标签：dbinom limits dfrac sum mn 笔记 第五章 mk 二项式
从《具体数学》第五章 二项式系数中选了一些个人认为比较 useful 的内容，添加了部分解释和证明。
组合数
在 \(n\) 个元素中选择 \(m\) 个的方案数，记作 \(\dbinom{n}{m}\)，定义为：
\[\dbinom{n}{m}=\dfrac{n!}{m!}{(n-m)!} \]其中 \(n,m\) 为非负整数。
当 \(m\) 为非负整数时，可以拓展定义：
\[\dbinom{n}{m}=\dfrac{n^{\underline{m}}}{m!} \]其中 \(n\) 为任意实数甚至复数。
事实上甚至可以拓展到 \(m\) 为复数：
\[\dfrac{1}{z!}=\lim\limits_{n \rightarrow \infty} \dfrac{n+z}{n} n^{-z} \]当 \(z\) 为负整数时 \(\dfrac{1}{z!}=0\)，故认为 \(m\) 为负整数时 \(\dbinom{n}{m}=0\)。
基本恒等式
下面基本只讨论 \(m\) 为整数的情况。
对称恒等式：\(\dbinom{n}{m}=\dbinom{n}{n-m}\)，其中 \(n \geq 0\)。
吸收/释放恒等式：\(\dfrac{n}{m}=\dfrac{n}{m} \dbinom{n-1}{m-1}\)。
加法公式：\(\dbinom{n}{m}=\dbinom{n-1}{m}+\dbinom{n-1}{m-1}\)。
平行求和：\(\sum\limits_{k=0}^{m} \dbinom{n+k}{k}=\dbinom{n+m+1}{n}\)，\(n\) 为非负整数。
上指标求和：\(\sum\limits_{k=0}^n \dbinom{k}{m}=\dbinom{n+1}{m+1}\)，\(n\) 为非负整数。
这个式子两边乘上 \(m\) 就可以得到有限积分的结果。
二项式定理：\((1+x)^r=\sum\limits_{k \geq 0} \dbinom{n}{k} x^k y^{n-k}\)，当 \(n\) 不为非负整数时需要 \(|x| \leq 1\) 来保证收敛。
上指标反转：\(\dbinom{n}{m}=(-1)^m \dbinom{n-m-1}{m}\)。
范德蒙德卷积：\(\sum\limits_{k=0}^n \dbinom{a}{k} \dbinom{b}{n-k}=\dbinom{a+b}{n}\)，\(n\) 为非负整数。
组合证明：左边 \(a\) 个球，右边 \(b\) 个球，一共选 \(n\) 个球，相当于枚举左边选 \(i\) 个球，右边选 \(n-i\) 个球。
代数证明：
\[\begin{aligned} LHS &= \sum\limits_{i=0}^n ([x^i] (1+x)^a) ([x^{n-i}] (1+x)^b)\\ &= [x^n](1+x)^{a+b}\\ &= \dbinom{a+b}{n} \end{aligned} \]反范德蒙德卷积：\(\sum\limits_{k=0}^n \dbinom{k}{a} \dbinom{n-k}{b}=\dbinom{n+1}{a+b+1}\)，\(n\) 为非负整数。
组合证明：共 \(n+1\) 个球排成一列，选出 \(a+b+1\) 个球，相当于枚举第 \(a+1\) 个球在 \(i+1\) 处。
代数证明：
\[\begin{aligned} LHS &= \sum\limits_{i=0}^n ([x^i] \dbinom{x^a}{(1-x)^{a+1}}) ([x^{n-i}] \dbinom{x^b}{(1-x)^{b+1}})\\ &= [x^n] \dbinom{x^{a+b}}{(1-x)^{a+b+2}}\\ &= \dbinom{n+1}{a+b+1} \end{aligned} \]一半组合数
下降幂加倍公式：
