反常积分在教材里往往只花两三页篇幅很多同学学完定积分后看到“反常”两个字就觉得它很特殊甚至以为它是一种特别复杂的运算。其实反常积分的核心思想非常朴素把定积分中“区间有限”和“函数有界”这两个限制放宽。简单来说要么积分区间跑到无穷远要么被积函数在某个点附近趋近于无穷大。这个概念不只在数学分析里重要在概率论、信号处理、机器学习等方向都会频繁用到。本文就围绕“反常积分到底在算什么、怎么判断收敛、怎么计算”这几个问题完整梳理一遍并配上可以直接运行的 Python 数值验证代码。1. 反常积分到底是什么1.1 从定积分说起我们先回忆一下普通定积分的样子$$\int_a^b f(x) dx$$它表示函数 $f(x)$ 在闭区间 $[a, b]$ 上的积分。要写出这个式子默认满足两个条件积分区间 $[a, b]$ 是有限区间。被积函数 $f(x)$ 在 $[a, b]$ 上是有界的不能在某点处趋于无穷大。你可能会说那如果函数在某点处确实趋于无穷大或者区间本身就是无穷的积分还算不算定积分当然不管这种情况因为黎曼积分的定义是建立在有限区间、有界函数基础上的。但实际应用里我们确实会遇到很多这样的问题。比如求一个从某点一直到无穷远的“累计量”。求一个函数在某个奇点附近的“总效果”。于是数学家把定积分的定义做了一个推广允许区间无穷或者允许函数无界就引出了反常积分。1.2 反常积分的分类反常积分按“问题出在哪”分成两大类无穷区间上的积分也叫无穷限积分。例如$$\int_1^{\infty} \frac{1}{x^2} dx$$积分上限是正无穷显然没法像普通定积分那样直接代入上下限。无界函数的积分也叫瑕积分。例如$$\int_0^1 \frac{1}{\sqrt{x}} dx$$被积函数在 $x \to 0^$ 时趋向无穷大$x0$ 就是一个瑕点。这两种情况在定义上都用了同一个思想取极限。既然函数在某个地方“不正常”那我们就先避开那个不正常的位置算一个正常的定积分再让变量趋向那个不正常的位置看结果是否趋向一个有限值。如果趋向有限值就说反常积分收敛如果趋向无穷大或者极限不存在就说反常积分发散。1.3 为什么要学反常积分你可能觉得这个概念抽象但它真的有实际用途概率密度函数在无穷区间上的积分必须等于 1比如正态分布的概率密度从负无穷到正无穷积分结果是 1。这里的积分就是反常积分。拉普拉斯变换、傅里叶变换中很多积分式都是反常积分。在计算某些物理量时比如引力势能、电场强度也经常遇到无穷区间积分或者含奇点的积分。所以理解反常积分不仅是考试要求更是后续学习数学工具的基础。2. 第一类反常积分无穷区间上的积分2.1 定义与计算思路先看最简单的形式$$\int_a^{\infty} f(x) dx$$它的定义是$$\int_a^{\infty} f(x) dx \lim_{t \to \infty} \int_a^t f(x) dx$$也就是说先把上限 $\infty$ 换成一个有限的 $t$得到一个关于 $t$ 的定积分。令 $t$ 趋向正无穷看这个定积分是否有极限。极限存在则反常积分收敛极限值就是反常积分的值极限不存在则反常积分发散。对于 $\int_{-\infty}^b f(x) dx$定义类似只是把下限看成变量 $t$令 $t \to -\infty$。对于两端都是无穷的积分$$\int_{-\infty}^{\infty} f(x) dx$$定义是拆成两部分$$\int_{-\infty}^{\infty} f(x) dx \int_{-\infty}^c f(x) dx \int_c^{\infty} f(x) dx$$注意只有当拆出来的两个积分都收敛时整体才收敛。如果其中一个发散整体就发散。2.2 实例为什么 1/x 发散而 1/x² 收敛我们对比两个非常经典的积分。第一个$$\int_1^{\infty} \frac{1}{x} dx$$按定义计算$$\int_1^t \frac{1}{x} dx \ln t - \ln 1 \ln t$$令 $t \to \infty$$\ln t \to \infty$极限不存在所以积分发散。第二个$$\int_1^{\infty} \frac{1}{x^2} dx$$按定义计算$$\int_1^t \frac{1}{x^2} dx \left[-\frac{1}{x}\right]_1^t -\frac{1}{t} 1$$令 $t \to \infty$结果趋向 1所以积分收敛且积分值等于 1。这两个例子说明一个关键点同样是无穷区间函数下降速度快慢决定了积分是否收敛。$\frac{1}{x}$ 下降太慢积分面积一直在增长$\frac{1}{x^2}$ 下降足够快总面积趋于有限值。2.3 p 积分的结论对于更一般的形式$$\int_1^{\infty} \frac{1}{x^p} dx$$结论如下当 $p 1$ 时积分收敛。当 $p \le 1$ 时积分发散。这个结论非常重要因为它可以作为后续比较判别法的基准。3. 第二类反常积分无界函数的积分3.1 瑕点与定义如果函数在区间内部或端点的某个点附近趋于无穷大这个点称为瑕点。比如$$\int_0^1 \frac{1}{x^p} dx$$当 $x \to 0^$ 时如果 $p 0$被积函数趋于无穷大所以 $x0$ 就是瑕点。积分定义为$$\int_0^1 \frac{1}{x^p} dx \lim_{\varepsilon \to 0^} \int_\varepsilon^1 \frac{1}{x^p} dx$$也就是说我们先从 $\varepsilon$ 积分到 1再令 $\varepsilon$ 趋向 0看极限是否存在。