无穷级数写到第三篇主题基本已经锁定幂级数。前两篇一直在数项级数里打转正项级数用比值、根值、比较判别法轮番上阵交错级数交给莱布尼茨绝对收敛和条件收敛分清界限本质都是同一件事——给你一串固定的数判断它加起来收不收敛、收到多少。幂级数把难度往上抬了一层通项里多了 $x$ 的幂你判定的不再是一个数而是整段区间里的每一个 $x$。这就要求我们先划出这块地盘收敛半径与收敛域再研究地盘上这个函数长什么样和函数最后反过来把常见函数写成幂级数泰勒展开并拿它去做近似计算、控制误差。这篇文章就是把收敛半径怎么求、端点怎么单独判、和函数怎么凑、展开式怎么背、余项怎么估这几件事串成一条完整的操作链。如果你正在准备考研数学、期末复习或者工作中需要拿级数做数值估算这篇可以直接当流程手册用。1. 为什么第三篇才动幂级数1.1 从数项到函数这一步的思维跃迁前两篇处理的都是 $\sum u_n$这里的 $u_n$ 是写死的数。幂级数写成 $\sum_{n0}^{\infty} a_n (x-x_0)^n$形式上和数项级数只差一个因子 $(x-x_0)^n$但性质完全变了。同一个级数代 $x0.1$ 可能收敛得飞快代 $x2$ 可能直接发散代 $xR$半径端点还要单独拿出来判断。所以幂级数天然带一个定义域的概念这个定义域不是随手给的是被级数本身的收敛性逼出来的。我习惯把幂级数理解成一台函数加工机给定一串系数 $a_n$机器就吐出一个函数 $S(x)$但这台机器只在某个区间内开机出了区间它就罢工。第一篇讲的是这台机器会不会罢工第二篇讲的是罢工的判据有哪些第三篇才真正开始用这台机器干活——算函数值、做近似、求导积分。顺序不能颠倒因为后面的每一步操作都要先确认我在不在有效区间内。很多人卡在第三篇根子不在技巧而在没意识到区间先行这个原则。做题时一看是幂级数就急着套公式求导求和结果求出来的东西在端点不成立、在区间外发散白忙一场。所以我在下文里始终把先定域、后运算当成第一条纪律来写。1.2 幂级数要解决的四个核心问题把幂级数这一章的考点和实际用途摊开核心问题无非四个而且它们之间有严格的先后依赖关系。收敛半径是多少这决定地盘的直径方法有比值法、根值法缺项级数还要特殊处理。端点收不收敛半径只告诉你 $|x-x_0|R$ 内部绝对收敛两个端点 $xx_0 \pm R$ 必须代数项级数单独判这一步漏了收敛域就是错的。和函数怎么求地盘定了才轮到在这个地盘上求和函数主要靠逐项求导、逐项积分、配凑母级数三板斧。函数怎么展开这是反方向的问题把已知函数写成幂级数为的是做近似计算和误差估计。这四个问题的顺序不能乱。现实中我见过太多半径算错、端点没判、和函数乱凑的连锁翻车因为每一步都建立在上一题的结论上。下面几个章节就按这个顺序一层层拆。1.3 一个贯穿全篇的操作纪律先说清楚一条纪律后面反复要用任何对幂级数的逐项求导、逐项积分、逐项代入都必须在你已经确认的收敛区间内部进行。具体来说逐项求导和逐项积分不会改变收敛半径但可能改变端点处的收敛性——$xR$ 处原本收敛求导后可能发散原本发散积分后可能收敛。这不是小概率事件而是常见陷阱。举个我印象最深的例子$\sum_{n1}^{\infty} \frac{x^n}{n}$ 在 $x-1$ 处收敛交错调和级数在 $x1$ 处发散调和级数收敛域是 $[-1, 1)$。我一度想直接对它逐项求导得到 $\sum x^{n-1}$然后在 $x-1$ 处代值结果求导后级数在 $x-1$ 处是 $1-11-1\cdots$发散。求导这一步把端点性质改掉了。所以逐项求导后的结果只能在开区间 $(-1,1)$ 内使用端点得退回去重新讨论。这条纪律我写在最前面是因为它是后面所有实操的前提。2. 收敛半径幂级数的地盘是怎么划出来的2.1 阿贝尔定理给出的三段式结构幂级数的收敛性有一条非常漂亮的结构定理通常叫阿贝尔定理它把整个实数轴切成三段。设幂级数 $\sum_{n0}^{\infty} a_n (x-x_0)^n$。