これまでの章では、主に一変数の積分を評価してきた。
その中では、特殊関数の積分表示を利用することで、二重積分や三重積分が現れる場合もあった。
しかし、多重積分を単なる計算途中の表現として扱うだけでは、その構造を十分に利用できない。
例えば、次の積分を考えよう。
$$
I=
\int_0^1
\int_0^{1-x}
\frac{dy\,dx}{\sqrt{xy}}
$$
積分領域は正方形ではなく、直線によって切り取られた三角形である。
この積分は、内側から順に積分することでも求められる。
しかし、積分領域を適切に変換すると、Beta関数の積として評価できる。
さらに、同じ考え方を三変数以上に一般化すると、Gamma関数の積によって多重積分を一度に評価できる。
別の例として、
$$
I=
\int_{\mathbb{R}^2}
e^{-2x^2-2xy-3y^2}\,dx\,dy
$$
を考える。
指数関数の肩には、二つの変数が混ざった二次式が現れている。
しかし、この二次式を行列によって表すと、積分は行列式の計算へ帰着できる。
また、複数の変数の差が積として現れる積分では、行列式や直交多項式を利用できる場合がある。
このように、多重積分では、被積分関数だけでなく、積分領域・変数間の対称性・代数的な構造が重要になる。
本章では、まず積分領域の扱いと積分順序の交換を確認する。
続いて、Dirichlet積分、多変数Beta型積分、多次元Gaussian積分を学ぶ。
さらに、Feynman parametrizationの多変数表示、Selberg積分、Andréiefの積分恒等式、Dyson積分を扱う。
目標は、多重積分の計算公式を増やすことではない。
複数の変数を含む積分を、適切な座標変換や対称性によって、既知の一変数積分や行列式へ帰着させる方法を身につけることである。
多重積分では、被積分関数と同時に積分領域を調べる。
例えば、
$$
I=
\int_0^1\int_0^{1-x}f(x,y)\,dy\,dx
$$
を考える。
この積分領域は、
$$
D=
\left\{
(x,y)\in\mathbb{R}^2
\mid
x\ge0,\ y\ge0,\ x+y\le1
\right\}
$$
である。
この領域は三角形であり、二つの変数を入れ替えても変化しない。
したがって、被積分関数にも適切な対称性があれば、それを計算に利用できる。
積分順序の交換
被積分関数が非負の可測関数である場合には、Tonelliの定理によって積分順序を交換できる。
一方、符号が変化する場合には、例えば絶対可積分性が確認できれば、Fubiniの定理によって交換できる。
ただし、絶対収束しない多重積分では、積分順序によって結果が変化したり、反復積分そのものが存在しなかったりする場合がある。
したがって、積分順序の交換は、単なる記号の並べ替えではない。
領域の対称性
例えば、次の積分を考える。
$$
I_p=
\int_0^1\int_0^1|x-y|^p\,dy\,dx
$$
ここでは、
$$
p>-1
$$
とする。
被積分関数は、
$$
x=y
$$
を境に対称である。
したがって、正方形全体の積分は、直線の片側の積分の2倍になる。
$$
I_p=
2\int_0^1\int_0^x(x-y)^p\,dy\,dx
$$
内側の積分を評価すると、
$$
I_p=
\frac{2}{p+1}
\int_0^1x^{p+1}\,dx
$$
となる。
よって、
$$
\boxed{
\int_0^1\int_0^1|x-y|^p\,dy\,dx
=
\frac{2}{(p+1)(p+2)}
}
$$
を得る。
この例では、積分領域を対称性によって半分にするだけで、計算が簡単になった。
多重積分では、変数の入れ替えによって領域や被積分関数がどう変化するかを最初に確認するとよい。
次の積分を考える。
$$
I(a,b,c)=
\int_0^1
\int_0^{1-x}
x^{a-1}y^{b-1}(1-x-y)^{c-1}
\,dy\,dx
$$
ここでは、
$$
a>0,\qquad b>0,\qquad c>0
$$
とする。
収束の確認
積分領域の内部では被積分関数は連続である。
特異性が現れる可能性があるのは、境界となる三つの直線の近くである。
それぞれの因子について指数が負になる場合でも、仮定したパラメータの条件によって可積分性が保証される。
領域に合わせて変数変換する
積分領域は、
$$
x+y\le1
$$
によって定められている。
そこで、二つの変数の和を新しい変数として利用する。
$$
x=rt
$$
$$
y=r(1-t)
$$
と置く。
このとき、
$$
0\le r\le1,\qquad0\le t\le1
$$
である。
また、
$$
x+y=r
$$
となる。
Jacobian determinantの絶対値は、
$$
\boxed{
\left|
\frac{\partial(x,y)}{\partial(r,t)}
\right|=r
}
$$
である。
したがって、
$$
\begin{aligned}
I(a,b,c)
={}&
\int_0^1\int_0^1
r^{a+b-1}(1-r)^{c-1}\\
&\times
t^{a-1}(1-t)^{b-1}\,dt\,dr
\end{aligned}
$$
となる。
Beta関数への分離
変換後の被積分関数は、変数ごとの積へ分離している。
したがって、
$$
I(a,b,c)
=
\mathrm{B}(a,b)\mathrm{B}(a+b,c)
$$
である。
Beta関数とGamma関数の関係から、
$$
\begin{aligned}
I(a,b,c)
&=
\frac{\Gamma(a)\Gamma(b)}{\Gamma(a+b)}
\frac{\Gamma(a+b)\Gamma(c)}
{\Gamma(a+b+c)}
\end{aligned}
$$
となる。
よって、
$$
\boxed{
I(a,b,c)=
\frac{
\Gamma(a)\Gamma(b)\Gamma(c)
}{
\Gamma(a+b+c)
}
}
$$
を得る。
これが二変数におけるDirichlet積分の基本形である。
この変数変換の意味
新しい変数は、二つの異なる役割を持つ。
一方は、二つの変数の和を表す。
もう一方は、その和がどのような割合で分配されるかを表す。
つまり、
$$
\boxed{
\text{全体の大きさ}
+
\text{変数間の割合}
}
$$
に分解したことになる。
この考え方は、さらに多くの変数を含む積分でも利用できる。
前節の結果を、多変数へ一般化する。
標準単体
正整数について、次の領域を考える。
$$
\Delta_n=
\left\{
(x_1,\ldots,x_n)
\mid
x_j\ge0,\
\sum_{j=1}^{n}x_j\le1
\right\}
$$
この領域を標準単体(standard simplex)という。
二変数の場合には三角形、三変数の場合には四面体になる。
さらに、
$$
