0

advanced入門(ⅩⅤ)

0
0
$$$$

ADVANCED入門

第15章 パラメータ積分・積分方程式と解法の統合

これまで、特殊関数の定義、積分変換、複素積分、漸近解析を学んできた。
これらの方法は、それぞれ異なる積分の構造を扱うための道具である。
しかし、実際の積分問題では、一つの方法だけで解決できるとは限らない。
例えば、次の積分を考えよう。
$$ I(a)= \int_0^\infty \frac{e^{-ax^2}}{1+x^2}\,dx $$
この積分では、Gaussian型の指数関数と有理関数が組み合わさっている。
一見すると、通常の置換積分や部分積分だけでは扱いにくい。
ところが、パラメータについて微分すると、分母に現れる有理関数の一部が消える。
その結果、積分そのものが簡単な微分方程式を満たすことが分かる。
これを解けば、元の積分を誤差関数によって表せる。
このように、積分をパラメータの関数として扱い、その関数が満たす関係式を調べることが有効になる場合がある。
また、分母に複数の因子が現れる場合には、パラメータを導入して分母を一つにまとめる方法もある。
さらに、未知の関数が積分の内部に現れる場合には、積分方程式として扱うことができる。
本章では、まずFeynman's trickを中心とするパラメータ微分の方法を学ぶ。
続いて、Frullani's integral、Schwinger parametrization、Feynman parametrizationを扱う。
さらに、積分方程式の基本的な理論と解法を学び、最後にMellin–Barnes representationを通して積分変換と複素解析の関係を確認する。
本章の目標は、個別の公式を暗記することではない。
積分に適切なパラメータを導入し、その後の微分・変換・方程式化によって計算を進める方法を理解することである。

15.1 積分を関数として捉える

積分にパラメータを導入する
通常、定積分は一つの値を求める問題として扱う。
例えば、
$$ I=\int_0^\infty f(x)\,dx $$
という積分を考える。
一方、被積分関数にパラメータを導入すると、
$$ \boxed{ F(a)=\int_0^\infty f(x,a)\,dx } $$
という新しい関数が得られる。
すると、元の積分の計算を、関数の性質を調べる問題へ変換できる。
例えば、パラメータについて微分すると、
$$ F'(a) $$
という別の関数が現れる。
これが元の積分より簡単に求められる場合には、微分後の結果を積分し直すことで元の値を求められる。
パラメータの選び方
パラメータは、問題に最初から含まれている場合もあれば、新たに導入する場合もある。
例えば、
$$ \int_0^\infty\frac{\sin x}{x}\,dx $$
という積分に対して、
$$ F(a)= \int_0^\infty e^{-ax}\frac{\sin x}{x}\,dx $$
と定義することが考えられる。
ここでは、
$$ a>0 $$
とする。
指数関数を追加することで、無限遠点での減衰が強くなる。
また、パラメータについて微分すると、分母の変数が打ち消される。
したがって、元の積分を直接扱うよりも簡単になる。
二つの重要な目的
パラメータを導入する目的は、大きく分けて二つある。
第一に、微分によって被積分関数を簡単にすることである。
第二に、積分全体が満たす微分方程式や関数関係を発見することである。
ただし、パラメータを導入したからといって、無条件に微分と積分を交換してよいわけではない。
そのため、まず交換操作の成立条件を確認する。

15.2 Feynman's trickと積分記号下の微分

Feynman's trickとは何か
積分をパラメータの関数として扱い、パラメータについて微分することで評価する方法は、一般にFeynman's trick(differentiation under the integral sign/積分記号下の微分)として知られる。
この操作の数学的な基礎となるのが、Leibniz integral rule(積分の微分法則)である。
Feynman's trickは、この微分法則を積分の評価に積極的に利用する方法と理解できる。
固定区間における微分
まず、次の関数を考える。
$$ F(a)=\int_\alpha^\beta f(x,a)\,dx $$
ここで、積分区間は固定されているとする。
適切な条件のもとで、
$$ \boxed{ F'(a)= \int_\alpha^\beta \frac{\partial f}{\partial a}(x,a)\,dx } $$
が成り立つ。
この公式が、Feynman's trickの基本となる。
広義積分の場合
積分区間が無限区間である場合や、被積分関数に特異点がある場合には、さらに注意が必要になる。
例えば、
$$ F(a)=\int_0^\infty f(x,a)\,dx $$
を考える。
パラメータの開区間において、被積分関数がパラメータについて微分可能であるとする。
さらに、その区間内の任意のコンパクトな部分区間に対して、積分可能な関数が存在し、
$$ \boxed{ \left| \frac{\partial f}{\partial a}(x,a) \right| \le g(x) } $$
が成立すると仮定する。
また、少なくとも一つのパラメータについて元の積分が存在するとする。
このとき、適切な可測性の仮定のもとで、優収束定理を利用して微分と積分の交換を正当化できる。
重要なのは、微分後の被積分関数を、パラメータに依存しない可積分関数によって局所的に一様に抑えることである。
積分区間が変化する場合
積分の上下端もパラメータに依存する場合には、
$$ F(a)= \int_{\alpha(a)}^{\beta(a)} f(x,a)\,dx $$
と考える。
適切な条件のもとで、
$$ \boxed{ \begin{aligned} F'(a) ={}& f(\beta(a),a)\beta'(a)\\ &-f(\alpha(a),a)\alpha'(a)\\ &+ \int_{\alpha(a)}^{\beta(a)} \frac{\partial f}{\partial a}(x,a)\,dx \end{aligned} } $$
となる。
したがって、積分区間が変化する場合には、端点からの寄与も含める必要がある。
名称についての注意
Feynman's trickと、後に学ぶFeynman parametrizationは別の方法である。
Feynman's trickは積分記号下の微分を利用する。
一方、Feynman parametrizationは複数の分母を一つに統合する。
どちらもパラメータを利用するが、操作の目的と数学的な構造が異なる。