\[x^{\underline k}(x-\dfrac{1}{2})^{\underline k}=\dfrac{(2x)^{\underline {2k}}}{2^{2k}}(x \geq k) \]\[\dbinom{x-1/2}{k}=\dfrac{1}{k!} (x-1/2)^{\underline k}=\dfrac{(2x)^{\underline {2k}}}{k! x^{\underline k} 2^{2k}}=4^{-k} \dbinom{2x}{2k}\dbinom{2k}{k} \Big/ \dbinom{x}{k} \]Example 1
当 \(x=k=n\) 时有 \(\dbinom{n-1/2}{n}=4^{-n} \dbinom{2n}{n}\)。
用上指标反转可推出 \(\dbinom{-1/2}{n}=(-4)^{-n} \dbinom{2n}{n}\)，故有：
\[\sum \dbinom{2i}{i} x^i=(1-4x)^{-1/2} \]还可以算 \(\dbinom{1/2}{k}=\dfrac{1/2}{k} \dbinom{-1/2}{k-1}=\dfrac{1}{2k} (-4)^{k-1} \dbinom{2(k-1)}{k-1}\)，于是：
\[C(x)=\dfrac{1-(1-4x)^{1/2}}{2x}=\sum\limits_i [\dbinom{2i}{i} \Big/ (i+1)] x^i \]即卡特兰数的生成函数。
Example 2
在
\(\dbinom{x-1/2}{k} \dbinom{x}{k}=4^{-k} \dbinom{2x}{2k}\dbinom{2k}{k}\)
中令 \(x=n/2\) 得到：
\[\dbinom{(n-1)/2}{k} \dbinom{n/2}{k}=4^{-k} \dbinom{n}{2k}\dbinom{2k}{k} \]\[\sum\limits_{k} 4^{-k}\dbinom{n}{2k}\dbinom{2k}{k}=\sum\limits_{k} \dbinom{(n-1)/2}{k} \dbinom{n/2}{k} \]然后 \((n-1)/2\) 与 \(n/2\) 中至少有一个是非负整数。以 \(n/2\) 为非负整数为例：
\[\sum\limits_{k} \dbinom{(n-1)/2}{k} \dbinom{n/2}{k}=\sum\limits_{k} \dbinom{(n-1)/2}{k} \dbinom{n/2}{n/2-k}=\dbinom{n-1/2}{n/2} \]最后将两种情况合起来可以得到：
\[\sum\limits_{k} 4^{-k}\dbinom{n}{2k}\dbinom{2k}{k}=\dbinom{n-1/2}{\lfloor n/2 \rfloor} \]Example 3
还可以得到一些别的东西。已经得到：
\[\dbinom{-1/2}{n}=(-4)^{-n} \dbinom{2n}{n} \]对其求和有：
\[\sum\limits_k \dbinom{-1/2}{k} \dbinom{-1/2}{n-k}=\sum\limits_k (-4)^{-k} \dbinom{2k}{k} (-4)^{-(n-k)} \dbinom{2(n-k)}{n-k}=(-4)^{-n} \sum\limits_k \dbinom{2k}{k} \dbinom{2(n-k)}{n-k} \]而左式用范德蒙德卷积就是 \(\dbinom{-1}{n}=(-1)^n\)。于是：
\[\sum\limits_k \dbinom{2k}{k} \dbinom{2(n-k)}{n-k}=4^n \]差分和牛顿级数
这里涉及到有限微积分。考虑函数将序列放在值上的函数 \(f(x)\)，关心其在整数上的取值。
定义平移算子 \(E f(x)=f(x+1)\)，差分算子 \(\Delta f(x)=f(x+1)-f(x)\)，那么有 \(\Delta=E-1\)，及：
\[\Delta^n=\sum\limits_k \dbinom{n}{k} (-1)^{n-k} E^k \]\[\Delta^n f(x)=\sum\limits_k \dbinom{n}{k} (-1)^{n-k} f(x+k) \]Example
