0

advanced入門(Ⅺ)

0
0
$$$$

ADVANCED入門

第11章 Lambert W関数・Bernoulli数と数学定数

これまで、特殊関数を導入する主な理由として、初等関数では表せない積分や、特定の微分方程式の解を考えてきた。
しかし、特殊関数が必要になる理由はそれだけではない。
例えば、次の方程式を考えよう。
$$ xe^x=1 $$
指数関数の内部と外部に同じ変数が現れている。
この方程式の解は、通常の対数関数だけでは表せない。
そこで、指数関数と変数の積を逆に解くための関数を導入する。
それがLambert W関数である。
一方、次のような級数を考えてみよう。
$$ \frac{x}{e^x-1} $$
この関数を原点付近で展開すると、特徴的な有理数の列が現れる。
その係数がBernoulli数である。
Bernoulli数は、整数のべき乗和、Zeta関数の特殊値、Euler–Maclaurinの総和公式、Gamma関数の漸近展開などに現れる。
また、こうした級数や極限を研究すると、円周率や自然対数の底だけでなく、Euler–Mascheroni定数やStieltjes定数など、多くの数学定数が自然に現れる。
本章では、Lambert W関数の定義と分枝、微分・積分公式、級数表示から出発する。
続いて、Bernoulli数・Bernoulli多項式・Euler数を導入し、Euler–Maclaurin公式とその応用を学ぶ。
最後に、積分や級数の評価に現れる数学定数を体系的に整理する。

11.1 Lambert W関数が必要になる理由

指数関数を含む方程式
まず、次の方程式を考える。
$$ we^w=z $$
ここで、右辺は与えられた値であり、左辺の変数を求めたい。
指数関数だけなら、対数を取れば逆に解ける。
しかし、この方程式では、変数が指数関数の内部と外部の両方に存在する。
そのため、通常の対数関数だけでは変数を分離できない。
そこで、この方程式の解を新しい関数として定義する。
Lambert W関数の定義
複素数について、
$$ \boxed{ W(z)e^{W(z)}=z } $$
を満たす関数をLambert W関数という。
より正確には、この方程式は複素数の範囲で複数の解を持つ場合があるため、Lambert W関数は複数の分枝を持つ。
これらを、
$$ W_k(z) \qquad(k\in\mathbb{Z}) $$
と表す。
各分枝について、
$$ \boxed{ W_k(z)e^{W_k(z)}=z } $$
が成り立つ。
ここで重要なのは、Lambert W関数が単に指数関数を逆にしたものではないことである。
指数関数と変数の積を一つの関数として見たとき、その逆関数として現れる。
基本的な特殊値
例えば、
$$ W_0(0)=0 $$
である。
また、
$$ 1\cdot e^1=e $$
なので、
$$ \boxed{ W_0(e)=1 } $$
となる。
さらに、
$$ (-1)e^{-1}=-\frac{1}{e} $$
だから、
$$ \boxed{ W_0\left(-\frac{1}{e}\right)=-1 } $$
である。
これらはLambert W関数の基本的な特殊値である。

11.2 実数上の分枝

Lambert W関数を利用する際に、最も注意すべき点の一つが分枝である。
実数上の関数を考える
まず、
$$ f(w)=we^w $$
とおく。
これを微分すると、
$$ f'(w)=e^w(1+w) $$
である。
指数関数は常に正なので、導関数の符号は、
$$ 1+w $$
によって決まる。
したがって、
$$ w<-1 $$
では単調減少し、
$$ w>-1 $$
では単調増加する。
また、
$$ f(-1)=-\frac{1}{e} $$
となる。
よって、この関数は最小値を持つ。
$$ \boxed{ \min_{w\in\mathbb{R}}we^w=-\frac{1}{e} } $$
このため、右辺の値によって実数解の個数が変化する。
主分枝
まず、
$$ w\ge-1 $$
の範囲に制限すると、関数は単調増加する。
したがって、逆関数を一意に定義できる。
この逆関数を、
$$ \boxed{ W_0(x) } $$
と表す。
これをLambert W関数の主分枝という。
主分枝は、
$$ x\ge-\frac{1}{e} $$
で実数値を持ち、その値は、
$$ W_0(x)\ge-1 $$
となる。
もう一つの実分枝
一方、
$$ w\le-1 $$
の範囲では関数は単調減少する。
したがって、こちらにも逆関数が存在する。
これを、
$$ \boxed{ W_{-1}(x) } $$
と表す。
実数上では、
$$ -\frac{1}{e}\le x<0 $$
で定義でき、その値は、
$$ W_{-1}(x)\le-1 $$
となる。
したがって、
$$ -\frac{1}{e}< x<0 $$
の場合には、方程式は異なる2つの実数解を持つ。
それらは、
$$ \boxed{ w=W_0(x),\qquad w=W_{-1}(x) } $$
である。
また、両分枝は、
$$ x=-\frac{1}{e} $$
で一致する。
$$ \boxed{ W_0\left(-\frac{1}{e}\right) = W_{-1}\left(-\frac{1}{e}\right) =-1 } $$
実数解の個数
以上をまとめると、方程式の実数解の個数は次のようになる。

  • 右辺が最小値より小さい場合、実数解は存在しない。
  • 右辺が最小値に等しい場合、実数解は1つである。
  • 右辺が最小値と0の間にある場合、実数解は2つである。
  • 右辺が0以上の場合、実数解は1つである。
    ただし、右辺が0の場合、第二の実分枝は有限な値を持たない。
    実際、
    $$ \boxed{ \lim_{x\to0^-}W_{-1}(x)=-\infty } $$
    である。
    このように、Lambert W関数を利用する際には、単に関数の記号を書くのではなく、どの分枝を選んでいるかを明確にしなければならない。

