E1 函数(顶)和Ei函数(底)。 在数学 中,指数积分 是函数 的一种,它不能表示为初等函数 。
对于实数x ,指数积分Ei(x )可以定义为:
Ei
(
x
)
=
∫
−
∞
x
e
t
t
d
t
.
{\displaystyle {\mbox{Ei))(x)=\int _{-\infty }^{x}{\frac {e^{t)){t))\,\mathrm {d} t.\,}
其中
e
t
{\displaystyle e^{t))
为指数函数 。以上的定义可以用于正数x ,但这个积分必须用柯西主值 的概念来理解。
对于自变量是复数的情形,这个定义就变得模棱两可了[1] 。为了避免歧义,我们使用以下的记法:
E
1
(
z
)
=
∫
z
∞
e
−
t
t
d
t
,
|
A
r
g
(
z
)
|
<
π
.
{\displaystyle {\rm {E))_{1}(z)=\int _{z}^{\infty }{\frac {e^{-t)){t))\,\mathrm {d} t,\qquad |{\rm {Arg))(z)|<\pi .}
当自变量的实数部分为正时,可以转换为:
E
1
(
z
)
=
∫
1
∞
e
−
t
z
t
d
t
,
ℜ
(
z
)
≥
0.
{\displaystyle {\rm {E))_{1}(z)=\int _{1}^{\infty }{\frac {e^{-tz)){t))\,\mathrm {d} t,\qquad \Re (z)\geq 0.}
Ei与E1 有以下关系:
E
i
(
−
x
±
i
0
)
=
−
E
1
(
x
)
∓
i
π
,
(
x
>
0
)
{\displaystyle {\rm {Ei))(-x\pm {\rm {i))0)=-{\rm {E))_{1}(x)\mp {\rm {i))\pi ,\quad ~~~~~~~~(x>0)}
−
E
i
(
x
)
=
1
2
E
1
(
−
x
+
i
0
)
+
1
2
E
1
(
−
x
−
i
0
)
,
(
x
>
0
)
.
{\displaystyle -{\rm {Ei))(x)={\frac {1}{2)){\rm {E))_{1}(-x+{\rm {i))0)+{\frac {1}{2)){\rm {E))_{1}(-x-{\rm {i))0),\qquad ~~~~~~~~(x>0)~.}
指数积分可以用以下的收敛级数来表示:
Ei
(
x
)
=
γ
+
ln
x
+
∑
k
=
1
∞
x
k
k
k
!
,
x
>
0
{\displaystyle {\mbox{Ei))(x)=\gamma +\ln x+\sum _{k=1}^{\infty }{\frac {x^{k)){k\;k!))\,,~~~~~x>0}
E
1
(
z
)
=
−
γ
−
ln
z
+
∑
k
=
1
∞
(
−
1
)
k
+
1
z
k
k
k
!
,
R
e
(
z
)
>
0
{\displaystyle E_{1}(z)=-\gamma -\ln z+\sum _{k=1}^{\infty }{\frac {(-1)^{k+1}z^{k)){k\;k!))\,,~~~~~~~~{\rm {Re))(z)>0}
其中
γ
≈
0.5772156649015328606...
{\displaystyle ~\gamma \approx 0.5772156649015328606...~}
是欧拉-马歇罗尼常数 。这个级数在自变量为任何复数时都是收敛的,但Ei的定义则需要
x
>
0
{\displaystyle ~x\!>\!0~}
。
截断和中取
N
{\displaystyle ~N~}
项时,渐近展开式的相对误差 自变量的值较大时,用以上的收敛级数来计算指数积分是困难的。在这种情况下,我们可以使用发散(或渐近)级数:
E
1
(
z
)
=
exp
(
−
z
)
z
[
∑
n
=
0
N
−
1
n
!
(
−
z
)
n
+
O
(
N
!
z
N
)
]
{\displaystyle E_{1}(z)={\frac {\exp(-z)}{z))\left[\sum _{n=0}^{N-1}{\frac {n!}{(-z)^{n))}+{\mathcal {O))\left({\frac {N!}{z^{N))}\right)\right]}
这个截断和可以用来计算
R
e
(
z
)
≫
1
{\displaystyle ~{\rm {Re))(z)\!\gg \!1~}
时函数的值。级数中的项数越多,自变量的实数部分就应该越大。
图中描述了以上估计的相对误差。
E
1
{\displaystyle ~E_{1}~}
在自变量较大时的表现类似指数函数,自变量较小时类似对数函数。
E
1
{\displaystyle ~E_{1}~}
是位于以下两个函数之间的:
exp
(
−
x
)
2
ln
(
1
+
2
x
)
<
E
1
(
x
)
<
exp
(
−
x
)
ln
(
1
+
1
x
)
x
>
0
{\displaystyle {\frac {\exp(-x)}{2))\!~\ln \!\left(1+{\frac {2}{x))\right)<E_{1}(x)<\exp(-x)\!~\ln \!\left(1+{\frac {1}{x))\right)~~~~~~~~x\!>\!0}
这个不等式的左端在图中用蓝色曲线来表示,中间的黑色曲线是
E
1
(
x
)
{\displaystyle ~{\rm {E))_{1}(x)~}
,不等式的右端用红色曲线来表示。
指数积分与对数积分 li(x )有密切的关系:
li(x ) = Ei (ln (x )) 对于所有正实数x ≠ 1。 另外一个有密切关系的函数,具有不同的积分限:
E
1
(
x
)
=
∫
1
∞
e
−
t
x
t
d
t
=
∫
x
∞
e
−
t
t
d
t
.
