高数篇(一)-- Gamma 函数 VS Beta 函数
Gamma
函数和Beta
函数是最基本也是最重要的两个特殊函数,它们如同基石般奠定了整个特殊函数论大厦的基础。相信你在微积分和统计里,经常看到他们的身影,所以快来get
Gamma 函数和 Beta 函数的技能。
1 Gamma函数
1.1 介绍
伽马函数(Gamma 函数),即欧拉第二积分,是阶乘函数在实数与复数上扩展的一类函数。该函数在分析学、概率论、偏微分方程和组合数学中有重要的应用。与之有密切联系的函数是贝塔函数,也叫第一类欧拉积分,可以用来快速计算同伽马函数形式相类似的积分。
我们接触的Gamma函数一般是下面的形式:
Γ(x)=∫0∞tx−1e−tdt\Gamma(x) = \int_{0}^{\infty}t^{x-1}e^{-t}dtΓ(x)=∫0∞tx−1e−tdt
通过分部积分的方法,可以推导出这个函数具有如下的递归性质:
Γ(x+1)=xΓ(x)\Gamma(x+1) = x\Gamma(x)Γ(x+1)=xΓ(x)
于是很容易证明,Γ(x)\Gamma(x)Γ(x) 函数可以当成是阶乘在实数集上的延拓,具有如下性质:
Γ(n)=(n−1)!\Gamma(n) = (n-1)!Γ(n)=(n−1)!
要了解更多的 Gamma 函数的历史,推荐阅读
- Philip J. Davis,Leonhard Euler’s Integral: A Historical Profile of the Gamma Function
- Jacques Dutka,The Early History of the Factorial Function
- Detlef Gronnau,Why is the gamma function so as it is?
1.2 推导
在某一个特殊的时刻,欧拉发现阶乘 n!n!n! 可以用一个无穷乘积表示:
n!=[(21)n1n+1][(32)n2n+2][(43)n3n+3]⋯①n! = [(\frac{2}{1})^n \frac{1}{n+1}] [(\frac{3}{2})^n \frac{2}{n+2}] [(\frac{4}{3})^n \frac{3}{n+3}] \cdots \quad ①n!=[(12)nn+11][(23)nn+22][(34)nn+33]⋯①
如果有m项乘积:
当 m>>nm >> nm>>n 时,上式可继续计算:
当 m→∞m \to \inftym→∞ 时,无穷乘积的极限:
limn→∞(m+1)n1×2×3×⋯×m(n+1)(n+2)(n+3)⋯(n+m)⏟(1)=limn→∞n!∏k=1nm+1m+k⏟(2)=n!\lim_{n \to \infty}\underbrace{(m+1)^n \frac{1 \times 2 \times 3 \times \cdots \times m}{(n+1)(n+2)(n+3)\cdots(n+m)}}_{(1)} = \lim_{n \to \infty} \underbrace{n! \prod_{k=1}^{n} \frac{m+1}{m+k}}_{(2)} = n!n→∞lim(1)(m+1)n(n+1)(n+2)(n+3)⋯(n+m)1×2×3×⋯×m=n→∞lim(2)n!k=1∏nm+km+1=n!
值得注意的是,n!n!n! 明显不等于(2),(2)又是由(1)整理而来的,因此 n!n!n! 也不等于(1),而是在 m→∞m \to \inftym→∞ 时 n!n!n! 等于(1)或(2)的极限。以 n=2n = 2n=2 为例,n!=2n! = 2n!=2 ,mmm 是2、50、100时,(1)的结果分别是1.5、1.9615384615384617、1.980392156862745,展开的越多,越接近于 n!n!n!。
有了这个无穷乘积,欧拉便把 n=12n = \frac{1}{2}n=21 代入①式,得到:
根号里面的东西是英国数学家沃利斯(John Wallis)在1665年写下的沃利斯公式:
21×23×43×45×65×67×87×89×109⋯=∏n=1∞2n2n−1⋅2n2n+1=π2\frac{2}{1} \times \frac{2}{3} \times \frac{4}{3} \times \frac{4}{5} \times \frac{6}{5} \times \frac{6}{7} \times \frac{8}{7} \times \frac{8}{9} \times \frac{10}{9} \cdots = \prod_{n=1}^{\infty}\frac{2n}{2n-1} \cdot \frac{2n}{2n+1} = \frac{\pi}{2} 12×32×34×54×56×76×78×98×910⋯=n=1∏∞2n−12n⋅2n+12n=2π