11.3 Lambert W関数の微分

Lambert W関数は、定義式を陰関数として微分することで導関数を求められる。
微分公式の導出
定義から、
$$ W(x)e^{W(x)}=x $$
である。
両辺を微分すると、
$$ W'(x)e^{W(x)} + W(x)e^{W(x)}W'(x) =1 $$
となる。
左辺をまとめると、
$$ W'(x)e^{W(x)}(1+W(x))=1 $$
である。
したがって、
$$ \boxed{ W'(x) = \frac{e^{-W(x)}}{1+W(x)} } $$
を得る。
さらに、定義式から、
$$ e^{W(x)}=\frac{x}{W(x)} $$
であるため、
$$ \boxed{ W'(x) = \frac{W(x)}{x(1+W(x))} } $$
となる。
ただし、後者の表示では分母が0にならない範囲で考える。
主分枝の原点については、前者の表示から、
$$ \boxed{ W_0'(0)=1 } $$
を得る。
分枝点での微分
一方、
$$ W(x)=-1 $$
となる点では、微分公式の分母が0になる。
これは、
$$ x=-\frac{1}{e} $$
に対応する。
この点では、実数上の二つの分枝が合流する。
したがって、通常の有限な微分係数は存在しない。
複素解析の立場では、この点は平方根型の分岐点となる。
つまり、Lambert W関数は、逆関数であることから微分公式を持つ一方、元の関数の導関数が0になる点では、逆関数に特異な振る舞いが現れる。

11.4 Lambert W関数の級数表示

Lambert W関数は、原点付近でべき級数によって表せる。
逆関数の級数展開
Lambert W関数の主分枝は、
$$ W_0(0)=0 $$
を満たす。
また、原点では微分係数が0ではないため、逆関数を局所的なべき級数として展開できる。
Lagrange(ラグランジュ)の反転公式を利用すると、
$$ \boxed{ W_0(z) = \sum_{n=1}^{\infty} \frac{(-n)^{n-1}}{n!}z^n } $$
を得る。
この級数は、
$$ |z|<\frac{1}{e} $$
で収束する。
最初の数項を書けば、
$$ \boxed{ W_0(z) = z-z^2+\frac32z^3 -\frac83z^4 +\frac{125}{24}z^5 -\cdots } $$
となる。
なぜ収束半径が有限なのか
主分枝は原点付近で正則である。
しかし、
$$ z=-\frac{1}{e} $$
に分岐点が存在する。
原点からこの点までの距離は、
$$ \frac{1}{e} $$
である。
したがって、原点を中心とするTaylor級数の収束半径は、この分岐点によって制限される。
分岐点付近の展開
分岐点付近の振る舞いも確認しておこう。
次のようにおく。
$$ w=-1+u $$
定義式から、
$$ we^w = (-1+u)e^{-1+u} $$
である。
原点付近で展開すると、
$$ we^w = -\frac{1}{e} +\frac{u^2}{2e} +\frac{u^3}{3e} +O(u^4) $$
となる。
したがって、
$$ x+\frac{1}{e} = \frac{u^2}{2e}+O(u^3) $$
である。
ここから、
$$ u\sim \pm\sqrt{2e\left(x+\frac{1}{e}\right)} $$
を得る。
つまり、分岐点の近くでは、二つの実分枝は平方根型の振る舞いを示す。
この構造が、主分枝と第二の実分枝が合流する理由である。
無限遠点での漸近展開
正の実数を大きくすると、Lambert W関数の主分枝も増大する。
定義式から、
$$ W_0(x)e^{W_0(x)}=x $$
である。
正の実数について対数を取ると、
$$ W_0(x)+\ln W_0(x)=\ln x $$
となる。
したがって、最も大きな項は、
$$ \ln x $$
である。
これを利用すると、
$$ \boxed{ W_0(x) = \ln x-\ln\ln x + O\left(\frac{\ln\ln x}{\ln x}\right) } $$
を得る。
ここでは、
$$ x\to\infty $$
を考える。
このように、Lambert W関数は無限遠点で対数関数に近い増大を示すが、さらに対数の対数による補正が現れる。

11.5 Lambert W関数を含む積分

Lambert W関数は、逆関数として定義されているため、積分でも特徴的な置換が有効になる。
基本となる置換
まず、
$$ w=W_0(x) $$
とおく。
すると、
$$ x=we^w $$
である。
これを微分すると、
$$ \boxed{ dx=(1+w)e^w\,dw } $$
となる。
この置換によって、Lambert W関数を含む積分を、指数関数と多項式の積分へ帰着できる場合がある。
Lambert W関数の不定積分
次の積分を考える。
$$ I=\int W_0(x)\,dx $$
ここで、
$$ w=W_0(x) $$
と置換すると、
$$ I= \int w(1+w)e^w\,dw $$
となる。
したがって、
$$ I= \int(w^2+w)e^w\,dw $$
である。
部分積分によって、
$$ I=e^w(w^2-w+1)+C $$
を得る。
元の変数へ戻すと、
$$ \boxed{ \int W_0(x)\,dx = e^{W_0(x)} \left( W_0(x)^2-W_0(x)+1 \right)+C } $$
となる。
この表示は、原点でも連続に扱いやすい。
Lambert W関数を含む定積分
例えば、
$$ I=\int_0^eW_0(x)\,dx $$
を考える。
定義から、
$$ W_0(0)=0 $$
$$ W_0(e)=1 $$
である。
したがって、先ほどの原始関数を利用すると、
$$ \begin{aligned} I &= \left[ e^{W_0(x)} \left( W_0(x)^2-W_0(x)+1 \right) \right]_0^e\\ &=e-1 \end{aligned} $$
となる。
よって、
$$ \boxed{ \int_0^eW_0(x)\,dx=e-1 } $$
を得る。
分母に積分変数が現れる場合
次に、
$$ I=\int\frac{W_0(x)}{x}\,dx $$
を考える。
同じ置換を用いると、
$$ \begin{aligned} I &= \int \frac{w}{we^w}(1+w)e^w\,dw\\ &= \int(1+w)\,dw \end{aligned} $$
となる。
したがって、
$$ \boxed{ \int\frac{W_0(x)}{x}\,dx = W_0(x)+\frac12W_0(x)^2+C } $$
を得る。
ここでは正の実数上で考える。
特に、
$$ \begin{aligned} \int_0^e\frac{W_0(x)}{x}\,dx &= \left[ W_0(x)+\frac12W_0(x)^2 \right]_0^e\\ &=\frac32 \end{aligned} $$
となる。
よって、
$$ \boxed{ \int_0^e\frac{W_0(x)}{x}\,dx = \frac32 } $$
である。
原点では、主分枝の級数から、
$$ W_0(x)\sim x $$
となる。
したがって、被積分関数は原点で連続に拡張でき、積分は通常の意味で収束する。
積分の基本的な見方
Lambert W関数を含む積分では、
$$ x=we^w $$
という置換を利用することが重要である。
ただし、分枝をまたぐ積分では、同じ置換を無条件に適用してはいけない。
積分区間上で利用する分枝が連続であり、置換が適切に定義されることを確認する必要がある。