3.2 实例1/√x 收敛而 1/x 发散先看$$\int_0^1 \frac{1}{\sqrt{x}} dx$$计算$$\int_\varepsilon^1 x^{-1/2} dx 2\sqrt{x} \Big|_\varepsilon^1 2 - 2\sqrt{\varepsilon}$$令 $\varepsilon \to 0^$结果趋向 2所以积分收敛。再看$$\int_0^1 \frac{1}{x} dx$$计算$$\int_\varepsilon^1 \frac{1}{x} dx \ln 1 - \ln \varepsilon -\ln \varepsilon$$令 $\varepsilon \to 0^$$-\ln \varepsilon \to \infty$极限不存在所以积分发散。注意一个非常容易搞混的点第一类反常积分是 $x$ 趋向无穷第二类反常积分是 $x$ 趋向某个有限端点。这两个问题的 p 值收敛条件正好相反$\int_1^{\infty} \frac{1}{x^p} dx$$p 1$ 收敛。$\int_0^1 \frac{1}{x^p} dx$$p 1$ 收敛。很多初学者把这两个结论记反原因就是没有理解背后的极限过程。3.3 瑕点在区间内部的情况如果瑕点在区间内部积分也要拆开。比如$$\int_{-1}^1 \frac{1}{x^2} dx$$在 $x0$ 处函数趋于无穷大。我们不能直接对整个区间积分需要拆成$$\int_{-1}^1 \frac{1}{x^2} dx \int_{-1}^0 \frac{1}{x^2} dx \int_0^1 \frac{1}{x^2} dx$$而这两部分都是发散的所以整体发散。这里有一个常见误区有些同学会想$\frac{1}{x^2}$ 是关于 $y$ 轴对称的偶函数两个“无穷大”抵消了积分是不是等于 0完全错误。两个部分都趋向正无穷根本没有一个有限极限积分只能是发散。4. 如何判断反常积分收敛还是发散除了直接用定义计算有些积分可能找不到原函数这时候需要借助判别法。下面介绍三种常用方法。4.1 定义法这种方法最直接也最可靠。步骤将反常积分写成极限形式。计算对应的定积分。求极限判断极限是否存在。如果原函数容易求就用这种方法。前面举的很多例子都是定义法。4.2 比较判别法如果被积函数不容易直接积分可以找一个已知收敛或发散的函数来比较。设 $f(x)$ 和 $g(x)$ 在积分区间上非负并且 $f(x) \le g(x)$如果 $\int g(x) dx$ 收敛那么 $\int f(x) dx$ 也收敛。如果 $\int f(x) dx$ 发散那么 $\int g(x) dx$ 也发散。这个逻辑和级数里的比较判别法一模一样。举个例子$$\int_1^{\infty} \frac{1}{x^2 1} dx$$因为$$\frac{1}{x^2 1} \le \frac{1}{x^2}$$而 $\int_1^{\infty} \frac{1}{x^2} dx$ 收敛所以原积分也收敛。4.3 极限比较判别法如果要比较的两个函数在无穷远处或瑕点附近的比值趋于一个正常数那么两个积分的敛散性相同。若$$\lim_{x \to \infty} \frac{f(x)}{g(x)} c \quad (0 c \infty)$$则 $\int f(x) dx$ 与 $\int g(x) dx$ 同敛散。举个例子$$\int_1^{\infty} \frac{1}{\sqrt{x^3 1}} dx$$当 $x$ 很大时$$\frac{1}{\sqrt{x^3 1}} \sim \frac{1}{x^{3/2}}$$这里 $p \frac{3}{2} 1$所以积分收敛。这种方法特别适合处理带根号、带多项式组合的复杂函数。4.4 常用对照表积分形式收敛条件发散条件$\int_1^{\infty} \frac{1}{x^p} dx$$p 1$$p \le 1$$\int_0^1 \frac{1}{x^p} dx$$p 1$$p \ge 1$$\int_2^{\infty} \frac{1}{x(\ln x)^p} dx$$p 1$$p \le 1$这几个结论是反常积分中最常用的基准。5. 完整实战典型例题解析下面我们从易到难看几个完整例题每个例题都按“判断类型 → 找瑕点 → 计算/判别 → 写结论”的流程走一遍。5.1 例题一无穷限积分计算$$\int_0^{\infty} e^{-x} dx$$这属于第一类反常积分上限无穷。按定义$$\int_0^{\infty} e^{-x} dx \lim_{t \to \infty} \int_0^t e^{-x} dx$$而$$\int_0^t e^{-x} dx -e^{-x}\Big|_0^t -e^{-t} 1$$令 $t \to \infty$$e^{-t} \to 0$所以极限为 1。结论积分收敛值为 1。5.2 例题二无界函数积分计算$$\int_0^1 \ln x , dx$$这里 $\ln x$ 在 $x \to 0^$ 时趋向 $-\infty$所以 $x0$ 是瑕点。按定义$$\int_0^1 \ln x , dx \lim_{\varepsilon \to 0^} \int_\varepsilon^1 \ln x , dx$$先算定积分$$\int_\varepsilon^1 \ln x , dx \left[x \ln x - x\right]_\varepsilon^1 (0 - 1) - (\varepsilon \ln \varepsilon - \varepsilon)$$整理$$ -1 - \varepsilon \ln \varepsilon \varepsilon$$令 $\varepsilon \to 0^$由于 $\varepsilon \ln \varepsilon \to 0$所以极限为 $-1$。