企业官网建设流程全解析

学完第十章的定积分，不少同学会下意识觉得，反常积分嘛，不就是把积分上限改成无穷大，或者对被积函数取个极限就算完了。可等你真正拿题去练，一边是 (\int_1^{+\infty}\frac{1}{x}dx) 发散，另一边是 (\int_1^{+\infty}\frac{1}{x^2}dx) 收敛，这种结果会把直觉打得七零八落。反常积分这一章真正难的地方，从来不在计算技巧本身，而在于你得学会用极限的语言重新定义“积分”两个字，并且在动手算值之前先判断它到底收不收敛。

这篇文章就是一份完整的第11章学习笔记，加上一点实操经验。我会把无穷限积分、瑕积分的定义讲清楚，把比较判别法、极限比较法、Dirichlet判别法这些核心工具的使用逻辑拆开，再把Gamma函数和Beta函数这两个后续经常出现的重要积分过一遍，最后列一些我批改作业和答疑时反复遇到的坑。代码和公式我会尽量一步步写明白，适合正在学数学分析的同学，也适合准备考研数学分析、需要系统梳理这一章的人。

1. 定积分不够用的两个场景：无穷限积分与瑕积分的由来

1.1 区间无限长：怎么给“无限区域的面积”一个说得通的答案

定积分理论给我们的舒适条件是：区间必须是有限闭区间，被积函数还要有界。可现实问题经常不满足这些条件。比如物理里计算某个粒子从当前位置运动到无穷远处时外力做的总功，写出来就是一个区间延伸到无穷远处的积分。这种问题不能直接套用黎曼和的定义，因为我们没法在无限长的区间上做有限划分然后求和取极限。

数学家给出的方案很直白：先把有限段算出来，再让上限趋于无穷。设 (f) 在任意 ([a,R]) 上可积，那么

[ \int_a^{+\infty} f(x),dx = \lim_{R\to+\infty} \int_a^R f(x),dx. ]

这个式子看起来只是把定积分定义中的有限上限“极限化”，但它是整章的基石。“无穷区间上的面积”本身不是一个静态几何对象，它是一个过程的极限。最经典的例子是 (\int_1^{+\infty} \frac{1}{x^2}dx)，先算

[ \int_1^R \frac{1}{x^2}dx = 1 - \frac{1}{R}, ]

随着 (R) 增大，有限段积分稳定地趋近 (1)。一个长度无限的区域，面积居然是有限的 (1)，这种反直觉的结论，放到概率统计里却很自然：事件可能发生的区间没有上界，但总概率可以有界。

再对比 (\int_1^{+\infty}\frac{1}{x}dx)：

[ \int_1^R \frac{1}{x}dx = \ln R, ]

(R) 越大值越大，永远没有尽头。同样从 (1) 出发，只是幂次差了一点，结果从收敛变成发散。这个对比值得牢牢记在心里：无穷区间上的积分，本质看的是被积函数在无穷远处的“衰减速度”，衰减得不够快，就是发散。

1.2 函数在某点无界：瑕点与“有界性失败”的问题

另一种更隐蔽的困难是函数在区间端点或者内部无界。比如

[ \int_0^1\frac{1}{\sqrt{x}}dx, ]

在 (x=0) 处分母是 0，函数没有定义，在 ((0,1]) 上也无界。可你要是画图，它在 0 附近确实变得很高，但“很高”的区域很窄，总面积好像也没那么吓人。这里照样用极限救场：从右侧挖掉一个小区间 ((0,\epsilon))，先算 (\int_\epsilon^1)，再让 (\epsilon\to0^+)：

[ \int_0^1\frac{1}{\sqrt{x}}dx=\lim_{\epsilon\to0^+}\int_\epsilon^1 x^{-1/2}dx=\lim_{\epsilon\to0^+}2(1-\sqrt{\epsilon})=2. ]

