Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2508.15246v1

帮助 | 高级搜索

数学 > 经典分析与常微分方程

arXiv:2508.15246v1 (math)
[提交于 2025年8月21日 ]

标题: 线性差分方程在一级非正则奇点处的超渐近分析:多项式系数

标题: Hyperasymptotics for linear difference equations with an irregular singularity of rank one: Polynomial coefficients

Authors:Gergő Nemes
摘要: 超渐近分析是一种将指数小项纳入渐近逼近的解析方法,从而扩展其适用范围,提高精度,并提供对底层奇点结构的更深入理解。 它还允许计算特定于问题的不变量,如斯托克斯乘子,这些值在其他方法中通常被假设或未知。 对于微分方程而言,与标准渐近展开不同,超渐近展开可以唯一确定解。 在本文中,我们将超渐近方法扩展到某些高阶线性差分方程的逆阶乘级数解,并证明所得展开式同样可以唯一确定解。 我们进一步说明如何使用超渐近技术数值计算这些展开式中出现的连接系数。 此外,我们给出了逆阶乘级数解的显式余项界。 我们的主要工具是梅林-博雷尔变换。 这些展开式通过与积分和微分方程上下文中熟悉的超终止函数密切相关的通用超终止函数来表达。 结果通过具有大第三个参数的高斯超几何函数和一个三阶差分方程进行了说明。
摘要: Hyperasymptotics is an analytical method that incorporates exponentially small contributions into asymptotic approximations, thereby expanding their domain of validity, improving accuracy, and providing deeper insight into the underlying singularity structures. It also allows for the computation of problem-specific invariants, such as Stokes multipliers, whose values are often assumed or remain unknown in other approaches. For differential equations, unlike standard asymptotic expansions, hyperasymptotic expansions determine solutions uniquely. In this paper, we extend the hyperasymptotic method to inverse factorial series solutions of certain higher-order linear difference equations and demonstrate that the resulting expansions also determine the solutions uniquely. We further indicate how the connection coefficients appearing in these expansions can be computed numerically using hyperasymptotic techniques. In addition, we give explicit remainder bounds for the inverse factorial series solutions. Our main tool is the Mellin--Borel transform. The expansions are expressed via universal hyperterminant functions, closely related to the hyperterminants familiar from integral and differential equation contexts. The results are illustrated by the Gauss hypergeometric function with a large third parameter and a third-order difference equation.
评论: 35页,1图
主题: 经典分析与常微分方程 (math.CA)
MSC 类: Primary: 34E05, 39A11 Secondary: 33C05
引用方式: arXiv:2508.15246 [math.CA]
  (或者 arXiv:2508.15246v1 [math.CA] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.15246
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Gergő Nemes [查看电子邮件]
[v1] 星期四, 2025 年 8 月 21 日 05:14:29 UTC (75 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
math.CA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
math

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号