적분 판정법
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
적분 판정법은 급수의 수렴 여부를 판별하는 데 사용되는 방법으로, 감소하는 양의 실수 값을 갖는 함수와 관련된 급수와 이상 적분의 수렴성을 연결한다. 이 판정법은 급수 ∑f(n) 가 수렴하는 것과 이상 적분 ∫f(x)dx 가 수렴하는 것이 동치임을 보여준다. 또한, p-급수와 일반화된 p-급수와 같은 특정 급수의 수렴성을 판별하는 데 활용되며, 조화 급수와 리만 제타 함수를 예시로 들 수 있다.
더 읽어볼만한 페이지
- 수렴판정법 - 아벨-디니-프링스하임 판정법
아벨-디니-프링스하임 판정법은 급수의 수렴성을 판정하는 수학적 정리들을 포괄하는 용어로, 수렴 및 발산 급수에 대한 조건과 관계를 제시하며 19세기와 20세기에 아벨, 디니, 프링스하임 등의 수학자들이 기여하여 발전했다. - 수렴판정법 - 디리클레 판정법
디리클레 판정법은 0으로 수렴하는 단조 수열과 유계인 부분합을 갖는 수열의 곱으로 이루어진 급수의 수렴성을 판정하는 방법으로, 급수와 이상 적분, 함수열의 균등 수렴성 판단에도 활용된다. - 적분학 - 미적분학
미적분학은 미분과 적분이라는 두 연산을 중심으로 하는 수학 분야로, 여러 고대 문명에서 기원하여 뉴턴과 라이프니츠에 의해 체계화되었고, 함수의 변화율과 면적을 계산하며, 다양한 분야에 응용된다. - 적분학 - 절대 수렴
절대 수렴은 급수의 각 항에 절댓값을 취한 급수가 수렴하는 경우를 의미하며, 실수 또는 복소수 급수에서 절대 수렴하면 원래 급수도 수렴하고, 바나흐 공간에서는 절대 수렴하는 급수가 수렴한다.
적분 판정법 | |
---|---|
개요 | |
유형 | 수열의 수렴 판정법 |
분야 | 해석학 |
관련 항목 | 급수 (수학) |
설명 | |
내용 | 단조 감소하는 양항 수열의 수렴 여부를 판정하는 방법 |
조건 | 함수 f(x)가 구간 [1, ∞)에서 정의되고 단조 감소하며, f(n) = aₙ을 만족해야 함 적분 ∫₁^∞ f(x) dx가 수렴하면 급수 ∑ aₙ도 수렴함 적분 ∫₁^∞ f(x) dx가 발산하면 급수 ∑ aₙ도 발산함 |
주의사항 | 함수 f(x)는 연속 함수여야 함 급수의 첫째항부터가 아니라 유한 개의 항을 제외한 나머지 항에 대해서만 단조 감소해도 판정법을 적용 가능함 |
예시 | 급수 ∑ 1/n^p (p > 1)는 수렴함 급수 ∑ 1/n (p = 1)는 발산함 |
활용 | |
활용 예시 | p-급수의 수렴, 발산 판정에 활용 |
2. 정의와 증명
음이 아닌 실수 값 감소함수
:
:
가 주어졌다고 하자. (특히, 는 임의의 에서 리만 적분 가능하다.) '''적분 판정법'''에 따르면, 다음 두 조건이 서로 동치이다.[7]
또한, (수렴 여부와 관계 없이) 다음 부등식이 성립한다.
:
음이 아닌 실수 항 급수의 합과 음이 아닌 실수 값 리만 적분 가능 함수의 이상 적분의 값은 음이 아닌 확장된 실수로서 항상 존재하며, 이들의 수렴 여부는 합이나 적분 값의 유한한지 여부와 동치이다. 임의의 및 에 대하여,
:
이다. 위의 리만 적분을 취하면
:
이 된다. 에 대한 급수를 취하면
:
이 된다. 이는
:
임에 따른다. 따라서, 만약
:
라면
:
이며, 만약
:
라면
:
이다. 즉, 수렴 여부가 동치다.
정수 과 무한 구간 에서 정의된 함수 가 주어지며, 이 구간에서 함수는 단조 감소 함수이다. 그러면 무한 급수
:
는 다음의 부정 적분이
:
유한할 필요충분조건으로 실수로 수렴한다. 특히, 적분이 발산하면 급수 또한 발산한다.
적분 판정법의 증명은 비교 판정법을 사용하여 이라는 항을 구간 과 에서 의 적분과 각각 비교한다.
단조 함수 는 거의 어디에서나 연속이다. 이를 증명하기 위해,
:라고 하자.
모든 에 대해, 의 조밀 집합에 의해, 를 만족하는 가 존재한다.