结果不仅有限，而且正好是 (2)。我们把这种无界点叫瑕点。只要瑕点在端点，并且挖掉的宽度趋于 0 时极限存在，积分就称为收敛的。

要注意的是，这里的判别方向和无穷限积分恰好相反：在瑕点附近，幂次越低越容易收。(\frac1{x^p}) 在 (x=0) 附近，(p<1) 收敛，(p\ge1) 发散。很多同学把这两个条件背串，原因在于背后的几何直觉不同：无穷远处要看函数能不能“瘦得足够快”，瘦得快对应大幂次；原点附近则要看“爆炸是否足够窄”，(p) 越大炸得越猛，越难收敛。

1.3 无穷限和无界不得混为一谈：混合型必须分段

一个常见的错误是看到 (\int_0^{+\infty}\frac{1}{x}dx)，想当然地认为“它在无穷远处发散”，于是直接判定发散。严格来说，它在 (x=0) 处还有一个瑕点，属于混合型反常积分。正确的处理是先分段：

[ \int_0^{+\infty}\frac{1}{x}dx=\int_0^1\frac{1}{x}dx+\int_1^{+\infty}\frac{1}{x}dx. ]

其中任何一段发散，整个积分就发散；但如果只有一段发散，你至少得能明确指出是哪一段。

再比如

[ \int_0^{+\infty}\frac{1}{\sqrt{x}(1+x)}dx, ]

它在 (x=0) 附近像 (\frac1{\sqrt{x}})（收敛），在无穷远处像 (\frac1{x^{3/2}})（也收敛），所以整体收敛。如果不分段直接套原函数计算，很容易得到一个“看似合理但无处立足”的结果。分段不是为了让步骤更繁琐，而是为了确保每一段只处理一种困难：要么是区间无穷，要么是函数无界，绝不把两类问题叠加在一起。

2. 从定义到计算：反常积分的极限语言

2.1 收敛的本质是一个极限存在且有限

很多初学者忽略了一个关键细节：“收敛”定义中的极限必须存在，并且必须是有限数。如果 (\lim_{R\to\infty}\int_a^R f(x)dx=+\infty)，我们说的是发散至无穷大，它不是一个“值”。还有更微妙的情况：函数振荡，极限既不是有限数也不是正负无穷。比如

[ \int_0^{+\infty}\cos x,dx=\lim_{R\to\infty}\sin R, ]

(\sin R) 在 (-1) 和 (1) 之间来回摆动，极限不存在，所以积分发散。

这也解释了为什么对反常积分来说，“判断收敛”和“算出值”是两件必须分开处理的事。你动手求原函数之前，至少应该在草稿纸上问一句：它在无穷远处衰减够快吗？在瑕点附近炸得够不够不猛？如果这两关没过，后面算出来的都是空中楼阁。

2.2 广义牛顿-莱布尼茨公式：能用的前提是端点极限存在

如果被积函数 (f) 有原函数 (F)，那么反常积分的计算可以大大简化：

[ \int_a^{+\infty}f(x)dx=\lim_{x\to+\infty}F(x)-F(a). ]

这是把定积分里的牛顿-莱布尼茨公式推广到无穷区间的情形。这个式子用起来很顺手，比如

[ \int_1^{+\infty}\frac{1}{x^2}dx=\lim_{x\to+\infty}\left(-\frac1x\right)-\left(-1\right)=1. ]

但前提是极限 (\lim_{x\to\infty}F(x)) 存在。对 (\int_0^{+\infty}\cos x dx)，(F(x)=\sin x) 没有极限，公式就不能用。有些同学会硬写成“(\lim_{x\to\infty}\sin x-\sin0)”，然后说它不存在，这算歪打正着；但也有同学算出某个数字，却完全不检查极限是否真实存在，那就危险了。

瑕积分也类似：如果瑕点在 (a)，那么

[ \int_a^b f(x)dx=\lim_{\epsilon\to0^+}F(b)-F(a+\epsilon), ]

