积分号下求导是微积分和数学分析中求含参积分的导数的一种方法。对于函数
F(t)=∫abf(x,t)dx,
这一方法旨在论证以下恒等式成立:
F′(t)=∫ab∂t∂f(x,t)dx.
这种交换在适当的正则性或可积性条件下成立,但并非总是成立。如果积分上下限也依赖于参数,还会出现额外的边界项。所得公式通常称为莱布尼茨积分法则,以戈特弗里德·威廉·莱布尼茨的名字命名。
除了计算导数,这一方法还可用于计算定积分:引入一个参数,可以将难以计算的积分转化为导数较为简单的含参积分,再对参数积分,便可还原原来的表达式。
固定积分上下限
一个初等版本适用于有限区间。设 I 为参数取值的开区间,并假设 f(x,t) 及其偏导数 ∂tf(x,t) 在 [a,b]×I 上连续。那么
F(t)=∫abf(x,t)dx
在 I 上连续可微,且
F′(t)=∫ab∂tf(x,t)dx.
在每个参数值附近的紧矩形上,连续性提供了交换求导与积分所需的一致控制。这些假设是便于使用的充分条件,而非必要条件:即使被积函数不连续或无界,上述恒等式也可能成立。
例如,
F(t)=∫01etxdx
满足
F′(t)=∫01xetxdx.
尽管其显式表达式
F(t)=tet−1,t=0,
在 t=0 处看似存在奇点,但积分定义在该处仍然表现良好。
基于控制收敛的定理
更一般的表述使用测度论和勒贝格积分。设 (X,A,μ) 为测度空间,I⊆R 为开区间,并固定 t0∈I。假设在包含 t0 的开区间 J⊆I 上:
对每个 t∈J,函数 x↦f(x,t) 都可测。
在某个固定的零测集之外,t↦f(x,t) 在整个 J 上可微。
存在可积函数 g≥0,使得在上述同一个例外集之外,对所有 t∈J 都有
∣∂tf(x,t)∣≤g(x)
函数 f(⋅,t0) 可积。
那么,对每个 t∈J,f(⋅,t) 都可积,且
dtd∫Xf(x,t)dμ(x)t=t0=∫X∂tf(x,t0)dμ(x).
关键条件是:在该参数值的某个邻域内,所有导数都有一个共同的可积控制函数。这个控制函数可以依赖于 x,但不能依赖于该邻域内的 t。
定理成立的原因
求导就是求差商的极限:
hF(t0+h)−F(t0)=∫Xhf(x,t0+h)−f(x,t0)dμ(x).
对几乎处处的 x,被积函数都收敛于 ∂tf(x,t0)。当 f 为实值函数时,由中值定理可知,该被积函数的绝对值不超过 g(x)。因此,控制收敛定理允许交换极限与积分的次序。
更一般地,只要能直接为差商找到一个可积的控制函数就足够了,即使尚未证明整个邻域内的导数都受某个函数控制。
对于参数为实数的复值被积函数,分别考察实部和虚部即可得到相同结论。
可变积分上下限
如果积分上下限依赖于 t,导数中就会包含端点移动带来的贡献。在适当的连续性和可微性假设下,
F(t)=∫a(t)b(t)f(x,t)dx
满足
F′(t)=f(b(t),t)b′(t)−f(a(t),t)a′(t)+∫a(t)b(t)∂tf(x,t)dx.
前两项描述端点移动引起的变化;最后一项描述区间内被积函数本身的变化。
这一法则将积分号下求导与微积分基本定理及链式法则结合起来。例如,若
F(t)=∫0tetxdx,
则
F′(t)=et2+∫0txetxdx.
此公式中的边界值需要满足适当的正则性条件。对于奇异端点或无穷积分限,不能在没有另行论证收敛性的情况下直接套用通常的端点公式。
通过引入参数计算积分
当求导能简化被积函数时,积分号下求导尤其有用。通常的步骤是:引入参数,求导,计算较简单的积分,再利用初始值还原含参表达式。
考虑
F(a)=∫01lnxxa−1dx,a>−1,
其中 ln 表示自然对数。x=1 处的奇点是可去的。对 a 求导,得到
F′(a)=∫01xadx=a+11.
