利用公式画图_从「几个特殊函数的渐近展开」到「从纯粹直观推导斯他林公式、Wallis公式等渐近公式」...

我只关心数学的应用，就算你哪天告诉我「数学的基础崩塌了」，我也无所谓。只要能用，能得出正确的结果，我觉得就可以了。
——（对我「经常传教集合论大基数等毫无卵用的数学知识」行为感到心态爆炸的）巨佬舍友

零、前言

作为一个工科生，对于数学的各种奇奇怪怪的符号属实是提不起兴趣。和巨佬舍友类似的，比起看着一堆奇奇怪怪的特殊函数犯懵，我还是更喜欢相对更直观的、有着相对初等解析形式的渐近解。然而笔者信息检索能力很差，各种函数的渐近解也不知道上哪里搜，知网也找不到（如果有知道怎么检索这些的大佬，欢迎到评论区指点小生一二）。花了九牛二虎之力才在网上找到了一本1991年的《渐近分析》pdf书，然而讲的也不是我想要的。

于是我在极度愤怒的情况下（划掉），造了一个（肯定前人早就造好的）轮子，给出了一些常用的特殊函数的渐近解。而后面，我将通过纯粹直观的方式来推导出《渐近分析》这本书里面给出的一个重要的渐近估计方法（Laplace渐近方法），并且通过该渐近方法给出我们常用的「斯他林公式」、「Wallis公式」等常用的渐近公式。

由于知乎的TeX公式崩过一次，基于对知乎TeX功能的不信任以及自己想要偷懒的想法（其实这才是主要原因，划掉），部分公式推导过程我就直接从本地端搬运图片形式的公式了。其实我在本地端无聊时写了很多东西，只是懒得搬运上来而已233（怠惰）。

一、几个特殊函数的渐近展开

说实话，里面的推导都不严谨，经常定义域都跑到发散的地方了。但是确实拟合得不错。不过值得注意的是：渐近展开阶数一定不能多，渐近展开的前提是x充分大，如果x不是充分大，那么可能展开阶数越大反而误差越大。具体应该展开多少阶我并没有研究过，不知道有没有前人研究过这个问题，反正我就是mathematica画图，看看是否足够近似就OK了。

注意：由于这些展开是我自己造的轮子，用mathematica画了个图看起来结果差不多就放上去了（典型工科生思维），可能有很多错误之处，还望读者不吝指出。

1、正态分布的误差估计函数

先来个粗糙的估计

再上渐近展开

2、指数积分函数

3、对数积分函数

4、正弦积分函数（这是我猜出来的，不会证，只猜出来了一阶展开，更多的我也没辙了）(后面我又证出来了，详见后文）

前三个公式我有证明（虽然其中一步定义域弄发散了，按道理来说这证明有问题，但它确实能work，我也不知道为啥，反正mathematica画出的图像表示它确实拟合得很好，反正我是工科生，