11.6 Lambert W関数と方程式の解

Lambert W関数は積分だけでなく、指数関数と変数が組み合わさった方程式を解く際にも有効である。
基本形
例えば、
$$ xe^{ax}=b $$
という方程式を考える。
ここでは、
$$ a\ne0 $$
とする。
両辺に定数を掛けると、
$$ ax\,e^{ax}=ab $$
となる。
したがって、
$$ \boxed{ x=\frac{W_k(ab)}{a} } $$
を得る。
ここで、実数解を求める場合には、右辺の値に応じて適切な実分枝を選ぶ。
指数と底に同じ変数が現れる場合
次に、正の実数について、
$$ x^x=A $$
という方程式を考える。
ここでは、
$$ A>0 $$
とする。
両辺の対数を取ると、
$$ x\ln x=\ln A $$
である。
ここで、
$$ t=\ln x $$
とおく。
すると、
$$ x=e^t $$
だから、
$$ te^t=\ln A $$
となる。
したがって、
$$ t=W_k(\ln A) $$
を得る。
よって、
$$ \boxed{ x=\exp\left(W_k(\ln A)\right) } $$
となる。
この公式によって、変数が底と指数の両方に現れる方程式をLambert W関数へ帰着できる。
実数解の個数
ここで、
$$ f(x)=x^x \qquad(x>0) $$
とおく。
対数を取ると、
$$ \ln f(x)=x\ln x $$
である。
したがって、
$$ \frac{f'(x)}{f(x)}=\ln x+1 $$
となる。
よって、
$$ x=\frac{1}{e} $$
で最小値を取る。
その値は、
$$ \boxed{ \min_{x>0}x^x=e^{-\frac{1}{e}} } $$
である。
したがって、右辺がこの最小値より小さい場合には正の実数解を持たない。
最小値と1の間にある場合には2つの正の実数解を持つ。
右辺が1以上の場合には、正の実数解は1つである。
ただし、右辺が1の場合、
$$ x=1 $$
のみが正の実数解となる。
この例でも、Lambert W関数の分枝の違いが実数解の個数と結びついている。

11.7 Bernoulli数

ここからは、特殊関数とは少し異なる方向を考える。
無限級数や漸近展開では、特定の係数列が繰り返し現れることがある。
その代表例がBernoulli数である。
母関数による定義
次の関数を考える。
$$ \frac{t}{e^t-1} $$
原点では分子と分母がともに0となるが、極限は1である。
したがって、原点での特異性を除去して正則な関数として扱える。
この関数をMaclaurin展開し、
$$ \boxed{ \frac{t}{e^t-1} = \sum_{n=0}^{\infty} B_n\frac{t^n}{n!} } $$
と定義する。
この係数、
$$ B_n $$
をBernoulli(ベルヌーイ)数という。
この級数は、
$$ |t|<2\pi $$
で収束する。
なぜなら、複素関数として考えた場合、原点以外で最も近い特異点が、
$$ t=\pm2\pi\mathrm{i} $$
に存在するからである。
最初のBernoulli数
実際に展開すると、
$$ \frac{t}{e^t-1} = 1-\frac{t}{2} +\frac{t^2}{12} -\frac{t^4}{720} +\frac{t^6}{30240} -\cdots $$
となる。
したがって、
$$ \boxed{ B_0=1 } $$
$$ \boxed{ B_1=-\frac12 } $$
$$ \boxed{ B_2=\frac16 } $$
$$ \boxed{ B_4=-\frac{1}{30} } $$
$$ \boxed{ B_6=\frac{1}{42} } $$
である。
また、
$$ \boxed{ B_{2n+1}=0 \qquad(n=1,2,\ldots) } $$
が成り立つ。
つまり、1次の係数を除けば、奇数番目のBernoulli数はすべて0である。
奇数番目の係数が消える理由
次の関数を考える。
$$ \frac{t}{e^t-1}+\frac{t}{2} $$
これを変形すると、
$$ \frac{t}{2} \frac{e^t+1}{e^t-1} $$
となる。
さらに、
$$ \boxed{ \frac{t}{e^t-1}+\frac{t}{2} = \frac{t}{2}\coth\left(\frac{t}{2}\right) } $$
である。
右辺は偶関数である。
したがって、左辺のMaclaurin展開では、一次の項を取り除くと奇数次の項が存在しない。
これによって、
$$ B_{2n+1}=0 \qquad(n\ge1) $$
が説明できる。
Bernoulli数の漸化式
母関数の両辺に、
$$ e^t-1 $$
を掛けると、
$$ t= (e^t-1) \sum_{n=0}^{\infty}B_n\frac{t^n}{n!} $$
となる。
係数を比較すると、
$$ \boxed{ \sum_{k=0}^{n} \binom{n+1}{k}B_k=0 \qquad(n\ge1) } $$
を得る。
ここで、
$$ \binom{n}{k} = \frac{n!}{k!(n-k)!} $$
は二項係数である。
この漸化式によって、Bernoulli数を順番に求められる。
符号規約について
Bernoulli数には、第一のBernoulli数について異なる符号規約を用いる文献が存在する。
本章では、
$$ \boxed{ B_1=-\frac12 } $$
となる標準的な母関数の定義を採用する。
以下の公式も、すべてこの規約に統一する。

