شما در حال مطالعه نسخه آفلاین یکی از مطالب «مجله فرادرس» هستید. لطفاً توجه داشته باشید، ممکن است برخی از قابلیتهای تعاملی مطالب، مانند امکان پاسخ به پرسشهای چهار گزینهای و مشاهده جواب صحیح آنها، نمایش نتیجه آزمونها، پاسخ تشریحی سوالات، پخش فایلهای صوتی و تصویری و غیره، در این نسخه در دسترس نباشند. برای دسترسی به نسخه آنلاین مطلب، استفاده از کلیه امکانات آن و داشتن تجربه کاربری بهتر اینجا کلیک کنید.
در راستای معرفی مفاهیم مربوط به سری، آزمونهای ریشه و انتگرال را معرفی کردیم. اما این آزمونها تنها اطلاعاتی در مورد وضعیت همگرایی سریها به ما داده و میگویند که یک سری همگرا یا واگرا است. از این رو در این مطلب قصد داریم تا در مورد روشهای تخمین سری صحبت کنیم. البته پیشنهاد میکنیم قبل از مطالعه، مطالب آزمون ریشه، آزمون انتگرال و آزمون مقایسه سری را مطالعه فرمایید.
قبل از این که در مورد بدست آوردن مقدار یک سری صحبت کنیم، اجازه دهید تا همگرایی سری را توضیح دهیم. بدین منظور در ابتدا سری n=1∑∞an را در نظر بگیرید. فرض کنید این سری به مقدار s همگرا است. این همگرایی به معنای آن است که اگر دنباله sn را به صورت زیر در نظر بگیریم:
عبارت فوق به معنای آن است که به ازای انتخاب nهای به اندازه کافی بزرگ، دنباله sn را میتوان همگرا به s در نظر گرفت. بنابراین یکی از روشهای حدس زدن مقدار سری به این صورت است. در حقیقت میتوان بخشی از سری را محاسبه کرده و آن را به عنوان تخمینی از پاسخ یک سری همگرا در نظر گرفت. بنابراین اگر مقدار n به اندازه کافی بزرگ در نظر گرفته شود، میتوان از تقریب زیر بهره برد.
sn≈s
روش فوق، یکی از روشهای حدس زدن پاسخ یک سری محسوب میشود. اما سوالاتی که در مورد این روش مطرح میشود این است که چه زمانی میتوان از این روش بهره برد و اینکه به ازای تعداد مشخصی از جملات، پاسخ تخمین زده شده به چه میزان نسبت به پاسخ دقیق خطا دارد؟ به منظور یافتن پاسخ این سوالات در ابتدا یک سری بینهایت را به صورت زیر در نظر بگیرید.
i=1∑∞ai=i=1∑nai+i=n+1∑∞ai
با نگاه به رابطه فوق میبینید که ترمِ اول همان sn است. عبارت دوم در رابطه فوق نیز تحت عنوان باقیمانده شناخته شده که آن را با Rn نمایش میدهند. مقدار Rn نشاندهنده خطای بین مقدار تخمینی (sn) و مقدار واقعی (s) است. با این فرضیات رابطه فوق را میتوان به صورت زیر بازنویسی کرد.
s=sn+Rn
از این رو در عبارت فوق مقدار Rn به ما میزان اختلاف بین مقدار حدس زده شده و مقدار واقعی سری را نشان میدهد. بدیهی است که ما نمیتوانیم مقدار دقیق Rn را تعیین کنیم. دلیل این امر آن است که مقدار دقیق s قابل تشخیص نیست. از این رو در ابتدا باید با استفاده از آزمونهای مطرح شده، از وضعیت همگرایی سری اطمینان حاصل کرد. پس از تعیین وضعیت همگرایی میتوان بهتر در مورد مقدار همگرایی تصمیم گرفت.
چندین آزمون به منظور بدست آوردن مقدار باقیمانده وجود دارد. در ادامه هریک از این روشها به همراه مثال بررسی شدهاند.
آزمون انتگرال
توجه داشته باشید که تنها زمانی میتوان از این آزمون استفاده کرد که جملات سری مثبت و کاهشی باشند. آزمون انتگرال از این واقعیت ناشی میشود که میتوان حد سری را به صورت مساحت زیر تابع f(n)=an در نظر گرفت.
در ادامه خواهید دید که میتوان با بدست آوردن حدود بالا و پایین باقیمانده، حدود بالا و پایینی برای sn نیز تعریف کرد. عکس این گزاره نیز صحیح است. در حقیقت میتوان با محدود کردن مقدار سری در یک بازه، مقدار باقیمانده را نیز محدود کرد. در ابتدا باقیمانده را به صورت زیر باز میکنیم.
Rn=i=n+1∑∞ai=an+1+an+2+an+3+an+4+⋯
حال اگر مقدار x را از x=n+1 در نظر بگیریم، در این صورت میتوان مطابق شکل زیر مستطیلهایی به عرض 1 در نظر گرفته که ارتفاع سمت چپ مستطیل نیز برابر با مقدار تابع f(n) خواهد بود.
