【学习笔记】母函数（生成函数）

0.夯实基础

泰勒展开啊，导数啊，形式幂级数啊……都是常识，不讲了。这里写几个你可能没推过的。（至少我是第一次推。）
$$f(x)=\ln (x+1)$$

可以求出其 $i$ 阶导数为
$$f^{(i)}(x)=(-1{)}^{i-1}(i-1)!(x+1{)}^{-i}$$

使用麦克劳林展开，得到
$$f(x)=\sum _{n=1}^{+\infty }(-1{)}^{n-1}\frac{x^n}{n}$$

进而有
$$-f(-x)=\sum _{n=1}^{+\infty }\frac{x^n}{n}$$

1.普通母函数

1.1.定义

母函数，也称作 生成函数，是指这样的一个函数： $$f(x)=\sum _{i=0}^n{a}_i{x}^i$$

$n$ 可以趋近于正无穷，也可以是某个具体的值。

注意，这个 $f(x)$ 是 形式幂级数，即 $x$ 只起到辅助作用。

1.2.性质

部分母函数具有 闭形式，譬如 $$f(x)=\sum _{i=0}^{+\infty }{x}^i=\frac{1}{1-x}$$

再如
$$g(x)=\sum _{i=0}^{+\infty }\left(\genfrac{}{}{0ex}{}{k-1+i}{k-1}\right)x^i=\frac{1}{(1-x{)}^k}$$

因为 $g(x)$ 的闭形式可以由 $f(x)$ 两边求 $k-1$ 次导数而来。

毫无疑问，闭形式与开形式是等价的，所以很多计数问题都变的可以计算。

1.3.应用

1.3.1.通项公式

例1.3.1. 求这个数列的通项公式：$a_0=a_1=1,a_{n+2}=a_n+a_{n+1}(n\in \mathbb{N})$ 。
解： 考虑其生成函数 $$f(x)=\sum _{i=0}^{+\infty }{a}_i{x}^i$$

注意到 $$\begin{gathered} -xf(x)=\sum _{i=1}^{+\infty }-a_{i-1}{x}^i \\ -x^{2}f(x)=\sum _{i=2}^{+\infty }-a_{i-2}{x}^i \end{gathered}$$

再结合 $a_0=a_1=1,a_{n+2}=a_n+a_{n+1}$ ，得到

$$\begin{gathered} (1-x-x^2)f(x)=1 \\ \Rightarrow f(x)=\frac{1}{1-x-x^2}=\frac{\frac{5+\sqrt{5}}{10}}{1-\frac{1+\sqrt{5}}{2}x}+\frac{\frac{5-\sqrt{5}}{10}}{1-\frac{1-\sqrt{5}}{2}x} \end{gathered}$$

将其转化为开形式，得到

$$\begin{array}{rl}f(x)& =\frac{5+\sqrt{5}}{10}\sum _{i=0}^{+\infty }{\left(\frac{1+\sqrt{5}}{2}x\right)}^i+\frac{5-\sqrt{5}}{10}\sum _{i=0}^{+\infty }{\left(\frac{1-\sqrt{5}}{2}x\right)}^i\\ & =\sum _{i=0}^{+\infty }\frac{\sqrt{5}}{5}\left[{\left(\frac{1+\sqrt{5}}{2}\right)}^{i+1}-{\left(\frac{1-\sqrt{5}}{2}\right)}^{i+1}\right]x^i\end{array}$$

$$\therefore a_n=\frac{\sqrt{5}}{5}\left[{\left(\frac{1+\sqrt{5}}{2}\right)}^{n+1}-{\left(\frac{1-\sqrt{5}}{2}\right)}^{n+1}\right]$$

更一般的说，我们最终会得到一个式子
$$M(x)f(x)=R(x)$$

其中 $M(x),R(x)$ 都是有限次。设
$$M(x)=\prod _{i=1}^k(x-{\lambda }_i{)}^{t_i}$$

则可以解出 $k$ 个多项式 $A_1(x),A_2(x),\dots ,A_k(x)$ 使得
$$f(x)=\frac{R(x)}{M(x)}=\sum _{i=1}^k\frac{A_i(x)}{(x-{\lambda }_i{)}^{t_i}}$$