11.8 Bernoulli多項式

Bernoulli数をさらに一般化すると、Bernoulli多項式が得られる。
定義
複素数の変数について、
$$ \boxed{ \frac{te^{xt}}{e^t-1} = \sum_{n=0}^{\infty} B_n(x)\frac{t^n}{n!} } $$
と定義する。
これをBernoulli多項式(Bernoulli polynomial)という。
原点では、
$$ \boxed{ B_n(0)=B_n } $$
となる。
つまり、Bernoulli数はBernoulli多項式の特殊値である。
最初のBernoulli多項式
具体的には、
$$ \boxed{ B_0(x)=1 } $$
$$ \boxed{ B_1(x)=x-\frac12 } $$
$$ \boxed{ B_2(x)=x^2-x+\frac16 } $$
$$ \boxed{ B_3(x)=x^3-\frac32x^2+\frac12x } $$
である。
微分公式
母関数を変数について微分すると、
$$ \frac{\partial}{\partial x} \left( \frac{te^{xt}}{e^t-1} \right) = t\frac{te^{xt}}{e^t-1} $$
である。
係数を比較すると、
$$ \boxed{ B_n'(x)=nB_{n-1}(x) } $$
を得る。
この公式によって、Bernoulli多項式の微分は次数を一つ下げる操作となる。
差分公式
次に、変数を1だけ増やした場合を考える。
母関数の差を取ると、
$$ \begin{aligned} &\frac{te^{(x+1)t}}{e^t-1} -\frac{te^{xt}}{e^t-1}\\ &\qquad=te^{xt} \end{aligned} $$
となる。
係数を比較すると、
$$ \boxed{ B_n(x+1)-B_n(x)=nx^{n-1} } $$
を得る。
ここでは正の整数の次数を考える。
この差分公式は、整数のべき乗和を求める際に重要になる。
対称性
さらに、
$$ \boxed{ B_n(1-x)=(-1)^nB_n(x) } $$
が成り立つ。
これは母関数に変数変換を施すことで導ける。
この対称性は、積分区間の反転やFourier展開で利用される。

11.9 整数のべき乗和とFaulhaber公式

Bernoulli多項式の重要な応用として、整数のべき乗和がある。
差分公式を利用する
先ほど、
$$ B_n(x+1)-B_n(x)=nx^{n-1} $$
を得た。
ここで次数を一つ増やすと、
$$ B_{p+1}(x+1)-B_{p+1}(x) = (p+1)x^p $$
となる。
これを整数について足し合わせる。
すると、左辺は途中の項が打ち消し合う。
したがって、
$$ B_{p+1}(N)-B_{p+1}(0) = (p+1)\sum_{k=0}^{N-1}k^p $$
である。
よって、
$$ \boxed{ \sum_{k=0}^{N-1}k^p = \frac{B_{p+1}(N)-B_{p+1}}{p+1} } $$
を得る。
ここでは、
$$ N\ge1,\qquad p\ge1 $$
を整数とする。
これをFaulhaber(ファウルハーバー)公式という。
平方和への応用
例えば、
$$ p=2 $$
とする。
このとき、
$$ B_3(x)=x^3-\frac32x^2+\frac12x $$
であり、
$$ B_3=0 $$
だから、
$$ \sum_{k=0}^{N-1}k^2 = \frac13 \left( N^3-\frac32N^2+\frac12N \right) $$
となる。
したがって、
$$ \boxed{ \sum_{k=1}^{n}k^2 = \frac{n(n+1)(2n+1)}{6} } $$
を得る。
このように、Bernoulli多項式によって整数のべき乗和を統一的に表せる。
積分との関係
整数のべき乗和は、連続変数の積分に近い振る舞いを持つ。
例えば、
$$ \sum_{k=1}^{n}k^p $$
の主要な増大は、
$$ \int_0^n x^p\,dx = \frac{n^{p+1}}{p+1} $$
によって捉えられる。
しかし、和と積分は完全には一致しない。
その差を補正する際にBernoulli数が現れる。
この考え方を一般の関数に拡張したものが、次に学ぶEuler–Maclaurin公式である。