x_{n+1}=1-\sum_{j=1}^{n}x_j
$$
とおく。
一般のDirichlet積分
正の実数のパラメータについて、
$$
\alpha_1,\ldots,\alpha_{n+1}>0
$$
とする。
このとき、
$$
\boxed{
\begin{aligned}
&\int_{\Delta_n}
\left(
\prod_{j=1}^{n}x_j^{\alpha_j-1}
\right)
x_{n+1}^{\alpha_{n+1}-1}
\,d^nx\\
&\qquad=
\frac{
\prod_{j=1}^{n+1}\Gamma(\alpha_j)
}{
\Gamma\left(
\sum_{j=1}^{n+1}\alpha_j
\right)
}
\end{aligned}
}
$$
が成り立つ。
これをDirichlet積分という。
公式の導出
各パラメータについてGamma関数の積分表示を考える。
$$
\prod_{j=1}^{n+1}\Gamma(\alpha_j)
=
\int_{(0,\infty)^{n+1}}
e^{-\sum_{j=1}^{n+1}t_j}
\prod_{j=1}^{n+1}t_j^{\alpha_j-1}
\,d^{n+1}t
$$
ここで、
$$
r=\sum_{j=1}^{n+1}t_j
$$
および、
$$
t_j=rx_j
$$
という変数変換を考える。
ただし、
$$
x_{n+1}=1-\sum_{j=1}^{n}x_j
$$
とする。
この変換のJacobian determinantの絶対値は、
$$
\boxed{
r^n
}
$$
となる。
したがって、
$$
\begin{aligned}
&\prod_{j=1}^{n+1}\Gamma(\alpha_j)\\
&=
\left(
\int_0^\infty
e^{-r}
r^{\sum_{j=1}^{n+1}\alpha_j-1}\,dr
\right)\\
&\quad\times
\left(
\int_{\Delta_n}
\prod_{j=1}^{n+1}x_j^{\alpha_j-1}
\,d^nx
\right)
\end{aligned}
$$
となる。
最初の積分はGamma関数である。
したがって、Dirichlet積分の公式を得る。
Beta関数との関係
二変数のBeta積分は、Dirichlet積分の最も基本的な場合と考えられる。
また、Dirichlet積分の正規化から、統計学で利用されるDirichlet分布も定義される。
ただし、本章では確率分布としての応用よりも、積分の評価に利用する方法を中心に扱う。
次の積分を考える。
$$
I=
\int_0^1
\int_0^{1-x}
\sqrt{\frac{1-x-y}{xy}}
\,dy\,dx
$$
構造の認識
被積分関数には三つの因子が現れている。
$$
x
$$
$$
y
$$
$$
1-x-y
$$
これらは、Dirichlet積分の標準形と一致する。
パラメータの対応
前節の公式では、
$$
a=\frac12
$$
$$
b=\frac12
$$
$$
c=\frac32
$$
とすればよい。
したがって、
$$
I=
\frac{
\Gamma\left(\frac12\right)^2
\Gamma\left(\frac32\right)
}{
\Gamma\left(\frac52\right)
}
$$
となる。
Gamma関数の特殊値から、
$$
\Gamma\left(\frac12\right)=\sqrt{\pi}
$$
$$
\Gamma\left(\frac32\right)=\frac{\sqrt{\pi}}{2}
$$
$$
\Gamma\left(\frac52\right)=\frac{3\sqrt{\pi}}{4}
$$
である。
したがって、
$$
\boxed{
\int_0^1
\int_0^{1-x}
\sqrt{\frac{1-x-y}{xy}}
\,dy\,dx
=
\frac{2\pi}{3}
}
$$
を得る。
解法選択の理由
この積分を内側から計算することも可能である。
しかし、根号の内部が積分領域の三つの境界を表す因子に分解されていることに注目すれば、Dirichlet積分へ直接帰着できる。
このように、被積分関数の因子と積分領域の境界が対応している場合には、Dirichlet積分を検討するとよい。
Dirichlet積分は、パラメータ微分によって対数積分にも応用できる。
基本となる関数
次の関数を考える。
$$
F(a,b,c)=
\int_0^1\int_0^{1-x}
x^{a-1}y^{b-1}(1-x-y)^{c-1}
\,dy\,dx
$$
ここでは、
$$
a>0,\qquad b>0,\qquad c>0
$$
とする。
Dirichlet積分から、
$$
F(a,b,c)=
\frac{\Gamma(a)\Gamma(b)\Gamma(c)}
{\Gamma(a+b+c)}
$$
である。
一回微分する
パラメータについて微分すると、
$$
\begin{aligned}
\frac{\partial F}{\partial a}
={}&
\int_0^1\int_0^{1-x}
x^{a-1}y^{b-1}\\
&\times
(1-x-y)^{c-1}\ln x
\,dy\,dx
\end{aligned}
$$
となる。
一方、Gamma関数の対数微分から、
$$
\boxed{
\frac{\partial F}{\partial a}
=
F(a,b,c)
\left(
\psi(a)-\psi(a+b+c)
\right)
}
$$
である。
ここで、
$$
\psi
$$
はdigamma functionである。
具体例
次の積分を求める。
$$
I=
\int_0^1
\int_0^{1-x}\ln x\,dy\,dx
$$
ここでは、
$$
a=b=c=1
$$
とすればよい。
まず、
$$
F(1,1,1)=\frac12
$$
である。
また、
$$
\psi(1)-\psi(3)=-\frac32
$$
だから、
$$
\boxed{
I=-\frac34
}
$$
を得る。
二つの対数が現れる場合
さらに、次の積分を考える。
$$
J=
\int_0^1
\int_0^{1-x}
\ln x\ln y\,dy\,dx
$$
これは、
$$
\frac{\partial^2 F}{\partial a\partial b}
$$
の特殊値として求められる。
Gamma関数の対数微分を繰り返すと、
$$
\boxed{
\begin{aligned}
\frac{\partial^2F}{\partial a\partial b}
={}&
F(a,b,c)
\left[
\left(
\psi(a)-\psi(a+b+c)
\right)\right.\\
&\left.\times
\left(
\psi(b)-\psi(a+b+c)
\right)\right.\\
&\left.