而后化为开形式即可。注：其实就是特征根 ${\lambda }_i$ 做了分解。

1.3.2.组合计数

$x$ 的指数代表着某种限制，前面的系数就变成了结果。

例1.3.2. 小明有三种物品要拿：巧克力、面包、牛奶。巧克力的数量必须是偶数，面包的数量必须是三的倍数，牛奶至少拿一个。已知小明一共拿了 $10$ 个物品，请问可能的方案有多少种？同种物品是一模一样的。
解： 考虑三个生成函数，分别对应巧克力、面包、牛奶，用 $x$ 的指数代表选择了多少个。

$$\begin{gathered} \begin{array}{rl}{f}_1(x)& =\sum _{i=0}^{+\infty }2i{x}^{2i}=1+x^2+x^4+x^6+x^8+\cdots \\ f_2(x)& =\sum _{i=0}^{+\infty }3i{x}^{3i}=1+x^3+x^6+x^9+\cdots \\ f_3(x)& =\sum _{i=1}^{+\infty }i{x}^i=x+x^2+x^3+x^4+x^5+x^6+x^7+x^8+x^9+x^{10}+\cdots \end{array} \\ \because f_1(x)f_2(x)f_3(x)=x+x^2+2x^3+\cdots +12x^{10}+\cdots \\ \therefore ans=12 \end{gathered}$$

1.3.3.卷积优化

有时候我们会看到形如下面的式子的递推式：$$\forall x\in [0,n),A_x=\sum _{i=0}^x{B}_i{C}_{x-i}$$

可以发现，将 $⟨A⟩,⟨B⟩,⟨C⟩$ 写成生成函数 $f_A(x),f_B(x),f_C(x)$ ，一定有这样的关系式：

$$f_A(x)\equiv f_B(x)f_C(x)(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n)$$

这样就可以使用 $\mathcal{O}(n\log n)$ 的多项式乘法进行转移了。

1.3.4.其他

比如它与下降幂相乘，无法一一列举了。

2.指数型母函数

2.1.定义

和普通生成函数很像，只不过它的系数有一点变动：$$f(x)=\sum _{i=0}^n{a}_i\frac{x^i}{i!}$$

2.2.性质

2.2.1.闭形式

仍然具有闭形式。众所周知，
$$e^x=\sum _{i=0}^{+\infty }\frac{x^i}{i!}$$

于是得到一个推论$$e^{-x}=\sum _{i=0}^{+\infty }(-1{)}^i\frac{x^i}{i!}$$

现在我们就可以写出一部分指数级母函数的闭形式了。譬如$$f(x)=\sum _{i=0}^{+\infty }2i\frac{x^{2i}}{(2i)!}=\frac{e^x+e^{-x}}{2}$$

以及$$f(x)=\sum _{i=0}^{+\infty }(2i+1)\frac{x^{2i+1}}{(2i+1)!}=\frac{e^x-e^{-x}}{2}$$

2.2.2.卷积

计算 $f(x),g(x)$ 这两个指数级母函数的卷积，该怎么算？答曰：硬算。
$$f(x)=\sum _{i=0}^{+\infty }{a}_i\frac{x^i}{i!},g(x)=\sum _{i=0}^{+\infty }{b}_i\frac{x^i}{i!}$$

$$\begin{array}{rl}\Rightarrow f(x)g(x)& =\sum _{i=0}^{+\infty }\sum _{j=0}^i\frac{a_j{b}_{i-j}}{j!(i-j)!}{x}^i\\ & =\sum _{i=0}^{+\infty }\sum _{j=0}^i{a}_j{b}_{i-j}\cdot \frac{i!}{j!(i-j)!}\cdot \frac{x^i}{i!}\\ & =\sum _{i=0}^{+\infty }\sum _{j=0}^i\left(\genfrac{}{}{0ex}{}{i}{j}\right)a_j{b}_{i-j}\frac{x^i}{i!}\end{array}$$

