哑演算（Umbral Calculus），或称本影演算、Blissard 演算，是一种进行恒等式推导时的技术手段。它的内涵是相当丰富的，我仅谈谈我在几乎仅了解定义的情况下尝试使用它，得到的一些收获。
在进行一些题目推导时，我确实发现这种方法能很大程度上简化步骤，并且结合转置原理或许事半功倍。
究竟是什么技术呢？一句话解释，就是我们把一个数列 A n A_n An 在推导过程中直接写成 t n t^n tn。
让我们来简单看两道集训队自选题，感受一下上述方法是如何使用的：
小 Y 的序列（yht） 给出正整数 n , w n, w n,w，对于每个 1 ≤ k ≤ n 1\le k\le n 1≤k≤n，求出
∑ { 1 ≤ a i ≤ w } i = 1 n # { i | ∃ i 1 < i 2 < ⋯ < i k , a i j < a i } \sum_{\{1\le a_i\le w\}_{i=1}^n} \# \left\{ i \middle \vert \exists i_1<i_2<\dots <i_k, a_{i_j} < a_i \right \} {1≤ai≤w}i=1n∑#{i∣∣∃i1<i2<⋯<ik,aij<ai}
同余 998244353 998244353 998244353，保证 1 ≤ n ≤ 114514 , 1 ≤ w ≤ 114514191 1\le n\le 114514, 1\le w\le 114514191 1≤n≤114514,1≤w≤114514191。
首先考察题设的 ∃ \exists ∃ 条件，我们不如先数出最大的 k k k，然后做一个后缀和即可。
先转成随机生成然后数期望，我们接下来分别考虑答案的 GF，当 a i + 1 = j + 1 a_{i+1}=j+1 ai+1=j+1 的时候，前面每个数有 j w \frac jw wj 的概率给 k k k 加一。
1 w ∑ i = 0 n − 1 ∑ j = 0 w − 1 ( w − j w + j w x ) i = 1 w ∑ i = 0 n − 1 ∑ j = 0 w − 1 ( 1 − j w + j w x ) i \begin{aligned} &\quad \frac 1w\sum_{i=0}^{n-1} \sum_{j=0}^{w-1} \left(\frac {w-j}w + \frac jw x\right)^i\\ &= \frac 1w\sum_{i=0}^{n-1} \sum_{j=0}^{w-1} \left(1 - \frac jw + \frac jw x\right)^i \end{aligned} w1i=0∑n−1j=0∑w−1(ww−j+wjx)i=w1i=0∑n−1j=0∑w−1(1−wj+wjx)i
我们考虑令 t k t^k tk 替换掉 ∑ j = 0 w − 1 ( j w ) k \sum_{j=0}^{w-1} \left(\frac j w\right)^k ∑j=0w−1(wj)k，此时有
= [ 1 w ∑ i = 0 n − 1 ( 1 − t + t x ) i ] = [ 1 w ⋅ 1 − ( 1 − t + t x ) n 1 − ( 1 − t + t x ) ] = [ 1 w ⋅ 1 − ( 1 − t + t x ) n t ( 1 − x ) ] = 1 w ( 1 − x ) ⋅ [ 1 − ( 1 − t + t x ) n t ] = 1 w ( 1 − x ) ⋅ [ 1 − ( 1 − t ) n t − ∑ j = 1 n ( n j ) ( 1 − t ) n − j t j − 1 x j ] \begin{aligned} &= \left[\frac 1w\sum_{i=0}^{n-1} \left(1 - t + t x\right)^i\right] \\ &= \left[\frac 1w \cdot \frac{1 - \left(1 - t + t x\right)^n}{1 - \left(1 - t + t x\right)} \right] \\ &= \left[\frac 1w \cdot \frac{1 - \left(1 - t + t x\right)^n}{t(1-x)} \right]\\ &= \frac 1{w(1-x)} \cdot \left[\frac{1 - \left(1 - t + t x\right)^n}{t} \right] \\ &= \frac 1{w(1-x)} \cdot \left[\frac{1 - \left(1 - t\right)^n}{t} - \sum_{j=1}^n \binom n j (1-t)^{n-j}t^{j-1} x^j \right] \\ \end{aligned} =[w1i=0∑n−1(1−t+tx)i]=[w1⋅1−(1−t+tx)1−(1−t+tx)n]=[w1⋅t(1−x)1−(1−t+tx)n]=w(1−x)1⋅[t1−(1−t+tx)n]=w(1−x)1⋅[t1−(1−t)n−j=1∑n(jn)(1−t)n−jtj−1xj]