只要这个极限存在，就可以用原函数算值。换句话说，反常积分的计算完全可以沿用定积分的原函数工具，只是每次取极限时都要确认极限确实存在。

2.3 多个坏点、混合型以及柯西主值的那笔糊涂账

前面提过，一个区间里可能同时存在无穷远的尾巴和区间内部的瑕点。标准处理办法是把区间拆开，使每一段至多含一个“坏点”，而且坏点只能出现在端点。比如

[ \int_0^\infty\frac{1}{\sqrt{x}(1+x)}dx =\int_0^1\frac{1}{\sqrt{x}(1+x)}dx+\int_1^\infty\frac{1}{\sqrt{x}(1+x)}dx. ]

第一段考验 (x=0) 处的可积性，第二段考验无穷远处的可积性。如果擅自把两段连成一个整体积分去算，一旦某一段的极限不收敛，整个式子就没有意义。

这里还有一笔概念上的糊涂账：柯西主值。对 (\int_{-\infty}^{+\infty}x,dx)，按反常积分的定义应该拆成 (\int_{-\infty}^0 xdx+\int_0^{+\infty}xdx)，两段都发散，所以反常积分整体发散。但柯西主值定义成对称地取

[ \lim_{R\to+\infty}\int_{-R}^{R}x,dx, ]

因为被积函数是奇函数，对称区间上的积分恒为 0，所以主值是 0。这个 0 代表的是“对称抵消”，不是真正的面积。题目如果问“反常积分是否收敛”，绝对不能因为主值存在就说收敛。我的经验是：主值是一种工具，在后续傅里叶分析和广义函数理论中会用到，但初学阶段最好把它和正式的收敛性严格区分。

3. 收敛性判别：先判断“收不收”再想“值是多少”

3.1 比较判别法：给积分找一个“靠谱的邻居”

要判断一个复杂的反常积分是否收敛，比较直接的思路是找一个已经知道收敛性的“邻居”去比较，这就是比较判别法。设 (0\le f(x)\le g(x))，那么：

• 如果 (\int_a^\infty g(x)dx) 收敛，则 (\int_a^\infty f(x)dx) 收敛；
• 如果 (\int_a^\infty f(x)dx) 发散，则 (\int_a^\infty g(x)dx) 发散。

用大白话说就是：比一个收敛的东西还小，那它一定也收敛；比一个发散的东西还大，那它一定也发散。这里面方向很关键，千万别写反。

这个方法能不能用好，关键在选对基准。常用的基准是幂函数 (\frac1{x^p}) 和指数函数 (e^{-\alpha x})。下面这张表建议直接贴在笔记里：

注意收敛条件恰好在方向上相反。记忆可以靠几何直觉：无穷远处的面积是“细长的尾巴”，必须瘦得足够快；原点附近的面积是“尖峰”，尖峰只要足够窄，面积就可以有限。从积分结果看，(p=1) 是分界线，对应的是 (\ln)，两边性质完全不同。

指数函数的地位比任何幂函数都高：(e^{-x}) 在无穷远处比任何 (\frac1{x^p}) 都收敛得快。只要被积函数能被某个 (e^{-\alpha x}) 控制住，无穷限积分几乎一定收敛。另外还有一个重要基准是 (\frac{1}{x\ln^p x})，通过换元 (u=\ln x) 可以化归为幂函数型，得到同样的结论：(p>1) 收敛，(p\le1) 发散。这个变体在后续很多题里会出现。

3.2 极限比较法：用比值替代大小估计

比较判别法有时不好用，因为你很难直接建立大小关系。比如 (f(x)=\frac{1}{x^2+x+1})，你当然知道它很小，但在更复杂的情形下，过粗的估计很容易把收敛的判成发散，或者把发散的判成收敛。极限比较法能有效解决这个问题。设 (f,g) 都是非负函数，且

