Discrete Calculas
定义
类比连续状况下的微积分。
导数
在连续状况下,一个函数的导数定义为:
D
f
(
x
)
=
lim
h
→
0
f
(
x
+
h
)
−
f
(
x
)
h
Df(x) = \lim_{h \rightarrow 0} \frac{f(x+h) - f(x)}{h}
Df(x)=h→0limhf(x+h)−f(x)
在离散状况下,
h
→
0
h \rightarrow 0
h→0 等价于
h
=
1
h = 1
h=1,等价的运算为差分
Δ
\Delta
Δ, 定义为:
Δ
f
(
x
)
=
f
(
x
+
1
)
−
f
(
x
)
\Delta f(x) = f(x + 1) - f(x)
Δf(x)=f(x+1)−f(x)
考虑
m
m
m 次幂的导数,在无限微积分中,
f
(
x
)
=
x
m
f(x) = x ^m
f(x)=xm 的导数为:
D
f
(
x
)
=
m
x
m
−
1
Df (x) = mx^{m - 1}
Df(x)=mxm−1
在离散状况下,普通的
m
m
m 次幂很明显没有等价的好性质,而拥有等价性质的运算为下降幂,定义
x
m
‾
x^{\underline{m}}
xm 为:
x
m
‾
=
m
f
a
c
t
o
r
s
x
(
x
−
1
)
…
(
x
−
m
+
1
)
⏞
m
≥
0
x
m
‾
=
1
(
x
+
1
)
(
x
+
2
)
…
(
x
+
m
)
m
<
0
x ^ {\underline{m}} = \begin{matrix}{m \ factors}\\\overbrace{x (x - 1)\dots (x - m + 1)}\end{matrix} \ \ \ \ \ \ m \geq 0 \\ x^{\underline m} = \frac{1}{(x +1)(x +2) \dots (x +m)} \ \ \ \ \ \ m <0
xm=m factorsx(x−1)…(x−m+1)
m≥0xm=(x+1)(x+2)…(x+m)1 m<0
对于下降幂,就有:
Δ
(
x
m
‾
=
m
x
m
−
1
‾
)
\Delta(x ^ {\underline {m}} = mx^{\underline {m - 1}})
Δ(xm=mxm−1)
不定积分
在连续情况下,由微积分基本定理有:
g
(
x
)
=
D
f
(
x
)
  
⟺
  
∫
g
(
x
)
d
x
=
f
(
x
)
+
C
g(x) = Df(x) \iff \int g(x) \ dx = f(x) +C
g(x)=Df(x)⟺∫g(x) dx=f(x)+C
同样的类比到离散情况:
g
(
x
)
=
Δ
f
(
x
)
  
