高数篇（一）-- Gamma 函数 VS Beta 函数

        Gamma 函数和 Beta 函数是最基本也是最重要的两个特殊函数，它们如同基石般奠定了整个特殊函数论大厦的基础。相信你在微积分和统计里，经常看到他们的身影，所以快来 get Gamma 函数和 Beta 函数的技能。

1 Gamma函数

1.1 介绍

        伽马函数（Gamma 函数），即欧拉第二积分，是阶乘函数在实数与复数上扩展的一类函数。该函数在分析学、概率论、偏微分方程和组合数学中有重要的应用。与之有密切联系的函数是贝塔函数，也叫第一类欧拉积分，可以用来快速计算同伽马函数形式相类似的积分。
        我们接触的Gamma函数一般是下面的形式：
$$\Gamma (x)={\int }_0^{\infty }{t}^{x-1}{e}^{-t}dt$$

        通过分部积分的方法，可以推导出这个函数具有如下的递归性质：

$$\Gamma (x+1)=x\Gamma (x)$$

        于是很容易证明，$\Gamma (x)$ 函数可以当成是阶乘在实数集上的延拓，具有如下性质：
$$\Gamma (n)=(n-1)!$$

        要了解更多的 Gamma 函数的历史，推荐阅读

• Philip J. Davis，Leonhard Euler’s Integral: A Historical Profile of the Gamma Function
• Jacques Dutka，The Early History of the Factorial Function
• Detlef Gronnau，Why is the gamma function so as it is?

1.2 推导

        在某一个特殊的时刻，欧拉发现阶乘 $n!$ 可以用一个无穷乘积表示：
$$n!=[(\frac{2}{1}{)}^n\frac{1}{n+1}][(\frac{3}{2}{)}^n\frac{2}{n+2}][(\frac{4}{3}{)}^n\frac{3}{n+3}]\cdots ①$$

        如果有m项乘积：

        当 $m>>n$ 时，上式可继续计算：

        当 $m\to \infty$ 时，无穷乘积的极限：

$$\underset{n\to \infty }{\lim }\underset{(1)}{\underbrace{(m+1{)}^n\frac{1\times 2\times 3\times \cdots \times m}{(n+1)(n+2)(n+3)\cdots (n+m)}}}=\underset{n\to \infty }{\lim }\underset{(2)}{\underbrace{n!\prod _{k=1}^n\frac{m+1}{m+k}}}=n!$$

        值得注意的是，$n!$ 明显不等于(2)，(2)又是由(1)整理而来的，因此 $n!$ 也不等于(1)，而是在 $m\to \infty$ 时 $n!$ 等于(1)或(2)的极限。以 $n=2$ 为例，$n!=2$ ，$m$ 是2、50、100时，(1)的结果分别是1.5、1.9615384615384617、1.980392156862745，展开的越多，越接近于 $n!$。
        有了这个无穷乘积，欧拉便把 $n=\frac{1}{2}$ 代入①式，得到：

        根号里面的东西是英国数学家沃利斯（John Wallis）在1665年写下的沃利斯公式：
$$\frac{2}{1}\times \frac{2}{3}\times \frac{4}{3}\times \frac{4}{5}\times \frac{6}{5}\times \frac{6}{7}\times \frac{8}{7}\times \frac{8}{9}\times \frac{10}{9}\cdots =\prod _{n=1}^{\infty }\frac{2n}{2n-1}\cdot \frac{2n}{2n+1}=\frac{\pi }{2}$$

        于是，欧拉把沃利斯公式折半：

$$\begin{gathered} \frac{2}{3}\times \frac{4}{3}\times \frac{4}{5}\times \frac{6}{5}\times \frac{6}{7}\times \frac{8}{7}\times \frac{8}{9}\times \frac{10}{9}\cdots =\frac{\pi }{4} \\ (\frac{1}{2})!=\frac{\sqrt{\pi }}{2} \end{gathered}$$

