递归、递推与通项

　　在程序中，递归与递推的关系一目了然。递归即函数调用自身，而递推是一种迭代。然而，在数学定义上，我们往往认为递归是递推的一种特殊形式，仅仅表现在其公式仅由前几项式表示。因此，此处为了部分统一程序与数学中概念，姑且认为递归与递推是等价的，仅是二者表现形式不同。
　　首先，我将站在程序的角度上对递归与递推进行说明。递归通常和递推完成的是相同的操作，然而，递归却总是慢于递推。这是什么原因造成的呢？我们可以从形式上去分析。
　　先从递推说起。一个数列的递推仅仅由一个数组和循环构成，在空间上，存储了一个数组，在时间上，计算机十分擅长迭代。我们再来看递归。递归往往是以一个函数的形式存在，并且在函数体的内部还调用了自身，执行完毕后再回到当前调用的函数。我们不难想到，在这期间，之前的函数信息一定被保存了下来。事实果真如此。这样的递归函数通常是由调用栈负责。由此可见，在空间上，没什么问题，但在时间上，程序执行跨度很大导致相对缓慢，因此我们得出了一个结论，递推总比递归好。好吧，其实不能完全这么说，毕竟递归能完成许多递推不能完成的事，比如图上DP等。总之，写程序能用递推尽量用递推（其实我觉得许多时候都没有必要递归转递推，递归稍慢，但好写啊）。
　　
以下是斐波那契数列的递归与递推写法：

递归：

int fib(int x){
    return x>2?fib(x-1)+fib(x-2):1;
}

递推：

int f[1000]={
  0,1,1};
int fib(int x){
    for(register int i=3;i<=x;++i)f[i]=f[i-1]+f[i-2];
    return f[x];
}

由此不难看出他们之间的特点。

　　接下来，我将谈谈数学中的这些方面。不管是递归还是递推，在这里都同等看待——一行能从已知得到未知的式子。注意，这是一个过程，并不是一个由起点直接到终点方式。但是，我们总能感受到，若是有一个能直接求出第$n$项的公式，运算速度不知道要快多少。因此，我们就不得不涉及通项公式。
　　首先拿一个经典的例子举例：

---

平面上的直线问题
平面上n条直线所界定的区域的最大个数Ln是多少？

---

　　刚拿到这个问题，可能的确感到棘手。我们首先会去枚举，$L_0=1$, $L_1=2$, $L_2=4$。莫非$L_n=2^n$？继续枚举，发现$L_3=7$ ，因此这显然是错误的。
　　我们考虑第$n$条直线与之前的$n-1$条直线相较，由于两直线最多一个交点，则最多会有$n-1$ 个交点。因此这条直线最多会穿过$n$ 个块，从而分裂出$n$ 个新块。所以得到$L_n<=L_{n-1}+n$。由归纳法不难发现，此上界能取等，因此 Ln=L