结论积分收敛值为 $-1$。这个例子很经典因为 $\ln x$ 在 0 附近虽然是负无穷大但它的“总面积”却是有限的。5.3 例题三无穷区间上的复合函数判断$$\int_1^{\infty} \frac{\arctan x}{x^2} dx$$的敛散性。观察在 $x \to \infty$ 时$\arctan x \to \frac{\pi}{2}$所以$$\frac{\arctan x}{x^2} \sim \frac{\pi}{2} \cdot \frac{1}{x^2}$$因为 $\int_1^{\infty} \frac{1}{x^2} dx$ 收敛所以原积分收敛。这里不需要精确计算积分值只需要判断敛散性用极限比较判别法非常合适。5.4 例题四混合类型判断$$\int_{-\infty}^{\infty} \frac{1}{1 x^2} dx$$这是一个双端无穷的积分要先拆成两部分$$\int_{-\infty}^{\infty} \frac{1}{1 x^2} dx \int_{-\infty}^0 \frac{1}{1 x^2} dx \int_0^{\infty} \frac{1}{1 x^2} dx$$先算后一部分$$\int_0^{\infty} \frac{1}{1 x^2} dx \lim_{t \to \infty} \arctan x \Big|0^t \lim{t \to \infty} (\arctan t - 0) \frac{\pi}{2}$$同理前一部分也为 $\frac{\pi}{2}$。所以整个积分收敛值为 $\pi$。这个结果在概率论中非常重要它是柯西分布的概率密度函数积分等于 1 的基础。5.5 例题五容易混淆的瑕积分判断$$\int_0^2 \frac{1}{(x-1)^2} dx$$注意$x1$ 在区间 $(0,2)$ 内部并且 $x \to 1$ 时函数趋于无穷大所以必须拆开$$\int_0^2 \frac{1}{(x-1)^2} dx \int_0^1 \frac{1}{(x-1)^2} dx \int_1^2 \frac{1}{(x-1)^2} dx$$只看其中一个$$\int_1^2 \frac{1}{(x-1)^2} dx$$令 $u x-1$则$$\int_0^1 \frac{1}{u^2} du$$当 $u \to 0^$ 时$\frac{1}{u^2}$ 趋向无穷且 $p2 \ge 1$所以发散。因此原积分发散。这个例题提醒我们看到被积函数在区间内部有“爆炸点”时一定要先拆分再判断。6. 用 Python 直观理解反常积分概念学完我们来做一个直观验证。虽然反常积分是数学分析的概念但用数值方法可以在视觉上帮助我们感受“收敛”和“发散”的区别。6.1 环境准备本文使用 Python 3.9 以上环境依赖numpy、scipy和matplotlib。如果你本机还没有安装可以用以下命令安装pip install numpy scipy matplotlib6.2 数值积分示例我们分别计算 $\int_1^t \frac{1}{x^2} dx$ 和 $\int_1^t \frac{1}{x} dx$ 随 $t$ 增大的变化趋势。import numpy as np from scipy.integrate import quad # 定义两个被积函数 def f1(x): return 1 / x**2 def f2(x): return 1 / x # 用 quad 计算定积分同时给出误差估计 # 注意这里先计算有限区间上的积分观察随 t 增大的变化 for t in [10, 100, 1000, 10000]: res1, err1 quad(f1, 1, t) res2, err2 quad(f2, 1, t) print(ft {t:8}, ∫1/x² dx {res1:.6f}, ∫1/x dx {res2:.6f})运行结果大致如下t 10, ∫1/x² dx 0.900000, ∫1/x dx 2.302585 t 100, ∫1/x² dx 0.990000, ∫1/x dx 4.605170 t 1000, ∫1/x² dx 0.999000, ∫1/x dx 6.907755 t 10000, ∫1/x² dx 0.999900, ∫1/x dx 9.210340可以看到$\int_1^t \frac{1}{x^2} dx$ 随着 $t$ 增大迅速逼近 1而 $\int_1^t \frac{1}{x} dx$ 仍在缓慢增长对数函数的特性导致它增长越来越慢但并没有停止。更准确地说$\ln t$ 当 $t \to \infty$ 时趋向无穷只是速度非常慢。6.3 直接计算反常积分scipy.integrate.quad可以处理无穷区间积分from scipy.integrate import quad def f1(x): return 1 / x**2 def f2(x): return 1 / x # 计算无穷区间积分 res1, err1 quad(f1, 1, np.inf) print(f∫_1^∞ 1/x² dx {res1:.6f}, 误差估计 {err1:.2e}) # 注意quad 对发散积分的处理 try: res2, err2 quad(f2, 1, np.inf) print(f∫_1^∞ 1/x dx {res2:.6f}, 误差估计 {err2:.2e}) except Exception as e: print(积分未收敛, e)运行结果会提示第一个积分结果非常接近 1而第二个积分因为数值上增长缓慢可能给出一个数值结果但同时伴随很大的积分警告。