这同时告诉我们，见到带组合数的递推式，不要用普通生成函数了，用指数型母函数。

2.3.应用

主要就应用于 排列计数 中。原理：对于一个可重集合 $S$ ，如果 $S$ 中有 $n$ 类不同元素，个数分别为 $d_1,d_2,d_3,\dots ,d_n$ ，那么将 $S$ 中的元素进行排列，不同的数量为 $$\frac{\left({\sum }_{i=1}^n{d}_i\right)!}{{\prod }_{i=1}^n(d_i!)}$$

所以说，同样的，类似于普通母函数：指数代表限制，前面的系数表示方案数。

例2.3.1. 用 $1,4,7,8$ 四个数字组成一个十位数，满足这些要求：$1$ 是奇数个；$4$ 最多出现四次；$7,8$ 都出现过。求不同的十位数的数量。
解： 使用生成函数即可。详细过程略。

例2.3.2. （复杂一点）点此跳转。

例2.3.3. 有 $n(n\le 10)$ 种物品，并且知道每种物品的数量。要求从中选出 $m(m\le 10)$ 件物品的排列数。例如有两种物品 $A,B$ ，并且数量都是 $1$ ，从中选 $2$ 件物品，则排列有 $AB$ 和 $BA$ 两种。
解： 暴力卷积即可。

#include <cstdio>
#include <iostream>
#include <vector>
using namespace std;
inline int readint(){
	int a = 0; char c = getchar(), f = 1;
	for(; c<'0' or c>'9'; c=getchar())
		if(c == '-') f = -f;
	for(; '0'<=c and c<='9'; c=getchar())
		a = (a<<3)+(a<<1)+(c^48);
	return a*f;
}
inline void writeint(long long x){
	if(x < 0) putchar('-'), x = -x;
	if(x > 9) writeint(x/10);
	putchar(x%10+'0');
}

const int MaxN = 20;
int n, m;
long long f[MaxN], tmp[MaxN], comb[MaxN][MaxN];
inline void work(int x){
	for(int i=0; i<=m; ++i) tmp[i] = 0;
	for(int i=0; i<=m; ++i)
		for(int j=0; j<=m-i and j<=x; ++j)
			tmp[i+j] += f[i]*comb[i+j][i];
	for(int i=0; i<=m; ++i) f[i] = tmp[i];
}
int main(){
	for(int i=0; i<=10; ++i)
		for(int j=(comb[i][0]=1); j<=i; ++j)
			comb[i][j] = comb[i-1][j]+comb[i-1][j-1];
	while(~scanf("%d %d",&n,&m)){
		for(int i=1; i<=m; ++i) f[i] = 0;
		f[0] = 1; // 没有物品
		for(int i=1; i<=n; ++i)
			work(min(readint(),m));
		writeint(f[m]), putchar('\n');
	}
	return 0;
}

3.深入

这一部分就拉通了来讲。因为今天的所学明显超出我原来所写的。

3.1.通项公式

例3.1.1. 求杨辉三角里 “对角线和” 的通项公式。即 $a_n={\sum }_{i=0}^n\left(\genfrac{}{}{0ex}{}{n+i}{2i}\right)$ 。
解： 利用生成函数。
$$\begin{array}{rl}A(x)& =\sum _{n=0}^{+\infty }{a}_n{x}^n\\ & =\sum _{n=0}^{+\infty }{x}^n\sum _{i=0}^n\left(\genfrac{}{}{0ex}{}{n+i}{2i}\right)\\ & =\sum _{n=0}^{+\infty }\sum _{i=0}^n\left(\genfrac{}{}{0ex}{}{n-i+2i}{2i}\right)x^{n-i}(\sqrt{x}{)}^{2i}\\ & =\sum _{a=0}^{+\infty }\sum _{2|b}\left(\genfrac{}{}{0ex}{}{a+b}{a}\right)x^a(\sqrt{x}{)}^b\end{array}$$

