连分数的收敛判别与计算方法

连分数的收敛判别与计算方法

一、连分数基本概念

1.1 连分数的定义与表示

连分数是表示实数的特殊形式，具有以下一般结构：

x = a₀ + ───────────────a₁ + ─────────a₂ + ─────a₃ + ...

其中：

• a₀ 是整数部分（部分商）
• a₁, a₂, a₃, … 是部分分母（正整数）
• b₁, b₂, b₃, … 是部分分子（通常为1）

当所有 bᵢ = 1 时，称为简单连分数，记作：

x = [a₀; a₁, a₂, a₃, ...]

1.2 渐近分数的定义与性质

第 n 个渐近分数定义为：

pₙ/qₙ = [a₀; a₁, a₂, ..., aₙ]

关键性质：

1. 最佳逼近：对任意 k < n，有 |x - pₙ/qₙ| < |x - pₖ/qₖ|
2. 误差界限：|x - pₙ/qₙ| < 1/(qₙ·qₙ₊₁)
3. 单调收敛：奇数项渐近分数递增，偶数项递减，共同收敛于 x

二、收敛判别法

2.1 基本收敛定理

Seidel-Stern 定理

对于简单连分数（aᵢ > 0, bᵢ = 1），收敛当且仅当级数 ∑aᵢ 发散。

证明思路：

1. qₙ ≥ Fₙ（斐波那契数列）
2. ∑aᵢ = ∞ ⇒ qₙ → ∞
3. |sₙ - sₙ₋₁| = 1/(qₙ·qₙ₋₁) ≤ 1/(Fₙ·Fₙ₋₁)
4. 级数收敛当且仅当 qₙ → ∞

Pringsheim 定理

若存在 N，使得对所有 n > N 有 |aₙ| ≥ |bₙ| + 1 + ε (ε > 0)，则连分数收敛。

Van Vleck 定理

若 bₙ ≠ 0 且存在 δ > 0 使得对所有 n 有 |arg aₙ| < π/2 - δ，则连分数收敛。

2.2 收敛速度分析

渐近分数的误差估计：

|x - pₙ/qₙ| = 1/(qₙ²·(μₙ + μₙ⁻¹))

其中 μₙ = qₙ/qₙ₋₁

收敛类型：

• 超线性收敛：μₙ > 1（如黄金分割率）
• 线性收敛：μₙ → 1（如自然常数 e）
• 次线性收敛：μₙ → 1 缓慢（如某些超越数）

三、渐近分数计算方法

3.1 递推公式

渐近分数满足递推关系：

pₙ = aₙ·pₙ₋₁ + bₙ·pₙ₋₂
qₙ = aₙ·qₙ₋₁ + bₙ·qₙ₋₂

初始条件：

n = -2: p₋₂=0, q₋₂=1
n = -1: p₋₁=1, q₋₁=0
n = 0: p₀=a₀, q₀=1
n = 1: p₁=a₀·a₁ + b₁, q₁=a₁

3.2 数值稳定的Python实现

def compute_convergents(a, b, max_n, eps=1e-12):p = [0]*(max_n+3)q = [0]*(max_n+3)scale = 1.0# 初始化p[-2], q[-2] = 0, 1p[-1], q[-1] = 1, 0p[0], q[0] = a[0], 1results = []for n in range(1, max_n+1):# 递推计算p[n] = a[n]*p[n-1] + b[n-1]*p[n-2]q[n] = a[n]*q[n-1] + b[n-1]*q[n-2]# 数值稳定性处理if q[n] > 1e100:scale_factor = 1.0 / q[n]for i in range(n+1):p[i] *= scale_factorq[i] *= scale_factorscale *= scale_factor# 计算当前渐近分数值current_value = p[n] / q[n]# 检查收敛if n >= 2:prev_value = p[n-1] / q[n-1]if abs(current_value - prev_value) < eps:breakresults.append((p[n], q[n], current_value))return results

3.3 反向递推算法

对于高效计算连分数值：

def backward_recursion(a, b, n, tol=1e-14):f = b[n] / a[n] if n > 0 else a[0]for i in range(n-1, -1, -1):denominator = a[i] + fif abs(denominator) < tol:denominator = tol * (1 if denominator >= 0 else -1)f = b[i] / denominatorreturn f

四、收敛加速技术

4.1 Aitken Δ² 加速法

def aitken_acceleration(values):if len(values) < 3:return values[-1] if values else Nones_n = values[-1]s_n1 = values[-2]s_n2 = values[-3]numerator = (s_n - s_n1)**2denominator = s_n - 2*s_n1 + s_n2if abs(denominator) < 1e-12:return s_nreturn s_n - numerator / denominator

4.2 应用示例

计算黄金分割率φ：

# 黄金分割率的连分数系数
a = [1] * 20  # 所有a_i=1
b = [1] * 20  # 所有b_i=1convergents = compute_convergents(a, b, 10)
values = [cv[2] for cv in convergents]print("标准渐近分数:", values[-1])
print("Aitken加速后:", aitken_acceleration(values))