-\psi^{(1)}(a+b+c)
\right]
\end{aligned}
}
$$
となる。
ここで、
$$
\psi^{(1)}
$$
はtrigamma functionである。
特殊値、
$$
\psi^{(1)}(3)=\frac{\pi^2}{6}-\frac54
$$
を利用すると、
$$
\boxed{
\int_0^1
\int_0^{1-x}
\ln x\ln y\,dy\,dx
=
\frac74-\frac{\pi^2}{12}
}
$$
を得る。
重要な発想
単体上の積分に対数が現れた場合、対数を直接扱う必要はない。
Dirichlet積分のパラメータを微分することで、対数のべき乗や積を体系的に生成できる。
これは、第15章で学んだFeynman's trickを多重積分へ適用した例である。
次に、積分領域が正の直交領域となる場合を考える。
二変数の基本変換
次の積分を考える。
$$
I=
\int_0^\infty\int_0^\infty
x^{a-1}y^{b-1}h(x+y)
\,dy\,dx
$$
ここでは、
$$
a>0,\qquad b>0
$$
とする。
また、右辺の積分が絶対収束するか、被積分関数が非負であると仮定する。
この積分では、関数が二つの変数の和に依存している。
そこで、
$$
r=x+y
$$
および、
$$
t=\frac{x}{x+y}
$$
と置く。
すると、
$$
x=rt
$$
$$
y=r(1-t)
$$
となる。
Jacobian determinantの絶対値は、
$$
r
$$
である。
したがって、
$$
\begin{aligned}
I
={}&
\int_0^\infty
r^{a+b-1}h(r)\,dr\\
&\times
\int_0^1t^{a-1}(1-t)^{b-1}\,dt
\end{aligned}
$$
となる。
よって、
$$
\boxed{
I=
\mathrm{B}(a,b)
\int_0^\infty r^{a+b-1}h(r)\,dr
}
$$
を得る。
具体例
次の積分を考える。
$$
I=
\int_0^\infty
\int_0^\infty
\frac{e^{-(x+y)^2}}{\sqrt{xy}}
\,dy\,dx
$$
この場合、
$$
a=b=\frac12
$$
および、
$$
h(r)=e^{-r^2}
$$
とすればよい。
したがって、
$$
I=
\mathrm{B}\left(\frac12,\frac12\right)
\int_0^\infty e^{-r^2}\,dr
$$
となる。
ここで、
$$
\mathrm{B}\left(\frac12,\frac12\right)=\pi
$$
および、
$$
\int_0^\infty e^{-r^2}\,dr
=
\frac{\sqrt{\pi}}{2}
$$
である。
よって、
$$
\boxed{
\int_0^\infty
\int_0^\infty
\frac{e^{-(x+y)^2}}{\sqrt{xy}}
\,dy\,dx
=
\frac{\pi^{\frac32}}{2}
}
$$
を得る。
特殊関数が現れる例
次の積分も考えてみよう。
$$
J=
\int_0^\infty\int_0^\infty
\frac{e^{-(x+y)}}{1+x+y}
\,dy\,dx
$$
変数の和を利用すると、
$$
J=
\int_0^\infty
\frac{re^{-r}}{1+r}\,dr
$$
となる。
ここで、
$$
\frac{r}{1+r}=1-\frac{1}{1+r}
$$
と分解する。
したがって、
$$
J=
1-\int_0^\infty\frac{e^{-r}}{1+r}\,dr
$$
となる。
最後の積分は指数積分へ帰着する。
よって、
$$
\boxed{
J=1-eE_1(1)
}
$$
を得る。
このように、多重積分を一変数へ変換した結果、初等関数だけでなく特殊関数が現れる場合もある。
前節の考え方は、多変数へ一般化できる。
正の直交領域で、
$$
I=
\int_{(0,\infty)^n}
h\left(\sum_{j=1}^{n}x_j\right)
\prod_{j=1}^{n}x_j^{\alpha_j-1}
\,d^nx
$$
を考える。
ここでは、
$$
\alpha_j>0
$$
とする。
また、積分の絶対収束を仮定する。
和と割合に分解する
次の変数を導入する。
$$
r=\sum_{j=1}^{n}x_j
$$
$$
x_j=rt_j
$$
ここで、
$$
t_j\ge0
$$
および、
$$
\sum_{j=1}^{n}t_j=1
$$
である。
一つの割合は他の割合によって決まるため、独立した割合変数は一つ少ない。
この変数変換のJacobian determinantの絶対値は、
$$
\boxed{
r^{n-1}
}
$$
である。
したがって、Dirichlet積分を利用すると、
$$
\boxed{
\begin{aligned}
I
={}&
\frac{
\prod_{j=1}^{n}\Gamma(\alpha_j)
}{
\Gamma\left(\sum_{j=1}^{n}\alpha_j\right)
}\\
&\times
\int_0^\infty
r^{\sum_{j=1}^{n}\alpha_j-1}h(r)\,dr
\end{aligned}
}
$$
を得る。
指数関数の場合
特に、
$$
h(r)=e^{-r^p}
$$
とする。
ここでは、
$$
p>0
$$
とする。
次の置換を行う。
$$
u=r^p
$$
すると、
$$
\begin{aligned}
&\int_0^\infty
r^{\sum_{j=1}^{n}\alpha_j-1}e^{-r^p}\,dr\\
&\qquad=
\frac{1}{p}
\Gamma\left(
\frac{\sum_{j=1}^{n}\alpha_j}{p}
\right)
\end{aligned}
$$
となる。
したがって、
$$
\boxed{
\begin{aligned}
&\int_{(0,\infty)^n}
e^{-\left(\sum_{j=1}^{n}x_j\right)^p}
\prod_{j=1}^{n}x_j^{\alpha_j-1}
\,d^nx\\
&=
\frac{
\Gamma\left(
\frac{\sum_{j=1}^{n}\alpha_j}{p}
\right)
}{
p\,\Gamma\left(\sum_{j=1}^{n}\alpha_j\right)
}
\prod_{j=1}^{n}\Gamma(\alpha_j)
\end{aligned}
}
$$
を得る。
この公式では、多変数の積分がGamma関数の積だけで評価された。
重要な発想
被積分関数が変数の和に依存する場合には、全体の大きさと割合を分離する。
これによって、割合に関する積分がDirichlet積分となり、残りが一変数の積分へ帰着する。
次に、積分領域そのものを変数変換によって標準単体へ帰着させる方法を考える。