이 집합은 가 에서 불연속일 때 정확히 열린 집합인 비어 있지 않은 구간을 포함한다. 위 조건을 만족하고, 열거 에서 가장 작은 인덱스를 가진 유리수로 를 고유하게 식별할 수 있다. 가 단조 함수이므로, 이는 단사 함수 함수 를 정의하며, 따라서 는 가산 집합이다. 따라서 는 거의 어디에서나 연속이다. 이는 리만 적분 가능성에 충분하다.[5]
가 단조 감소 함수이므로, 다음을 알 수 있다.
:
그리고
:
따라서, 모든 정수 에 대해,
:
그리고, 모든 정수 에 대해,
:
에서 어떤 더 큰 정수 까지의 모든 에 대해 합하면,
:
그리고
:
이 두 추정치를 결합하면 다음과 같다.
:
을 무한대로 보내면, 경계와 결과가 도출된다.
2. 1. 상세 증명
음이 아닌 실수 값 감소함수 가 주어졌을 때, 는 임의의 에서 리만 적분 가능하다.[7][8] 이때, 급수 가 수렴하는 것과 이상 적분 가 수렴하는 것은 서로 동치이다.[7][8]음이 아닌 실수 항 급수의 합과 음이 아닌 실수 값 리만 적분 가능 함수의 이상 적분의 값은 음이 아닌 확장된 실수로서 항상 존재하며, 이들의 수렴 여부는 합이나 적분 값의 유한한지 여부와 동치이다. 임의의 및 에 대하여, 이 성립한다. 위의 리만 적분을 취하면, 이 된다. 에 대한 급수를 취하면, 이 된다. 이는[7][8]
:
임에 따른다.
따라서, 라면 이며, 라면 이다. 즉, 수렴 여부가 동치이다.[7][8]
또한, (수렴 여부와 관계 없이) 다음 부등식이 성립한다.[7][8]
:
이 증명은 비교 판정법을 사용하여 이라는 항을 구간 과 에서 의 적분과 각각 비교하여 얻을 수 있다. 가 단조 감소 함수이므로, 다음이 성립한다.
:
:
따라서, 모든 정수 에 대해, 이고, 모든 정수 에 대해, 이다.
에서 어떤 더 큰 정수 까지의 모든 에 대해 합하면,
:
:
이 두 추정치를 결합하면 이다. 을 무한대로 보내면, 경계와 결과가 도출된다.
2. 2. 추가 설명
많은 교과서에서는 함수 f가 양수일 것을 요구하지만,[1][2][3] f가 음수이고 감소할 때 Σf(n)과 ∫f(x)dx 둘 다 발산하므로 이 조건은 실제로 필요하지 않다.[4] 함수 f(x)가 증가하면 함수 -f(x)는 감소하므로 위의 정리가 적용된다.3. 활용
적분 판정법은 다양한 급수의 수렴 여부를 판정하는 데 활용된다.
==== 예시 1: p-급수 ====
급수
:
는 '''p-급수'''(조화 급수]]
:
는 인 경우이므로 발산한다. 반면,
:
(리만 제타 함수 참조)는 에 대해 이므로 수렴한다.
==== 예시 2: 일반화된 p-급수 ====
급수
:
를 생각하자. 일 때 수렴하며, 일 때 발산한다. 이 급수는 비교 판정법에 의하여, 이면 수렴, 이면 발산한다.
인 경우, 적분 판정법에 따라, 급수의 수렴 여부는 이상 적분
:
의 수렴 여부와 같다.
이는
:
임에 따른다. 만약 이라면,
:
이다. 만약 이라면,
:
이다.
따라서, 이 급수는 이거나 , 일 때 수렴하며, , 이거나 일 때 발산한다. 비 판정법·근 판정법·라베 판정법은 이 급수의 수렴 여부를 알아낼 수 없다. 베르트랑 판정법의 증명은 이 급수의 에 따른 수렴 여부에 기반한다.
마찬가지로, 급수
:
4. 역사
5. 한국의 관점
6. 같이 보기
참조
[1]
서적
Calculus: Metric Version
Cengage
2021
[2]
서적
An Introduction to Analysis
Pearson Education
2004
[3]
서적
Thomas' Calculus: Early Transcendentals
Pearson Education
2018
[4]
웹사이트
Why does it have to be positive and decreasing to apply the integral test?
https://math.stackex[...]
2020-03-11
[5]
간행물
A Proof of the Lebesgue Condition for Riemann Integrability
1936-09
[6]
문서
"''k'' {{=}} 1 のときの結果は、素数の逆数和が発散することの証明とも関係がある。{{仮リンク|素数の逆数和の発散|en|Divergence of the sum of the reciprocals of the primes}}を参照。"
[7]
서적
Principles of mathematical analysis
http://www.mcgraw-hi[...]
2014-10-06
[8]
서적
Analysis I
2016
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com