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,∫ 1 ∞ x − 2 d x \int_1^\infty x^{-2}\,dx ∫ 1 ∞ x − 2 d x 和 ∫ 0 1 x − 1 / 2 d x \int_0^1 x^{-1/2}\,dx ∫ 0 1 x − 1/2 d x 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。
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。
定义与奇异端点的处理 设函数 f f f 在每个有限区间 [ a , R ] [a,R] [ 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
∫ a ∞ f ( x ) d x = lim R → ∞ ∫ a R f ( x ) d x , \int_a^\infty f(x)\,dx = \lim_{R\to\infty}\int_a^R f(x)\,dx, ∫ a ∞ f ( x ) d x = R → ∞ lim ∫ a R f ( x ) d x ,
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。
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 f f 在每个 [ a + ε , b ] [a+\varepsilon,b] [ a + ε , b ] 上都可积,则
∫ a b f ( x ) d x = lim ε ↓ 0 ∫ a + ε b f ( x ) d x . \int_a^b f(x)\,dx = \lim_{\varepsilon\downarrow0} \int_{a+\varepsilon}^b f(x)\,dx. ∫ a b f ( x ) d x = ε ↓ 0 lim ∫ a + ε b f ( x ) d x .
例如,
∫ 0 1 d x x = lim ε ↓ 0 2 ( 1 − ε ) = 2. \int_0^1\frac{dx}{\sqrt{x}} = \lim_{\varepsilon\downarrow0}2(1-\sqrt{\varepsilon}) =2. ∫ 0 1 x d x = ε ↓ 0 lim 2 ( 1 − ε ) = 2.
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,∫ 0 1 d x / x \int_0^1 dx/x ∫ 0 1 d x / x 发散,因为其截断积分值为 − log ε -\log\varepsilon − log ε 。
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 ∈ ( a , b ) c\in(a,b) c ∈ ( a , b ) 是奇点,标准定义为
∫ a b f ( x ) d x = ∫ a c f ( x ) d x + ∫ c b f ( x ) d x , \int_a^b f(x)\,dx = \int_a^c f(x)\,dx+\int_c^b f(x)\,dx, ∫ a b f ( x ) d x = ∫ a c f ( x ) d x + ∫ c b f ( x ) d x ,
且右侧两项必须分别收敛。同样,对于任意有限的 c c c ,有
∫ − ∞ ∞ f ( x ) d x = ∫ − ∞ c f ( x ) d x + ∫ c ∞ f ( x ) d x . \int_{-\infty}^{\infty}f(x)\,dx = \int_{-\infty}^c f(x)\,dx+ \int_c^\infty f(x)\,dx. ∫ − ∞ ∞ f ( x ) d x = ∫ − ∞ c f ( x ) d x + ∫ c ∞ f ( x ) d x .
当两项都存在时,其和与 c c 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。
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。
微积分基本定理 应先用于截断区间。若在 ( a , b ] (a,b] ( a , b ] 上有 F ′ = f F'=f F ′ = f ,则
∫ a b f ( x ) d x = F ( b ) − lim x ↓ a F ( x ) , \int_a^b f(x)\,dx = F(b)-\lim_{x\downarrow a}F(x), ∫ a b f ( x ) d x = F ( b ) − x ↓ a lim F ( x ) ,
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 ) F(a) F ( a ) ,可能掩盖积分发散的事实。
收敛准则与比较判别法 基本的收敛准则源于实数 或复数 的完备性。反常积分 ∫ a ∞ f ( x ) d x \int_a^\infty f(x)\,dx ∫ a ∞ f ( x ) d x 收敛,当且仅当对任意 ε > 0 \varepsilon>0 ε > 0 ,都存在某个 A A A ,使得
∣ ∫ u v f ( x ) d x ∣ < ε whenever v > u > A . \left|\int_u^v f(x)\,dx\right|<\varepsilon \qquad\text{whenever }v>u>A. ∫ u v f ( x ) d x < ε whenever v > u > A .