15.3 Feynman's trickによる振動積分

最初の具体例として、分母に積分変数が現れる振動積分を考える。
問題
次の積分を求める。
$$ I(a,b)= \int_0^\infty e^{-ax}\frac{\sin(bx)}{x}\,dx $$
ここでは、
$$ a>0,\qquad b\in\mathbb{R} $$
とする。
原点付近では、
$$ \frac{\sin(bx)}{x}\longrightarrow b $$
となる。
また、無限遠点では指数関数によって減衰する。
したがって、積分は絶対収束する。
パラメータで微分する
ここでは、
$$ b $$
について微分する。
すると、
$$ \frac{\partial I}{\partial b} = \int_0^\infty e^{-ax}\cos(bx)\,dx $$
となる。
微分後の被積分関数は、
$$ e^{-ax} $$
によって一様に抑えられるため、微分と積分の交換が正当化される。
右辺は第12章で学んだLaplace変換である。
したがって、
$$ \boxed{ \frac{\partial I}{\partial b} = \frac{a}{a^2+b^2} } $$
となる。
これをパラメータについて積分すると、
$$ I(a,b)= \arctan\left(\frac{b}{a}\right)+C(a) $$
となる。
ここで、
$$ I(a,0)=0 $$
であるから、
$$ C(a)=0 $$
となる。
よって、
$$ \boxed{ \int_0^\infty e^{-ax}\frac{\sin(bx)}{x}\,dx = \arctan\left(\frac{b}{a}\right) } $$
を得る。
減衰因子を取り除く
特に、
$$ b>0 $$
とする。
パラメータを、
$$ a\to0^+ $$
とすれば、
$$ \lim_{a\to0^+} \arctan\left(\frac{b}{a}\right) = \frac{\pi}{2} $$
となる。
一方、元の振動積分はDirichletの判定法によって収束する。
さらに、Abel型の極限定理、あるいは振動積分の尾部評価によって、減衰因子を取り除く極限を正当化できる。
その結果、
$$ \boxed{ \int_0^\infty\frac{\sin(bx)}{x}\,dx = \frac{\pi}{2} \qquad(b>0) } $$
を得る。
この例では、減衰因子を導入することで、条件収束する振動積分を絶対収束する積分の族として扱った。
ただし、減衰因子を取り除く極限と広義積分の極限を交換する操作には、別途正当化が必要である。

15.4 Frullani's integral

パラメータ積分の代表的な公式として、Frullani's integral(尺度の異なる関数の差を含む積分公式)がある。
基本となる形
次の積分を考える。
$$ I(a,b)= \int_0^\infty \frac{f(ax)-f(bx)}{x}\,dx $$
ここでは、
$$ a>0,\qquad b>0 $$
とする。
被積分関数には分母の変数が現れている。
しかし、分子が差の形になっているため、原点付近で発散部分が打ち消し合う可能性がある。
Frullani's integralの公式
関数が非負の実数上で連続微分可能であり、
$$ \int_0^\infty |f'(x)|\,dx<\infty $$
を満たすとする。
このとき、関数は無限遠点で有限な極限を持つ。
その極限を、
$$ f(\infty)=\lim_{x\to\infty}f(x) $$
と表す。
すると、
$$ \boxed{ \begin{aligned} &\int_0^\infty \frac{f(ax)-f(bx)}{x}\,dx\\ &\qquad= \bigl(f(0)-f(\infty)\bigr) \ln\left(\frac{b}{a}\right) \end{aligned} } $$
が成り立つ。
ここで述べた条件は、公式の成立を保証する十分条件である。
導出
まず、
$$ f(ax)-f(bx) = -\int_a^b xf'(tx)\,dt $$
である。
したがって、
$$ \frac{f(ax)-f(bx)}{x} = -\int_a^b f'(tx)\,dt $$
となる。
ここで、導関数の絶対可積分性から、
$$ \int_{\min(a,b)}^{\max(a,b)} \int_0^\infty|f'(tx)|\,dx\,dt<\infty $$
が成り立つ。
したがって、Fubiniの定理によって積分順序を交換できる。
すると、
$$ \begin{aligned} I(a,b) &= -\int_a^b \left( \int_0^\infty f'(tx)\,dx \right)dt\\ &= -\int_a^b \frac{f(\infty)-f(0)}{t}\,dt \end{aligned} $$
となる。
よって、
$$ \boxed{ I(a,b) = \bigl(f(0)-f(\infty)\bigr) \ln\left(\frac{b}{a}\right) } $$
を得る。
指数関数の場合
例えば、
$$ f(x)=e^{-x} $$
とする。
このとき、
$$ f(0)=1,\qquad f(\infty)=0 $$
である。
したがって、
$$ \boxed{ \int_0^\infty \frac{e^{-ax}-e^{-bx}}{x}\,dx = \ln\left(\frac{b}{a}\right) } $$
を得る。
ここでは、
$$ a>0,\qquad b>0 $$
とする。
積分の分離に注意する
この公式では、分子の二つの項を別々の積分に分離してはいけない。
実際、
$$ \int_0^\infty\frac{e^{-ax}}{x}\,dx $$
は原点で発散する。
しかし、二つの指数関数の差を取ると、その発散部分が打ち消し合う。
したがって、Frullani's integralでは、差の形を保ったまま扱うことが重要である。

15.5 Beta関数と対数積分

パラメータを含む積分は、Beta関数やGamma関数によって表せる場合がある。
そのような場合、特殊関数の導関数を利用することで、対数を含む積分を評価できる。
基本となる積分
次の関数を考える。
$$ F(a)= \int_0^{\frac{\pi}{2}}\cos^a x\,dx $$
ここでは、
$$ a>-1 $$
とする。
この積分はBeta関数によって、
$$ \boxed{ F(a) = \frac{\sqrt{\pi}\, \Gamma\left(\frac{a+1}{2}\right)} {2\Gamma\left(\frac{a+2}{2}\right)} } $$
と表せる。
パラメータで微分する
パラメータについて微分すると、
$$ F'(a) = \int_0^{\frac{\pi}{2}} \cos^a x\ln(\cos x)\,dx $$
となる。
積分区間の右端では余弦関数が0になる。
しかし、パラメータが、
$$ a>-1 $$
の範囲にある限り、対数を含む導関数も局所的に可積分な関数で抑えられる。
したがって、微分と積分を交換できる。
対数積分の評価
特に、
$$ a=0 $$
とすると、
$$ F'(0) = \int_0^{\frac{\pi}{2}}\ln(\cos x)\,dx $$
となる。
一方、Gamma関数の対数微分を利用すると、
$$ \frac{F'(a)}{F(a)} = \frac12 \psi\left(\frac{a+1}{2}\right) - \frac12 \psi\left(\frac{a+2}{2}\right) $$
である。
ここで、
$$ \psi $$
はdigamma function(Gamma関数の対数微分)である。
特殊値を利用すると、
$$ \boxed{ \frac{F'(0)}{F(0)}=-\ln2 } $$
となる。
また、
$$ F(0)=\frac{\pi}{2} $$
だから、
$$ \boxed{ \int_0^{\frac{\pi}{2}}\ln(\cos x)\,dx = -\frac{\pi}{2}\ln2 } $$
を得る。
対数の二乗
さらに、パラメータについて2回微分すると、
$$ F''(a) = \int_0^{\frac{\pi}{2}} \cos^a x\ln^2(\cos x)\,dx $$
となる。
特に、
$$ F''(0) = \int_0^{\frac{\pi}{2}}\ln^2(\cos x)\,dx $$
である。
ここで、trigamma function(digamma関数の導関数)の特殊値から、
$$ \left. \frac{d^2}{da^2}\ln F(a) \right|_{a=0} = \frac{\pi^2}{12} $$
となる。
したがって、
$$ \begin{aligned} F''(0) &= F(0) \left[ \left(\frac{F'(0)}{F(0)}\right)^2 +\frac{\pi^2}{12} \right] \end{aligned} $$
である。
よって、
$$ \boxed{ \int_0^{\frac{\pi}{2}}\ln^2(\cos x)\,dx = \frac{\pi}{2}\ln^22 +\frac{\pi^3}{24} } $$
を得る。
この例では、一つのパラメータ積分を定義するだけで、対数の一次、二次、さらに高次の積分を体系的に扱える。