べき乗によって定まる領域
次の領域を考える。
$$
D=
\left\{
(x_1,\ldots,x_n)
\mid
x_j\ge0,\
\sum_{j=1}^{n}x_j^p\le1
\right\}
$$
ここでは、
$$
p>0
$$
とする。
この領域で、次の積分を考える。
$$
I=
\int_D
\prod_{j=1}^{n}x_j^{\alpha_j-1}
\,d^nx
$$
ここでは、
$$
\alpha_j>0
$$
とする。
標準単体への変換
次の置換を行う。
$$
t_j=x_j^p
$$
すると、
$$
x_j=t_j^{\frac1p}
$$
となる。
また、
$$
dx_j=
\frac{1}{p}
t_j^{\frac1p-1}\,dt_j
$$
である。
したがって、
$$
x_j^{\alpha_j-1}dx_j
=
\frac{1}{p}
t_j^{\frac{\alpha_j}{p}-1}\,dt_j
$$
となる。
一方、積分領域は、
$$
\sum_{j=1}^{n}t_j\le1
$$
へ変換される。
したがって、Dirichlet積分によって、
$$
\boxed{
I=
\frac{1}{p^n}
\frac{
\prod_{j=1}^{n}
\Gamma\left(\frac{\alpha_j}{p}\right)
}{
\Gamma\left(
1+\sum_{j=1}^{n}\frac{\alpha_j}{p}
\right)
}
}
$$
を得る。
体積への応用
特に、
$$
\alpha_1=\cdots=\alpha_n=1
$$
とすると、積分は領域の体積になる。
したがって、正の直交領域にあるべき乗球の体積は、
$$
\boxed{
V_n^+(p)=
\frac{
\Gamma\left(1+\frac1p\right)^n
}{
\Gamma\left(1+\frac np\right)
}
}
$$
となる。
領域全体は各座標について符号を反転しても対称である。
したがって、
$$
\boxed{
V_n(p)=
\frac{
2^n\Gamma\left(1+\frac1p\right)^n
}{
\Gamma\left(1+\frac np\right)
}
}
$$
を得る。
通常の球の場合
特に、
$$
p=2
$$
とすると、通常のユークリッド空間における単位球になる。
したがって、
$$
\boxed{
V_n(2)=
\frac{
\pi^{\frac n2}
}{
\Gamma\left(1+\frac n2\right)
}
}
$$
である。
例えば、
$$
n=3
$$
とすると、
$$
\boxed{
V_3(2)=\frac{4\pi}{3}
}
$$
を得る。
この例では、積分領域の幾何学的な体積がGamma関数によって表された。
次に、二次形式を含む積分を考える。
行列による表示
次の積分を考える。
$$
I=
\int_{\mathbb{R}^n}
e^{-\boldsymbol{x}^{\mathsf T}A\boldsymbol{x}}
\,d^n x
$$
ここでは、
$$
A
$$
を実対称正定値行列とする。
正定値とは、零ベクトルでない任意のベクトルについて、
$$
\boxed{
\boldsymbol{x}^{\mathsf T}A\boldsymbol{x}>0
}
$$
が成り立つことである。
この条件によって、積分の収束が保証される。
直交変換による対角化
実対称行列は直交行列によって対角化できる。
したがって、
$$
A=Q\Lambda Q^{\mathsf T}
$$
と表せる。
ここで、
$$
Q^{\mathsf T}Q=I
$$
であり、
$$
\Lambda=
\operatorname{diag}(\lambda_1,\ldots,\lambda_n)
$$
とする。
正定値性から、
$$
\lambda_j>0
$$
である。
次の変数変換を行う。
$$
\boldsymbol{x}=Q\boldsymbol{y}
$$
直交変換のJacobian determinantの絶対値は1である。
したがって、
$$
\boldsymbol{x}^{\mathsf T}A\boldsymbol{x}
=
\sum_{j=1}^{n}\lambda_jy_j^2
$$
となる。
Gaussian積分への分離
したがって、
$$
\begin{aligned}
I
&=
\prod_{j=1}^{n}
\int_{-\infty}^{\infty}
e^{-\lambda_jy_j^2}\,dy_j\\
&=
\prod_{j=1}^{n}
\sqrt{\frac{\pi}{\lambda_j}}
\end{aligned}
$$
となる。
ここで、
$$
\det A=\prod_{j=1}^{n}\lambda_j
$$
だから、
$$
\boxed{
\int_{\mathbb{R}^n}
e^{-\boldsymbol{x}^{\mathsf T}A\boldsymbol{x}}
\,d^nx
=
\frac{\pi^{\frac n2}}{\sqrt{\det A}}
}
$$
を得る。
この公式の意味
多次元Gaussian積分では、変数が互いに混ざった二次式が現れていても、行列の対角化によって変数を分離できる。
最終的な結果は、個々の係数ではなく、行列式によって表される。
したがって、二次形式を含む多重積分では、平方完成だけでなく、行列による表現を考えることが重要になる。
次の積分を考える。
$$
I=
\int_{-\infty}^{\infty}
\int_{-\infty}^{\infty}
e^{-2x^2-2xy-3y^2}
\,dx\,dy
$$
行列へ変換する
指数関数の肩に現れる二次形式は、
$$
2x^2+2xy+3y^2
$$
である。
対応する行列は、
$$
A=
\begin{pmatrix}
2&1\\
1&3
\end{pmatrix}
$$
である。
この行列は実対称であり、
$$
2>0
$$
および、
$$
\det A=5>0
$$
だから正定値である。
したがって、多次元Gaussian積分の公式を適用できる。
よって、
$$
\boxed{
I=\frac{\pi}{\sqrt5}
}
$$
を得る。
平方完成による検算
一方、二次形式を平方完成すると、
$$
2x^2+2xy+3y^2
=
2\left(x+\frac y2\right)^2
+\frac52y^2
$$
となる。
したがって、
$$
\begin{aligned}
I
={}&
\left(
\int_{-\infty}^{\infty}e^{-2u^2}\,du
\right)\\
&\times
\left(
\int_{-\infty}^{\infty}e^{-\frac52y^2}\,dy
\right)
\end{aligned}
$$
となる。
よって、
$$
I=
\sqrt{\frac{\pi}{2}}
\sqrt{\frac{2\pi}{5}}
=
\frac{\pi}{\sqrt5}