如果它在某点 $x_1 \neq x_0$ 处收敛那么在满足 $|x-x_0| |x_1-x_0|$ 的所有 $x$ 处它不仅收敛而且绝对收敛进一步在任何闭子区间 $|x-x_0| \le r |x_1-x_0|$ 上它还是一致收敛的。反过来如果它在某点 $x_2$ 处发散那么在所有 $|x-x_0| |x_2 - x_0|$ 的 $x$ 处必定发散。把这两句话合起来看就得到三段式靠近中心 $x_0$ 的一团绝对收敛远离中心的一团必定发散中间只剩一个临界值 $R$称为收敛半径。收敛区间就是 $(x_0-R, x_0R)$ 内部全部绝对收敛两端点状态未知、需要单判。这就是为什么求收敛域永远是先求半径再判两端两步走没有捷径。我见过有人想直接一次性判断整个区间结果在端点上反复出错就是因为忽略了阿贝尔定理只保证开区间的结论。提示阿贝尔定理的一致性结论在后续逐项积分、逐项求导里是合法性许可证考试里如果题目要求证明逐项积分成立往往要把这条定理搬出来。2.2 收敛半径的三种求法与适用场景标准幂级数每一项都带 $(x-x_0)^n$不跳幂次的收敛半径求法本质是数项级数的比值/根值判别法搬过来用。比值法设 $\lim_{n\to\infty} \left| \frac{a_{n1}}{a_n} \right| \rho$则 $R 1/\rho$约定 $\rho0$ 时 $R\infty$$\rho\infty$ 时 $R0$。根值法设 $\lim_{n\to\infty} \sqrt[n]{|a_n|} \rho$同样 $R 1/\rho$。柯西-阿达马公式$R 1 / \limsup_{n\to\infty} \sqrt[n]{|a_n|}$。这是最一般的形式前两个公式在极限存在时是它的特例。三种方法的取舍我总结成一张表做题时按这张表选就不会绕弯路。系数特征推荐方法理由与提醒$a_n$ 含 $n!$、$n^n$ 之类的连乘/乘方比值法阶乘比值约分干净一步到位$a_n$ 是 $n$ 次方形式如 $a_n (2^n 3^n)$根值法开 $n$ 次方直接把幂次拆开$a_n$ 是分式分子分母都是 $n$ 的多项式比值法或根值法皆可两者极限一致选算得顺手的级数缺项如只有 $x^{2n}$ 项都不能直接用必须令 $tx^m$ 换元或直接对通项做比缺项这一条要单独强调。比如 $\sum_{n1}^{\infty} \frac{x^{2n}}{n}$你如果硬套 $a_n 1/n$ 得到 $R1$虽然答案碰巧对但过程是错的——这里的系数其实是隔项非零的。正确的做法是令 $t x^2$级数变成 $\sum t^n / n$对 $t$ 的收敛半径是 1即 $|x^2|1$回到 $|x|1$所以 $R1$。如果直接对通项用比值判别$|u_{n1}/u_n| |x|^2 \cdot \frac{n}{n1} \to |x|^2$要求小于 1同样得 $|x|1$。两条路都通但都比乱套公式靠谱。2.3 端点判定最容易被漏掉的一步半径拿到手$x_0 \pm R$ 这两个点必须分别代入原级数变成一个普通的数项级数再判。这一步看着简单实际上是最容易丢分的地方因为两个端点的敛散性可以相同也可以不同没有规律可循只能老实算。拿几个经典级数对照着记效率最高幂级数收敛半径收敛域端点分析关键$\sum x^n$1$(-1,1)$两端通项都不趋于 0均发散$\sum \frac{x^n}{n}$1$[-1,1)$$x1$ 调和发散$x-1$ 交错收敛$\sum \frac{x^n}{n^2}$1$[-1,1]$两端都是 $p2$ 级数绝对收敛$\sum \frac{x^n}{\sqrt{n}}$1$[-1,1)$$x1$ 是 $p1/2$ 发散$x-1$ 交错收敛$\sum n! x^n$0${0}$半径为零只有中心点收敛$\sum \frac{x^n}{n!}$$\infty$$(-\infty,\infty)$半径无穷全轴收敛这张表建议直接背下来因为它同时覆盖了四种典型端点形态两端都发散、一端收敛一端发散两种方向、两端都收敛。考题里九成的端点判断都是这几个模式的变体认出来就能秒判。