⟺
  
∑
g
(
x
)
δ
x
=
f
(
x
)
+
C
g(x) = \Delta f(x) \iff \sum g(x) \ \delta x = f(x) +C
g(x)=Δf(x)⟺∑g(x) δx=f(x)+C
其中,变量
C
C
C 对于连续情况下必须是常数,而在离散状况下只需要是满足
p
(
x
+
1
)
=
p
(
x
)
p(x +1) = p(x)
p(x+1)=p(x) 的函数
p
(
x
)
p(x)
p(x) 即可。
定积分
对于定积分,在连续条件下,若
g
(
x
)
=
D
f
(
x
)
g(x) = Df(x)
g(x)=Df(x),则:
∫
a
b
g
(
x
)
d
x
=
f
(
b
)
−
f
(
a
)
\int_{a}^{b} g(x)\ dx = f(b) - f(a)
∫abg(x) dx=f(b)−f(a)
- 同样的,在离散条件下,若 g ( x ) = Δ f ( x ) g(x) = \Delta f(x) g(x)=Δf(x), 则:
∑ a b g ( x ) δ x = f ( b ) − f ( a ) \sum_{a} ^ b g(x) \ \delta x = f(b) - f(a) a∑bg(x) δx=f(b)−f(a)
其中定积分的含义为:
∑
a
b
g
(
x
)
δ
x
=
∑
i
=
a
b
−
1
g
(
i
)
\sum_{a} ^ b g(x) \ \delta x = \sum_{i = a} ^ {b - 1} g(i)
a∑bg(x) δx=i=a∑b−1g(i)
即不包含上界的前缀和。
运算
- x m + n ‾ = x m ‾ x n ‾ = x m ‾ ( x − m ) n ‾ x^{\underline {m +n}} =x^{\underline m} x^{\underline n} = x^{\underline m}(x - m)^{\underline n} xm+n=xmxn=xm(x−m)n
- 调和级数 H n = ∑ i = 1 n 1 i H_n = \sum_{i = 1} ^ n \frac{1}{i} Hn=∑i=1ni1 的导数为 x − 1 ‾ x^{\underline {-1}} x−1,与连续微积分中的 ln x \ln x lnx 相似
- 2 x 2^x 2x 的导数仍为 2 x 2^x 2x,与连续微积分中的 e x e^x ex 相似
- ∑ a b x − 1 ‾ δ x = H x ∣ a b \sum_{a} ^ b x^{\underline {-1}} \ \delta x = H_x \mid _{a}^b ∑abx−1 δx=Hx∣ab
- Δ u ( x ) v ( x ) = u ( x ) Δ v ( x ) + v ( x + 1 ) Δ ( u ( x ) ) \Delta {u(x) v(x)} = u(x)\Delta v(x) +v(x +1) \Delta(u(x)) Δu(x)v(x)=u(x)Δv(x)+v(x+1)Δ(u(x))
- 下降幂满足二项式定理,即 ( x + y ) 2 ‾ = x 2 ‾ + 2 x 1 ‾ y 1 ‾ + y 2 ‾ (x +y)^{\underline 2} = x^{\underline 2} +2x^{\underline 1}y^{\underline 1} +y^{\underline 2} (x+y)2=x2+2x1y1+y2
应用
将定积分运算与下降幂进行关联,不难发现:
∑
0
≤
k
<
n
k
m
‾
=
n
m
+
1
‾
m
+
1
\sum_{0 \le k < n} k^{\underline m} = \frac{n^{\underline {m+ 1}}}{m +1}
0≤k<n∑km=m+1nm+1
特别地,在
m
=
1
m = 1
m=1 的情况下,我们可以发现:
∑
0
≤
k
<
n
k
=
n
2
‾
2
=
n
×
(
n
−
1
)
2
\sum_{0 \le k <n} k = \frac{n^{\underline 2}}{2} = \frac{n\times(n - 1)}{2}
0≤k<n∑k=2n2=2n×(n−1)
即自然数求和公式。
同时,我们还可以利用快速求出下降幂之值的思想计算形如
k
m
k^m
km 的值,做法为将
k
m
k^m
km 配凑为几个下降幂之和的形式,例如:
∵
k
2
=
k
2
‾
+
k
1
‾
∴
∑
0
≤
k
<
n
k
2
=
n
3
‾
3
+
n
2
‾
2
=
n
×
(
n
−
1
)
×
(
2
n
−
1
)
6
\because k^2 = k^{\underline 2} + k^{\underline 1} \\ \therefore \sum_{0 \le k <n} k^2 = \frac{n^{\underline 3}}{3} + \frac{n^{\underline 2}}{2} = \frac{n \times (n - 1) \times (2n - 1)}{6}
∵k2=k2+k1∴0≤k<n∑k2=3n3+2n2=6n×(n−1)×(2n−1)
无限求和
对于有限项数的求和,一个通用的办法是使用错位相减,然而在无限状况下这一方法存在反例。不难举出一个发散序列的例子,如:
T
=
1
+
2
+
4
+
⋯
T = 1 +2 +4 +\cdots
T=1+2+4+⋯
那么不难发现,按照原先的推理:
∵
2
T
=
2
+
4
+
8
+
⋯
=
T
−
1
∴
T
=
−
1
\because 2T = 2 +4 +8 +\cdots = T - 1 \\ \therefore T = -1
∵2T=2+4+8+⋯=T−1∴T=−1
显然错误。
有这样一个反例为例,我们不难拿连续情况下的收敛—发散来定义无限数列的和。当数列发散时,数列之和就为 ∞ \infty ∞(注意到 ∞ \infty ∞ 其实也是 2 T = T − 1 2T = T - 1 2T=T−1 的一组解)。
不幸的是,对于存在负数的无限数列,这一性质又不成立了。于是引出这样的定义:
首先,任意实数都可以被写作 x = x + − x − x = x^+ - x^- x=x+−x−,其中 x + = x × [ x > 0 ] , x − = − x × [ x < 0 ] x^+ = x \times [x >0], x^- = -x \times [x <0] x+=x×[x>0],x−=−x×[x<0]。
于是,任意一个无限数列
a
k
a_k
ak 就可以写成如下的形式:
∑
a
k
=
∑
a
k
+
−
∑
a
k
−
\sum a_k = \sum a_k^+ - \sum a_k^-
∑ak=∑ak+−∑ak−
很明显,
a
k
+
a_k^+
ak+ 与
a
k
−
a_k^-
ak− 都是非负的无穷数列,因此可求和。