首页 > 其他分享 >组合数及其简单应用

组合数及其简单应用

时间:2025-01-22 21:42:22浏览次数:1  
标签:系数 frac 组合 sum cdots 应用 简单 binom

定义

  • 组合数,也叫二次项系数,定义为

\[C^m_n=\binom n m=\frac{n!}{m!(n-m)!}=\frac{n(n-1)\cdots(n-m+1)}{m!} \]

  • 下降幂: \(n\) 的 \(m\) 次下降幂定义为$$n^\underline m=n(n-1)\cdots(n-m+1)$$这样二项式系数就可以写为 $$\binom nm=\frac {n^\underline m} {m!}$$

简单应用

插板法1:

有 \(n\) 个完全相同的元素,将其分为 \(k\) 组,每组至少有一个元素,一共有多少种分法?

Sol:
组合意义:\(k-1\) 个板插入 \(n-1\) 个空隙,答案为$$\binom{n-1}{k-1}$$

插板法2:

有 \(n\) 个完全相同的元素,将其分为 \(k\) 组,每组可以为空,一共有多少种分法?

Sol:
组合意义:先加 \(k\) 个元素,使每组非空。即在插板法1基础上多加了 \(k\) 个可以使某一组为空的空隙,而板数不变。答案为$$\binom {n+k-1}{k-1}$$

插板法3:

从 \(1,2,\cdots,n\) 中选出 \(k\) 个数,要求任何两个数都不相邻,一共有多少种选法?

Sol:
组合意义:\(k\) 个元素把 \(1\sim n\) 划分成了 \(k+1\) 段,设每段的元素个数为 \(a_0,a_1,\cdots ,a_{k-1},a_{k}\),则它们满足 $$\sum_{i=0}^{k}a_i=n-k$$由于题目要求任何两个数不相邻,那么除去两边的 \(a_0,a_k\) 可以为 \(0\),其他所有值都已经限制不能为 \(0\)。为了使用组合数表示,我们仿照插板法2,为 \(a_0,a_k\) 加上 \(1\),此时$$\sum_{i=0}^ka_i=n-k+2$$此时题意化归为插板法1,即:将 \(n-k+2\) 个数划分成非空的 \(k+1\) 段,答案为$$\binom{n-k+1}{k}$$

拓展定义

上述定义的定义域为 \(n,m\in N\),后文我们将在没有特殊说明的情况下使用如下定义:

\[\binom{n}{m}=\begin{cases} \frac{n^{\underline m}}{m!} &m\ge0\\ 0 &m<0 \end{cases} \]

这将定义域扩展到 \(n\in R,m\in Z\)。特别的,我们规定 \(0^0=0!=x^0=1\)。

基本恒等式

加法公式

\[\binom{n}{k}=\binom{n-1}{k}+\binom{n-1}{k-1} \]

其实就是杨辉三角的递推式。

对称公式

\[\binom{n}{k}=\binom{n}{n-k},while\ n,k\in N \]

组合意义很好想,\(n\) 个物品选 \(k\) 个就是 \(n\) 个物品选 \(n-k\) 个不要的物品。注意负数不成立。

吸收公式

\[k\binom{n}{k}=n\binom{n-1}{k-1},(n-k)\binom{n}{k}=n\binom{n-1}{k} \]

数值的恒等依定义展开可以轻易证明,主要应用在求和式时把指标系数换成常数系数。

上指标反转

\[\binom{n}{k}=(-1)^k\binom{k-n-1}{k} \]

就是按下降幂的定义展开,把分子每一项提个 \(-1\) 出来,剩下的恰好是 \(k-n-1\) 的 \(k\) 次下降幂。主要应用是逆过来处理 \((-1)^k\)。

求和恒等式

广义二项式定理

对 \(n\in R\),\(|x|<|y|\) 有

\[(x+y)^n=\sum_{k=0}^{+\infty}\binom nkx^ky^{n-k} \]

特别的,当 \(n\in N\) 时就是更常用的形式

\[(x+y)^n=\sum_{k=0}^n\binom nkx^ky^{n-k} \]