判断端点时有个判断顺序上的小技巧先看通项在端点处是否趋于零不趋于零直接判发散这是必要条件最省事趋于零再考虑莱布尼茨交错、$p$ 级数、比较判别法。比如 $\sum \frac{x^n}{n}$ 在 $x1$ 通项是 $1/n \to 0$不能靠必要条件判得用调和级数发散在 $x-1$ 通项是 $(-1)^n/n \to 0$ 且单调递减莱布尼茨直接判收敛。这个顺序能帮你省掉一半无效计算。3. 和函数的求法把级数当成函数来操作3.1 逐项求导与逐项积分的合法边界求和函数的核心武器是两个定理在收敛区间内部幂级数可以逐项求导、逐项积分且收敛半径保持不变。逐项求导后得到 $\sum n a_n (x-x_0)^{n-1}$逐项积分后得到 $\sum \frac{a_n}{n1}(x-x_0)^{n1} C$两者的收敛半径都和原级数一样。这里有一个很多人会混淆的点半径不变但端点的收敛性会变。前面已经举过 $\sum x^n/n$ 的例子再补一个方向相反的$\sum x^n$ 在 $x1$ 发散但逐项积分后得到 $\sum x^{n1}/(n1)$在 $x1$ 处变成 $\sum 1/(n1)$仍然发散这个方向没变而 $\sum (-1)^n x^n$ 在 $x1$ 处交错发散其实是 $(-1)^n$通项不趋于 0发散逐项积分后 $\sum (-1)^n x^{n1}/(n1)$ 在 $x1$ 处是交错调和收敛。所以端点性质求导、积分后都可能翻转用逐项运算求出的和函数只在开区间内成立端点是否成立要单独验证。这条限制在实际计算里通常不影响结果因为绝大多数题目要求的和函数本来就定义在开区间上但如果题目明确问$x1$ 处的和你就必须把端点单独拿出来讨论不能直接把内部的表达式代进去。3.2 五个母级数模板与配凑手法求和函数说白了就是把陌生级数往熟悉级数上凑。熟悉级数一共就那几个我称它们为母级数务必背到条件反射。$$ \sum_{n0}^{\infty} x^n \frac{1}{1-x}, \quad |x| 1 $$$$ \sum_{n1}^{\infty} n x^{n-1} \frac{1}{(1-x)^2}, \quad |x| 1 $$$$ \sum_{n1}^{\infty} \frac{x^n}{n} -\ln(1-x), \quad -1 \le x 1 $$$$ \sum_{n0}^{\infty} \frac{x^n}{n!} e^x, \quad -\infty x \infty $$$$ \sum_{n0}^{\infty} (-1)^n \frac{x^{2n1}}{(2n1)!} \sin x, \quad -\infty x \infty $$配凑的思路分几种情况。系数是常数倍直接提出来系数是 $n$ 的多项式先乘 $x$ 再求导或者先积分再求导指数上多出一个 $x^k$提出去或者换元。最典型的操作是处理 $\sum n^2 x^n$ 这种做法是把 $n^2$ 拆成 $n(n-1)n$因为 $\sum n(n-1)x^{n-2}$ 正好是 $\frac{1}{1-x}$ 求二阶导的结果。具体写一遍设 $S \sum_{n1}^{\infty} n^2 x^n$$|x|1$。第一步把系数拆开 $n^2 n(n-1) n$于是$$ S x^2 \sum_{n2}^{\infty} n(n-1)x^{n-2} x \sum_{n1}^{\infty} n x^{n-1} $$第一项里 $\sum n(n-1)x^{n-2}$ 是 $\frac{1}{1-x}$ 的二阶导数等于 $\frac{2}{(1-x)^3}$第二项是 $\frac{1}{(1-x)^2}$。合并$$ S \frac{2x^2}{(1-x)^3} \frac{x}{(1-x)^2} \frac{2x^2 x(1-x)}{(1-x)^3} \frac{x x^2}{(1-x)^3} $$这个结果在 $-1x1$ 内成立端点不成立因为端点处 $\sum n^2 x^n$ 的通项不趋于零原级数本身就发散。