[ \lim_{x\to+\infty}\frac{f(x)}{g(x)}=c. ]

那么：

• 若 (0<c<+\infty)，则 (\int f) 与 (\int g) 同敛散；
• 若 (c=0)，则当 (\int g) 收敛时，(\int f) 也收敛；
• 若 (c=+\infty)，则当 (\int f) 收敛时，(\int g) 也收敛。

最常用的套路是取 (g=\frac1{x^p})，然后求极限比值。如果 (c) 是正有限数，说明被积函数在无穷远处“长得像”(\frac1{x^p})，剩下的就只看 (p)。比如

[ \int_1^\infty\frac{1}{x^2+x+1}dx, ]

当 (x\to\infty) 时，(\frac{x^2}{x^2+x+1}\to1)，所以它和 (\frac1{x^2}) 同敛散，收敛。

瑕点附近的极限比较也是对称的：如果 (x\to a^+) 时 ((x-a)^p f(x)) 趋向一个正有限常数，那么 (f) 在 (a) 附近“像”(\frac{C}{(x-a)^p})，于是就看 (p<1) 是否成立。实际做题时可以这样操作：先假设 (f) 在 (a) 附近形如 (C/(x-a)^p)，试着把 (p) 找出来，再看它是否小于 1。

3.3 遇到振荡怎么办：Dirichlet判别法和Abel判别法

当被积函数在无穷远处反复振荡时，比较判别法和极限比较法经常失效，因为 (|\sin x|) 不单调，也没有一个简单的幂函数能与它稳定比较。这时要用到带振荡条件的判别法。

Dirichlet判别法：如果函数 (\phi(x)) 在 ([a,+\infty)) 上单调，且 (\lim_{x\to+\infty}\phi(x)=0)，而 (\psi(x)) 的原函数在 ([a,+\infty)) 上有界（通常取 (\psi=\sin x) 或 (\cos x)），则

[ \int_a^{+\infty}\phi(x)\psi(x)dx ]

收敛。典型例子是

[ \int_1^{+\infty}\frac{\sin x}{x}dx. ]

取 (\phi=\frac1x)，它单调趋于 0；取 (\psi=\sin x)，它的原函数 (-\cos x) 有界。于是积分收敛。这个结论很反直觉，因为 (\frac{\sin x}{x}) 在很大时确实在 0 附近不断正负交替，但总体面积可以通过正负相消稳定下来。

Abel判别法比Dirichlet更灵活一点：允许 (\phi) 单调有界（不一定要趋于 0），但要求 (\int\psi) 本身收敛。大多数题目里Dirichlet就够用了。使用这类判别法要注意，它只给收敛性，不给具体值。想求 (\int_0^\infty\frac{\sin x}{x}dx) 等于多少，需要用到含参变量积分或者复分析的手段；判别法在这里只负责完成“先判断收不收”这一步。

3.4 绝对收敛与条件收敛：两种“收敛”的含金量不一样

判别法解决的是“是否收敛”，但振荡积分往往只是条件收敛。严格定义是：如果 (\int|f|) 也收敛，则称绝对收敛；如果 (\int f) 收敛但 (\int|f|) 发散，则称条件收敛。绝对收敛一定推出收敛，但反过来不成立。

以 (\int_1^\infty\frac{\sin x}{x}dx) 为例，我们已经知道它收敛，但它不绝对收敛。证明 (\int_1^\infty\left|\frac{\sin x}{x}\right|dx) 发散，可以用一个朴素估计：每个长度 (\pi) 的区间上 (\int_{k\pi}^{(k+1)\pi}|\sin x|dx=2)，而分母 (x) 大约在 (k\pi) 附近，所以每一段的贡献至少和 (\frac{2}{(k+1)\pi}) 同级，把这些贡献加起来就是调和级数式发散。这个细节很值得自己动手写一遍，它能让你真正理解“振荡积分依靠正负抵消”这句话的分量。

