斯特林数

第一类斯特林数 $\left[\begin{array}{c}n\\ m\end{array}\right]$

表示把 $n$ 个不同的数分为 $m$ 个环排列的方案数，考虑最后一个元素是否形成一个新环排列，可以得到
$\left[\begin{array}{c}n\\ m\end{array}\right]=(n-1)\left[\begin{array}{c}n-1\\ m\end{array}\right]+\left[\begin{array}{c}n-1\\ m-1\end{array}\right]$

另外，每一个排列实际上与一个环排列的集合等价， 比如$2413$等价于环排列$[1,2][3,4]$，$1432$等价于$[1][2,4][3]$，所以$\sum _{k=0}^n\left[\begin{array}{c}n\\ k\end{array}\right]=n!$

第二类斯特林数 $\left\{\begin{array}{c}n\\ m\end{array}\right\}$

表示把 $n$ 个不同的数分为 $m$ 个非空集合的方案数，考虑最后一个元素是否形成一个新集合，可以得到
$\left\{\begin{array}{c}n\\ m\end{array}\right\}=m\left\{\begin{array}{c}n-1\\ m\end{array}\right\}+\left\{\begin{array}{c}n-1\\ m-1\end{array}\right\}$

第二类斯特林数(行)求法：

用容斥的想法，用所有方案减去强制有$k$个空集的方案，并把集合看做有序最后除去$m!$，可以得到：
$$\left\{\begin{array}{c}n\\ m\end{array}\right\}=\frac{1}{m!}\sum _{k=0}^m(-1{)}^k(\genfrac{}{}{0ex}{}{m}{k})(m-k{)}^n$$
用这个式子可以$O(m)$算出某个$\left\{\begin{array}{c}n\\ m\end{array}\right\}$，而式子是卷积形式，可以FFT优化做到$O(n\log n)$求出任意的$\left\{\begin{array}{c}n\\ k\end{array}\right\}$

第二类斯特林数(列)求法：

EGF分盒子方法
推式子求公式倍增/分治NTT方法

常幂转下降幂：

$$x^n=\sum _{k=0}^n\left\{\begin{array}{c}n\\ k\end{array}\right\}{x}^{\underline{k}}\text{\hspace{1em}(1.1)}$$
因为$x\ast x^{\underline{k}}=x^{\underline{k+1}}+k{x}^{\underline{k}}$，所以
$x\ast x^{n-1}=x\ast \sum _k\left\{\begin{array}{c}n-1\\ k\end{array}\right\}{x}^{\underline{k}}=\sum _k\left\{\begin{array}{c}n-1\\ k-1\end{array}\right\}{x}^{\underline{k}}+k\left\{\begin{array}{c}n-1\\ k\end{array}\right\}{x}^{\underline{k}}=\sum _k\left\{\begin{array}{c}n\\ k\end{array}\right\}{x}^{\underline{k}}$

这个公式可以理解为$n$个不同的球放进$x$个不同的盒子，每个盒子可以为空的方案数，右边就是在枚举把$n$个球分成几个集合。

上升幂转常幂：

$$x^{\overline{n}}=\sum _k\left[\begin{array}{c}n\\ k\end{array}\right]x^k\text{\hspace{1em}(1.2)}$$

因为$(x+n-1)\ast x^k=x^{k+1}+(n-1)x^k$，所以
$(x+n-1)x^{\overline{n-1}}=(x+n-1)\sum _k\left[\begin{array}{c}n-1\\ k\end{array}\right]x^k=\sum _k\left[\begin{array}{c}n\\ k\end{array}\right]x^k$

第一类斯特林数(行)求法：

上面这个式子使得求$\left[\begin{array}{c}n\\ k\end{array}\right]$可以用分治FFT做到$O(n{\log }^{2}n)$，利用上升幂的性质可以用倍增FFT做到$O(n\log n)$，详见CF960G Bandit Blues

另外的形式：

因为有恒等式$x^{\underline{n}}=(-1{)}^n(-x{)}^{\overline{n}}$
代入$(1.1)$，两边同时乘上$(-1{)}^n$，有$$x^n=\sum _k\left\{\begin{array}{c}n\\ k\end{array}\right\}(-1{)}^{n-k}{x}^{\overline{k}}\text{\hspace{1em}(1.3)}$$将$x$代做$-x$，代入$(1.2)$，有
$$x^{\underline{n}}=\sum _k\left[\begin{array}{c}n\\ k\end{array}\right](-1{)}^{n-k}{x}^k\text{\hspace{1em}(1.4)}$$

具体数学上提到，当$x$很大时对于幂有一个自然的排序：$x^{\overline{n}}>x^n>x^{\underline{n}}$
所以用“大”的幂来展开“小”的幂时，需要使用负号，即添加$(-1{)}^{n-k}$