3.3 系数带 n、n² 时怎么处理系数越复杂配凑越要讲章法。我把常见系数形态和对应处理手法做成对照表遇到新题先对号入座。系数形态处理手法用到的母级数$a_n 1$直接用$\sum x^n$$a_n n$乘 $x$ 后求导$\sum x^n$ 的一阶导$a_n n^2$拆成 $n(n-1)n$二阶导加一阶导$\sum x^n$ 的二阶导$a_n \frac{1}{n}$直接积分$\sum x^{n-1}$ 积分$a_n \frac{1}{n1}$乘 $x$ 后积分或先积分再调整$\sum x^n$ 积分$a_n \frac{1}{n(n1)}$拆成 $\frac{1}{n} - \frac{1}{n1}$ 分别求和两个积分型母级数$a_n 2n1$拆成 $2n1$线性组合一阶导与常数级数其中裂项这一步在实战里特别有用。$\frac{1}{n(n1)} \frac{1}{n} - \frac{1}{n1}$ 这种拆法能把复合系数变成两个能用母级数直接写出的部分。我做过一道题求 $\sum_{n1}^{\infty} \frac{x^n}{n(n1)}$ 的和函数如果硬求导会越算越乱裂项之后两步就出结果收敛域也顺便看清楚了。注意裂项时要把 $n1$ 起点的通项和母级数的起点对齐母级数 $\sum_{n1}^{\infty} x^n/n$ 起点是 $n1$$\sum_{n0}^{\infty} x^n$ 起点是 $n0$起点错位会导致多出或漏掉常数项。我最初做这类题时最大的一类错误就是起点对不上结果差一个常数或者差一项反复检查才发现问题。3.4 数值验算别信手推跑一遍代码和函数推完之后强烈建议花两分钟做数值验算。方法很简单取区间内某个具体的 $x$用 Python 把原级数的前若干项加一遍再把求出来的和函数代入算一遍两个数应该对得上。这一步能抓住九成的符号错误和系数错误。import math def series_sum(x, terms5000): # 原级数 sum n^2 x^n手工指定项数 s 0.0 for n in range(1, terms 1): s n * n * x ** n return s def closed_form(x): # 推导结果 (x x^2) / (1 - x)^3 return (x x * x) / (1 - x) ** 3 for x in [0.3, 0.5, 0.7, -0.4]: a series_sum(x) b closed_form(x) print(fx{x:5} 级数{a:.10f} 闭式{b:.10f} 差{abs(a-b):.2e})跑出来四个点的差都在 $10^{-9}$ 量级以下说明这个和函数是对的。如果差在 $10^{-1}$ 甚至符号相反那基本就是推导错了。这套验算流程我用得很多尤其在考试前复习阶段它比反复看答案更能建立信心。4. 函数展开成幂级数从求和倒过来做4.1 直接展开法与间接展开法的取舍把函数 $f(x)$ 展开成幂级数方法有两条路。直接展开法是按泰勒公式硬算求 $f^{(n)}(x_0)$写出 $\sum \frac{f^{(n)}(x_0)}{n!}(x-x_0)^n$再验证余项 $R_n(x) \to 0$。间接展开法是利用已知展开式做代换、求导、积分、四则运算把目标函数凑成已知形式。直接法唯一的优点是理论上完备缺点是求高阶导数极其痛苦。$f(x) e^{x^2}$ 这样的函数直接求 $n$ 阶导数足以让人崩溃但用间接法把 $e^t$ 的展开式里 $t$ 换成 $x^2$ 就行一行搞定。所以实战原则很简单能用间接法就用间接法直接法只在题目明确要求用泰勒公式推导或者函数本身的高阶导数有明显规律时才用。4.2 必背展开式清单与收敛区间对照间接展开的前提是手里有足够多的母展开式。下面这张表是必须背下来的我把收敛区间也一起列上因为展开式的适用区间经常是考点。