有限微积分中有结果 \(\Delta x^{\underline{k}}=k x^{\underline{k-1}}\)。
令 \(f(x)=(x-1)^{-1}=\dfrac{1}{x}\)，则：
\[\Delta^n f(x)=(-1)(-2) \cdots (-n) (x-1)^{-n-1}=(-1)^n \dfrac{n!}{x(x+1)\cdots (x+n)}=(-1)^n x^{-1} \dbinom{x+n}{n}^{-1} \]于是：
\[\sum\limits_k \dbinom{n}{k} \dfrac{(-1)^k}{x+k}=x^{-1} \dbinom{x+n}{n}^{-1} \]于是获得了右式的部分分式展开，不过其实直接设元解也能快速得到。
牛顿级数
考虑 \(n\) 次多项式 \(f(x)=\sum\limits_{k=0}^n a_k x^k\)。将其转为下降幂多项式后再给 \(x^k\) 系数乘上 \(k!\)，可以得到：
\[f(x)=\sum\limits_{k=0}^n c_k \dbinom{x}{k} \]所以任意多项式都可以唯一地表示成牛顿级数形式。
由于 \(\Delta \dbinom{x}{k}=\dbinom{x+1}{k}-\dbinom{x}{k}=\dbinom{x}{k-1}\)，故牛顿级数的导数很简单：
\[\Delta^m f(x)=\sum\limits_{k=0}^n c_k \dbinom{x}{k-m} \]令 \(x=0\)，则 \(\Delta^m f(0)=c_m\)。
Example 1
代入得：
\[f(x)=\sum\limits_{k=0}^n \Delta^k f(0) \dbinom{x}{k} \]于是若知道 \(f(0),f(1),\cdots,f(n)\) 就可以 \(O(n^2)\) 得到 \(f(n)\) 的牛顿级数形式，这即牛顿插值。
该式进一步还可以写成：
\[f(a+x)=\sum\limits_{k \geq 0} \dfrac{\Delta^k f(a)}{k!} x^{\underline{k}} \]可以看作有限微积分中的泰勒展开。
Example 2
还有另一个结果。将其代入 \(\Delta^n f(x)=\sum\limits_k \dbinom{n}{k} (-1)^{n-k} f(x+k)\) 可得：
\[\sum\limits_k (-1)^k \dbinom{n}{k} f(k)=(-1)^n c_n \]再把 \(f(n)\) 写回一般多项式 \(\sum\limits_k a_k\)，那么有 \(a_n=n! c_n\)，故：
\[\sum\limits_k (-1)^k \dbinom{n}{k} f(k)=(-1)^n n! a_n \]不过这个结果并不特别，其实就是下降幂多项式插求值的其中一个式子而已。
这给出一个启示：如果和式中出现 \((-1)^k \dbinom{n}{k}\) 并且剩下的是一个 \(n\) 次多项式，就可以直接化简。
广义二项级数与 Raney 引理
组合角度
该部分内容来自 7.5 卷积。
考虑这样一个问题：
求有多少个长为 \(2n\) 的序列 \(a_1,\cdots,a_{2n} \in \{-1,1\}\) 满足 \(\sum a_i=0\)，使得所有前缀和非负。
答案显然就是卡特兰数 \(C_n=\dbinom{2n}{n}/(n+1)\)。求法五花八门（比如经典折线翻转双射），这里有一种新的解释：
Raney 引理：若序列 \(a_1,\cdots,a_{n} \in \mathbb{Z}\) 满足 \(\sum a_i=1\)，那么其 \(n\) 个循环移位产生的序列中有且仅有一个满足所有前缀和为正。
证明：设前缀和为 \(s_k\)，设 \(x\) 为满足 \(s_k=\min\limits_t s_t\) 的最大的 \(k\)，则显然以 \(x\) 开头的循环移位序列合法。考虑以 \(y(y \neq x)\) 开头的循环移位序列：