15.6 パラメータ積分から微分方程式を作る

パラメータ微分の重要な応用として、積分そのものが満たす微分方程式を導く方法がある。
問題
次の積分を考える。
$$ F(a)= \int_0^\infty \frac{e^{-ax^2}}{1+x^2}\,dx $$
ここでは、
$$ a>0 $$
とする。
この積分を直接計算することは簡単ではない。
しかし、パラメータで微分すると、
$$ F'(a) = -\int_0^\infty \frac{x^2e^{-ax^2}}{1+x^2}\,dx $$
となる。
ここで、
$$ \frac{x^2}{1+x^2} = 1-\frac{1}{1+x^2} $$
を利用する。
すると、
$$ \begin{aligned} F'(a) &= -\int_0^\infty e^{-ax^2}\,dx + \int_0^\infty \frac{e^{-ax^2}}{1+x^2}\,dx \end{aligned} $$
となる。
右辺の第二項は、元の関数そのものである。
また、第一項はGaussian積分である。
したがって、
$$ \boxed{ F'(a) = F(a)-\frac{\sqrt{\pi}}{2\sqrt a} } $$
を得る。
微分方程式を解く
この方程式を整理すると、
$$ F'(a)-F(a) = -\frac{\sqrt{\pi}}{2\sqrt a} $$
である。
両辺に積分因子を掛ける。
$$ \frac{d}{da}\left(e^{-a}F(a)\right) = -\frac{\sqrt{\pi}}{2\sqrt a}e^{-a} $$
となる。
ここで、元の積分から、
$$ F(a)\longrightarrow0 \qquad(a\to\infty) $$
が分かる。
したがって、無限遠点の条件を利用すると、
$$ e^{-a}F(a) = \frac{\sqrt{\pi}}{2} \int_a^\infty\frac{e^{-t}}{\sqrt t}\,dt $$
となる。
ここで、
$$ t=u^2 $$
と置換すると、
$$ \int_a^\infty\frac{e^{-t}}{\sqrt t}\,dt = 2\int_{\sqrt a}^\infty e^{-u^2}\,du $$
である。
したがって、相補誤差関数を用いて、
$$ \boxed{ F(a) = \frac{\pi}{2}e^a\operatorname{erfc}(\sqrt a) } $$
を得る。
すなわち、
$$ \boxed{ \int_0^\infty \frac{e^{-ax^2}}{1+x^2}\,dx = \frac{\pi}{2} e^a\operatorname{erfc}(\sqrt a) } $$
となる。
解法の本質
この解法では、積分を直接特殊関数の定義へ帰着させたのではない。
パラメータで微分することによって、元の積分自身を含む微分方程式を作った。
そして、その微分方程式を解くことで積分を評価した。
この方法は、微分後の被積分関数を整理すると元の積分が再び現れる場合に特に有効である。

15.7 Schwinger parametrization

次に、分母を指数積分へ変換する方法を考える。
この方法をSchwinger parametrization(Gamma関数の積分表示を用いた分母の指数積分化)という。
Gamma関数からの導出
正の実数について、
$$ A>0,\qquad\alpha>0 $$
とする。
Gamma関数の積分表示から、
$$ \Gamma(\alpha) = \int_0^\infty t^{\alpha-1}e^{-t}\,dt $$
である。
ここで、
$$ u=At $$
と置換すると、
$$ \int_0^\infty t^{\alpha-1}e^{-At}\,dt = \frac{\Gamma(\alpha)}{A^\alpha} $$
となる。
したがって、
$$ \boxed{ \frac{1}{A^\alpha} = \frac{1}{\Gamma(\alpha)} \int_0^\infty t^{\alpha-1}e^{-At}\,dt } $$
を得る。
基本的な考え方
この公式では、分母に現れるべき乗を、指数関数を含む積分へ変換している。
したがって、有理関数の積分をGaussian型や指数関数型の積分へ帰着できる場合がある。
特に、分母が二次式である場合に有効である。
具体例
次の積分を考える。
$$ I= \int_{-\infty}^{\infty} \frac{dx}{(x^2+a^2)^\alpha} $$
ここでは、
$$ a>0,\qquad\alpha>\frac12 $$
とする。
Schwinger parametrizationを用いると、
$$ \frac{1}{(x^2+a^2)^\alpha} = \frac{1}{\Gamma(\alpha)} \int_0^\infty t^{\alpha-1}e^{-t(x^2+a^2)}\,dt $$
となる。
これを元の積分に代入すると、
$$ \begin{aligned} I ={}& \frac{1}{\Gamma(\alpha)} \int_{-\infty}^{\infty} \int_0^\infty\\ &\qquad t^{\alpha-1}e^{-ta^2}e^{-tx^2}\,dt\,dx \end{aligned} $$
となる。
被積分関数は非負であるため、Tonelliの定理によって積分順序を交換できる。
したがって、
$$ \begin{aligned} I ={}& \frac{1}{\Gamma(\alpha)} \int_0^\infty t^{\alpha-1}e^{-ta^2}\\ &\qquad\times \left( \int_{-\infty}^{\infty}e^{-tx^2}\,dx \right)dt \end{aligned} $$
となる。
ここで、Gaussian積分から、
$$ \int_{-\infty}^{\infty}e^{-tx^2}\,dx = \sqrt{\frac{\pi}{t}} $$
である。
したがって、
$$ I= \frac{\sqrt{\pi}}{\Gamma(\alpha)} \int_0^\infty t^{\alpha-\frac32}e^{-ta^2}\,dt $$
となる。
右辺はGamma関数によって評価できる。
よって、
$$ \boxed{ \int_{-\infty}^{\infty} \frac{dx}{(x^2+a^2)^\alpha} = \frac{ \sqrt{\pi}\Gamma\left(\alpha-\frac12\right) }{ \Gamma(\alpha)a^{2\alpha-1} } } $$
を得る。
この例では、有理関数型の積分を指数関数型の積分へ変換し、その後Gaussian積分とGamma関数を利用した。

