本文是筆者在計算隨機過程，研究的時候發現的積分公式，很有趣，原理很簡單 !!
[明顯的例子]
假如我要算二重定積分
$$ A = \int^{1}_{0}\int^{1}_{x} (x+y)dydx $$
今天我不小心把符號寫反 $x$ 寫成 $y$ , $y$ 寫成 $x$
$$ A' = \int^{1}_{0}\int^{1}_{y} (y+x)dxdy $$
但理論上答案是一樣的(你只是換了符號而已，題目本質不變)，所以 $A' =A$
後來你發現加法有交換律 $(y+x) = (x+y)$ ，你會發現 $A'' = A'$ ，其中 $$ A'' = \int^{1}_{0}\int^{1}_{y} (x+y)dxdy $$
然後你會發現 $\{(x,y) \in [0,1]^2 : x\leq y \} \cup \{(x,y) \in [0,1]^2 : x\geq y \} = [0,1]^2$
$$ 2A = A'' + A = \int^{1}_{0} \int^{1}_{0} (x+y)dydx $$
所以我們有 $$A = \frac{1}{2!} \int^{1}_{0} \int^{1}_{0} (x+y)dydx $$
如果令 $f(x,y) := x+y = y+x = f(y,x)$ 我們發現 $f$ 是對稱函數!!
-------------------------------------------------------------------------
[推廣] 所以如果 $f(\vec{x}):= f(x_1,x_2,x_3,....,x_n)$ 是一個在 $(x_1,x_2,....,x_n)$對稱的函數
[註: 對稱函數代表 $\forall \sigma \in S_n \quad f(\sigma(\vec{x})) = f(\vec{x}) $ (其中$S_n$為交換群(Permutation Group))
考慮 定義域為 $$ \Omega := \{ \vec{x}\in [a,b]^{n} : x_1 \leq x_2 \leq x_3 \leq ...\leq x_n \}$$
[明顯的例子]
假如我要算二重定積分
$$ A = \int^{1}_{0}\int^{1}_{x} (x+y)dydx $$
今天我不小心把符號寫反 $x$ 寫成 $y$ , $y$ 寫成 $x$
$$ A' = \int^{1}_{0}\int^{1}_{y} (y+x)dxdy $$
但理論上答案是一樣的(你只是換了符號而已，題目本質不變)，所以 $A' =A$
後來你發現加法有交換律 $(y+x) = (x+y)$ ，你會發現 $A'' = A'$ ，其中 $$ A'' = \int^{1}_{0}\int^{1}_{y} (x+y)dxdy $$
然後你會發現 $\{(x,y) \in [0,1]^2 : x\leq y \} \cup \{(x,y) \in [0,1]^2 : x\geq y \} = [0,1]^2$
$$ 2A = A'' + A = \int^{1}_{0} \int^{1}_{0} (x+y)dydx $$
所以我們有 $$A = \frac{1}{2!} \int^{1}_{0} \int^{1}_{0} (x+y)dydx $$
如果令 $f(x,y) := x+y = y+x = f(y,x)$ 我們發現 $f$ 是對稱函數!!
-------------------------------------------------------------------------
[推廣] 所以如果 $f(\vec{x}):= f(x_1,x_2,x_3,....,x_n)$ 是一個在 $(x_1,x_2,....,x_n)$對稱的函數
[註: 對稱函數代表 $\forall \sigma \in S_n \quad f(\sigma(\vec{x})) = f(\vec{x}) $ (其中$S_n$為交換群(Permutation Group))
考慮 定義域為 $$ \Omega := \{ \vec{x}\in [a,b]^{n} : x_1 \leq x_2 \leq x_3 \leq ...\leq x_n \}$$
則很自然我們有 $$ \int_{\Omega} f(\vec{x}) = \frac{1}{n!} \int_{[a,b]^n}f(\vec{x})$$
如果寫的很詳細大概長這樣
$$\int_{a}^{b}\int_{x_1}^{b}...\int_{x_{n-1}}^{b} f(\vec{x}) d{x_n}d{x_{n-1}}....d{x_2}d{x_1} = \frac{1}{n!} \overbrace{\int_{a}^{b}\int_{a}^{b}...\int_{a}^{b}}^{n \text{ integrals }} f(\vec{x}) d{x_n}d{x_{n-1}}....d{x_2}d{x_1} $$
---------------------------------------------------------------------------
[額外重要的結果]
另外還有一個很重要的結果，如果 $f(\vec{x}):= f(x_1,x_2,x_3,....,x_n)$ 是一個在 $(x_1,x_2,....,x_{n-1})$對稱的函數，注意: $x_n$ 要固定，不能換!!
則我們有
$$\int_{a}^{b}\int_{x_1}^{b}...\int_{x_{n-1}}^{b} f(\vec{x}) d{x_n}d{x_{n-1}}....d{x_2}d{x_1} = \frac{1}{(n-1)!} \overbrace{\int_{a}^{b}\int_{a}^{x_n}...\int_{a}^{x_n}}^{n \text{ integrals }} f(\vec{x}) \underbrace{d{x_1}d{x_{2}}....d{x_{n-1}}d{x_n}}_{\text{reverse order}} $$
<證明> : 我們先把 $d{x_n}$ 移到最外面，
其中 $$\Omega := \left\{ (x_1,...x_{n-1}) \in [0,x_n]^{n-1} : x_1 \leq x_2 \leq x_3 \leq ... x_{n-1}\right\}$$
所以 $$\bigcup_{\sigma \in S_{n-1}} \sigma(\Omega) = [0,x_n]^{n-1} \quad |S_{n-1}| = (n-1)!$$
我們可以得到
$$\int_{a}^{b}..\underbrace{\iiint_{\Omega}}_{n-1 \text{ integrals }} f(\vec{x}) d{x_{n-1}}....d{x_2}d{x_1}d{x_n} = \frac{1}{(n-1)!} \int^{b}_{a} \iiint_{[0,x_n]^{n-1}} f(\vec{x}) d{x_1}d{x_{2}}....d{x_{n-1}}d{x_n} $$
得證 !!
--------------------------------------------------------------------------
[關於構造對稱性函數]
如果 $f(\vec{x})$是 $(x_1,x_2,....x_n)$對稱則
$$\left[\prod^{n}_{i=1}g(x_i)\right] f(\vec{x}) ,\quad \left[\sum^{n}_{i=1}g(x_i)\right] f(\vec{x}) $$
都是對稱的 !! (計算多維機率密度與多維期望值大多都有這特性)
[小結]
這個公式非常重要，它可以把 $n$重積分給化簡，它可以解決 non-homogeneous poisson process (NHPP) 期望值問題!!甚至存貨理論(inventory theory)裡預估最佳訂購量，但由於計算篇幅有點長，且比較高深，日後再寫一篇!!
[以上純為學術經驗交流知識分享，如有錯誤或建議可留言~~]
by Plus & Minus 2017.09
留言
張貼留言