1235 字
6 分钟
微积分 05|积分技巧、反常积分与概率

数学总导航 · 本课程目录 · ← 上一章 · 下一章 →

咖啡机出水越来越慢,总共接到了多少?#

一台咖啡机启动后,第 tt 秒的出水速度为 q(t)=20e−t/10q(t)=20e^{-t/10} 毫升/秒。前 10 秒接到的水量是

∫01020e−t/10dt=200(1−e−1)≈126.4 毫升.\int_0^{10}20e^{-t/10}dt=200(1-e^{-1})\approx126.4\text{ 毫升}.

令 u=t/10u=t/10,是在把秒改成“每 10 秒一格”的新时间单位;dt=10dudt=10du 不能省略,否则水量会少算十倍。这就是换元里那个额外因子的实际作用。

如果它永远按这个模型滴下去,总水量仍只有 ∫0∞20e−t/10dt=200\int_0^\infty20e^{-t/10}dt=200 毫升。“时间无穷长”不必导致“累积量无穷大”,关键是尾巴衰减得够不够快。

换元不是把字母换个名字#

假设原时间每 1 秒记一格,新时间 u=t/10u=t/10 每 10 秒才记一格。同一段物理时间在新坐标中的长度缩短十倍。为了让累积水量不变,积分中的时间增量必须补回十倍,即 dt=10dudt=10du。

从求导看也是一样:若 u=ϕ(t)u=\phi(t),一个很短的 dtdt 对应 du≈ϕ′(t)dtdu\approx\phi'(t)dt。积分换元要让每个小段的权重对应,才会保持同一累计量。

例:计算 ∫012x1+x2dx\int_0^12x\sqrt{1+x^2}dx。令 u=1+x2u=1+x^2,则 du=2xdxdu=2xdx;输入端点 x=0,1x=0,1 对应 u=1,2u=1,2。所以

∫12u du=23(22−1).\int_1^2\sqrt u\,du=\frac23(2\sqrt2-1).

如果只换被积函数,不换微小长度或上下限,算的就不再是原来的问题。

分部积分是在两种复杂度之间换工#

对 ∫01xexdx\int_0^1x e^x dx,指数函数积分后仍是自己,而 xx 求导会变成 1,事情会变简单。因此用乘积求导倒推,把对 exe^x 的积分换成对 xx 的求导。

写出 (xex)′=ex+xex(xe^x)'=e^x+xe^x,移项得 xex=(xex)′−exxe^x=(xe^x)'-e^x,两边积分,得到 [xex]01−[ex]01=1[xe^x]_0^1-[e^x]_0^1=1。先这样看清楚,再使用简写的分部积分模板,就不容易忘记边界项。

无穷尾巴要当成一个新问题#

对 x−2x^{-2},从 1 积到 RR 得 1−1/R1-1/R,当 RR 越来越大,结果稳定在 1。对 x−1x^{-1},截断积分为 log⁡R\log R,虽然增长很慢,仍没有有限上界。

看图时,“尾巴已经贴近横轴”不能证明剩余面积有限。每段尾巴可能都很薄,却累计得太久。无穷区间与零点奇性都必须通过截断极限判断,而不是仅凭图形的视觉印象。

带你做:偶尔等很久的队,平均等待一定有限吗#

考虑理想等待时间 X≥1X\ge1,密度为 p(x)=2/x3p(x)=2/x^3。先验证它真是密度:∫1R2x−3dx=1−R−2\int_1^R2x^{-3}dx=1-R^{-2},极限为 1。

均值为 ∫1∞x p(x)dx=∫1∞2x−2dx=2\int_1^\infty x\,p(x)dx=\int_1^\infty2x^{-2}dx=2。但二阶矩为 ∫1∞x2p(x)dx=∫1∞2/x dx\int_1^\infty x^2p(x)dx=\int_1^\infty2/x\,dx,发散。

所以平均等待有限,不代表等待波动的平方平均有限。极少发生的长等待,仍可能决定高阶矩是否存在。这个分布是教学模型,不是在预测某条真实队伍;它让“尾巴重要”从一句形容变成两次可核算的积分。

你还可以把密度改成 x−2x^{-2}(x≥1x\ge1),它已归一化,但均值就变成调和型反常积分而发散。密度总量为 1 与均值有限,是两份不同检查。

回头整理:定义、工具与练习#

换元是链式法则的积分形式#

当 ϕ\phi 连续可导、ff 在相关区间连续时,

∫abf(ϕ(t))ϕ′(t) dt=∫ϕ(a)ϕ(b)f(u) du.\int_a^b f(\phi(t))\phi'(t)\,dt =\int_{\phi(a)}^{\phi(b)}f(u)\,du.