对于一般形式的证明可对 \(f(x)=(x+y)^n\) 在 \(x=0\) 处做泰勒展开;对于 \(n\in N\),则可以考虑组合意义:括号展开后 \(n\) 个 \(x\) 相乘得到 \(x^k\) 的方案数是 \(\binom nk\),得到 \(y^{n-k}\) 的方案数是 \(\binom n {n-k}\),而这两个方案数在 \(n\in N\) 恰好是恒等的,得证。

组合数一行之和

\[\sum_{k=0}^n\binom nk=2^n, while\ n\in N \]

就是二项式定理在 \(x=y=1\) 的特例。

平行求和

\[\sum_{k=0}^n\binom {n+k}k=\binom {n+m+1}m,while\ m\in N \]

可以将等式右用加法公式递归展开,即:

\[\begin{aligned} \binom{n+m+1}{m}&=\binom{n+m}{m}+\binom{n+m}{m-1}\\ &=\binom{n+m}{m}+\binom{n+m-1}{m-1}+\binom{n+m-1}{m-2}\\&=\cdots\\&=\binom{n+m}{m}+\binom{n+m-1}{m-1}+\cdots+\binom{n+1}{1}+\binom{n}{0}\\&=\sum_{k=0}^n\binom {n+k}k \end{aligned} \]

得证。

上指标求和

\[\sum_{k=0}^n\binom{k}{m}=\binom{n+1}{m+1},while\ n,m\in N \]

同理可以用加法公式展开:

\[\begin{aligned} \binom{n+1}{m+1}&=\binom{n}{m}+\binom{n}{m+1}\\&=\binom{n}{m}+\binom{n-1}{m}+\binom{n-1}{m+1}\\ &=\cdots\\&=\binom{n}{m}+\binom{n-1}{m}+\cdots+\binom{1}{m}+\binom{0}{m+1}\\&=\binom{n}{m}+\binom{n-1}{m}+\cdots+\binom{1}{m}+\binom{0}{m}\\&=\sum_{k=0}^n\binom{k}{m} \end{aligned} \]

得证。

范德蒙德卷积

\[\sum_k\binom{r}{k}\binom{s}{n-k}=\binom{r+s}{n},while\ n\in Z \]

组合意义:\(r+s\) 个物品里面选 \(n\) 个方案数就是 \(\binom{r+s}{k}\);先在 \(r\) 个里面选 \(k\) 个,再在 \(s\) 里面选剩下 \(n-k\) 个的方案数是 \(\binom{r}{k}\binom{s}{n-k}\) 。枚举所有的 \(k\) 即有上式。

多项式系数

三项式版恒等式

\[\binom{r}{m}\binom{m}{k}=\binom{r}{k}\binom{r-k}{m-k},while\ m,k\in Z \]

按定义展开,数值上的相等也是显然的。我们也可以考虑组合意义:先从 \(r\) 个物品里面选 \(m\) 个,再从 \(m\) 个物品里面选 \(k\) 个的方案数即 \(\binom{r}{m}\binom{m}{k}\),先从 \(r\) 个里面选了 \(k\) 个,再在剩下 \(r-k\) 个里选 \(m-k\) 个即 $\binom{r}{k}\binom{r-k}{m-k} $。本质上都从 \(r\) 个里选了 \(m\) 和 \(k\) 个且有 \(k\) 个是被选了两次的

多项式系数

多项式系数是多项式 \((x_1+x_2+\cdots+x_m)^n\) 展开得到 \(x_1^{a_1},x_2^{a_2},\cdots,x_m^{a_m}\) 的系数。记做 \(\binom{n}{a_1,a_2,\cdots,a_m}=\binom{a_1+a_2+\cdots+a_m}{a_1,a_2,\cdots,a_m}\)。

组合意义:\(n\) 个两两不同的物品,分成 \(m\) 组,第 \(i\) 组有 \(a_i\) 个物品,则总方案数为

\[\frac{n!}{\prod_{i=1}^ma_i!} \]