        欧拉发现 $(\frac{1}{2})!$ 的计算结果中居然有 $\pi$，有 $\pi$ 的地方通常会和圆的积分相关。于是，欧拉开始尝试把 $n!$ 表达为积分形式。虽然Wallis 的时代微积分还没有发明出来，Wallis是使用插值的方式做推导计算的，但是Wallis 公式的推导过程基本上就是在处理积分 ${\int }_0^1{x}^{\frac{1}{2}}(1-x{)}^{\frac{1}{2}}dx$，受Wallis 的启发，欧拉开始考虑如下的一般形式的积分：
$$J(a,n)={\int }_0^1{x}^a(1-x{)}^{n}dx$$

        式子中，$n$ 为正整数，$a$ 为正实数。利用分部积分：

        继续使用分部积分：

        上面的所有递推合并到一起就得到了最终的结果：

        现在阶乘变成了积分的形式。然而这个式子的前提是 $n$ 是正整数，无法推广到分数，欧拉继续研究如何化简这个表达式。$a$ 是一个任意实数，能否让$a$ 消失？一个惯用的方法是取极端值，$a>0$ 的一个极端是无穷，看看让$a$ 趋近于无穷时会得到什么结果。这里欧拉使用的技巧是让 $a$ 等于两个实数的商：

        等式两侧同时除以 $(f+g)(f+2g)\cdots (f+ng)$：
$$\frac{n!}{(f+g)(f+2g)\cdots (f+ng)}=\frac{f+(n+1)g}{g^{n+1}}{\int }_0^1{x}^{\frac{f}{g}}(1-x{)}^{n}dx④$$

        当 $f\to 1，g\to 0$ 时，左侧趋近于 $n!$，但是右侧出现了讨厌的0分母，此时为了简化计算：

        将上式的结论代入④：

        用求极限的方式去掉$f和g$：
$$\begin{gathered} \underset{f\to 1，g\to 0}{\lim }\frac{n!}{(f+g)(f+2g)\cdots (f+ng)}=n! \\ \underset{f\to 1，g\to 0}{\lim }\frac{f+(n+1)g}{(f+g{)}^{n+1}}=1 \end{gathered}$$

        当 $f\to 1，g\to 0时，h\to 0，(1-t^h)/h$的极限变成了 $0/0$ 的形式，在洛必达法则的帮助下，$0/0型和\infty /\infty$ 型的极限也是可以求解的。令 $u(h)=1-t^h，v(h)=h$，根据洛必达法则：
$$\underset{h\to 0}{\lim }\frac{u(h)}{v(h)}=\underset{h\to 0}{\lim }\frac{u^{{}^{\prime }}(h)}{v^{{}^{\prime }}(h)}=\underset{h\to 0}{\lim }\frac{-lnt}{1}=-lnt$$

        于是在对⑤的等式两侧求极限时，神奇的一幕出现了：
$$n!={\int }_0^1(-lnt{)}^{n}dt$$

        任意实数 $a$ 已经消失了，$n!$ 变成了一个简洁的积分形式。继续变换：

        于是得到欧拉最早定义的伽玛函数，实际上就是阶乘扩展到实数范围：
$$\Gamma (x)=x!={\int }_0^{\infty }{u}^x{e}^{-u}du（x>0）$$

        但是欧拉后来修改了伽玛函数的定义，变成了：
$$\begin{gathered} \Gamma (x)=(x-1)! \\ \Gamma (x)={\int }_0^1(-lnt{)}^{x-1}dt⑥ \\ \Gamma (x)={\int }_0^{\infty }{u}^{x-1}{e}^{-u}du⑦ \end{gathered}$$

