{
  "id": "improper-integral",
  "title": "反常积分",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "反常积分通过普通积分的极限，将定积分推广到无界区间或被积函数存在奇点的情形。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "广义积分",
    "瑕积分"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/improper-integral/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/improper-integral/",
      "json": "https://aiwiki.page/en/improper-integral.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "反常积分是通过极限定义的积分，适用于积分区间无界、被积函数在某点附近无界，或两者兼有的情形。例如，\\(\\int_1^\\infty x^{-2}\\,dx\\) 和 \\(\\int_0^1 x^{-1/2}\\,dx\\) 都是反常积分。它们都不是定义在有界闭区间上的普通黎曼积分，但通过适当的取极限过程，两者都能得到有限值。\n\n反常积分是微积分和数学分析中的基础内容。它们用于描述在无限时间或空间范围内的累积量、对概率分布进行归一化、定义特殊函数，以及表示积分变换。其核心难点不只是求出原函数，更在于确定极限值是否存在，以及代数运算是否保持这一极限值。收敛与发散、绝对收敛与条件收敛，以及通常意义下的收敛与按主值定义取极限之间的区别，决定了哪些计算是有效的。"
    },
    {
      "heading": "定义与奇异端点的处理",
      "text": "设函数 \\(f\\) 在每个有限区间 \\([a,R]\\) 上都黎曼可积，则其在半无限区间上的反常积分定义为\n\n\\[\\int_a^\\infty f(x)\\,dx = \\lim_{R\\to\\infty}\\int_a^R f(x)\\,dx,\\]\n\n前提是该极限存在，且为有限的实数或复数。向负无穷方向的积分也以类似方式定义。如果截断积分趋于 \\(+\\infty\\) 或 \\(-\\infty\\)，则该积分发散，不过在有用时，也可以记下相应的扩展值。\n\n对于有限端点处的奇点，需要从区间内部趋近该端点来处理。若 \\(f\\) 在每个 \\([a+\\varepsilon,b]\\) 上都可积，则\n\n\\[\\int_a^b f(x)\\,dx = \\lim_{\\varepsilon\\downarrow0} \\int_{a+\\varepsilon}^b f(x)\\,dx.\\]\n\n例如，\n\n\\[\\int_0^1\\frac{dx}{\\sqrt{x}} = \\lim_{\\varepsilon\\downarrow0}2(1-\\sqrt{\\varepsilon}) =2.\\]\n\n该函数在零点附近无界，但在此处累积的面积仍然有限。相比之下，\\(\\int_0^1 dx/x\\) 发散，因为其截断积分值为 \\(-\\log\\varepsilon\\)。\n\n每个存在问题的端点或区间内部的奇点都必须独立处理。如果 \\(c\\in(a,b)\\) 是奇点，标准定义为\n\n\\[\\int_a^b f(x)\\,dx = \\int_a^c f(x)\\,dx+\\int_c^b f(x)\\,dx,\\]\n\n且右侧两项必须分别收敛。同样，对于任意有限的 \\(c\\)，有\n\n\\[\\int_{-\\infty}^{\\infty}f(x)\\,dx = \\int_{-\\infty}^c f(x)\\,dx+ \\int_c^\\infty f(x)\\,dx.\\]\n\n当两项都存在时，其和与 \\(c\\) 的选择无关。通过协调两个发散极限而得到的相消，并不能证明积分在这一定义下收敛。\n\n作为基础的有限区间积分通常指 黎曼积分，不过也可以从其他积分理论出发，作类似的极限构造。函数在某一点存在可去的缺陷，并不一定需要使用反常积分：一个有界函数若仅在有限个点上与某个连续函数不同，它仍然是黎曼可积的。有限端点处通常妨碍普通积分的是函数在该点附近无界，而不仅仅是该点的函数值未定义。\n\n微积分基本定理应先用于截断区间。若在 \\((a,b]\\) 上有 \\(F'=f\\)，则\n\n\\[\\int_a^b f(x)\\,dx = F(b)-\\lim_{x\\downarrow a}F(x),\\]\n\n前提是端点处的极限为有限值。未经检验这一极限就直接写成 \\(F(a)\\)，可能掩盖积分发散的事实。"