绝对收敛和条件收敛的差别在后续课程中会不断被放大。绝对收敛的积分可以放心做换元、交换累次积分或者数值近似；条件收敛的积分则对“过程”特别敏感，一个简单的换序就可能改变结果。初学阶段不需要把所有坑都踩一遍，但至少要意识到：如果某个积分只是条件收敛，那后续任何变形都要格外小心。

4. 用换元和分部揭开反常积分的值

4.1 换元法：把无穷问题变成有限问题

判断完收敛之后，下一步是算值。求值最常用的工具是换元。反常积分中的换元法和定积分完全一样，只是积分限要跟着换元走。很多人在这里出错，是因为只换了被积函数，忘了换上下限。

一个典型的操作是把无穷区间转成有限区间。例如

[ \int_0^{+\infty}\frac{1}{1+x^2}dx. ]

最直接的做法是用 (x=\tan t)，(t\in[0,\pi/2))，于是 (dx=\sec^2t,dt)，(1+x^2=\sec^2t)，积分变成

[ \int_0^{\pi/2}dt=\frac{\pi}{2}. ]

另一种更有“反常积分味”的做法是用 (x=1/t)，把无穷区间对折成有限区间，让无穷远处的衰减问题转成新变量在 0 附近的收敛性问题。这类换元的要点是：换完之后的区间不一定还是无穷的，关键在于新的被积函数在新的积分上下限处是否仍然只有可控的异常。

如果换元之后出现了新的瑕点，也不要慌，用前面讲过的分段处理去拆。比如 (x=1/t) 会把 (x=+\infty) 对应到 (t=0)，原来在无穷远处的衰减问题变成 (t=0) 附近的奇性判断，两者本质是一回事，只是换了位置而已。

4.2 分部积分与递推关系：一族积分的共同解

分部积分在反常积分里的地位经常被低估。它不仅能算单个积分，还能整理出一族积分的递推公式。比如设

[ I_n=\int_0^\infty x^ne^{-x}dx. ]

用分部积分：

[ I_n=[-x^ne^{-x}]0^\infty+n\int_0^\infty x^{n-1}e^{-x}dx=nI{n-1}. ]

边界项在 0 和无穷远处都消失，而 (I_0=1)，于是立刻得到 (I_n=n!)。这实际上是Gamma函数在整数点的值，但用分部积分的角度去理解，比单纯背公式更符合直觉。

另一种经典递推是

[ I_n=\int_0^\infty\frac{1}{(1+x^2)^n}dx. ]

通过分部积分可得 (I_{n+1}=\frac{2n-1}{2n}I_n)，从 (I_1=\frac{\pi}{2}) 出发，可以一路算出 (I_2=\frac{\pi}{4})、(I_3=\frac{3\pi}{16}) 等等。这种“从一题到一族”的递推技巧，在各类考试和竞赛题里特别常见。做题时遇到带参数 (n) 的积分，不要急着直接求原函数，先看看能否通过分部积分写出相邻参数之间的关系——如果行得通，整个族的积分就都解决了。

分部积分还有一个隐蔽作用：它能把难以判断的积分转化成更标准的积分。比如某个积分里带着 (\ln x) 或者 (\arctan x)，直接处理不好办，用分部积分让这些对数、反三角“降次”，经常可以化成幂函数型积分，收敛性也随之变得清晰。

4.3 计算之前的“三段式”流程

把这一章的经验浓缩一下，我建议所有初学者固定一个流程：先分段，再判断收敛，最后才动笔算值。具体来说，就是拿到一个反常积分后，第一件事在草稿纸上标出所有可疑点（无穷远处、被积函数无界的点），然后按端点把区间拆开；第二件事对每段分别用比较法或极限比较法判断收敛性；第三件事才是换元、分部、求原函数并代入端点极限。