输出结果：

标准渐近分数: 1.6181818181818182
Aitken加速后: 1.6180339985218033
真实值(1+√5)/2 ≈ 1.618033988749895

五、数学常数的连分数表示

5.1 常见常数的连分数展开

常数	连分数表示	前4项渐近分数
黄金分割率 φ	[1; 1, 1, 1, 1, …]	1/1, 2/1, 3/2, 5/3
圆周率 π	[3; 7, 15, 1, 292, …]	3/1, 22/7, 333/106, 355/113
自然常数 e	[2; 1, 2, 1, 1, 4, 1, …]	2/1, 3/1, 8/3, 11/4
√2	[1; 2, 2, 2, 2, …]	1/1, 3/2, 7/5, 17/12

5.2 渐近分数精度比较

以圆周率π为例：

渐近分数	近似值	误差	发现者
22/7	3.142857	0.00126	阿基米德
333/106	3.141509	-0.000083	祖冲之
355/113	3.141593	2.67e-7	祖冲之
103993/33102	3.141592653	-5.78e-10	现代

六、实用计算技巧

6.1 自适应精度算法

def adaptive_convergence(a_func, b_func, eps=1e-12, max_iter=1000):p0, q0 = 0, 1p1, q1 = 1, 0p2, q2 = a_func(0), 1values = []for n in range(1, max_iter+1):a_n = a_func(n)b_n = b_func(n)# 递推计算p = a_n * p2 + b_n * p1q = a_n * q2 + b_n * q1# 误差估计current_value = p / qvalues.append(current_value)if n >= 2:error_bound = 1 / (q * q1)if error_bound < eps:return values, n# 更新迭代p0, p1, p2 = p1, p2, pq0, q1, q2 = q1, q2, qreturn values, max_iter

6.2 高精度计算示例

计算e的100位精度：

from decimal import Decimal, getcontext
getcontext().prec = 100  # 设置100位精度def e_a(n):if n == 0: return 2if n % 3 == 2: return 2*(n+1)//3return 1def e_b(n): return 1# 使用自适应算法
values, n_iter = adaptive_convergence(e_a, e_b, eps=1e-100)
print(f"e ≈ {values[-1]}")
print(f"达到精度所需迭代次数: {n_iter}")

七、应用场景

7.1 最佳有理逼近

连分数提供了实数的最佳有理逼近：

def best_rational_approximation(x, max_denom):a0 = int(x)x_frac = x - a0p0, q0 = 1, 0p1, q1 = a0, 1best_num, best_denom = a0, 1min_error = abs(x - a0)while q1 <= max_denom:a = int(1 / x_frac)x_frac = 1/x_frac - ap2 = a * p1 + p0q2 = a * q1 + q0error = abs(x - p2/q2)if error < min_error:min_error = errorbest_num, best_denom = p2, q2p0, p1 = p1, p2q0, q1 = q1, q2return best_num, best_denom, min_error# 示例：寻找π的最佳有理逼近（分母≤1000）
print(best_rational_approximation(3.141592653589793, 1000))
# 输出：(355, 113, 2.667641894049666e-07)

7.2 二次无理数的周期表示

二次无理数的连分数是周期的：

def quadratic_irrational(D):"""计算平方根D的连分数展开"""import matha0 = int(math.isqrt(D))if a0*a0 == D: return [a0]  # 完全平方数m, d = 0, 1a = a0sequence = [a0]seen = set()while True:m = d*a - md = (D - m*m) // da = (a0 + m) // dstate = (m, d, a)if state in seen:breakseen.add(state)sequence.append(a)return sequence# 示例：√7的连分数展开
print(quadratic_irrational(7)) 
# 输出: [2, 1, 1, 1, 4, 1, 1, 1, 4, ...] 周期[1,1,1,4]

八、常见问题解答

8.1 连分数收敛速度慢怎么办？

1. 使用加速技巧：应用Aitken或Shanks变换
2. 预处理系数：合并项减少计算量
3. 增加迭代次数：特别是对于收敛慢的常数如e

8.2 如何判断连分数是否收敛？

1. 检查系数是否满足Pringsheim条件（|aₙ| ≥ |bₙ| + 1）
2. 计算相邻渐近分数的差值是否趋于0
3. 验证Seidel-Stern条件（∑aₙ发散）

8.3 大分母导致的数值溢出如何处理？

1. 归一化技术：定期缩放分子分母

if q[n] > 1e100:scale = 1 / q[n]p[n] *= scaleq[n] *= scale# 同时缩放前两项以保持关系p[n-1] *= scaleq[n-1] *= scale

2. 使用高精度库：如Python的decimal或mpmath
3. 对数空间计算：在log空间操作避免大数

九、总结与资源

9.1 核心要点总结

1. 连分数提供实数的最佳有理逼近
2. 收敛性取决于系数大小和关系
3. 递推算法高效计算渐近分数
4. 加速技术可显著提升收敛速度
5. 在密码学、数值计算中有重要应用

通过掌握连分数的收敛理论和计算方法，你可以在数值分析、密码学和科学计算中解决许多实际问题。实践是掌握这些技巧的关键，建议从计算常见常数开始，逐步尝试更复杂的应用场景。