在结合计算时进行的哑元推导，我们只需时刻思考：一个 t t t 构成的多项式族所代表的实际数列是不是可以快速计算？我们首先可以用 Bernoulli 数在 Θ ( n log n ) \Theta(n\log n) Θ(nlogn) 时间内计算出每个 t k t^k tk。而再计算出每个 ( 1 − t ) n − j t j − 1 (1-t)^{n-j}t^{j-1} (1−t)n−jtj−1 就成了，将其展开，是一次卷积。
刚刚的问题可能较为简单，不够有说服力，我们来看一个稍微复杂一点的问题中，如何使用这种方法：
Game On a Circle II（yzr） 给定长为 n n n 的排列 a a a 和概率 p p p。一个指针从 1 1 1 开始顺时针走，每次有 p p p 的概率将当前数删掉加入到序列 b b b 的末尾。过程直到整个序列被清空，得到排列 b b b。问 b b b 的康托展开值的期望。
同余 998244353 998244353 998244353，保证 n ≤ 5 × 1 0 5 n\le 5\times 10^5 n≤5×105， ord ( 1 − p ) > n \operatorname{ord} (1-p) > n ord(1−p)>n。
首先注意到康托展开值是拆成各位之和的，而第 i i i 位的贡献就是 ∣ b i > b j ∧ i < j ∣ | b_i>b_j \land i < j | ∣bi>bj∧i<j∣ 乘以 ( n − i ) ! (n-i)! (n−i)!。
那么一个朴素的想法就是先枚举每个 a i a_i ai，看看其在序列 b b b 中出现在位置 j j j 的概率乘以此时 ∣ b i > b j ∧ i < j ∣ | b_i>b_j \land i < j | ∣bi>bj∧i<j∣ 的期望。根据期望的线性性，我们拆解为对每个 a i > a k a_i>a_k ai>ak，统计「 a i a_i ai 在第 j j j 轮被删去，且此时 a k a_k ak 仍存活」的概率。
这里有一个重要的转化，就是将问题转换为一个无穷和进行计算，我们认为一个数被“删掉”是做了至少一次标记，那么设 q = 1 − p q=1-p q=1−p，我们可以尝试先写出在第 k k k 轮 a i a_i ai 被删除，此时其对答案的贡献，可以预见这个式子是一个关于 q k q^k qk 的多项式，我们求和会得到 ∑ k ≥ 0 q j k = 1 1 − q j \sum_{k\ge 0} q^{jk} = \frac 1{1-q^j} ∑k≥0qjk=1−qj1，而这种东西的处理是棘手的，所以我们可能务必需要得到 q j k q^{jk} qjk 项系数。具体来讲，对于 a i a_i ai，如果我们考虑其左边的一个数晚于它被删去，那么在第 k ( ≥ 0 ) k(\ge 0) k(≥0) 轮，可以枚举剩余的数被删去的情况：
∑ l = 0 i − 2 ∑ r = 0 n − i ( i − 2 l ) ( n − i r ) ( n − l − r − 1 ) ! ⋅ ( 1 − q k + 1 ) l ( 1 − q k ) r ⋅ q ( k + 1 ) ( i − 1 − l ) q k ( n − i − r ) ⋅ p q k \sum_{l=0}^{i-2} \sum_{r=0}^{n-i} \binom {i-2}l \binom{n-i}r (n-l-r-1)! \cdot (1-q^{k+1})^l (1-q^k)^r \cdot q^{(k+1)(i-1-l)} q^{k(n-i-r)} \cdot pq^k l=0∑i−2r=0∑n−i(li−2)(rn−i)(n−l−r−1)!⋅(1−qk+1)l(1−qk)r⋅q(k+1)(i−1−l)qk(n−i−r)⋅pqk
设 t = q k t=q^k t=qk，这是自然的，因为我们最后就会直接将 t k t^k tk 变成 1 1 − q k \frac 1{1-q^k} 1−qk1。有
= ∑ l = 0 i − 2 ∑ r = 0 n − i ( i − 2 l ) ( n − i r ) ( n − l − r − 1 ) ! ⋅ ( 1 − q t ) l ( 1 − t ) r ⋅ ( q t ) i − 1 − l t n − i − r ⋅ p t = p ⋅ ∑ l = 0 i − 2 ∑ r = 0 n − i ( i − 2 l ) ( n − i r ) ( n − l − r − 1 ) ! ⋅ ( 1 − q t ) l ( 1 − t ) r ⋅ q i − 1 − l t n − l − r \begin{aligned} & = \sum_{l=0}^{i-2} \sum_{r=0}^{n-i} \binom {i-2}l \binom{n-i}r (n-l-r-1)! \cdot (1-qt)^l (1-t)^r \cdot {(qt)}^{i-1-l} t^{n-i-r} \cdot pt\\ & = p\cdot \sum_{l=0}^{i-2} \sum_{r=0}^{n-i} \binom {i-2}l \binom{n-i}r (n-l-r-1)! \cdot (1-qt)^l (1-t)^r \cdot q^{i-1-l} t^{n-l-r} \end{aligned} =l=0∑i−2r=0∑n−i(li−2)(rn−i)(n−l−r−1)!⋅(1−qt)l(1−t)r⋅(qt)i−1−ltn−i−r⋅pt=p⋅l=0∑i−2r=0∑n−i(li−2)(rn−i)(n−l−r−1)!⋅(1−qt)l(1−t)r⋅qi−1−ltn−l−r
