数学知识：和式的处理及二项式系数的运用

数学知识：和式的处理及二项式系数的运用

〇

这段时间看了一部分《具体数学》上的内容，正如第一章中所说，这本书的主要目的是：

说明不具备超人洞察力的人如何求解问题

也就是说，这本书主要讲述的是“那些本应该被讲授的硬数学技巧”。或者说是一种数学领域的通用技术，这也是“具体数学”名称的来源。

一、 和式

记号

---

与平时所用的$\sum_{k=1}^n$记号不同，这本书建议使用更加方便的形如$\sum_{1\le k\le n}$的记号，这可以使你在变量替换时不容易出错。

一个特殊的地方是逻辑判断深入和式：用方括号包含的逻辑命题，如果为真则为1，如果为假则为0。这对于(cpp)程序编写是非常友好的。

运算律

---

和式满足下面三种基本运算律：

1. 分配律(提公因式)：
   $$\sum_{k\in K} ca_k = c\sum_{k\in K}a_k$$
2. 结合律(和式的合并)：
   $$\sum_{k\in K}(a_k+b_k)=\sum_{k\in K}a_k + \sum_{k\in K} b_k$$

3. 交换律(变量替换)：
   

   $$\sum_{k\in K}a_k=\sum_{p(k)\in K}a_{p(k)}$$

   $p(k)$为一个置换

---

多重和式具有一些特殊的性质，例如：

1. 合并和分离：
   $$\sum_{1\le i\le n}\sum_{i\le j\le n} a_{i,j} = \sum_{1\le i\le j\le n} a_{i,j}$$
2. 交换求和顺序：
   $$\sum_{1\le i\le n}\sum_{i\le j\le n} a_{i,j} = \sum_{1\le j\le n}\sum_{1\le i\le j} a_{i,j}$$
3. 一般分配律：
   $$\sum_{j\in J, k\in K}a_jb_k=\left(\sum_{j\in J}a_j\right)\left(\sum_{k\in K}b_k\right)$$

这些性质虽然是显然的，但将在处理时带来巨大的方便。第二条有助于化简和式，第三条则可以在一些“求乘积的和”的计算时减小计算量。

一般技术

---

1. 猜测+归纳法

虽然名字不是很好听，但这在OI中是一种实用的策略。因为计算机暴力处理的速度是很快的，如果规律明显，往往可以一眼看出。而归纳证明就非常简单了。

2. 扰动法

扰动法的动机是在和式中加入一项，并用一个新和式表达之，从而解方程得出通解。用两个例子来解释这种方法：

(一): 几何级数

$$S_n = \sum_{0\le k\le n}a^k$$

的封闭形式。

用扰动法加入一项：

$$S_n + a^{n+1} = 1 + \sum_{0\le k\le n}a^{k+1} = 1+aS_n$$

解方程可以得出 $S_n = \frac {a^{n+1}-1}{a-1}$。对这个公式两边微分可以得到一个有用的公式：

$$\sum_{1\le k\le n}ka^{k-1} = \frac {1-(n+1)x^n+nx^{n+1}}{(1-x)^2}$$

当$|a|<1$时可以收敛成：

$$\sum_{1\le k\le n}ka^{k-1}=\frac 1{(1-a)^2}$$

(二): 平方和公式

考虑求

$$S_n = \sum_{1\le k\le n} k^2$$

的封闭形式。

如果仍然用刚才的思路，我们会发现$S_n$在两边抵消了。但如果我们用三次方和$V_n$进行扰动：

$$V_n + (n+1)^3 \\ = \sum_{0\le k\le n} (k+1)^3\\ = \sum_{0\le k\le n}k^3+3\sum_{0\le k\le n}k^2+3\sum_{0\le k\le n}k+\sum_{0\le k\le n}1\\ = V_n+3S_n+\frac {3n(n+1)}{2}+n+1$$

两边的$V_n$可以抵消，我们解出了$S_n$。即：

$$S_n = \frac {n(n+1)(2n+1)}{6}$$

3. 待定系数法

如果已知解的形式，我们可以用待定系数法得到原和式的封闭形式。例如：

$$\sum_{1\le k\le n}k^3$$

先验知识告诉我们答案是一个$4$次多项式。我们只要代入$n=0,1,2,3$建立关于一般四次多项式的$4$个方程即可求解。事实上，如果用拉格朗日插值法或高阶差分法，可以在$O(n^2)$的时间内完成，是非常高效的。

4. 有限微积分

下一部分详细介绍。

有限微积分

基本定义

---

有限微积分是离散数学对于微积分的回应，这种技术给出了求解和式的“不需要思考”的系统方法。考虑熟悉的微分算子的定义：

$$Df(n)=\lim_{h\rightarrow 0}\frac {f(n+h)-f(n)}{h}$$

而离散中的“极限”就是1，自然地定义差分算子：

$$\Delta f(n) = f(n+1)-f(n)$$

“算子(operator)”这个新概念是作用在函数上的运算，他给出了一个新函数。

简单的公式

---

微积分之所以方便是因为它有形如：

$$D(x^m) = mx^{m-1}$$

这样的优美公式，同样，有限微积分也有对应的优美的公式：

$$\Delta(x^{\underline{m}}) = mx^{\underline{m-1}}$$

其中：$x^{\underline{m}} = x(x-1)(x-2)\dots (x-m+1)$(m个)，被称为下降阶乘幂。由于可以证明任何的$x^k$都在$O(k^2)$内可以写成阶乘幂的和（具体方法为从高到低贪心的取），因此他的能力十分强大。

求和——离散的“积分”

---

微积分中可以用微分算子定义不定积分，也就是：