$$
を得る。
両方の方法で結果が一致した。
一般の二変数公式
同様に、
$$
a>0,\qquad b>0,\qquad ab>c^2
$$
ならば、
$$
\boxed{
\int_{\mathbb{R}^2}
e^{-ax^2-2cxy-by^2}
\,dx\,dy
=
\frac{\pi}{\sqrt{ab-c^2}}
}
$$
が成り立つ。
この公式は、二変数のGaussian積分を評価する際の基本となる。
多次元Gaussian積分では、パラメータ微分によって変数の積を含む積分を評価できる。
線形項を含む一般公式
次の積分を考える。
$$
Z(\boldsymbol{h})=
\int_{\mathbb{R}^n}
\exp\left(
-\boldsymbol{x}^{\mathsf T}A\boldsymbol{x}
+\boldsymbol{h}^{\mathsf T}\boldsymbol{x}
\right)d^nx
$$
ここでは、
$$
A
$$
を実対称正定値行列とし、
$$
\boldsymbol{h}\in\mathbb{R}^n
$$
とする。
指数関数の肩を平方完成すると、
$$
\begin{aligned}
&-\boldsymbol{x}^{\mathsf T}A\boldsymbol{x}
+\boldsymbol{h}^{\mathsf T}\boldsymbol{x}\\
&=
-\left(
\boldsymbol{x}-\frac12A^{-1}\boldsymbol{h}
\right)^{\mathsf T}
A
\left(
\boldsymbol{x}-\frac12A^{-1}\boldsymbol{h}
\right)\\
&\quad+
\frac14\boldsymbol{h}^{\mathsf T}A^{-1}\boldsymbol{h}
\end{aligned}
$$
となる。
したがって、
$$
\boxed{
Z(\boldsymbol{h})=
\frac{\pi^{\frac n2}}{\sqrt{\det A}}
\exp\left(
\frac14\boldsymbol{h}^{\mathsf T}A^{-1}\boldsymbol{h}
\right)
}
$$
を得る。
変数の積を含む積分
例えば、
$$
I=
\int_{\mathbb{R}^2}
xy\,e^{-ax^2-2cxy-by^2}
\,dx\,dy
$$
を考える。
ここでは、
$$
a>0,\qquad b>0,\qquad ab>c^2
$$
とする。
まず、
$$
Z(c)=
\int_{\mathbb{R}^2}
e^{-ax^2-2cxy-by^2}
\,dx\,dy
$$
とおく。
前節の公式から、
$$
Z(c)=\frac{\pi}{\sqrt{ab-c^2}}
$$
である。
これをパラメータで微分すると、
$$
Z'(c)=
-2
\int_{\mathbb{R}^2}
xy\,e^{-ax^2-2cxy-by^2}
\,dx\,dy
$$
となる。
一方、
$$
Z'(c)=
\frac{\pi c}{(ab-c^2)^{\frac32}}
$$
である。
したがって、
$$
\boxed{
\begin{aligned}
&\int_{\mathbb{R}^2}
xy\,e^{-ax^2-2cxy-by^2}
\,dx\,dy\\
&\qquad=
-\frac{\pi c}{2(ab-c^2)^{\frac32}}
\end{aligned}
}
$$
を得る。
符号に注意する
この結果では、パラメータの符号によって積分値の符号が変化する。
混合項を含むGaussian積分では、単に被積分関数が偶関数かどうかを調べるだけでは積分値を決定できない。
変数の対称性を正確に確認する必要がある。
重要な発想
多次元Gaussian積分の基本公式が分かれば、パラメータ微分によって変数の積や高いべき乗を含む積分も評価できる。
これは、一つの基本積分から多くの関連積分を生成する方法である。
第15章では、Feynman parametrizationを利用して複数の分母を一つにまとめる方法を学んだ。
この方法は、Dirichlet積分と密接に関係している。
一般公式
正の実数について、
$$
A_1,\ldots,A_n>0
$$
および、
$$
\alpha_1,\ldots,\alpha_n>0
$$
とする。
ここで、
$$
\alpha=\sum_{j=1}^{n}\alpha_j
$$
とおく。
このとき、
$$
\boxed{
\begin{aligned}
&\prod_{j=1}^{n}\frac{1}{A_j^{\alpha_j}}\\
&=
\frac{\Gamma(\alpha)}
{\prod_{j=1}^{n}\Gamma(\alpha_j)}
\int_{\Delta_{n-1}}
\frac{
\prod_{j=1}^{n}t_j^{\alpha_j-1}
}{
\left(
\sum_{j=1}^{n}t_jA_j
\right)^\alpha
}
\,d^{n-1}t
\end{aligned}
}
$$
が成り立つ。
ただし、
$$
t_n=1-\sum_{j=1}^{n-1}t_j
$$
とする。
導出の考え方
まず、それぞれの分母にSchwinger parametrizationを適用する。
すると、正の直交領域上の多重積分が現れる。
続いて、パラメータの総和と、それぞれの割合を表す変数へ変換する。
これは第19.7節で利用した変数変換と同じ構造を持つ。
最後に総和を表す変数をGamma積分によって評価すると、上の公式が得られる。
したがって、Feynman parametrizationは、Gamma関数とDirichlet積分の構造から導かれる公式と理解できる。
三次元積分への応用
次の積分を考える。
$$
I(a,b)=
\int_{\mathbb{R}^3}
\frac{d^3x}
{
(\|\boldsymbol{x}\|^2+a^2)
(\|\boldsymbol{x}\|^2+b^2)
}
$$
ここでは、
$$
a>0,\qquad b>0
$$
とする。
積分は絶対収束する。
Feynman parametrizationから、
$$
\begin{aligned}
I(a,b)
={}&
\int_0^1
\left[
\int_{\mathbb{R}^3}
\frac{d^3x}
{
(\|\boldsymbol{x}\|^2+ta^2+(1-t)b^2)^2
}
\right]dt
\end{aligned}
$$
となる。
ここで、多次元Gaussian積分とSchwinger parametrizationから、
$$
\boxed{
\int_{\mathbb{R}^3}
\frac{d^3x}{(\|\boldsymbol{x}\|^2+c^2)^2}
=
\frac{\pi^2}{c}
}
$$
が得られる。
ここでは、
$$
c>0
$$
とする。
したがって、
$$
I(a,b)=
\pi^2
\int_0^1
