Mathematica 9 is now available
THIS IS DOCUMENTATION FOR AN OBSOLETE PRODUCT.
SEE THE DOCUMENTATION CENTER FOR THE LATEST INFORMATION.
Mathematica > 数学和算法 > 微积分 > Sum () >

Sum

Sum
求和式 的值.
Sum
开始求值.
Sum
使用步长 求值.
Sum
用连续值 .
Sum
求多重和式 的值.
Sum
给出不定和 .
  • Sum 可被输入为 .
  • 可被输入为 Esc sum Esc\[Sum].
  • Sum 可被输入为 .
  • 在常规输入中,上下限应为 的底标和顶标,而被嵌入其它文本中时为下标和上标.
  • Sum 用标准 Mathematica 迭代指定.
  • 迭代变量 i 被当作局部变量,相当于使用 Block.
  • 如果一个和式的范围是有限的,通常把 赋给一个由值组成的序列,对每个值计算 .
  • 在多重求和中,最外层变量的范围首先应被给定.  »
  • 求和上下限不必是数. 它们可以是 Infinity 或符号表达式.  » »
  • 如果通过相加有限项,还是不能得出结果,Sum 会尝试给出符号解,在这种情况下,f 首先进行符号运算.
  • 定义了不定和 ,以便相对于 i 的差给出 f.  »
  • 定和不定总和可以以任何顺序混合使用.  »
  • 下列选项可给予:
Assumptions$Assumptions参数的假设
GenerateConditionsFalse是否产生涉及参数条件的答案
MethodAutomatic使用的方法
RegularizationNone使用什么方案正规化
VerifyConvergenceTrue是否验证收敛
  • Regularization 的可能值包括 None. 在多重和中,对不同的变量指定不同的方案.
  • Method 用指定的方法执行求和.
  • Method->{"strategy", Method->{"meth1", "meth2", ...}} 使用方法 ,用指定的策略方法控制.
  • 可能的策略方法包括:
按顺序尝试每种方法,直到某一种成功
按顺序尝试每种方法,返回最好结果
同时尝试每种方法,直到某一种成功
同时尝试每种方法,返回最好结果
使用迭代变量求和
  • 指定的方法包括:
Automatic自动选择的方法
特别有限超几何项求和
无限超几何项求和
一般明确超几何项求和
明确超几何项求和
基于水平集计数方案的求和
l对数系列求和
周期函数求和
多伽玛级数表示法求和
多伽玛积分表示法求和
多伽玛部分求和
多项式求和
多项式指数总和
多项式三角求和
程序地计算总和
无限 q 超几何项求和
明确 q 超几何项求和
q 有理函数求和
有理指数总和
有理函数求和
有理三角求和
基于查表求和
  • Sum 可完成标准参考手册中给出的所有求和.
数值和:
符号和:
Esc sum Esc 输入 和用 Ctrl+_ 输入下限,然后用 Ctrl+% 输入上限:
无穷和:
不定和:
上的多重和先执行:
数值和:
In[1]:=
Click for copyable input
Out[1]=
 
符号和:
In[1]:=
Click for copyable input
Out[1]=
 
Esc sum Esc 输入 和用 Ctrl+_ 输入下限,然后用 Ctrl+% 输入上限:
In[1]:=
Click for copyable input
Out[1]=
 
无穷和:
In[1]:=
Click for copyable input
Out[1]=
 
不定和:
In[1]:=
Click for copyable input
Out[1]=
In[2]:=
Click for copyable input
Out[2]=
 
