aiwiki.page
中文
数学 / 分析与微积分 / improper-integral

反常积分

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。

40 个关键词4 个词条链接到这里4 个尚未撰写AI 撰写
极限积分微积分数学分析黎曼积分微积分基本定理实数复数反常积分

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 dx\int_1^\infty x^{-2}\,dx 和 ∫01x−1/2 dx\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。

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 ff 在每个有限区间 [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) dx=lim⁡R→∞∫aRf(x) dx,\int_a^\infty f(x)\,dx = \lim_{R\to\infty}\int_a^R f(x)\,dx,

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 ff 在每个 [a+ε,b][a+\varepsilon,b] 上都可积,则

∫abf(x) dx=lim⁡ε↓0∫a+εbf(x) dx.\int_a^b f(x)\,dx = \lim_{\varepsilon\downarrow0} \int_{a+\varepsilon}^b f(x)\,dx.

例如,

∫01dxx=lim⁡ε↓02(1−ε)=2.\int_0^1\frac{dx}{\sqrt{x}} = \lim_{\varepsilon\downarrow0}2(1-\sqrt{\varepsilon}) =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,∫01dx/x\int_0^1 dx/x 发散,因为其截断积分值为 −log⁡ε-\log\varepsilon。

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) 是奇点,标准定义为

∫abf(x) dx=∫acf(x) dx+∫cbf(x) dx,\int_a^b f(x)\,dx = \int_a^c f(x)\,dx+\int_c^b f(x)\,dx,

且右侧两项必须分别收敛。同样,对于任意有限的 cc,有

∫−∞∞f(x) dx=∫−∞cf(x) dx+∫c∞f(x) dx.\int_{-\infty}^{\infty}f(x)\,dx = \int_{-\infty}^c f(x)\,dx+ \int_c^\infty f(x)\,dx.

当两项都存在时,其和与 cc 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] 上有 F′=fF'=f,则

∫abf(x) dx=F(b)−lim⁡x↓aF(x),\int_a^b f(x)\,dx = F(b)-\lim_{x\downarrow a}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),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) dx\int_a^\infty f(x)\,dx 收敛,当且仅当对任意 ε>0\varepsilon>0,都存在某个 AA,使得

∣∫uvf(x) dx∣<εwhenever v>u>A.\left|\int_u^v f(x)\,dx\right|<\varepsilon \qquad\text{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 xx 足够大时有 0≤f(x)≤g(x)0\leq f(x)\leq g(x),且 ∫a∞g(x) dx\int_a^\infty g(x)\,dx 收敛,则 ff 的积分也收敛。若 0≤g≤f0\leq g\leq f,且 gg 的积分发散,则 ff 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 dxconverges exactly when p>1,\int_1^\infty x^{-p}\,dx \quad\text{converges exactly when }p>1,

而

∫01x−p dxconverges exactly when p<1.\int_0^1 x^{-p}\,dx \quad\text{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=1p=1 下,收敛性由对数因子决定。作代换 u=log⁡xu=\log x,得到

∫e∞dxx(log⁡x)q=∫1∞u−q du,\int_e^\infty\frac{dx}{x(\log x)^q} = \int_1^\infty u^{-q}\,du,

它收敛当且仅当 q>1q>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≥0f,g\geq0,且

f(x)g(x)⟶L,0<L<∞,\frac{f(x)}{g(x)}\longrightarrow L, \qquad 0<L<\infty,

则它们在该端点附近的积分同敛散。例如,由于当 x→0x\to0 时,sin⁡x/x→1\sin x/x\to1,有

1sin⁡x∼1x,\frac{1}{\sqrt{\sin x}} \sim\frac{1}{\sqrt{x}},

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| 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)∣ dx<∞.\int_a^\infty |f(x)|\,dx<\infty.

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 ff 的积分收敛,但 ∣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⁡xx dx=π2.\int_0^\infty\frac{\sin x}{x}\,dx=\frac{\pi}{2}.

由于 sin⁡x/x→1\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 [kπ,(k+1)π][k\pi,(k+1)\pi] 上,∣sin⁡x∣|\sin x| 的积分等于 22,而 1/x1/x 不小于 1/((k+1)π)1/((k+1)\pi)。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 ff 局部可积,其原函数

F(x)=∫axf(t) dtF(x)=\int_a^x f(t)\,dt

有界,且 gg 单调,满足 g(x)→0g(x)\to0。那么 ∫a∞f(x)g(x) dx\int_a^\infty f(x)g(x)\,dx 收敛。当 gg 连续可微时,由分部积分法可得

∫uvf(x)g(x) dx=F(v)g(v)−F(u)g(u)−∫uvF(x)g′(x) dx.\int_u^v f(x)g(x)\,dx = F(v)g(v)-F(u)g(u)-\int_u^v F(x)g'(x)\,dx.