        这也是现在我们所说的伽玛函数，⑥和⑦是两种表达，⑦更为常见，从积分域可以看出 $t和u$ 的取值范围。

        看一下 $\Gamma$ 函数的曲线：

        补充：

        Gamma函数还有其他定义，这里只简单介绍，详细推导请阅读：Gamma函数的那些事儿——四种定义
$$\begin{gathered} \Gamma (x)=\underset{n\to \infty }{\lim }\frac{n^{x}n!}{x(x+1)(x+2)\cdots (x+n-1)(x+n)} \\ \Gamma (x)=\frac{1}{x}\prod _{k=1}^{\infty }\frac{(1+\frac{1}{k}{)}^x}{1+\frac{x}{k}} \\ \frac{1}{\Gamma (x)}=x{e}^{\gamma x}\prod _{k=1}^{\infty }(1+\frac{x}{k})e^{-\frac{x}{k}}（Weierstrass无穷乘积形式） \end{gathered}$$

1.3 Gamma函数的性质

        Gamma 函数在数学分析中不断被深入研究，在概率论中也是无处不在，很多统计分布都和这个函数相关。常用性质：

1. 递推公式
   $$\begin{gathered} \Gamma (x+1)=\Gamma (x) \\ \Gamma (n+\frac{1}{2})=\frac{\sqrt{\pi }}{2^{2n}}\frac{(2n)!}{n!} \\ \Gamma (x)\Gamma (1-x)=\frac{\pi }{sin(\pi a)} \\ \Gamma (x+\frac{1}{2})=\frac{\Gamma (2x)\Gamma (\frac{1}{2})}{\Gamma (x)2^{2x-1}} \end{gathered}$$

        我们知道 $0!=1$，$\Gamma (1)$对此进行解释：
$$0!=\Gamma (1)={\int }_0^{\infty }{u}^{1-1}{e}^{-u}du={\int }_0^{\infty }{e}^{-u}du=-e^{-u}{|}_0^{\infty }=-e^{-\infty }+1=1$$

        积分中常用的几个数值：

$f(x)$	${\int }_0^{+\infty }f(x)dx$	备注
$x^{-\frac{1}{2}}{e}^{-x}$	$\sqrt{\pi }$	$\Gamma (\frac{1}{2})$
$e^{-x}$	$1$	$\Gamma (1)$
$x^{\frac{1}{2}}{e}^{-x}$	$\frac{\sqrt{\pi }}{2}$	$\Gamma (\frac{3}{2})$
$x{e}^{-x}$	$1$	$\Gamma (2)$
详细推导请参考：伽马函数常用积分数值

（1）欧拉常数 $\gamma$
$$\begin{gathered} \gamma =-\frac{d\Gamma (x)}{dx}{|}_{x=1}=\underset{n\to \infty }{\lim }(1+\frac{1}{2}+\frac{1}{3}+\cdots +\frac{1}{n}-ln(n)) \\ =\underset{n\to \infty }{\lim }\sum _{k=1}^n\frac{1}{k}-lnn \end{gathered}$$

（2）Digamma 函数
$$\Psi (x)=\frac{dlog\Gamma (x)}{dx}=\frac{{\Gamma }^{{}^{\prime }}(x)}{\Gamma (x)}=-\gamma +{\int }_0^1\frac{1-x^{z-1}}{1-x}dx$$
        这也是一个很重要的函数，在涉及求 Dirichlet 分布相关的参数的极大似然估计时，往往需要使用到这个函数。Digamma 函数具有如下漂亮的性质：

1. 递推公式
   $$\Psi (x+1)=\Psi (x)+\frac{1}{x}$$
2. 反射公式
   $$\psi (1-x)=\psi (x)+\pi \cot \pi x$$
3. 倍加公式
   $$\psi (2x)=\frac{1}{2}\psi (x)+\frac{1}{2}\psi \left(x+\frac{1}{2}\right)+\ln 2$$

        函数 $\Psi (x)$ 和欧拉常数 $\gamma$ 以及 $\zeta$ 函数都有密切关系，令
$${\Psi }_n(x)=\frac{d^{n+1}log\Gamma (x)}{d{x}^{n+1}}$$