    },
    {
      "heading": "收敛准则与比较判别法",
      "text": "基本的收敛准则源于实数或复数的完备性。反常积分 \\(\\int_a^\\infty f(x)\\,dx\\) 收敛，当且仅当对任意 \\(\\varepsilon>0\\)，都存在某个 \\(A\\)，使得\n\n\\[\\left|\\int_u^v f(x)\\,dx\\right|<\\varepsilon \\qquad\\text{whenever }v>u>A.\\]\n\n这就是柯西准则：只要两个端点都足够远，尾部区间上的积分就必须一致地任意小。这是无穷级数收敛准则的积分形式。\n\n对于非负被积函数，收敛性尤其直观。截断后的积分是其上限的单调函数，因此，它有有限极限当且仅当它有上界。所以，若当 \\(x\\) 足够大时有 \\(0\\leq f(x)\\leq g(x)\\)，且 \\(\\int_a^\\infty g(x)\\,dx\\) 收敛，则 \\(f\\) 的积分也收敛。若 \\(0\\leq g\\leq f\\)，且 \\(g\\) 的积分发散，则 \\(f\\) 的积分也发散。在有限端点为奇点的情形下，也有相应的结论。\n\n标准的比较函数是幂函数：\n\n\\[\\int_1^\\infty x^{-p}\\,dx \\quad\\text{converges exactly when }p>1,\\]\n\n而\n\n\\[\\int_0^1 x^{-p}\\,dx \\quad\\text{converges exactly when }p<1.\\]\n\n这两个方向相反的不等式反映了不同的极限情形：在无穷远处，函数必须衰减；而在有限端点附近，则允许函数增长，只要增长足够缓慢。在临界情形 \\(p=1\\) 下，收敛性由对数因子决定。作代换 \\(u=\\log x\\)，得到\n\n\\[\\int_e^\\infty\\frac{dx}{x(\\log x)^q} = \\int_1^\\infty u^{-q}\\,du,\\]\n\n它收敛当且仅当 \\(q>1\\)。\n\n极限比较判别法将局部渐近关系转化为收敛性判据。若在需要考察的端点附近，\\(f,g\\geq0\\)，且\n\n\\[\\frac{f(x)}{g(x)}\\longrightarrow L, \\qquad 0<L<\\infty,\\]\n\n则它们在该端点附近的积分同敛散。例如，由于当 \\(x\\to0\\) 时，\\(\\sin x/x\\to1\\)，有\n\n\\[\\frac{1}{\\sqrt{\\sin x}} \\sim\\frac{1}{\\sqrt{x}},\\]\n\n因此该函数在零点附近的积分收敛。渐近展开往往能确定进行此类比较所需的首个非零项。\n\n估计界时，必须注意不等式的方向。用积分发散的函数作上界，不能据此判断收敛性；用积分收敛的函数作下界，也不能据此判断发散性。此外，仅基于 \\(|f|\\) 的比较可以证明绝对收敛，却可能无法判定由正负抵消而产生的收敛。"
    },
    {
      "heading": "绝对收敛与振荡抵消",
      "text": "若\n\n\\[\\int_a^\\infty |f(x)|\\,dx<\\infty.\\]\n\n则称反常积分绝对收敛。绝对收敛蕴含收敛，因为根据三角不等式，原积分任意尾部的绝对值都不超过相应的绝对值积分的尾部。若 \\(f\\) 的积分收敛，但 \\(|f|\\) 的积分发散，则称原积分条件收敛。它之所以具有有限值，依赖于正负贡献之间的抵消。\n\n最典型的例子是\n\n\\[\\int_0^\\infty\\frac{\\sin x}{x}\\,dx=\\frac{\\pi}{2}.\\]\n\n由于 \\(\\sin x/x\\to1\\)，零点处表面上的奇点是可去的。然而，在无穷远处，正负振荡之间的抵消至关重要。