多项式系数也等于如下二项式系数乘积:

\[\binom{a_1+a_2+\cdots+a_m}{a_1,a_2,\cdots,a_m}=\binom{a_1+\cdots+a_m}{a_2+\cdots+a_m}\binom{a_2+\cdots+a_m}{a_3+\cdots+a_m} \]

而三项式版恒等式也就是 \(m=3\) 的多项式系数满足的恒等式。

例题

例一

求出下式的封闭形式:$$\sum_k\binom{n}{k}^2,\ \ n\in N$$
Sol
对称公式后范德蒙德卷积即可

\[\sum_k\binom{n}{k}^2=\sum_k\binom{n}{k}\binom{n}{n-k}=\binom{n}{2n} \]

例二

求出下式的封闭形式:$$\sum_kk\binom{n}{k}^2,\ \ n\in N$$
Sol
吸收公式,对称公式后范德蒙德卷积即可

\[\sum_kk\binom{n}{k}=n\sum_k\binom{n}{k}\binom{n-1}{k-1}=n\sum_k\binom{n}{k}\binom{n-1}{n-k}=n\binom{2n-1}{n} \]

例三(来自《具体数学》)

求出下式的封闭形式:$$\sum_{k=0}^m \frac{\binom mk}{\binom nk},\ \ n,m\in N,\ n\ge m$$

Sol
根据三项式版恒等式,有

\[\binom{n}{m}\binom{m}{k}=\binom{n}{k}\binom{n-k}{m-k}\leftrightarrow\frac{\binom{m}{k}}{\binom{n}{k}}=\frac{\binom{n-k}{m-k}}{\binom{n}{m}} \]

所以上式等价于 $$\frac{1}{\binom nm}\sum_{k=0}^m\binom{n-k}{m-k}$$
用指标 \(k\) 代替 \(m-k\),枚举次序不变;再进行平行求和,有:

\[\frac{1}{\binom nm}\sum_{k=0}^m\binom{n-m+k}{k}=\frac{\binom{n+1}{m}}{\binom{n}{m}}=\binom{n+1}{n+1-m} \]

例四

求出下式的封闭形式:$$\sum_{k=m}^{n} (-1)^k\binom{n}{k}\binom{k}{m},\ n,m\in N,\ n\ge m$$
Sol
先使用三项式版恒等式 $$\sum_{k=m}^{n} (-1)^k \binom{n}{k}\binom{k}{m}=\sum_{k=m}^{n} (-1)^k\binom{n}{m}\binom{n-m}{k-m}$$
提出 \(\binom{n}{m}\),使用上指标反转,有 $$\binom{n}{m}\sum_{k=m}^n (-1)^k \binom{n-m}{k-m}=\binom{n}{m}\sum_{k=m}^n (-1)^k (-1)^{k-m}\binom{k-n-1}{k-m}$$
消掉 \((-1)^k\),用指标 \(k\) 替换 \(k-m\) 并修改上界,再使用平行求和,有 $$\binom{n}{m}(-1)^m \sum_{k=m}^n \binom{k-n-1}{k-m}=\binom{n}{m}(-1)^m \sum_{k=0}^{n-m} \binom{k+m-n-1}{k}=\binom{n}{m}(-1)^m \binom{0}{n-m}$$
得到答案 $$(-1)^m[n=m]$$

标签:系数,frac,组合,sum,cdots,应用,简单,binom
From: https://www.cnblogs.com/Ydoc770/p/18686439