        则 ${\Psi }_0(x)=\Psi (x)$，可以证明：
$$\begin{gathered} \Psi (n)=-\gamma +\sum _{k=1}^{n-1}\frac{1}{k}(n\in N) \\ \Psi (x)=-\gamma -\sum _{k=0}^{\infty }(\frac{1}{x+k}-\frac{1}{k+1})(x\in C) \\ \Psi (1)=-\gamma ，\Psi (2)=1-\gamma \\ {\Psi }_1(1)=\zeta (2)=\frac{{\pi }^2}{6}，{\Psi }_2(1)==-2\zeta (3) \end{gathered}$$

1.4 Gamma函数的应用

（1）利用伽马函数求导数
        我们原来只能定义一阶、二阶等整数阶导数，有了 Gamma 函数我们可以把函数导数的定义延拓到实数集，从而可以计算 1/2 阶导数, 同样的积分作为导数的逆运算也可以有分数阶。 我们先考虑一下 $x^n$ 的各阶导数:

        由于 k 阶导数可以用阶乘表达，于是我们用 Gamma 函数表达为：
$$\frac{\Gamma (n+1)}{\Gamma (n-k+1)}{x}^{n-k}$$

        于是基于上式，我们可以把导数的阶从整数延拓到实数集。例如，取 $n=1,k=\frac{1}{2}$ 我们可以计算 $x$ 的 $\frac{1}{2}$ 阶导数为:
$$\frac{\Gamma (1+1)}{\Gamma (1-1/2+1)}{x}^{1-1/2}=\frac{2\sqrt{x}}{\sqrt{\pi }}$$
        对于一般的函数 $f(x)$ 通过 Taylor 级数展开可以表达为幂级数，于是借用 $x^n$ 的分数阶导数，我们可以尝试定义出任意函数的分数阶导数。不过有点遗憾的是这种定义方法并非良定义的，不是对所有函数都适用，但是这个思想却是被数学家广泛采纳了，并由此发展了数学分析中的一个研究课题：Fractional Calculus，在这种微积分中，分数阶的导数和积分都具有良定义，而这都依赖于 Gamma 函数。

（2）利用利用伽马函数简化级数
        当我们求不出一些级数，但是我们可以让它在不同的形式间转化，例如：
$$\sum _{k=1}^{\infty }\frac{1}{k^k}=1+\frac{1}{2^2}+\frac{1}{3^3}+\frac{1}{4^4}+\frac{1}{5^5}+\cdots$$

        根据 $n!=\Gamma (n+1)$ 对级数进行如下构造：

$$\sum _{k=1}^{\infty }\frac{1}{k^k}=\sum _{k=1}^{\infty }\frac{\Gamma (k)}{(k-1)!k^k}=\sum _{k=1}^{\infty }\frac{1}{(k-1)!k^k}{\int }_0^{\infty }{x}^{k-1}{e}^{-x}\mathrm{d}x=\sum _{k=1}^{\infty }\frac{1}{(k-1)!}{\int }_0^{\infty }{\left(\frac{x}{k}\right)}^{k-1}{e}^{-x}\frac{\mathrm{d}x}{k}$$

        令 $t=\frac{x}{k}$，则 $dt=\frac{dx}{k}$，于是得到变换后的级数表达式：

$$\sum _{k=1}^{\infty }\frac{1}{k^k}=\sum _{k=1}^{\infty }\frac{1}{(k-1)!}{\int }_0^{\infty }{t}^{k-1}{e}^{-kt}\mathrm{dt}$$

        再用 $u=e^{-t}\Rightarrow t=-\ln (u)\Rightarrow \mathrm{dt}=-\frac{\mathrm{d}u}{u}$ 进行换元，得到：

$$\sum _{k=1}^{\infty }\frac{1}{k^k}=\sum _{k=1}^{\infty }\frac{1}{(k-1)!}{\int }_0^1(-\ln (u){)}^{k-1}{u}^k\frac{\mathrm{du}}{\mathrm{u}}={\int }_0^1\sum _{k=1}^{\infty }\frac{(-u\ln (u){)}^{k-1}}{(k-1)!}\mathrm{d}u$$