绝对值积分是发散的：在每个区间 \\([k\\pi,(k+1)\\pi]\\) 上，\\(|\\sin x|\\) 的积分等于 \\(2\\)，而 \\(1/x\\) 不小于 \\(1/((k+1)\\pi)\\)。将这些下界相加，便得到一个发散的调和级数。\n\n解释振荡积分为何收敛的一种标准方法是狄利克雷判别法。设 \\(f\\) 局部可积，其原函数\n\n\\[F(x)=\\int_a^x f(t)\\,dt\\]\n\n有界，且 \\(g\\) 单调，满足 \\(g(x)\\to0\\)。那么 \\(\\int_a^\\infty f(x)g(x)\\,dx\\) 收敛。当 \\(g\\) 连续可微时，由分部积分法可得\n\n\\[\\int_u^v f(x)g(x)\\,dx = F(v)g(v)-F(u)g(u)-\\int_u^v F(x)g'(x)\\,dx.\\]\n\n由于 \\(F\\) 有界，且 \\(g\\) 趋于零并具有单调性，当 \\(u\\) 足够大时，右端可一致地变得任意小。取 \\(f(x)=\\sin x\\)、\\(g(x)=1/x\\)，即可证明上述正弦积分收敛。\n\n即使被积函数不逐点趋于零，越来越快的振荡也能使积分收敛。菲涅耳积分\n\n\\[\\int_0^\\infty\\sin(x^2)\\,dx\\]\n\n就是如此。作代换 \\(t=x^2\\)，得到\n\n\\[\\frac12\\int_0^\\infty t^{-1/2}\\sin t\\,dt,\\]\n\n其尾部满足狄利克雷判别法的条件。因此，条件 \\(f(x)\\to0\\) 的相应离散形式虽然是级数收敛的必要条件，但该条件并不是反常积分收敛的必要条件。\n\n对于条件收敛的积分，重排和拆分需要格外谨慎。一个振荡积分可能存在，但其正部和负部的积分却都为无穷大。若将这两部分分开积分，再将所得总量相减，就会产生无定义的表达式 \\(+\\infty-\\infty\\)。有效的计算必须保留原有的极限结构，或者另行援引定理来证明变换的合理性。"
    },
    {
      "heading": "换元法、分部积分法与端点项",
      "text": "初等积分中熟悉的法则仍然适用，但必须先在满足其适用条件的有限区间上使用，再对所得表达式取所需的端点极限。这一步骤区分了合法的变换与悄然舍去发散项的形式运算。\n\n设递增且连续可微的变量代换 \\(x=\\phi(t)\\) 将 \\([\\alpha,\\beta)\\) 映满 \\([a,\\infty)\\)，由有限区间上的换元公式可得\n\n\\[\\int_a^{\\phi(T)}f(x)\\,dx = \\int_\\alpha^T f(\\phi(t))\\phi'(t)\\,dt.\\]\n\n令 \\(T\\uparrow\\beta\\)，即可证明这两个反常积分同时收敛或同时发散，且收敛时取值相同。一个特别有用的变换是 \\(x=1/t\\)：\n\n\\[\\int_1^\\infty f(x)\\,dx = \\int_0^1\\frac{f(1/t)}{t^2}\\,dt.\\]\n\n它将无穷远处的问题转化为有限端点处的奇点问题。将其用于 \\(f(x)=x^{-p}\\)，便得到 \\(t^{p-2}\\)，从而再次得出收敛条件 \\(p>1\\)。\n\n使用分部积分法时，需要同时控制边界项和变换后的积分：\n\n\\[\\int_a^R u(x)v'(x)\\,dx = u(R)v(R)-u(a)v(a)-\\int_a^R u'(x)v(x)\\,dx.\\]\n\n如果边界项有有限极限，且其中一个积分收敛，那么这一恒等式就能确立另一个积分的收敛性。若不满足这些条件，将两个各自发散的量相减并没有意义。例如，涉及 \\(xe^{-x}\\) 的计算，可以由独立证明的极限 \\(xe^{-x}\\to0\\) 来保证其合理性。\n\n一个有用的应用是对积分尾项作定量估计。对于 \\(R>0\\)，分部积分给出\n\n\\[\\int_R^\\infty\\frac{\\sin x}{x}\\,dx = \\frac{\\cos R}{R} - \\int_R^\\infty\\frac{\\cos x}{x^2}\\,dx.\\]\n\n因此，\n\n\\[\\left|\\int_R^\\infty\\frac{\\sin x}{x}\\,dx\\right| \\leq\\frac{2}{R}.\\]\n\n这一界既证明了积分的收敛性，也控制了截断积分区间所产生的误差。\n\n线性性质也有收敛性方面的前提。如果两个反常积分在相同的端点处理约定下都收敛，那么它们的有限线性组合也收敛，并满足预期的代数恒等式。反过来推断则不成立：\\(\\int(f+g)\\) 收敛并不意味着两个积分分别收敛。例如，半无限区间上的 \\(f(x)=1\\) 和 \\(g(x)=-1\\) 之和为零，但各自的积分都发散。同样，涉及多个奇异端点的恒等式，必须保持对每个端点的独立处理，而不能将它们合并为一个联动的极限。"
