[论文解读] On the Power Series Expansion of the Reciprocal Gamma Function

Lazhar Fekih‐Ahmed|arXiv (Cornell University)|Jul 22, 2014

Mathematical functions and polynomials参考文献 15被引用 6

一句话总结

本文利用反射公式和复分析，推导出倒数Gamma函数 $ 1/\Gamma(z) $ 的泰勒系数 $ a_n $ 的新渐近公式。该方法对符号振荡和主导阶增长的近似精度极高，即使在 $ n $ 较小时也优于Hayman的公式，且消除了对围线半径选择的依赖。

ABSTRACT

Using the reflection formula of the Gamma function, we derive a new formula for the Taylor coefficients of the reciprocal Gamma function. The new formula provides effective asymptotic values for the coefficients even for very small values of the indices. Both the sign oscillations and the leading order of growth are given.

研究动机与目标

• 推导 $ 1/\Gamma(z) $ 的泰勒系数 $ a_n $ 的有效渐近公式，解决其精确计算中长期存在的挑战。
• 克服现有方法（如Bourguet的递推公式）中的数值不稳定性，该方法在 $ n \approx 27 $ 之后失效。
• 在Hayman渐近公式的基础上实现改进，提供对小 $ n $ 更高的精度，并消除对围线半径选择的依赖。
• 表征 $ a_n $ 的符号振荡和主导阶增长，这对验证高精度计算至关重要。
• 提供一种鲁棒的、与半径无关的 $ a_n $ 估计方法，适用于解析数论和特殊函数理论。

提出的方法

• 利用Euler的反射公式 $ \Gamma(z)\Gamma(1-z) = \pi / \sin(\pi z) $ 推导 $ 1/\Gamma(z) $ 的积分表示。
• 将倒数Gamma函数转化为涉及 $ \sin(\pi z)/\pi \cdot \Gamma(1-z) $ 的复积分，进而通过拉普拉斯型积分表示。
• 应用复分析技术，包括围线变形和留数计算，从积分中提取系数 $ a_n $。
• 对所得积分应用鞍点法，推导 $ a_n $ 的渐近近似，重点关注鞍点附近的主导贡献。
• 利用Lambert W函数求解鞍点方程 $ f'(w) = 0 $，其中 $ f(w) = w - \log w $，从而得到渐近行为的闭式表达。
• 通过Maple进行数值验证，将结果与精确值及Hayman公式在 $ n = 1 $ 到 $ 1400 $ 的范围内进行比较。

实验结果

研究问题

• RQ1 能否为 $ 1/\Gamma(z) $ 的泰勒系数 $ a_n $ 推导出一种新渐近公式，使其在精度和稳定性上优于Hayman的公式？
• RQ2 从渐近角度看，$ a_n $ 的符号振荡和主导阶增长行为如何？能否实现解析捕捉？
• RQ3 所提出的方法是否消除了对围线半径 $ r $ 的依赖，而这是围线积分方法中已知的数值误差来源？
• RQ4 对于小 $ n $，新公式是否在Hayman公式的基础上提供更精确的近似，特别是在出现符号错误时？
• RQ5 该公式是否可用于推导 $ 1/\Gamma(z) $ 其他级数展开中相关系数（如 $ b_n $）的渐近估计？

主要发现

• 新渐近公式即使在小 $ n $ 时也能对 $ a_n $ 提供精确近似，与Hayman公式的差异显著更小，尤其在符号和大小方面。
• 对于 $ n = 4 $，Hayman公式给出错误符号，而新公式正确预测了符号，并与精确值的偏差在 $ 0.04\% $ 以内。
• 在 $ n = 13 $ 时，Hayman公式的相对误差接近 $ 96\% $，而新公式保持高精度。
• 对于 $ n = 150 $，新公式给出 $ a_{150} \approx 1.193587 \times 10^{-179} $，与精确值在5位有效数字内一致。
• 该公式与围线半径 $ r $ 无关，解决了围线积分方法中的一个关键局限。
• 主导阶渐近行为为 $ a_n \sim \frac{(-1)^{n+1}}{\pi} e^{-n\log n + n\log\log n + n - \frac{n}{\log n}} \sin\left(\frac{n\pi}{\log n}\right) $，准确捕捉了振荡与增长。