\frac{dt}
{\sqrt{ta^2+(1-t)b^2}}
$$
となる。
残った積分は初等的に評価できる。
$$
\int_0^1
\frac{dt}{\sqrt{ta^2+(1-t)b^2}}
=
\frac{2}{a+b}
$$
である。
したがって、
$$
\boxed{
\int_{\mathbb{R}^3}
\frac{d^3x}
{
(\|\boldsymbol{x}\|^2+a^2)
(\|\boldsymbol{x}\|^2+b^2)
}
=
\frac{2\pi^2}{a+b}
}
$$
を得る。
この例では、Feynman parametrizationによって分母を統合し、その後の多次元積分を既知の形へ帰着させた。
ここまで扱った積分では、各変数のべき乗や変数の和が重要であった。
次に、変数の差が重要な役割を持つ積分を考える。
二変数の場合
次の積分を考える。
$$
I(\alpha,\beta)=
\int_0^1\int_0^1
(x-y)^2
x^{\alpha-1}(1-x)^{\beta-1}
y^{\alpha-1}(1-y)^{\beta-1}
\,dx\,dy
$$
ここでは、
$$
\alpha>0,\qquad\beta>0
$$
とする。
差の二乗を展開する
まず、
$$
(x-y)^2=x^2-2xy+y^2
$$
である。
積分領域は正方形なので、各項は一変数積分の積へ分離できる。
したがって、
$$
\begin{aligned}
I(\alpha,\beta)
={}&
2\mathrm{B}(\alpha+2,\beta)
\mathrm{B}(\alpha,\beta)\\
&-
2\mathrm{B}(\alpha+1,\beta)^2
\end{aligned}
$$
となる。
ここで、Beta関数の漸化式を利用する。
$$
\mathrm{B}(\alpha+1,\beta)
=
\frac{\alpha}{\alpha+\beta}
\mathrm{B}(\alpha,\beta)
$$
および、
$$
\mathrm{B}(\alpha+2,\beta)
=
\frac{\alpha(\alpha+1)}
{(\alpha+\beta)(\alpha+\beta+1)}
\mathrm{B}(\alpha,\beta)
$$
である。
これを代入して整理すると、
$$
\boxed{
I(\alpha,\beta)
=
\frac{
2\alpha\beta\,\mathrm{B}(\alpha,\beta)^2
}{
(\alpha+\beta)^2(\alpha+\beta+1)
}
}
$$
を得る。
特殊値
特に、
$$
\alpha=\beta=1
$$
とすると、
$$
\boxed{
\int_0^1\int_0^1(x-y)^2\,dx\,dy
=
\frac16
}
$$
となる。
なぜ一般化を考えるのか
今回の積分では、二つの変数の差の二乗を展開できた。
しかし、変数が三つ以上になり、多くの変数の差が積として現れる場合には、展開が非常に複雑になる。
そこで、差の積全体を一つの構造として扱う方法が重要になる。
その代表例がSelberg積分である。
Selberg(セルバーグ)積分は、Beta関数を多変数へ一般化する重要な積分公式である。
Vandermonde積
まず、次の積を定義する。
$$
\boxed{
\Delta(x_1,\ldots,x_n)
=
\prod_{1\le i< j\le n}(x_j-x_i)
}
$$
これはVandermonde(ヴァンデルモンド)積と呼ばれる。
変数のうち二つが一致すると、この積は0になる。
また、変数を交換すると符号が変化する。
Selberg積分の一般形
次の積分を考える。
$$
\begin{aligned}
S_n(\alpha,\beta,\gamma)
={}&
\int_{[0,1]^n}
\prod_{j=1}^{n}
x_j^{\alpha-1}(1-x_j)^{\beta-1}\\
&\times
\prod_{1\le i< j\le n}
|x_j-x_i|^{2\gamma}
\,d^nx
\end{aligned}
$$
ここでは、十分条件として、
$$
\alpha>0,\qquad\beta>0,\qquad\gamma\ge0
$$
を仮定する。
この条件のもとで積分は有限である。
Selberg積分の公式は、
$$
\boxed{
\begin{aligned}
&S_n(\alpha,\beta,\gamma)\\
&=
\prod_{j=0}^{n-1}
\frac{
\Gamma(\alpha+j\gamma)
\Gamma(\beta+j\gamma)
\Gamma(1+(j+1)\gamma)
}{
\Gamma(\alpha+\beta+(n+j-1)\gamma)
\Gamma(1+\gamma)
}
\end{aligned}
}
$$
である。
Beta関数との関係
特に、
$$
\gamma=0
$$
とすると、変数間の差の因子が消える。
したがって、多重積分は一変数のBeta積分の積へ分離する。
実際、公式から、
$$
\boxed{
S_n(\alpha,\beta,0)
=
\mathrm{B}(\alpha,\beta)^n
}
$$
となる。
つまり、Selberg積分は、変数間の相互作用を含むBeta積分の一般化と考えられる。
二変数の検算
特に、
$$
n=2,\qquad\alpha=\beta=\gamma=1
$$
とすると、
$$
S_2(1,1,1)
=
\int_0^1\int_0^1(x-y)^2\,dx\,dy
$$
となる。
前節では、この値が、
$$
\frac16
$$
であることを直接示した。
一方、Selberg積分の公式からも同じ値が得られる。
この公式の位置づけ
一般のSelberg積分の証明は、本章で扱ってきた一変数の置換積分や部分積分だけでは容易ではない。
そのため、本章では一般公式の完全な証明は扱わない。
ただし、二変数の場合を直接導出することで、公式がどのような積分を一般化しているかを理解できる。
実戦では、Beta型の重みとVandermonde積が同時に現れる場合に、Selberg積分を候補として考えるとよい。
変数の差の積が現れる多重積分では、行列式を利用できる場合がある。
その基本となるのがAndréief(アンドレイエフ)の積分恒等式である。
行列式を含む積分
可測関数の組について、
$$
f_1,\ldots,f_n
$$
および、
$$
g_1,\ldots,g_n
$$
を考える。
また、適切な測度を、
$$
d\mu
$$
と表す。
このとき、積分の交換を正当化する十分な可積分性を仮定する。
Andréiefの恒等式は、
$$
\boxed{
\begin{aligned}
&\int
\cdots
\int
\det[f_i(x_j)]_{i,j=1}^{n}
\det[g_i(x_j)]_{i,j=1}^{n}
\prod_{j=1}^{n}d\mu(x_j)\\
&\qquad=
n!