相关文章

  • 组合计数与构造专题
    CF1824B2\(k\)为奇数时,注意到每次好点移动一格至少会增加$\lfloor\frac{k}{2}\rfloor+1-\lfloor\frac{k}{2}\rfloor$的长度,所以好点个数为\(1\)。\(k\)为偶数时,注意到好点一定在一条链上,我们计算出有多少条边\((u,v)\)满足\(u\)和\(v\)为好点,答案就是边数......
  • 基于卷积特征提取的自适应锚框优化:在RoBERTa与生成对抗网络的跨领域应用
    深度学习技术在图像处理和自然语言处理(NLP)领域展现了强大的能力。本文探讨了如何结合卷积神经网络(CNN)的特征提取能力、自适应锚框优化方法,以及RoBERTa和生成对抗网络(GAN)的跨领域应用,提供一种统一的优化策略,解决图像和文本相关的复杂问题。一、卷积特征提取的核心作用卷积神经......
  • 【渗透测试】漏洞扫描AWVS安装使用教程,三分钟手把手教会,非常简单
    一、AWS简介AcunetixWebVulnerabilityScanner(简称AWVS)是一个自动化的Web漏洞扫描工具,它可以扫描任何通过Web浏览器访问和遵循HITP/HTTPS规则的Web站点。AWVS原理是基于漏洞匹配方法,通过网络爬虫测试你的网站安全,检测流行安全AWVS可以检测什么漏洞,它有什么优势?AWVS......
  • 学生管理系统C++版(简单版)详解
    有错请指出啊~,答应大家的来了头文件:#include<iostream>#include<stdlib.h>#include<windows.h>iostream是标准头文件,stdlib.h也可以写成cstdlib,windows.h,用Sleep数据定义:intx,y=0;//x是输入,y是xm的下标,初始化y为0详解见代码。 结构体类型:structStudent{  c......
  • 交叉注意力机制在YOLO目标检测优化中的应用:结合余弦退火学习率调度的实战解析
    在目标检测领域,YOLO(YouOnlyLookOnce)因其高效性和准确性而被广泛采用。然而,随着任务复杂性的提升,如何优化YOLO算法以实现更高的性能成为研究热点。本文探讨了交叉注意力机制与余弦退火学习率调度在YOLO优化中的结合,提供了一种高效的实战方案。一、什么是交叉注意力机制?交......
  • 深化Edge AI 应用:德承工控机GM-1100安装Ubuntu 24.04.1 LTS系统操作指南
    EdgeAI:边缘运算(EdgeComputing)结合人工智能(AI),将AI模型和算法安排在负责处理边缘运算的工控机上,除了能够就近撷取设备端的数据外,还能够进行资料处理与机器学习的任务,透过EdgeAI,不再需要将大量数据传到云端服务器,有效缩短处理时间、提高反应速度,还能够降低对于网络带宽的需求......
  • 「全网最细 + 实战源码案例」设计模式——简单工厂模式
    ​核心思想简单工厂模式是一种创建者模式,它通过一个工厂类负责创建不同类型的对象,根据传入的参数决定实例化的具体类,也被称为“静态工厂方法”模式,因为工厂方法通常是静态的。结构1.工厂类:提供一个静态方法,根据不同条件创建并返回具体的产品对象。2.产品接口(抽象类)......
  • 分享一款WebSocket在线测试工具,使用简单方便
    ​WebSocket作为一种高效的双向通信技术,广泛应用于实时数据传输、在线游戏、金融交易等领域。然而,对于开发者和测试人员来说,确保WebSocket连接的稳定性和性能至关重要。这就是为什么我们需要一款可靠的WebSocket在线测试工具。今天,就让我们一起探索一款强大且便捷的工具——3M万能......
  • 其他对称密码类型应用介绍
    目录可搜索加密保留格式加密Reference主流的对称密码类型就是:DES、AES....,下面介绍一些其他类型。可搜索加密需求背景:现在隐私泄露问题备受关注,大家都希望自己的信息以密文的形式上云,而不是以明文的形式上云。但是这就会有个问题,如果需要对加密数据进行搜索,那怎么办?总不能......
  • 深化Edge AI 应用:德承工控机GM-1100安装Ubuntu 24.04.1 LTS系统操作指南
    EdgeAI:边缘运算(EdgeComputing)结合人工智能(AI),将AI模型和算法安排在负责处理边缘运算的工控机上,除了能够就近撷取设备端的数据外,还能够进行资料处理与机器学习的任务,透过EdgeAI,不再需要将大量数据传到云端服务器,有效缩短处理时间、提高反应速度,还能够降低对于网络带宽的需求也更......