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。
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 x x 足够大时有 0 ≤ f ( x ) ≤ g ( x ) 0\leq f(x)\leq g(x) 0 ≤ f ( x ) ≤ g ( x ) ,且 ∫ a ∞ g ( x ) d x \int_a^\infty g(x)\,dx ∫ a ∞ g ( x ) d x 收敛,则 f f f 的积分也收敛。若 0 ≤ g ≤ f 0\leq g\leq f 0 ≤ g ≤ f ,且 g g g 的积分发散,则 f f 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。
标准的比较函数是幂函数:
∫ 1 ∞ x − p d x converges exactly when p > 1 , \int_1^\infty x^{-p}\,dx \quad\text{converges exactly when }p>1, ∫ 1 ∞ x − p d x converges exactly when p > 1 ,
而
∫ 0 1 x − p d x converges exactly when p < 1. \int_0^1 x^{-p}\,dx \quad\text{converges exactly when }p<1. ∫ 0 1 x − p d x converges exactly when p < 1.
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 p=1 p = 1 下,收敛性由对数因子决定。作代换 u = log x u=\log x u = log x ,得到
∫ e ∞ d x x ( log x ) q = ∫ 1 ∞ u − q d u , \int_e^\infty\frac{dx}{x(\log x)^q} = \int_1^\infty u^{-q}\,du, ∫ e ∞ x ( log x ) q d x = ∫ 1 ∞ u − q d u ,
它收敛当且仅当 q > 1 q>1 q > 1 。
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 ≥ 0 f,g\geq0 f , g ≥ 0 ,且
f ( x ) g ( x ) ⟶ L , 0 < L < ∞ , \frac{f(x)}{g(x)}\longrightarrow L, \qquad 0<L<\infty, g ( x ) f ( x ) ⟶ L , 0 < L < ∞ ,
则它们在该端点附近的积分同敛散。例如,由于当 x → 0 x\to0 x → 0 时,sin x / x → 1 \sin x/x\to1 sin x / x → 1 ,有
1 sin x ∼ 1 x , \frac{1}{\sqrt{\sin x}} \sim\frac{1}{\sqrt{x}}, sin x 1 ∼ x 1 ,
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。
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 ∣ |f| ∣ 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。
绝对收敛与振荡抵消 若
∫ a ∞ ∣ f ( x ) ∣ d x < ∞ . \int_a^\infty |f(x)|\,dx<\infty. ∫ a ∞ ∣ f ( x ) ∣ d x < ∞.
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 f f 的积分收敛,但 ∣ f ∣ |f| ∣ 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。
最典型的例子是
∫ 0 ∞ sin x x d x = π 2 . \int_0^\infty\frac{\sin x}{x}\,dx=\frac{\pi}{2}. ∫ 0 ∞ x sin x d x = 2 π .
由于 sin x / x → 1 \sin x/x\to1 sin x / x → 1 ,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 π , ( k + 1 ) π ] [k\pi,(k+1)\pi] [ k π , ( k + 1 ) π ] 上,∣ sin x ∣ |\sin x| ∣ sin x ∣ 的积分等于 2 2 2 ,而 1 / x 1/x 1/ x 不小于 1 / ( ( k + 1 ) π ) 1/((k+1)\pi) 1/ (( k + 1 ) π ) 。将这些下界相加,便得到一个发散的调和级数。
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 f f 局部可积,其原函数
F ( x ) = ∫ a x f ( t ) d t F(x)=\int_a^x f(t)\,dt F ( x ) = ∫ a x f ( t ) d t
有界,且 g g g 单调,满足 g ( x ) → 0 g(x)\to0 g ( x ) → 0 。那么 ∫ a ∞ f ( x ) g ( x ) d x \int_a^\infty f(x)g(x)\,dx ∫ a ∞ f ( x ) g ( x ) d x 收敛。当 g g g 连续可微时,由分部积分法 可得
∫ u v f ( x ) g ( x ) d x = F ( v ) g ( v ) − F ( u ) g ( u ) − ∫ u v F ( x ) g ′ ( x ) d x . \int_u^v f(x)g(x)\,dx = F(v)g(v)-F(u)g(u)-\int_u^v F(x)g'(x)\,dx. ∫ u v f ( x ) g ( x ) d x = F ( v ) g ( v ) − F ( u ) g ( u ) − ∫ u v F ( x ) g ′ ( x ) d x .