\det\left[
\int f_i(x)g_j(x)\,d\mu(x)
\right]_{i,j=1}^{n}
\end{aligned}
}
$$
という公式である。
公式の意味
左辺は多重積分である。
しかも、被積分関数には二つの行列式が含まれている。
しかし、右辺では、一変数積分を要素とする行列の行列式だけが残っている。
つまり、多重積分を有限次の行列式へ変換することができる。
導出の考え方
行列式を置換の和として展開すると、左辺は有限個の積分の和になる。
積分が絶対収束する場合には、それぞれの積分を変数ごとに分離できる。
さらに、置換による符号を整理すると、各項が同じ行列式へまとめられる。
同じ寄与が階乗個現れるため、右辺の係数が生じる。
このように、Andréiefの恒等式は、行列式の交代性と多重積分の積構造を利用した公式である。
Vandermonde積との関係
Vandermonde積は、行列式によって、
$$
\boxed{
\Delta(x_1,\ldots,x_n)
=
\det[x_j^{i-1}]_{i,j=1}^{n}
}
$$
と表せる。
したがって、その二乗を含む積分ではAndréiefの恒等式が利用できる。
次の積分を考える。
$$
I_n=
\int_{(0,\infty)^n}
e^{-\sum_{j=1}^{n}x_j}
\prod_{1\le i< j\le n}(x_j-x_i)^2
\,d^nx
$$
ここでは、
$$
n=1,2,\ldots
$$
とする。
構造の認識
被積分関数には、Vandermonde積の二乗と指数減衰が現れている。
したがって、Andréiefの恒等式を考える。
行列式への変換
重み関数を、
$$
w(x)=e^{-x}
$$
とする。
また、モーメントを、
$$
\mu_k=
\int_0^\infty x^kw(x)\,dx
$$
と定義する。
Gamma関数の積分表示から、
$$
\boxed{
\mu_k=k!
}
$$
である。
Andréiefの恒等式を利用すると、
$$
\boxed{
I_n=
n!\det[\mu_{i+j}]_{i,j=0}^{n-1}
}
$$
となる。
したがって、
$$
\boxed{
I_n=
n!\det[(i+j)!]_{i,j=0}^{n-1}
}
$$
を得る。
三変数の場合
例えば、
$$
n=3
$$
とすると、
$$
I_3=
3!
\det
\begin{pmatrix}
1&1&2\\
1&2&6\\
2&6&24
\end{pmatrix}
$$
となる。
この行列式は、
$$
4
$$
である。
したがって、
$$
\boxed{
I_3=24
}
$$
を得る。
直交多項式による一般評価
さらに、Laguerre(ラゲール)多項式の直交性を利用すると、一般の行列式を評価できる。
Laguerre多項式を最高次係数が1になるように正規化すると、その二乗ノルムは、
$$
\boxed{
h_k=(k!)^2
}
$$
となる。
モーメント行列の行列式は、この直交化によって得られる二乗ノルムの積に等しい。
したがって、
$$
\det[(i+j)!]_{i,j=0}^{n-1}
=
\prod_{k=0}^{n-1}(k!)^2
$$
となる。
よって、
$$
\boxed{
I_n=
n!\prod_{k=0}^{n-1}(k!)^2
}
$$
を得る。
Selberg型積分との関係
この積分は、無限区間上におけるSelberg型積分の特殊な場合でもある。
したがって、Selberg型の公式からも同じ結果が得られる。
しかし、Andréiefの恒等式を利用すると、なぜ階乗の積が現れるのかを、直交多項式の構造から理解できる。
重要な発想
多重積分にVandermonde積の二乗が現れた場合、直接展開する必要はない。
行列式として表し、その積分をモーメント行列の行列式へ変換する。
この方法は、直交多項式の理論やランダム行列理論でも重要な役割を持つ。
ここまで、実数上の多重積分を考えてきた。
最後に、複素数の単位円上に配置された点に関する積分を考える。
単位円上のVandermonde積
次の積分を考える。
$$
\begin{aligned}
I_n
={}&
\int_0^{2\pi}\cdots\int_0^{2\pi}\\
&\times
\prod_{1\le j< k\le n}
\left|
e^{\mathrm{i}\theta_j}
-
e^{\mathrm{i}\theta_k}
\right|^2
\,d\theta_1\cdots d\theta_n
\end{aligned}
$$
この積分では、単位円上の点同士の距離の二乗が現れている。
行列式へ変換する
次の行列式を考える。
$$
\Delta=
\det
\left[
e^{\mathrm{i}(j-1)\theta_k}
\right]_{j,k=1}^{n}
$$
これはVandermonde行列式である。
したがって、
$$
\boxed{
|\Delta|^2
=
\prod_{1\le j< k\le n}
\left|
e^{\mathrm{i}\theta_j}
-
e^{\mathrm{i}\theta_k}
\right|^2
}
$$
となる。
指数関数の直交性
円周上では、
$$
\boxed{
\int_0^{2\pi}
e^{\mathrm{i}(j-k)\theta}\,d\theta
=
2\pi\delta_{jk}
}
$$
が成り立つ。
ここで、
$$
\delta_{jk}
$$
はKronecker deltaである。
したがって、Andréiefの恒等式を利用すると、
$$
I_n=
n!
\det[2\pi\delta_{jk}]_{j,k=1}^{n}
$$
となる。
右辺は対角行列の行列式なので、
$$
\boxed{
I_n=(2\pi)^n n!
}
$$
を得る。
二変数の場合
特に、
$$
n=2
$$
とすると、
$$
\begin{aligned}
I_2
={}&
\int_0^{2\pi}\int_0^{2\pi}
\left|
e^{\mathrm{i}\theta}
-
e^{\mathrm{i}\phi}
\right|^2
\,d\theta\,d\phi
\end{aligned}
$$
となる。
ここで、
$$
\left|
e^{\mathrm{i}\theta}
-
e^{\mathrm{i}\phi}
\right|^2
=
2-2\cos(\theta-\phi)
$$
だから、直接積分しても、
$$
\boxed{
I_2=8\pi^2
}
$$
を得る。
これは一般公式と一致する。
Dyson積分
より一般に、次の積分を考える。
$$
\begin{aligned}
D_n(\gamma)
={}&
\frac{1}{(2\pi)^n}
\int_0^{2\pi}\cdots\int_0^{2\pi}\\
&\times
\prod_{1\le j< k\le n}
\left|
e^{\mathrm{i}\theta_j}
-
e^{\mathrm{i}\theta_k}
\right|^{2\gamma}
\,d^n\theta
\end{aligned}
$$
ここでは、
$$
\gamma\ge0
$$
とする。
この積分には、
$$
\boxed{
D_n(\gamma)=
\frac{\Gamma(1+n\gamma)}
{\Gamma(1+\gamma)^n}
}
$$
という公式がある。
これはDyson(ダイソン)積分として知られる。
特に、
$$
\gamma=1
$$
の場合には、
$$
D_n(1)=n!