于是,欧拉把沃利斯公式折半:
23×43×45×65×67×87×89×109⋯=π4(12)!=π2\frac{2}{3} \times \frac{4}{3} \times \frac{4}{5} \times \frac{6}{5} \times \frac{6}{7} \times \frac{8}{7} \times \frac{8}{9} \times \frac{10}{9} \cdots = \frac{\pi}{4} \\ (\frac{1}{2})! = \frac{\sqrt \pi}{2} 32×34×54×56×76×78×98×910⋯=4π(21)!=2π
欧拉发现 (12)!(\frac{1}{2})!(21)! 的计算结果中居然有 π\piπ,有 π\piπ 的地方通常会和圆的积分相关。于是,欧拉开始尝试把 n!n!n! 表达为积分形式。虽然Wallis 的时代微积分还没有发明出来,Wallis是使用插值的方式做推导计算的,但是Wallis 公式的推导过程基本上就是在处理积分 ∫01x12(1−x)12dx\int_{0}^{1}x^{\frac{1}{2}}(1-x)^{\frac{1}{2}}dx∫01x21(1−x)21dx,受Wallis 的启发,欧拉开始考虑如下的一般形式的积分:
J(a,n)=∫01xa(1−x)ndxJ(a,n) = \int_{0}^{1}x^{a}(1-x)^{n}dxJ(a,n)=∫01xa(1−x)ndx
式子中,nnn 为正整数,aaa 为正实数。利用分部积分:
继续使用分部积分:
上面的所有递推合并到一起就得到了最终的结果:
现在阶乘变成了积分的形式。然而这个式子的前提是 nnn 是正整数,无法推广到分数,欧拉继续研究如何化简这个表达式。aaa 是一个任意实数,能否让aaa 消失?一个惯用的方法是取极端值,a>0a > 0a>0 的一个极端是无穷,看看让aaa 趋近于无穷时会得到什么结果。这里欧拉使用的技巧是让 aaa 等于两个实数的商:
等式两侧同时除以 (f+g)(f+2g)⋯(f+ng)(f+g)(f+2g) \cdots (f+ng)(f+g)(f+2g)⋯(f+ng):
n!(f+g)(f+2g)⋯(f+ng)=f+(n+1)ggn+1∫01xfg(1−x)ndx④\frac{n!}{(f+g)(f+2g) \cdots (f+ng)} = \frac{f+(n+1)g}{g^{n+1}} \int_{0}^{1}x^{\frac{f}{g}}(1-x)^n dx \quad ④(f+g)(f+2g)⋯(f+ng)n!=gn+1f+(n+1)g∫01xgf(1−x)ndx④
当 f→1,g→0f \to 1,g \to 0f→1,g→0 时,左侧趋近于 n!n!n!,但是右侧出现了讨厌的0分母,此时为了简化计算:
将上式的结论代入④:
用求极限的方式去掉f和gf 和 gf和g:
limf→1,g→0n!(f+g)(f+2g)⋯(f+ng)=n!limf→1,g→0f+(n+1)g(f+g)n+1=1\lim_{f \to 1,g \to 0} \frac{n!}{(f+g)(f+2g) \cdots (f+ng)} = n! \\ \lim_{f \to 1,g \to 0} \frac{f+(n+1)g}{(f+g)^{n+1}} =1f→1,g→0lim(f+g)(f+2g)⋯(f+ng)n!=n!f→1,g→0lim(f+g)n+1f+(n+1)g=1
当 f→1,g→0时,h→0,(1−th)/hf \to 1,g \to 0 时,h \to 0,(1-t^h)/hf→1,g→0时,h→0,(1−th)/h的极限变成了 0/00/00/0 的形式,在洛必达法则的帮助下,0/0型和∞/∞0/0 型和 \infty/\infty0/0型和∞/∞ 型的极限也是可以求解的。令 u(h)=1−th,v(h)=hu(h) = 1-t^h,v(h) = hu(h)=1−th,v(h)=h,根据洛必达法则:
limh→0u(h)v(h)=limh→0u′(h)v′(h)=limh→0−lnt1=−lnt\lim_{h \to 0} \frac{u(h)}{v(h)} = \lim_{h \to 0} \frac{u^{'}(h)}{v^{'}(h)} = \lim_{h \to 0} \frac{-lnt}{1} = -lnth→0limv(h)u(h)=h→0limv′(h)u′(h)=h→0lim1−lnt=−lnt
于是在对⑤的等式两侧求极限时,神奇的一幕出现了:
n!=∫01(−lnt)ndtn! = \int_{0}^{1}(-lnt)^ndtn!=∫01(−lnt)ndt