由于 F F F 有界,且 g g g 趋于零并具有单调性,当 u u u 足够大时,右端可一致地变得任意小。取 f ( x ) = sin x f(x)=\sin x f ( x ) = sin x 、g ( x ) = 1 / x g(x)=1/x g ( x ) = 1/ x ,即可证明上述正弦积分收敛。
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
∫ 0 ∞ sin ( x 2 ) d x \int_0^\infty\sin(x^2)\,dx ∫ 0 ∞ sin ( x 2 ) d x
就是如此。作代换 t = x 2 t=x^2 t = x 2 ,得到
1 2 ∫ 0 ∞ t − 1 / 2 sin t d t , \frac12\int_0^\infty t^{-1/2}\sin t\,dt, 2 1 ∫ 0 ∞ t − 1/2 sin t d t ,
其尾部满足狄利克雷判别法的条件。因此,条件 f ( x ) → 0 f(x)\to0 f ( x ) → 0 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。
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。
换元法、分部积分法与端点项 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。
设递增且连续可微的变量代换 x = ϕ ( t ) x=\phi(t) x = ϕ ( t ) 将 [ α , β ) [\alpha,\beta) [ α , β ) 映满 [ a , ∞ ) [a,\infty) [ a , ∞ ) ,由有限区间上的换元公式可得
∫ a ϕ ( T ) f ( x ) d x = ∫ α T f ( ϕ ( t ) ) ϕ ′ ( t ) d t . \int_a^{\phi(T)}f(x)\,dx = \int_\alpha^T f(\phi(t))\phi'(t)\,dt. ∫ a ϕ ( T ) f ( x ) d x = ∫ α T f ( ϕ ( t )) ϕ ′ ( t ) d t .
令 T ↑ β T\uparrow\beta T ↑ β ,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 x=1/t x = 1/ t :
∫ 1 ∞ f ( x ) d x = ∫ 0 1 f ( 1 / t ) t 2 d t . \int_1^\infty f(x)\,dx = \int_0^1\frac{f(1/t)}{t^2}\,dt. ∫ 1 ∞ f ( x ) d x = ∫ 0 1 t 2 f ( 1/ t ) d t .
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 f(x)=x^{-p} f ( x ) = x − p ,便得到 t p − 2 t^{p-2} t p − 2 ,从而再次得出收敛条件 p > 1 p>1 p > 1 。
使用分部积分法时,需要同时控制边界项和变换后的积分:
∫ a R u ( x ) v ′ ( x ) d x = u ( R ) v ( R ) − u ( a ) v ( a ) − ∫ a R u ′ ( x ) v ( x ) d x . \int_a^R u(x)v'(x)\,dx = u(R)v(R)-u(a)v(a)-\int_a^R u'(x)v(x)\,dx. ∫ a R u ( x ) v ′ ( x ) d x = u ( R ) v ( R ) − u ( a ) v ( a ) − ∫ a R u ′ ( x ) v ( x ) d x .
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 x e − x xe^{-x} x e − x 的计算,可以由独立证明的极限 x e − x → 0 xe^{-x}\to0 x e − x → 0 来保证其合理性。
一个有用的应用是对积分尾项作定量估计。对于 R > 0 R>0 R > 0 ,分部积分给出
∫ R ∞ sin x x d x = cos R R − ∫ R ∞ cos x x 2 d x . \int_R^\infty\frac{\sin x}{x}\,dx = \frac{\cos R}{R} - \int_R^\infty\frac{\cos x}{x^2}\,dx. ∫ R ∞ x sin x d x = R cos R − ∫ R ∞ x 2 cos x d x .
因此,
∣ ∫ R ∞ sin x x d x ∣ ≤ 2 R . \left|\int_R^\infty\frac{\sin x}{x}\,dx\right| \leq\frac{2}{R}. ∫ R ∞ x sin x d x ≤ R 2 .
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。
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:∫ ( f + g ) \int(f+g) ∫ ( 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 f(x)=1 f ( x ) = 1 和 g ( x ) = − 1 g(x)=-1 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。
含参积分与极限交换 许多重要函数由含有参数的积分定义:
F ( t ) = ∫ a ∞ f ( x , t ) d x . F(t)=\int_a^\infty f(x,t)\,dx. F ( t ) = ∫ a ∞ f ( x , t ) d x .
仅凭被积函数关于 t t 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。
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 x x ,都有 f ( x , t ) → f ( x , t 0 ) f(x,t)\to f(x,t_0) f ( x , t ) → f ( x , t 0 ) ,并且在 t 0 t_0 t 0 附近有
∣ f ( x , t ) ∣ ≤ g ( x ) |f(x,t)|\leq g(x) ∣ f ( x , t ) ∣ ≤ g ( x )
其中 g g g 是不依赖于 t t 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,∣ ∂ f / ∂ t ∣ |\partial f/\partial t| ∣ ∂ f / ∂ 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。
下面的例子说明,不能不加限制地交换极限与积分:
f n ( x ) = 1 n e − x / n , x ≥ 0. f_n(x)=\frac1n e^{-x/n}, \qquad x\geq0. f n ( x ) = n 1 e − x / n , x ≥ 0.