{\displaystyle {\rm {E))_{1}(x)=\int _{1}^{\infty }{\frac {e^{-tx)){t))\,\mathrm {d} t=\int _{x}^{\infty }{\frac {e^{-t)){t))\,\mathrm {d} t.}
这个函数可以视为把指数积分延伸到负数:
E
i
(
−
x
)
=
−
E
1
(
x
)
.
{\displaystyle {\rm {Ei))(-x)=-{\rm {E))_{1}(x).\,}
我们可以把两个函数都用整函数 来表示:
E
i
n
(
x
)
=
∫
0
x
(
1
−
e
−
t
)
d
t
t
=
∑
k
=
1
∞
(
−
1
)
k
+
1
x
k
k
k
!
.
{\displaystyle {\rm {Ein))(x)=\int _{0}^{x}(1-e^{-t})\,{\frac {\mathrm {d} t}{t))=\sum _{k=1}^{\infty }{\frac {(-1)^{k+1}x^{k)){k\;k!)).}
利用这个函数,我们可以用对数来定义:
E
1
(
z
)
=
−
γ
−
ln
z
+
E
i
n
(
z
)
,
|
A
r
g
(
z
)
|
<
π
{\displaystyle {\rm {E))_{1}(z)\,=\,-\gamma -\ln z+{\rm {Ein))(z),~~~~~~|{\rm {Arg))(z)|<\pi ~}
以及
E
i
(
x
)
=
γ
+
ln
x
−
E
i
n
(
−
x
)
,
x
>
0.
{\displaystyle {\rm {Ei))(x)\,=\,\gamma +\ln x-{\rm {Ein))(-x),~~~~~~x>0.}
指数积分还可以推广为:
E
n
(
x
)
=
∫
1
∞
e
−
x
t
t
n
d
t
,
{\displaystyle {\rm {E))_{n}(x)=\int _{1}^{\infty }{\frac {e^{-xt)){t^{n))}\,\mathrm {d} t,}
它是不完全伽玛函数 的一个特例:
E
n
(
x
)
=
x
n
−
1
Γ
(
1
−
n
,
x
)
.
{\displaystyle {\rm {E))_{n}(x)=x^{n-1}\Gamma (1-n,x).\,}
这个推广的形式有时成为Misra函数
φ
m
(
x
)
{\displaystyle \varphi _{m}(x)}
,定义为:
φ
m
(
x
)
=
E
−
m
(
x
)
.
{\displaystyle \varphi _{m}(x)={\rm {E))_{-m}(x).\,}
函数
E
n
{\displaystyle ~{\rm {E))_{n}~}
与
E
1
{\displaystyle ~{\rm {E))_{1}~}
的导数有以下简单的关系:
E
n
′
(
z
)
n
−
1
(
z
)
,
(
|
A
r
g
(
z
)
|
<
π
,
n
>
0
)
{\displaystyle ((\rm {E))_{n))'(z){n-1}(z),~~~~~~~~(|{\rm {Arg))(z)|<\pi ,~~~n>0)}
然而,这里假设了
n
{\displaystyle ~n~}
是整数;复数
n
{\displaystyle ~n~}
的推广还没有在文献中报导,虽然这种推广是有可能的。在 y=2x 的图形中,其导函数在任意x值所对应的y值为原函数的0.693倍。
E
1
(
i
x
)
{\displaystyle {\rm {E))_{1}({\rm {i))\!~x)}
versus
x
{\displaystyle ~x~}
, real part(black) and imaginary part (red).从以下的表示法中
E
1
(
z
)
=
∫
1
∞
exp
(
−
z
t
)
t
d
t
,
(
R
e
(
z
)
≥
0
)
{\displaystyle {\rm {E))_{1}(z)=\int _{1}^{\infty }{\frac {\exp(-zt)}{t))\,{\rm {d))t,~~~~~~({\rm {Re))(z)\geq 0)}
可以看出指数积分与正弦积分 (Si)和余弦积分 (Ci)之间的关系:
E
1
(
i
x
)
=
−
π
2
+
S
i
(
x
)
−
i
⋅
C
i
(
x
)
,
(
x
>
0
)
{\displaystyle {\rm {E))_{1}({\rm {i))\!~x)=-{\frac {\pi }{2))+{\rm {Si))(x)-{\rm {i))\cdot {\rm {Ci))(x),~~~~~~~~~(x>0)}
图中的黑色和红色曲线分别描述了
E
1
(
x
)
{\displaystyle ~{\rm {E))_{1}(x)~}
的实数和虚数部分。
Press, William H. et al. Numerical Recipes (FORTRAN). Cambridge University Press, New York: 1989.
Milton Abramowitz and Irene A. Stegun, eds. Handbook of Mathematical Functions with Formulas, Graphs, and Mathematical Tables. New York: Dover, 1972. (See Chapter 5) (页面存档备份 ,存于互联网档案馆 ) R. D. Misra, Proc. Cambridge Phil. Soc. 36, 173 (1940)
S. Chandrasekhar, Radiative transfer, reprinted 1960, Dover