- 若 \(y<x\)，则 \(s_y \geq s_x\)，不合法。
- 若 \(y>x\)，则 \(s_y > s_x\)，即 \(s_y \geq s_x+1=s_{x+n}\)，不合法。
那么考虑补上 \(a_0=1\)，限制就变成每个前缀和为正。由 Raney 引理就有：
\[C_n=\dfrac{1}{2n+1} \dbinom{2n+1}{n}=\dfrac{1}{n+1} \dbinom{2n}{n} \]此外，考虑最后一个 \(s_x=1\) 且 \(x<2n\) 的 \(x\)，那么 \([0,x]\) 与 \([x+1,n-1]\) 均为合法序列，故卡特兰数的生成函数满足：
\[C(x)=xC^2(x)+1 \]事实上这个东西可以拓展，比如考虑：
求有多少个长为 \(mn\) 的序列 \(a_1,\cdots,a_{nm} \in \{1-m,1\}\) 满足 \(\sum a_i=0\)，使得所有前缀和非负。
可以算出共 \(n\) 个 \((1-m)\) 和 \(mn-n\) 个 \(1\)。
同样设 \(a_0=1\)，再用 Raney 引理得到：
\[C^{(m)}_n=\dfrac{1}{mn+1} \dbinom{mn+1}{n}=\dfrac{1}{mn-n+1} \dbinom{mn}{n} \]这个数列的名字叫 富斯-卡特兰数。
设 \(b_t\) 为最大的 \(k\) 使得 \(s_k=t\) 且 \(k<mn\)（认为 \(b_0=-1\)），那么 \([b_t+1,b_{t+1}](0 \leq t<m)\) 都是合法序列。于是其生成函数 \(F(x)\) 满足：
\[F(x)=xF^m(x)+1 \]这是一个很厉害的东西，因为直接从这个方程很难得到封闭形式。
下面来考虑 \([x^n]F^d(x)\)。显然没法直接求，但这里有个巧妙的双射，其与下面这个问题的答案是一样的：
求有多少个长为 \(mn\) 的序列 \(a_1,\cdots,a_{nm+d-1} \in \{1-m,1\}\) 满足 \(\sum a_k=d-1(d > 0)\)，使得所有前缀和非负。
还是令 \(a_0=1\)，设 \(b_t\) 为最大的 \(k\) 使得 \(s_k=t\)（认为 \(b_0=-1\)），那么 \([b_t+1,b_{t+1}](0 \leq t<d)\) 都是合法序列。那么就相当于 \(d\) 个合法序列拼在一起了。
但是还是没法求出具体值。考虑 Raney 引理的一个推广：
若序列 \(a_1,\cdots,a_{n} \in (-\infty,1] \bigcap \mathbb{Z}\) 满足 \(\sum a_i=d\)，那么其 \(n\) 个循环移位产生的序列中有且仅有 \(d\) 个满足所有前缀和为正。
证明：设前缀和为 \(s_k\)。设 \(b_t\) 为最大的 \(k\) 使得 \(s_k=t\)（认为 \(b_0=0\)），那么所有 \([b_t+1,b_{t+1}](0 \leq t<d)\) 将整个序列分成 \(d\) 段。每一段里的位置最大的最小值均满足条件；其它位置同理易证不合法。
于是答案为：
\[[x^n]F^d(x)=\dfrac{d}{mn+d} \dbinom{mn+d}{n} \]代数角度
考虑上文中得到的方程：
\[F(x)=xF^m(x)+1 \]设 \(P(x)=F(x)-1\)，有：
\[P(x)=x (P(x)+1)^m \]其复合逆 \(Q(x)\) 满足：
\[x=(1+x)^m Q(x) \]\[Q(x)=x (1+x)^{-m} \]由拓展拉格朗日反演得到：
\[\begin{aligned} [x^n]F^d(x) &= \dfrac{1}{n} [x^{-1}] d(1+x)^{d-1} x^{-n} (1+x)^{mn}\\ &= \dfrac{d}{n} [x^{n-1}] (1+x)^{mn+d-1}\\ &= \dfrac{d}{n} \dbinom{mn+d-1}{n-1}\\ &= \dfrac{d}{mn+d} \dbinom{mn+d}{n}\\ \end{aligned} \]得到了同样的结果：
