Inversa de la función de Bessel modificada

Question

¿Existe alguna posibilidad de disponer de una fórmula o aproximación para invertir la función de Bessel modificada del primer tipo? Me refiero a resolver $I_M(x)$ con respecto a x: $I^{-1}_M(x)$ ?

Gracias de antemano

Answer 1

El comportamiento de $I_0(x)$ sigue de cerca $\cosh(x)$ , \begin{equation} I_0(x)=1+\frac{x^2}{4}+\frac{x^4}{64}+\frac{x^6}{2304}+\cdots,\\ \cosh(x)=1+\frac{x^2}{2}+\frac{x^4}{24}+\frac{x^6}{720}+\cdots, \end{equation}

por lo que podría inspirarse en una ampliación de $\mathrm{acosh}(x)$ acerca de $x=1$ , \begin{equation} \mathrm{acosh}(x)=\sqrt{2} \sqrt{x-1}-\frac{(x-1)^{3/2}}{6 \sqrt{2}}+\frac{3 (x-1)^{5/2}}{80\sqrt{2}}-\frac{5(x-1)^{7/2}}{448 \sqrt{2}}+\cdots, \end{equation} y encontrar algunos coeficientes $a_n$ \begin{equation} I^{-1}_0(x)=\sum_{n=1}^\infty a_n(x-1)^{(2n-1)/2} \end{equation} Ajustando algunos valores de un buscador de raíces apropiado (Wolfram|Alpha servirá) con una serie truncada, los primeros términos parecen ser \begin{equation} a_1=2\\ a_2=-\frac{1}{4} \end{equation} A continuación se muestran los resultados de un ajuste de parámetros a partir de $\mathrm{gnuplot}$ . \begin{equation} \begin{matrix} a_1 & 2 & \pm 6.13\cdot10^{-8} \\ a_2 & -0.249991 & \pm 1.3\cdot10^{-6} \\ a_3 & 0.0815024 & \pm 8.409\cdot10^{-6} \\ a_4 & -0.0345023 & \pm 2.578\cdot10^{-5} \\ a_5 & 0.0159056 & \pm 4.474\cdot10^{-5} \\ a_6 & -0.00706415 & \pm 4.802\cdot10^{-5} \\ a_7 & 0.00270988 & \pm3.337\cdot10^{-5} \\ a_8 & -0.000821109 & \pm 1.528\cdot10^{-5} \\ a_9 & 0.000182402 & \pm 4.578\cdot10^{-6} \\ a_{10} & -2.74386\cdot10^{-5} & \pm 8.628\cdot10^{-7} \\ a_{11} & 2.47422\cdot10^{-6} & \pm 9.278\cdot10^{-8} \\ a_{12} & -1.00428\cdot10^{-7} & \pm 4.339\cdot10^{-9} \end{matrix} \end{equation} podemos fijar estos dos primeros valores y volver a ajustar \begin{equation} \begin{matrix} a_3 & 0.0814389 & \pm 7.448\cdot10^{-6} \\ a_4 & -0.0340809 & \pm 2.745\cdot10^{-5} \\ a_5 & 0.0150122 & \pm 4.322\cdot10^{-5} \\ a_6 & -0.00607734 & \pm 3.866\cdot10^{-5} \\ a_7 & 0.00205892 & \pm 2.205\cdot10^{-5} \\ a_8 & -0.000552547 & \pm 8.5\cdot10^{-6} \\ a_9 & 0.000113841 & \pm 2.285\cdot10^{-6} \\ a_{10} & -1.76097\cdot10^{-5} & \pm 4.334\cdot10^{-7} \\ a_{11} & 1.99748\cdot10^{-6} & \pm 5.785\cdot10^{-8} \\ a_{12} & -1.6062\cdot10^{-7} & \pm 5.316\cdot10^{-9} \\ a_{13} & 8.64948\cdot10^{-9} & \pm 3.203\cdot10^{-10} \\ a_{14} & -2.79347\cdot10^{-10} & \pm 1.139\cdot10^{-11} \\ a_{15} & 4.08662\cdot10^{-12} & \pm 1.812\cdot10^{-13} \end{matrix} \end{equation}

Esta ampliación de $I^{-1}_0(x)$ parece preciso en el peor de los casos hasta $\varepsilon=\pm 1.2\cdot10^{-6}$ en el intervalo $[0,10]$ (véase el gráfico de residuos).

Residuos del ajuste de la serie frente a los valores muestreados de $I^{-1}_0(x)$

Answer 2

He encontrado un método más preciso, en Mathematica se puede utilizar

SerieInversa[Serie[BesselI[0,x],{x,0,20}]]

que da \begin{equation} 2\sqrt{x-1}-\frac{1}{4}(x-1)^{3/2}+\frac{47}{576}(x-1)^{5/2}-\frac{161}{4608}(x-1)^{7/2}+\frac{565571}{33177600}(x-1)^{9/2}-\cdots \end{equation}