任意实数 aaa 已经消失了,n!n!n! 变成了一个简洁的积分形式。继续变换:
于是得到欧拉最早定义的伽玛函数,实际上就是阶乘扩展到实数范围:
Γ(x)=x!=∫0∞uxe−udu(x>0)\Gamma(x) = x! = \int_{0}^{\infty}u^xe^{-u}du(x>0)Γ(x)=x!=∫0∞uxe−udu(x>0)
但是欧拉后来修改了伽玛函数的定义,变成了:
Γ(x)=(x−1)!Γ(x)=∫01(−lnt)x−1dt⑥Γ(x)=∫0∞ux−1e−udu⑦\Gamma(x) = (x-1)! \quad\\ \Gamma(x) = \int_{0}^{1}(-lnt)^{x-1}dt \quad ⑥ \\ \Gamma(x) = \int_{0}^{\infty}u^{x-1} e^{-u}du \quad ⑦ Γ(x)=(x−1)!Γ(x)=∫01(−lnt)x−1dt⑥Γ(x)=∫0∞ux−1e−udu⑦
这也是现在我们所说的伽玛函数,⑥和⑦是两种表达,⑦更为常见,从积分域可以看出 t和ut和ut和u 的取值范围。
看一下 Γ\GammaΓ 函数的曲线:
补充:
Gamma函数还有其他定义,这里只简单介绍,详细推导请阅读:Gamma函数的那些事儿——四种定义
Γ(x)=limn→∞nxn!x(x+1)(x+2)⋯(x+n−1)(x+n)Γ(x)=1x∏k=1∞(1+1k)x1+xk1Γ(x)=xeγx∏k=1∞(1+xk)e−xk(Weierstrass无穷乘积形式)\Gamma(x) = \lim_{n \to \infty} \frac{n^xn!}{x(x+1)(x+2)\cdots (x+n-1)(x+n)} \\ \Gamma(x) = \frac{1}{x} \prod_{k=1}^{\infty}\frac{(1+\frac{1}{k})^x}{1+\frac{x}{k}} \\ \frac{1}{\Gamma(x)} = xe^{\gamma x} \prod_{k=1}^{\infty}(1+\frac{x}{k})e^{-\frac{x}{k}} (Weierstrass无穷乘积形式)Γ(x)=n→∞limx(x+1)(x+2)⋯(x+n−1)(x+n)nxn!Γ(x)=x1k=1∏∞1+kx(1+k1)xΓ(x)1=xeγxk=1∏∞(1+kx)e−kx(Weierstrass无穷乘积形式)
1.3 Gamma函数的性质
Gamma 函数在数学分析中不断被深入研究,在概率论中也是无处不在,很多统计分布都和这个函数相关。常用性质:
- 递推公式
Γ(x+1)=Γ(x)Γ(n+12)=π22n(2n)!n!Γ(x)Γ(1−x)=πsin(πa)Γ(x+12)=Γ(2x)Γ(12)Γ(x)22x−1\Gamma(x+1) = \Gamma(x) \\ \quad \\ \Gamma(n + \frac{1}{2}) = \frac{\sqrt \pi}{2^{2n}} \frac{(2n)!}{n!} \\ \quad \\ \Gamma(x) \Gamma(1-x) = \frac{\pi}{sin(\pi a)} \\ \quad \\ \Gamma(x + \frac{1}{2}) = \frac{\Gamma(2x) \Gamma(\frac{1}{2})}{\Gamma(x)2^{2x-1}} Γ(x+1)=Γ(x)Γ(n+21)=22nπn!(2n)!Γ(x)Γ(1−x)=sin(πa)πΓ(x+21)=Γ(x)22x−1Γ(2x)Γ(21)
我们知道 0!=10! = 10!=1,Γ(1)\Gamma(1)Γ(1)对此进行解释:
0!=Γ(1)=∫0∞u1−1e−udu=∫0∞e−udu=−e−u∣0∞=−e−∞+1=10! = \Gamma(1) = \int_{0}^{\infty}u^{1-1}e^{-u}du = \int_{0}^{\infty}e^{-u}du = -e^{-u}|_{0}^{\infty} = -e^{-\infty} + 1 = 1 0!=Γ(1)=∫0∞u1−1e−udu=∫0∞e−udu=−e−u∣0∞=−e−∞+1=1
积分中常用的几个数值:
f(x)f(x)f(x) | ∫0+∞f(x)dx\int_{0}^{+\infty}f(x)dx∫0+∞f(x)dx | 备注 |
---|---|---|
x−12e−xx^{-\frac{1}{2}}e^{-x}x−21e−x | π\sqrt \piπ | Γ(12)\Gamma(\frac{1}{2})Γ(21) |
e−xe^{-x}e−x | 111 | Γ(1)\Gamma(1)Γ(1) |
