贡献者： DTSIo; addis
1. 定义辨析
在数学中，渐近展开（asymptotic expansion） 是用一列较简单的函数来逐次逼近给定的函数的办法。它的形式定义如下：
定义 1 渐近展开
设自变量 $x$ 趋于某点 $a$ (有限或无限) 时，函数序列 $\{\phi_{n}(x)\}$ 满足
$$
\phi_{n+1}(x)=o(\phi_n(x)),\,x\to a~.
$$
则对于给定的函数 $f$，称 $f(x)$ 在 $x\to a$ 时有渐近展开式
\begin{equation}
f(x)\simeq c_0\phi_0(x)+c_1\phi_1(x)+...+c_n\phi_n(x)+...,\,x\to a~
\end{equation}
是指：任何给定的 $n$，皆有
\begin{equation}
f(x)=c_0\phi_0(x)+c_1\phi_1(x)+...+c_n\phi_n(x)+o(\phi_n(x)),\,x\to a~.
\end{equation}
中的级数称为 $x\to a$ 时 $f(x)$ 的渐近级数。
一般常用的序列是单项式序列或者一般的幂函数序列。渐近展开的四则运算性质是容易验证的。
有如下注意事项：
- 一般来说，从渐近展开不能将函数还原：当 $x\to0$ 时，函数 $f(x)\equiv 0$ 和函数 $g(x)= \mathrm{e} ^{-1/x^2}$ 都有渐近展开
$$
0+0x+0x^2+...~.
$$
- 渐近级数可以收敛也可以发散。式 1 只是一个形式等式，它的真正含义是式 2 ， 而式 2 只表示对于固定的 $n$，当 $x\to a$ 时，$f(x)$ 与渐近级数的第 $n$ 项部分和相差一个高阶无穷小。
- 通过直接计算，可以看出渐近展开式可以逐项积分。但一般来说渐近展开式不可以逐项微分。例如，$f(x)=e^{-x} \sin\left(e^{2x}\right) $ 当 $x\to+\infty$ 时趋于零，但它的导数却根本没有极限。
2. 基本例子
例 1 泰勒展开
泰勒展开就是渐近展开的例子。泰勒级数不必收敛，即便收敛也不必收敛到函数本身。在函数 $ \mathrm{e} ^{-1/x^2}$ 的例子中，原点处的泰勒级数与函数本身的差永远是函数本身，但显然这个差在 $x\to0$ 时衰减得比 $x$ 的任意正幂都快。
例 2 发散级数部分和
如果 $f(x)$ 在 $x\geq1$ 时是单调不减函数，那么有
$$
\sum_{k=1}^nf(k)=\int_1^n f(x)dx+O(f(n))+O(1),\,n\to\infty~.
$$
例如，如果取 $f(x)=1/x$，那么有熟知的公式
$$
\sum_{k=1}^n\frac{1}{k}=\log n+O(1)~.
$$
实际上当然还可以借助更复杂的分析技巧写得再精确些，例如我们知道 $-\log n+\sum_{k=1}^n1/k$ 的极限是存在的，也就是欧拉常数 $\gamma=0.57721566...$。更精细的渐近展开式可以由欧拉-麦克劳林公式给出。
3. 欧拉的例子
考察非初等的函数
$$
f(x)=\int_0^\infty\frac{e^{-t}}{x+t}dt~,
$$
当 $x\to+\infty$ 时的行为。欧拉将 $1/(x+t)$ 展开为几何级数
$\sum_{k=0}^\infty {(-1)^kt^k}/{x^{k+1}}$，
代入并计算得到如下的形式等式：
\begin{equation}
f(x)=\sum_{k=0}^\infty\frac{(-1)^kk!}{x^{k+1}}~.
\end{equation}
当然，欧拉的时代还没有收敛性的观念。
式 3 右边的级数对于任何 $x$ 都不收敛，之所以出现这样的问题是因为 $t$ 的几何级数收敛半径是有限的，于是将几何级数逐项积分的计算违反分析学的准则。
然而，从今天的观点看，这个等式仍然在渐近展开的意义下成立。实际上，通过换元可得
$$
f(x)=e^{x}\int_x^\infty \frac{e^{-t}}{t}dt~.
$$
反复进行分部积分，得到
$$
f(x)=\sum_{k=0}^n\frac{(-1)^kk!}{x^{k+1}}
+(n+1)!e^x\int_x^\infty\frac{e^{-t}}{t^{n+2}}dt~.
$$
最后的这个积分可估算如下：当 $t>x$ 时 $1/t^{n+2}<1/x^{n+2}$，于是
\begin{equation}
\int_x^\infty\frac{e^{-t}}{t^{n+2}}dt
\leq\frac{1}{x^{n+2}}\int_x^\infty e^{-t}dt
=\frac{e^{-x}}{x^{n+2}}~.
\end{equation}
这样就有
$$
f(x)=\sum_{k=0}^n\frac{(-1)^kk!}{x^{k+1}}
+O\left(\frac{1}{x^{n+2}}\right),\,x\to+\infty~.
$$
这表示
式 3 在渐近展开的意义下成立。
特别地，这个渐近级数尽管发散，但对于大的 $x$ 却可以很好地计算 $f(x)$ 的值，因为根据估计式 4 ，$f(x)$ 同渐近级数 $n$ 项部分和之差的绝对值不超过
$$
\frac{(n+1)!}{x^{n+2}}~,
$$
而对于大的 $x$，当 $n< x$ 时这个误差项随着 $n$ 的增大而减小，只有当 $n$ 大致超过 $x$ 时误差才会重新开始增大。因此，如果将渐近级数截断到大约 $x$ 项，则部分和与 $f(x)$ 之差将不超过 $1/2^x$。对于大的 $x$ 来说，这足以给出相当精确的近似值。
由这个例子可以看出渐近展开的意义：可以用一个发散级数去很好地逼近一个收敛的对象。
致读者： 小时百科一直以来坚持所有内容免费无广告，这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此，我们请求广大读者
热心打赏 ，使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 20 元，我们一周就能脱离亏损， 并在接下来的一年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款， 他们的付出帮助了 99% 的读者免费获取知识， 我们在此表示感谢。