15.8 Feynman parametrization

次に、複数の分母を一つにまとめる方法を考える。
これをFeynman parametrization(複数の分母を統合するパラメータ表示)という。
二つの分母をまとめる
正の実数について、
$$ A>0,\qquad B>0 $$
とする。
また、
$$ \alpha>0,\qquad\beta>0 $$
とする。
このとき、
$$ \boxed{ \begin{aligned} \frac{1}{A^\alpha B^\beta} ={}& \frac{\Gamma(\alpha+\beta)} {\Gamma(\alpha)\Gamma(\beta)}\\ &\times \int_0^1 \frac{ t^{\alpha-1}(1-t)^{\beta-1} }{ (tA+(1-t)B)^{\alpha+\beta} }\,dt \end{aligned} } $$
が成り立つ。
導出
まず、Schwinger parametrizationを二つの分母に適用する。
すると、
$$ \begin{aligned} \frac{1}{A^\alpha B^\beta} ={}& \frac{1}{\Gamma(\alpha)\Gamma(\beta)}\\ &\times \int_0^\infty\int_0^\infty u^{\alpha-1}v^{\beta-1} e^{-Au-Bv}\,du\,dv \end{aligned} $$
となる。
ここで、次の変数変換を行う。
$$ u=st $$
$$ v=s(1-t) $$
このとき、
$$ s>0,\qquad0< t<1 $$
である。
Jacobian determinant(変数変換のJacobian行列の行列式)の絶対値は、
$$ \boxed{ \left| \frac{\partial(u,v)}{\partial(s,t)} \right|=s } $$
となる。
したがって、
$$ \begin{aligned} \frac{1}{A^\alpha B^\beta} ={}& \frac{1}{\Gamma(\alpha)\Gamma(\beta)}\\ &\times \int_0^1 t^{\alpha-1}(1-t)^{\beta-1}\\ &\times \left( \int_0^\infty s^{\alpha+\beta-1} e^{-s(tA+(1-t)B)}\,ds \right)dt \end{aligned} $$
となる。
内側の積分をGamma関数で評価すると、
$$ \begin{aligned} &\int_0^\infty s^{\alpha+\beta-1} e^{-s(tA+(1-t)B)}\,ds\\ &\qquad= \frac{\Gamma(\alpha+\beta)} {(tA+(1-t)B)^{\alpha+\beta}} \end{aligned} $$
である。
したがって、目的の公式を得る。
最も基本的な場合
特に、
$$ \alpha=\beta=1 $$
とすると、
$$ \boxed{ \frac{1}{AB} = \int_0^1 \frac{dt}{(tA+(1-t)B)^2} } $$
となる。
この公式では、二つの分母が一つの分母へまとまっている。
ただし、積分の変数が一つ増える。
したがって、パラメータを導入した後に元の積分が簡単になる場合に利用することが重要である。

15.9 Feynman parametrizationによる積分評価

次の積分を考える。
$$ I= \int_0^\infty \frac{dx} {(x^2+a^2)(x^2+b^2)} $$
ここでは、
$$ a>0,\qquad b>0 $$
とする。
この積分は部分分数分解でも評価できる。
しかし、ここではFeynman parametrizationの使い方を確認する。
分母を一つにまとめる
公式から、
$$ \begin{aligned} &\frac{1} {(x^2+a^2)(x^2+b^2)}\\ &\quad= \int_0^1 \frac{dt} {(x^2+ta^2+(1-t)b^2)^2} \end{aligned} $$
となる。
したがって、
$$ \begin{aligned} I &= \int_0^\infty \int_0^1 \frac{dt\,dx} {(x^2+ta^2+(1-t)b^2)^2} \end{aligned} $$
となる。
被積分関数は非負であるため、積分順序を交換できる。
よって、
$$ \begin{aligned} I &= \int_0^1 \left( \int_0^\infty \frac{dx} {(x^2+ta^2+(1-t)b^2)^2} \right)dt \end{aligned} $$
である。
内側の積分を評価する
正の実数について、
$$ c>0 $$
ならば、
$$ \boxed{ \int_0^\infty\frac{dx}{(x^2+c^2)^2} = \frac{\pi}{4c^3} } $$
が成り立つ。
したがって、
$$ I= \frac{\pi}{4} \int_0^1 \frac{dt} {(ta^2+(1-t)b^2)^{\frac32}} $$
となる。
残った積分を計算すると、
$$ \int_0^1 \frac{dt} {(ta^2+(1-t)b^2)^{\frac32}} = \frac{2}{ab(a+b)} $$
である。
したがって、
$$ \boxed{ \int_0^\infty \frac{dx} {(x^2+a^2)(x^2+b^2)} = \frac{\pi}{2ab(a+b)} } $$
を得る。
この結果は、
$$ a=b $$
の場合にも成立する。
分母が三つ以上ある場合
Feynman parametrizationは、三つ以上の分母にも一般化できる。
例えば、
$$ A>0,\qquad B>0,\qquad C>0 $$
について、
$$ \boxed{ \begin{aligned} \frac{1}{ABC} ={}& 2\int_0^1\int_0^{1-t}\\ &\frac{du\,dt} {(tA+uB+(1-t-u)C)^3} \end{aligned} } $$
が成り立つ。
この公式では、三つの分母が一つにまとまる。
一方、二つのパラメータ積分が追加される。
したがって、分母が複雑な積分では有効になる可能性があるが、単純な有理関数では部分分数分解の方が短くなる場合もある。
計算量が減るかを判断して使うことが重要である。

15.10 対数積分とpolylogarithm

Feynman's trickは、対数関数やpolylogarithm(多重対数関数)を含む積分にも有効である。
対数を含む積分
次の積分を考える。
$$ F(a)= \int_0^1\frac{\ln(1+ax)}{x}\,dx $$
ここでは、
$$ a>-1 $$
とする。
原点付近では、
$$ \frac{\ln(1+ax)}{x}\longrightarrow a $$
だから、積分は収束する。
ここで、パラメータについて微分すると、
$$ F'(a)= \int_0^1\frac{dx}{1+ax} $$
となる。
したがって、
$$ \boxed{ F'(a)=\frac{\ln(1+a)}{a} } $$
である。
原点における値は極限によって定める。
Dilogarithmとの関係
第7章では、dilogarithm(2次のpolylogarithm)を、
$$ \operatorname{Li}_2(z) $$
と表した。
この関数の微分公式は、
$$ \boxed{ \frac{d}{dz}\operatorname{Li}_2(z) = -\frac{\ln(1-z)}{z} } $$
である。
したがって、
$$ \frac{d}{da} \left( -\operatorname{Li}_2(-a) \right) = \frac{\ln(1+a)}{a} $$
となる。
また、
$$ F(0)=0 $$
であるから、
$$ \boxed{ \int_0^1 \frac{\ln(1+ax)}{x}\,dx = -\operatorname{Li}_2(-a) } $$
を得る。
ここでは実数について、
$$ a>-1 $$
を考えている。
Dilogarithmの反射関係
次に、
$$ 0< x<1 $$
とする。
次の関数を考える。
$$ \begin{aligned} G(x) ={}& \operatorname{Li}_2(x) +\operatorname{Li}_2(1-x)\\ &+\ln x\ln(1-x) \end{aligned} $$
微分公式を利用すると、
$$ G'(x)=0 $$
となる。
したがって、この関数は定数である。
さらに、
$$ x\to0^+ $$
を考えると、
$$ \operatorname{Li}_2(0)=0 $$
$$ \operatorname{Li}_2(1)=\zeta(2)=\frac{\pi^2}{6} $$
であり、対数の積は0へ近づく。
よって、
$$ \boxed{ \operatorname{Li}_2(x) +\operatorname{Li}_2(1-x) = \frac{\pi^2}{6} -\ln x\ln(1-x) } $$
を得る。
積分への応用
この恒等式と部分積分によって、
$$ \boxed{ \int_0^1 \operatorname{Li}_2(x)\,dx = \frac{\pi^2}{6}-1 } $$
が得られる。
実際、
$$ \begin{aligned} \int_0^1\operatorname{Li}_2(x)\,dx &= \left[x\operatorname{Li}_2(x)\right]_0^1\\ &+ \int_0^1\ln(1-x)\,dx \end{aligned} $$
となる。
最後の積分は、
$$ \int_0^1\ln(1-x)\,dx=-1 $$
だから、上の結果が得られる。
このように、パラメータ積分によって特殊関数へ帰着させた後、その微分公式や関数方程式を利用してさらに積分を評価できる。

