华里士公式与欧拉 Beta 函数的数学联系及应用

历史背景与数学渊源

17 世纪末至 18 世纪初，微积分的基础体系逐步建立，数学家们开始系统研究特殊函数与无穷乘积的性质。1656 年，英国数学家约翰・沃利斯（John Wallis）在其著作《无穷算术》中首次提出了以他命名的无穷乘积公式，该公式通过有理数的乘积逼近圆周率 ，成为早期分析学中连接离散与连续的重要桥梁。沃利斯的工作直接启发了牛顿等人对插值法的研究，为后续微积分的发展提供了关键工具。

几乎一个世纪后，1781 年，瑞士数学家莱昂哈德・欧拉（Leonhard Euler）在研究阶乘函数的推广时，定义了一类含参变量的积分，即后来的欧拉积分。其中第一类欧拉积分被法国数学家勒让德（Legendre）命名为 Beta 函数，第二类则称为 Gamma 函数。这两类函数的引入，不仅统一了诸多特殊积分的表达形式，更建立起数论、分析与几何之间的深刻联系。值得注意的是，尽管华里士公式早于 Beta 函数一个多世纪出现，但现代数学研究表明，二者在本质上是相通的，华里士公式可视为 Beta 函数在特定参数下的极限形式，这种跨越时空的数学呼应，展现了分析学内在的逻辑一致性。

基本定义与数学表述

华里士公式（Wallis Formula）

华里士公式以无穷乘积的形式表示圆周率 ，其标准形式为：

该公式也可通过双阶乘符号简化表达。对于正整数 ，双阶乘定义为：偶数双阶乘 ，奇数双阶乘 。

由此，华里士公式可改写为：

欧拉 Beta 函数（Euler Beta Function）

Beta 函数作为第一类欧拉积分，具有多种等价定义形式：

第一，标准积分形式（定义域 , ）：

第二，三角形式：通过变量替换 可得：

第三，与 Gamma 函数的关系：Beta 函数可通过第二类欧拉积分（Gamma 函数）表示为：

其中 Gamma 函数定义为 ，且满足 （ 为非负整数）。

华里士公式的推导方法

方法一：基于定积分递推关系

考虑积分 ，通过分部积分可建立递推关系。令 ， ，则 ， 。根据分部积分公式 ，有：

第一项在区间端点处均为 0 ，利用 拆分积分得：

整理可得递推公式：

分奇偶性讨论：当 为偶数，设 ： ，其中 ，故 。当 为奇数，设 ： ，其中 ，故 。

由于在区间 上有 ，积分后得到 。代入上述表达式并取极限 ，由夹逼准则可得华里士公式。

方法二：基于随机行走模型的概率解释

华里士公式的直观意义可通过一维随机行走模型阐释。考虑醉汉从原点出发，每步随机向东或向西移动，定义： ： 步后回到原点的路径数，计算得 ； ： 步内从未回到原点的路径数。

通过路径分割与双射构造，可以证明 ，即序列 与 满足卷积关系。进一步分析表明，当 时，这些路径构成的矩形面积和逼近四分之一圆的面积，从而导出 。这种几何化的证明方法，揭示了华里士公式中 的本质，它是随机过程路径空间的几何测度。

Beta 函数的性质与推导

Beta 函数的对称性与递推关系

由积分定义易证 Beta 函数的对称性： 。通过分部积分可建立递推公式：

证明如下：令 ， ，则 ， 。分部积分得：

结合对称性可得 ，反复应用此式可将参数为非整数的 Beta 函数转化为整数参数的情形。

Beta 函数与 Gamma 函数的关系证明

利用 Gamma 函数的乘积 ，作变量替换 ， ，得：

转换为极坐标 ， ，则 ， ，积分变为：

令 ，则内层积分 ，外层积分恰为 ，从而得到 。

华里士公式与 Beta 函数的联系

通过 Beta 函数推导华里士公式

取 Beta 函数的三角形式 ，令 ，则：

另一方面，由 Gamma 函数关系 。利用余元公式 和 ，代入得：

化简后取极限 ，即得华里士公式。这一推导揭示了华里士公式本质上是 Beta 函数在参数趋近于无穷时的渐近行为。

应用方法与实例

华里士公式的数值计算应用

华里士公式提供了一种通过有理数乘积逼近 的方法。取前 项部分乘积：

例如，当 时， ，与 的误差约为 ；当 时，误差可降至 。尽管收敛速度较慢，但该公式为早期计算机计算 提供了重要思路。

Beta 函数在积分计算中的应用

对于形如 的积分，可直接用 表示。例如： 。通过变量替换 ，可将 转化为 ，从而求解复杂幂函数积分。

数学意义与现代拓展

华里士公式与 Beta 函数的关联，体现了分析学中 “特殊与一般” 的辩证关系，华里士公式作为特例，揭示了 的算术本质；而 Beta 函数作为一般化工具，统一了各类积分计算。这种从具体到抽象的升华，是数学发展的典型范式。

在现代数学中，这两个工具的思想被进一步推广到高维空间与随机过程领域。例如，多维 Beta 分布成为贝叶斯统计的重要模型，而华里士乘积的思想则启发了蒙特卡洛方法中随机采样的设计。正如沃利斯与欧拉在三百年前播下的种子，如今已成长为分析学的参天大树，其根系深扎于数论、几何与概率的沃土之中，持续为科学探索提供养分。