椭圆积分——从不会到会 still 不会

前言（可跳过）

本文重点在于锻炼读者的"注意力"——不是让你背下更多公式，而是让你看见公式背后的结构。

我自己检验是否真正理解一个公式的方法是：你能否用自然语言精确描述它给你的感觉？

比如 $\int \frac{1}{\sqrt{1-x^2}}\mathrm{d}x=\arcsin x$，你看到的是"一个公式"，还是"单位圆上角度与弧长的互换"？

椭圆积分之所以难，不是因为它公式复杂，而是因为它迫使你在"角度"和"弧长"之间建立一一对应——这种对应在圆里是平凡的（弧长=半径×角度），在椭圆里却需要全新的函数来描述。

本文会给出所有关键公式的几何意义和证明思路。作者实力有限，可能无法道尽，希望知友评论区补充指正。

前置知识

1. 三角函数、反三角函数
2. 一点定积分
3. 知道 $\sqrt{1-x^2}$ 积出来是 $\arcsin$
4. 会求导
5. 最好见过椭圆方程

其中第二条是很多人会忽略的，请读者务必最起码会使用定积分的几何意义。

约定俗成：下文用 $E$ 表示第二类椭圆积分、$F$ 表示第一类椭圆积分、$\Pi$ 表示第三类。

引子：椭圆弧长——为什么需要新函数

你画一个椭圆

$$\frac{x^2}{a^2}+\frac{y^2}{b^2}=1$$

想用高中那一套求个周长，然后发现弧长公式长这样：

$$s=\int_0^{2\pi}\sqrt{a^2\sin^2\theta+b^2\cos^2\theta}\,\mathrm{d}\theta$$

化简一下，令离心率 $e=\sqrt{1-\frac{b^2}{a^2}}$，$a>b$：

$$s=4a\int_0^{\frac{\pi}{2}}\sqrt{1-e^2\sin^2\theta}\,\mathrm{d}\theta$$

这就是第二类完全椭圆积分 $E(e)$。

（图源：AI生成，模拟手绘风格）

最重要的直觉：

1. 圆的弧长公式 $s=r\theta$ 之所以简单，是因为圆的曲率处处相等——你转过的角度和走过的弧长成严格正比
2. 椭圆的曲率在变化——靠近长轴端点曲率大，靠近短轴端点曲率小
3. 所以"转过的角度"和"走过的弧长"不再成正比，$E(e)$ 就是对这种非线性关系的精确编码

所以椭圆积分最早就是算椭圆周长算出来的，名字很诚实。

第一类椭圆积分 $F(\varphi,k)$

定义与几何意义

$$F(\varphi,k)=\int_0^{\varphi}\frac{\mathrm{d}\theta}{\sqrt{1-k^2\sin^2\theta}}$$

其中 $k\in[0,1)$ 叫模数，$\varphi$ 叫振幅。

几何意义：$F(\varphi,k)$ 是椭圆上的"归一化弧长参数"。

具体地，考虑椭圆 $x=a\sin\theta$，$y=b\cos\theta$。从 $\theta=0$ 到 $\theta=\varphi$ 的弧长为

$$s(\varphi)=a\int_0^{\varphi}\sqrt{1-e^2\sin^2\theta}\,\mathrm{d}\theta=aE(\varphi,e)$$

而 $F(\varphi,k)$ 与 $E(\varphi,k)$ 通过反函数关系耦合：如果 $u=F(\varphi,k)$，那么 $\varphi$ 就是 $u$ 的振幅，记作 $\varphi=\operatorname{am}(u,k)$。

为什么 $\varphi=\frac{\pi}{2}$ 叫"完全"：

因为 $F(\varphi,k)$ 关于 $\varphi$ 是周期性的，周期为 $4K(k)$（$K(k)$ 是完全椭圆积分）。当 $\varphi$ 从 $0$ 走到 $\frac{\pi}{2}$ 时，点在椭圆上从短轴端点走到长轴端点，恰好遍历了椭圆的四分之一周长。这就是为什么 $\varphi=\frac{\pi}{2}$ 时叫"完全"——它对应着四分之一周期，而不是整个周期。

当 $\varphi=\frac{\pi}{2}$ 时，记作 $K(k)$：

$$K(k)=\int_0^{\frac{\pi}{2}}\frac{\mathrm{d}\theta}{\sqrt{1-k^2\sin^2\theta}}$$

特殊值

1. $k=0$：$K(0)=\frac{\pi}{2}$，退化回普通积分。
2. $k\to 1^-$：$K(k)\to +\infty$，因为 $1-\sin^2\theta$ 在 $\theta=\frac{\pi}{2}$ 附近变成 $0$，分母爆炸。