这恰好说明数值方法可以给出参考但不能完全替代理论判断。6.4 绘图观察面积变化我们用图来观察 $\int_1^t \frac{1}{x^2} dx$ 与 $\int_1^t \frac{1}{x} dx$ 的面积累积趋势import numpy as np import matplotlib.pyplot as plt x np.linspace(1, 10, 400) y1 1 / x**2 y2 1 / x fig, axes plt.subplots(1, 2, figsize(10, 4)) axes[0].plot(x, y1, b) axes[0].fill_between(x, y1, alpha0.3, colorblue) axes[0].set_title(r$y 1/x^2$) axes[0].set_ylim(0, 1.2) axes[1].plot(x, y2, r) axes[1].fill_between(x, y2, alpha0.3, colorred) axes[1].set_title(r$y 1/x$) axes[1].set_ylim(0, 1.2) plt.tight_layout() plt.show()运行后会看到$y 1/x^2$ 的图像在右侧迅速贴近 x 轴曲线与坐标轴围成的面积增量非常小而 $y 1/x$ 的图像虽然也在下降但下降速度更慢累计面积持续膨胀。这个视觉直观对建立“收敛”与“发散”的感知很有帮助。7. 常见错误与排查思路反常积分的概念不难但做题时容易踩坑。下面把最常见的错误统一整理出来。错误现象常见原因解决思路直接代入无穷限计算没有把“无穷”转换成“极限过程”先写成 $\lim_{t \to \infty} \int_a^t f(x) dx$忽略了区间内部的瑕点只检查了端点的奇异性找出所有使被积函数无界的点分段处理把 $\int_1^{\infty} \frac{1}{x^p} dx$ 与 $\int_0^1 \frac{1}{x^p} dx$ 的收敛条件记反大前提搞混一个是无穷限一个是瑕积分用“极限过程”理解记忆而不是死记硬背认为偶函数在对称区间上“无穷大抵消”把有限区间对称性错误迁移到瑕积分必须拆分看每一部分是否收敛比较判别法方向用反“大收敛则小收敛”和“小发散则大发散”混淆先确认已知函数是上界还是下界再选择结论数值积分得到有限值就断定收敛数值方法存在误差和警告数值结果只能辅助必须用理论方法判断敛散性如果你在做题或者处理实际积分时拿不准按下面的排查清单走一遍写出积分区间找出所有使被积函数无界的点。如果区间有无穷先把无穷限积分拆成多个单侧极限。如果区间内部有瑕点先分段。每一段单独用定义判断。原函数不好求时考虑比较判别法或者极限比较判别法。最后再看原整体积分是否收敛。8. 最佳实践与学习建议8.1 用极限思维代替机械记忆学习反常积分最重要的不是背结论而是理解每一步都在取极限。当你看到 $\int_1^{\infty} \frac{1}{x} dx$ 时脑子里应该出现一个过程上限从 1 慢慢增大到 100、1000、10000积分面积一直在累计而且累计量没有边界。当你看到 $\int_1^{\infty} \frac{1}{x^2} dx$ 时脑子里应该出现的是虽然在增长但增长的幅度越来越小最终面积逼近有限值。8.2 做题的固定流程建议每次做反常积分都养成固定习惯先画草图不一定要很精确但要标出瑕点和无穷区间。把所有“危险点”找全。分段判断。判断和计算分开先判断收敛性再计算值除非题目明确要求直接计算。使用比较判别法时写出与哪个已知函数比较并确认不等号方向正确。8.3 反常积分在后续课程中的作用反常积分不是孤立的知识点。在高等数学后续的曲面面积、曲线积分、重积分中反常积分的观念会反复出现。更重要的是在概率论中正态分布、指数分布、柯西分布的概率密度函数都需要通过反常积分来验证归一性。再往后学习傅里叶变换、拉普拉斯变换时大量积分都是反常积分。到那时候能快速判断一个积分是否收敛是选择正确求解方法的前提。8.4 借助数值工具辅助理解对于数学直觉还不太强的同学建议多用 Python 或者 MATLAB 做数值实验。你可以任意构造一个反常积分然后用scipy.integrate.quad计算有限区间上的结果逐渐扩大区间范围观察数值变化的趋势。这种方式能帮你把抽象的极限过程转化成可视的数据变化理解起来会轻松很多。9. 总结反常积分本质上就是定积分在区间无限或函数无界两种特殊情况下的推广。处理反常积分不需要新的积分技巧最重要的是两件事一是找到“不正常”的位置二是把这个位置转化为极限过程来判断。两类反常积分的收敛条件刚好相反这也是初学者最容易记混的地方。理解无穷限积分和瑕积分的区别记住常用的 $p$ 积分结论掌握定义法、比较判别法和极限比较判别法就足以应对绝大多数学习和考试场景。如果你正在学习高等数学或准备考研数学建议把反常积分和无穷级数放在一起对比学习。两者在“收敛与发散”的判定思路上高度相似很多判别法都能相互印证。动手实践是最好的学习方式。你可以从本文的例题开始自己算一遍再用 Python 验证一遍。遇到不确定的积分时也欢迎按文中的排查清单逐步分析。如果本文对你有帮助可以收藏备用也欢迎在评论区一起讨论反常积分中遇到的问题。 反常积分详解：从定积分到无穷区间与瑕积分，收敛判断与Python验证
