tecktom.com

鞍点法(最急降下法)の一般理論

2026年10月15日4分で読めますAI生成教科書『基礎理論』第8章 鞍点法と漸近展開
目次
  1. 主要項の導出
  2. 高次項と完全漸近展開
  3. 木下の層

AI 生成・木下が未勉強

応用数学入門 第8章 §8.3 ★★★ 主要項の公式 2π/(−λg′′)\sqrt{2\pi/(-\lambda g'')}。全例題がここに帰着する

主要項の導出

★★★ ガウス積分への帰着で式 (8.2) を導く中心の証明

定理(鞍点法の主要項) ★★★

積分 I(λ)=∫Cf(z)eλg(z)dzI(\lambda) = \int_C f(z)\mathrm{e}^{\lambda g(z)}\mathrm{d} z において、積分路 CC を鞍点 z0z_0(g′(z0)=0g'(z_0)=0、g′′(z0)≠0g''(z_0) \ne 0)を通る最急降下路 Γ\Gamma に変形できるとする。λ→∞\lambda \to \infty のとき、

I(λ)∼f(z0) eλg(z0)2π−λg′′(z0)(8.2)I(\lambda) \sim f(z_0)\,\mathrm{e}^{\lambda g(z_0)} \sqrt{\frac{2\pi}{-\lambda g''(z_0)}}\tag{8.2}

が成立する。右辺の平方根は最急降下方向に対応する符号を選ぶ(実部が正となる枝)。

証明の概略:最急降下路上で Im⁡g=Im⁡g(z0)=const\operatorname{Im} g = \operatorname{Im} g(z_0) = \mathrm{const} であるから、z=z0+seiθ0z = z_0 + s\mathrm{e}^{i\theta_0}(θ0\theta_0 は最急降下方向、s∈Rs \in \mathbb{R})と置ける。このとき

g(z)=g(z0)+12g′′(z0)(z−z0)2+O ⁣((z−z0)3)g(z) = g(z_0) + \tfrac{1}{2}g''(z_0)(z-z_0)^2 + O\!\left((z-z_0)^3\right)

と展開すると、最急降下方向では g′′(z0)e2iθ0<0g''(z_0)\mathrm{e}^{2i\theta_0} < 0(実負)。よって μ:=−g′′(z0)e2iθ0>0\mu := -g''(z_0)\mathrm{e}^{2i\theta_0} > 0 と置けば、

I(λ)≈f(z0)eλg(z0)eiθ0∫−∞∞e−λμs2/2ds=f(z0)eλg(z0)eiθ02πλμ.I(\lambda) \approx f(z_0)\mathrm{e}^{\lambda g(z_0)}\mathrm{e}^{i\theta_0} \int_{-\infty}^{\infty} \mathrm{e}^{-\lambda\mu s^2/2}\mathrm{d} s = f(z_0)\mathrm{e}^{\lambda g(z_0)}\mathrm{e}^{i\theta_0}\sqrt{\frac{2\pi}{\lambda\mu}}.

μ=−g′′(z0)e2iθ0\mu = -g''(z_0)\mathrm{e}^{2i\theta_0} を代入して整理すると式 (8.2) を得る。□\square

高次項と完全漸近展開

★★ 補正係数 c1c_1 の構造。スターリングの 1/(12n)1/(12n) を再現する検算つき

f(z)f(z) および g(z)g(z) を鞍点 z0z_0 まわりでテイラー展開して系統的に積分すると、

I(λ)∼eλg(z0)∑n=0∞anλn+1/2,λ→∞(8.3)I(\lambda) \sim \mathrm{e}^{\lambda g(z_0)} \sum_{n=0}^{\infty} \frac{a_n}{\lambda^{n+1/2}}, \quad \lambda \to \infty\tag{8.3}

の形の漸近展開が得られる。係数 ana_n は g(k)(z0)g^{(k)}(z_0)(k≥2k \ge 2)とf(j)(z0)f^{(j)}(z_0)(j≥0j \ge 0)の組み合わせで表される。たとえば f≡1f \equiv 1 の場合、第1補正項まで書くと

I(λ)∼eλg(z0)2π−λg′′(z0)[1+c1λ+O ⁣(λ−2)],c1=5(g′′′(z0))224(−g′′(z0))3+g(4)(z0)8(−g′′(z0))2(8.4)I(\lambda) \sim \mathrm{e}^{\lambda g(z_0)} \sqrt{\frac{2\pi}{-\lambda g''(z_0)}} \left[1 + \frac{c_1}{\lambda} + O\!\left(\lambda^{-2}\right)\right], \qquad c_1 = \frac{5\bigl(g'''(z_0)\bigr)^2}{24\bigl(-g''(z_0)\bigr)^3} + \frac{g^{(4)}(z_0)}{8\bigl(-g''(z_0)\bigr)^2}\tag{8.4}

となる1後述のスターリングの公式(g=log⁡s−sg = \log s - s、g′′=−1g''=-1、g′′′=2g'''=2、g(4)=−6g^{(4)}=-6)ではc1=5⋅424−68=112c_1 = \frac{5\cdot 4}{24} - \frac{6}{8} = \frac{1}{12} となり、式 (8.6) の 1/(12n)1/(12n) 項を正しく再現する。下の脚注へ。

補足

展開 (8.3) は一般に発散級数である。しかし N≈λN \approx \lambda で打ち切ると、誤差は O(e−cλ)O(\mathrm{e}^{-c\lambda})(c>0c > 0)のオーダー(超指数的精度)になる。この現象はストークス現象と深く関わる。

1 後述のスターリングの公式(g=log⁡s−sg = \log s - s、g′′=−1g''=-1、g′′′=2g'''=2、g(4)=−6g^{(4)}=-6)ではc1=5⋅424−68=112c_1 = \frac{5\cdot 4}{24} - \frac{6}{8} = \frac{1}{12} となり、式 (8.6) の 1/(12n)1/(12n) 項を正しく再現する。

木下の勉強ステータス

木下はまだこの記事を勉強していません。

AI(Claude)が書いた教材を、木下が勉強しながら公開しています。式と数値は検算していますが、誤りが残っているかもしれません。誤りのご指摘・削除のご依頼をいただければ直します。 連絡先:support@tecktom.com

← AI生成教科書『基礎理論』の記事一覧へ