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

正弦积分

正弦积分是对 sin(t)/t 积分定义的特殊函数,在振荡积分、傅里叶分析和信号处理中具有重要作用。

18 个关键词2 个词条链接到这里3 个尚未撰写AI 撰写
原函数傅里叶变换积分微积分基本定理泰勒级数拉普拉斯变换分部积分法渐近展开正弦积分

正弦积分是通常由下式定义的特殊函数:

Si⁡(x)=∫0xsin⁡tt dt.\operatorname{Si}(x)=\int_0^x \frac{\sin t}{t}\,dt.

被积函数在 t=0t=0 处表面上存在奇点,但这是一个可去奇点:根据连续性,将该处的函数值定义为 11。正弦积分描述了衰减振荡的累积贡献。它是无法用初等函数表示的原函数的一个典型例子,并自然出现于傅里叶变换、波传播和带限信号分析中。

定义与约定

对于实数 xx,将被积函数在零点处连续延拓后,定义中的积分就是普通的定积分。它满足

Si⁡(0)=0,Si⁡(−x)=−Si⁡(x).\operatorname{Si}(0)=0, \qquad \operatorname{Si}(-x)=-\operatorname{Si}(x).

因此,正弦积分是奇函数。

另一种相关约定使用小写记号:

si⁡(x)=−∫x∞sin⁡tt dt=Si⁡(x)−π2,x∈R.\operatorname{si}(x) =-\int_x^\infty \frac{\sin t}{t}\,dt =\operatorname{Si}(x)-\frac{\pi}{2}, \qquad x\in\mathbb R.

与 Si⁡\operatorname{Si} 不同,这个平移后的函数不是奇函数,并且当 x→+∞x\to+\infty 时趋于零。在比较公式或软件文档时,必须区分这两种约定。

被积函数是未归一化的 sinc函数:

sinc⁡(t)={sin⁡t/t,t≠0,1,t=0.\operatorname{sinc}(t)= \begin{cases} \sin t/t,&t\ne0,\\ 1,&t=0. \end{cases}

另一种常见约定将 sinc 定义为 sin⁡(πt)/(πt)\sin(\pi t)/(\pi t),这会在积分公式中引入相应的 π\pi 因子。

导数与局部性质

根据微积分基本定理,

Si⁡′(x)={sin⁡xx,x≠0,1,x=0.\operatorname{Si}'(x)= \begin{cases} \dfrac{\sin x}{x},&x\ne0,\\[6pt] 1,&x=0. \end{cases}

对 sin⁡x/x\sin x/x 的泰勒级数逐项积分,得到

Si⁡(x)=∑n=0∞(−1)nx2n+1(2n+1)(2n+1)!.\operatorname{Si}(x) =\sum_{n=0}^{\infty} \frac{(-1)^n x^{2n+1}}{(2n+1)(2n+1)!}.

特别地,

Si⁡(x)=x−x318+x5600−x735280+⋯ .\operatorname{Si}(x) =x-\frac{x^3}{18} +\frac{x^5}{600} -\frac{x^7}{35280} +\cdots.

因此,在原点附近,Si⁡(x)\operatorname{Si}(x) 近似等于 xx。

对于 x≠0x\ne0,再次求导可得

Si⁡′′(x)=xcos⁡x−sin⁡xx2.\operatorname{Si}''(x) =\frac{x\cos x-\sin x}{x^2}.

在正实轴上,驻点位于 x=nπx=n\pi,其中 nn 为正整数。奇数倍的 π\pi 对应局部极大值点,偶数倍则对应局部极小值点。因此,该函数围绕其极限值振荡,而不是单调趋近于极限值。它的第一个正半轴极大值为

Si⁡(π)≈1.851937052.\operatorname{Si}(\pi)\approx1.851937052.

一个简单的不定积分恒等式为

∫Si⁡(x) dx=xSi⁡(x)+cos⁡x+C.\int \operatorname{Si}(x)\,dx =x\operatorname{Si}(x)+\cos x+C.

狄利克雷积分与极限值

与正弦积分相关的基本反常积分恒等式是狄利克雷积分:

∫0∞sin⁡tt dt=π2.\int_0^\infty\frac{\sin t}{t}\,dt=\frac{\pi}{2}.

由此可得

lim⁡x→+∞Si⁡(x)=π2,lim⁡x→−∞Si⁡(x)=−π2.\lim_{x\to+\infty}\operatorname{Si}(x)=\frac{\pi}{2}, \qquad \lim_{x\to-\infty}\operatorname{Si}(x)=-\frac{\pi}{2}.

这个反常积分条件收敛,但不绝对收敛:

∫0∞∣sin⁡tt∣ dt=∞.\int_0^\infty\left|\frac{\sin t}{t}\right|\,dt=\infty.

因此,正负振荡之间的相互抵消至关重要。

一种推导方法是引入指数衰减因子。对于 a>0a>0,令

F(a)=∫0∞e−atsin⁡tt dt.F(a)=\int_0^\infty e^{-at}\frac{\sin t}{t}\,dt.

在积分号下求导,得到

F′(a)=−∫0∞e−atsin⁡t dt=−11+a2.F'(a) =-\int_0^\infty e^{-at}\sin t\,dt =-\frac{1}{1+a^2}.

结合 a→∞a\to\infty 时 F(a)→0F(a)\to0,可得

F(a)=arctan⁡ ⁣(1a).F(a)=\arctan\!\left(\frac1a\right).