反常积分在教材里往往只花两三页篇幅很多同学学完定积分后看到“反常”两个字就觉得它很特殊甚至以为它是一种特别复杂的运算。其实反常积分的核心思想非常朴素把定积分中“区间有限”和“函数有界”这两个限制放宽。简单来说要么积分区间跑到无穷远要么被积函数在某个点附近趋近于无穷大。这个概念不只在数学分析里重要在概率论、信号处理、机器学习等方向都会频繁用到。本文就围绕“反常积分到底在算什么、怎么判断收敛、怎么计算”这几个问题完整梳理一遍并配上可以直接运行的 Python 数值验证代码。1. 反常积分到底是什么1.1 从定积分说起我们先回忆一下普通定积分的样子$$\int_a^b f(x) dx$$它表示函数 $f(x)$ 在闭区间 $[a, b]$ 上的积分。要写出这个式子默认满足两个条件积分区间 $[a, b]$ 是有限区间。被积函数 $f(x)$ 在 $[a, b]$ 上是有界的不能在某点处趋于无穷大。你可能会说那如果函数在某点处确实趋于无穷大或者区间本身就是无穷的积分还算不算定积分当然不管这种情况因为黎曼积分的定义是建立在有限区间、有界函数基础上的。但实际应用里我们确实会遇到很多这样的问题。比如求一个从某点一直到无穷远的“累计量”。求一个函数在某个奇点附近的“总效果”。于是数学家把定积分的定义做了一个推广允许区间无穷或者允许函数无界就引出了反常积分。1.2 反常积分的分类反常积分按“问题出在哪”分成两大类无穷区间上的积分也叫无穷限积分。例如$$\int_1^{\infty} \frac{1}{x^2} dx$$积分上限是正无穷显然没法像普通定积分那样直接代入上下限。无界函数的积分也叫瑕积分。例如$$\int_0^1 \frac{1}{\sqrt{x}} dx$$被积函数在 $x \to 0^$ 时趋向无穷大$x0$ 就是一个瑕点。这两种情况在定义上都用了同一个思想取极限。既然函数在某个地方“不正常”那我们就先避开那个不正常的位置算一个正常的定积分再让变量趋向那个不正常的位置看结果是否趋向一个有限值。如果趋向有限值就说反常积分收敛如果趋向无穷大或者极限不存在就说反常积分发散。1.3 为什么要学反常积分你可能觉得这个概念抽象但它真的有实际用途概率密度函数在无穷区间上的积分必须等于 1比如正态分布的概率密度从负无穷到正无穷积分结果是 1。这里的积分就是反常积分。拉普拉斯变换、傅里叶变换中很多积分式都是反常积分。在计算某些物理量时比如引力势能、电场强度也经常遇到无穷区间积分或者含奇点的积分。所以理解反常积分不仅是考试要求更是后续学习数学工具的基础。2. 第一类反常积分无穷区间上的积分2.1 定义与计算思路先看最简单的形式$$\int_a^{\infty} f(x) dx$$它的定义是$$\int_a^{\infty} f(x) dx \lim_{t \to \infty} \int_a^t f(x) dx$$也就是说先把上限 $\infty$ 换成一个有限的 $t$得到一个关于 $t$ 的定积分。令 $t$ 趋向正无穷看这个定积分是否有极限。极限存在则反常积分收敛极限值就是反常积分的值极限不存在则反常积分发散。对于 $\int_{-\infty}^b f(x) dx$定义类似只是把下限看成变量 $t$令 $t \to -\infty$。对于两端都是无穷的积分$$\int_{-\infty}^{\infty} f(x) dx$$定义是拆成两部分$$\int_{-\infty}^{\infty} f(x) dx \int_{-\infty}^c f(x) dx \int_c^{\infty} f(x) dx$$注意只有当拆出来的两个积分都收敛时整体才收敛。如果其中一个发散整体就发散。2.2 实例为什么 1/x 发散而 1/x² 收敛我们对比两个非常经典的积分。第一个$$\int_1^{\infty} \frac{1}{x} dx$$按定义计算$$\int_1^t \frac{1}{x} dx \ln t - \ln 1 \ln t$$令 $t \to \infty$$\ln t \to \infty$极限不存在所以积分发散。第二个$$\int_1^{\infty} \frac{1}{x^2} dx$$按定义计算$$\int_1^t \frac{1}{x^2} dx \left[-\frac{1}{x}\right]_1^t -\frac{1}{t} 1$$令 $t \to \infty$结果趋向 1所以积分收敛且积分值等于 1。这两个例子说明一个关键点同样是无穷区间函数下降速度快慢决定了积分是否收敛。$\frac{1}{x}$ 下降太慢积分面积一直在增长$\frac{1}{x^2}$ 下降足够快总面积趋于有限值。2.3 p 积分的结论对于更一般的形式$$\int_1^{\infty} \frac{1}{x^p} dx$$结论如下当 $p 1$ 时积分收敛。当 $p \le 1$ 时积分发散。这个结论非常重要因为它可以作为后续比较判别法的基准。3. 第二类反常积分无界函数的积分3.1 瑕点与定义如果函数在区间内部或端点的某个点附近趋于无穷大这个点称为瑕点。比如$$\int_0^1 \frac{1}{x^p} dx$$当 $x \to 0^$ 时如果 $p 0$被积函数趋于无穷大所以 $x0$ 就是瑕点。积分定义为$$\int_0^1 \frac{1}{x^p} dx \lim_{\varepsilon \to 0^} \int_\varepsilon^1 \frac{1}{x^p} dx$$也就是说我们先从 $\varepsilon$ 积分到 1再令 $\varepsilon$ 趋向 0看极限是否存在。