[论文解读] Three Series for the Generalized Golden Mean

Kevin G. Hare, Helmut Prodinger+1 more|arXiv (Cornell University)|Jan 23, 2014

Advanced Mathematical Theories and Applications参考文献 10被引用 10

一句话总结

本文利用Lagrange反演公式，推导出广义黄金分割比 $\alpha_n$、其倒数 $1/\alpha_n$ 以及 $1/(2 - \alpha_n)$ 的三个快速收敛级数。这些级数表现出指数收敛，误差随 $2^{-ck}$ 衰减，其中 $c \approx (n+1)\log_2(n+1) - n\log_2 n$，因此仅需少量项即可实现高精度近似，尤其在 $n$ 较大时更为显著。主要贡献在于为广义Fibonacci序列特征多项式的主根提供了一个统一的解析框架。

ABSTRACT

As is well-known, the ratio of adjacent Fibonacci numbers tends to phi = (1 + sqrt(5))/2, and the ratio of adjacent Tribonacci numbers (where each term is the sum of the three preceding numbers) tends to the real root eta of X^3 - X^2 - X - 1 = 0. Letting alpha(n) denote the corresponding ratio for the generalized Fibonacci numbers, where each term is the sum of the n preceding, we obtain rapidly converging series for alpha(n), 1/alpha(n), and 1/(2-alpha(n)).

研究动机与目标

• 推导广义黄金分割比 $\alpha_n$ 的快速收敛级数，其为特征多项式 $X^n - X^{n-1} - \cdots - X - 1$ 的主根。
• 为 $\alpha_n$、$1/\alpha_n$ 和 $1/(2 - \alpha_n)$ 提供解析表达式，使其以指数速度快速收敛，适用于高精度计算。
• 基于Lagrange反演方法，建立统一的框架，用于近似广义Fibonacci序列中的关键常数。
• 量化级数的收敛速度，并在数值计算中展示其实际应用价值。

提出的方法

• 应用Lagrange反演公式，通过适当的生成函数与函数方程，推导 $\beta = 1/\alpha_n$、$\alpha_n$ 和 $1/(2 - \alpha_n)$ 的幂级数展开。
• 通过函数方程 $\beta = \frac{1}{2} + \frac{1}{2}\beta^{n+1}$ 推导 $\beta = 1/\alpha_n$ 的级数，将其转化为Lagrange反演形式，其中 $\Phi(t) = (t + 1/2)^{n+1}$。
• 利用恒等式 $2 - \alpha_n = \alpha_n^{-n}$ 推导 $\alpha_n$ 的级数，对应Lagrange反演中 $\Phi(t) = (1 - t/2)^{-n}$ 的情形。
• 利用恒等式 $\frac{2}{\alpha_n} - 1 = \alpha_n^{-n-1}$ 推导 $1/(2 - \alpha_n)$ 的级数，其中 $\Phi(t) = (1 + t)^{n+1}$ 且 $f'(t) = -\Phi(t)^{-2}$。
• 利用Stirling公式估算级数项的渐近衰减速率，以 $k$ 相关的2为底指数形式量化收敛速度。
• 通过比较不同 $n$ 和 $k$ 下的预测值与实际十进制有效数字精度，对收敛速度进行数值验证。

实验结果

研究问题

• RQ1 如何为广义黄金分割比 $\alpha_n$ 及其相关量构造快速收敛级数？
• RQ2 这些级数的收敛速度如何？其与广义Fibonacci序列阶数 $n$ 的关系为何？
• RQ3 Lagrange反演公式能否系统性地用于推导 $\alpha_n$、$1/\alpha_n$ 和 $1/(2 - \alpha_n)$ 的闭式级数？
• RQ4 理论预测的收敛速度与实际数值表现相比如何？

主要发现

• 对于 $\beta = 1/\alpha_n$ 的级数为 $\beta = \frac{1}{2} + \frac{1}{2}\sum_{k \geq 1} \frac{1}{k} \binom{k(n+1)}{k-1} \frac{1}{2^{k(n+1)}}$，其项衰减速率约为 $2^{-ck}$，其中 $c \approx (n+1)\log_2(n+1) - n\log_2 n$。
• 当 $n = 2$（即Fibonacci情形）时，$1/\alpha_n$ 级数的第 $k$ 项衰减速度为 $2^{-0.24511k}$，在1000项后可获得约78位十进制有效数字。
• $\alpha_n$ 的级数为 $\alpha_n = 2 - 2\sum_{k \geq 1} \frac{1}{k} \binom{k(n+1)-2}{k-1} \frac{1}{2^{k(n+1)}}$，其收敛速度与 $1/\alpha_n$ 级数相近。
• $1/(2 - \alpha_n)$ 的级数为 $\frac{1}{2 - \alpha_n} = 2^n - \frac{n}{2} - \frac{1}{2}\sum_{k \geq 1} \frac{1}{k} \binom{k(n+1)}{k+1} \frac{1}{2^{k(n+1)}}$，表现出类似的收敛行为。
• 当 $n = 10$ 时，1000项可使所有三个级数获得约1860位十进制有效数字，显示出优异的数值稳定性和高精度。
• 收敛速度随 $n$ 显著提升，当 $n = 100$ 且 $k = 100$ 时，可获得超过2800位正确数字，与理论衰减速率预测一致。