x12e−xx^{\frac{1}{2}}e^{-x}x21e−x | π2\frac{\sqrt \pi}{2}2π | Γ(32)\Gamma(\frac{3}{2})Γ(23) |
xe−xxe^{-x}xe−x | 111 | Γ(2)\Gamma(2)Γ(2) |
详细推导请参考:伽马函数常用积分数值 |
(1)欧拉常数 γ\gammaγ
γ=−dΓ(x)dx∣x=1=limn→∞(1+12+13+⋯+1n−ln(n))=limn→∞∑k=1n1k−lnn\gamma = - \frac{d\Gamma(x)}{dx} |_{x=1} = \lim_{n \to \infty}(1 + \frac{1}{2}+ \frac{1}{3} + \cdots + \frac{1}{n} - ln (n)) \\ = \lim_{n \to \infty} \sum_{k=1}^{n} \frac{1}{k} - ln nγ=−dxdΓ(x)∣x=1=n→∞lim(1+21+31+⋯+n1−ln(n))=n→∞limk=1∑nk1−lnn
(2)Digamma 函数
Ψ(x)=dlogΓ(x)dx=Γ′(x)Γ(x)=−γ+∫011−xz−11−xdx\Psi(x) = \frac{dlog \Gamma(x)}{dx} = \frac{\Gamma^{'}(x)}{\Gamma(x)} = -\gamma + \int_{0}^{1} \frac{1 -x ^{z-1}}{1-x}dxΨ(x)=dxdlogΓ(x)=Γ(x)Γ′(x)=−γ+∫011−x1−xz−1dx
这也是一个很重要的函数,在涉及求 Dirichlet 分布相关的参数的极大似然估计时,往往需要使用到这个函数。Digamma 函数具有如下漂亮的性质:
- 递推公式
Ψ(x+1)=Ψ(x)+1x\Psi(x+1) = \Psi(x) + \frac{1}{x}Ψ(x+1)=Ψ(x)+x1 - 反射公式
ψ(1−x)=ψ(x)+πcotπx\psi(1-x)=\psi(x)+\pi\cot\pi x ψ(1−x)=ψ(x)+πcotπx - 倍加公式
ψ(2x)=12ψ(x)+12ψ(x+12)+ln2\psi(2x)=\frac{1}{2}\psi(x)+\frac{1}{2}\psi\left(x+\frac{1}{2}\right)+\ln2 ψ(2x)=21ψ(x)+21ψ(x+21)+ln2
函数 Ψ(x)\Psi(x)Ψ(x) 和欧拉常数 γ\gammaγ 以及 ζ\zetaζ 函数都有密切关系,令
Ψn(x)=dn+1logΓ(x)dxn+1\Psi_n(x) = \frac{d^{n+1}{log \Gamma(x)}}{dx^{n+1}}Ψn(x)=dxn+1dn+1logΓ(x)
则 Ψ0(x)=Ψ(x)\Psi_0(x) = \Psi(x)Ψ0(x)=Ψ(x),可以证明:
Ψ(n)=−γ+∑k=1n−11k(n∈N)Ψ(x)=−γ−∑k=0∞(1x+k−1k+1)(x∈C)Ψ(1)=−γ,Ψ(2)=1−γΨ1(1)=ζ(2)=π26,Ψ2(1)==−2ζ(3)\Psi(n) = -\gamma + \sum_{k=1}^{n-1} \frac{1}{k} (n \in N)\\ \Psi(x) = -\gamma - \sum_{k=0}^{\infty}(\frac{1}{x+k} - \frac{1}{k+1}) (x \in C) \\ \Psi(1) = -\gamma,\Psi(2) = 1 - \gamma \\ \Psi_1(1) = \zeta(2) = \frac{\pi^2}{6},\Psi_2(1) = = -2 \zeta(3) Ψ(n)=−γ+k=1∑n−1k1(n∈N)Ψ(x)=−γ−k=0∑∞(x+k1−k+11)(x∈C)Ψ(1)=−γ,Ψ(2)=1−γΨ1(1)=ζ(2)=6π2,Ψ2(1)==−2ζ(3)
1.4 Gamma函数的应用
(1)利用伽马函数求导数
我们原来只能定义一阶、二阶等整数阶导数,有了 Gamma 函数我们可以把函数导数的定义延拓到实数集,从而可以计算 1/2 阶导数, 同样的积分作为导数的逆运算也可以有分数阶。 我们先考虑一下 xnx^nxn 的各阶导数:
由于 k 阶导数可以用阶乘表达,于是我们用 Gamma 函数表达为:
Γ(n+1)Γ(n−k+1)xn−k\frac{\Gamma(n+1)}{\Gamma(n-k+1)}x^{n-k}Γ(n−k+1)Γ(n+1)xn−k
于是基于上式,我们可以把导数的阶从整数延拓到实数集。例如,取 n=1,k=12n=1, k = \frac{1}{2}n=1,k=21 我们可以计算 xxx 的 12\frac{1}{2}21 阶导数为:
