沃森引理（Watson's lemma）
/ WOT-sun /
沃森引理是把拉普拉斯方法升级为完整渐近级数的那套精确、逐项的记账法。拉普拉斯方法只给你尖峰积分的主导估计，沃森引理却告诉你按大参数幂次展开的整个级数——而且依靠一个利落的配方：把被积函数中缓变的那部分在相关端点附近展开，再逐项积分。
其情境是拉普拉斯型积分，即从 0 到无穷（或到某上限）的 e^(-x t) f(t) dt，在 x 趋于无穷时研究。因为对大的 x，指数 e^(-x t) 被尖锐地集中在 t = 0 附近，所以只有 f 在 t = 0 附近的行为才要紧。若 f(t) 在小 t 处有展开 f(t) ~ a_0 t^(b_0) + a_1 t^(b_1) + ...（其中指数 b_k 大于 -1，使每一片都可积），那么用伽马函数公式把每个幂对 e^(-x t) 积分，就逐项给出渐近级数：积分 ~ a_k Gamma(b_k + 1) / x^(b_k + 1) 之和。每个后继项贡献 x 的更高负幂。
这条引理是读取由积分定义的特殊函数在大宗量处渐近行为的标准工具——伽马函数、误差函数、贝塞尔函数、指数积分等等——它也是「展开再积分」这一做法背后严格的脊梁。诚实的提醒是：所得级数通常是渐近的而非收敛的，而且它要求被积函数的重权重落在端点 t = 0；若主导贡献反而来自内部最大值，那你就进入了拉普拉斯方法或最速下降法的领域，而不是直接用沃森引理。
对互补误差函数型的积分，e^(x^2) 乘以从 x 到无穷的 e^(-t^2) dt，其大 x 展开为 ~ 1/(2x) - 1/(4x^3) + 3/(8x^5) - ...，正是用沃森式的逐项积分得到的。
在端点附近展开缓变因子并逐幂积分，就给出完整的渐近级数。
沃森引理只看得见 f 在端点处的局部展开；f 在远离 t = 0 处的任何光滑特征，对该级数而言都是指数级不可见的，对 1/x 的任何幂次项都没有贡献。