    },
    {
      "heading": "含参积分与极限交换",
      "text": "许多重要函数由含有参数的积分定义：\n\n\\[F(t)=\\int_a^\\infty f(x,t)\\,dx.\\]\n\n仅凭被积函数关于 \\(t\\) 的连续性或可微性，并不能保证可以将极限或导数移入积分号内。还必须控制积分在无穷远处的尾部行为。一个函数族可能在每个有限区间上都有良好的收敛性质，但随着参数变化，其质量却不断向无穷远处逃逸。\n\n控制收敛定理给出了一个标准的充分条件。如果对几乎处处的 \\(x\\)，都有 \\(f(x,t)\\to f(x,t_0)\\)，并且在 \\(t_0\\) 附近有\n\n\\[|f(x,t)|\\leq g(x)\\]\n\n其中 \\(g\\) 是不依赖于 \\(t\\) 的可积函数，那么就可以将极限移入积分号内。对于求导，相应的一个充分条件是：在参数的局部邻域内，\\(|\\partial f/\\partial t|\\) 一致地受某个可积函数控制，同时满足适当的可微性和可积性假设。用经典反常积分的语言来说，尾部积分的一致收敛往往能提供所需的控制。\n\n下面的例子说明，不能不加限制地交换极限与积分：\n\n\\[f_n(x)=\\frac1n e^{-x/n}, \\qquad x\\geq0.\\]\n\n对每个固定的 \\(x\\)，都有 \\(f_n(x)\\to0\\)，但是对每个 \\(n\\)，都有\n\n\\[\\int_0^\\infty f_n(x)\\,dx=1\\]\n\n因此，逐点极限的积分为零，而积分的极限为一。这个函数族分散在越来越长的区间上，不存在一个可积函数能够同时控制其中的所有函数。\n\n在能够合理去除阻尼的前提下，引入阻尼参数是一种强有力的积分计算方法。对 \\(a>0\\)，定义\n\n\\[F(a)=\\int_0^\\infty e^{-ax}\\frac{\\sin x}{x}\\,dx.\\]\n\n在正的 \\(a\\) 的局部邻域内，可以在积分号下求导，得到\n\n\\[F'(a)=-\\int_0^\\infty e^{-ax}\\sin x\\,dx =-\\frac{1}{1+a^2}.\\]\n\n由于当 \\(a\\to\\infty\\) 时 \\(F(a)\\to0\\)，可得\n\n\\[F(a)=\\arctan(1/a).\\]\n\n通过分部积分，可以得到一个对 \\(a\\geq0\\) 一致成立的尾部积分估计，从而可以令 \\(a\\downarrow0\\)，求得通常意义下的反常积分值为 \\(\\pi/2\\)。\n\n最后这一步的论证至关重要：即使去掉阻尼后的反常积分不存在，加阻尼后再取极限仍可能得到一个值。指数阻尼属于更广泛的正则化方法，但要使其结果与通常意义下的积分一致，还需要附加假设。对于正阻尼参数有一个便于计算的公式，并不能证明零阻尼时积分收敛。"
    },
    {
      "heading": "勒贝格积分与高维区域",
      "text": "勒贝格积分阐明了反常积分的适用范围及其局限性。设 \\(f\\) 在 \\([a,\\infty)\\) 上局部黎曼可积。如果 \\(f\\geq0\\)，则其反常积分与勒贝格积分相等，且允许取值为 \\(+\\infty\\)。如果\n\n\\[\\int_a^\\infty |f(x)|\\,dx<\\infty,\\]\n\n则 \\(f\\) 勒贝格可积，且这两个有限积分同样相等。\n\n条件收敛体现了两者之间的一个重要区别。对于实值可测函数，记\n\n\\[f^+(x)=\\max(f(x),0), \\qquad f^-(x)=\\max(-f(x),0).\\]\n\n勒贝格积分为有限值，要求 \\(\\int f^+\\) 和 \\(\\int f^-\\) 均为有限值，等价地，要求 \\(\\int|f|<\\infty\\)。条件收敛的反常积分不满足这一要求。它的值体现的是按指定的取极限顺序发生的正负抵消，而不是各自可积的正部与负部的积分之差。