欧拉–马歇罗尼常数通常记作 γ,是由下式定义的实数:
γ=n→∞lim(k=1∑nk1−lnn)=0.577215664901532860606512090082402431….
它表示调和级数的部分和与自然对数之差的极限。这个常数出现在数学分析、数论和概率论中,尤其常见于涉及伽马函数和ζ函数的公式。尽管人们已对其进行了大量研究,目前仍不知道 γ 是有理数还是无理数。
定义与存在性
第 n 个调和数为
Hn=k=1∑nk1.
Hn 和 lnn 都会无限增大,但它们的差趋于一个有限极限。因此,γ 的定义考察的是两个发散量在同一个有限指标处取值后所得差值的极限,而不是将两个各自定义的无穷大相减。
通过初等的积分比较即可证明该极限存在。令
an=Hn−lnn.
则
an+1−an=n+11−ln(1+n1)<0,
因为
ln(1+n1)=∫nn+1xdx>n+11.
同时,
Hn>∫1n+1xdx=ln(n+1),
所以 an>0。因此,该数列单调递减且有下界,从而收敛。
一个等价的定义是
γ=n→∞lim(Hn−ln(n+1)).
结合这两个数列,可以得到如下界限:
Hn−ln(n+1)<γ<Hn−lnn.
几何解释
和式 Hn 是宽均为 1、高分别为 1,1/2,…,1/n 的矩形的总面积。对数 lnn 则是曲线 y=1/x 下方从 1 到 n 的面积。矩形总面积超出该积分的部分,其极限就是这个常数。
这一解释体现了 γ 的一种常见作用:在比较离散求和与连续积分时,它充当修正项。
历史与记号
莱昂哈德·欧拉在18世纪30年代研究调和和式时引入了这个常数。洛伦佐·马歇罗尼随后对其进行了研究,并在1790年发表的著作中计算出了更多小数位。这个复合名称是为了纪念两人的早期贡献。
记号 γ 是后来才成为通用记号的。它的别名“欧拉常数”不应与作为自然对数底数的自然常数e e 混淆。常数 γ 也不是伽马函数 Γ(z),不过两者有着密切联系。
级数与积分表示
将定义极限中的对数写成可逐项抵消的和式,可得收敛的无穷级数
γ=k=1∑∞(k1−ln(1+k1)).
每一项都为正,且渐近等于 1/(2k2),由此可知该级数收敛。
一个涉及黎曼ζ函数的表示式为
γ=m=2∑∞m(−1)mζ(m).
将 ln(1+1/k) 展开即可得到此式;在论证重排的合理性时,需要先单独处理端点 k=1。这里
ζ(s)=k=1∑∞k−s(s>1).
两个有用的积分表示为
γ=−∫0∞e−xlnxdx
以及
γ=∫01(1−x1+lnx1)dx.
在第二个表达式中,两项合并后,x=1 处表面上的奇性相互抵消。不能把这两项拆开,分别当作收敛的反常积分来计算。
渐近展开与数值计算
欧拉–麦克劳林公式给出如下渐近展开:
Hn∼lnn+γ+2n1−12n21+120n41−252n61+⋯.
更确切地说,在任意固定项数后截断,都能在 n→∞ 时得到误差可控的近似。完整的表达式是一个渐近级数,对于固定的 n,它通常并不收敛。
前几项表明
Hn−lnn−γ=2n1+O(n−2),
其中 O 是大O记号。因此,定义中的极限收敛得很慢:将 n 扩大到原来的十倍,大约只能多得到一位准确的小数。
减去首个修正项可以显著改善近似:
γ=Hn−lnn−2n1+12n21+O(n−4).
一个有用的显式界限是
2(n+1)1<Hn−lnn−γ<2n1.
高精度算法采用能加快收敛的表示式,而不是简单地对数量庞大的调和项求和。在数值分析中,误差界与舍入误差的控制对于确保所得数字的准确性至关重要。
与特殊函数的联系
伽马函数与双伽马函数
对于正实数 z,伽马函数定义为
Γ(z)=∫0∞xz−1e−xdx.
在 z=1 处求导可得
Γ′(1)=∫0∞e−xlnxdx=−γ.
双伽马函数是伽马函数的对数导数:
ψ(z)=Γ(z)Γ′(z).
由于 Γ(1)=1,
ψ(1)=−γ.
在正整数处,
ψ(n+1)=Hn−γ,
这将调和数与 γ 之间的关系延伸到了特殊函数理论中。
这个常数也出现在如下展开式中:
logΓ(1+z)=−γz+m=2∑∞m(−1)mζ(m)zm,∣z∣<1.
对于复数 z,这里的对数取 z=0 附近的解析分支,且该分支在此处的值为零。
ζ函数在极点附近的展开
ζ函数在 s=1 处有一个一阶极点,其局部展开的前几项为
ζ(s)=s−11+γ+O(s−1).
等价地,
s→1lim(ζ(s)−s−11)=γ.
因此,γ 是去除奇异部分后剩下的常数项。在 ζ(s) 的完整洛朗展开中,它是第零个斯蒂尔切斯常数。
应用
约数计数
设 d(n) 表示正整数 n 的正约数个数。一个经典估计为
n≤x∑d(n)=xlnx+(2γ−1)x+O(x).
首项描述约数个数累加值的主要增长趋势;下一项则包含 γ。
这一关系来自对满足 ab≤x 的整数格点的计数。按其中一个坐标组织计数时,调和和式便会自然出现。
概率与极值
如果 X 服从速率参数为 1 的指数分布,那么对其取对数后的期望值为
E[lnX]=∫0∞e−xlnxdx=−γ.
如果 X1,…,Xn 是相互独立、速率参数均为 1 的指数随机变量,则它们的最大值满足
E[max(X1,…,Xn)]=Hn.
因此,
E[max(X1,…,Xn)]−lnn⟶γ.
中心化后的最大值的极限分布是标准耿贝尔分布,其累积分布函数为
F(x)=exp(−e−x).
该分布的均值为 γ,从而为这一常数提供了概率论解释。
算术性质的研究现状
目前仍不知道 γ 是有理数还是无理数。特别是,尚未证明它的小数展开不循环。
目前也不知道 γ 是否为超越数。超越性蕴含无理性,因此这是一个更强的未解问题。
γ 出现在含有对数、伽马函数或ζ函数值的公式中,这本身并不能确定它的算术性质。同样,大量的小数位计算和有理数逼近也不能构成无理性的证明。