\[F^d(x)=\sum\limits_{k \geq 0} \dfrac{d}{mk+d} \dbinom{mk+d}{k} x^k \]并且对所有整数 \(m\) 及实数 \(d\) 成立。
该多项式被称为广义二项级数 \(\mathcal{B}_m(x)\)：
\[\mathcal{B}_m(x)=\sum\limits_{k \geq 0} (mk)^{\underline{k-1}} \dfrac{x^k}{k!} \]下面再证另一个恒等式：
\[\dfrac{F^d(x)}{1-m+mF^{-1}(x)}=\sum\limits_{k \geq 0} \dbinom{mk+r}{k} x^k \]考虑对 \(F^d(x)=\sum\limits_{k \geq 0} \dfrac{d}{mk+d} \dbinom{mk+d}{k} x^k\) 求导，有：
\[F^{d-1}(x)F'(x)=\sum\limits_{k \geq 0} \dfrac{k}{mk+d} \dbinom{mk+d}{k} x^k \]于是可以凑出要证的右式：
\[mF^{d-1}(x)F'(x)+F^d(x)=\sum\limits_{k \geq 0} \dbinom{mk+d}{k} x^k \]下面只需要证：
\[\Leftrightarrow (xmF^{-1}(x)F'(x)+1)(1-m+mF^{-1}(x))=1 \]考虑对 \(F(x)=xF^m(x)+1\) 求导，得：
\[F'(x)=F^m(x)+mxF^{m-1}(x)F'(x) \]\[F'(x)=\dfrac{F^m(x)}{1-mxF^{m-1}(x)} \]代入后只要证：
\[\Leftrightarrow \dfrac{1-m+mF^{-1}(x)}{1-mxF^{m-1}(x)}=1 \]\[\Leftrightarrow F^{-1}(x)-1=-xF^{m-1}(x) \]\[\Leftrightarrow F(x)=xF^{m}(x)+1 \]证毕。
将上述两个恒等式乘在一起可以获得一些拓展的恒等式。
例如用第一个恒等式自乘：
\[\dfrac{d+t}{mn+d+t} \dbinom{mn+d+t}{n} x^k= F^{d+t}(x)=\sum\limits_n x^n \sum\limits_{k \leq n} \dfrac{d}{mk+d} \dbinom{mk+d}{k} \dfrac{t}{m(n-k)+t} \dbinom{m(n-k)+t}{n-k} \]\[\sum\limits_{k \leq n} \dfrac{d}{mk+d} \dfrac{t}{m(n-k)+t} \dbinom{mk+d}{k} \dbinom{m(n-k)+t}{n-k}=\dfrac{d+t}{mn+d+t} \dbinom{mn+d+t}{n} \]这是拓展的范德蒙德卷积（\(t=0\) 时退化）。并且还有（不会证）：
\[\sum\limits_{k \leq n} \dbinom{n}{k} \dfrac{d}{mk+d} \dfrac{t}{m(n-k)+t} (mk+d)^k (m(n-k)+t)^{n-k}=\dfrac{d+t}{mn+d+t} (mn+d+t)^n \]这是拓展的二项式定理（\(t=0\) 时退化）。
两个恒等式乘在一起可以得到另一种结果：
\[\sum\limits_{k \leq n} \dfrac{d}{mk+d} \dbinom{mk+d}{k} \dbinom{m(n-k)+t}{n-k}=\dbinom{mn+d+t}{n} \]\[\sum\limits_{k \leq n} \dbinom{n}{k} \dfrac{d}{mk+d} (mk+d)^k (m(n-k)+t)^{n-k}=(mn+d+t)^n \]超几何级数
超几何级数的定义是：