15.11 級数とパラメータ積分の組合せ

パラメータ積分は、無限級数と組み合わせることもできる。
ただし、級数と積分を交換する際には、収束条件を確認する必要がある。
対数の積を含む積分
次の積分を考える。
$$ I= \int_0^1 \frac{\ln x\ln(1-x)}{x}\,dx $$
この積分は、両端で収束する。
ここで、
$$ -\ln(1-x) = \sum_{n=1}^{\infty}\frac{x^n}{n} $$
という級数を利用する。
すると、
$$ \begin{aligned} I &= -\sum_{n=1}^{\infty} \frac{1}{n} \int_0^1x^{n-1}\ln x\,dx \end{aligned} $$
となる。
この交換は、符号を整理した各項が非負であることから、Tonelliの定理によって正当化できる。
ここで、
$$ \boxed{ \int_0^1x^{n-1}\ln x\,dx = -\frac{1}{n^2} } $$
である。
したがって、
$$ I= \sum_{n=1}^{\infty}\frac{1}{n^3} $$
となる。
よって、
$$ \boxed{ \int_0^1 \frac{\ln x\ln(1-x)}{x}\,dx = \zeta(3) } $$
を得る。
高次の対数積分
同様に、
$$ \frac{1}{1-x} = \sum_{n=0}^{\infty}x^n $$
を利用すると、
$$ \begin{aligned} \int_0^1 \frac{\ln^2x}{1-x}\,dx &= \sum_{n=0}^{\infty} \int_0^1x^n\ln^2x\,dx \end{aligned} $$
となる。
ここで、
$$ \int_0^1x^n\ln^2x\,dx = \frac{2}{(n+1)^3} $$
である。
したがって、
$$ \boxed{ \int_0^1 \frac{\ln^2x}{1-x}\,dx = 2\zeta(3) } $$
を得る。
このように、対数を含む積分では、級数展開とパラメータ微分を相互に利用できる。
ただし、原点や端点での収束を無視して、形式的に級数を積分してはいけない。

15.12 積分方程式の基本構造

ここまでは、積分そのものをパラメータの関数として扱ってきた。
次に、未知の関数が積分の内部に現れる問題を考える。
Integral equation
例えば、
$$ \boxed{ u(x)=g(x)+\lambda\int_a^bK(x,t)u(t)\,dt } $$
という方程式を考える。
ここで、
$$ u(x) $$
は未知の関数である。
また、
$$ g(x) $$
および、
$$ K(x,t) $$
は与えられた関数とする。
さらに、
$$ \lambda $$
はパラメータである。
このように、未知の関数が積分の内部に現れる方程式をintegral equation(積分方程式)という。
Kernel
積分方程式に現れる、
$$ K(x,t) $$
をkernel(核関数)という。
Kernelの性質によって、積分方程式の解法は大きく変化する。
例えば、kernelが二つの関数の積に分離できる場合には、有限個の代数方程式へ帰着できることがある。
また、kernelが変数の差だけに依存する場合には、Laplace変換やFourier変換が有効になる。
第一種と第二種
次の形を第一種積分方程式という。
$$ \boxed{ g(x)=\int_a^bK(x,t)u(t)\,dt } $$
一方、未知の関数が積分の外側にも現れる形を第二種積分方程式という。
$$ \boxed{ u(x)=g(x)+\lambda\int_a^bK(x,t)u(t)\,dt } $$
この区別は重要である。
第一種積分方程式では、未知の関数を積分によって変換した結果が与えられている。
一方、第二種積分方程式では、未知の関数とその積分変換の間に関係式が成立している。

15.13 Volterra integral equation

まず、積分の上端が変数に依存する場合を考える。
Volterra型
次の方程式を考える。
$$ \boxed{ u(x)=g(x)+\lambda\int_0^xK(x,t)u(t)\,dt } $$
これを第二種Volterra integral equation(積分上端が変数に依存する第二種積分方程式)という。
積分の上端が、
$$ x $$
になっていることが特徴である。
このため、微分や反復代入によって解ける場合がある。
最も基本的な例
次の方程式を考える。
$$ u(x)=1+\lambda\int_0^xu(t)\,dt $$
ここでは、
$$ x\ge0 $$
とする。
両辺を微分すると、
$$ u'(x)=\lambda u(x) $$
となる。
また、原点を代入すると、
$$ u(0)=1 $$
である。
したがって、微分方程式の解は、
$$ \boxed{ u(x)=e^{\lambda x} } $$
となる。
実際、元の積分方程式へ代入すると、
$$ e^{\lambda x} = 1+\lambda\int_0^xe^{\lambda t}\,dt $$
となり、恒等式が成立する。
したがって、この関数は積分方程式の解である。
Laplace変換との関係
次に、
$$ u(x)=e^{-x} +\lambda \int_0^xe^{-(x-t)}u(t)\,dt $$
を考える。
ここでは、
$$ x\ge0 $$
とする。
積分はLaplace畳み込みの形を持っている。
したがって、第12章で学んだLaplace変換を利用できる。
ここで、
$$ U(s)=\mathcal{L}\{u\}(s) $$
とおくと、
$$ U(s) = \frac{1}{s+1} + \frac{\lambda}{s+1}U(s) $$
となる。
したがって、
$$ \boxed{ U(s)=\frac{1}{s+1-\lambda} } $$
を得る。
Laplace反転によって、
$$ \boxed{ u(x)=e^{(\lambda-1)x} } $$
となる。
このように、畳み込み型の積分方程式は、Laplace変換によって代数方程式へ帰着できる。