Γ(1+1)Γ(1−1/2+1)x1−1/2=2xπ\frac{\Gamma(1+1)}{\Gamma(1-1/2+1)}x^{1-1/2} = \frac{2 \sqrt x}{\sqrt \pi}Γ(1−1/2+1)Γ(1+1)x1−1/2=π2x
对于一般的函数 f(x)f(x)f(x) 通过 Taylor 级数展开可以表达为幂级数,于是借用 xnx^nxn 的分数阶导数,我们可以尝试定义出任意函数的分数阶导数。不过有点遗憾的是这种定义方法并非良定义的,不是对所有函数都适用,但是这个思想却是被数学家广泛采纳了,并由此发展了数学分析中的一个研究课题:Fractional Calculus,在这种微积分中,分数阶的导数和积分都具有良定义,而这都依赖于 Gamma 函数。
(2)利用利用伽马函数简化级数
当我们求不出一些级数,但是我们可以让它在不同的形式间转化,例如:
∑k=1∞1kk=1+122+133+144+155+⋯\sum_{k=1}^{\infty}\frac{1}{k^k} = 1 + \frac{1}{2^2} +\frac{1}{3^3}+\frac{1}{4^4}+\frac{1}{5^5} + \cdotsk=1∑∞kk1=1+221+331+441+551+⋯
根据 n!=Γ(n+1)n! = \Gamma(n+1)n!=Γ(n+1) 对级数进行如下构造:
∑k=1∞1kk=∑k=1∞Γ(k)(k−1)!kk=∑k=1∞1(k−1)!kk∫0∞xk−1e−xdx=∑k=1∞1(k−1)!∫0∞(xk)k−1e−xdxk\sum_{k=1}^\infty{1\over k^k}=\sum_{k=1}^\infty{\Gamma(k)\over(k-1)!k^k}=\sum_{k=1}^\infty{1\over(k-1)!k^k}\int_0^\infty x^{k-1}e^{-x}\mathrm{d}x=\sum_{k=1}^\infty{1\over(k-1)!}\int_0^\infty\left(x\over k\right)^{k-1}e^{-x}{\mathrm{d}x\over k}k=1∑∞kk1=k=1∑∞(k−1)!kkΓ(k)=k=1∑∞(k−1)!kk1∫0∞xk−1e−xdx=k=1∑∞(k−1)!1∫0∞(kx)k−1e−xkdx
令 t=xkt = \frac{x}{k}t=kx,则 dt=dxkdt = \frac{dx}{k}dt=kdx,于是得到变换后的级数表达式:
∑k=1∞1kk=∑k=1∞1(k−1)!∫0∞tk−1e−ktdt\sum_{k=1}^\infty{1\over k^k}=\sum_{k=1}^\infty{1\over(k-1)!}\int_0^\infty t^{k-1}e^{-kt}\mathrm{dt}k=1∑∞kk1=k=1∑∞(k−1)!1∫0∞tk−1e−ktdt
再用 u=e−t⇒t=−ln(u)⇒dt=−duuu=e^{-t}\Rightarrow t=-\ln(u)\Rightarrow\mathrm{dt}=-{\mathrm{d}u\over u}u=e−t⇒t=−ln(u)⇒dt=−udu 进行换元,得到:
∑k=1∞1kk=∑k=1∞1(k−1)!∫01(−ln(u))k−1ukduu=∫01∑k=1∞(−uln(u))k−1(k−1)!du\sum_{k=1}^\infty{1\over k^k}=\sum_{k=1}^\infty{1\over(k-1)!}\int_0^1(-\ln(u))^{k-1}u^k\mathrm{du\over u}=\int_0^1\sum_{k=1}^\infty{(-u\ln(u))^{k-1}\over(k-1)!}\mathrm{d}uk=1∑∞kk1=k=1∑∞(k−1)!1∫01(−ln(u))k−1ukudu=∫01k=1∑∞(k−1)!(−uln(u))k−1du
其中最后一项的求和号与积分号互换位置是通过控制收敛定理(Dominated convergence theorem)得到的。最后我们根据指数函数的麦克劳林展开 ex=∑n=0∞xkn!e^x = \sum_{n =0}^{\infty}\frac{x^k}{n!}ex=∑n=0∞n!xk,将积分继续简化,得到:
∑k=1∞1kk=∫01e−uln(u)du=∫01u−udu\sum_{k=1}^\infty{1\over k^k}=\int_0^1 e^{-u\ln(u)}\mathrm{d}u=\int_0^1u^{-u}\mathrm{d}u k=1∑∞kk1=∫01e−uln(u)du=∫01u−udu
最终通过补 Gamma 函数将一个级数转化为了一个简短的定积分。
(3)欧拉余元公式(Euler’s reflection formula)