为论证在任意固定的 a>−1 附近可以交换求导与积分,选取附近参数值的一个下界 α>−1。由于 0<x<1,有
xa≤xα,
而 xα 在 (0,1) 上可积。
因为 F(0)=0,对 a 积分可得
∫01lnxxa−1dx=ln(a+1),a>−1.
这种引入参数的技巧常被非正式地称为费曼技巧。它并不是一个独立的定理,也不能免除交换求导与积分所需的条件。
反常积分与高阶求导
对于无界区间上的积分
F(t)=∫0∞f(x,t)dx,
仅有 f 和 ∂tf 在每个有界矩形上连续还不够。在无穷远处以及任何奇异端点附近,都需要额外的控制。可积控制函数提供了一种这样的控制方式;适当的一致收敛条件则提供了另一种。
伽马函数可以用来说明高阶求导:
Γ(s)=∫0∞xs−1e−xdx,s>0.
对每个非负整数 n,都有
Γ(n)(s)=∫0∞xs−1e−x(lnx)ndx.
为在局部论证这一结论,将 s 限制在紧区间 [α,β]⊂(0,∞) 内。在零点附近,被积函数的绝对值不超过
xα−1∣lnx∣n,
而该函数可积。对于 x≥1,其绝对值不超过
xβ−1e−x(lnx)n,
该函数也可积。
更一般地,只要每一步求导都满足所需的交换条件,就有
F(n)(t)=∫X∂tnf(x,t)dμ(x)
成立。证明一次求导可以移入积分号,并不意味着所有高阶求导都可以如此处理。
缺乏充分控制时的失效情形
逐点导数的存在,并不能保证求导与积分可以交换次序。
对于 0<x<1,定义
f(x,t)=x2+t2t2.
对每个固定的 x>0,都有
∂tf(x,0)=0,
因此
∫01∂tf(x,0)dx=0.
然而,当 t=0 时,
F(t)=∫01x2+t2t2dx=∣t∣arctan(∣t∣1),
而 F(0)=0。于是
t↓0limtF(t)=2π,t↑0limtF(t)=−2π.
因此,尽管被积函数在每一点关于参数的零点导数都存在,F 在零点却不可微。
问题源于 x=0 附近的集中现象:对每个固定的 x>0,差商都趋于零,但其积分却不趋于零。仅有逐点收敛无法控制这种行为。
应用
积分变换
对于拉普拉斯变换
L(s)=∫0∞e−sxu(x)dx,
在适当的可积性条件下,有
L(n)(s)=(−1)n∫0∞xne−sxu(x)dx.
因此,对变换变量求导,对应于在被变换函数上乘以原变量的相应幂次。
采用如下傅里叶变换约定:
u(ξ)=∫Ru(x)e−iξxdx,
则假设 u∈L1(R) 且 xu∈L1(R),可得
u′(ξ)=∫R(−ix)u(x)e−iξxdx.
期望值与统计模型
固定概率分布下的期望值是一个积分,因此,当导数受到适当控制时,同样的原理给出
dtdE[h(X,t)]=E[∂th(X,t)]
如果概率密度函数也依赖于参数,则必须计入它的导数:
dtd∫h(x,t)p(x,t)dx=∫[∂th(x,t)p(x,t)+h(x,t)∂tp(x,t)]dx.
这个公式假设积分域固定,且满足交换求导与积分的条件。如果支撑集依赖于参数,可能还需要额外的边界项。在对归一化恒等式求导,以及推导费希尔信息的性质时,这些区别十分重要。
敏感性分析与积分表示
在敏感性分析中,积分号下求导用于表示一个积分量如何随模型参数的变化而变化。对于向量参数 θ,逐分量满足相应条件即可论证
∇θ∫Xf(x,θ)dμ(x)=∫X∇θf(x,θ)dμ(x).
这一方法也用于偏微分方程解的积分表示,将对空间或时间的求导转移到积分核上。所需的控制条件取决于积分核的奇异性、积分域以及给定数据的正则性。