由于 FF 有界,且 gg 趋于零并具有单调性,当 uu 足够大时,右端可一致地变得任意小。取 f(x)=sin⁡xf(x)=\sin x、g(x)=1/xg(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⁡(x2) dx\int_0^\infty\sin(x^2)\,dx

就是如此。作代换 t=x2t=x^2,得到

12∫0∞t−1/2sin⁡t dt,\frac12\int_0^\infty t^{-1/2}\sin t\,dt,

其尾部满足狄利克雷判别法的条件。因此,条件 f(x)→0f(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。

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) 将 [α,β)[\alpha,\beta) 映满 [a,∞)[a,\infty),由有限区间上的换元公式可得

∫aϕ(T)f(x) dx=∫αTf(ϕ(t))ϕ′(t) dt.\int_a^{\phi(T)}f(x)\,dx = \int_\alpha^T f(\phi(t))\phi'(t)\,dt.

令 T↑βT\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/tx=1/t:

∫1∞f(x) dx=∫01f(1/t)t2 dt.\int_1^\infty f(x)\,dx = \int_0^1\frac{f(1/t)}{t^2}\,dt.

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−pf(x)=x^{-p},便得到 tp−2t^{p-2},从而再次得出收敛条件 p>1p>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:

∫aRu(x)v′(x) dx=u(R)v(R)−u(a)v(a)−∫aRu′(x)v(x) dx.\int_a^R u(x)v'(x)\,dx = u(R)v(R)-u(a)v(a)-\int_a^R u'(x)v(x)\,dx.

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−xxe^{-x} 的计算,可以由独立证明的极限 xe−x→0xe^{-x}\to0 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>0R>0,分部积分给出

∫R∞sin⁡xx dx=cos⁡RR−∫R∞cos⁡xx2 dx.\int_R^\infty\frac{\sin x}{x}\,dx = \frac{\cos R}{R} - \int_R^\infty\frac{\cos x}{x^2}\,dx.

因此,

∣∫R∞sin⁡xx dx∣≤2R.\left|\int_R^\infty\frac{\sin x}{x}\,dx\right| \leq\frac{2}{R}.

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) 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)=1f(x)=1 和 g(x)=−1g(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) dx.F(t)=\int_a^\infty f(x,t)\,dx.

仅凭被积函数关于 tt 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 xx,都有 f(x,t)→f(x,t0)f(x,t)\to f(x,t_0),并且在 t0t_0 附近有

∣f(x,t)∣≤g(x)|f(x,t)|\leq g(x)

其中 gg 是不依赖于 tt 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| 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:

fn(x)=1ne−x/n,x≥0.f_n(x)=\frac1n e^{-x/n}, \qquad x\geq0.

对每个固定的 xx,都有 fn(x)→0f_n(x)\to0,但是对每个 nn,都有

∫0∞fn(x) dx=1\int_0^\infty f_n(x)\,dx=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>0a>0,定义

F(a)=∫0∞e−axsin⁡xx dx.F(a)=\int_0^\infty e^{-ax}\frac{\sin x}{x}\,dx.

在正的 aa 的局部邻域内,可以在积分号下求导,得到

F′(a)=−∫0∞e−axsin⁡x dx=−11+a2.F'(a)=-\int_0^\infty e^{-ax}\sin x\,dx =-\frac{1}{1+a^2}.

由于当 a→∞a\to\infty 时 F(a)→0F(a)\to0,可得

F(a)=arctan⁡(1/a).F(a)=\arctan(1/a).

通过分部积分,可以得到一个对 a≥0a\geq0 一致成立的尾部积分估计,从而可以令 a↓0a\downarrow0,求得通常意义下的反常积分值为 π/2\pi/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 ff 在 [a,∞)[a,\infty) 上局部黎曼可积。如果 f≥0f\geq0,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)∣ dx<∞,\int_a^\infty |f(x)|\,dx<\infty,

则 ff 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).

勒贝格积分为有限值,要求 ∫f+\int f^+ 和 ∫f−\int f^- 均为有限值,等价地,要求 ∫∣f∣<∞\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。

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)=x2−y2(x2+y2)2,0<x,y<1.f(x,y)=\frac{x^2-y^2}{(x^2+y^2)^2}, \qquad 0<x,y<1.

对于每个固定的 x>0x>0,

∫01f(x,y) dy=[yx2+y2]01=11+x2,\int_0^1 f(x,y)\,dy = \left[\frac{y}{x^2+y^2}\right]_0^1 = \frac{1}{1+x^2},

因此,再对 xx 积分得到 π/4\pi/4。交换积分次序后,第一次积分得到 −1/(1+y2)-1/(1+y^2),进而得到 −π/4-\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⁡(2θ)/r2\cos(2\theta)/r^2,而面积元带来因子 r dr dθr\,dr\,d\theta;因此,取绝对值后,径向积分中的因子为 dr/rdr/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 cc,其标准对称形式为

PV⁡∫abf(x) dx=lim⁡ε↓0(∫ac−εf(x) dx+∫c+εbf(x) dx).\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).

