[裴礼文数学分析中的典型问题与方法习题参考解答]5.1.2

简介: 设 $\sed{a_n}$ 为等差数列, $a_{n+1}-a_n=d>0\ (n=1,2,\cdots)$, $m$ 为一正整数. 计算 $$\bex S=\vsm{n}\frac{1}{a_n\cdot a_{n+1}\cdots a_{n+m}}.

设 $\sed{a_n}$ 为等差数列, $a_{n+1}-a_n=d>0\ (n=1,2,\cdots)$, $m$ 为一正整数. 计算 $$\bex S=\vsm{n}\frac{1}{a_n\cdot a_{n+1}\cdots a_{n+m}}. \eex$$

 

解答: 由 $$\beex \bea \frac{1}{a_na_{n+1}\cdots a_{n+m}} &=\frac{a_{n+m}-a_n}{a_na_{n+1}\cdots a_{n+m}}\cdot \frac{1}{md} =\sex{\frac{1}{a_n\cdots a_{n+m-1}}-\frac{1}{a_{n+1}\cdots a_{n+m}}}\frac{1}{md},\\ S_N&=\sum_{n=1}^N \frac{1}{a_na_{n+1}\cdots a_{n+m}}\\ &=\frac{1}{md}\sex{\frac{1}{a_1\cdots a_m}-\frac{1}{a_{N+1}\cdots a_{N+1+m}}},\\ S&=\frac{1}{a_1\cdots a_m md}. \eea \eeex$$

目录
相关文章
|
JavaScript 中间件 网络架构
Nuxt.js:用 Vue.js 打造服务端渲染应用程序(一)
Nuxt.js:用 Vue.js 打造服务端渲染应用程序
|
存储 缓存 负载均衡
Nginx入门笔记
Nginx入门笔记
569 0
|
Linux
Win或Linux系统下用conda安装Open Babel
Win或Linux系统下用conda安装Open Babel
2439 0
Win或Linux系统下用conda安装Open Babel
|
网络协议 网络安全
SecureCRT远程端口转发不生效的解决方法
SecureCRT远程端口转发不生效的解决方法
968 0
SecureCRT远程端口转发不生效的解决方法
|
存储 Ubuntu Shell
Docker镜像与容器备份迁移(export、import与commit、save、load)
Docker镜像与容器备份迁移(export、import与commit、save、load)
3680 0
|
C++ Python
vsCode修改字体为JetBrains Mono (PyCharm默认字体)
vsCode修改字体为JetBrains Mono (PyCharm默认字体)
3924 0
vsCode修改字体为JetBrains Mono (PyCharm默认字体)
|
5月前
|
Unix Linux 程序员
Linux文本搜索工具grep命令使用指南
以上就是对Linux环境下强大工具 `grep` 的基础到进阶功能介绍。它不仅能够执行简单文字查询任务还能够处理复杂文字处理任务,并且支持强大而灵活地正则表达规范来增加查询精度与效率。无论您是程序员、数据分析师还是系统管理员,在日常工作中熟练运用该命令都将极大提升您处理和分析数据效率。
498 16
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
311 2
|
机器学习/深度学习 数据可视化 搜索推荐
Python在社交媒体分析中扮演关键角色,借助Pandas、NumPy、Matplotlib等工具处理、可视化数据及进行机器学习。
【7月更文挑战第5天】Python在社交媒体分析中扮演关键角色,借助Pandas、NumPy、Matplotlib等工具处理、可视化数据及进行机器学习。流程包括数据获取、预处理、探索、模型选择、评估与优化,以及结果可视化。示例展示了用户行为、话题趋势和用户画像分析。Python的丰富生态使得社交媒体洞察变得高效。通过学习和实践,可以提升社交媒体分析能力。
419 1
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了9种常见的蘑菇种类数据集【"香菇(Agaricus)", "毒鹅膏菌(Amanita)", "牛肝菌(Boletus)", "网状菌(Cortinarius)", "毒镰孢(Entoloma)", "湿孢菌(Hygrocybe)", "乳菇(Lactarius)", "红菇(Russula)", "松茸(Suillus)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,
1205 11
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能

热门文章

最新文章