里面那玩意儿已经很好看了。只有一个问题就是 $2|b$ 。当然你会发现，我们 不妨扩大 $b$ 的范围，最后去掉所有含有 $\sqrt{x}$ 的项即可。

所以
$$\begin{array}{rl}A(x)& \approx \sum _{a=0}^{+\infty }\sum _{b=0}^{+\infty }\left(\genfrac{}{}{0ex}{}{a+b}{b}\right)x^a(\sqrt{x}{)}^b\\ & =\sum _{i=0}^{+\infty }{\left(x+\sqrt{x}\right)}^i\\ & =\frac{1}{1-\sqrt{x}-x}\end{array}$$

这是斐波那契。设斐波那契母函数为 $F(x)$ 则
$$\begin{gathered} A(x^2)\approx \frac{1}{1-x-x^2}=F(x) \\ \Rightarrow a_n=\mathrm{fibonacci}(2n) \end{gathered}$$

回看 $A(x)$ 中多出的 $\sqrt{x}$ 项，在 $A(x^2)$ 里成为了 $x$ 即奇数次数项。确实是比 $F(x)$ 少的部分。所以 $a_n$ 是可以划等号的。

例3.2.2. 已知 $C_0=1,C_n={\sum }_{i=1}^n{C}_{i-1}{C}_{n-i}(n\in {\mathbb{N}}^{+})$ ，求卡特兰数 $C_n$ 通项公式。
解： 不妨先用普通母函数试一试。
$$\begin{array}{rl}G(x)& =\sum _{i=0}^{+\infty }{C}_i{x}^i\\ & =1+x\cdot G(x{)}^2\\ \Rightarrow G(x)& =\frac{1\pm \sqrt{1-4x}}{2x}\end{array}$$

此处有两个解。我们有理由相信，$G(x)$ 在 $0$ 的邻域内收敛，所以 ${\lim }_{x\to 0^{+}}G(x)=[x^0]G(x)=1$，这足以帮我们排除 $\frac{1+\sqrt{1-4x}}{2x}$ 的解（其发散）。
$$1-\sqrt{x}=-\frac{1}{2}(x-1)+\sum _{k\ge 2}\frac{1\times 3\times 5\times \cdots \times (2k-3)}{k!\times (-2{)}^k}(x-1{)}^k$$

此乃 $x_0=1$ 处泰勒展开者也。进而有
$$\begin{array}{rl}G(x)& =\frac{1-\sqrt{1-4x}}{2x}\\ & =1+\sum _{k\ge 2}\frac{1\times 3\times 5\times \cdots \times (2k-3)}{k!\times (-2{)}^k}\cdot \frac{(-4x{)}^k}{2x}\\ & =1+\sum _{k\ge 1}1\times 3\times 5\times \cdots \times (2k-1)\cdot \frac{(2x{)}^k}{(k+1)!}\\ & =1+\sum _{k\ge 1}\frac{(2k)!}{2\times 4\times 6\times \cdots \times 2k}\times 2^k\cdot \frac{x^k}{(k+1)!}\\ & =1+\sum _{k\ge 1}\frac{(2k)!}{k!}\cdot \frac{x^k}{(k+1)!}\\ \Rightarrow C_n& =\frac{(2n)!}{n!\cdot (n+1)!}=\frac{1}{n+1}\left(\genfrac{}{}{0ex}{}{2n}{n}\right)(n\in \mathbb{N})\end{array}$$

3.2.求普通母函数

例3.2.1. 求序列 $⟨1,3,5,\dots ,2n-1,\dots ⟩$ 作为系数的普通母函数闭形式。
解：
$$\begin{array}{rl}F(x)& =\sum _{i=0}^{+\infty }(2i+1)x^i\\ & =2\sum _{i=0}^{+\infty }(i+1)\cdot x^i-\sum _{i=0}^{+\infty }{x}^i\\ & =2\sum _{i=0}^{+\infty }(x^{i+1}{)}^{\prime }-\sum _{i=0}^{+\infty }{x}^i\\ & =2{\left(\frac{x}{1-x}\right)}^{\prime }-\frac{1}{1-x}\\ & =\frac{1+x}{(1-x{)}^2}\end{array}$$

