生成函数（常见幂级数、广义二项式定理、生成函数的应用）

生成函数

引言

定义

实数序列$a_0、a_1、a_2、\dots \dots 、a_n$的生成函数,是无穷级数
$$G(x)=\sum _{k=0}^{\infty }{a}_k\ast x^k=a_0+a_1\ast x+a_2\ast x^2+\dots \dots +a_k\ast x^k+\dots \dots$$

上述的生成函数也被称为普通生成函数，因为还有其他类型的生成函数。
也就是说，我们将一个数的序列对应到一个函数，而这个函数的幂级数展开的各项系数就是这个序列。

有关幂级数的有用事实

形式幂级数

如果将级数的收敛问题忽略掉，也就是不关心幂级数的收敛域，这样的级数就称为形式幂级数。

幂级数的和、积

若$f(x)={\sum }_{k=0}^{\infty }{a}_k\ast x^k$,$g(x)={\sum }_{k=0}^{\infty }{b}_k\ast x^k$；
则，

• 和
  $f(x)+g(x)={\sum }_{k=0}^{\infty }(a_k+b_k)\ast x^k$
• 积
  $f(x)g(x)={\sum }_{k=0}^{\infty }({\sum }_{j=0}^k{a}_j\ast b_{k-j})\ast x^k$

广义二项式定理

• 广义二项式系数
  设$u$是实数，且$k$是非负整数。那么广义二项式系数
  $$\left(\genfrac{}{}{0ex}{}{u}{k}\right)=\{\begin{array}{l}u(u-1)\ast \dots \dots \ast (u-k+1),k>0\\ 1,k=0\end{array}$$

• 当u为负整数，广义二项式系数为
  $$\left(\genfrac{}{}{0ex}{}{-n}{r}\right)=C(-n,r)=(-1{)}^{r}C(n+r-1,r)$$

• 广义二项式定理
  $$(1+x{)}^u=\sum _{k=0}^{\infty }(\genfrac{}{}{0ex}{}{u}{k})x^k$$
  ps 当u是正整数是，就是普通的二项式定理，因为$C(u,k),u>k$时为0。

常见的生成函数

• 微积分中经典的级数

G(x)	$a_k$
$ln(1+x)=x-x^2/x+x^3/3$+……	$(-1{)}^{k+1}/k$
$e^x={\sum }_{k=0}^{\infty }{x}^k/k!=1+x+x^2/2+x^3/3!+\dots \dots$	$1/k!$

• 二项式定理相关

G(x)	$a_k$
$(1+x{)}^n={\sum }_{k=0}^{\infty }C(n,k)x^k$	$C(n,k)$
$(1+ax{)}^n={\sum }_{k=0}^{\infty }{a}^{k}C(n,k)x^k$	$C(n,k)a^k$

• 广义二项式定理相关

G(x)	$a_k$
$1/(1-x)={\sum }_{k=0}^{\infty }{x}^k$	1
$1/(1-ax)={\sum }_{k=0}^{\infty }{a}^k{x}^k$	$a^k$
$1/(1-x^r)={\sum }_{k=0}^{\infty }{x}^{rk}$
$1/(1-x{)}^2={\sum }_{k=0}^{\infty }(k+1)x^k$	$k+1$
$1/(1-x{)}^n={\sum }_{k=0}^{\infty }C(n+k-1,k)x^k$	$C(n+k-1,k)$

使用生成函数解决计数问题

不定方程的解的个数

$e_1+e_2+\dots \dots +e_n=m$
求非负整数解的方案数。
可以用隔板法求出得$C(m+n-1,m)$。

利用生成函数的思想：
$(1+x^1+x^2+\dots \dots x^m)(1+x^1+x^2+\dots \dots +x^m)(1+x^1+x^2+\dots \dots +x^m)(1+x^1+x^2+\dots \dots +x^m)\dots \dots （n项）$
那么$x^m$项的系数就是原问题的方案数。
这在$e_1、e_2、\dots \dots$有约束限制的时候，更显优势。

比如
$e_1+e_2+\dots \dots +e_3=17$，且$2<=e1<=5、3<=e2<=6、4<=e3<=7$
那么上述解的个数是
$(x^2+x^3+x^4+x^5)(x^3+x^4+x^5+x^6)(x^4+x^5+x^6+x^7)$的$x^{17}$项的系数。

• 有这样的一个例子：
  有一堆的1元、2元、5元硬币，数量不限，用它们组和成总和为$r$元。
  有多少方案。

完全背包问题的方案数

• 动态规划解法

这其实是一个完全背包问题求方案数的问题。
$f[i][j]={\sum }_{k=0}^{maxK}f[i-1][j-k\ast v]$
当然可以再使用递推关系式优化成
$f[i][j]$ = $f[i-1][j]+f[i][j-v]$

• 生成函数解法
  仿照我们上面的解法，
  方案数就是
  $(1+x+x^2+x^3+\dots \dots )(1+x^2+x^4+x^6+\dots \dots )(1+x^5+x^{10}+x^{15}+\dots \dots )$
  的$x^r$的系数。
  第一项表示选择1元硬币，比如第一项中的$x^7$表示选了7个一元硬币，如此推知，每一项实际上对应着DP过程中考虑每一个物品。

有顺序的背包问题的方案数

• 动态规划解法
  这种解法类似于跳楼梯问题，每次跳一级或者两级，跳到100级有多少中跳法。
  递推方程：$f[i]=f[i-1]+f[i-2]+f[i-5]$

• 生成函数解法
  考虑恰好一共选了$n$个硬币产生$r$元的方案数，因为考虑了顺序，
  所以此时的方案数为$(x+x^2+x^5{)}^n$中$x^r$的系数
  因为可以用任意多次硬币去形成$r$元，所以按照加法原理。
  总方案数是
  $1+(x+x^2+x^5)+(x+x^2+x^5{)}^2+(x+x^2+x^5{)}^3+\dots \dots$的$x^r$的系数。

使用生成函数求解递推关系

通过寻找生成函数的显式公式来求解满足递推关系和初始条件的解。
不过这种方案具有很大的局限性。
如果可以使用求解线性递推关系的那种方案，生成函数法并不是首选方案。

举一例说明：

$a_n=8\ast a_{n-1}+10^{n-1}①$
两边同乘$x^n$:
$a_n\ast x^n=8\ast a_{n-1}{x}^n+10^{n-1}②$
两边从$n=1$开始求和:
$$\begin{gathered} G(x)-1=\sum _{n=1}^{\infty }{a}_n\ast x_n \\ =\sum _{n=1}^{\infty }(8\ast a_{n-1}\ast x^n+10^{n-1}\ast x^n) \\ =8x\sum _{n=1}^{\infty }(a_{n-1}\ast x^{n-1})+x\ast \sum _{n=1}^{\infty }10^{n-1}{x}^{n-1} \\ =8xG(x)+x/(1-10x) \end{gathered}$$
求出
$$\begin{gathered} G(x)=(1-9x)/((1-8x)(1-10x)) \\ =1/2(1/(1-8x)+1/(1-10x)) \\ =1/2(\sum _0^{\infty }{8}^n+\sum _0^{\infty }10^n)x^n \end{gathered}$$

所以，
$a_n=1/2(8^n+10^n)$

使用生成函数证明恒等式（略）