1 基本定义
1.1 调和级数的形式
调和级数通常指无穷级数 \[ 1+\frac12+\frac13+\frac14+\cdots=\sum_{n=1}^{\infty}\frac1n。 \] 它的各项都为正，且随 \(n\) 增大逐渐变小，但这并不足以保证级数收敛。调和级数是研究级数收敛性时最常见、也最具代表性的例子之一。
1.2 前n项和与部分和
调和级数的前 \(n\) 项和记作 \[ H_n=\sum_{k=1}^{n}\frac1k。 \] 这种有限和称为部分和。随着 \(n\) 增加，\(H_n\) 单调递增，但增长速度很慢。部分和的行为是判断调和级数性质的核心内容。
1.3 调和级数与调和数
有限和 \(H_n\) 也常被称为第 \(n\) 个调和数。调和数在代数、组合数学和分析中都很常见，常用于描述某些平均增长规律。调和级数则是这些调和数对应的无穷延伸。
1.4 广义调和级数
广义调和级数通常写作 \[ \sum_{n=1}^{\infty}\frac1{n^p}, \] 其中 \(p\) 为实数参数。它是调和级数的自然推广，能统一讨论不同幂次衰减下的收敛与发散现象。
1.4.1 p-级数的特例关系
上述形式正是典型的 \(p\)-级数。其收敛性完全取决于参数 \(p\)：当 \(p>1\) 时收敛，当 \(p\le 1\) 时发散。调和级数对应的是其中最关键的临界情况。
1.4.2 当p=1时的特殊情形
当 \(p=1\) 时，广义调和级数退化为标准调和级数 \[ \sum_{n=1}^{\infty}\frac1n。 \] 这时每一项衰减得恰好“太慢”，使得整个级数不收敛，因此常被视为幂级数型收敛判别的分界点。
2 收敛性与发散性
2.1 发散性的基本结论
调和级数发散，即其部分和 \(H_n\) 随 \(n\to\infty\) 不断增大，并且没有上界。虽然各项趋于零，但累积起来的总量仍然无限大。
2.2 项趋于0但级数仍发散
调和级数最重要的教育意义之一在于说明：单项 \(1/n\) 趋于 0，并不意味着级数收敛。级数是否收敛，取决于项的衰减速度是否足够快，而不是仅看极限是否为零。
2.3 比较判别法证明
可将调和级数与更容易分析的发散级数进行比较。例如把项按区间分组，可证明其部分和不可能有界。由于每组都贡献一个不小的正量，因此整体必然发散。
2.4 积分判别法证明
考虑函数 \(f(x)=1/x\)，它在 \(x\ge1\) 上正、单调递减。利用积分判别法，有 \[ \int_1^n \frac{dx}{x}=\ln n。 \] 由于该积分随 \(n\) 增大而无界，便可推出调和级数也发散。
2.5 分组证明法
2.5.1 经典二分分组
将各项按 \[ 1,\quad \frac12,\quad \left(\frac13+\frac14\right),\quad \left(\frac15+\cdots+\frac18\right),\quad \left(\frac19+\cdots+\frac1{16}\right),\dots \] 分组。每一组中的项数翻倍，而每项都不小于该组最后一项，因此每组和至少为 \(1/2\)。无限多个这样的组累加，便得到发散。
2.5.2 对发散速度的直观解释
分组法揭示了调和级数的“慢发散”特征：虽然每一项很小，但经过成倍扩展的分组后，仍会不断累积出固定规模的增量。它的增长不快，却始终不停止。
3 部分和的性质
3.1 部分和增长趋势
调和数 \(H_n\) 随 \(n\) 增加而单调上升。尽管上升缓慢，但长期来看没有封顶。这种增长通常被形容为“无界但极慢”，在许多估计问题中都很有用。
3.2 与对数函数的关系
调和部分和与自然对数有紧密联系，经典近似为 \[ H_n\approx \ln n+\gamma。 \] 这说明调和级数的增长速率与对数同阶，是数学中最典型的对数增长实例之一。
3.3 调和数的渐近展开
更精细地说，调和数满足渐近展开 \[ H_n=\ln n+\gamma+\frac1{2n}-\frac1{12n^2}+\cdots。 \] 该展开可用于高精度估计部分和，并反映出误差项随 \(n\) 增大而迅速减小。
3.3.1 欧拉-马歇罗尼常数
\(\gamma\) 称为欧拉-马歇罗尼常数，定义为 \[ \gamma=\lim_{n\to\infty}\left(H_n-\ln n\right)。 \] 它是分析学中的重要常数，在数论、特殊函数和渐近分析中频繁出现。
3.3.2 误差项估计