همانطور که در شکل فوق نیز مشخص شده، مقدار حاصل جمع مستطیلها از مقدار انتگرال زیر نمودار بیشتر شده است. بنابراین حد پایین مقدار باقیمانده را میتوان به صورت زیر بیان کرد:
Rn≥∫n+1∞f(x)dx
حال میتوان نقطه شروع را از x=n در نظر گرفت. در این صورت میتوان عرض مستطیلها را برابر با 1 در نظر گرفته و نقاط سمت راست را برابر با ارتفاع مستطیلها فرض کرد. در این صورت مساحت مستطیلها کمتر از مساحت زیر منحنی خواهد بود.
همچنین حد بالای باقیمانده نیز برابر خواهد بود با:
Rn≤∫n∞f(x)dx
با توجه به حدود بدست آمده، مقدار باقیمانده در بازه زیر قرار خواهد داشت.
∫n+1∞f(x)dx≤Rn≤∫n∞f(x)dx
بنابراین با محاسبه دو انتگرال فوق میتوان محدودهای از مقدار باقیمانده را یافت. حال به منظور تخمین سری، از رابطه زیر استفاده میکنیم (این رابطه در بالا توضیح داده شده).
s=sn+Rn
در این مرحله با استفاده از نامساوی Rn≥∫n+1∞f(x)dx میتوان حد پایین s را به صورت زیر بیان کرد:
s=sn+Rn≥sn+∫n+1∞f(x)dx
به همین صورت حد بالای s نیز برابر است با:
s=sn+Rn≤sn+∫n∞f(x)dx
با ترکیب این حدود، بازه s برابر میشود با:
sn+∫n+1∞f(x)dx≤s≤sn+∫n∞f(x)dx
با بدست آمدن مقادیر بالا و پایین سری میتوان میانگین این حدود را به عنوان تخمینی برای سری در نظر گرفت. البته مقدار بدست آمده دقیق نخواهد بود و تنها تخمینی از مقدار سری محسوب میشود.
مثال ۱
با استفاده از 15 جمله اول، مقدار سری n=1∑∞n21 را بیابید. فرض کنید پاسخ دقیق این سری برابر با 1.644934068 است.
از طرفی با میانگینگیری از حدود نامساوی فوق، مقدار s برابر میشود با:
s≈1.6450236165
همانطور که میبینید با استفاده از آزمون انتگرال، مقدار بدست آمده، به پاسخ اصلی بسیار نزدیک است. بنابراین با روش آزمون انتگرال به منظور پیشبینی مقدار سری آشنا شدید. در ادامه در مورد استفاده از روش آزمون مقایسه برای تخمین مقدار سری بحث خواهیم کرد.
آزمون مقایسه
دقت پاسخ بدست آمده وابسته به روش استفاده از آزمون مقایسه است. در ابتدا اجازه دهید تا این آزمون را مرور کنیم. از این رو تصور کنید که سری همچون ∑an داده شده و با استفاده از آزمون مقایسه، همگرایی آن اثبات شده است. بنابراین سری همچون ∑bn یافته شده که به ازای تمامی مقادیر n، مقدار an کمتر از bn است. توجه داشته باشید که تمامی جملاتِ an و bn باید مثبت باشند.
هدف از آزمون مقایسه، تعیین بیشترین خطای ممکن بین دو مقدارِ sn=i=1∑nai و پاسخِ واقعی s=i=1∑∞ai است. در این روش نیز از مفهوم باقیمانده (یا همان خطا) به منظور تخمین مقدار سری استفاده میکنیم. باقیماندههای دو سری را به صورت زیر نشان میدهیم.
Rn=i=n+1∑∞aiTn=i=n+1∑∞bi
با توجه به نامساوی an≤bn، نامساوی زیر را نیز میتوان برای باقیماندهها بیان کرد:
Rn≤Tn
معمولا در هنگام استفاده از این روش، تحلیل ترم bn راحت بوده، از این رو میتوان مقداری مناسب را برای عدد Tn حدس زد. دقیقا همانند آزمون انتگرال، با تحلیل مقدار مساحت نیز میتوان حد بالای Tn را بدست آورد. بنابراین نهایتا حد بالا و پایین Tn برابرند با:
$$ \large \boxed { { R _ n } \le { T _ n } \le \int _ { { \, n } } ^ { \infty } { { g \left ( x \right ) \, d<br />
x } } \hspace {0.25in} \hspace {0.25in} {\mbox{where }} g \left ( n \right ) = { b _ n }} $$
«مجید عوضزاده»، فارغ التحصیل مقطع کارشناسی ارشد رشته مهندسی مکانیک از دانشگاه تهران است. فیزیک، ریاضیات و مهندسی مکانیک از جمله مباحث مورد علاقه او هستند که در رابطه با آنها تولید محتوا میکند.
شما در حال مطالعه نسخه آفلاین یکی از مطالب «مجله فرادرس» هستید. لطفاً توجه داشته باشید، ممکن است برخی از قابلیتهای تعاملی مطالب، مانند امکان پاسخ به پرسشهای چهار گزینهای و مشاهده جواب صحیح آنها، نمایش نتیجه آزمونها، پاسخ تشریحی سوالات، پخش فایلهای صوتی و تصویری و غیره، در این نسخه در دسترس نباشند. برای دسترسی به نسخه آنلاین مطلب، استفاده از کلیه امکانات آن و داشتن تجربه کاربری بهتر اینجا کلیک کنید.