斯特鲁夫函数 H_v(x) 计算器

斯特鲁夫函数 H_v(x) 计算器

新兴 AI Skill PRO

输入计算

两个输入均为无量纲实数。当阶数为非整数时,请使用 x ≥ 0。

数学公式

Hv(x)=∑k=0∞(−1)kΓ(k+32)Γ(k+v+32)(x2)2k+v+1\mathbf{H}_{\text{v}}\!\left(\text{x}\right) = \sum_{k=0}^{\infty} \frac{(-1)^{k}}{\Gamma\!\left(k+\frac{3}{2}\right)\,\Gamma\!\left(k+\text{v}+\frac{3}{2}\right)} \left(\frac{\text{x}}{2}\right)^{2k+\text{v}+1}
使用统计

广告

结果

斯特鲁夫函数 Hv(x)
0.568656627
无量纲
计算方法 幂级数定义(兰乔斯伽马近似)
提示 |x| 较大时精度会下降;阶数为非整数时请使用 x ≥ 0。

报告本页错误

什么是斯特鲁夫函数?

斯特鲁夫函数记作 \(\mathbf{H}_{\text{v}}(\text{x})\),是数学物理中广泛出现的一类特殊函数。它以天文学家赫尔曼·斯特鲁夫(Hermann Struve)的名字命名,是非齐次贝塞尔微分方程的一个特解。在声学(振动活塞的辐射问题)、流体力学、电磁学以及非定常空气动力学中,你都会遇到它的身影。本计算器可计算任意实数阶 v 与自变量 x 对应的 \(\mathbf{H}_{\text{v}}(\text{x})\)。

若干阶斯特鲁夫函数曲线的图像,显示衰减振荡
斯特鲁夫函数 H_v(x) 先上升,然后以缓慢衰减的振幅振荡。

计算公式

斯特鲁夫函数由如下收敛幂级数定义:

$$\mathbf{H}_{\text{v}}\!\left(\text{x}\right) = \sum_{k=0}^{\infty} \frac{(-1)^{k}}{\Gamma\!\left(k+\frac{3}{2}\right)\,\Gamma\!\left(k+\text{v}+\frac{3}{2}\right)} \left(\frac{\text{x}}{2}\right)^{2k+\text{v}+1}$$

其中 \(\Gamma\) 为伽马函数。该级数对所有实数 x 均收敛,但当 \(|x|\) 较大时需要很多项才能收敛,此时采用渐近展开会更高效。本工具直接对级数求和,伽马因子使用兰乔斯(Lanczos)近似计算,并通过稳定的逐项比值递推来避免数值溢出。

广告
各项逐渐变小并收敛到某个值的交错幂级数示意图
H_v(x) 通过关于 k 的收敛交错幂级数求值。

使用方法

输入阶数 v(任意实数)和自变量 x。当阶数为非整数时,请保持 \(x \ge 0\),因为此时 \(\left(\frac{x}{2}\right)^{v+1}\) 在 x 为负值时会变为复数。点击「计算」即可得到 \(\mathbf{H}_{\text{v}}(\text{x})\)。两个输入均为无量纲的纯数值。

计算实例

取默认值 \(v = 0\)、\(x = 1\)。此时 \(\text{half} = 0.5\),\(\text{half}^2 = 0.25\),前置因子 \(\left(\frac{x}{2}\right)^{v+1} = 0.5\)。级数前几项分别为 \(1.273239545\)、\(-0.141471061\)、\(0.005658842\)、\(-0.000115487\)……累加约为 \(1.137313265\)。再乘以前置因子 \(0.5\),得到 \(\mathbf{H}_0(1) \approx 0.5686566\),与已知的高精度数值 \(0.56865663339780\) 完全吻合。

广告

结果解读与精度限制

小 x。 级数的首项占主导,因此 \(\mathbf{H}_v(x)\approx \dfrac{(x/2)^{v+1}}{\Gamma(3/2)\,\Gamma(v+3/2)}\)。该函数在原点附近按幂律 \(x^{v+1}\) 增长。对于 v = 0,这给出 \(\mathbf{H}_0(x)\approx 2x/\pi\);对于 v = 1,则给出 \(\mathbf{H}_1(x)\approx 2x^2/(3\pi)\)。

大 x。 对于固定的 v,当 \(x\to\infty\) 时,

$$\mathbf{H}_v(x)\approx Y_v(x)+\frac{(x/2)^{v-1}}{\sqrt{\pi}\,\Gamma\!\left(v+\tfrac12\right)}.$$

因此 \(\mathbf{H}_v(x)\) 跟随振荡的贝塞尔函数 \(Y_v(x)\),并加上一个缓慢变化的代数项。差值 \(\mathbf{H}_v(x)-Y_v(x)\) 有其自身关于 x 的逆幂渐近级数。对于 v = 0,它为 \(\tfrac{2}{\pi}\left(\tfrac1x-\tfrac1{x^3}+\tfrac{9}{x^5}-\cdots\right)\)。

抵消误差。 幂级数对每个 x 都收敛,但其各项符号交替。它们的绝对值在衰减之前会增长到约 \(e^{x}\) 的量级,而真实值仅约为 1(或更小)。在双精度(约 16 位有效数字)下,大约会损失 \(x/\ln 10\approx 0.43\,x\) 位数字。当 |x| ≈ 20–30 左右时,大部分或全部有效数字已丢失。超出该范围后,级数结果不应被信任。应使用 \(\mathbf{H}_v(x)-Y_v(x)\) 的渐近展开,并配合精确的 \(Y_v(x)\),或使用更高精度的算术运算。

阶数与定义域。 对于非整数 v,因子 \((x/2)^{2k+v+1}\) 仅在 \(x\ge 0\) 时为实数(主分支)。当 \(v+\tfrac32\) 为非正整数时,分母中的伽马函数具有极点,相应的项为零。

常见问题:为什么计算器在 x 较大时给出不可靠的数值?

交替级数会发生灾难性抵消。单个项远大于最终的和,而这些大项中的浮点舍入误差会淹没微小的真实结果。这是数值方法的限制,而非函数本身的问题。解决办法是使用渐近展开、与 \(Y_v\) 的关系,或扩展精度算术。

常见问题

v 可以是负数或分数吗?可以。该级数对任意实数 v 都成立,唯一的例外是当 \(v + \frac{3}{2}\) 为非正整数时(即 \(v = -1.5\)、\(-2.5\)……);在这些情形下,伽马函数的倒数会使相应项自动归零,本工具已自动处理。

x = 0 时会怎样?当 \(v > -1\) 时,由于前置因子 \(\left(\frac{x}{2}\right)^{v+1}\) 为零,函数值为 0,计算器会直接返回 0。

对较大的 x 精度如何?当 \(|x|\) 超过约 30 时,幂级数因正负项相消会损失精度。对于非常大的自变量,采用渐近展开能获得更好的结果。

最后更新:

数学和统计热门计算器

查看全部数学和统计计算器