这三步的顺序不能乱。现实中经常看到有人跳过第二步直接算原函数，结果原函数在端点处极限不存在，还要回过头来补判断。如果先判断收敛，心里就有底：它收敛，我再去找值；它条件收敛，我就更要小心地选择计算路径。

5. Gamma函数、Beta函数和它们在计算中的意义

5.1 Gamma函数：定义域比想象中宽

第11章末尾通常会引入两个重要的反常积分工具，第一个是Gamma函数：

[ \Gamma(s)=\int_0^\infty t^{s-1}e^{-t}dt. ]

这个积分本身就是一个混合型反常积分，很适合用来练习本章的判断方法。在 (t\to0^+) 时，(t^{s-1}e^{-t}\approx t^{s-1})，所以要求 (s-1>-1)，即 (s>0)；在 (t\to+\infty) 时，(e^{-t}) 的衰减速度压制任意幂次，无穷远处总是收敛的。于是 (\Gamma) 在 (s>0) 上有定义。

Gamma函数最核心的性质是递推公式

[ \Gamma(s+1)=s\Gamma(s), ]

它由分部积分直接得到：边界项在 0 和无穷远处都消失，剩下的正好是 (s\Gamma(s))。结合 (\Gamma(1)=1)，就得到 (\Gamma(n+1)=n!)。这解释了为什么Gamma函数常被看作阶乘在实数域的推广。后续学习含参变量积分、Laplace变换、概率论里的Gamma分布时，这个递推公式还会反复出现。

5.2 高斯积分：(\sqrt{\pi}) 是怎么跑出来的

除了整数点，Gamma函数最重要的值是 (s=1/2)：

[ \Gamma\left(\frac12\right)=\int_0^\infty t^{-1/2}e^{-t}dt. ]

作换元 (t=u^2)，(dt=2u,du)，得到

[ \Gamma\left(\frac12\right)=2\int_0^\infty e^{-u^2}du. ]

而右边的积分就是著名的Gauss积分。要算它的值，最经典的思路是利用极坐标。记 (I=\int_0^\infty e^{-u^2}du)，则

[ I^2=\int_0^\infty\int_0^\infty e^{-(x^2+y^2)}dxdy. ]

换成极坐标 (x=r\cos\theta,\ y=r\sin\theta)，得到

[ I^2=\int_0^{\pi/2}\int_0^\infty e^{-r^2}r,dr,d\theta=\frac{\pi}{2}\cdot\frac12=\frac{\pi}{4}. ]

所以 (I=\frac{\sqrt{\pi}}{2})，进而 (\Gamma(1/2)=\sqrt{\pi})。再利用递推公式，半整数处的值也都能算出来，比如 (\Gamma(3/2)=\frac12\sqrt{\pi})。概率论里标准正态密度函数的归一化常数 (1/\sqrt{2\pi})，根源就在这里。

做这个推导时建议自己完整写一遍。其中“先平方，再换极坐标”的步骤，是后面二重积分、含参变量积分中最常见的思想。不要在学第11章时只看结论，因为这个推导本身就在教你如何处理无穷区间上积的收敛问题。

5.3 Beta函数：两个端点各管一招

第二个工具是Beta函数：

[ B(p,q)=\int_0^1 x^{p-1}(1-x)^{q-1}dx. ]

它在 (x=0) 附近像 (x^{p-1})，要求 (p>0)；在 (x=1) 附近像 ((1-x)^{q-1})，要求 (q>0)。也就是说，两个端点分别对 (p) 和 (q) 提出要求，这一点和Gamma函数的定义域限制恰好对应。

Beta函数有很多等价形式。用 (x=\sin^2\theta) 换元，得到

[ B(p,q)=2\int_0^{\pi/2}\sin^{2p-1}\theta\cos^{2q-1}\theta,d\theta, ]

这在处理三角函数幂次积分时非常有用。它和Gamma函数的关系是：

[ B(p,q)=\frac{\Gamma(p)\Gamma(q)}{\Gamma(p+q)}. ]