15.14 Volterra方程式とNeumann series

Volterra integral equationは、微分やLaplace変換だけでなく、反復代入によっても解ける。
反復近似
次の方程式を考える。
$$ u(x)=g(x)+\lambda\int_0^xK(x,t)u(t)\,dt $$
ここで、有限区間上で、
$$ g $$
および、
$$ K $$
が連続であるとする。
まず、
$$ u_0(x)=g(x) $$
とおく。
次に、
$$ \boxed{ u_{n+1}(x) = g(x)+\lambda \int_0^xK(x,t)u_n(t)\,dt } $$
によって関数列を定義する。
この操作を逐次近似という。
積分作用素
次の作用素を導入する。
$$ \boxed{ (Tu)(x)=\int_0^xK(x,t)u(t)\,dt } $$
すると、積分方程式は、
$$ u=g+\lambda Tu $$
と書ける。
形式的に代入を繰り返すと、
$$ u=g+\lambda Tg+\lambda^2T^2g+\cdots $$
となる。
したがって、
$$ \boxed{ u=\sum_{n=0}^{\infty}\lambda^nT^ng } $$
という級数が候補になる。
これをNeumann series(積分作用素の反復による級数解)という。
収束の確認
有限区間を考え、kernelについて、
$$ |K(x,t)|\le M $$
とする。
また、
$$ |g(x)|\le G $$
とする。
反復積分の構造から、
$$ \boxed{ |T^ng(x)| \le G\frac{M^nx^n}{n!} } $$
が成り立つ。
したがって、
$$ \sum_{n=0}^{\infty} |\lambda|^n|T^ng(x)| \le G\sum_{n=0}^{\infty} \frac{(|\lambda|Mx)^n}{n!} $$
となる。
右辺は指数関数である。
したがって、有限区間上では、Neumann seriesは任意の固定されたパラメータについて一様収束する。
その結果、連続なkernelを持つ第二種Volterra integral equationには、有限区間上で連続解が存在する。
一意性
さらに、二つの連続解が存在すると仮定する。
その差を、
$$ v $$
とおくと、
$$ v=\lambda Tv $$
となる。
したがって、任意の正整数について、
$$ v=\lambda^nT^nv $$
である。
先ほどと同様の評価を利用すると、
$$ \|v\|_\infty \le \|v\|_\infty \frac{(|\lambda|ML)^n}{n!} $$
となる。
ここで、
$$ L $$
は積分区間の長さである。
右辺の係数は、次数を無限大へ近づけると0になる。
したがって、
$$ \boxed{ v=0 } $$
となる。
よって、解は一意である。
このように、Volterra型では反復積分から階乗が現れ、それが級数の収束と解の一意性を保証する。

15.15 Fredholm integral equation

次に、積分区間が固定されている場合を考える。
Fredholm型
次の方程式を考える。
$$ \boxed{ u(x)=g(x)+\lambda\int_a^bK(x,t)u(t)\,dt } $$
これを第二種Fredholm integral equation(積分区間が固定された第二種積分方程式)という。
Volterra型との違いは、積分区間が変数に依存しないことである。
この違いによって、解の存在や一意性に関する性質も変化する。
分離形のkernel
特に、
$$ K(x,t)=p(x)q(t) $$
という形を考える。
このとき、
$$ u(x)=g(x)+\lambda p(x) \int_a^bq(t)u(t)\,dt $$
となる。
ここで、
$$ C=\int_a^bq(t)u(t)\,dt $$
とおく。
すると、
$$ \boxed{ u(x)=g(x)+\lambda Cp(x) } $$
となる。
これを定数の方程式へ帰着させられる。
具体例
次の積分方程式を考える。
$$ u(x)=x+\lambda\int_0^1xtu(t)\,dt $$
ここでは、
$$ 0\le x\le1 $$
とする。
積分の内部で、変数に依存しない部分をまとめる。
$$ C=\int_0^1tu(t)\,dt $$
とおく。
すると、
$$ u(x)=x+\lambda xC $$
である。
両辺に変数を掛けて積分すると、
$$ C= \int_0^1t^2\,dt + \lambda C\int_0^1t^2\,dt $$
となる。
したがって、
$$ C=\frac13+\frac{\lambda C}{3} $$
である。
よって、
$$ (3-\lambda)C=1 $$
となる。
したがって、
$$ \lambda\ne3 $$
ならば、
$$ C=\frac{1}{3-\lambda} $$
である。
これを元の式へ戻すと、
$$ \boxed{ u(x)=\frac{3x}{3-\lambda} } $$
を得る。
特別なパラメータ
一方、
$$ \lambda=3 $$
の場合には、
$$ (3-\lambda)C=1 $$
という関係が矛盾する。
したがって、この場合には解が存在しない。
また、既知関数を0に変更した同次方程式では、
$$ \lambda=3 $$
において零でない解が存在する。
例えば、
$$ u(x)=Cx $$
は任意の定数について同次方程式を満たす。
このように、Fredholm型では特定のパラメータで解の存在や一意性が変化する場合がある。
これはFredholm alternative(Fredholm型積分方程式の可解性に関する交代定理)と関係する基本的な現象である。