\n\n在多维情形下，如何选择不断扩大的积分区域会带来额外的问题。整个欧几里得空间上的积分，可以通过球、立方体、长方体或其他有界区域逐步逼近。绝对可积性保证，采用适当的递增区域穷竭整个空间时，会得到相同的值。如果不绝对可积，不同的选择可能产生不同的结果，或表现出不同的收敛性质。\n\n富比尼–托内利定理给出了交换积分次序的确切条件。托内利定理适用于非负可测函数，允许积分结果为无穷大。富比尼定理则保证绝对可积函数的累次积分相等。仅有两个累次积分都存在这一条件，并不足以保证它们相等。\n\n作为一个具体例子，考虑\n\n\\[f(x,y)=\\frac{x^2-y^2}{(x^2+y^2)^2}, \\qquad 0<x,y<1.\\]\n\n对于每个固定的 \\(x>0\\)，\n\n\\[\\int_0^1 f(x,y)\\,dy = \\left[\\frac{y}{x^2+y^2}\\right]_0^1 = \\frac{1}{1+x^2},\\]\n\n因此，再对 \\(x\\) 积分得到 \\(\\pi/4\\)。交换积分次序后，第一次积分得到 \\(-1/(1+y^2)\\)，进而得到 \\(-\\pi/4\\)。这并不矛盾：函数绝对值的积分在原点附近发散。在极坐标下，被积函数为 \\(\\cos(2\\theta)/r^2\\)，而面积元带来因子 \\(r\\,dr\\,d\\theta\\)；因此，取绝对值后，径向积分中的因子为 \\(dr/r\\)。这个例子说明，在将累次积分的计算结果视为同一个多重积分的值之前，必须检查局部奇点和积分次序。"
    },
    {
      "heading": "柯西主值及其他正则化值",
      "text": "柯西主值采用另一种取极限的方式，允许通过关联截断使某些发散项相互抵消。对于区间内部的奇点 \\(c\\)，其标准对称形式为\n\n\\[\\operatorname{PV}\\int_a^b f(x)\\,dx = \\lim_{\\varepsilon\\downarrow0} \\left( \\int_a^{c-\\varepsilon}f(x)\\,dx+ \\int_{c+\\varepsilon}^b f(x)\\,dx \\right).\\]\n\n对于无穷远处的情形，一种常用定义为\n\n\\[\\operatorname{PV}\\int_{-\\infty}^{\\infty}f(x)\\,dx = \\lim_{R\\to\\infty}\\int_{-R}^R f(x)\\,dx.\\]\n\n与通常的反常积分不同，这些定义将截断参数关联起来。\n\n最简单的例子是\n\n\\[\\operatorname{PV}\\int_{-1}^1\\frac{dx}{x}=0.\\]\n\n通常意义下的反常积分并不存在：负半轴部分和正半轴部分的积分各自发散。对称地剔除奇点两侧的邻域，恰好使对数发散项完全抵消。因此，所得的零是主值，而不是某个收敛反常积分的值。\n\n截断方式的约定具有实质性的数学意义。如果左侧剔除区间的宽度为 \\(\\varepsilon\\)，右侧剔除区间的宽度为 \\(k\\varepsilon\\)，其中 \\(k>0\\)，那么\n\n\\[\\int_{-1}^{-\\varepsilon}\\frac{dx}{x} + \\int_{k\\varepsilon}^1\\frac{dx}{x} =-\\log k.\\]\n\n不同的关联趋近方式会得到不同的有限值。这种依赖性说明，必须明确规定对称性，而不能将其视为记号本身自然蕴含的条件。\n\n主值在分布理论和调和分析中有系统性的应用。对于光滑且具有紧支集的试验函数 \\(\\varphi\\)，分布 \\(\\operatorname{PV}(1/x)\\) 的作用由下式给出：\n\n\\[\\lim_{\\varepsilon\\downarrow0} \\int_{|x|>\\varepsilon}\\frac{\\varphi(x)}{x}\\,dx.\\]\n\n在零点附近，减去 \\(\\varphi(0)\\) 后便得到有界的差商\n\n\\[\\frac{\\varphi(x)-\\varphi(0)}{x},\\]\n\n而常数项的贡献则因对称性相互抵消。这样，尽管这一奇异核并非局部绝对可积，它仍获得了精确的数学意义。\n\n其他推广方法并非仅仅安排对称抵消，而是直接去除发散项。例如，阿达马有限部分积分通过显式减去指定的奇异项，提取有限的余项。解析延拓也可以将最初由收敛积分表示的函数延拓到原定义域之外。这些推广各有价值，但彼此不同：解析延拓所得公式、有限部分、阻尼正则化值以及通常意义下的反常积分，不能作为可互换的解释。"
