?
提示? 应用公式? 即? ?
习题7-3
1.求下列幂级数的收敛区间 (1) (3) (5) (7)
; (2)
; (4); (6); (8)
; . ;
;
2. 利用逐项求导法或逐项积分法,求下列级数的和函数 (1)
; (2)
.
第4节 函数展开成幂级数
4.1函数展开成幂级数
给定函数
? 要考虑它是否能在某个区间内“展开成幂级数”? 就是说? 是否能找到这样一个幂级数?
? 如果能找到这样的幂级数? 我们就说?函数?
,
能展
它在某区间内收敛? 且其和恰好就是给定的函数开成幂级数? 而该级数在收敛区间内就表达了函数
如果则当
在点时?
的某邻域内具有各阶导数 在点
的泰勒多项式
成为幂级数
这一幂级数称为函数
显然? 当定理 设函数的充分必要条件是
时?
的泰勒级数? 的泰勒级数收敛于
外?
在点
的某一邻域
?
?
内具有各阶导数? 则当
证明 先证必要性? 设
又设而
是
的泰勒级数的前
项的和?则在
内 ?
的阶泰勒公式可写成
对一切
,于是
?
再证充分性? 设
因为即
的阶泰勒公式可写成
内收敛? 并且收敛于? 得
?
此级数称为
要把函数第一步 求出
的麦克劳林级数?
展开成的幂级数,可以按照下列步骤进行:
的各阶导数?
处的值?
?
第三步 写出幂级数
?
并求出收敛半径R?
第四步 考察在区间(
内时是否
?
是否为零? 如果
? 则
在
内有展开式
?
?
?
成立? ? 于是
,
的泰勒级数在在泰勒级数中取
在
内能展开为泰勒级数? 即
?
?
在该邻域内能展开成泰勒级数
的泰勒级数是否收敛? 如果收敛? 它是否一定收敛于
时的极限为零? 即
需要解决的问题? 除了
的泰勒公式中的余项
第二步 求函数及其各阶导数在
例1 试将函数展开成的幂级数?
? 因此
?
?得到幂级数
解 所给函数的各阶导数为
该幂级数的收敛半径? 由于对于任何有限的数(介于0与之间)? 有
?
而
? 所以
? 从而有展开式
例2 将函数 解 因为所以
顺序循环地取
展开成的幂级数?
?
? 于是得级数
?
它的收敛半径为? 对于任何有限的数(介于0与之间)? 有
?
?
因此得展开式
例3 将函数解
的各阶导数为
所以
且
于是得幂级数
?
以上例题是直接按照公式计算幂级数的系数,最后考察余项是否趋于零.这种直接展开的方法计算量较大,而且研究余项即使在初等函数中也不是一件容易的事.下面介绍间接展开的方法,也就是利用一些已知的函数展开式,通过幂级数的运算以及变量代换等,将所给函数展开成幂级数.这样做不但计算简单,而且可以避免研究余项.
例4 将函数展开成的幂级数? 解 已知
?
对上式两边求导得
展开成x的幂级数? 其中
为任意常数?
.
?
例5 将函数 解 因为
? 而
展开成的幂级数? 是收敛的等比级数
?
所以将上式从0到逐项积分? 得
上述展开式对连续?
常用展开式小结?
也成立? 这是因为上式右端的幂级数当
时收敛? 而
在
?
处有定义且
的和函数?
?
?
?
?
?
4.2 幂级数的展开式的应用
4.2.1 近似计算
有了函数的幂级数展开式,就可以用它进行近似计算,在展开式有意义的区间内,函数值可以利用这个级数近似的按要求计算出来.
例6 计算 解 因为
的近似值(误差不超过
)?
? 所以在二项展开式中取
? ?
这个级数从第二项起是交错级数, 如果取前差)
可算得
为了使误差不超过
? 只要取其前两项作为其近似值即可? 于是有
?
例7 利用
解 首先把角度化成弧度?
(弧度)
从而
(弧度)?
求
? 即
项和作为的近似值? 则其误差(也叫做截断误
的近似值? 并估计误差?