\[F(a_1,\cdots,a_m;b_1,\cdots,b_n;x)=\sum\limits_{k \geq 0} \dfrac{a_1^{\overline{k}} \cdots a_m^{\overline{k}}}{b_1^{\overline{k}} \cdots b_n^{\overline{k}}} \dfrac{x^k}{k!} \]其中 \(b_k\) 均不为 \(0\) 或负整数。
记该级数为 \(t_0,t_1,\cdots\)。
注意到 \(t_0=1\)，且相邻两项比值：
\[\dfrac{t_{k+1}}{t_k}=\dfrac{(k+a_1) \cdots (k+a_m)x}{(k+b_1) \cdots (k+b_n) (k+1)} \]为关于 \(k\) 的有理函数（即两个多项式之商）。
另一方面，任意有理函数都能表示成该形式（因式分解后若分母无 \((k+1)\) 则补一个）。
接下来考虑超几何函数的各种具体形式。
当 \(m=n=0\) 时，就有最简单的：
\[F(;;x)=\sum\limits_{k \geq 0} \dfrac{x^k}{k!}=e^x \]当 \(m=1,n=0\) 时，有：
\[F(a;;x)=\sum\limits_{k \geq 0} a^{\overline{k}} \dfrac{x^k}{k!}=\sum\limits_{k \geq 0} \dbinom{a+k-1}{k} x^k=(1-x)^{-a} \]当 \(m=2,n=1\) 时，\(F(a,b;c;x)\) 被称为高斯超几何级数。
试着改写范德蒙德卷积：
\[\sum\limits_{k \geq 0} \dbinom{a}{k} \dbinom{b}{n-k}=\dbinom{a+b}{n} \]\[t_k=\dfrac{a!}{k!(a-k)!}\dfrac{b!}{(n-k)!(b-n+k)!} \]\[\dfrac{t_{k+1}}{t_k}=\dfrac{(k-a)(k-n)}{(k+1)(k+b-n+1)} \]\[\dbinom{b}{n} F(-a,-n;b-n+1;1)=\dbinom{a+b}{n} \]\[F(-a,-n;b-n+1;1)=\dfrac{(a+b)!(b-n)!}{(a+b-n)!b!} \]\[F(a,b;c;1)=\dfrac{(c-a-b-1)!(c-1)!}{(c-a-1)!(c-b-1)!} \]其中 \(b \in \mathbb{Z}\) 且 \(b \leq 0\)。
还可以写成：
\[F(a,-n;c;1)=\dfrac{(c-a)^{\overline{n}}}{c^{\overline{n}}}=\dfrac{(a-c)^{\underline{n}}}{(-c)^{\underline{n}}} \]还有更多内容，不过我没看懂就不写了
部分超几何和式
考虑这样一个问题：
给出超几何级数 \(f(k)\)，求其有限不定积分 \(\sum f(k) \delta k=g(k)+C\)（即满足 \(f(k)=\Delta g(k)=g(k+1)-g(k)\)）。
可惜的是不是所有这样的 \(g(k)\) 都具有简单形式，例如 \(g(k)+C=\sum \dbinom{n}{k} \delta k\)（通常都是用大家最熟悉的莫队算法做的）。
称超几何级数 \(f(k)\) 是可用超几何项求和的，如果其不定积分可用表示为超几何级数。
Gosper 算法：对于给定超几何级数，求出其超几何级数的不定积分或判定其不可用超几何项求和。
下面来介绍这个算法。设超几何级数 \(t(k)\) 的不定积分为 \(T(k)\)。
第一步是将比值表示成：
\[\dfrac{t(k+1)}{t(k)}=\dfrac{p(k+1)}{p(k)} \dfrac{q(k)}{r(k+1)} \]其中 \(q(k)\) 与 \(r(k)\) 满足：不存在 \(\alpha-\beta \in \mathbb{Z}^+\) 使得 \(q(-\alpha)=r(-\beta)=0\)。
那么先令 \(p(k)=1\)，将比值拆成分子 \(q(k)\) 与分母 \(r(k+1)\)。
