初等解析

tags: probability-theory

等比数列の和

k=1nark1=aark1r

等差数列の和

k=1n{a+(k1)d}=na+d×(n1)n2

二項定理

(a+b)n=nC0an+nC1an1b+nC2an2b2+nCn1abn1+nCnbn

二項係数

nCk=n!k!×(nk)!=n×(n1)×(nk+1)

nCk=nCnk

関数のテイラー展開

f(x)=f(x0)+f(x0)(xx0)+f(x0)2!(xx0)2+f(x0)3!(xx0)3+=f(x0)+(xx0)f(x0)+(xx0)22!f(x0)+(xx0)33!f(x0)+=k=01k!dkdxkf(x)|x=x0(xx0)k

x0=0のとき、マクローリン展開とも呼ばれる。

f(x)=f(0)+f(0)x+f(0)2!x2+f(0)3!x3+=k=01k!dkdxkf(x)|x=0xk

指数関数のマクローリン展開

dkdxkexp(x)exp(x)
であり、
exp(0)=1

なので、
x=0
の近傍で
exp(x)=k=0xkk!exp(0)=k=0xkk!=1+x+x22+x36+x424+

指数関数の逆数

exp(x)=1exp(x)=O(1x)(x)

指数関数の微積分

a0

ddxexp(ax)=aexp(ax)

exp(ax)dx=1aexp(ax)+C

ガウス関数の積分

exp(x2)dx=π

0exp(x2)dx=π2

0exp(x2)dx=π2

一つ目の等式は次のように、二乗を計算するために曲座標変換を用いると、計算が簡単になることを用いて示す。

exp(x2)dx×exp(y2)dy=exp((x2+y2))dxdy=002πexp(r2)rdrdθ=2π0rexp(r2)dr=2π[er22]0=2π[0(12)]=π

よって

exp(x2)dx=exp(y2)dy=π

合成関数の微分

ddxf(g(x))=f(g(x))×g(x)

指数関数を含む積の部分積分

a0

x1x2g(x)exp(ax)dx=[g(x)1aexp(ax)]x1x2x1x2g(x)1aexp(ax)dx

ガンマ関数

0xa1exp(x)dx=Γ(a)

部分積分を行うと

Γ(a)=aΓ(a1)
という関係が導かれる。

ベータ関数

01ta1(1t)b1dt=B(a,b)

B(a,b)=Γ(a)Γ(b)Γ(a+b)

スターリングの近似

n!(ne)n

logxの区間
[1,n]
の定積分が、
x=1nlogx
より小さく、
x=1n1logx
より大きいことを利用して導かれる。

確率論ではより精度の高い

n!2πn(ne)n

を用いることがある。