        其中最后一项的求和号与积分号互换位置是通过控制收敛定理（Dominated convergence theorem）得到的。最后我们根据指数函数的麦克劳林展开 $e^x={\sum }_{n=0}^{\infty }\frac{x^k}{n!}$，将积分继续简化，得到：

$$\sum _{k=1}^{\infty }\frac{1}{k^k}={\int }_0^1{e}^{-u\ln (u)}\mathrm{d}u={\int }_0^1{u}^{-u}\mathrm{d}u$$

        最终通过补 Gamma 函数将一个级数转化为了一个简短的定积分。

（3）欧拉余元公式（Euler’s reflection formula）
$$\begin{gathered} \Gamma (x)\Gamma (1-x)=x^{-1}\prod _{k=1}^{\infty }(1-\frac{x^2}{k^2}{)}^{-1} \\ \Gamma (x)\Gamma (1-x)=\frac{\pi }{sin(\pi x)} \end{gathered}$$

（4）用Gamma函数美化 $\zeta (s)$
        黎曼函数的定义是：$$\zeta (s)=\sum _{k=1}^{\infty }\frac{1}{k^s}$$
        将 $\zeta (s)$ 和 $\Gamma (s)$ 相乘可以得到：
$$\zeta (s)\Gamma (s)={\int }_0^{\infty }\frac{t^{s-1}{e}^{-t}}{1-e^{-t}}dt$$

（5）斯特林公式

        Gamma 函数作为阶乘的推广，它也有和 Stirling 公式类似的一个结论：
$$\Gamma (x+1)\approx \sqrt{2\pi }{e}^{-x}{x}^{x+\frac{1}{2}}$$

---

2 Beta函数

2.1 介绍

        贝塔函数具有很好的性质，以及实用的递推公式，另外，Gamma 函数和 Beta 函数之间存在好的关系。

2.2 推导

        欧拉在伽玛函数的推导中实际上引入了两类积分形式：
　$$\begin{gathered} J(a,n)={\int }_0^1{x}^a(1-x{)}^{n}dx（a>0，n>0） \\ S(x)={\int }_0^{\infty }{u}^x{e}^{-u}du（x>0） \end{gathered}$$
        后来把这两个积分的参数做了-1的偏移，改为：
$$\begin{gathered} B(\alpha ,\beta )={\int }_0^1{x}^{\alpha -1}(1-x{)}^{\beta -1}dx（\alpha >0，\beta >0） \\ \Gamma (x)={\int }_0^{\infty }{u}^{x-1}{e}^{-u}du（x>0） \end{gathered}$$

        由上面的推导可以得到 $B(\alpha ,\beta )$的表达式，现在称为贝塔函数或贝塔积分。

        当 $\alpha <1$ 时，是以 $x=0$ 为瑕点的无界函数反常积分；当 $\beta <1$ 时，是以 $x=1$ 为瑕点的无界函数反常积分，应用柯西判别法可证得到 $\alpha >0，\beta >0$ 时，这两个无界函数反常积分都收敛，所以贝塔函数的定义域为 $\alpha >0，\beta >0$。

        下面推导伽马函数与贝塔函数之间存在的关系：
        这里需要用到一个新的概念——卷积(Convolution)和拉普拉斯变换，对于卷积的物理意义，请参考：如何通俗易懂地解释卷积，由卷积定理可知：
L { ( f ∗ g ) ( t ) } = L { f ( t ) } ⋅ L { g ( t ) } \mathcal{L} \{(f \ast g)(t)\} = \mathcal{L} \{f(t)\} \cdot \mathcal{L}\{g(t)\} L{(f∗g)(t)}=L{f(t)}⋅L{g(t)}