函数幂级数展开式收敛区间$\frac{1}{1-x}$$\sum_{n0}^{\infty} x^n$$(-1,1)$$\frac{1}{1x}$$\sum_{n0}^{\infty} (-1)^n x^n$$(-1,1)$$e^x$$\sum_{n0}^{\infty} \frac{x^n}{n!}$$(-\infty,\infty)$$\sin x$$\sum_{n0}^{\infty} \frac{(-1)^n x^{2n1}}{(2n1)!}$$(-\infty,\infty)$$\cos x$$\sum_{n0}^{\infty} \frac{(-1)^n x^{2n}}{(2n)!}$$(-\infty,\infty)$$\ln(1x)$$\sum_{n1}^{\infty} \frac{(-1)^{n-1} x^n}{n}$$(-1,1]$$-\ln(1-x)$$\sum_{n1}^{\infty} \frac{x^n}{n}$$[-1,1)$$\arctan x$$\sum_{n0}^{\infty} \frac{(-1)^n x^{2n1}}{2n1}$$[-1,1]$$(1x)^\alpha$$1 \sum_{n1}^{\infty} \frac{\alpha(\alpha-1)\cdots(\alpha-n1)}{n!} x^n$$\alpha0$ 时 $(-1,1]$否则 $(-1,1)$注意 $\ln(1x)$ 和 $-\ln(1-x)$ 这两行收敛区间不对称一个左开右闭一个左闭右开。这不是笔误是端点处通项敛散性不同导致的。考试里专门有题目问展开式在 $x1$ 处成立吗考的就是这个细节。4.3 展开过程中最容易翻车的三个细节细节一换元后区间要跟着变。把 $e^t$ 的展开式里 $t$ 换成 $-x^2$原来的 $t \in (-\infty,\infty)$ 换成 $x^2 \in (-\infty,\infty)$也就是 $x$ 全轴。但如果换成 $t 2x$那 $t$ 的收敛区间不变$x$ 的区间也不变。关键是换元的表达式是否把收敛区间压缩。细节二展开起点要统一。很多函数展开后需要把常数项单独拎出来比如把 $\frac{1}{1x^2}$ 展开成 $\sum (-1)^n x^{2n}$ 是 $n$ 从 0 开始但如果题目要写成 $\sum_{n1}^{\infty}$ 的形式就必须把 $n0$ 项也就是常数 1提出来写成 $1 \sum_{n1}^{\infty}(-1)^n x^{2n}$。少一个 1 或者多一个 1整道题就错。细节三系数里的 $n!$ 不要抄错位置。$\sin x$ 的展开式分母是 $(2n1)!$$\cos x$ 是 $(2n)!$这两个极容易搞混。检验方法是看首项$\sin x \approx x$所以 $n0$ 时通项应该是 $x^1/1! x$对应分母 $(2\cdot 0 1)! 1!$正确$\cos x \approx 1$$n0$ 时通项 $x^0/0! 1$正确。养成首项验算的习惯能挡掉很多手滑。提示间接展开做完后同样建议做数值验算。比如把 $\ln(1x)$ 展成级数后取 $x0.5$ 算前 20 项和math.log(1.5)比较差应该在合理范围内。这一步花不了多少时间但能立刻暴露系数和区间的错误。5. 幂级数做近似计算误差怎么控5.1 两类余项估计思路用幂级数做近似计算核心不是算得快而是算得准并且知道自己有多准。误差估计分两类情况。第一类是交错级数型余项。如果余项本身是一个满足莱布尼茨条件的交错级数那么余项的绝对值不超过第一个被舍弃项也就是截断后的下一项的绝对值。这个结论极其好用因为不需要任何额外计算直接把下一项拿出来当作误差上界就行。比如算 $\ln 2 1 - 1/2 1/3 - 1/4 \cdots$如果你取前 4 项误差就小于 $1/5 0.2$简单粗暴。第二类是正项级数型余项。余项全是正数没法用交错级数的漂亮结论需要靠放缩。常见手法有把余项中每一项的分母换成最小的那个或分子换成最大的那个放大成等比级数或者用积分估计 $\sum_{kn1}^{\infty} \frac{1}{k^p}$ 的尾部。