    },
    {
      "heading": "特殊函数、变换与概率",
      "text": "反常积分可用于定义许多重要的特殊函数。对于满足 \\(\\operatorname{Re}z>0\\) 的复数 \\(z\\)，伽马函数定义为\n\n\\[\\Gamma(z)=\\int_0^\\infty t^{z-1}e^{-t}\\,dt, \\qquad t^{z-1}=\\exp((z-1)\\log t).\\]\n\n在零点附近，被积函数的绝对值与 \\(t^{\\operatorname{Re}z-1}\\) 具有相同的渐近行为，而后者恰好在上述条件下可积。在无穷远处，指数衰减快于任何固定幂次的增长。分部积分可得\n\n\\[\\Gamma(z+1)=z\\Gamma(z),\\]\n\n又因为 \\(\\Gamma(1)=1\\)，所以对于非负整数 \\(n\\)，有 \\(\\Gamma(n+1)=n!\\)。利用这一递推关系，还可以将该函数延拓到原积分定义域之外。\n\n高斯积分给出了另一个基本的积分结果：\n\n\\[\\int_{-\\infty}^{\\infty}e^{-x^2}\\,dx=\\sqrt{\\pi}.\\]\n\n将该积分平方，并利用非负函数的二重积分，可得\n\n\\[\\int_{\\mathbb R^2}e^{-(x^2+y^2)}\\,dx\\,dy = \\int_0^{2\\pi}\\int_0^\\infty e^{-r^2}r\\,dr\\,d\\theta =\\pi.\\]\n\n非负性保证了这些积分步骤的合理性。这一恒等式确定了正态分布的归一化常数，也出现在热方程的解中。\n\n积分变换通过含参数的反常积分来表示函数。例如，若 \\(f\\) 局部可积，且当 \\(t\\) 充分大时满足 \\(|f(t)|\\leq Me^{\\alpha t}\\)，则拉普拉斯变换\n\n\\[\\mathcal Lf(s)=\\int_0^\\infty e^{-st}f(t)\\,dt\\]\n\n在 \\(\\operatorname{Re}s>\\alpha\\) 时绝对收敛。傅里叶变换\n\n\\[\\widehat f(\\xi)=\\int_{-\\infty}^{\\infty}f(x)e^{-i\\xi x}\\,dx\\]\n\n在 \\(f\\in L^1(\\mathbb R)\\) 时可由绝对收敛的积分定义。将其推广到其他Lp空间时，则可能使用范数极限或广义函数，而非逐点的反常积分。\n\n在概率论中，概率密度函数满足 \\(p\\geq0\\) 以及 \\(\\int_{\\mathbb R}p(x)\\,dx=1\\)。期望和矩的存在还需要额外的可积性条件。对于标准柯西分布，\n\n\\[p(x)=\\frac{1}{\\pi(1+x^2)},\\]\n\n其归一化条件成立，但\n\n\\[\\int_{\\mathbb R}|x|p(x)\\,dx=\\infty.\\]\n\n因此，其期望值未定义，尽管由对称性可得\n\n\\[\\operatorname{PV}\\int_{\\mathbb R}x p(x)\\,dx=0.\\]\n\n这一区别具有直接的概率意义：对称主值并不等于有限的期望。\n\n尾部比较还可以确定矩的存在条件。若一个非负随机变量的密度在无穷远处渐近于 \\(Cx^{-\\alpha-1}\\)，其中 \\(\\alpha>0\\)，则其正阶 \\(r\\) 阶矩在无穷远处恰好当 \\(r<\\alpha\\) 时收敛。因此，一个分布可以具有有限的均值而方差无穷大，也可以满足归一化条件，却既没有有限的均值，也没有有限的方差。"
    },
    {
      "heading": "数值计算与误差控制",