令 a↓0a\downarrow0,并适当论证带衰减因子的积分与不带衰减因子的积分之间的关系,即可得到 π/2\pi/2。这一恒等式也将正弦积分与拉普拉斯变换联系起来。

大自变量下的渐近性质

对于较大的正数 xx,对

π2−Si⁡(x)=∫x∞sin⁡tt dt\frac{\pi}{2}-\operatorname{Si}(x) =\int_x^\infty\frac{\sin t}{t}\,dt

反复使用分部积分法,可以得到渐近展开

Si⁡(x)∼π2−cos⁡xx(1−2!x2+4!x4−⋯ )−sin⁡xx2(1−3!x2+5!x4−⋯ ).\operatorname{Si}(x)\sim \frac{\pi}{2} -\frac{\cos x}{x} \left( 1-\frac{2!}{x^2}+\frac{4!}{x^4}-\cdots \right) -\frac{\sin x}{x^2} \left( 1-\frac{3!}{x^2}+\frac{5!}{x^4}-\cdots \right).

其前几项为

Si⁡(x)=π2−cos⁡xx−sin⁡xx2+O(x−3),x→+∞,\operatorname{Si}(x) =\frac{\pi}{2} -\frac{\cos x}{x} -\frac{\sin x}{x^2} +O(x^{-3}), \qquad x\to+\infty,

其中余项使用了大O记号。

因此,振荡的包络为 1/x1/x 量级。阶乘形式的系数也表明,对于固定的非零 xx,完整的负幂展开是发散的。将它们适当截断后,可以得到有用的渐近近似,但不能将其视为收敛的无穷级数。对于负实数自变量,可利用奇函数性质处理。

复自变量

对于复数 zz,相同的定义可推广为

Si⁡(z)=∫0zsin⁡tt dt.\operatorname{Si}(z)=\int_0^z\frac{\sin t}{t}\,dt.

将零点处的可去奇点补齐后,被积函数是在整个复平面上解析的函数,即整函数。因此,该积分与连接 00 和 zz 的路径无关,而 Si⁡\operatorname{Si} 本身也是整函数。

幂级数

Si⁡(z)=∑n=0∞(−1)nz2n+1(2n+1)(2n+1)!\operatorname{Si}(z) =\sum_{n=0}^{\infty} \frac{(-1)^n z^{2n+1}}{(2n+1)(2n+1)!}

对任意复数 zz 都收敛。由此也可立即得到恒等式

Si⁡(−z)=−Si⁡(z),Si⁡(z‾)=Si⁡(z)‾\operatorname{Si}(-z)=-\operatorname{Si}(z), \qquad \operatorname{Si}(\overline z) =\overline{\operatorname{Si}(z)}

研究大复自变量下的渐近性质时,需要注意复平面中的方向。实轴上的极限值并不能描述所有方向上的行为;沿虚轴方向,函数会呈指数增长。

傅里叶分析与吉布斯现象

对 sinc 形核函数在某个区间上积分时,就会出现正弦积分。例如,采用如下傅里叶逆变换约定:

f(t)=12π∫−∞∞f^(ω)eiωt dω,f(t)=\frac{1}{2\pi} \int_{-\infty}^{\infty}\widehat f(\omega)e^{i\omega t}\,d\omega,

若理想低通频率响应在 ∣ω∣<Ω|\omega|<\Omega 时等于 11,在该区间外等于 00,则其冲激响应为

h(t)=sin⁡(Ωt)πt.h(t)=\frac{\sin(\Omega t)}{\pi t}.

它对单位阶跃的响应为

y(t)=∫−∞th(u) du=12+1πSi⁡(Ωt).y(t)=\int_{-\infty}^{t}h(u)\,du =\frac12+\frac1\pi\operatorname{Si}(\Omega t).

这可以通过对冲激响应积分得到,等价地,也可以通过将冲激响应与阶跃函数作卷积得到。

Si⁡\operatorname{Si} 的振荡解释了间断点附近的超调。在 t=π/Ωt=\pi/\Omega 处,

y(t)−1=Si⁡(π)π−12≈0.089489872.y(t)-1 =\frac{\operatorname{Si}(\pi)}{\pi}-\frac12 \approx0.089489872.

因此,第一个峰值超出最终水平的幅度约为阶跃高度的 8.95%8.95\%。

同样的正弦积分曲线也决定了傅里叶级数近似在跳跃间断点附近的局部极限行为。这就是吉布斯现象:增大带宽或增加保留的傅里叶模态数,会使振荡区域变窄,却不会消除其极限相对超调量。

数值计算

不同的表示形式适用于不同的自变量范围:

  • 小自变量: 收敛的幂级数计算高效,并且避免了直接在可去奇点处求值。
  • 中等大小的自变量: 数值求积或有理函数近似可以给出精确的数值。
  • 较大的正自变量: 截断的渐近展开可以高效地近似函数值与 π/2\pi/2 的偏差。
  • 负实数自变量: 利用奇对称性,可将计算归结为正实数情形。

虽然幂级数处处收敛,但在自变量较大时,绝对值很大的交错项会相互抵消,因此可能不适合数值计算。在浮点运算中,这种抵消可能导致有效数字丢失。

对于较大的正数 xx,计算很小的尾项

si⁡(x)=Si⁡(x)−π2\operatorname{si}(x)=\operatorname{Si}(x)-\frac{\pi}{2}

时,也会遇到类似问题。直接将两个近乎相等的量相减,可能损失相对精度。为了精确计算尾项,算法可以改为直接计算其渐近表示。