3.2 实例1/√x 收敛而 1/x 发散先看$$\int_0^1 \frac{1}{\sqrt{x}} dx$$计算$$\int_\varepsilon^1 x^{-1/2} dx 2\sqrt{x} \Big|_\varepsilon^1 2 - 2\sqrt{\varepsilon}$$令 $\varepsilon \to 0^$结果趋向 2所以积分收敛。再看$$\int_0^1 \frac{1}{x} dx$$计算$$\int_\varepsilon^1 \frac{1}{x} dx \ln 1 - \ln \varepsilon -\ln \varepsilon$$令 $\varepsilon \to 0^$$-\ln \varepsilon \to \infty$极限不存在所以积分发散。注意一个非常容易搞混的点第一类反常积分是 $x$ 趋向无穷第二类反常积分是 $x$ 趋向某个有限端点。这两个问题的 p 值收敛条件正好相反$\int_1^{\infty} \frac{1}{x^p} dx$$p 1$ 收敛。$\int_0^1 \frac{1}{x^p} dx$$p 1$ 收敛。很多初学者把这两个结论记反原因就是没有理解背后的极限过程。3.3 瑕点在区间内部的情况如果瑕点在区间内部积分也要拆开。比如$$\int_{-1}^1 \frac{1}{x^2} dx$$在 $x0$ 处函数趋于无穷大。我们不能直接对整个区间积分需要拆成$$\int_{-1}^1 \frac{1}{x^2} dx \int_{-1}^0 \frac{1}{x^2} dx \int_0^1 \frac{1}{x^2} dx$$而这两部分都是发散的所以整体发散。这里有一个常见误区有些同学会想$\frac{1}{x^2}$ 是关于 $y$ 轴对称的偶函数两个“无穷大”抵消了积分是不是等于 0完全错误。两个部分都趋向正无穷根本没有一个有限极限积分只能是发散。4. 如何判断反常积分收敛还是发散除了直接用定义计算有些积分可能找不到原函数这时候需要借助判别法。下面介绍三种常用方法。4.1 定义法这种方法最直接也最可靠。步骤将反常积分写成极限形式。计算对应的定积分。求极限判断极限是否存在。如果原函数容易求就用这种方法。前面举的很多例子都是定义法。4.2 比较判别法如果被积函数不容易直接积分可以找一个已知收敛或发散的函数来比较。设 $f(x)$ 和 $g(x)$ 在积分区间上非负并且 $f(x) \le g(x)$如果 $\int g(x) dx$ 收敛那么 $\int f(x) dx$ 也收敛。如果 $\int f(x) dx$ 发散那么 $\int g(x) dx$ 也发散。这个逻辑和级数里的比较判别法一模一样。举个例子$$\int_1^{\infty} \frac{1}{x^2 1} dx$$因为$$\frac{1}{x^2 1} \le \frac{1}{x^2}$$而 $\int_1^{\infty} \frac{1}{x^2} dx$ 收敛所以原积分也收敛。4.3 极限比较判别法如果要比较的两个函数在无穷远处或瑕点附近的比值趋于一个正常数那么两个积分的敛散性相同。若$$\lim_{x \to \infty} \frac{f(x)}{g(x)} c \quad (0 c \infty)$$则 $\int f(x) dx$ 与 $\int g(x) dx$ 同敛散。举个例子$$\int_1^{\infty} \frac{1}{\sqrt{x^3 1}} dx$$当 $x$ 很大时$$\frac{1}{\sqrt{x^3 1}} \sim \frac{1}{x^{3/2}}$$这里 $p \frac{3}{2} 1$所以积分收敛。这种方法特别适合处理带根号、带多项式组合的复杂函数。4.4 常用对照表积分形式收敛条件发散条件$\int_1^{\infty} \frac{1}{x^p} dx$$p 1$$p \le 1$$\int_0^1 \frac{1}{x^p} dx$$p 1$$p \ge 1$$\int_2^{\infty} \frac{1}{x(\ln x)^p} dx$$p 1$$p \le 1$这几个结论是反常积分中最常用的基准。5. 完整实战典型例题解析下面我们从易到难看几个完整例题每个例题都按“判断类型 → 找瑕点 → 计算/判别 → 写结论”的流程走一遍。5.1 例题一无穷限积分计算$$\int_0^{\infty} e^{-x} dx$$这属于第一类反常积分上限无穷。按定义$$\int_0^{\infty} e^{-x} dx \lim_{t \to \infty} \int_0^t e^{-x} dx$$而$$\int_0^t e^{-x} dx -e^{-x}\Big|_0^t -e^{-t} 1$$令 $t \to \infty$$e^{-t} \to 0$所以极限为 1。结论积分收敛值为 1。5.2 例题二无界函数积分计算$$\int_0^1 \ln x , dx$$这里 $\ln x$ 在 $x \to 0^$ 时趋向 $-\infty$所以 $x0$ 是瑕点。按定义$$\int_0^1 \ln x , dx \lim_{\varepsilon \to 0^} \int_\varepsilon^1 \ln x , dx$$先算定积分$$\int_\varepsilon^1 \ln x , dx \left[x \ln x - x\right]_\varepsilon^1 (0 - 1) - (\varepsilon \ln \varepsilon - \varepsilon)$$整理$$ -1 - \varepsilon \ln \varepsilon \varepsilon$$令 $\varepsilon \to 0^$由于 $\varepsilon \ln \varepsilon \to 0$所以极限为 $-1$。