scipy.special.expi¶
- scipy.special.expi(x, out=None) = <ufunc 'expi'>¶
指数积分Ei。
真的 \(x\) ,指数积分定义为 [1]
\[Ei(X)=\int_{-\infty}^x\frac{e^t}{t}dt.\]为 \(x > 0\) 该积分被理解为柯西原理值。
通过对区间上函数的解析延拓,将其推广到复平面上 \((0, \infty)\) 。复变数在负实轴上有一个分支切割。
- 参数
- x: array_like
实值或复值变元
- 输出:ndarray,可选
函数结果的可选输出数组
- 退货
- 标量或ndarray
指数积分值
注意事项
指数积分 \(E_1\) 和 \(Ei\) 满足关系
\[E_1(X)=-Ei(-x)\]为 \(x > 0\) 。
参考文献
- 1
数学函数数字类库,6.2.5 https://dlmf.nist.gov/6.2#E5
示例
>>> import scipy.special as sc
它与以下内容有关
exp1
。>>> x = np.array([1, 2, 3, 4]) >>> -sc.expi(-x) array([0.21938393, 0.04890051, 0.01304838, 0.00377935]) >>> sc.exp1(x) array([0.21938393, 0.04890051, 0.01304838, 0.00377935])
复变数在负实轴上有一个分支切割。
>>> import scipy.special as sc >>> sc.expi(-1 + 1e-12j) (-0.21938393439552062+3.1415926535894254j) >>> sc.expi(-1 - 1e-12j) (-0.21938393439552062-3.1415926535894254j)
当复变项逼近分支切割时,实部接近实变项的值。
>>> sc.expi(-1) -0.21938393439552062
SciPy实现返回分支切割上复数值的实变量。
>>> sc.expi(complex(-1, 0.0)) (-0.21938393439552062-0j) >>> sc.expi(complex(-1, -0.0)) (-0.21938393439552062-0j)