$$
である。
これは先ほどAndréiefの恒等式によって導いた結果と一致する。
重要な発想
単位円上の点の差が積として現れる場合、その積はVandermonde行列式へ変換できる。
さらに、複素指数関数の直交性を利用すると、多重積分を行列式へ帰着できる。
このように、円周上の対称性と直交性が、多重積分の評価に直結する場合がある。
本章で扱った方法を確認するために、三つの積分を考える。
演習1:単体上のべき乗積分
次の積分を求める。
$$
I=
\int_0^1\int_0^{1-x}
\frac{\sqrt{x+y}}{\sqrt{xy}}
\,dy\,dx
$$
解説
積分領域が、
$$
x+y\le1
$$
によって定められていることに注目する。
そこで、
$$
x=rt,\qquad y=r(1-t)
$$
と置く。
Jacobian determinantの絶対値は、
$$
r
$$
である。
したがって、
$$
\begin{aligned}
I
&=
\int_0^1\int_0^1
\frac{\sqrt r}{r\sqrt{t(1-t)}}r
\,dt\,dr\\
&=
\left(
\int_0^1r^{\frac12}\,dr
\right)
\left(
\int_0^1
\frac{dt}{\sqrt{t(1-t)}}
\right)
\end{aligned}
$$
となる。
したがって、
$$
\boxed{
I=\frac{2\pi}{3}
}
$$
を得る。
この例では、二つの変数の和と割合を分離した。
演習2:多次元Gaussian積分
次の積分を求める。
$$
I=
\int_{\mathbb{R}^2}
e^{-3x^2+2xy-2y^2}
\,dx\,dy
$$
解説
指数関数の肩に現れる二次形式は、
$$
3x^2-2xy+2y^2
$$
である。
対応する行列は、
$$
A=
\begin{pmatrix}
3&-1\\
-1&2
\end{pmatrix}
$$
となる。
この行列は正定値であり、
$$
\det A=5
$$
である。
したがって、
$$
\boxed{
I=\frac{\pi}{\sqrt5}
}
$$
を得る。
この例では、二次形式を行列で表すことが重要であった。
演習3:Vandermonde積と指数積分
次の積分を求める。
$$
I=
\int_0^\infty\int_0^\infty
(x-y)^2e^{-x-y}
\,dx\,dy
$$
解説
これは二変数のVandermonde積の二乗を含む積分である。
まず、
$$
(x-y)^2=x^2-2xy+y^2
$$
と展開する。
積分領域は正の直交領域なので、各項は一変数積分の積へ分離する。
したがって、
$$
\begin{aligned}
I
={}&
2
\left(
\int_0^\infty x^2e^{-x}\,dx
\right)
\left(
\int_0^\infty e^{-y}\,dy
\right)\\
&-
2
\left(
\int_0^\infty xe^{-x}\,dx
\right)^2
\end{aligned}
$$
となる。
Gamma関数の特殊値から、
$$
\int_0^\infty x^2e^{-x}\,dx=2
$$
および、
$$
\int_0^\infty xe^{-x}\,dx=1
$$
である。
したがって、
$$
\boxed{
I=2
}
$$
を得る。
これは第19.16節の一般公式に、
$$
n=2
$$
を代入した結果と一致する。
本章で扱った多重積分を、構造に応じて整理する。
| 積分の構造 | 最初に検討する方法 |
|---|---|
| 領域が変数交換で不変 | 対称性による領域分割 |
| 単体上のべき関数の積 | Dirichlet積分 |
| 単体上の対数積分 | Dirichlet積分のパラメータ微分 |
| 被積分関数が変数の和に依存 | 和と割合への変数変換 |
| べき乗球上の積分 | 標準単体への変換 |
| 多次元Gaussian積分 | 二次形式の対角化・行列式 |
| Gaussian積分と変数の積 | パラメータ微分 |
| 複数の分母を含む多次元積分 | Feynman parametrization |
| Beta型の重みと変数の差の積 | Selberg積分 |
| Vandermonde積の二乗 | Andréiefの恒等式 |
| 単位円上の点の差の積 | 直交性・Dyson積分 |
ただし、この表は解法を機械的に決めるものではない。
例えば、二変数のSelberg型積分では、単純な展開によって直接評価できる場合がある。
また、二変数のGaussian積分では、行列式の公式を利用するよりも平方完成の方が短い場合がある。
したがって、一般公式を利用する場合でも、それより簡単な構造が存在しないか確認することが重要である。
多重積分では、一変数の積分以上に交換操作と変数変換の正当化が重要になる。
積分領域の正確な把握
多重積分では、積分の上下端だけを見て計算を進めるのではなく、領域を集合として理解する必要がある。
特に、変数変換を行った場合には、新しい積分領域を正確に求めなければならない。
Jacobian determinant
多変数の変数変換では、Jacobian determinantの絶対値が必要になる。
これを忘れると、積分値の係数や次数が誤る。
特に、和と割合への変換では、総和を表す変数のべき乗が現れる。
この因子がDirichlet積分への帰着に重要な役割を持つ。
積分順序の交換
非負の被積分関数ではTonelliの定理を利用できる。
複素数値や符号が変化する場合には、例えば絶対可積分性によってFubiniの定理を適用できる。
一方、条件収束する多重積分では、順序交換を無条件に行ってはいけない。
境界での収束
単体上の積分では、複数の境界が交わる点に特異性が現れる場合がある。
そのため、一つの変数だけを固定して収束を確認するのではなく、複数の変数が同時に境界へ近づく場合も考える必要がある。
正定値性
Gaussian積分では、二次形式が正定値であることが重要である。
単に行列式が正であるだけでは、一般の高次元行列の正定値性は保証されない。
また、二次形式が負の方向を持つ場合には、積分が発散することがある。
特殊関数の一般公式
Selberg積分やDyson積分には、パラメータに応じた収束条件が存在する。
本章では理解しやすさを優先し、主として正の実数のパラメータを扱った。
一般の複素パラメータへ拡張する場合には、収束条件と分枝の選択を別途確認しなければならない。
行列式恒等式の適用条件
Andréiefの恒等式では、行列式の展開と積分の交換が必要になる。
したがって、必要な積が可積分であることを確認する。
また、直交多項式を利用する場合には、重み関数、正規化、最高次係数を統一する必要がある。
本章では、多重積分を幾何学と特殊関数の両面から評価する方法を学んだ。
重要な点を整理しておこう。