1. Γ函数的定义

Γ函数的定义式为\(\Gamma(s)=\int_{0}^{+\infty}x^{s - 1}e^{-x}dx\)，其中\(s>0\)。

这个积分是一个反常积分，它在\(x = 0\)（当\(s - 1<0\)时）和\(x\to+\infty\)处都需要考虑收敛性。

例如，当\(s = 1\)时，\(\Gamma(1)=\int_{0}^{+\infty}e^{-x}dx\)，根据反常积分的计算方法

\(\lim\limits_{b\to+\infty}\int_{0}^{b}e^{-x}dx=\lim\limits_{b\to+\infty}(-e^{-b}+1)=1\)。

2. Γ函数的性质

递推性质：\(\Gamma(s + 1)=s\Gamma(s)\)。这个性质的证明可以通过分部积分法来完成。

设\(u = x^{s}\)，\(v^\prime=e^{-x}\)，则\(u^\prime = s x^{s - 1}\)，\(v=-e^{-x}\)。

根据分部积分公式\(\int_{0}^{+\infty}u(x)v^\prime(x)dx=[u(x)v(x)]_{0}^{+\infty}-\int_{0}^{+\infty}u^\prime(x)v(x)dx\)，可得\(\Gamma(s + 1)=\int_{0}^{+\infty}x^{s}e^{-x}dx=[-x^{s}e^{-x}]_{0}^{+\infty}+s\int_{0}^{+\infty}x^{s - 1}e^{-x}dx\)。

对于\([-x^{s}e^{-x}]_{0}^{+\infty}\)，\(\lim\limits_{x\to+\infty}-x^{s}e^{-x}=0\)（通过洛必达法则多次应用可以证明），且当\(x = 0\)时，\(-x^{s}e^{-x}=0\)，所以\(\Gamma(s + 1)=s\Gamma(s)\)。

特殊值：\(\Gamma(1)=1\)，\(\Gamma(\frac{1}{2})=\sqrt{\pi}\)。

对于\(\Gamma(\frac{1}{2})\)的计算，\(\Gamma(\frac{1}{2})=\int_{0}^{+\infty}x^{-\frac{1}{2}}e^{-x}dx\)，令\(t=\sqrt{x}\)，则\(x = t^{2}\)，\(dx = 2tdt\)。

原式变为\(2\int_{0}^{+\infty}e^{-t^{2}}dt\)，这个积分的值为\(\sqrt{\pi}\)（可以通过极坐标变换等方法证明）。

3. Γ函数与其他函数的关系及应用

与阶乘的关系：当\(n\)为正整数时，\(\Gamma(n)=(n - 1)!\)。这是由递推性质\(\Gamma(s + 1)=s\Gamma(s)\)得到的，因为\(\Gamma(1)=1\)，\(\Gamma(2)=1\times\Gamma(1)=1\)，\(\Gamma(3)=2\times\Gamma(2)=2\)，以此类推。

在概率统计中的应用：在概率统计中，例如伽马分布的概率密度函数\(f(x)=\frac{\beta^{\alpha}}{\Gamma(\alpha)}x^{\alpha - 1}e^{-\beta x}\)（\(x>0\)），其中\(\alpha>0\)，\(\beta>0\)，\(\Gamma(\alpha)\)起到了归一化的作用，使得概率密度函数在整个定义域上的积分等于\(1\)。

在积分计算中的应用：可以利用\(\Gamma\)函数来计算一些复杂的积分。例如，计算\(\int_{0}^{+\infty}x^{n}e^{-ax^{2}}dx\)（\(a>0\)，\(n\)为正整数），通过适当的变量代换可以将其转化为\(\Gamma\)函数的形式进行计算。设\(t = ax^{2}\)，则\(x=\sqrt{\frac{t}{a}}\)，\(dx=\frac{1}{2\sqrt{at}}dt\)，原式可化为\(\frac{1}{2a^{\frac{n + 1}{2}}}\int_{0}^{+\infty}t^{\frac{n - 1}{2}}e^{-t}dt=\frac{1}{2a^{\frac{n + 1}{2}}}\Gamma(\frac{n + 1}{2})\)。

高等数学