接下来如果 \(q(k)\) 和 \(r(k)\) 分别有因子 \((k+\alpha)\) 与 \((k+\beta)\) 满足 \(\alpha-\beta \in \mathbb{Z}^+\)，就将它们从 \(q(k)\) 和 \(r(k)\) 中除掉再令：
\[p(k) \leftarrow p(k)(k+\alpha-1)^{\underline{\alpha-\beta-1}}=p(k) (k+\alpha-1) \cdots (k+\beta+1) \]容易发现仍然满足条件。不断重复即可得到合法的 \(p(k),q(k),r(k)\)。
第二步考虑将 \(T(k)\) 改写成 \(T(k)=\dfrac{r(k)s(k)t(k)}{p(k)}\)，代入有：
\[T(k+1)=\dfrac{r(k+1)s(k+1)t(k+1)}{p(k+1)}=\dfrac{q(k)s(k+1)t(k)}{p(k)} \]\[t(k)=T(k+1)-T(k)=\dfrac{q(k)s(k+1)t(k)}{p(k)}-\dfrac{r(k)s(k)t(k)}{p(k)} \]\[p(k)=q(k)s(k+1)-r(k)s(k) \]现在要求 \(s(k)\)。容易发现 \(s(k)\) 一定是有理函数，但事实上可以证明 \(s(k)\) 一定是多项式。
设 \(s(k)=f(k)/g(k)\)。代入可以得到：
\[p(k)g(k)g(k+1)=q(k)f(k+1)g(k)-r(k)f(k)g(k+1) \]\[r(-x)f(-x)g(-x+1)=q(-x-N)f(-x-N+1)g(-x-N)=0 \]证明：先消去 \(f(k)\) 与 \(g(k)\) 的公因子。设最大的 \(N\) 使存在 \(x\) 满足 \((k+x)\) 与 \((k+x+N-1)\) 均为 \(g(k)\) 因子（注意 \(N=1\) 一定满足）。
将 \(k=-x\) 及 \(k=-x-N\) 代入条件式得：
由于 \(f(k)\) 与 \(g(k)\) 无公因子，故 \(f(-x) \neq 0\)，\(f(-x-N+1) \neq 0\)。由于 \(N\) 的最大性，\(x-1\) 与 \(x+N\) 也不为 \(g(k)\) 的根。
故 \(r(-x)=q(-x-N)=0\)。这与第一步中的限制矛盾。证毕。
有这个结论就好办了。设 \(s(k)=\sum\limits_{t=0}^d \alpha_t k^t\)，代入解方程即可，若方程无解则说明原级数不可用超几何项求和。
最后一个问题：怎么确定 \(s(k)\) 的系数 \(d\)？
考虑 \(p(k)=q(k)s(k+1)-r(k)s(k)\)。令 \(Q(k)=q(k)-r(k)\)，\(R(k)=q(k)+r(k)\)，则有：
\[2p(k)=Q(k)(s(k+1)+s(k))+R(k)((s(k+1)-s(k)) \]这样有关 \(s(k)\) 的多项式次数可控了。
-
如果 \(deg(Q) \geq deg(R)\)，那么右式次数即为 \(d+deg(Q)\)，故 \(d=deg(p)-deg(Q)\) 唯一确定。
-
如果 \(deg(Q) < deg(R)=e\)，这时 \(d\) 可能很大（高位全消掉了）。设 \(Q(k)=A k^{e-1}+\cdots\)，\(R(k)=B k^e+\cdots\)，则右式为 \((2 \alpha_d \cdot A+d \alpha_d \cdot B) k^{d+e-1}+\cdots\)。
于是要么 \(d=deg(p)-deg(Q)+1\)，要么 \(d=-2A/B\)，至多两种情况，分别做即可。
至此整个问题得到解决。
还有一个推广 Gosper-Zeilberger 算法，通过加维在不同的 \(n\) 中尝试寻找递推关系来解决 Gosper 算法求不出来的和式。
我没学过组合数 /kk
标签：dbinom,limits,dfrac,sum,mn,笔记,第五章,mk,二项式 来源： https://www.cnblogs.com/Appleblue17/p/16653961.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。