15.16 Abel integral equation

積分方程式の中でも、平方根を含むkernelを持つものは重要である。
その代表例がAbel integral equation(平方根型の特異核を持つ第一種積分方程式)である。
基本形
次の方程式を考える。
$$ \boxed{ g(x)= \int_0^x \frac{f(t)}{\sqrt{x-t}}\,dt } $$
ここでは、
$$ x>0 $$
とする。
また、
$$ f $$
は未知の関数とする。
この方程式では、積分の上端でkernelが発散する。
しかし、その特異性は可積分である。
したがって、適切な関数について積分が定義できる。
逆公式
例えば、未知の関数が有限区間上で連続であり、右辺によって与えられた関数を考える。
このとき、
$$ \boxed{ f(x)= \frac{1}{\pi} \frac{d}{dx} \int_0^x \frac{g(t)}{\sqrt{x-t}}\,dt } $$
という逆公式が成り立つ。
これをAbel inversion formula(Abel積分方程式の反転公式)という。
Beta関数による導出
まず、
$$ H(x)= \int_0^x \frac{g(s)}{\sqrt{x-s}}\,ds $$
とおく。
ここに、
$$ g(s)= \int_0^s \frac{f(t)}{\sqrt{s-t}}\,dt $$
を代入する。
すると、
$$ H(x)= \int_0^x \frac{1}{\sqrt{x-s}} \left( \int_0^s \frac{f(t)}{\sqrt{s-t}}\,dt \right)ds $$
となる。
ここで、未知の関数が連続ならば、積分の絶対収束を確認できる。
したがって、Fubiniの定理によって積分順序を交換できる。
よって、
$$ H(x)= \int_0^x f(t) \left( \int_t^x \frac{ds} {\sqrt{x-s}\sqrt{s-t}} \right)dt $$
となる。
内側の積分で、
$$ s=t+(x-t)u $$
と置換する。
すると、
$$ \begin{aligned} &\int_t^x \frac{ds} {\sqrt{x-s}\sqrt{s-t}}\\ &\qquad= \int_0^1 \frac{du}{\sqrt{u(1-u)}} \end{aligned} $$
となる。
右辺はBeta関数である。
$$ \mathrm{B}\left(\frac12,\frac12\right)=\pi $$
だから、
$$ \boxed{ H(x)=\pi\int_0^xf(t)\,dt } $$
となる。
両辺を微分すると、
$$ H'(x)=\pi f(x) $$
である。
したがって、
$$ \boxed{ f(x)= \frac{1}{\pi} \frac{d}{dx} \int_0^x \frac{g(t)}{\sqrt{x-t}}\,dt } $$
を得る。
具体例
次の方程式を考える。
$$ x= \int_0^x \frac{f(t)}{\sqrt{x-t}}\,dt $$
ここでは、
$$ x\ge0 $$
とする。
逆公式から、
$$ f(x)= \frac{1}{\pi} \frac{d}{dx} \int_0^x \frac{t}{\sqrt{x-t}}\,dt $$
となる。
ここで、
$$ t=xu $$
と置換すると、
$$ \int_0^x \frac{t}{\sqrt{x-t}}\,dt = x^{\frac32} \int_0^1\frac{u}{\sqrt{1-u}}\,du $$
である。
右辺の積分はBeta関数によって、
$$ \int_0^1\frac{u}{\sqrt{1-u}}\,du = \frac43 $$
となる。
したがって、
$$ f(x)= \frac{1}{\pi} \frac{d}{dx} \left(\frac43x^{\frac32}\right) $$
である。
よって、
$$ \boxed{ f(x)=\frac{2\sqrt x}{\pi} } $$
を得る。
この結果を元の積分方程式へ代入すると、Beta関数の積分表示によって正しく成立することを確認できる。
積分変換との関係
Abel integral equationは、Laplace畳み込みの一種としても理解できる。
Kernelは、
$$ t^{-\frac12} $$
というべき関数である。
このkernelのLaplace変換は、
$$ \boxed{ \mathcal{L}\left\{t^{-\frac12}\right\}(s) = \sqrt{\pi}\,s^{-\frac12} } $$
となる。
したがって、Abel integral equationの反転は、Laplace変換による掛け算の逆操作として理解することもできる。
これは、分数階の積分・微分の理論へつながる。

15.17 Mellin–Barnes representation

ここまで、パラメータ積分と積分方程式を学んだ。
最後に、積分変換と複素積分を結びつける方法を考える。
その代表例がMellin–Barnes representation(Mellin反転積分とGamma関数を用いる複素積分表示)である。
Mellin変換から出発する
次の関数を考える。
$$ f(x)=\frac{1}{(1+x)^\nu} $$
ここでは、
$$ x>0,\qquad\nu>0 $$
とする。
Mellin変換は、
$$ \mathcal{M}\{f\}(s) = \int_0^\infty \frac{x^{s-1}}{(1+x)^\nu}\,dx $$
である。
これはBeta関数によって、
$$ \boxed{ \mathcal{M}\{f\}(s) = \frac{\Gamma(s)\Gamma(\nu-s)}{\Gamma(\nu)} } $$
と表せる。
収束条件は、
$$ \boxed{ 0<\operatorname{Re}s<\nu } $$
である。
Mellin反転公式
第12章で学んだMellin反転公式を利用すると、
$$ \boxed{ \begin{aligned} \frac{1}{(1+x)^\nu} ={}& \frac{1}{2\pi\mathrm{i}\Gamma(\nu)}\\ &\times \int_{c-\mathrm{i}\infty}^{c+\mathrm{i}\infty} \Gamma(s)\Gamma(\nu-s)x^{-s}\,ds \end{aligned} } $$
を得る。
ここでは、
$$ 0< c<\nu $$
とする。
この積分は、複素平面上の垂直な直線に沿う積分である。
積分路と極
Gamma関数は、非正整数に極を持つ。
したがって、
$$ \Gamma(s) $$
の極は、
$$ s=0,-1,-2,\ldots $$
に現れる。
一方、
$$ \Gamma(\nu-s) $$
の極は、
$$ s=\nu,\nu+1,\nu+2,\ldots $$
に現れる。
積分路は、これら二つの極の列を分離する位置に取られている。
この構造がMellin–Barnes representationの特徴である。
積分路上の収束
垂直な直線に沿って、
$$ s=c+\mathrm{i}t $$
とおく。
Stirling型の評価を利用すると、Gamma関数の積は、
$$ \boxed{ |\Gamma(s)\Gamma(\nu-s)| = O\left( |t|^{\nu-1}e^{-\pi|t|} \right) } $$
となる。
ここでは、
$$ |t|\to\infty $$
を考える。
また、
$$ x>0 $$
ならば、
$$ |x^{-s}|=x^{-c} $$
である。
したがって、表示した垂直積分は絶対収束する。
留数による級数展開
例えば、
$$ 0< x<1 $$
の場合には、適切な積分路の変形によって、左側の極から留数を取り出せる。
Gamma関数の極における留数から、
$$ \operatorname{Res}_{s=-n}\Gamma(s) = \frac{(-1)^n}{n!} $$
である。
したがって、留数の和として、
$$ \boxed{ \frac{1}{(1+x)^\nu} = \sum_{n=0}^{\infty} \frac{(-1)^n(\nu)_n}{n!}x^n } $$
という一般化二項級数が得られる。
ただし、積分路を移動する際には、横方向の積分や無限遠点での寄与が消えることを確認する必要がある。
この方法の意味
Mellin–Barnes representationでは、元の関数を複素平面上の積分へ変換する。
そして、積分路を適切に変形することで、留数から級数展開や漸近展開を得られる。
つまり、第12章のMellin変換、第13章の留数定理、第14章の漸近解析が一つの枠組みで結びつく。
この方法は、一般化超幾何関数やMeijer G-functionなど、さらに広い特殊関数の理論へ発展する。