对每个固定的 x x x ,都有 f n ( x ) → 0 f_n(x)\to0 f n ( x ) → 0 ,但是对每个 n n n ,都有
∫ 0 ∞ f n ( x ) d x = 1 \int_0^\infty f_n(x)\,dx=1 ∫ 0 ∞ f n ( x ) d x = 1
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。
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 a>0 a > 0 ,定义
F ( a ) = ∫ 0 ∞ e − a x sin x x d x . F(a)=\int_0^\infty e^{-ax}\frac{\sin x}{x}\,dx. F ( a ) = ∫ 0 ∞ e − a x x sin x d x .
在正的 a a a 的局部邻域内,可以在积分号下求导,得到
F ′ ( a ) = − ∫ 0 ∞ e − a x sin x d x = − 1 1 + a 2 . F'(a)=-\int_0^\infty e^{-ax}\sin x\,dx =-\frac{1}{1+a^2}. F ′ ( a ) = − ∫ 0 ∞ e − a x sin x d x = − 1 + a 2 1 .
由于当 a → ∞ a\to\infty a → ∞ 时 F ( a ) → 0 F(a)\to0 F ( a ) → 0 ,可得
F ( a ) = arctan ( 1 / a ) . F(a)=\arctan(1/a). F ( a ) = arctan ( 1/ a ) .
通过分部积分,可以得到一个对 a ≥ 0 a\geq0 a ≥ 0 一致成立的尾部积分估计,从而可以令 a ↓ 0 a\downarrow0 a ↓ 0 ,求得通常意义下的反常积分值为 π / 2 \pi/2 π /2 。
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。
勒贝格积分与高维区域 勒贝格积分 阐明了反常积分的适用范围及其局限性。设 f f f 在 [ a , ∞ ) [a,\infty) [ a , ∞ ) 上局部黎曼可积。如果 f ≥ 0 f\geq0 f ≥ 0 ,则其反常积分与勒贝格积分相等,且允许取值为 + ∞ +\infty + ∞ 。如果
∫ a ∞ ∣ f ( x ) ∣ d x < ∞ , \int_a^\infty |f(x)|\,dx<\infty, ∫ a ∞ ∣ f ( x ) ∣ d x < ∞ ,
则 f f f 勒贝格可积,且这两个有限积分同样相等。
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
f + ( x ) = max ( f ( x ) , 0 ) , f − ( x ) = max ( − f ( x ) , 0 ) . f^+(x)=\max(f(x),0), \qquad f^-(x)=\max(-f(x),0). f + ( x ) = max ( f ( x ) , 0 ) , f − ( x ) = max ( − f ( x ) , 0 ) .
勒贝格积分为有限值,要求 ∫ f + \int f^+ ∫ f + 和 ∫ f − \int f^- ∫ f − 均为有限值,等价地,要求 ∫ ∣ f ∣ < ∞ \int|f|<\infty ∫ ∣ f ∣ < ∞ 。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。
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。
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。
作为一个具体例子,考虑
f ( x , y ) = x 2 − y 2 ( x 2 + y 2 ) 2 , 0 < x , y < 1. f(x,y)=\frac{x^2-y^2}{(x^2+y^2)^2}, \qquad 0<x,y<1. f ( x , y ) = ( x 2 + y 2 ) 2 x 2 − y 2 , 0 < x , y < 1.
