所有 (a,b] 或 [a,b) 區間中的「無限大函數」廣義積分, 經過函數的平移和鏡射之後,總是可以變成 (0,1] 區間內的問題。 例如,如果 f(x) 在 (a,b] 內連續,則 g(x) = f(x+a) 就變成在 (0,b-a] 中連續,而
所有
因此,要概括性地討論廣義積分是否收斂的問題,
可以只討論在 (0,1] 內連續而且當
如果冪數 p > 0 則 xp 在 (0,1] 內根本是一個可拓展的連續函數,
所以它根本不是廣義積分,只是個普通的積分,而且在 [0,1] 內必定可積。
而如果冪數 p > 0 則 xp 在
當一個數會大到
所以,對於正的冪數 p,根本沒有值得討論的廣義積分。 那麼,現在我們考慮負的冪數。也就是考慮
首先,如果
因為
所以上述廣義積分當 p > 1 時發散。
當 p = 1 的時候,1/x 的反導函數是 ln(x),讀者可以自行檢驗,
其 (0,1] 內的廣義積分也發散。
所以,我們獲得結論:
再者,如果
因為
所以上述廣義積分當 p < 1 時發散。
當 p = 1 的時候,1/x 的反導函數是 ln(x),讀者可以自行檢驗,
其
以上 (1) 式和 (2) 式都很容易推導,所以請讀者不要背誦。 讀者或許會覺得 (1) 式和 (2) 式「互相相反」,其實沒有。 其實,它們倆透露了一個規則:
上面那句話非常粗糙,但是應該可以提供讀者一個簡便的估計準則。 以上所謂的「大」和「小」,不是指係數而言,例如是一條界線:比它『大』的函數,廣義積分均發散; 比它『小』的函數,廣義積分均收斂。
x=0..1, p=0.8, p=1, p=1.2 | x=1..15, p=0.8, p=1, p=1.2 |
---|---|
為了避免一些細節引起的麻煩,我們從此只探討非負函數,也就是 f(x) >= 0 的函數。 如果遇到需要處理負值函數函數的時候,通常取其絕對值即可。 因此不再贅述。
在技術上,當我們面對一個 (a,b] 區間上的「無限大函數」廣義積分,
要怎樣才能斷定當
的時候,
的速度比
更慢 (因此曲線落在它的下方) 呢?試想,如果當 x 靠近 a 的時候,
存在某數 p < 1 使得
另方面,當我們面對一個「無限長區間」廣義積分,
要怎樣才能斷定當
的時候,
的速度比
更快 (因此曲線落在它的下方) 呢?
試想,如果當 x 很大的時候,存在某數 p > 1 使得
例如,考慮
再考慮以下在無限長區間中的廣義積分:
斷定一個廣義積分可積,並不代表知道它的答案。 例如前面的 (3) 式和 (4) 式,都確定是可積的, 可是我們卻無法以目前所學的積分技巧來算出答案。 那麼,這種判斷理論有什麼用呢? 它的用途是,因為數值方法寫成電腦程式之後,總是會算出一個答案, 如果不先斷定可積,則我們不能採信那個答案。 而判定了可積之後,就有許多可能的數值方法可資利用, 用來估計廣義積分的值。 至於那些數值方法,則不是一般微積分課程的討論範圍。
利用無限長廣義積分的下黎曼和,我們可以判斷某些無窮級數的收斂性,
還可以為它的極限求得一個上界。例如考慮
Created: Aug 30, 2001
Last Revised: Sep 1, 2001
© Copyright 2001 Wei-Chang Shann 單維彰