前者操作简单适合 $q$ 型比值接近的级数后者精度更高适合需要严格上界的场合。5.2 算例把 ln2 算到小数点后 6 位直接用 $\ln 2 \sum_{n1}^{\infty} (-1)^{n-1}/n$ 去算收敛速度是 $1/n$ 级别要精确到 $10^{-6}$ 需要算大约一百万项完全不可行。这就是为什么必须换展开式。利用 $\ln\frac{1x}{1-x} \ln(1x) - \ln(1-x) 2\left(x \frac{x^3}{3} \frac{x^5}{5} \cdots\right)$。取 $x 1/3$左边就是 $\ln 2$。于是$$ \ln 2 2\left( \frac{1}{3} \frac{1}{3 \cdot 3^3} \frac{1}{5 \cdot 3^5} \frac{1}{7 \cdot 3^7} \cdots \right) $$这个级数每项大约乘上 $1/9$收敛极快。取前 7 项手算一下保留 9 位$1/3 0.333333333$$1/(3\cdot27) 0.012345679$$1/(5\cdot243) 0.000823045$$1/(7\cdot2187) 0.000065321$$1/(9\cdot19683) 0.000005645$$1/(11\cdot177147) 0.000000513$$1/(13\cdot1594323) 0.000000048$。求和得 $0.346573584$乘以 2 得 $0.693147169$。而真实值 $\ln 2 0.6931471806$前 6 位小数完全正确第 7 位开始有偏差。误差有多大下一项是 $1/(15 \cdot 3^{15})$乘 2 之后大约 $2/(15 \cdot 14348907) \approx 9.3\times 10^{-9}$和实际偏差 $1.2\times10^{-8}$ 量级一致。这就验证了交错型余项估计是可靠的。from fractions import Fraction def ln2_approx(n): x Fraction(1, 3) s Fraction(0) for k in range(n): s Fraction(1, 2 * k 1) * x ** (2 * k 1) return 2 * s true 0.6931471805599453 for n in [3, 5, 7, 9, 11]: v float(ln2_approx(n)) print(f取{n:3}项: {v:.12f} 误差 {abs(v - true):.2e})跑出来的误差序列大致是 $10^{-4}$、$10^{-6}$、$10^{-8}$、$10^{-10}$、$10^{-12}$ 量级每多取两项精度提升约 $10^2$和每项 $1/9$ 的衰减速率完全吻合两次项对应 $1/81 \approx 10^{-1.9}$。5.3 加速收敛的换元技巧上面这个换元本质上是用参数化把慢收敛级数改成快收敛级数。思路是$\ln\frac{1x}{1-x}$ 这个构造把两个对数差变成一个奇次幂的快速级数$x 1/3$ 时每项衰减 $1/9$。这个技巧可以再推广。选 $x$ 的原则是让 $x$ 尽可能小但左边必须能凑出你想算的数。算 $\ln 2$ 时只能用 $x 1/3$因为 $\frac{1x}{1-x}2$ 解得 $x1/3$。但如果算 $\ln 1.5$可以让 $\frac{1x}{1-x}1.5$解出 $x 0.2$每项衰减 $1/25$收敛更快。所以遇到对数计算题先解方程找最优的 $x$再列级数往往能把计算量压到最低。同样的思路也适用于 $\arctan$ 类级数。$\arctan 1 \pi/4$ 用 $\arctan x$ 的展开式在 $x1$ 处收敛极慢每项 $1/(2n1)$端点处是莱布尼茨型衰减只有 $1/n$实际计算要用 $\pi/4 \arctan(1/2) \arctan(1/3)$ 这样的分解让每一项的 $x$ 都远小于 1收敛速度立刻上去。