对于每个固定的 x > 0 x>0 x > 0 ,
∫ 0 1 f ( x , y ) d y = [ y x 2 + y 2 ] 0 1 = 1 1 + x 2 , \int_0^1 f(x,y)\,dy = \left[\frac{y}{x^2+y^2}\right]_0^1 = \frac{1}{1+x^2}, ∫ 0 1 f ( x , y ) d y = [ x 2 + y 2 y ] 0 1 = 1 + x 2 1 ,
因此,再对 x x x 积分得到 π / 4 \pi/4 π /4 。交换积分次序后,第一次积分得到 − 1 / ( 1 + y 2 ) -1/(1+y^2) − 1/ ( 1 + y 2 ) ,进而得到 − π / 4 -\pi/4 − π /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 θ ) / r 2 \cos(2\theta)/r^2 cos ( 2 θ ) / r 2 ,而面积元带来因子 r d r d θ r\,dr\,d\theta r d r d θ ;因此,取绝对值后,径向积分中的因子为 d r / r dr/r d r / 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。
柯西主值及其他正则化值 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 c c ,其标准对称形式为
PV ∫ a b f ( x ) d x = lim ε ↓ 0 ( ∫ a c − ε f ( x ) d x + ∫ c + ε b f ( x ) d x ) . \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). PV ∫ a b f ( x ) d x = ε ↓ 0 lim ( ∫ a c − ε f ( x ) d x + ∫ c + ε b f ( x ) d x ) .
对于无穷远处的情形,一种常用定义为
PV ∫ − ∞ ∞ f ( x ) d x = lim R → ∞ ∫ − R R f ( x ) d x . \operatorname{PV}\int_{-\infty}^{\infty}f(x)\,dx = \lim_{R\to\infty}\int_{-R}^R f(x)\,dx. PV ∫ − ∞ ∞ f ( x ) d x = R → ∞ lim ∫ − R R f ( x ) d x .
与通常的反常积分不同,这些定义将截断参数关联起来。
最简单的例子是
PV ∫ − 1 1 d x x = 0. \operatorname{PV}\int_{-1}^1\frac{dx}{x}=0. PV ∫ − 1 1 x d x = 0.
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。
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 ε \varepsilon ε ,右侧剔除区间的宽度为 k ε k\varepsilon k ε ,其中 k > 0 k>0 k > 0 ,那么
∫ − 1 − ε d x x + ∫ k ε 1 d x x = − log k . \int_{-1}^{-\varepsilon}\frac{dx}{x} + \int_{k\varepsilon}^1\frac{dx}{x} =-\log k. ∫ − 1 − ε x d x + ∫ k ε 1 x d x = − log k .
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。
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 φ \varphi φ ,分布 PV ( 1 / x ) \operatorname{PV}(1/x) PV ( 1/ x ) 的作用由下式给出:
lim ε ↓ 0 ∫ ∣ x ∣ > ε φ ( x ) x d x . \lim_{\varepsilon\downarrow0} \int_{|x|>\varepsilon}\frac{\varphi(x)}{x}\,dx. ε ↓ 0 lim ∫ ∣ x ∣ > ε x φ ( x ) d x .
在零点附近,减去 φ ( 0 ) \varphi(0) φ ( 0 ) 后便得到有界的差商
φ ( x ) − φ ( 0 ) x , \frac{\varphi(x)-\varphi(0)}{x}, x φ ( x ) − φ ( 0 ) ,
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。
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。
特殊函数、变换与概率 反常积分可用于定义许多重要的特殊函数。对于满足 Re z > 0 \operatorname{Re}z>0 Re z > 0 的复数 z z z ,伽马函数 定义为
Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t , t z − 1 = exp ( ( z − 1 ) log t ) . \Gamma(z)=\int_0^\infty t^{z-1}e^{-t}\,dt, \qquad t^{z-1}=\exp((z-1)\log t). Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t , t z − 1 = exp (( z − 1 ) log t ) .
在零点附近,被积函数的绝对值与 t Re z − 1 t^{\operatorname{Re}z-1} t 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
Γ ( z + 1 ) = z Γ ( z ) , \Gamma(z+1)=z\Gamma(z), Γ ( z + 1 ) = z Γ ( z ) ,
又因为 Γ ( 1 ) = 1 \Gamma(1)=1 Γ ( 1 ) = 1 ,所以对于非负整数 n n n ,有 Γ ( n + 1 ) = n ! \Gamma(n+1)=n! Γ ( 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。
高斯积分给出了另一个基本的积分结果:
∫ − ∞ ∞ e − x 2 d x = π . \int_{-\infty}^{\infty}e^{-x^2}\,dx=\sqrt{\pi}. ∫ − ∞ ∞ e − x 2 d x = π .
将该积分平方,并利用非负函数的二重积分,可得
∫ R 2 e − ( x 2 + y 2 ) d x d y = ∫ 0 2 π ∫ 0 ∞ e − r 2 r d r d θ = π . \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. ∫ R 2 e − ( x 2 + y 2 ) d x d y = ∫ 0 2 π ∫ 0 ∞ e − r 2 r d r d θ = π .