它积出来是啥？

很不幸，第一类椭圆积分没有初等函数形式。就像 $\int e^{-x^2}\,\mathrm{d}x$ 积不出来要叫 $\operatorname{erf}$ 一样，椭圆积分也要被赐名为 $F$、$K$。

但你可以查表，或者用 AGM 算法（后面讲）。

直觉：$F(\varphi,k)$ 衡量的是**"角度被压缩的程度"**。$k$ 越大，$\sin^2\theta$ 越"有效"，分母越小，同样的 $\mathrm{d}\theta$ 对应的 $F$ 增量越大。

第二类椭圆积分 $E(\varphi,k)$

定义：

$$E(\varphi,k)=\int_0^{\varphi}\sqrt{1-k^2\sin^2\theta}\,\mathrm{d}\theta$$

完全形式：

$$E(k)=\int_0^{\frac{\pi}{2}}\sqrt{1-k^2\sin^2\theta}\,\mathrm{d}\theta$$

特殊值

1. $k=0$：$E(0)=\frac{\pi}{2}$。
2. $k=1$：$E(1)=1$（因为 $\int_0^{\frac{\pi}{2}}\cos\theta\,\mathrm{d}\theta = 1$）。

椭圆周长公式

椭圆周长 $C=4aE(e)$，其中 $e=\sqrt{1-\frac{b^2}{a^2}}$。所以别再说椭圆周长没公式了，它有，只是不是初等函数。

直觉：$E(\varphi,k)$ 和 $F(\varphi,k)$ 是对偶的。$F$ 的被积函数在分母，$E$ 的在分子。$k$ 增大时，$F$ 发散（分母趋零），$E$ 收敛到 $1$（分子趋零）。

第三类椭圆积分 $\Pi(n;\varphi,k)$

定义：

$$\Pi(n;\varphi,k)=\int_0^{\varphi}\frac{\mathrm{d}\theta}{(1-n\sin^2\theta)\sqrt{1-k^2\sin^2\theta}}$$

多了一个参数 $n$，叫特征值。完全形式记为 $\Pi(n;k)$。

这个用得比前两类少，但物理里经常冒出来（比如电磁学、摆的大幅度周期）。

三个参数，非常不讲道理，建议先记住形式。

它们之间的关系——Legendre 关系

$$E(k)K(k')+E(k')K(k)-K(k)K(k')=\frac{\pi}{2}$$

其中 $k'=\sqrt{1-k^2}$ 叫互补模数。

这个式子为什么成立？

证明思路：Legendre 关系可以通过对 $K(k)$ 和 $E(k)$ 分别求导，利用它们的微分方程联立消元得到。

具体地，我们知道 $$\frac{\mathrm{d}K}{\mathrm{d}k}=\frac{E(k)-(1-k^2)K(k)}{k(1-k^2)},\qquad\frac{\mathrm{d}E}{\mathrm{d}k}=\frac{E(k)-K(k)}{k}$$

考虑函数 $f(k)=E(k)K(k')+E(k')K(k)-K(k)K(k')$。

对 $f(k)$ 求导，利用 $k'=\sqrt{1-k^2}$ 和链式法则（$\frac{\mathrm{d}k'}{\mathrm{d}k}=-\frac{k}{k'}$），代入上述导数公式，经过一系列化简（约一页纸），可以发现 $\frac{\mathrm{d}f}{\mathrm{d}k}=0$。

所以 $f(k)$ 是常数。代入 $k=0$（此时 $k'=1$，$K(0)=E(0)=\frac{\pi}{2}$，$K(1)\to\infty$ 但 $E(1)=1$ 使乘积有限），计算得 $f(0)=\frac{\pi}{2}$。

因此 $f(k)=\frac{\pi}{2}$ 对所有 $k$ 成立。

直觉：Legendre 关系是椭圆积分周期性的体现。$K(k)$ 和 $E(k)$ 分别衡量椭圆积分的"第一类"和"第二类"行为，而 $k'$ 代表"正交方向"的模数。这个关系保证了无论 $k$ 怎么变，$K$ 和 $E$ 的乘积组合始终保持不变——就像能量守恒一样。

怎么记住它：

1. 三项轮换：$E K' + E' K - K K'$
2. 常数项：$\frac{\pi}{2}$（来自 $k=0$ 时的平凡值）
3. 对称性：$k\leftrightarrow k'$ 时式子不变