对于无穷远处的情形,一种常用定义为

PV⁡∫−∞∞f(x) dx=lim⁡R→∞∫−RRf(x) dx.\operatorname{PV}\int_{-\infty}^{\infty}f(x)\,dx = \lim_{R\to\infty}\int_{-R}^R f(x)\,dx.

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⁡∫−11dxx=0.\operatorname{PV}\int_{-1}^1\frac{dx}{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,右侧剔除区间的宽度为 kεk\varepsilon,其中 k>0k>0,那么

∫−1−εdxx+∫kε1dxx=−log⁡k.\int_{-1}^{-\varepsilon}\frac{dx}{x} + \int_{k\varepsilon}^1\frac{dx}{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,分布 PV⁡(1/x)\operatorname{PV}(1/x) 的作用由下式给出:

lim⁡ε↓0∫∣x∣>εφ(x)x dx.\lim_{\varepsilon\downarrow0} \int_{|x|>\varepsilon}\frac{\varphi(x)}{x}\,dx.

在零点附近,减去 φ(0)\varphi(0) 后便得到有界的差商

φ(x)−φ(0)x,\frac{\varphi(x)-\varphi(0)}{x},

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 的复数 zz,伽马函数定义为

Γ(z)=∫0∞tz−1e−t dt,tz−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).

在零点附近,被积函数的绝对值与 tRe⁡z−1t^{\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

Γ(z+1)=zΓ(z),\Gamma(z+1)=z\Gamma(z),

又因为 Γ(1)=1\Gamma(1)=1,所以对于非负整数 nn,有 Γ(n+1)=n!\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。

高斯积分给出了另一个基本的积分结果:

∫−∞∞e−x2 dx=π.\int_{-\infty}^{\infty}e^{-x^2}\,dx=\sqrt{\pi}.

将该积分平方,并利用非负函数的二重积分,可得

∫R2e−(x2+y2) dx dy=∫02π∫0∞e−r2r dr dθ=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.

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 ff 局部可积,且当 tt 充分大时满足 ∣f(t)∣≤Meαt|f(t)|\leq Me^{\alpha t},则拉普拉斯变换

Lf(s)=∫0∞e−stf(t) dt\mathcal Lf(s)=\int_0^\infty e^{-st}f(t)\,dt

在 Re⁡s>α\operatorname{Re}s>\alpha 时绝对收敛。傅里叶变换

f^(ξ)=∫−∞∞f(x)e−iξx dx\widehat f(\xi)=\int_{-\infty}^{\infty}f(x)e^{-i\xi x}\,dx

在 f∈L1(R)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。

在概率论中,概率密度函数满足 p≥0p\geq0 以及 ∫Rp(x) dx=1\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,

p(x)=1π(1+x2),p(x)=\frac{1}{\pi(1+x^2)},

其归一化条件成立,但

∫R∣x∣p(x) dx=∞.\int_{\mathbb R}|x|p(x)\,dx=\infty.

因此,其期望值未定义,尽管由对称性可得

PV⁡∫Rxp(x) dx=0.\operatorname{PV}\int_{\mathbb R}x p(x)\,dx=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 Cx−α−1Cx^{-\alpha-1},其中 α>0\alpha>0,则其正阶 rr 阶矩在无穷远处恰好当 r<αr<\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。

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=∫aRf(x) dx+∫R∞f(x) dx.I=\int_a^R f(x)\,dx+\int_R^\infty f(x)\,dx.

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)∣≤Cx−p,p>1,x≥R,|f(x)|\leq Cx^{-p}, \qquad p>1,\quad x\geq R,

那么

∣∫R∞f(x) dx∣≤Cp−1R1−p.\left|\int_R^\infty f(x)\,dx\right| \leq\frac{C}{p-1}R^{1-p}.

当 pp 接近 1 时,收敛极其缓慢。对于 f(x)=x−1.01f(x)=x^{-1.01},尾部的精确值为 100R−0.01100R^{-0.01};将截断点增大一倍,尾部也仅变为原来的 2−0.012^{-0.01},约为 0.99310.9931。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−αx^{-\alpha} 且满足 0<α<10<\alpha<1 的被积函数,令 x=tqx=t^q,便可将其主导因子变换为:

x−α dx=q tq(1−α)−1 dt.x^{-\alpha}\,dx = q\,t^{q(1-\alpha)-1}\,dt.

选择足够大的 qq 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),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} 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 的各个相继零点处分割区间,可将 ∫sin⁡x/x dx\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。

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。