等比级数：公式、收敛性与示例

一份关于等比级数的实用指南，涵盖有限与无限求和公式、收敛条件，以及其在金融、物理与计算机科学中的实际应用。

更新 2026年5月4日 · 8分钟读

有没有想过，1 + 2 + 4 + 8 + ... 这样的一串数，如何用一个简洁的公式来表示？

级数就是把一个数列的项加在一起。当每一项都通过乘以同一个数来得到下一项时，这个级数就是等比级数。这个恒定的乘数称为公比，它是整个结构的关键。

等比级数无处不在，从贷款还款、信号衰减，到算法分析。掌握它们是处理数据时必备的数学技能。

本文将介绍关键公式，解释无限等比级数何时会有有限和，并通过真实示例加以说明。

如果您掌握了 Python 基础，就可以学习更有趣的内容了。欢迎报名我们的 16 小时 Machine Learning Fundamentals in Python 课程。

什么是等比级数？

等比级数是这样一类项的和：每一项都通过将前一项乘以一个常数比得到。

例如，1 + 2 + 4 + 8 + 16。每一项都是前一项的两倍。这个翻倍的因素使其成为等比。

每个等比级数由两个值决定：

首项（a）——级数的起始值
公比（r）——从一项得到下一项所乘的常数倍

如果 a = 1 且 r = 2，就得到 1 + 2 + 4 + 8 + ...。如果 a = 3 且 r = 0.5，就得到 3 + 1.5 + 0.75 + ...。结构始终相同。

这就是核心思想。任何等比级数都只是从 a 出发，每一步按 r 缩放的重复乘法。

等比数列 vs 等比级数

这两个术语常被混用，但一句话就能说明区别。

等比数列只是一个数字列表：1, 2, 4, 8, 16；等比级数是把它们加起来：1 + 2 + 4 + 8 + 16 = 31。

数字相同，操作不同。数列是列出，级数是求和。

有限等比级数的公式

前 n 项等比级数的和由下式给出：

前 n 项求和公式

其中：

a = 首项
r = 公比
n = 项数

来看一个简单示例。求 1 + 2 + 4 + 8 的前 4 项和。此时，a = 1，r = 2，n = 4。

等比级数简单示例

您可以手算验证：1 + 2 + 4 + 8 = 15。公式一步到位，尤其在 n 很大时意义更大。

无限等比级数与收敛

有个看似反常的概念：无限级数也可能有一个有限的和。

例如 1 + 0.5 + 0.25 + 0.125 + ...。您可以一直加下去，但总和永远不会超过 2。因为每一项都比前一项更小——小到使得总和趋向一个固定值，而不是无限增大。

这种行为称为收敛，且只在一个条件下发生：|r| < 1。

当公比介于 -1 与 1 之间（不含端点）时，随着级数推进，每一项都会缩小。各项趋近于 0，也就意味着再加入的项对总和的贡献越来越小。于是总和趋于稳定。

如果 |r| ≥ 1，各项不会变小。它们要么保持不变，要么变大，总和就会不断增长。这是发散级数——没有有限的和。

要注意 r 两侧的绝对值符号。公比为 -0.5 也会收敛，因为各项虽正负号交替，但仍在缩小并趋向 0。

无限等比级数的公式

当 |r| < 1 时，可以用一个公式求无限等比级数的和：

无限等比级数求和公式

其中 a 为首项，r 为公比。就这样——无需 n，因为级数不会停止。

让我们用上一节的示例：1 + 0.5 + 0.25 + 0.125 + ...。此时，a = 1 且 r = 0.5。

无限等比级数示例

无限和正好是 2。您可以一直加下去，也不会超过它。

需要强调的是，该公式仅在 |r| < 1 时有效。如果级数发散，公式将不再适用，并给出无意义的结果。使用前务必先检查收敛条件。

为什么收敛性重要

并非所有的无限级数都会得到有限的和。有些只会不断增长。

以 1 + 2 + 4 + 8 + ... 为例。这里 r = 2，意味着每一项都比前一项更大。其和没有上界——无限增大。这是发散级数，套用无限和公式只会得到没有意义的结果。

当 r = 1 时同样如此。级数 3 + 3 + 3 + 3 + ... 永不停累加，因此不存在有限的和。

这就是为什么在使用公式前检查 |r| < 1 是必不可少的。如果级数发散，公式并不会以显而易见的方式“报错”——它只是给出一个看起来合理、实则完全错误的数字。

Python 中的等比级数

让我们把目前为止的内容都写成代码。我们将实现有限和与无限和公式，验证结果，并可视化随着加入更多项，部分和的变化情况。

有限等比级数

实现有限等比级数公式所需的 Python 逻辑如下：

def finite_geometric_sum(a, r, n):
    if r == 1:
        return a * n
    return a * (1 - r**n) / (1 - r)

result = finite_geometric_sum(a=1, r=2, n=4)
print(f"Finite sum (a=1, r=2, n=4): {result}")

Python 中的有限等比级数

无限等比级数

对于无限级数也类似，只需在违反约束时抛出错误：

def infinite_geometric_sum(a, r):
    if abs(r) >= 1:
        raise ValueError(f"Series diverges for |r| >= 1. Got r={r}.")
    return a / (1 - r)

# Example: 1 + 0.5 + 0.25 + ... (a=1, r=0.5)
result = infinite_geometric_sum(a=1, r=0.5)
print(f"Infinite sum (a=1, r=0.5): {result}")

Python 中的无限等比级数

当 |r| >= 1 时，该函数会抛出错误，以免悄无声息地得到错误答案。

可视化收敛

精彩之处在这里。对于收敛的级数，随着 n 增大，部分和应当逼近理论极限。我们来作图展示。

import numpy as np
import matplotlib.pyplot as plt

COLOR_DARK = "#1a1a2e"
COLOR_GREEN = "#03EF62"
COLOR_LIGHT_GRAY = "#cccccc"

a, r = 1, 0.5
n_terms = 30
theoretical_limit = infinite_geometric_sum(a, r)

# Compute partial sums
terms = a * r ** np.arange(n_terms)
partial_sums = np.cumsum(terms)

# Plot
fig, ax = plt.subplots(figsize=(10, 5), facecolor=COLOR_DARK)
ax.set_facecolor(COLOR_DARK)

ax.plot(range(1, n_terms + 1), partial_sums, color=COLOR_GREEN, linewidth=2, label="Partial sums")
ax.axhline(y=theoretical_limit, color=COLOR_LIGHT_GRAY, linewidth=1, linestyle="--", label=f"Limit = {theoretical_limit}")

ax.scatter(range(1, n_terms + 1), partial_sums, color=COLOR_LIGHT_GRAY, s=30, zorder=3)

# Style
for spine in ax.spines.values():
    spine.set_visible(False)
ax.spines["bottom"].set_visible(True)
ax.spines["bottom"].set_color(COLOR_LIGHT_GRAY)
ax.spines["bottom"].set_alpha(0.3)

ax.tick_params(colors=COLOR_LIGHT_GRAY)
ax.xaxis.label.set_color(COLOR_LIGHT_GRAY)
ax.yaxis.label.set_color(COLOR_LIGHT_GRAY)
ax.set_xlabel("Number of terms")
ax.set_ylabel("Partial sum")
ax.set_title("Convergence of geometric series (a=1, r=0.5)", color=COLOR_LIGHT_GRAY, pad=15)

legend = ax.legend(facecolor=COLOR_DARK, edgecolor=COLOR_LIGHT_GRAY, labelcolor=COLOR_LIGHT_GRAY)
legend.get_frame().set_alpha(0.3)

plt.tight_layout()
plt.show()