从中我们看出一个事实，将系数写成下降幂，变成导数即可计算。

3.3.求指数型母函数

例3.3.1. 求圆排列 ${\hat{c}}_0=0,{\hat{c}}_n=(n-1)!(n\in {\mathbb{N}}^{+})$ 的指数型母函数。注：圆排列也是求本质不同排列数，但是它认为循环移位本质相同。
解： 根据定义
$$\begin{array}{rl}\hat{C}(x)& =\sum _{n=1}^{+\infty }{\hat{c}}_n\frac{x^n}{n!}\\ & =\sum _{n=1}^{+\infty }\frac{x^n}{n}\\ & =-\ln (1-x)\\ & =\ln \left(\frac{1}{1-x}\right)\end{array}$$

这个简单。突然你发现了梦幻联动，如果你写出全排 $p_n=n!$ 的指数型生成函数 $P(x)=\frac{1}{1-x}$ 竟然有
$$P(x)=e^{\hat{C}(x)}=\sum _{k=0}^{+\infty }\frac{\hat{C}(x{)}^k}{k!}$$

仔细想想，确实合理。把一个全排看成置换，会得到很多个环。我们枚举环的大小。则
$$p_n=\sum _{1\le x_1\le x_2\le x_3\le \cdots \le x_k}^{x_1+x_2+x_3+\cdots +x_k=n}\left(\genfrac{}{}{0ex}{}{n}{x_1}\right){\hat{c}}_{x_1}\left(\genfrac{}{}{0ex}{}{n-x_1}{x_2}\right){\hat{c}}_{x_2}\cdots \left(\genfrac{}{}{0ex}{}{x_k}{x_k}\right){\hat{c}}_{x_k}$$

如果不让 $x$ 有序，那就需要乘一个 $\frac{1}{k!}$ 的系数。至于组合数，恰好是指数型母函数卷积所附加的系数。所以真的是卷积。

例3.3.2. 求错排 $d_1=0,d_2=1,d_n=(n-1)(d_{n-1}+d_{n-2})(n\ge 3)$ 的指数型生成函数 $D(x)$ 的闭形式。
解： 错排的本质是，不存在自环的一种排列。稍微改动一下上面的式子即可。
$$d_n=\sum _{2\le x_1\le x_2\le x_3\le \cdots \le x_k}^{x_1+x_2+x_3+\cdots +x_k=n}\left(\genfrac{}{}{0ex}{}{n}{x_1}\right){\hat{c}}_{x_1}\left(\genfrac{}{}{0ex}{}{n-x_1}{x_2}\right){\hat{c}}_{x_2}\cdots \left(\genfrac{}{}{0ex}{}{x_k}{x_k}\right){\hat{c}}_{x_k}$$

类似的，令
$$C(x)=\sum _{i=2}^{+\infty }{\hat{c}}_i{x}^i=\ln \left(\frac{1}{1-x}\right)-{\hat{c}}_{1}x$$

则
$$\begin{array}{rl}D(x)& =\sum _{i=0}^{+\infty }\frac{C(x{)}^i}{i!}\\ & =\exp [C(x)]\\ & =\frac{e^{-x}}{1-x}\end{array}$$

当然啦，也可以直接利用通项公式（容斥式）得到该式子。因为 $\frac{1}{1-x}$ 是全排而 $e^{-x}$ 是 $(-1{)}^i$ 的指数型母函数。
$$d_n=\sum _{i=0}^n(-1{)}^i(\genfrac{}{}{0ex}{}{n}{i})(n-i)!$$

例3.3.3. 求 $n$ 个点有标号无向连通图个数 $a_n$ 的指数型生成函数 $F(x)$ 。
解： 首先考虑可以不连通的情况。显然方案数 $b_n=\sqrt{2^{n(n-1)}}$ 即枚举每条边。然而它有另一种计算方法，即枚举连通块大小。类似上面的操作，可得
$$\begin{array}{rl}{e}^{A(x)}& =B(x)\\ \Rightarrow A(x)& =\ln B(x)\end{array}$$

手推易知 $B(x)$ 没有闭形式。所以只能暴力算对数了。但是复杂度确为 $\mathcal{O}(n\log n)$ 。

例子很多，我就不放上来了。更多学习资料就去分类专栏里找吧。