11.10 Euler数とEuler多項式

Bernoulli数と似た性質を持つ数列として、Euler数がある。
Euler数の定義
次の母関数を考える。
$$ \boxed{ \frac{1}{\cosh t} = \sum_{n=0}^{\infty} E_n\frac{t^n}{n!} } $$
この係数をEuler(オイラー)数という。
この母関数は、
$$ |t|<\frac{\pi}{2} $$
で収束する。
最初の数項を書けば、
$$ \frac{1}{\cosh t} = 1-\frac{t^2}{2!} +\frac{5t^4}{4!} -\frac{61t^6}{6!} +\cdots $$
となる。
したがって、
$$ \boxed{ E_0=1,\quad E_2=-1,\quad E_4=5,\quad E_6=-61 } $$
である。
母関数は偶関数なので、
$$ \boxed{ E_{2n+1}=0 \qquad(n=0,1,2,\ldots) } $$
となる。
Euler多項式
さらに、
$$ \boxed{ \frac{2e^{xt}}{e^t+1} = \sum_{n=0}^{\infty} E_n(x)\frac{t^n}{n!} } $$
と定義する。
これをEuler多項式という。
最初の数項は、
$$ E_0(x)=1 $$
$$ E_1(x)=x-\frac12 $$
$$ E_2(x)=x^2-x $$
である。
また、
$$ \boxed{ E_n(x+1)+E_n(x)=2x^n } $$
という差分公式を満たす。
この関係は、交代する整数のべき乗和を求める際に利用できる。
Dirichletベータ関数との関係
第7章で学んだDirichletベータ関数は、
$$ \beta(s) = \sum_{n=0}^{\infty} \frac{(-1)^n}{(2n+1)^s} $$
であった。
Euler数を用いると、正の奇数における特殊値が、
$$ \boxed{ \beta(2m+1) = \frac{(-1)^mE_{2m}\pi^{2m+1}} {2^{2m+2}(2m)!} } $$
と表される。
ここでは非負整数について考える。
例えば、
$$ m=1 $$
とすると、
$$ E_2=-1 $$
なので、
$$ \boxed{ \beta(3)=\frac{\pi^3}{32} } $$
を得る。
この公式は、Euler数のFourier解析によって導ける。
つまり、Bernoulli数がRiemannゼータ関数の偶数特殊値と結びつくのに対し、Euler数はDirichletベータ関数の奇数特殊値と結びついている。

11.11 Euler–Maclaurin公式

Bernoulli数の最も重要な応用の一つが、和と積分を結びつけるEuler–Maclaurin公式である。
和と積分の違い
例えば、滑らかな関数について、
$$ \sum_{k=a}^{b}f(k) $$
を考える。
この和は、
$$ \int_a^b f(x)\,dx $$
によって近似できる。
しかし、両者は一般には一致しない。
その違いは、端点の寄与や導関数の値によって補正できる。
この補正を体系的に表すのが、Euler–Maclaurin(オイラー・マクローリン)公式である。
公式の形
整数について、
$$ a< b $$
とし、正整数を一つ固定する。
また、関数は考えている閉区間上で必要な階数まで連続微分可能であるとする。
このとき、
$$ \boxed{ \begin{aligned} \sum_{k=a}^{b}f(k) ={}& \int_a^b f(x)\,dx +\frac{f(a)+f(b)}{2}\\ &+ \sum_{r=1}^{p} \frac{B_{2r}}{(2r)!} \left( f^{(2r-1)}(b)-f^{(2r-1)}(a) \right)\\ &+R_p \end{aligned} } $$
が成り立つ。
ここで、
$$ \boxed{ R_p = -\frac{1}{(2p)!} \int_a^b \widetilde B_{2p}(x)f^{(2p)}(x)\,dx } $$
である。
ただし、
$$ \widetilde B_{2p}(x) = B_{2p}(x-\lfloor x\rfloor) $$
と定義する。
この関数を周期Bernoulli関数という。
この公式は、単に近似式ではなく、剰余項まで含めた恒等式である。
最初の補正項
最初の数項を書けば、
$$ \begin{aligned} \sum_{k=a}^{b}f(k) ={}& \int_a^b f(x)\,dx +\frac{f(a)+f(b)}{2}\\ &+ \frac{1}{12} \left(f'(b)-f'(a)\right)\\ &- \frac{1}{720} \left(f'''(b)-f'''(a)\right) +\cdots \end{aligned} $$
となる。
ただし、右辺を無限に続けた級数が必ず収束するという意味ではない。
実際の利用では、有限個の補正項で打ち切り、残りを剰余項によって評価する。
剰余項の重要性
Euler–Maclaurin公式を利用するとき、補正項を何項書いたかだけでは厳密な評価にならない。
重要なのは、残った剰余項を評価できることである。
例えば、
$$ \boxed{ |R_p| \le \frac{ \sup_{0\le t\le1}|B_{2p}(t)| }{(2p)!} \int_a^b|f^{(2p)}(x)|\,dx } $$
が成り立つ。
これによって、近似の誤差を具体的に抑えることができる。
多項式の場合
特に、関数が多項式であり、十分高い階数の導関数が0になる場合には、Euler–Maclaurin公式は有限個の項だけで正確な等式になる。
したがって、Faulhaber公式も、Euler–Maclaurin公式の特別な場合として理解できる。