15.18 技法を組み合わせる際の判断基準

ここまで、多くの方法を学んだ。
しかし、実際の積分問題では、それらを無条件に組み合わせればよいわけではない。
重要なのは、元の積分の構造に応じて、適切な操作を選択することである。
Feynman's trickが有効な場合
積分に対数や三角関数が現れ、その微分によって分母の変数が消える場合には、Feynman's trickが候補になる。
また、微分後の積分を整理すると元の積分が再び現れる場合には、微分方程式へ帰着できる可能性がある。
Frullani's integralが有効な場合
分母に変数があり、分子が異なる尺度の関数の差になっている場合には、Frullani's integralを考える。
特に、指数関数の差が現れる場合には有効である。
ただし、差を分離すると発散する場合があるため、積分全体として扱うことが必要である。
Schwinger parametrizationが有効な場合
分母に正の二次式やそのべき乗が現れ、指数関数へ変換するとGaussian積分が利用できる場合には、Schwinger parametrizationが有効になる。
Feynman parametrizationが有効な場合
分母に複数の因子が現れ、それらを一つにまとめると積分が簡単になる場合には、Feynman parametrizationを考える。
ただし、パラメータ積分が追加されるため、必ずしも計算量が減るとは限らない。
積分方程式が有効な場合
未知の関数が積分の内部に現れる場合には、積分方程式として扱う。
積分の上端が変数に依存するVolterra型ならば、微分や反復代入が有効になることがある。
積分区間が固定されたFredholm型ならば、kernelの構造や特定のパラメータでの解の存在に注意する。
平方根型のkernelが現れる場合には、Abel型を疑う。
Mellin–Barnes representationが有効な場合
Gamma関数の積として表せるMellin変換が現れる場合には、Mellin–Barnes representationを考える。
この方法は、複素積分路の変形や留数計算と結びつき、級数や漸近展開を導くために有効である。

15.19 厳密性に関する注意

本章で学んだ方法を利用する際には、次の点を必ず確認する。
微分と積分の交換
被積分関数がパラメータについて微分できるだけでは十分ではない。
微分後の積分が存在し、交換操作が正当化される条件を確認する必要がある。
特に、広義積分では無限遠点や特異点付近の振る舞いが重要になる。
積分順序の交換
Schwinger parametrization、Feynman parametrization、積分方程式の反転では、二重積分が現れる。
非負の被積分関数ではTonelliの定理を利用できる。
一方、符号が変化する場合や複素数値の場合には、Fubiniの定理を適用するための絶対可積分性などを確認する必要がある。
分枝と定義域
特殊関数を含むパラメータ積分では、複素対数や複素べき乗の分枝に注意する。
例えば、dilogarithmを含む表示は、実数上の成立範囲から複素平面へ無条件に拡張してはいけない。
積分方程式の解の検証
積分方程式を微分して微分方程式へ帰着させた場合には、得られた関数が元の積分方程式も満たすことを確認する。
微分によって積分定数や初期条件が失われることがあるためである。
パラメータ積分の計算量
新しいパラメータを導入することが、常に最良の方法とは限らない。
積分の構造が既知の特殊関数の定義に一致している場合には、直接帰着させた方が簡単になることもある。
したがって、パラメータを導入する前に、導入後に何が簡単になるのかを明確にすることが重要である。

15.20 本章のまとめ

本章では、パラメータ積分と積分方程式を中心に、これまでの積分技法を統合する方法を学んだ。
特に重要な点を整理しておこう。

  1. Feynman's trickは、積分をパラメータの関数として扱い、微分によって簡単な積分や微分方程式へ帰着させる方法である。
  2. 積分記号下の微分には、優収束定理などによる正当化が必要である。広義積分では、パラメータに関して局所的に一様な評価が重要になる。
  3. Frullani's integralは、異なる尺度の関数の差を積分する公式である。個別には発散する積分が、差を取ることで収束する場合がある。
  4. Beta関数を含むパラメータ積分を微分すると、対数関数の高いべき乗を含む積分を体系的に評価できる。
  5. パラメータ積分から微分方程式を作る方法は、微分後に元の積分が再び現れる場合に有効である。
  6. Schwinger parametrizationは、分母のべき乗を指数関数を含む積分へ変換する。
  7. Feynman parametrizationは、複数の分母を一つにまとめる。Feynman's trickとは異なる操作である。
  8. Polylogarithmへの帰着は、対数を含む積分で重要になる。特殊関数の微分公式や関数方程式を併用できる。
  9. Volterra integral equationは、積分の上端が変数に依存する積分方程式である。微分、Laplace変換、反復代入が有効になる場合がある。
  10. Neumann seriesは、第二種積分方程式を反復的に解く方法である。連続kernelを持つVolterra型では、有限区間上で階乗的な評価によって収束を示せる。
  11. Fredholm integral equationは、積分区間が固定された積分方程式である。特定のパラメータで解の存在や一意性が変化する場合がある。
  12. Abel integral equationは、平方根型のkernelを持つ積分方程式である。Beta関数を利用して反転公式を導ける。
  13. Mellin–Barnes representationは、Mellin変換、複素積分、留数定理を結びつけ、級数展開や漸近展開を導くために有効である。
    本章の中心となる思想は、積分をそのまま計算しようとせず、適切な関数関係へ変換することである。
    Feynman's trickでは、積分を微分方程式へ変換できる場合がある。
    Schwinger parametrizationでは、分母を指数関数へ変換する。
    Feynman parametrizationでは、複数の分母を一つに統合する。
    積分方程式では、未知の関数と積分演算の関係を利用する。
    Mellin–Barnes representationでは、積分変換と複素解析を結びつける。
    これらは異なる技法であるが、共通しているのは、元の積分より扱いやすい構造を見つけるという考え方である。
    ここまでの章で、ADVANCEDの積分に必要となる主要な特殊関数と、代表的な解析手法を学んできた。
    次章では、それらを実際の問題にどのように組み合わせるかを、より実戦的な視点から体系化する。
    特に、初見の積分について、収束判定、関数の構造の認識、特殊関数への帰着、積分変換、複素積分、漸近解析の中から適切な方法を選択する考え方を扱う。

参考文献・資料

  1. NIST DLMF — §1.5 Calculus of Two or More Variables
  2. NIST DLMF — §5.4 Special Values and Extrema
  3. NIST DLMF — §5.12 Beta Function
  4. NIST DLMF — §1.14 Integral Transforms
  5. NIST DLMF — §2.5 Mellin Transform Methods
  6. NIST DLMF — §25.12 Polylogarithms
  7. University of North Carolina Wilmington — Differentiation Under the Integral Sign and Feynman's Trick
  8. Kim, Cho & Lee — The Art of Schwinger and Feynman Parametrizations
  9. Cambridge University Press — On Frullani Integrals
  10. Encyclopedia of Mathematics — Abel Integral Equation
  11. NIST DLMF — §16.17 Definition of the Meijer G-Function
  12. Mellin–Barnes Integrals and the Method of Brackets
投稿日:19日前
数学の力で現場を変える アルゴリズムエンジニア募集 - Mathlog served by OptHub

この記事を高評価した人

高評価したユーザはいません

この記事に送られたバッジ

バッジはありません。

投稿者

H・I
H・I
24
4750

コメント

他の人のコメント

コメントはありません。
読み込み中...
読み込み中