广义二项级数 & 广义指数级数 学习笔记

Posted zhoukangyang

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了广义二项级数 & 广义指数级数 学习笔记相关的知识,希望对你有一定的参考价值。

参考文章 ,ei & qwaszx tsdy!

感觉 "参考文章" 中有些地方的描述有点奇怪或证明相对麻烦,于是就有了这篇 blog

广义二项级数

定义广义二项级数如下:

\\[\\mathcal{B}_t(z) = \\sum\\limits_{n \\ge 0} \\binom{tn + 1}{n} \\frac{z^n}{tn + 1} \\]

结论

\\[\\mathcal{B}_t(z) = z\\mathcal{B}_t(z)^t+1 \\qquad(1) \\]

\\[\\mathcal{B}_t(z)^r = \\sum\\limits_{n \\ge 0} \\binom{tn + r}{n} \\frac{r}{tn + r} z^n \\qquad(2) \\]

\\[\\frac{\\mathcal{B}_t(z)^r}{1 - t + t \\mathcal{B}_t(z)^{-1}} = \\sum\\limits_{n \\ge 0} \\binom{tn + r}{n} z^n \\qquad(3) \\]

证明

证明 (1)

设函数 \\(F(z), G(z)\\)\\(F(z) = z (F(z) + 1)^t\\)\\(G(z)\\)\\(F(z)\\) 的复合逆。

那么 \\(F(G(z)) = G(z) (F(G(z)) + 1)^{t}\\)\\(z = G(z) (z+1)^{t}\\)\\(G(z) = \\frac{z}{(z+1)^t}\\)

根据拉格朗日反演得到:

\\[[z^n] F(z) = \\frac{1}{n} [z^{n - 1}] (\\frac{z}{G(z)})^{n} = \\frac{1}{n} [z^{n-1}] (z+1)^{nt} = \\binom{nt}{n - 1} \\]

\\[F(z) + 1 = 1 + \\sum\\limits_{n \\ge 1} \\frac{z^n}{n} \\binom{nt}{n - 1} = \\sum\\limits_{n \\ge 0} \\binom{nt+1}{n} \\frac{z^n}{nt+1} = \\mathcal{B}_t(z) \\]

然后就证明了 \\(\\mathcal{B}_t(z) = \\mathcal{B}_t(z)^t + 1\\)

(你会发现这东西就是 LuoguP2767,套个 Lucas 就可以过掉那题了)

证明 (2)

\\(n = 0\\) 时正确性是显然的,现在考虑 \\(n > 0\\)

设函数 \\(F(z), G(z)\\)\\(F(z) = z (F(z) + 1)^t\\)\\(G(z)\\)\\(F(z)\\) 的复合逆。

\\(H(z) = (z + 1)^r\\),那么拓展拉格朗日反演得

\\[[z^n]\\mathcal{B}_t(z)^r = [z^n] H(F(z)) = \\frac{1}{n} [z^{n-1}] H(z)\' (\\frac{z}{G(z)})^{n} = \\frac{1}{n} [z^{n-1}] (z+1)^{r-1} (z+1)^{nt} = \\frac{\\binom{nt+r-1}{n - 1}}{n} = \\frac{\\binom{nt+r}{n}}{nt+r} \\]

证明 (3)

仍然设函数 \\(F(z), G(z)\\)\\(F(z) = z (F(z) + 1)^t\\)\\(G(z)\\)\\(F(z)\\) 的复合逆。

\\(H(z) = \\frac{(1 + z)^r}{1 - t + t (z + 1)^{-1}}\\)。这里用 EI 鸽鸽发明的另类拉格朗日反演会更方便。

\\[[z^n] \\frac{\\mathcal{B}_t(z)^r}{1 - t + t \\mathcal{B}_t(z)^{-1}} = [z^n] H(F(z)) = [z^n] H(z) (\\frac{z}{G(z)})^{-n-1} G\'(z) \\]

\\[[z^n] \\frac{(1 + z)^{r+1}}{1 + z - t z} (1+z)^{(n+1)t} \\frac{1 + z - tz}{(1+z)^{t+1}} \\]

\\[[z^n] (1 + z)^{r+nt} \\]

\\[\\binom{nt+r}{n} \\]

广义指数级数

在鸽了

以上是关于广义二项级数 & 广义指数级数 学习笔记的主要内容,如果未能解决你的问题,请参考以下文章

发散级数的求和方法

机器学习笔记—指数分布簇和广义线性模型

广义线性模型 - Andrew Ng机器学习公开课笔记1.6

[学习笔记] 形式幂级数

傅里叶分析学习笔记——傅里叶级数理论

机器学习 —— 基础整理:线性回归;二项Logistic回归;Softmax回归;广义线性模型