11.12 Euler–Maclaurin公式の応用

Euler–Maclaurin公式は、有限和だけでなく、無限級数の収束や漸近展開を考える際にも利用できる。
調和数
第5章では、調和数を、
$$ H_n=\sum_{k=1}^{n}\frac{1}{k} $$
と定義した。
この和にEuler–Maclaurin公式を適用すると、
$$ \boxed{ \begin{aligned} H_n \sim{}& \ln n+\gamma_{\mathrm E} +\frac{1}{2n} -\frac{1}{12n^2}\\ &+\frac{1}{120n^4} -\frac{1}{252n^6} +\cdots \end{aligned} } $$
という漸近展開が得られる。
ここで、
$$ \gamma_{\mathrm E} $$
はEuler–Mascheroni定数である。
この式は、調和数と対数関数の違いを、Bernoulli数によって補正している。
Stirling公式
次に、階乗を考える。
$$ n!=1\cdot2\cdots n $$
両辺の自然対数を取ると、
$$ \ln(n!) = \sum_{k=1}^{n}\ln k $$
である。
この和にEuler–Maclaurin公式を適用すると、Stirling(スターリング)の漸近展開が得られる。
$$ \boxed{ \begin{aligned} \ln(n!) \sim{}& \left(n+\frac12\right)\ln n-n +\frac12\ln(2\pi)\\ &+\frac{1}{12n} -\frac{1}{360n^3} +\frac{1}{1260n^5} -\cdots \end{aligned} } $$
特に主要項だけを取り出せば、
$$ \boxed{ n!\sim\sqrt{2\pi n}\left(\frac{n}{e}\right)^n } $$
となる。
この公式は、階乗の大きさを評価する際に重要である。
また、Gamma関数の漸近展開にも拡張できる。
級数の余りの評価
次に、
$$ \sum_{k=1}^{\infty}\frac{1}{k^2} $$
を考える。
途中まで足し合わせた後の余りを、
$$ R_n= \sum_{k=n+1}^{\infty}\frac{1}{k^2} $$
とする。
Euler–Maclaurin公式を利用すると、
$$ \boxed{ R_n \sim \frac{1}{n} -\frac{1}{2n^2} +\frac{1}{6n^3} -\frac{1}{30n^5} +\cdots } $$
を得る。
したがって、
$$ \zeta(2) = \sum_{k=1}^{n}\frac{1}{k^2}+R_n $$
において、余りを精度よく評価できる。
このように、Euler–Maclaurin公式は、無限級数の収束を加速させるためにも利用できる。

11.13 Bernoulli数とZeta関数

Bernoulli数は、Riemannゼータ関数の特殊値と密接に関係している。
正の偶数における特殊値
第7章で学んだRiemannゼータ関数について、正の整数を用いて、
$$ \boxed{ \zeta(2m) = \frac{(-1)^{m+1}(2\pi)^{2m}B_{2m}} {2(2m)!} } $$
が成り立つ。
これが、正の偶数におけるZeta関数の一般公式である。
例えば、
$$ m=1 $$
とすると、
$$ B_2=\frac16 $$
だから、
$$ \boxed{ \zeta(2)=\frac{\pi^2}{6} } $$
となる。
また、
$$ m=2 $$
とすると、
$$ B_4=-\frac{1}{30} $$
なので、
$$ \boxed{ \zeta(4)=\frac{\pi^4}{90} } $$
を得る。
この公式は、Bernoulli多項式のFourier級数を利用して導ける。
Fourier級数による関係
正の整数について、
$$ m\ge1 $$
とすると、Bernoulli多項式には、
$$ \boxed{ B_{2m}(x) = \frac{(-1)^{m+1}2(2m)!} {(2\pi)^{2m}} \sum_{n=1}^{\infty} \frac{\cos(2\pi nx)}{n^{2m}} } $$
というFourier級数表示が存在する。
この公式は、実数について、
$$ 0\le x\le1 $$
で成立する。
ここで、
$$ x=0 $$
を代入すると、
$$ B_{2m} = \frac{(-1)^{m+1}2(2m)!} {(2\pi)^{2m}} \sum_{n=1}^{\infty}\frac{1}{n^{2m}} $$
となる。
右辺の級数は、
$$ \zeta(2m) $$
である。
したがって、先ほどの特殊値公式が得られる。
負の整数における値
解析接続されたZeta関数については、負の整数における値もBernoulli数によって表せる。
正の整数について、
$$ \boxed{ \zeta(-n) = -\frac{B_{n+1}}{n+1} } $$
が成り立つ。
例えば、
$$ \boxed{ \zeta(-1)=-\frac{1}{12} } $$
および、
$$ \boxed{ \zeta(-3)=\frac{1}{120} } $$
となる。
また、Bernoulli数の奇数番目の消失から、
$$ \boxed{ \zeta(-2n)=0 \qquad(n=1,2,\ldots) } $$
を得る。
ただし、ここで非常に重要な注意がある。
これらは解析接続されたZeta関数の値であり、元の発散する級数の通常の和ではない。
例えば、
$$ 1+2+3+\cdots $$
は通常の意味では発散する。
したがって、これをそのまま負の分数に等しいとすることは正しくない。
Bernoulli数とZeta関数の関係を利用する際には、元の級数の収束範囲と解析接続後の関数値を区別しなければならない。

11.14 Euler–Mascheroni定数とStieltjes定数

ここまで、和と積分の差をBernoulli数によって補正する方法を学んだ。
このような差の極限からは、重要な数学定数が現れる。
Euler–Mascheroni定数
調和数について、
$$ H_n=\sum_{k=1}^{n}\frac{1}{k} $$
とする。
このとき、
$$ \boxed{ \gamma_{\mathrm E} = \lim_{n\to\infty} \left(H_n-\ln n\right) } $$
と定義する。
これをEuler–Mascheroni(オイラー・マスケローニ)定数という。
この極限が存在することは、調和数と対数関数の比較によって示せる。
また、Euler–Maclaurin公式を利用すると、
$$ H_n-\ln n = \gamma_{\mathrm E} +\frac{1}{2n} -\frac{1}{12n^2} +O\left(\frac{1}{n^4}\right) $$
となる。
したがって、調和数と対数関数の差は、Euler–Mascheroni定数へ収束する。
積分による表示
各正整数について、
$$ \frac{1}{n} = \int_0^1x^{n-1}\,dx $$
である。
これを利用すると、調和数は、
$$ H_n= \int_0^1 \frac{1-x^n}{1-x}\,dx $$
と表せる。
また、
$$ \ln(n+1) = \int_0^1 \frac{1-x^n}{-\ln x}\,dx $$
という関係も得られる。
したがって、両者の差を適切に比較することで、Euler–Mascheroni定数を積分によって表せる。
例えば、
$$ \boxed{ \gamma_{\mathrm E} = \int_0^1 \left( \frac{1}{1-x} +\frac{1}{\ln x} \right)dx } $$
が成り立つ。
ここで、二つの項を別々に積分すると発散する。
しかし、その和では端点で発散部分が打ち消し合い、積分は収束する。
したがって、この式を利用する際には、被積分関数の和として扱い、発散する積分へ不用意に分離してはいけない。
Stieltjes定数
さらに、対数の高いべき乗を考える。
非負整数について、
$$ \boxed{ \gamma_n = \lim_{N\to\infty} \left( \sum_{k=1}^{N} \frac{(\ln k)^n}{k} - \frac{(\ln N)^{n+1}}{n+1} \right) } $$
と定義する。
これをStieltjes(スティルチェス)定数という。
特に、
$$ \boxed{ \gamma_0=\gamma_{\mathrm E} } $$
となる。
つまり、Euler–Mascheroni定数はStieltjes定数の最初の項である。
Zeta関数との関係
Riemannゼータ関数は、
$$ s=1 $$
に単純な極を持つ。
その点の周囲でLaurent展開すると、
$$ \boxed{ \zeta(s) = \frac{1}{s-1} + \sum_{n=0}^{\infty} \frac{(-1)^n\gamma_n}{n!} (s-1)^n } $$
となる。
したがって、Stieltjes定数は、Zeta関数の極の周囲における正則部分の係数として現れる。
このように、調和数と対数関数の差から生まれた定数が、複素解析におけるZeta関数の局所展開と結びついている。