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。
积分变换通过含参数的反常积分来表示函数。例如,若 f f f 局部可积,且当 t t t 充分大时满足 ∣ f ( t ) ∣ ≤ M e α t |f(t)|\leq Me^{\alpha t} ∣ f ( t ) ∣ ≤ M e α t ,则拉普拉斯变换
L f ( s ) = ∫ 0 ∞ e − s t f ( t ) d t \mathcal Lf(s)=\int_0^\infty e^{-st}f(t)\,dt L f ( s ) = ∫ 0 ∞ e − s t f ( t ) d t
在 Re s > α \operatorname{Re}s>\alpha Re s > α 时绝对收敛。傅里叶变换
f ^ ( ξ ) = ∫ − ∞ ∞ f ( x ) e − i ξ x d x \widehat f(\xi)=\int_{-\infty}^{\infty}f(x)e^{-i\xi x}\,dx f ( ξ ) = ∫ − ∞ ∞ f ( x ) e − i ξ x d x
在 f ∈ L 1 ( R ) f\in L^1(\mathbb R) f ∈ L 1 ( 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。
在概率 论中,概率密度函数 满足 p ≥ 0 p\geq0 p ≥ 0 以及 ∫ R p ( x ) d x = 1 \int_{\mathbb R}p(x)\,dx=1 ∫ R p ( x ) d x = 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 ,
p ( x ) = 1 π ( 1 + x 2 ) , p(x)=\frac{1}{\pi(1+x^2)}, p ( x ) = π ( 1 + x 2 ) 1 ,
其归一化条件成立,但
∫ R ∣ x ∣ p ( x ) d x = ∞ . \int_{\mathbb R}|x|p(x)\,dx=\infty. ∫ R ∣ x ∣ p ( x ) d x = ∞.
因此,其期望值 未定义,尽管由对称性可得
PV ∫ R x p ( x ) d x = 0. \operatorname{PV}\int_{\mathbb R}x p(x)\,dx=0. PV ∫ R x p ( x ) d x = 0.
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。
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 C x − α − 1 Cx^{-\alpha-1} C x − α − 1 ,其中 α > 0 \alpha>0 α > 0 ,则其正阶 r r r 阶矩在无穷远处恰好当 r < α r<\alpha r < α 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。
数值计算与误差控制 数值计算将反常积分分为可计算的有限区间部分和尾部:
I = ∫ a R f ( x ) d x + ∫ R ∞ f ( x ) d x . I=\int_a^R f(x)\,dx+\int_R^\infty f(x)\,dx. I = ∫ a R f ( x ) d x + ∫ R ∞ f ( x ) d x .
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。
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
∣ f ( x ) ∣ ≤ C x − p , p > 1 , x ≥ R , |f(x)|\leq Cx^{-p}, \qquad p>1,\quad x\geq R, ∣ f ( x ) ∣ ≤ C x − p , p > 1 , x ≥ R ,
那么
∣ ∫ R ∞ f ( x ) d x ∣ ≤ C p − 1 R 1 − p . \left|\int_R^\infty f(x)\,dx\right| \leq\frac{C}{p-1}R^{1-p}. ∫ R ∞ f ( x ) d x ≤ p − 1 C R 1 − p .
当 p p p 接近 1 时,收敛极其缓慢。对于 f ( x ) = x − 1.01 f(x)=x^{-1.01} f ( x ) = x − 1.01 ,尾部的精确值为 100 R − 0.01 100R^{-0.01} 100 R − 0.01 ;将截断点增大一倍,尾部也仅变为原来的 2 − 0.01 2^{-0.01} 2 − 0.01 ,约为 0.9931 0.9931 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。
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 − α x^{-\alpha} x − α 且满足 0 < α < 1 0<\alpha<1 0 < α < 1 的被积函数,令 x = t q x=t^q x = t q ,便可将其主导因子变换为:
x − α d x = q t q ( 1 − α ) − 1 d t . x^{-\alpha}\,dx = q\,t^{q(1-\alpha)-1}\,dt. x − α d x = q t q ( 1 − α ) − 1 d t .
选择足够大的 q q 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 ) x=t/(1-t) 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 (1-t)^{-2} ( 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。
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 \sin x sin x 的各个相继零点处分割区间,可将 ∫ sin x / x d x \int\sin x/x\,dx ∫ sin x / x d x 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。
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。