结论积分收敛值为 $-1$。这个例子很经典因为 $\ln x$ 在 0 附近虽然是负无穷大但它的“总面积”却是有限的。5.3 例题三无穷区间上的复合函数判断$$\int_1^{\infty} \frac{\arctan x}{x^2} dx$$的敛散性。观察在 $x \to \infty$ 时$\arctan x \to \frac{\pi}{2}$所以$$\frac{\arctan x}{x^2} \sim \frac{\pi}{2} \cdot \frac{1}{x^2}$$因为 $\int_1^{\infty} \frac{1}{x^2} dx$ 收敛所以原积分收敛。这里不需要精确计算积分值只需要判断敛散性用极限比较判别法非常合适。5.4 例题四混合类型判断$$\int_{-\infty}^{\infty} \frac{1}{1 x^2} dx$$这是一个双端无穷的积分要先拆成两部分$$\int_{-\infty}^{\infty} \frac{1}{1 x^2} dx \int_{-\infty}^0 \frac{1}{1 x^2} dx \int_0^{\infty} \frac{1}{1 x^2} dx$$先算后一部分$$\int_0^{\infty} \frac{1}{1 x^2} dx \lim_{t \to \infty} \arctan x \Big|0^t \lim{t \to \infty} (\arctan t - 0) \frac{\pi}{2}$$同理前一部分也为 $\frac{\pi}{2}$。所以整个积分收敛值为 $\pi$。这个结果在概率论中非常重要它是柯西分布的概率密度函数积分等于 1 的基础。5.5 例题五容易混淆的瑕积分判断$$\int_0^2 \frac{1}{(x-1)^2} dx$$注意$x1$ 在区间 $(0,2)$ 内部并且 $x \to 1$ 时函数趋于无穷大所以必须拆开$$\int_0^2 \frac{1}{(x-1)^2} dx \int_0^1 \frac{1}{(x-1)^2} dx \int_1^2 \frac{1}{(x-1)^2} dx$$只看其中一个$$\int_1^2 \frac{1}{(x-1)^2} dx$$令 $u x-1$则$$\int_0^1 \frac{1}{u^2} du$$当 $u \to 0^$ 时$\frac{1}{u^2}$ 趋向无穷且 $p2 \ge 1$所以发散。因此原积分发散。这个例题提醒我们看到被积函数在区间内部有“爆炸点”时一定要先拆分再判断。6. 用 Python 直观理解反常积分概念学完我们来做一个直观验证。虽然反常积分是数学分析的概念但用数值方法可以在视觉上帮助我们感受“收敛”和“发散”的区别。6.1 环境准备本文使用 Python 3.9 以上环境依赖numpy、scipy和matplotlib。如果你本机还没有安装可以用以下命令安装pip install numpy scipy matplotlib6.2 数值积分示例我们分别计算 $\int_1^t \frac{1}{x^2} dx$ 和 $\int_1^t \frac{1}{x} dx$ 随 $t$ 增大的变化趋势。import numpy as np from scipy.integrate import quad # 定义两个被积函数 def f1(x): return 1 / x**2 def f2(x): return 1 / x # 用 quad 计算定积分同时给出误差估计 # 注意这里先计算有限区间上的积分观察随 t 增大的变化 for t in [10, 100, 1000, 10000]: res1, err1 quad(f1, 1, t) res2, err2 quad(f2, 1, t) print(ft {t:8}, ∫1/x² dx {res1:.6f}, ∫1/x dx {res2:.6f})运行结果大致如下t 10, ∫1/x² dx 0.900000, ∫1/x dx 2.302585 t 100, ∫1/x² dx 0.990000, ∫1/x dx 4.605170 t 1000, ∫1/x² dx 0.999000, ∫1/x dx 6.907755 t 10000, ∫1/x² dx 0.999900, ∫1/x dx 9.210340可以看到$\int_1^t \frac{1}{x^2} dx$ 随着 $t$ 增大迅速逼近 1而 $\int_1^t \frac{1}{x} dx$ 仍在缓慢增长对数函数的特性导致它增长越来越慢但并没有停止。更准确地说$\ln t$ 当 $t \to \infty$ 时趋向无穷只是速度非常慢。6.3 直接计算反常积分scipy.integrate.quad可以处理无穷区间积分from scipy.integrate import quad def f1(x): return 1 / x**2 def f2(x): return 1 / x # 计算无穷区间积分 res1, err1 quad(f1, 1, np.inf) print(f∫_1^∞ 1/x² dx {res1:.6f}, 误差估计 {err1:.2e}) # 注意quad 对发散积分的处理 try: res2, err2 quad(f2, 1, np.inf) print(f∫_1^∞ 1/x dx {res2:.6f}, 误差估计 {err2:.2e}) except Exception as e: print(积分未收敛, e)运行结果会提示第一个积分结果非常接近 1而第二个积分因为数值上增长缓慢可能给出一个数值结果但同时伴随很大的积分警告。