      "text": "数值计算将反常积分分为可计算的有限区间部分和尾部：\n\n\\[I=\\int_a^R f(x)\\,dx+\\int_R^\\infty f(x)\\,dx.\\]\n\n可靠的计算既要控制有限区间上的求积误差，也要控制被略去的尾部。相邻两次数值计算结果之间的差异很小，并不能证明收敛：振荡、狭窄的峰或缓慢衰减的尾部，都可能使相邻两次近似值看似接近，却具有误导性。\n\n对于非负或绝对可积的尾部，显式不等式往往能给出严格的误差界。如果\n\n\\[|f(x)|\\leq Cx^{-p}, \\qquad p>1,\\quad x\\geq R,\\]\n\n那么\n\n\\[\\left|\\int_R^\\infty f(x)\\,dx\\right| \\leq\\frac{C}{p-1}R^{1-p}.\\]\n\n当 \\(p\\) 接近 1 时，收敛极其缓慢。对于 \\(f(x)=x^{-1.01}\\)，尾部的精确值为 \\(100R^{-0.01}\\)；将截断点增大一倍，尾部也仅变为原来的 \\(2^{-0.01}\\)，约为 \\(0.9931\\)。因此，即便大幅扩大积分区间，精度也可能几乎没有提高。\n\n变量替换可以使具有奇异端点的积分更易于进行数值分析。对于在零点附近表现为 \\(x^{-\\alpha}\\) 且满足 \\(0<\\alpha<1\\) 的被积函数，令 \\(x=t^q\\)，便可将其主导因子变换为：\n\n\\[x^{-\\alpha}\\,dx = q\\,t^{q(1-\\alpha)-1}\\,dt.\\]\n\n选择足够大的 \\(q\\) 可以消除无界性，但变换后整个被积函数的光滑性仍然很重要。通过 \\(x=t/(1-t)\\)，可以将半无限区间映射到有限区间，但由此产生的因子 \\((1-t)^{-2}\\) 可能使端点变得难以处理。区间有限并不意味着数值问题就一定更容易。\n\n振荡积分需要采用能够主动利用抵消效应的方法，而不能依靠采样时偶然出现的抵消。在 \\(\\sin x\\) 的各个相继零点处分割区间，可将 \\(\\int\\sin x/x\\,dx\\) 的尾部化为各区间积分贡献组成的交错和，其中各项的绝对值递减。分部积分展开则提供了另一种尾部修正方法。专门的振荡求积方法对缓慢变化的振幅作近似，同时以解析方式处理振荡因子。\n\n最后，浮点运算会引入不同于数学截断误差的误差。中间计算中较大的正、负贡献可能几乎完全抵消，使最终结果对舍入误差十分敏感。通过解析方式处理抵消、显式减去奇异项，并利用收敛估计选择截断点，可以提高数值稳定性。数值计算程序还必须区分普通反常积分与主值积分的计算要求：在极点两侧对称采样，可能会为一个按通常定义发散的积分返回稳定的有限数值。"
    }
  ],
  "links": [
    "limit",
    "integral",
    "calculus",
    "mathematical-analysis",
    "riemann-integral",
    "fundamental-theorem-of-calculus",
    "real-number",
    "complex-number",
    "infinite-series",
    "monotonic-function",
    "asymptotic-expansion",
    "triangle-inequality",
    "integration-by-parts",
    "derivative",
    "dominated-convergence-theorem",
    "uniform-convergence",
    "regularization",
    "lebesgue-integral",
    "euclidean-space",
    "polar-coordinates",
    "harmonic-analysis",
    "analytic-continuation",
    "gamma-function",
    "normal-distribution",
    "heat-equation",
    "laplace-transform",
    "fourier-transform",
    "lp-space",
    "probability",
    "probability-density-function",
    "cauchy-distribution",
    "expected-value",
    "variance",
    "numerical-analysis",
    "floating-point-arithmetic",
    "numerical-stability"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}