反转公式：

dalao博客1，dalao博客2
将$(1.2)$代入$(1.3)$，得到：
$$x^n=\sum _k\left\{\begin{array}{c}n\\ k\end{array}\right\}(-1{)}^{n-k}{x}^{\overline{k}}=\sum _{k,m}\left\{\begin{array}{c}n\\ k\end{array}\right\}\left[\begin{array}{c}k\\ m\end{array}\right](-1{)}^{n-k}{x}^m$$对比$x^t$项的系数可以得到：
$$\sum _{k=0}^n\left\{\begin{array}{c}n\\ k\end{array}\right\}\left[\begin{array}{c}k\\ m\end{array}\right](-1{)}^{n-k}=[m=n]$$
$-1$的指数写成$k-m$不影响结果（$m=n$时无变化，$m\ne n$时系数为0）。$k$的范围通常也写为$[m,n]$

同理，将$(1.4)$代入$(1.1)$，得到：
$$\sum _{k=0}^n\left[\begin{array}{c}n\\ k\end{array}\right]\left\{\begin{array}{c}k\\ m\end{array}\right\}(-1{)}^{n-k}=[m=n]$$这里是因为两个下降幂/上升幂多项式($x$变成了$x^{\underline{n}}$) 对应项系数仍然应该是相等的，考虑最高次项一定相等，然后剩下的归纳即可。

斯特林反演：

$$f(n)=\sum _{i=0}^n\left\{\begin{array}{c}n\\ i\end{array}\right\}g(i)⟺g(n)=\sum _{i=0}^n\left[\begin{array}{c}n\\ i\end{array}\right](-1{)}^{n-i}f(i)$$
证明：将左边代入右边，
$$g(n)=\sum _{i=0}^n\left[\begin{array}{c}n\\ i\end{array}\right](-1{)}^{n-i}\sum _{j=0}^i\left\{\begin{array}{c}i\\ j\end{array}\right\}g(j)=\sum _{j=0}^{n}g(j)\sum _{i=j}^n\left[\begin{array}{c}n\\ i\end{array}\right]\left\{\begin{array}{c}i\\ j\end{array}\right\}(-1{)}^{n-i}=\sum _{j=0}^{n}g(j)[j==n]$$
上面这个证明与各类反演的证明是相通的。
由反转公式的对称性，交换两类斯特林数的后反演仍然成立。

另外的形式：
$$f(n)=\sum _{i=n}^{\infty }\left\{\begin{array}{c}i\\ n\end{array}\right\}g(i)⟺g(n)=\sum _{i=n}^{\infty }\left[\begin{array}{c}i\\ n\end{array}\right](-1{)}^{i-n}f(i)$$

应用：

求连通块个数为$k$的方案数

BZOJ4671: 异或图
先求出将$n$个点划分为$k$个子集，不同集合之间不能连边，子集内连边任意的方案数$f_k$，暂且称之为“至少”有$k$个连通块的方案数。
那么最终恰好有$m$个连通块的方案数$g_m$在$f_k$中被算了$\left\{\begin{array}{c}m\\ k\end{array}\right\}$次。
即$f_k={\sum }_{i=k}^n\left\{\begin{array}{c}i\\ k\end{array}\right\}g(i)$
那么$g(1)={\sum }_{i=1}^n\left[\begin{array}{c}i\\ 1\end{array}\right](-1{)}^{i-1}f(i)={\sum }_{i=1}^n(i-1)!(-1{)}^{i-1}f(i)$

$O(Bell(n))$枚举子集划分后，由每条边的是否强制不连构建异或方程组，高斯消元/线性基算出自由元个数$x$，那么$f(k)=2^{s-x}$，时间复杂度$O(Bell(n))\ast s^2/s^3$。这个方法可以求恰有$k$个连通块的方案数$g(k)$.

第二类斯特林数求自然数幂和

由常幂转下降幂的公式可以得到：
$$\sum _{i=0}^n{i}^k=\sum _{i=0}^n\sum _{j=0}^k\left\{\begin{array}{c}k\\ j\end{array}\right\}{i}^{\underline{j}}=\sum _{j=0}^k\left\{\begin{array}{c}k\\ j\end{array}\right\}\sum _{i=0}^n{i}^{\underline{j}}$$
而$\sum _{i=0}^n{i}^{\underline{j}}=\sum _{i=0}^n\left(\genfrac{}{}{0ex}{}{i}{j}\right)j!=\left(\genfrac{}{}{0ex}{}{n+1}{j+1}\right)j!$，所以$$\sum _{i=0}^n{i}^k=\sum _{j=0}^k\left\{\begin{array}{c}k\\ j\end{array}\right\}\left(\genfrac{}{}{0ex}{}{n+1}{j+1}\right)j!=\sum _{j=0}^k\left\{\begin{array}{c}k\\ j\end{array}\right\}\frac{(n+1{)}^{\underline{j+1}}}{j+1}$$
如果有逆元，就可以做到$O(k^2)$求斯特林数，$O(k)$询问。没有逆元的话就只能$O(k^2)$询问。