求导和恒等式

$$\frac{\mathrm{d}K(k)}{\mathrm{d}k}=\frac{E(k)-(1-k^2)K(k)}{k(1-k^2)}$$

$$\frac{\mathrm{d}E(k)}{\mathrm{d}k}=\frac{E(k)-K(k)}{k}$$

证明基本就是积分号下求导然后化简，比较机械，但草稿纸需要大一点。

直觉：$K$ 的导数包含 $E$，$E$ 的导数包含 $K$。它们互相定义，就像 $\sin$ 和 $\cos$ 的导数互相包含对方一样。

AGM 算法——手算 $K(k)$

$K(k)$ 可以用算术-几何平均（AGM）快速算：

设 $a_0=1$，$b_0=\sqrt{1-k^2}=k'$，然后迭代：

$$a_{n+1}=\frac{a_n+b_n}{2}$$

$$b_{n+1}=\sqrt{a_nb_n}$$

$$c_{n+1}=\frac{a_n-b_n}{2}$$

当 $n$ 足够大时，$a_n\approx b_n\approx M(a_0,b_0)$，AGM 收敛非常快，每轮有效位数翻倍。

第一类完全椭圆积分：

$$K(k)=\frac{\pi}{2M(1,k')}$$

第二类完全椭圆积分：

$$E(k)=\frac{\pi}{2M(a_0,b_0)}\left(1-\sum_{n=0}^{\infty}2^{n-1}c_n^2\right)$$

为什么 AGM 能算出椭圆积分？

证明思路：AGM 与椭圆积分的联系来自Landen 变换。Landen 变换是一种椭圆积分的变量替换，它将 $F(\varphi,k)$ 转化为另一个椭圆积分，其模数 $k_1=\frac{1-k'}{1+k'}$ 比原来的 $k$ 更小。反复应用 Landen 变换，模数趋近于 $0$，积分趋近于 $\frac{\pi}{2}$。

AGM 正是 Landen 变换的代数形式：$a_{n+1}=\frac{a_n+b_n}{2}$ 和 $b_{n+1}=\sqrt{a_nb_n}$ 分别对应 Landen 变换中的算术和几何操作。当 $a_n$ 和 $b_n$ 收敛到同一个值 $M$ 时，积分值被"压缩"成了 $\frac{\pi}{2M}$。

（图源：AI生成，模拟手绘风格）

最重要的直觉：

1. AGM 是算术平均和几何平均的迭代，两者收敛到同一个值
2. 每轮迭代，$c_n$（差的一半）平方级减小，所以收敛极快
3. $K(k)$ 就是 $\frac{\pi}{2}$ 除以这个收敛值——椭圆积分被"压缩"成了一个极限

代码实现：

#include<bits/stdc++.h>
using namespace std;
typedef long double ld;
const ld PI = acosl(-1.0);

// 返回 K(k), E(k)
pair<ld, ld> elliptic_K_E(ld k) {
    ld a = 1.0, b = sqrtl(1 - k * k), c = k;
    ld sum = 0.0;
    ld pw2 = 1.0; // 2^n
    for (int n = 0; n < 10; ++n) { // 10 次迭代精度足够
        ld an = (a + b) / 2.0;
        ld bn = sqrtl(a * b);
        ld cn = (a - b) / 2.0;
        sum += pw2 * cn * cn;
        pw2 *= 2.0;
        a = an; b = bn; c = cn;
    }
    ld K = PI / (2 * a);
    ld E = K * (1.0 - sum / 2.0); // 注意系数写法
    return {K, E};
}

int main() {
    ld k = 0.5;
    auto [K, E] = elliptic_K_E(k);
    cout << "K(" << k << ") = " << K << "\n";
    cout << "E(" << k << ") = " << E << "\n";
    return 0;
}

坑点：

1. $k$ 太接近 $1$ 时 $K$ 会很大，double 可能不够，建议用 long double。
2. 初始 $b_0$ 是 $\sqrt{1-k^2}$，不是 $k$。
3. 上面的 $E$ 公式系数容易记混，建议每次用 $E(0)=\frac{\pi}{2}$ 和 $E(1)=1$ 验证。

椭圆函数 Jacobi sn, cn, dn

椭圆积分是 Jacobi 椭圆函数的反函数。就像 $\arcsin$ 和 $\sin$ 互为反函数一样。

定义：如果

$$u=F(\varphi,k)=\int_0^{\varphi}\frac{\mathrm{d}\theta}{\sqrt{1-k^2\sin^2\theta}}$$