上的多重和先执行:
In[1]:=
Click for copyable input
Out[1]=
在有限范围上的有限和:
使用步长2:
使用元素列表:
绘制序列和部分和:
在有限范围上的多重和:
使用不同的步长:
最外层的和限可能依靠内部变量:
列表和标准迭代范围的组合和:
迭代列表中的元素可以是任何表达式:
无限范围上的和:
无限范围上的多元和:
符号范围上的和:
不定和:
差相当于加数:
不定和的差为有限和:
多元不定和:
混合不定和有限和:
使用 GenerateConditions 获得答案是正确的的条件:
Refine 或简化导致的答案:
使用 Assumptions 直接提供对 Sum 的假设:
不定和可能不收敛:
使用 Regularization 给某些不定和分配一个有限值:
表达式和一般函数的差:
多项式可以分为几个多项式的和:
分解多项式:
指数序列(几何级数):
基为2对求和象基为对积分一样发挥同样的作用:
FibonacciLucasL 是基于 GoldenRatio的指数序列:
指数多项式可以用几个指数多项式来求和:
有理函数可以用有理函数和 PolyGamma 来求和:
一个有理函数的每个差分可以求和得到一个有理函数:
一般来说,答案涉及到 PolyGamma
可对每个有理函数进行求和:
一些有理指数函数可以用初等函数进行求和:
一般来说,答案涉及到特殊函数:
可对每个有理指数函数进行求和:
三角函数的多项式可以用三角函数求和:
乘以多项式:
乘以指数:
乘以指数和多项式:
超几何项序列:
对所有超几何项序列, DiscreteRatio 是有理数:
许多函数给出超几何项:
任何乘积是超几何项:
超几何项的差求和为超几何项:
一般需要另外的特殊函数:
对数求和:
某些 ArcTan 的总和可以用 ArcTan 来表达:
ArcCot 的总和也一样:
某些有指数的三角求和运用三角表达方式:
PolyGamma 和其他表达式的乘积:
HarmonicNumberZeta 有和 PolyGamma 序列类似的表现:
Q多项式函数:
多基的q多项式函数:
混合多基的q多项式函数:
Q有理函数:
一般情况下,需要 QPolyGamma 来表达答案:
双曲线函数的有理函数可以简化为q有理总和:
Q 超几何项:
完整序列一般化超几何项序列:
可对任何完整序列求和:
许多特殊函数是完整的:
周期序列:
定期乘以一个可求和序列:
多项式求和仍为多项式:
多项式指数求和仍为多项式指数:
获得可求和的条件:
总可以对有理函数进行求和:
一般情况下,需要 RootSum 表达式:
某些有理指数函数求和为有理指数:
一般情况下,结果需要 LerchPhi
不定和往往更简单:
三角多项式可以用三角函数来求和:
乘以多项式:
乘以有理函数:
乘以指数:
多项式和有理函数的对数总是可以被求和:
在无限的情况下,也存在收敛性分析:
某些超几何项求和仍为超几何项:
一般情况下,需要 HypergeometricPFQ 函数:
PolyGamma 和其他表达式的乘积:
组合有理数和有理指数:
ZetaHarmonicNumber 与其他表达式的乘积:
这些通常称为欧拉和:
StirlingS1 和列,行,对角线一起乘以其他表达式:
StirlingS2 也同样:
周期序列乘以其他表达式:
不定和往往更简单:
几个变量的初等函数:
按步长 2 求和:
对任意列表的元素求和:
双倍的无穷和:
使用 Assumptions 对不定对数总和获得一个更简单的答案:
产生一个求和的收敛条件:
对参数 a 的某些值,在这个有理求和中的加数是奇异的:
不同的方法可能会产生不同的结果:
结果应该是相同的:
许多求和可能不收敛:
通过使用 Regularization,许多求和可以给出答案:
每当求和收敛,正规化的价值是相同的:
默认情况下,执行收敛测试:
没有收敛测试,发散的求和可能会返回一个答案:
找到自然数幂求和的表达式:
验证一个众所周知的恒等式:
计算有限几何级数的总和:
计算无限几何级数的总和:
找到一个幂级数的总和和收敛半径:
研究帕斯卡尔三角形的属性:
对帕斯卡尔三角形中任何行的数求和是2 的幂:
对帕斯卡尔三角形中任何行的数交替求和是 0:
对帕斯卡尔三角形中第 行的数的平方求和是 Binomial
泊松分布的均值和方差都等于泊松参数:
计算黎曼总和近似:
用 Ramanujan 公式计算 的近似值:
找到 CatalanNumber 的生成函数:
构建函数的泰勒近似:
NSum 用数值方法计算和:
N 应用到为计算和上,等价用 NSum
DifferenceDelta 是不定求和的逆操作:
有限求和:
Sum 实际上求解一个特殊的微分方程,类似用 RSolve
可用几种求和变换包括 ZTransform
Sum 使用 SumConvergence 创造无穷级数收敛的条件:
Series 计算有限幂级数的展开:
SeriesCoefficient 计算第 i 个幂级数系数:
FourierSeries 计算有限傅立叶级数展开:
Total 对一个列表中的元素求和:
Accumulate 产生一个列表的部分和:
求和可能不收敛:
使用 Regularization 可能给出一个有限值:
上求和极限假设为从下极限的一个整数距离:
使用 GenerateConditions 得到明确的假设:
一般情况下,上极限假设为从下极限的一个 距离的倍数:
使用 GenerateConditions,假设是明确的:
Gaussian 函数的阶距表示为 EllipticTheta 函数:
版本 1 的新功能 | 版本 7 修改功能
Ask a question about this page  |  Suggest an improvement  |  Leave a message for the team
格式:   HTML  |  CDF