排列组合与二项式基础

排列组合相关与二项式基础

一、加乘原理

1.加法原理

做一件事，完成他的方法可以分为\(n\)个互不相交的类，每一类有\(a_i\)中方法，则完成这件事一共有
\[ a_1+a_2+...+a_n \]
种方法。

加法原理的核心思想就是，把“整体”分作每个“部分”，分别对每个部分进行计数，最后求和。

2.乘法原理

若完成一件事有\(n\)个步骤，每个步骤有\(a_i\)种方法，则完成这件事一共有
\[ a_1\times a_2 \times ...\times a_n \]
种方法。

乘法原理的核心思想就是，把这件事分成几个步骤，且每一个步骤的方法数目比较好确定。

加乘原理很简单，你们小学奥数学的都比本蒟蒻强，但加乘原理是计数的基础。

二、排列与组合

1.排列

一般地，从\(n\)个不同元素中取出\(m（m≤n）\)个元素，按照一定的顺序排成一列，叫做从\(n\)个元素中取出\(m\)个元素的一个排列，记作\(A_n^m\)（或者记作\(P_n^m\)）。

由乘法原理得：
\[ A_n^m=n\times(n-1)\times (n-2)\times\dots\times (n-m+1) \]
特别地，如果\(m=n\)，则我们就可以得到关于\(n\)的全排列：
\[ A_n^n=n\times(n-1)\times(n-2)\times \dots \times 1=n! \]
我们约定\(0!=1\)，则排列公式可写为
\[ A_n^m=\frac{n!}{(n-m)!} \]
这也是这个公式的更为常见的形式。

2.组合

一般地，从\(n\)个不同的元素中，任取\(m（m≤n）\)个元素为一组，叫作从\(n\)个不同元素中取出\(m\)个元素的一个组合，记作\(C_n^m\)（或者记作\(\binom{n}{m}\)）

组合和排列数的区别是，组合数要求无序

所以我们可以得到：
\[ C_n^m=\frac{A_n^m}{m!} \]
展开我们可以得到：
\[ C_n^m=\frac{n!}{m!(n-m)!} \]
关于排列和组合还有一些经典的数学问题，由于纯数学不是我们讨论的重点，这里仅给出结论，需要证明的可以自行在网上查阅。

1.可重排列：\(n^m\)

2.有限元素的可重排列：\(\frac{n!}{n_1!\times n_2!\times \dots \times n_m!}\)

3.可重组合：\(C_{n+m-1}^m\)

4.有限元素的可重组合：\(C_{m+k-1}^{k-1}\)（这里\(k\)小于等于每个元素的数量）

三、二项式相关

1.二项式系数与二项式定理

组合数\(C_n^m\)也被称作二项式系数，它有三重面目：

1.组合意义：\(n\)个不同元素的\(m\)-组合

2.显示表示：\(C_n^m=\frac{n!}{m!\times (n-m)!}\)

3.二项展开式的系数，即有恒等式
\[ (x+y)^n=\sum^n_{i=0}C_n^i\times x^n \times y^{n-i} \]
上面的恒等式称为二项式定理。

二项式定理的证明有很多种，这里给出一种基于其组合意义的证明：

显然
\[ (x+y)^n=\begin{matrix}\underbrace{(x+y)(x+y)\dots(x+y)} \\ n个(x+y) \end{matrix} \]
对于其中的一项\(x^iy^{n-i}\)，相当于是从\(n\)个\((x+y)\)中任意取\(i\)个，从中挑出\(x\)，再在剩下的\((x+y)\)中挑出\(y\)来相乘，所以该项的系数是\(C_n^i\)，由此不难验证二项式定理。

2.组合恒等式

常见的组合恒等式有以下几个，它们大多都和二项式相关

1.（对称性）

\[ C_n^m=C_n^{n-m} \]

2.（递推公式）

\[ C_n^m=C_{n-1}^m+C_{n-1}^{m-1} \]

3.

\[ C_n^0+C_n^1+C_n^2+\dots+C_n^n=2^n \]

4.（单峰性）若\(n\)是偶数，则

\[ C_n^0<C_n^1<\dots<C_n^{\frac{n}{2}}>\dots>C_n^{n-1}>C_n^n \]
若\(n\)是奇数，则

\[ C_n^0<C_n^1<\dots<C_n^{\frac{n-1}{2}}=C_n^{\frac{n+1}{2}}>\dots>C_n^{n-1}>C_n^n \]