11.15 その他の重要な数学定数

特殊関数の理論では、円周率や自然対数の底以外にも、多くの数学定数が現れる。
ここでは、積分や級数の評価で重要になるものを整理する。
Omega定数
Lambert W関数によって、
$$ \boxed{ \Omega=W_0(1) } $$
と定義する。
これをOmega(オメガ)定数という。
定義から、
$$ \Omega e^\Omega=1 $$
である。
したがって、
$$ \boxed{ \Omega=e^{-\Omega} } $$
を得る。
つまり、Omega定数は指数関数と変数が結びついた方程式の正の実数解である。
また、
$$ \Omega\approx0.567143 $$
である。
この定数は、Lambert W関数を含む積分や方程式の特殊値として現れる。
Catalan定数
第7章で学んだCatalan(カタラン)定数は、
$$ \boxed{ G= \sum_{n=0}^{\infty} \frac{(-1)^n}{(2n+1)^2} } $$
と定義された。
これは、
$$ \boxed{ G=\beta(2) } $$
というDirichletベータ関数の特殊値である。
また、
$$ \boxed{ G= -\int_0^1 \frac{\ln x}{1+x^2}\,dx } $$
という積分表示を持つ。
したがって、Catalan定数は、有理関数と対数関数の積分から自然に現れる定数である。
Apéry定数
第7章で学んだRiemannゼータ関数の特殊値、
$$ \boxed{ \zeta(3)= \sum_{n=1}^{\infty}\frac{1}{n^3} } $$
をApéry(アペリー)定数という。
この定数は、次の積分表示を持つ。
$$ \boxed{ \zeta(3) = -\frac12 \int_0^1 \frac{\ln x\ln^2(1-x)}{x}\,dx } $$
この公式は、対数関数を級数展開し、項別積分することで導ける。
ただし、積分の収束と項別積分の正当化が必要である。
また、Apéry定数は無理数であることが知られている。
Glaisher–Kinkelin定数
次に、階乗に関連する別の定数を考える。
階乗では、
$$ 1\cdot2\cdots n $$
という積が現れた。
一方、
$$ 1^1\cdot2^2\cdots n^n $$
という積を考えると、その対数は、
$$ \sum_{k=1}^{n}k\ln k $$
となる。
この和の漸近展開には、Bernoulli数やEuler–Maclaurin公式が現れる。
その定数項によって定義されるのが、Glaisher–Kinkelin(グレイシャー・キンケリン)定数である。
この定数を、
$$ A $$
と表す。
具体的には、
$$ \boxed{ \begin{aligned} \ln A = \lim_{n\to\infty} \Biggl( &\sum_{k=1}^{n}k\ln k\\ &- \left( \frac{n^2}{2} +\frac{n}{2} +\frac{1}{12} \right)\ln n +\frac{n^2}{4} \Biggr) \end{aligned} } $$
と定義できる。
また、解析接続されたZeta関数の導関数を用いると、
$$ \boxed{ \ln A = \frac{1}{12}-\zeta'(-1) } $$
という関係が成り立つ。
したがって、Glaisher–Kinkelin定数は、整数のべき乗を含む積とZeta関数の導関数を結びつけている。
さらに、この定数はBarnes(バーンズ)のG関数とも関係している。
BarnesのG関数は、Gamma関数をさらに一般化した関数であり、
$$ G_{\mathrm B}(z+1) = \Gamma(z)G_{\mathrm B}(z) $$
という関係を満たす。
ここではCatalan定数との混同を避けるため、BarnesのG関数に添字を付けて表した。