Γ(x)Γ(1−x)=x−1∏k=1∞(1−x2k2)−1Γ(x)Γ(1−x)=πsin(πx)\Gamma(x)\Gamma(1-x) = x^{-1} \prod_{k=1}^{\infty}(1 - \frac{x^2}{k^2})^{-1}\\ \Gamma(x)\Gamma(1-x) = \frac{\pi}{sin(\pi x)}Γ(x)Γ(1−x)=x−1k=1∏∞(1−k2x2)−1Γ(x)Γ(1−x)=sin(πx)π
(4)用Gamma函数美化 ζ(s)\zeta(s)ζ(s)
黎曼函数的定义是:ζ(s)=∑k=1∞1ks\zeta(s) = \sum_{k=1}^{\infty} \frac{1}{k^s}ζ(s)=k=1∑∞ks1
将 ζ(s)\zeta(s)ζ(s) 和 Γ(s)\Gamma(s)Γ(s) 相乘可以得到:
ζ(s)Γ(s)=∫0∞ts−1e−t1−e−tdt\zeta(s) \Gamma(s) = \int_{0}^{\infty}\frac{t^{s-1} e^{-t}}{1- e^{-t}}dtζ(s)Γ(s)=∫0∞1−e−tts−1e−tdt
(5)斯特林公式
Gamma 函数作为阶乘的推广,它也有和 Stirling 公式类似的一个结论:
Γ(x+1)≈2πe−xxx+12\Gamma(x+1) \approx \sqrt{2 \pi}e^{-x}x^{x+\frac{1}{2}}Γ(x+1)≈2πe−xxx+21
2 Beta函数
2.1 介绍
贝塔函数具有很好的性质,以及实用的递推公式,另外,Gamma 函数和 Beta 函数之间存在好的关系。
2.2 推导
欧拉在伽玛函数的推导中实际上引入了两类积分形式:
J(a,n)=∫01xa(1−x)ndx(a>0,n>0)S(x)=∫0∞uxe−udu(x>0)J(a, n) = \int_{0}^{1}x^a(1-x)^ndx(a > 0,n>0)\\ S(x) = \int_{0}^{\infty}u^xe^{-u}du (x>0)J(a,n)=∫01xa(1−x)ndx(a>0,n>0) S(x)=∫0∞uxe−udu(x>0)
后来把这两个积分的参数做了-1的偏移,改为:
B(α,β)=∫01xα−1(1−x)β−1dx(α>0,β>0)Γ(x)=∫0∞ux−1e−udu(x>0)B(\alpha, \beta) = \int_{0}^{1}x^{\alpha-1}(1-x)^{\beta-1}dx (\alpha>0,\beta >0)\\ \Gamma(x) = \int_{0}^{\infty}u^{x-1}e^{-u}du (x>0) B(α,β)=∫01xα−1(1−x)β−1dx(α>0,β>0)Γ(x)=∫0∞ux−1e−udu(x>0)
由上面的推导可以得到 B(α,β)B(\alpha, \beta)B(α,β)的表达式,现在称为贝塔函数或贝塔积分。
当 α<1\alpha < 1α<1 时,是以 x=0x = 0x=0 为瑕点的无界函数反常积分;当 β<1\beta < 1β<1 时,是以 x=1x = 1x=1 为瑕点的无界函数反常积分,应用柯西判别法可证得到 α>0,β>0\alpha > 0,\beta > 0α>0,β>0 时,这两个无界函数反常积分都收敛,所以贝塔函数的定义域为 α>0,β>0\alpha > 0,\beta > 0α>0,β>0。
下面推导伽马函数与贝塔函数之间存在的关系:
这里需要用到一个新的概念——卷积(Convolution)和拉普拉斯变换,对于卷积的物理意义,请参考:如何通俗易懂地解释卷积,由卷积定理可知:
L{(f∗g)(t)}=L{f(t)}⋅L{g(t)}\mathcal{L} \{(f \ast g)(t)\} = \mathcal{L} \{f(t)\} \cdot \mathcal{L}\{g(t)\}L{(f∗g)(t)}=L{f(t)}⋅L{g(t)}
接下来研究一下幂函数拉普拉斯变换的性质(其中标注的地方进行了换元:τ=st⟹dτ=sdt\tau = st \implies d \tau = sdtτ=st⟹dτ=sdt):
L{ta}=∫0∞tae−stdt=1sa+1∫0∞(st)ae−(st)(sdt)=1sa+1∫0∞τ(a+1)−1e−τdτ(∗)=Γ(a+1)sa+1\mathcal{L} \{t^a\} = \int_{0}^{\infty}t^a e^{-st}dt \\ = \frac{1}{s^{a+1}} \int_{0}^{\infty}(st)^ae^{-(st)}(sdt) \\ = \frac{1}{s^{a+1}} \int_{0}^{\infty}\tau^{(a+1)-1}e^{-\tau} d \tau \quad (\ast) \\ = \frac{\Gamma(a+1)}{s^{a+1}} L{ta}=∫0∞tae−stdt=sa+11∫0∞(st)ae−(st)(sdt)=sa+11∫0∞τ(a+1)−1e−τdτ(∗)=sa+1Γ(a+1)