5.

\[ C_n^0+C_{n+1}^1+\dots+C_{n+k}^k=C_{n+k+1}^{k+1} \]

6.

\[ C_n^0-C_n^1+C_n^2+\dots+(-1)^nC_n^n=0 \]

7.（范德蒙恒等式）

\[ C_{m}^0C_n^k+C_m^1C_n^{k-1}+C_m^2C_n^{k-2}+\dots+C_m^kC_n^0=C_{n+m}^k \]

8.

\[ C_n^k=\frac{n}{k}C_{n-1}^{k-1} \]

9.

\[ C_n^kC_k^m=C_n^mC_{n-k}^{m-k} \]
它们的证明如下：

1.从\(n\)个数中选\(m\)个数，他们呢构成了一个，剩下没选的数也构成了一个集合，等式一显然成立。

2.假设我们现在面对的是第\(n\)号元素，我们无非就两种选择：选和不选。

如果我们选择第\(n\)号元素，那么我们就需要在前\(n-1\)个元素中选\(m-1\)个元素。

如果我们不选择第\(n-1\)号元素，那么我们就需要在前\(n-1\)一元素中选\(m\)个元素。

由加法原理不难验证等式2的正确性。

3.从\(n\)个元素中取任意个元素，要么选，要么不选，所以是\(2^n\)种。

我们也可以看成取0个，取1个， 取2个，...，取\(n\)个，就相当于等式的左边。

所以等式3成立。

4.我们完全可以通过暴力展开的形式来证明，或者我们结合性质1也不难证明

5.反复运用递推公式，我们有：
\[ C_n^0+C_{n+1}^1=C_{n+1}^0+C_{n+1}^1=C_{n+2}^1\\ C_{n+2}^1+C_{n+2}^2=C_{n+3}^2\\ C_{n+3}^2+C_{n+3}^3=C_{n+4}^3\\ \cdots\\ C_{n+k}^{k-1}+C_{n+k}^k=C_{n+k+1}^k \]
6.在二项式定理中取\(x=1\)，\(y=-1\)即可。

推论：
\[ C_n^0+C_n^2+C_n^4+\dots=C_n^1+C_n^3+C_n^5+\dots \]
7.同样地，我们仍然可以暴力展开证明，但很麻烦。

我们仍然考虑从它的组合意义上证明。

如果我们从\(n\)个zrw和\(m\)个lsy中任意选取\(k\)个人组成一组，显然，答案为\(C_{n+m}^k\)。

所有的方案可以分为\(k+1\)个类：第\(i\)类由\(i\)个zrw和\(k-i\)个lsy组成一组（\(i\in[0,k]且i\in \Z\)），每一类的答案就是\(C_n^iC_m^{k-i}\)，根据加法原理不难验证等式7的正确性。

8&9.暴力展开得
\[ \begin{align} C_n^kC_k^m &=\frac{n!}{k!(n-k)!}\times\frac{k!}{m!(k-m)!}\\ &=\frac{n!}{m!(n-m)!}\times\frac{(n-m)!}{(k-m)!(n-k)!}\\ &=C_n^mC_{n-k}^{m-k} \end{align} \]
当\(k=1\)时即为等式8

3.二项式反演

这部分可以看看本蒟蒻的一篇博客：二项式反演笔记

四、组合数的求法

1.递推公式法

我们先令\(C_i^0=1\)，通过组合数的递推公式
\[ C_n^m=C_{n-1}^m+C_{n-1}^{m-1} \]
即可求得

时间复杂度为\(O(n^2)\)。

for(int i=0;i<=n;i++) c[i][0]=1;
for(int i=1;i<=n;i++){
    for(int j=1;j<=i;j++)
        c[i][j]=c[i-1][j]+c[i-1][j-1];
}

2.显示表示法

注：除第一种方法意外，其他所有方法均是在模数意义下求组合数的值
\[ C_n^m=\frac{n!}{m!(n-m)!} \]
我们可以先求分子\(n!\)的值，然后对分母\(m!(n-m)!\)来求模\(p\)意义下的逆元，最后相乘即可。

时间复杂度为\(O(n)\)。

如果我们是批量求组合数的话，我们可以做到更优。

我们先预处理\(i!\)以及\(i!\)模\(p\)意义下的逆元，时间复杂度为\(O(n)\)