这恰好说明数值方法可以给出参考但不能完全替代理论判断。6.4 绘图观察面积变化我们用图来观察 $\int_1^t \frac{1}{x^2} dx$ 与 $\int_1^t \frac{1}{x} dx$ 的面积累积趋势import numpy as np import matplotlib.pyplot as plt x np.linspace(1, 10, 400) y1 1 / x**2 y2 1 / x fig, axes plt.subplots(1, 2, figsize(10, 4)) axes[0].plot(x, y1, b) axes[0].fill_between(x, y1, alpha0.3, colorblue) axes[0].set_title(r$y 1/x^2$) axes[0].set_ylim(0, 1.2) axes[1].plot(x, y2, r) axes[1].fill_between(x, y2, alpha0.3, colorred) axes[1].set_title(r$y 1/x$) axes[1].set_ylim(0, 1.2) plt.tight_layout() plt.show()运行后会看到$y 1/x^2$ 的图像在右侧迅速贴近 x 轴曲线与坐标轴围成的面积增量非常小而 $y 1/x$ 的图像虽然也在下降但下降速度更慢累计面积持续膨胀。这个视觉直观对建立“收敛”与“发散”的感知很有帮助。7. 常见错误与排查思路反常积分的概念不难但做题时容易踩坑。下面把最常见的错误统一整理出来。错误现象常见原因解决思路直接代入无穷限计算没有把“无穷”转换成“极限过程”先写成 $\lim_{t \to \infty} \int_a^t f(x) dx$忽略了区间内部的瑕点只检查了端点的奇异性找出所有使被积函数无界的点分段处理把 $\int_1^{\infty} \frac{1}{x^p} dx$ 与 $\int_0^1 \frac{1}{x^p} dx$ 的收敛条件记反大前提搞混一个是无穷限一个是瑕积分用“极限过程”理解记忆而不是死记硬背认为偶函数在对称区间上“无穷大抵消”把有限区间对称性错误迁移到瑕积分必须拆分看每一部分是否收敛比较判别法方向用反“大收敛则小收敛”和“小发散则大发散”混淆先确认已知函数是上界还是下界再选择结论数值积分得到有限值就断定收敛数值方法存在误差和警告数值结果只能辅助必须用理论方法判断敛散性如果你在做题或者处理实际积分时拿不准按下面的排查清单走一遍写出积分区间找出所有使被积函数无界的点。如果区间有无穷先把无穷限积分拆成多个单侧极限。如果区间内部有瑕点先分段。每一段单独用定义判断。原函数不好求时考虑比较判别法或者极限比较判别法。最后再看原整体积分是否收敛。8. 最佳实践与学习建议8.1 用极限思维代替机械记忆学习反常积分最重要的不是背结论而是理解每一步都在取极限。当你看到 $\int_1^{\infty} \frac{1}{x} dx$ 时脑子里应该出现一个过程上限从 1 慢慢增大到 100、1000、10000积分面积一直在累计而且累计量没有边界。当你看到 $\int_1^{\infty} \frac{1}{x^2} dx$ 时脑子里应该出现的是虽然在增长但增长的幅度越来越小最终面积逼近有限值。8.2 做题的固定流程建议每次做反常积分都养成固定习惯先画草图不一定要很精确但要标出瑕点和无穷区间。把所有“危险点”找全。分段判断。判断和计算分开先判断收敛性再计算值除非题目明确要求直接计算。使用比较判别法时写出与哪个已知函数比较并确认不等号方向正确。8.3 反常积分在后续课程中的作用反常积分不是孤立的知识点。在高等数学后续的曲面面积、曲线积分、重积分中反常积分的观念会反复出现。更重要的是在概率论中正态分布、指数分布、柯西分布的概率密度函数都需要通过反常积分来验证归一性。再往后学习傅里叶变换、拉普拉斯变换时大量积分都是反常积分。到那时候能快速判断一个积分是否收敛是选择正确求解方法的前提。8.4 借助数值工具辅助理解对于数学直觉还不太强的同学建议多用 Python 或者 MATLAB 做数值实验。你可以任意构造一个反常积分然后用scipy.integrate.quad计算有限区间上的结果逐渐扩大区间范围观察数值变化的趋势。这种方式能帮你把抽象的极限过程转化成可视的数据变化理解起来会轻松很多。9. 总结反常积分本质上就是定积分在区间无限或函数无界两种特殊情况下的推广。处理反常积分不需要新的积分技巧最重要的是两件事一是找到“不正常”的位置二是把这个位置转化为极限过程来判断。两类反常积分的收敛条件刚好相反这也是初学者最容易记混的地方。理解无穷限积分和瑕积分的区别记住常用的 $p$ 积分结论掌握定义法、比较判别法和极限比较判别法就足以应对绝大多数学习和考试场景。如果你正在学习高等数学或准备考研数学建议把反常积分和无穷级数放在一起对比学习。两者在“收敛与发散”的判定思路上高度相似很多判别法都能相互印证。动手实践是最好的学习方式。你可以从本文的例题开始自己算一遍再用 Python 验证一遍。遇到不确定的积分时也欢迎按文中的排查清单逐步分析。如果本文对你有帮助可以收藏备用也欢迎在评论区一起讨论反常积分中遇到的问题。