由上面定义的Beta函数 B(α,β)=∫01xα−1(1−x)β−1dxB(\alpha, \beta) = \int_{0}^{1}x^{\alpha-1}(1-x)^{\beta-1}dxB(α,β)=∫01xα−1(1−x)β−1dx,这个表达式看起来像两个幂函数的卷积,所以我们可以写出它的卷积表达式:
∫0txα−1(t−x)β−1dx=tα−1∗tβ−1\int_{0}^{t}x^{\alpha-1}(t-x)^{\beta-1}dx = t^{\alpha-1} \ast t^{\beta-1}∫0txα−1(t−x)β−1dx=tα−1∗tβ−1
对该卷积进行拉普拉斯变换,可以得到:
L{tα−1∗tβ−1}=L{tα−1}⋅L{tβ−1}=Γ(α)Γ(β)sα+β=Γ(α)Γ(β)Γ(α+β)Γ(α+β−1+1)s(α+β−1)+1=Γ(α)Γ(β)Γ(α+β)L{tx+y−1}\mathcal{L} \{t^{\alpha-1} \ast t^{\beta-1}\} = \mathcal{L} \{t^{\alpha-1}\} \cdot \mathcal{L} \{t^{\beta-1}\} = \frac{\Gamma(\alpha)\Gamma(\beta)}{s^{\alpha + \beta}} \\ = \frac{\Gamma(\alpha)\Gamma(\beta)}{\Gamma({\alpha + \beta}}) \frac{\Gamma(\alpha+ \beta-1 +1)}{s^{(\alpha + \beta-1) +1}} = \frac{\Gamma(\alpha)\Gamma(\beta)}{\Gamma({\alpha + \beta}}) \mathcal{L}\{ t^{x+y-1}\} L{tα−1∗tβ−1}=L{tα−1}⋅L{tβ−1}=sα+βΓ(α)Γ(β)=Γ(α+βΓ(α)Γ(β))s(α+β−1)+1Γ(α+β−1+1)=Γ(α+βΓ(α)Γ(β))L{tx+y−1}
其中Beta函数正好是 t=1t=1t=1 的情况,最后得到了用Gamma函数“美化”后的Beta函数表达式:
B(α,β)=Γ(α)Γ(β)Γ(α+β)B(α,1−α)=Γ(α)Γ(1−α)B(\alpha, \beta) = \frac{\Gamma(\alpha)\Gamma(\beta)}{\Gamma(\alpha + \beta)} \\ B(\alpha, 1-\alpha) = \Gamma(\alpha)\Gamma(1- \alpha) B(α,β)=Γ(α+β)Γ(α)Γ(β)B(α,1−α)=Γ(α)Γ(1−α)
2.3 性质
- 对称性
B(α,β)=B(β,α)B(\alpha, \beta) = B(\beta, \alpha)B(α,β)=B(β,α)
参考
- Beta 函数和 Gamma 函数有什么用:https://www.zhihu.com/question/31407058/answer/51863214
- 神奇的 Gamma 函数:https://cosx.org/2013/01/lda-math-gamma-function
- 伽马函数:https://www.cnblogs.com/bigmonkey/p/12168500.html
- 伽马函数:https://blog.csdn.net/qq_43141726/article/details/104943994
- Gamma函数的应用:https://zhuanlan.zhihu.com/p/114595109
- The gamma function:https://core.ac.uk/download/pdf/22874824.pdf
- The digamma function:http://emmy.uprrp.edu/lmedina/papers/part10/Part10.pdf
- The beta function:http://scientia.mat.utfsm.cl/archivos/vol16/ar2.pdf
高数篇(一)-- Gamma 函数 VS Beta 函数相关推荐
- 高数篇:01函数的中值定理
高数篇:01函数的中值定理 高数篇:01函数的中值定理 十大中值定理 有关函数的中值定理 定理3:平均值(离散)定理 定理10:积分中值(连续)定理 定理3和10的区别 转载需注明出处 高数篇:01函 ...