（求逆元时第一个数为\(O(\log n)\)，之后根据阶乘逆元的性质我们可以在\(O(n)\)的时间内求得）

然后我们可以在\(O(1)\)的时间内回答询问：f[n] * invf[m]%p * invf[n-m]%p

关于预处理阶乘逆元，有
\[ invf_{i} \equiv invf_{i+1}\times (i+1) \pmod p \]
证明：
\[ f_i \times invf_i \equiv 1 \pmod p \]

\[ f_{i-1}\times i \times invf_i \equiv 1 \pmod p \]

3.Lucas定理

若\(p\)是质数，则对于\(1\le m\le n\)，有
\[ C_n^m\equiv C_{n \bmod p} ^{m \bmod p}\times C_{\frac{n}{p}}^{\frac{m}{p}} \pmod p \]
也就是把\(n\)和\(m\)进行\(p\)进制分解，然后分别求它们每一位对应的组合数的值。

我们可以用类似于生成函数的方法来证明Lucas定理。

设\(n=ap+r_1\)，\(m=bp+r_2\)

我们取这样一个式子：
\[ \begin{align} (1+x)^n &=(1+x)^{ap+r_1}\\ &=((1+x)^p)^a\times (1+x)^{r_1} \end{align} \]
当\(p\)为质数时，对于\(i\in[1,p-1]且i\in N^*\)，我们可以得到
\[ C_p^i\equiv0 \pmod p \]
（结合组合数的显示表示不难证明）

于是
\[ \begin{align} ((1+x)^p)^a\times (1+x)^{r_1}&\equiv(1+x^p)^a\times(1+x)^{r_1}\\ &\equiv\sum_{i=0}^aC_a^ix^{pi} \times\sum_{j=0}^{r_1}C_{r_1}^jx^{r_1} \pmod p \end{align} \]
（结合二项式定理不难理解）

整理得
\[ \sum_{i=0}^nC_n^ix^i\equiv\sum_{i=0}^aC_a^ix^{pi} \times\sum_{j=0}^{r_1}C_{r_1}^jx^{r_1} \pmod p \]
对于左边展开的一项\(x^{bp+r_2}\)，他对应的系数是\(C_n^{bp+r_2}\)。

而当且仅当右边的\(i=b\)，\(j=r_2\)时才能对应左边的\(x^{bp+r_2}\)，此事它所对应的系数为\(C_a^b\times C_{r_1}^{r_2}\)

整理得
\[ C_n^m\equiv C_{n \bmod p} ^{m \bmod p}\times C_{\frac{n}{p}}^{\frac{m}{p}} \pmod p \]
证毕。

Lucas定理一般用于模数为质数，且\(n\)，\(m\)都较大时。它需要与上面得两种方法配合起来使用。

来道模板题吧：P3807 【模板】卢卡斯定理

Code:

#include<bits/stdc++.h>
#define FUCK puts("FUCK")
#define int long long
using namespace std;
const int maxn=1e6+5;
int T;
int n,m,p;
int f[maxn];
inline int ksm(int x,int y){
    if(!y) return 1;
    if(y==1) return x%p;
    int tmp=ksm(x,y/2);
    tmp=(tmp*tmp)%p;
    if(y&1) return (tmp*x)%p;
    else return tmp;
}
inline int calc(int x,int y){
    if(y>x) return 0;
    return f[x]*ksm(f[y],p-2)%p*ksm(f[x-y],p-2)%p;
}
inline int Lucas(int x,int y){
    if(!y) return 1;
    return (calc(x%p,y%p)*Lucas(x/p,y/p))%p;
}
signed main(){
    scanf("%lld",&T);
    while(T--){
        scanf("%lld%lld%lld",&n,&m,&p);
        f[0]=1;
        for(int i=1;i<=p;i++) f[i]=(f[i-1]*i)%p;
        printf("%lld\n",Lucas(n+m,n));
    }
    return 0;
}

另外，求组合数还有一种方法：exLucas。不过这种方法相对上面的方法比较难写，一般直接用Lucas就够了。

如有不足尽请指正，谢谢！

参考资料：

1.华东师范大学出版社 《奥数教程》高中第三分册

2.李煜东 《算法竞赛进阶指南》

转载于:https://www.cnblogs.com/ybwowen/p/11216720.html