[论文解读] Asymptotic analysis of the derivatives of the inverse error function

Diego Dominici|ArXiv.org|Jul 9, 2006

Numerical methods in inverse problems参考文献 18被引用 3

一句话总结

本文通过嵌套导数与离散射线法，对误差函数反函数在零点处的导数进行渐近分析，得到高阶泰勒级数逼近，具有极强的数值精度。关键结果为奇数阶导数的渐近公式：$\frac{d_{2N+1}}{(2N+1)!} \sim \frac{1}{(2N+1)\sqrt{\ln(2N+1)}}$，该公式使得 $\operatorname{inverf}(x)$ 在零点附近可实现高度精确逼近，并结合残差校正后在 $x \to 1$ 处实现更优的收敛性。

ABSTRACT

The inverse of the error function, $\operatorname{inverf}(x),$ has applications in diffusion problems, chemical potentials, ultrasound imaging, etc. We analyze the derivatives $\frac{d^{n}}{dz^{n}} \operatorname*{inverf}(z) |_{z=0}$, as $n o \infty$ using nested derivatives and a discrete ray method. We obtain a very good approximation of $\operatorname{inverf}(x)$ through a high-order Taylor expansion around $x=0$. We give numerical results showing the accuracy of our formulas.

研究动机与目标

• 分析 $\operatorname{inverf}(z)$ 在 $z=0$ 处 $n$ 阶导数在 $n \to \infty$ 时的渐近行为。
• 基于导数的渐近公式，为 $\operatorname{inverf}(x)$ 在 $x=0$ 附近构造高阶泰勒级数逼近。
• 通过结合渐近导数与残差校正，改进 $\operatorname{inverf}(x)$ 的数值计算，特别是在 $x = \pm 1$ 的奇点附近。
• 通过与精确值及已知近似值的数值比较，验证渐近公式的准确性。

提出的方法

• 该方法采用嵌套导数与离散 WKB（射线）方法，分析 $\operatorname{inverf}(z)$ 导数的渐近增长行为。
• 引入一族多项式 $P_n(x)$，其递推关系为 $P_{n+1}(x) = P_n'(x) + (n+1)xP_n(x)$，初始条件 $P_0(x) = 1$，该多项式编码了 $\operatorname{inverf}(z)$ 的导数信息。
• 通过生成函数与鞍点技术，推导出 $P_n(x)$ 的渐近近似，得到公式 $P_n(x) \sim n!\left[\Phi(x,n) + (-1)^n\Phi(-x,n)\right]$。
• 通过关系式 $d_n = \frac{1}{\sqrt{2}}\left(\sqrt{\frac{\pi}{2}}\right)^n P_{n-1}(0)$ 推导出导数 $d_n = \left.\frac{d^n}{dz^n}\operatorname{inverf}(z)\right|_{z=0}$ 的渐近行为。
• 由此得到奇数阶导数的渐近公式：$\frac{d_{2N+1}}{(2N+1)!} \sim \frac{1}{(2N+1)\sqrt{\ln(2N+1)}}$，当 $N \to \infty$ 时成立，用于构建高阶泰勒展开。
• 引入残差校正项 $R_N(x)$，以提升 $x \to 1$ 附近的逼近精度，结合泰勒级数与渐近导数估计。

实验结果

研究问题

• RQ1 当 $n \to \infty$ 时，$\operatorname{inverf}(z)$ 在 $z = 0$ 处的高阶导数行为如何？
• RQ2 能否基于其导数的渐近公式，为 $\operatorname{inverf}(x)$ 构造高阶泰勒级数逼近？
• RQ3 对于较大的 $N$，渐近近似 $\frac{d_{2N+1}}{(2N+1)!} \sim \frac{1}{(2N+1)\sqrt{\ln(2N+1)}}$ 的准确性如何？
• RQ4 残差校正 $R_N(x)$ 在提升 $\operatorname{inverf}(x)$ 在 $x = 1$ 附近的逼近效果方面有多有效？
• RQ5 该渐近方法在收敛性与精度方面是否优于现有的 $\operatorname{inverf}(x)$ 数值算法？

主要发现

• 渐近公式 $\frac{d_{2N+1}}{(2N+1)!} \sim \frac{1}{(2N+1)\sqrt{\ln(2N+1)}}$ 在 $N \to \infty$ 时对 $\operatorname{inverf}(z)$ 在 $z=0$ 处的奇数阶导数提供了高度精确的逼近，即使在中等 $N$ 时也表现出极佳的一致性。
• 由最高至 $d_9$ 的精确导数构造的泰勒多项式 $T_9(x)$ 在 $(-1,1)$ 的大部分区间内，对 $\operatorname{inverf}(x)$ 的相对误差小于 $0.01\%$。
• 当加入残差校正项 $R_N(x)$ 后，$T_9(x) + R_N(x)$ 在 $x = 0.99$（$N=57$）时相对误差低于 $10^{-4}$，在 $x = 0.999$（$N=423$）时低于 $10^{-5}$，表明在奇点附近具有极强的收敛性。
• 对编码导数的多项式 $P_n(x)$ 的渐近近似进行了数值验证：$\ln\left[\frac{P_{10}(x)}{10!}\right]$ 的相对误差在小 $n$ 时也极小，证实了该方法的稳健性。
• 对于 $x \to 1^-$，渐近公式 $\operatorname{inverf}(x) \sim \sqrt{\frac{1}{2}\operatorname{LW}\left[\frac{2}{\pi(x-1)^2}\right]}$ 提供了互补逼近，其中朗伯-W函数确保了在极端尾部区域的高精度。
• 数值表格证实，当 $x$ 从 $0.7$ 增加到 $0.9999$ 时，$T_9(x) + R_N(x)$ 与 $\operatorname{inverf}(x)$ 的真实值在至少 4–5 位有效数字内一致，且随着 $x$ 接近 1，$N$ 从 6 增加至 3685。