11.16 Bernoulli数を用いた積分評価

Bernoulli数は、実際の積分にも直接利用できる。
指数関数を含む積分
次の積分を考える。
$$ I=\int_0^1\frac{x}{e^x-1}\,dx $$
ここで、Bernoulli数の母関数を利用する。
$$ \frac{x}{e^x-1} = \sum_{n=0}^{\infty} B_n\frac{x^n}{n!} $$
この級数は、積分区間全体で一様収束する。
したがって、項別積分できる。
よって、
$$ \begin{aligned} I &= \sum_{n=0}^{\infty} \frac{B_n}{n!} \int_0^1x^n\,dx\\ &= \sum_{n=0}^{\infty} \frac{B_n}{n!(n+1)} \end{aligned} $$
となる。
したがって、
$$ \boxed{ \int_0^1\frac{x}{e^x-1}\,dx = \sum_{n=0}^{\infty} \frac{B_n}{n!(n+1)} } $$
を得る。
最初の数項を書けば、
$$ \boxed{ \int_0^1\frac{x}{e^x-1}\,dx = 1-\frac14+\frac{1}{36} -\frac{1}{3600} +\cdots } $$
となる。
このように、Bernoulli数を用いることで、被積分関数を収束級数へ展開して評価できる。
発散部分を取り除く積分
次に、
$$ I(a)= \int_0^a \left( \frac{1}{e^x-1}-\frac{1}{x} \right)dx $$
を考える。
ここでは、
$$ a>0 $$
とする。
それぞれの項は原点で発散する。
しかし、差を取ると発散部分が打ち消し合う。
実際、Bernoulli数の母関数から、
$$ \frac{1}{e^x-1} = \frac{1}{x} -\frac12 +\frac{x}{12} -\frac{x^3}{720} +\cdots $$
である。
したがって、
$$ \frac{1}{e^x-1}-\frac{1}{x} = -\frac12+\frac{x}{12} -\frac{x^3}{720} +\cdots $$
となる。
右辺は原点で有限な値を持つ。
したがって、積分は収束する。
一方、原始関数を直接考えると、
$$ \frac{d}{dx} \ln(1-e^{-x}) = \frac{1}{e^x-1} $$
である。
したがって、
$$ \begin{aligned} I(a) &= \left[ \ln(1-e^{-x})-\ln x \right]_0^a \end{aligned} $$
となる。
ここで、
$$ \lim_{x\to0^+} \frac{1-e^{-x}}{x}=1 $$
であるから、下端の極限は0となる。
よって、
$$ \boxed{ \int_0^a \left( \frac{1}{e^x-1}-\frac{1}{x} \right)dx = \ln\left(\frac{1-e^{-a}}{a}\right) } $$
を得る。
この例では、Bernoulli数の級数展開によって収束性を確認し、初等関数の微分によって積分値を求めた。
また、正の実数について、
$$ 0< a<2\pi $$
ならば、級数を積分することで、
$$ \boxed{ \begin{aligned} &\ln\left(\frac{1-e^{-a}}{a}\right)\\ &\quad= -\frac{a}{2} +\frac{a^2}{24} -\frac{a^4}{2880} +\cdots \end{aligned} } $$
という収束級数も得られる。
このように、Bernoulli数は、原点付近の特異性を持つ関数の解析や積分評価に有効である。

11.17 本章のまとめ

本章では、Lambert W関数、Bernoulli数、Euler数、Euler–Maclaurin公式、数学定数について学んだ。
特に重要な点を整理しておこう。

  1. Lambert W関数は、変数と指数関数の積を逆に解くための関数である。実数上には二つの重要な分枝が存在する。
  2. Lambert W関数の微分と積分は、定義式を陰関数として微分したり、逆関数の置換を利用したりすることで扱える。
  3. Lambert W関数の級数表示は、Lagrangeの反転公式から得られる。主分枝は平方根型の分岐点を持つ。
  4. Bernoulli数は、指数関数を含む母関数の係数として定義される。整数のべき乗和やZeta関数の特殊値に現れる。
  5. Bernoulli多項式は、Bernoulli数を一般化した多項式である。微分公式と差分公式を持ち、整数のべき乗和を統一的に表せる。
  6. Euler数とEuler多項式は、Bernoulli数に似た構造を持つ。Dirichletベータ関数の奇数特殊値と関係する。
  7. Euler–Maclaurin公式は、有限和と積分の違いを、端点の値や導関数によって補正する公式である。厳密な利用には剰余項の評価が必要になる。
  8. Stirling公式や調和数の漸近展開にはBernoulli数が現れる。これらはEuler–Maclaurin公式の重要な応用である。
  9. Euler–Mascheroni定数とStieltjes定数は、調和数や対数を含む和の極限から現れる。また、Zeta関数のLaurent展開と結びついている。
  10. Omega定数、Catalan定数、Apéry定数、Glaisher–Kinkelin定数などは、特殊関数の特殊値や、積分・級数・積の漸近展開から自然に現れる。
    Lambert W関数とBernoulli数は、定義の出発点こそ異なるが、どちらも初等関数だけでは扱いにくい構造を整理するために重要である。
    Lambert W関数は、指数関数と変数の関係を逆に解くために利用する。
    一方、Bernoulli数は、級数と積分の差や漸近展開の係数を統一的に表すために利用する。
    さらに、こうした理論を研究する過程で、多くの数学定数が現れる。
    重要なのは、単に定数の値を覚えることではない。

その定数がどのような積分・級数・極限から生まれ、どのような特殊関数の値として表せるのかを理解することである。
ここまでの章で、ADVANCEDの積分に現れる主要な特殊関数と、その基本的な構造を一通り学んだ。
次章からは、これらの知識を利用して、実際の積分を評価するための技法を体系的に学んでいく。
まず、Fourier変換、Laplace変換、Mellin変換などの積分変換を導入し、積分を別の関数へ変換することで評価する方法を考える。

参考文献・資料

  1. NIST DLMF — §4.13 Lambert W-Function
  2. NIST DLMF — §24.2 Bernoulli and Euler Numbers and Polynomials
  3. NIST DLMF — §24.4 Basic Properties
  4. NIST DLMF — §24.7 Integral Representations
  5. NIST DLMF — §2.10 Sums and Sequences
  6. NIST DLMF — §5.11 Asymptotic Expansions of the Gamma Function
  7. NIST DLMF — §5.17 Barnes G-Function
  8. NIST DLMF — §25.2 Riemann Zeta Function: Definition and Expansions
  9. NIST DLMF — §25.6 Integer Arguments
  10. NIST DLMF — §25.15 Dirichlet L-Functions
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
4759

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