求定积分时上下限要一起变换。例如令 u=x2u=x^2,则 du=2x dxdu=2x\,dx,所以 ∫012xex2 dx=e−1\int_0^12xe^{x^2}\,dx=e-1。不要在同一表达式中混用新变量和旧上下限。

分部积分#

从 (uv)′=u′v+uv′(uv)'=u'v+uv' 得

∫abu′v=[uv]ab−∫abuv′.\int_a^bu'v=[uv]_a^b-\int_a^buv'.

例如 ∫01xex dx=[xex]01−∫01ex dx=1\int_0^1x e^x\,dx=[xe^x]_0^1-\int_0^1e^x\,dx=1。通常把求导后会简化的因子选作被微分的一方。

反常积分先截断再取极限#

∫1∞f(x) dx=lim⁡R→∞∫1Rf(x) dx,∫01f(x) dx=lim⁡ε↓0∫ε1f(x) dx\int_1^\infty f(x)\,dx=\lim_{R\to\infty}\int_1^Rf(x)\,dx, \qquad \int_0^1f(x)\,dx=\lim_{\varepsilon\downarrow0}\int_\varepsilon^1f(x)\,dx

第二个式子用于零点可能有奇性的情形。极限必须是有限数才称收敛。内部有奇点时,要分别考察左右两侧。

直接计算得到

∫1∞x−p dx<∞  ⟺  p>1,∫01x−p dx<∞  ⟺  p<1.\int_1^\infty x^{-p}\,dx<\infty\iff p>1, \qquad \int_0^1x^{-p}\,dx<\infty\iff p<1.

无穷远与零点的判断方向相反,因为一个关注尾部,一个关注局部奇性。

主值不等于普通反常积分#

∫−11dx/x\int_{-1}^1dx/x 的左右积分分别发散,故通常的反常积分不存在。对称截断却给出

lim⁡ε↓0(∫−1−εdxx+∫ε1dxx)=0.\lim_{\varepsilon\downarrow0} \left(\int_{-1}^{-\varepsilon}\frac{dx}{x}+\int_\varepsilon^1\frac{dx}{x}\right)=0.

这是 Cauchy 主值。两种定义允许的截断方式不同,不能用对称抵消证明普通积分收敛。

密度与期望#

设 XX 的密度为 λe−λx\lambda e^{-\lambda x}(x≥0x\ge0,λ>0\lambda>0),积分为 1。分部积分并控制无穷远边界项可得 EX=1/λ\mathbb EX=1/\lambda。

实随机变量期望为有限实数的充分必要条件是 E∣X∣<∞\mathbb E|X|<\infty。若正部和负部期望都为无穷,则不能通过相消定义期望。Cauchy 分布的对称密度不意味着它有期望零。

练习与解答#

  1. 计算 ∫01log⁡(1+x) dx\int_0^1\log(1+x)\,dx。
  2. 判断 ∫01x−2/3 dx\int_0^1x^{-2/3}\,dx 是否收敛。
  3. 判断密度 p(x)=x−2p(x)=x^{-2}(x≥1x\ge1)的均值是否有限。

解答:1. 分部积分得 2log⁡2−12\log2-1。2. 收敛且等于 3。3. 密度积分为 1,但均值为 ∫1∞x−1dx\int_1^\infty x^{-1}dx,发散到正无穷。


数学总导航 · 本课程目录 · ← 上一章 · 下一章 →

微积分 05|积分技巧、反常积分与概率
https://f1yingwhite.github.io/posts/数学/微积分/05-积分技巧、反常积分与概率/
作者
F1yingWhite
发布于
2026-11-03
许可协议
CC BY-NC-SA 4.0