我们将 ( n − l − r − 1 ) ! (n-l-r-1)! (n−l−r−1)! 代换成 u n − l − r − 1 u^{n-l-r-1} un−l−r−1，那么这个式子可以直接根据二项式定理合并。
= p ⋅ ∑ l = 0 i − 2 ∑ r = 0 n − i ( i − 2 l ) ( n − i r ) u n − l − r − 1 ⋅ ( 1 − q t ) l ( 1 − t ) r ⋅ q i − 1 − l t n − l − r = p u n − 1 q i − 1 t n ⋅ ∑ l = 0 i − 2 ∑ r = 0 n − i ( i − 2 l ) ( n − i r ) u − l − r ⋅ ( 1 − q t ) l ( 1 − t ) r ⋅ q − l t − l − r = p u n − 1 q i − 1 t n ( 1 + 1 − q t u q t ) i − 2 ( 1 + 1 − t u t ) n − i = p q u t 2 ( u q t + 1 − q t ) i − 2 ( u t + 1 − t ) n − i = p q u t 2 ( 1 + q t ( u − 1 ) ) i − 2 ( 1 + t ( u − 1 ) ) n − i \begin{aligned} & = p\cdot \sum_{l=0}^{i-2} \sum_{r=0}^{n-i} \binom {i-2}l \binom{n-i}r u^{n-l-r-1} \cdot (1-qt)^l (1-t)^r \cdot q^{i-1-l} t^{n-l-r}\\ & = p u^{n-1} q^{i-1} t^n\cdot \sum_{l=0}^{i-2} \sum_{r=0}^{n-i} \binom {i-2}l \binom{n-i}r u^{-l-r} \cdot (1-qt)^l (1-t)^r \cdot q^{-l} t^{-l-r}\\ & = p u^{n-1} q^{i-1} t^n \left( 1 + \frac{1-qt}{uqt} \right)^{i-2} \left( 1 + \frac{1-t}{ut} \right)^{n-i}\\ & = pq u t^2 \left( uqt + 1-qt \right)^{i-2} \left( ut + 1-t \right)^{n-i}\\ & = pq u t^2 (1+qt(u-1))^{i-2} (1+t(u-1))^{n-i} \end{aligned} =p⋅l=0∑i−2r=0∑n−i(li−2)(rn−i)un−l−r−1⋅(1−qt)l(1−t)r⋅qi−1−ltn−l−r=pun−1qi−1tn⋅l=0∑i−2r=0∑n−i(li−2)(rn−i)u−l−r⋅(1−qt)l(1−t)r⋅q−lt−l−r=pun−1qi−1tn(1+uqt1−qt)i−2(1+ut1−t)n−i=pqut2(uqt+1−qt)i−2(ut+1−t)n−i=pqut2(1+qt(u−1))i−2(1+t(u−1))n−i
我们令 v ∙ = u ( u − 1 ) ∙ v^{\bullet}=u(u-1)^{\bullet} v∙=u(u−1)∙（注意 v v v 可以通过微分方程在线性时间内计算，因为 u u u 是特殊数列），也就有
= p q t 2 ( 1 + q t v ) i − 2 ( 1 + t v ) n − i = pq t^2 (1+qtv)^{i-2} (1+tv)^{n-i} =pqt2(1+qtv)i−2(1+tv)n−i
我们又注意到一个重要性质，这里 t , v t,v t,v 是绑定在一起出现的，可以令 t 2 ( t v ) ∙ = x ∙ t^2(tv)^\bullet = x^\bullet t2(tv)∙=x∙，也就有
= p q ( 1 + q x ) i − 2 ( 1 + x ) n − i = pq (1+qx)^{i-2}(1+x)^{n-i} =pq(1+qx)i−2(1+x)n−i
我们要对所有的 i i i 都求出，因此转置问题就是计算 ∑ i a i p q ( 1 + q x ) i − 2 ( 1 + x ) n − i \sum_i a_i pq (1+qx)^{i-2}(1+x)^{n-i} ∑iaipq(1+qx)i−2(1+x)n−i，这是显然可以 Θ ( n log n ) \Theta(n\log n) Θ(nlogn) 的，不同的变形方法都可以得到结果。处理另一半的式子大同小异，在此不予重复。
原解法的这一步是通过对一个简化的组合问题进行观察，得到的最初变形方向。而在我们借助哑演算的基础上，一切性质都浮现得自然而然。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
