[论文解读] Some asymptotics for the Bessel functions with an explicit error term

Ilia Krasikov|arXiv (Cornell University)|Jul 11, 2011

Mathematical functions and polynomials参考文献 16被引用 5

一句话总结

本文提出一种新方法，通过先验界（基于Sonin函数）显式量化误差项，推导贝塞尔函数与艾里函数的渐近展开式。证明了标准贝塞尔函数渐近展开中误差的上确界被显式常数乘以$\nu^2$所界定，解决了Olenko提出的问题，并为贝塞尔函数与艾里函数的零点提供了高精度近似，且具有严格的误差控制。

ABSTRACT

We show how one can obtain an asymptotic expression for some special functions satisfying a second order differential equation with a very explicit error term starting from appropriate upper bounds. We will work out the details for the Bessel function $J_ν(x)$ and the Airy function $Ai(x)$ and find a sharp approximation for their zeros. We also answer the question raised by Olenko by showing that $$c_1 | ν^2-1/4\,| < \sup_{x \ge 0} x^{3/2}|J_ν(x)-\sqrt{\frac{2}{πx}} \, \cos (x-\frac{πν}{2}-\fracπ{4}\,)|

研究动机与目标

• 开发一种系统化方法，用于推导特殊函数的渐近展开式，其误差项显式且一致。
• 解决Olenko关于标准贝塞尔函数渐近展开中误差的$\nu^2$界是否精确的问题。
• 为艾里函数$Ai(-x)$的正零点，以及由此延伸的贝塞尔函数$J_\nu(x)$，提供精确且显式的近似。
• 将该方法扩展至贝塞尔函数与艾里函数的振荡区、过渡区及单调区，实现一致的误差控制。

提出的方法

• 利用Sonin函数推导贝塞尔函数与艾里函数绝对值的先验上界，从而实现误差估计。
• 应用类似WKB的变换，将二阶常微分方程转化为含小误差项$\epsilon(x)$的扰动谐振子方程。
• 通过参数变易法推导解的误差的积分表示，得到与$\int \epsilon(t) b(t) dt$成比例的上界。
• 利用解的上界，将渐近近似中的误差估计为原函数的上确界范数的函数。
• 将该方法应用于贝塞尔函数$J_\nu(x)$与艾里函数$Ai(-x)$在振荡区与过渡区的情形，通过显式误差项改进渐近展开。
• 通过匹配相位与振幅校正项，推导出$Ai(-x)$零点的新、更优近似，得到高精度零点公式及其误差界。

实验结果

研究问题

• RQ1 能否发展一种通用方法，用于推导特殊函数渐近展开的显式、一致误差项？
• RQ2 标准贝塞尔函数渐近展开$J_\nu(x) \sim \sqrt{\frac{2}{\pi x}} \cos(x - \frac{\pi\nu}{2} - \frac{\pi}{4})$的误差是否被$c_1 \nu^2$与$c_2 \nu^2$所界定，其中$c_1, c_2$为显式常数？
• RQ3 该方法能否为艾里函数$Ai(-x)$的正零点提供更优的近似，并附带显式误差项？
• RQ4 如何在振荡区、过渡区及单调区统一控制渐近展开中的误差项？

主要发现

• 本文证明了$c_1 \nu^2 < \sup_{x \geq 0} x^{3/2} \left| J_\nu(x) - \sqrt{\frac{2}{\pi x}} \cos\left(x - \frac{\pi\nu}{2} - \frac{\pi}{4}\right) \right| < c_2 \nu^2$，其中$c_1$与$c_2$为显式数值常数，从而解决了Olenko的问题。
• 推导出$J_\nu(x)$的新渐近近似：$J_\nu(x) = \sqrt{\frac{2}{\pi}} \frac{\cos\left(x - \frac{\mu}{2x} - \omega_\nu\right)}{(x^2 + \mu)^{1/4}} + \theta \frac{25\mu}{24\sqrt{2\pi} x^3 (x^2 + \mu)^{1/4}}$，对$|\nu| \leq \frac{1}{2}$成立，且误差项可量化。
• 给出$Ai(-x)$第$s$个正零点的显式近似：$a_s = 16^{-2/3} \left(m + \sqrt{m^2 + 40}\right)^{2/3} + \theta \frac{1280\pi}{9m^3 (m^2 + 40)^{1/6}}$，其中$m = (12s - 3)\pi$，误差界为$O(m^{-3})$。
• 该方法得到艾里函数的更优近似：$Ai(-x) = \frac{2\sqrt{x} \cos\left(\frac{2}{3}x^{3/2} - \frac{5}{48}x^{-3/2} - \frac{\pi}{4}\right)}{\sqrt{\pi} (16x^3 + 5)^{1/4}} + \theta \frac{10\sqrt{3}}{\sqrt{\pi} x^{1/4} (16x^3 + 5)^{3/2}}$，其中误差项小且显式。
• 对$Ai(-x)$零点的近似具有高精度：首项零点的误差小于0.00122，充分体现了该方法的有效性。