这是数值计算里常见的角度分解技巧思路和 $\ln$ 的换元完全一致。目标量直接展开换元/分解后收敛速度对比$\ln 2$$1-1/21/3-\cdots$$2\sum \frac{(1/3)^{2k1}}{2k1}$$1/n$ 提升到 $9^{-k}$$\pi$$4\arctan 1$$4[\arctan(1/2)\arctan(1/3)]$$1/n$ 提升到 $(1/4)^k$ 量级$\sqrt{1.1}$直接代二项式二项式本身已够快每项衰减 $10^{-1}$ 量级6. 常见问题与排查实录6.1 高频错误速查表幂级数这块的错误高度集中我把这些年见过、自己犯过的都整理成一张排查表做题时对照检查。症状可能原因排查动作收敛域写成 $[x_0-R, x_0R]$漏判端点默认端点收敛两端代回原级数分别判定收敛半径算成 $1/\rho$ 的反数比值、根值结果取倒数时搞反用 $\sum x^n$ 做对照验算端点代入后算错混淆了逐项运算后的端点性质端点判断必须用原级数不用运算后的形式和函数差一个常数积分常数未确定或起点错位代入 $xx_0$ 定常数检查起点对齐展开式收敛区间写错忽略换元对区间的影响每次换元后重新推导区间近似计算误差不受控用了慢收敛形式且未估余项先换元加速再估余项上界$\sin$、$\cos$ 展开式分母写反$(2n1)!$ 与 $(2n)!$ 混淆用首项 $x$ 和 $1$ 做验算6.2 我踩过的几个坑第一个坑是收敛半径算完就以为收敛域定了。刚学的时候我做完半径就直接写 $(-R,R)$把端点当默认发散处理结果像 $\sum x^n/n^2$ 这种两端都收敛的题全错一整个单元分数都不好看。后来我强迫自己只要题目问收敛域动笔前先在草稿纸角落写上端点要判四个字这个习惯一养成正确率立刻上来。第二个坑是逐项求导后直接代端点。前面说过的 $\sum x^n/n$我在 $x-1$ 处逐项求导代值得到发散的结论然后反过来怀疑原级数在 $x-1$ 处也不收敛绕了一大圈。后来想明白了逐项求导只能保证在开区间内成立端点是独立事件必须退回原级数判断。这个教训我记了很久因为它不是计算错误而是概念上的混淆。第三个坑是展开式换元后区间忘改。把 $e^{x^2}$ 展开的时候我用 $e^t$ 的展开式$t$ 换成 $x^2$区间本来是 $t$ 的全轴到 $x$ 这里还是全轴没问题但后来处理 $\frac{1}{1-x^2}$ 时$t$ 换成 $x^2$$t$ 的区间是 $(-1,1)$那 $x^2$ 也得在 $(-1,1)$ 里也就是 $|x|1$。我一开始直接照抄写成 $(-\infty,\infty)$被这个错误坑了整整一道大题。第四个坑是近似计算的项数没有提前估。有一次算 $\ln 2$ 用交错级数算到 10 项心算以为够精确了结果只对到小数点后一位。后来学会先用余项公式估项数交错级数误差不超过第一项舍弃项想要 $10^{-6}$ 精度就要让舍弃项小于 $10^{-6}$也就是算到大约第 $10^6$ 项——这显然是荒谬的于是果断换展开式。这个先估再算的习惯救了我很多次尤其在考场上能避免在错误的展开形式上耗时间。第五个坑是把绝对收敛和条件收敛的判断混进端点讨论。端点处收敛只说明该点收敛不一定是绝对收敛。$\sum x^n/n$ 在 $x-1$ 处是条件收敛因为取绝对值后是调和级数发散。这个区别在黑板上写收敛域的时候经常被忽略但考试里确实有题目专门追问端点处的收敛性质。所以我的建议是判端点时顺手把绝对收敛还是条件收敛也标出来一步到位既不影响做题速度又能防住这类追问。最后一个算是偏工程的经验。如果不是为了考试而是真的要用级数算数值那么收敛速度和区间大小都要看不能只看收敛半径。半径是 1 的级数在靠近端点的位置可能几百万项才收敛而在靠近中心的位置几十项就够了。实际计算时先选一个让 $|x-x_0|$ 尽量小的展开点比死磕一个固定展开式有用得多。这是我在用级数做数值估算时最实在的一条体会。