神经网络|(十六)概率论基础知识-伽马函数·中

【1】引言

前序学习进程中,已经初步了解了伽马函数,认识到 n n n的阶乘计算可以转化为:
n ! = n ! ⋅ l i m k → + ∞ k n ⋅ k ! ( n + k ) ! = l i m k → + ∞ k n ⋅ k ! ⋅ n ! ( n + k ) ! = l i m k → + ∞ k n ⋅ k ! ( n + 1 ) ( n + 2 ) . . . ( n + k ) n!=n! \cdot lim_{k\rightarrow+\infty}\frac{k^n\cdot k!}{(n+k)!}=\\lim_{k\rightarrow+\infty}\frac{k^n\cdot k!\cdot n!}{(n+k)!}=\\ lim_{k\rightarrow+\infty}\frac{k^n\cdot k!}{(n+1)(n+2)...(n+k)} n!=n!⋅limk→+∞(n+k)!kn⋅k!=limk→+∞(n+k)!kn⋅k!⋅n!=limk→+∞(n+1)(n+2)...(n+k)kn⋅k!

如果把整数 n n n替换成任意实数 x x x,就会有:
x ! = l i m k → + ∞ k x ⋅ k ! ( x + 1 ) ( x + 2 ) . . . ( x + k ) x!=lim_{k\rightarrow+\infty}\frac{k^x\cdot k!}{(x+1)(x+2)...(x+k)} x!=limk→+∞(x+1)(x+2)...(x+k)kx⋅k!

此时,只要 x x x不是负整数,因为负整数会导致分母为0,上述计算式就能执行,此时阶乘形式的伽马函数被扩展到除负整数以外的所有实数。

但大家熟悉的伽马函数其实是一个指数积分形式,因此还需继续探究。

【2】证明积分式和阶乘式相等

证明 ∫ 0 1 ( − l n t ) s d t = s ! \int_{0}^{1}(-lnt)^sdt=s! ∫01(−lnt)sdt=s!

【2.1】积分变换

首先令 u = − l n t u=-ln t u=−lnt,有: d u = − 1 t d t d t = − t d u t = e − u du=-\frac{1}{t}dt\\ dt=-tdu \\t=e^{-u} du=−t1dtdt=−tdut=e−u

此时被积函数变换为:
( − l n t ) s = u s (-lnt)^s=u^s (−lnt)s=us

当 t → 0 + t\rightarrow 0^+ t→0+时, u = − l n t = + ∞ u=-lnt=+\infty u=−lnt=+∞

当 t → 1 t\rightarrow 1 t→1时, u = − l n t = 0 u=-lnt=0 u=−lnt=0

将上述变换代入积分式:
∫ 0 1 ( − l n t ) s d t = ∫ + ∞ 0 u s ( − t ) d u = ∫ + ∞ 0 u s ( − e u ) d u = ∫ 0 + ∞ u s e − u d u \int_{0}^{1}(-lnt)^sdt=\int_{+\infty}^{0}u^s(-t)du=\\ \int_{+\infty}^{0}u^s(-e^u)du=\int_{0}^{+\infty}u^se^{-u}du ∫01(−lnt)sdt=∫+∞0us(−t)du=∫+∞0us(−eu)du=∫0+∞use−udu

【2.2】分部积分-s为正整数

当 s s s为正整数 n n n时,积分先写作:

∫ 0 1 ( − l n t ) s d t = ∫ 0 + ∞ u n e − u d u \int_{0}^{1}(-lnt)^sdt=\int_{0}^{+\infty}u^ne^{-u}du ∫01(−lnt)sdt=∫0+∞une−udu

令 v = u n , d w = e − u d u v=u^n,dw=e^{-u}du v=un,dw=e−udu,有:
d v = n u n − 1 d u , w = − e − u dv=nu^{n-1}du,w=-e^{-u} dv=nun−1du,w=−e−u