- 高数篇:04拉格朗日中值定理
高数篇:04拉格朗日中值定理 高数篇:04拉格朗日中值定理 定理7:拉格朗日中值定理 拉格朗日与罗尔定理的区别 拉格朗日的应用1.0 多次使用拉氏2.0 转载需注明出处 高数篇:04拉格朗日中值定理 ...
- 用matlab求累次极限,Matlab笔记——数值计算—高数篇015
15. 数值计算-高数篇 一.求极限 limit(f,x,a)--求极限lim ()x a f x → limit(f,x,a,'right')--求右极限lim ()x a f x +→ limit ...
- 高数篇:深度解析充分必要条件
高数篇:深度解析充分必要条件 高数篇:深度解析充分必要条件 充分必要条件的定义 栗子测试 深度解析 转载需注明出处 高数篇:深度解析充分必要条件 如果你对充分必要条件已经有了充分的理解,可以忽略本篇: ...
- 大学生数学竞赛(高数篇)
大学生数学竞赛,不是数学建模,分为数学组和非数学组,我是非数学组. 全国初赛只考高数,全国总决赛考高数和线性代数.当年我是我们学校唯一 一个进入全国总决赛的,非数学组就我一个,数学组全军覆没. 下面贴 ...
- 欧拉Gamma函数、Beta函数、余元公式
目录 一,欧拉Gamma函数 1,Gamma函数 2,t^a * (1-t)^b的定积分 3,Gamma函数的高斯形式 4,sin πx 5,其他形式 二,余元公式 1,余元公式 2,应用 三,欧拉B ...
- 机器学习数学基础之高数篇——简单的泰勒公式(python版)
不少同学一提到泰勒公式,脑海里立马浮现高大上的定义和长长的公式,令人望而生畏. 实际上,泰勒公式没有那么可怕,它是用简单的多项式来逼近一个光滑的函数,从而近似替代不熟悉的函数.由于泰勒公式具有将复杂函 ...
- 考研数学知识点(高数篇,更新ing)
目录 一.极限与连续 二.导数与微分 三.中值定理与导数应用 四.不定积分 五.定积分及其应用 六.反常积分 七.微分方程 一.极限与连续 相关知识点: 邻域.数集的界.映射.函数 数集D有界 ...
- 考研高数之无穷级数题型二:求和函数(题目讲解)
和函数就是函数项无穷级数的和 在进行具体的题目讲解之前我想说一说个人做题的思路,经过做了一些题可以感受到,求和函数我们的目标就是把一个累加的级数变成用一个函数去表示他,那么我们的目标就很明确了,根据常 ...
最新文章
- 收藏!一篇文章搞懂甘特图
- 解决nodejs环境下端口号被占用的方法
- 第二讲、Linux的系统安装
- java中迭代器要导包吗_java 中迭代器的使用方法详解
- 联想笔记本那些有手写功能_联想高端翻转本YOGA C940开启促销 配一体式转轴音响还可私人订制...
- JVM中的垃圾收集算法
- 【PLSQL】过程procedure形参和参数
- 函数的基本知识点总结(附实例)
- win98模拟器_安利一款安卓win98模拟小游戏
- Golang Go语言 安装包 下载 官方包 与 Golang 中文网
- C/C++语言入门——冒泡排序问题
- HDU 6617 Enveloping Convex(凸包+半平面交+二分)
- wpa_supplicant 介绍
- ProM开发指北3——ProM插件开发入门
- python解包什么意思_Python 解包骚操作,看这篇文章
- 【NIO与Netty】网络编程:netty中粘包、半包现象展示,分析及解决
- [ 题解 ] A. The Bucket List (待更名)
- FirePower X2 14.0.1 for RAD Studio Alexandria
- 浅分析BIG-建筑展示系统
- 解决Mac有个软件图标一直卡在屏幕最上方