那么 Jacobi 椭圆函数：

$$\operatorname{sn}(u,k)=\sin\varphi$$

$$\operatorname{cn}(u,k)=\cos\varphi$$

$$\operatorname{dn}(u,k)=\sqrt{1-k^2\sin^2\varphi}$$

（图源：AI生成，模拟手绘风格）

基本恒等式

$$\operatorname{sn}^2(u,k)+\operatorname{cn}^2(u,k)=1$$

$$k^2\operatorname{sn}^2(u,k)+\operatorname{dn}^2(u,k)=1$$

导数

$$\frac{\mathrm{d}}{\mathrm{d}u}\operatorname{sn}(u,k)=\operatorname{cn}(u,k)\operatorname{dn}(u,k)$$

$$\frac{\mathrm{d}}{\mathrm{d}u}\operatorname{cn}(u,k)=-\operatorname{sn}(u,k)\operatorname{dn}(u,k)$$

$$\frac{\mathrm{d}}{\mathrm{d}u}\operatorname{dn}(u,k)=-k^2\operatorname{sn}(u,k)\operatorname{cn}(u,k)$$

当 $k=0$ 时 $\operatorname{sn}\to\sin$，$\operatorname{cn}\to\cos$，$\operatorname{dn}\to 1$。

最重要的直觉：

1. $\operatorname{sn}$ 和 $\operatorname{cn}$ 是 $\sin$ 和 $\cos$ 的推广——单位圆被"压扁"成了椭圆
2. $\operatorname{dn}$ 是椭圆独有的，衡量"压扁程度"
3. 导数公式里 $\operatorname{dn}$ 的出现，是因为椭圆上"角度"和"弧长"的关系不再像圆那样简单

例题

例 1：单摆大角度周期

单摆小角度周期 $T_0=2\pi\sqrt{\frac{L}{g}}$。大角度精确解：

$$T=4\sqrt{\frac{L}{g}}K\left(\sin\frac{\theta_0}{2}\right)$$

其中 $\theta_0$ 是最大摆角。所以第一类完全椭圆积分就是单摆的修正因子。

直觉：摆角越大，摆锤在最高点附近"停留"的时间越长（因为势能曲线变平），周期变长。$K(\sin\frac{\theta_0}{2})$ 就是对这个"停留效应"的精确量化。

例 2：椭圆周长

椭圆 $\frac{x^2}{a^2}+\frac{y^2}{b^2}=1$，$a>b$，离心率 $e=\sqrt{1-\frac{b^2}{a^2}}$。

$$C=4aE(e)$$

如果 $a=5,b=3$，则 $e=\frac{4}{5}$，$C=20E(0.8)$。

例 3：数值验证

用 AGM 算 $K(0)$ 和 $E(0)$，应该得到 $\frac{\pi}{2}$。如果算出来不对，说明你 $b_0$ 写错了。

大坑

注意一个很神奇的问题，比如上面 AGM 代码，你可能会发现我将

ld sum = 0.0;
ld pw2 = 1.0; // 2^n

注释了个"2^n"，为什么呢？

举个例子，你把它写成了 $2^{n-1}$，代码变成了下面这样。

sum += pw2 * cn * cn; // pw2 = 2^n

可能乍一看没问题，毕竟系数差个 2 而已。

BUT，当你把目光放到 $E(k)$ 的公式那部分的时候，你就发现

$$E(k)=\frac{\pi}{2M(a_0,b_0)}\left(1-\sum_{n=0}^{\infty}2^{n-1}c_n^2\right)$$

当 $n=0$ 时，$2^{n-1}=\frac{1}{2}$，所以 $c_0^2$ 的系数是 $\frac{1}{2}$，不是 $1$！！！！！

如果你代码里写成了 $2^n$，那么 $c_0^2$ 的系数就是 $1$，$E(k)$ 就会多减 $\frac{1}{2}c_0^2$，直接导致结果错误！！！

正确代码里 sum += pw2 * cn * cn 之后 pw2 *= 2.0，这样第 $n$ 次迭代时 pw2 正好是 $2^n$，但公式里是 $2^{n-1}$，所以最后要 (1.0 - sum / 2.0) 来补偿。

总结

1. 椭圆积分有三类：$F,E,\Pi$，分别是 $\frac{1}{\sqrt{\cdots}}$、$\sqrt{\cdots}$、$\frac{1}{(1-n\sin^2)\sqrt{\cdots}}$ 的积分。
2. 完全椭圆积分就是上限到 $\frac{\pi}{2}$，对应椭圆的四分之一周期。
3. 椭圆函数是椭圆积分的反函数，Jacobi sn/cn/dn 是三角函数的推广。
4. AGM 能高效算 $K$ 和 $E$，其原理是 Landen 变换。
5. Legendre 关系是椭圆积分周期性的体现，可以通过微分方程证明。

在做微积分的时候，看到巧合式子，一定要多想。想明白为什么，会给你的数学直觉带来很大的帮助。

（图源：AI生成，模拟手绘风格）

参考与推荐阅读

• OEIS 和各种手册里的椭圆积分表
• Abramowitz & Stegun: Handbook of Mathematical Functions
• 如果你想硬刚推导：Whittaker & Watson《A Course of Modern Analysis》