此时积分式转化为:
∫ 0 1 ( − l n t ) s d t = ∫ 0 + ∞ u n e − u d u = ∫ 0 + ∞ v d w = v w ∣ 0 + ∞ − ∫ 0 + ∞ w d v = ( u n ( − e − u ) ) ∣ 0 + ∞ + ∫ 0 + ∞ n u n − 1 e − u d u = 0 + ∫ 0 + ∞ n u n − 1 e − u d u = n ∫ 0 + ∞ u n − 1 e − u d u \int_{0}^{1}(-lnt)^sdt=\int_{0}^{+\infty}u^ne^{-u}du=\\ \int_{0}^{+\infty}vdw=vw|{0}^{+\infty}-\int{0}^{+\infty}wdv=\\ (u^n(-e^{-u}))|{0}^{+\infty}+\int{0}^{+\infty}nu^{n-1}e^{-u}du=\\ 0+\int_{0}^{+\infty}nu^{n-1}e^{-u}du=n\int_{0}^{+\infty}u^{n-1}e^{-u}du ∫01(−lnt)sdt=∫0+∞une−udu=∫0+∞vdw=vw∣0+∞−∫0+∞wdv=(un(−e−u))∣0+∞+∫0+∞nun−1e−udu=0+∫0+∞nun−1e−udu=n∫0+∞un−1e−udu

这时候先暂停一下,根据前述推导有:
∫ 0 + ∞ u n e − u d u = n ∫ 0 + ∞ u n − 1 e − u d u \int_{0}^{+\infty}u^ne^{-u}du=n\int_{0}^{+\infty}u^{n-1}e^{-u}du ∫0+∞une−udu=n∫0+∞un−1e−udu按照这个形式,会有:
∫ 0 + ∞ u n e − u d u = n ∫ 0 + ∞ u n − 1 e − u d u = n ( n − 1 ) ∫ 0 + ∞ u n − 2 e − u d u = . . . = n ( n − 1 ) . . .2 ∫ 0 + ∞ u 1 e − u d u = n ( n − 1 ) . . .2 ⋅ 1 ∫ 0 + ∞ u 0 e − u d u = n ! \int_{0}^{+\infty}u^ne^{-u}du=n\int_{0}^{+\infty}u^{n-1}e^{-u}du=\\ n(n-1)\int_{0}^{+\infty}u^{n-2}e^{-u}du=...=\\ n(n-1)...2\int_{0}^{+\infty}u^{1}e^{-u}du=\\ n(n-1)...2\cdot 1\int_{0}^{+\infty}u^{0}e^{-u}du=n! ∫0+∞une−udu=n∫0+∞un−1e−udu=n(n−1)∫0+∞un−2e−udu=...=n(n−1)...2∫0+∞u1e−udu=n(n−1)...2⋅1∫0+∞u0e−udu=n!至此可知,当 s s s为正整数 n n n时,
∫ 0 1 ( − l n t ) s d t = s ! \int_{0}^{1}(-lnt)^sdt=s! ∫01(−lnt)sdt=s!

【3】总结

当 s s s为正整数 n n n时,
∫ 0 1 ( − l n t ) s d t = s ! \int_{0}^{1}(-lnt)^sdt=s! ∫01(−lnt)sdt=s!,积分式和阶乘式相等。

相关推荐
小马过河R13 分钟前
GPT-5原理
人工智能·gpt·深度学习·语言模型·embedding
中科米堆15 分钟前
自动化三维测量仪工业零件自动外观三维测量-中科米堆CASAIM
人工智能·python·自动化·视觉检测
赫尔·普莱蒂科萨·帕塔17 分钟前
Video Ocean 接入 GPT-5
人工智能·gpt
Godspeed Zhao2 小时前
自动驾驶中的传感器技术36——Lidar(11)
人工智能·机器学习·自动驾驶·全固态激光雷达
不老刘2 小时前
《生成式AI消费级应用Top 100——第五版》| a16z
人工智能·ai·chatgpt·a16z
此处不留情4 小时前
基于pytorch的垃圾分类识别项目实战
人工智能·pytorch
mit6.8244 小时前
[AI人脸替换] docs | 环境部署指南 | 用户界面解析
人工智能·python
fantasy_arch4 小时前
Pytorch超分辨率模型实现与详细解释
人工智能·pytorch·python
爱读源码的大都督6 小时前
小白LLM教程:不训练模型,如何进行微调?
java·人工智能·后端
十安_数学好题速析6 小时前
数列寻方:等差数列和为完全平方数
笔记·学习·高考