当用 \(\ln n+\gamma\) 近似 \(H_n\) 时，误差大约是 \(1/(2n)\) 量级。进一步使用更高阶展开项，可以显著提高估计精度，这在数值计算和理论推导中都很实用。
3.4 部分和的上下界
利用积分比较可得 \[ \ln(n+1)\le H_n \le 1+\ln n。 \] 这些简单界估说明，调和数与对数函数之间只差一个有界常数项，因此其增长速度远慢于线性函数。
4 相关判别与比较
4.1 与几何级数的对比
几何级数的项按固定比例衰减，只要公比绝对值小于 1，便会快速收敛；而调和级数的项只按 \(1/n\) 衰减，速度明显不足。两者对比常用于强调“衰减形式”对收敛性的决定作用。
4.2 与p-级数的对比
\(p\)-级数中，\(p>1\) 时收敛，\(p=1\) 时发散，\(p<1\) 时更明显地发散。调和级数位于这一判别的临界边界，因此在理论上具有分界线意义。
4.3 与积分的比较
将离散求和与连续积分比较，是研究调和级数的标准方法。因为 \(1/x\) 的积分发散，所以对应的求和也发散；反过来，积分还可提供部分和的近似和误差控制。
4.4 与单调递减正项级数的关系
对于单调递减且为正的级数，积分判别法尤其有效。调和级数正是这类级数的代表，常被用来说明：即使项正且单调趋零，也仍可能发散。
5 推广与变体
5.1 奇数项调和级数
只取奇数项得到 \[ 1+\frac13+\frac15+\cdots。 \] 该级数同样发散，只是增长更慢。它与全体调和级数相比，反映了“稀疏取样”并不会自动带来收敛。
5.2 交错调和级数
交错调和级数写作 \[ 1-\frac12+\frac13-\frac14+\cdots。 \] 由于正负项交替出现，其性质与原调和级数不同，成为理解条件收敛的经典范例。
5.2.1 收敛性
交错调和级数满足莱布尼茨判别法：项的绝对值单调递减且趋于 0，因此级数收敛。
5.2.2 条件收敛
它并非绝对收敛，因为绝对值级数正是调和级数，而后者发散。因此交错调和级数是典型的条件收敛级数。
5.3 加权调和级数
加权调和级数是指在 \(1/n\) 的基础上乘以某种权重函数，例如 \[ \sum \frac{a_n}{n}。 \] 这类级数的收敛性取决于权重 \(a_n\) 的变化方式，常见于分析和数论中的精细估计问题。
5.4 多重调和级数
多重调和级数指含有多个求和指标的调和型级数，通常用于研究多个变量共同衰减时的总体行为。
5.4.1 双调和级数
双调和级数可形如 \[ \sum_{m=1}^{\infty}\sum_{n=1}^{\infty}\frac1{mn}。 \] 它与一维调和级数的乘积结构相关，常出现在多重求和与解析展开中。
5.4.2 高维推广
在更高维情形下，可以考虑多指标上的 \(1/(n_1n_2\cdots n_k)\) 型求和。此类推广在多变量分析、特殊函数和组合恒等式中具有一定价值。
6 应用
6.1 数论中的应用
调和级数及其部分和在数论中常用于估计整除性、素数分布相关的和式，以及一些算术函数的平均行为。它的对数增长常作为粗略估计的基准。
6.2 概率论中的应用
在概率论中，调和型和式常出现于随机过程、等待时间和某些期望值计算中。其慢增长特征可用于描述“越来越稀薄但仍持续累积”的随机现象。
6.3 计算机科学中的应用
调和级数在算法分析中经常出现，例如分治过程、哈希冲突、排序和树结构分析中的期望代价估计。许多平均复杂度结果最终都会归结为调和和式。
6.4 算法复杂度分析中的出现
在复杂度分析中，\(H_n\) 常作为 \(O(\log n)\) 级别项出现。比如某些循环嵌套、随机选择或均摊分析中，逐步累加的成本可能正比于调和数。
6.5 近似计算与估计问题
由于调和数可用对数和常数项近似，实际计算中常通过 \( \ln n+\gamma \) 来替代直接求和。这种方法在高阶估算、误差控制和数值实验中都非常方便。
7 历史与发展
7.1 早期研究
调和级数的发散性在早期分析发展中就已被认识。它作为一个看似简单却结果出人意料的例子，长期用于说明无穷过程中的直觉误区。
7.2 欧拉对调和级数的贡献
欧拉系统研究了调和数与对数函数之间的关系，并引入了后来的欧拉-马歇罗尼常数相关思想。他对级数、积和公式及渐近展开的处理，推动了调和级数进入更成熟的分析框架。
7.3 现代分析中的地位
在现代分析中，调和级数是收敛性理论、渐近分析和特殊函数研究中的基础对象。它不仅是经典教材中的标准例题，也在多个分支领域持续发挥作用，成为连接离散求和与连续分析的重要桥梁。