        接下来研究一下幂函数拉普拉斯变换的性质（其中标注的地方进行了换元：$\tau =st⟹d\tau =sdt$）:
L { t a } = ∫ 0 ∞ t a e − s t d t = 1 s a + 1 ∫ 0 ∞ ( s t ) a e − ( s t ) ( s d t ) = 1 s a + 1 ∫ 0 ∞ τ ( a + 1 ) − 1 e − τ d τ ( ∗ ) = Γ ( a + 1 ) s a + 1 \mathcal{L} \{t^a\} = \int_{0}^{\infty}t^a e^{-st}dt \\ = \frac{1}{s^{a+1}} \int_{0}^{\infty}(st)^ae^{-(st)}(sdt) \\ = \frac{1}{s^{a+1}} \int_{0}^{\infty}\tau^{(a+1)-1}e^{-\tau} d \tau \quad (\ast) \\ = \frac{\Gamma(a+1)}{s^{a+1}} L{ta}=∫0∞​tae−stdt=sa+11​∫0∞​(st)ae−(st)(sdt)=sa+11​∫0∞​τ(a+1)−1e−τdτ(∗)=sa+1Γ(a+1)​

        由上面定义的Beta函数 $B(\alpha ,\beta )={\int }_0^1{x}^{\alpha -1}(1-x{)}^{\beta -1}dx$，这个表达式看起来像两个幂函数的卷积，所以我们可以写出它的卷积表达式：
$${\int }_0^t{x}^{\alpha -1}(t-x{)}^{\beta -1}dx=t^{\alpha -1}\ast t^{\beta -1}$$

        对该卷积进行拉普拉斯变换，可以得到：
L { t α − 1 ∗ t β − 1 } = L { t α − 1 } ⋅ L { t β − 1 } = Γ ( α ) Γ ( β ) s α + β = Γ ( α ) Γ ( β ) Γ ( α + β ) Γ ( α + β − 1 + 1 ) s ( α + β − 1 ) + 1 = Γ ( α ) Γ ( β ) Γ ( α + β ) L { t x + y − 1 } \mathcal{L} \{t^{\alpha-1} \ast t^{\beta-1}\} = \mathcal{L} \{t^{\alpha-1}\} \cdot \mathcal{L} \{t^{\beta-1}\} = \frac{\Gamma(\alpha)\Gamma(\beta)}{s^{\alpha + \beta}} \\ = \frac{\Gamma(\alpha)\Gamma(\beta)}{\Gamma({\alpha + \beta}}) \frac{\Gamma(\alpha+ \beta-1 +1)}{s^{(\alpha + \beta-1) +1}} = \frac{\Gamma(\alpha)\Gamma(\beta)}{\Gamma({\alpha + \beta}}) \mathcal{L}\{ t^{x+y-1}\} L{tα−1∗tβ−1}=L{tα−1}⋅L{tβ−1}=sα+βΓ(α)Γ(β)​=Γ(α+βΓ(α)Γ(β)​)s(α+β−1)+1Γ(α+β−1+1)​=Γ(α+βΓ(α)Γ(β)​)L{tx+y−1}

        其中Beta函数正好是 $t=1$ 的情况，最后得到了用Gamma函数“美化”后的Beta函数表达式：

$$\begin{gathered} B(\alpha ,\beta )=\frac{\Gamma (\alpha )\Gamma (\beta )}{\Gamma (\alpha +\beta )} \\ B(\alpha ,1-\alpha )=\Gamma (\alpha )\Gamma (1-\alpha ) \end{gathered}$$

2.3 性质

1. 对称性
   $$B(\alpha ,\beta )=B(\beta ,\alpha )$$

参考

1. Beta 函数和 Gamma 函数有什么用：https://www.zhihu.com/question/31407058/answer/51863214
2. 神奇的 Gamma 函数：https://cosx.org/2013/01/lda-math-gamma-function
3. 伽马函数：https://www.cnblogs.com/bigmonkey/p/12168500.html
4. 伽马函数：https://blog.csdn.net/qq_43141726/article/details/104943994
5. Gamma函数的应用：https://zhuanlan.zhihu.com/p/114595109
6. The gamma function：https://core.ac.uk/download/pdf/22874824.pdf
7. The digamma function：http://emmy.uprrp.edu/lmedina/papers/part10/Part10.pdf
8. The beta function：http://scientia.mat.utfsm.cl/archivos/vol16/ar2.pdf