证明思路是利用Gamma函数的极坐标形式：(\Gamma(p)\Gamma(q)) 写成二重积分后换极坐标，再提取出 (\Gamma(p+q))。这个等式也是“把一个积分表示成Beta函数，再利用Gamma函数计算”这一整套方法的基石。

最简单的应用是算 (\int_0^{\pi/2}\sin^n\theta d\theta)。把它写成

[ \frac12 B\left(\frac{n+1}{2},\frac12\right) ]

的形式，再用Gamma函数即可得到结果。我见过不少同学用分部积分硬推这个积分，费很大劲，而用Beta函数一步到位。养成“先识别Beta结构”的习惯，后面做概率密度、极坐标积分、多重积分时会节省大量时间。

6. 常见陷阱与自查清单

6.1 概念与记号里的坑

第一个坑是 (p) 判别方向记反。无穷限积分是 (p>1) 收敛，瑕积分是 (p<1) 收敛。批改作业时见过太多同学把 (\int_1^\infty\frac{1}{x^{3/2}}dx) 写成发散，或者把 (\int_0^1\frac{1}{x^{3/2}}dx) 写成收敛。应对办法是不要只背结论，每次判断时想一下“无穷远处要瘦得快”“瑕疵附近炸得不能太猛”，方向基本就不会错。

第二个坑是把柯西主值当成收敛值。(\int_{-\infty}^\infty xdx) 的柯西主值是 0，但真正的反常积分发散。有的题目会故意给一个主值收敛的积分，考察你有没有注意收敛定义。看到“是否收敛”的问题时，一定要按定义拆段检查，而不是用对称抵消的想法糊弄过去。

第三个坑是忽略条件收敛和绝对收敛的差别。(\int_1^\infty\frac{\sin x}{x}dx) 收敛但不绝对收敛，这不是罕见的特例，而是一类重要现象。后续如果遇到换序、近似、交换极限等问题，条件收敛的积分是不能随便动的。

6.2 计算过程中的坑

计算阶段最常见的坑是不分段就直接套公式。比如 (\int_0^\infty\frac{1}{x}dx)，如果直接在整个区间上写“原函数是 (\ln x)”，然后代入端点，就会得到 (\ln\infty-\ln0) 这种说不清道不明的东西。但只要你先拆成 (\int_0^1\frac1xdx+\int_1^\infty\frac1xdx)，每段都很清楚，其中有任何一段发散，整体就发散。

第二个常见坑是换元后不检查新的积分限。比如用 (x=1/t) 换元，(x\in(0,1]) 会变成 (t\in[1,\infty))，同时 (t=0) 对应 (x=\infty)。很多人只换被积函数，积分限还留着原来的 (0) 和 (1)，算出来的答案自然对不上。换元时养成习惯：先把新变量的范围写出来，再把上下限代进去，最后再化简。

第三个常见坑是过早代入端点值。用广义牛顿-莱布尼茨公式时，如果原函数在端点极限不存在，整个积分就不收敛。比如 (\int_0^\infty\cos xdx)，原函数 (\sin x) 没有无穷极限。先确认“端点极限存在”再写等号，是一个很便宜但很有效的习惯。

6.3 一套可以照做的自查流程

下面这张表是我自己总结的流程，每次做反常积分题都按它走一遍：

最后再多说一点实践体会。学完这一章之后，很多后续内容都会把反常积分当作现成工具来用：级数收敛性、含参变量积分、二重广义积分，甚至概率论里的各种连续型分布，都会反复调用这里的极限思想和判别法。我自己做这类题最大的感受是，第11章别急着背公式，把“先判断、再计算”这个思维惯性练成肌肉记忆，后面会省下大量的返工时间。如果你现在做题还经常在“到底收不收敛”上卡壳，建议回头把比较判别法和极限比较法各找十道题练熟，再来啃Gamma函数和Beta函数。你会发现，整个章节其实是环环相扣的。