伯努利数学习笔记的说...

经过一天的学习,我们发现伯努利数是个非常有用 (个屁) 的数列

定义

但是...伯努利数是什么呢?我们先给伯努利数一个定义:

\(B(i)\) 表示 伯努利数第 i 项,那么有:

\[\sum_{i=0}^{n} \begin{pmatrix} n+1\\i \end{pmatrix} B_i=0 ,~~ n>0\]

当然 \(B_0=1\) ,于是上面的式子就可以一直推下去了...

暴力计算

我们按照上面的式子可以算出:

\[B_0=1,B_1=-{1\over2},B_2={1\over 6},B_3={0},B4={1\over 30}······\]

但是这样的效率嘛 【滑稽

当然是 \(n^2\) 的啦~ 于是我们试图寻找更高效的办法...

高效计算

我们发现,根据定义有这么个等式:

\[\sum_{i=0}^{n}\begin{pmatrix} n\\i \end{pmatrix} B_i = B_n ,n>1\]

这里原本 n 是 n+1 的,为了方便我们把 n 带进去...

然后这个式子有什么用呢?当然有用咯~ 这玩意儿可是能化成卷积的形式丫!

于是拆个组合数玩玩,看这里:

\[\sum_{i=0}^{n}{ B_i\over i!(n-i)!} = {B_n\over n!} ,n>1\]

我们发现 \(n=0\) 时,其实也满足上面的式子,只要我们定义 \(0!=1\)

\[\sum_{i=0}^{n}{ B_i\over i!} {1\over (n-i)!} = {B_n\over n!} ,n\neq1\]

\[\sum_{n=0,n\neq1}^{\infty}\sum_{i=0}^{n}{ B_i\over i!}~ · {1\over (n-i)!} = \sum_{n=0,n\neq1}^\infty {B_n\over n!} \]

注意上面的 n 仍然不等于 1 ...

然后我们是不是发现这玩意儿左边其实是...卷积呢!\(1\over i!\) 不就是每项系数为 1 的多项式指数函数?

我们把伯努利数除去阶乘当做是一个多项式的系数,那么原来的式子就可以搞生成函数了!

但我们首先还要把 n=1 的情况加进去:

\[\sum_{n=0,n\neq1}^{\infty}\sum_{i=0}^{n}{ B_i\over i!}~ · {1\over (n-i)!} = \sum_{n=0,n\neq1}^\infty {B_n\over n!} \]

\[\sum_{n=0}^{\infty}\sum_{i=0}^{n}{ B_i\over i!}~ · {1\over (n-i)!} = \sum_{n=0}^\infty {B_n\over n!} +[n=1] \]

你问我为什么这么写?暴力算一下 n=1 的情况不就发现两边差了多少嘛!

然后转个多项式我们就可以开始生成函数了 QVQ

\[\sum_{n=0}^{\infty}\Big(\sum_{i=0}^{n}{ B_i\over i!}~ · {1\over (n-i)!}\Big) x^n = \sum_{n=0}^\infty \Big( {B_n\over n!} +[n=1] \Big) x^n\]

\[\sum_{n=0}^{\infty} \sum_{i=0}^{n}{ B_i\over i!}x^i~ · {1\over (n-i)!} x^{n-i} = \sum_{n=0}^\infty \Big( {B_n\over n!} +[n=1] \Big) x^n\]

\[B(x)e^x=B(x) +x\]

这里之所以加了 x 是因为上面的 \(x^1\) 系数多了个 1

然后我们继续推式子:

\[B(x)={x\over e^x-1}\]

\[B(x)=({e^x-1\over x})'\]

也就是说,我们只要阶乘算出来整体左移一位然后求个逆就好了

但是这里要注意的是,我们这样求出的是指数型生成函数的伯努利数的多项式,真正的伯努利数列要在我们求出来这个多项式系数的基础上乘上对应的阶乘(也就是在指数型生成函数的多项式中除去的那个阶乘)

code

代码如下...丑的一比...而且还省去了求逆的具体函数...

inline void prep(int len){B[0]=ifac[0]=ifac[1]=fac[0]=fac[1]=1;fp(i,2,len) ifac[i]=mul(mod-mod/i,ifac[mod%i]);fp(i,2,len) ifac[i]=mul(ifac[i-1],ifac[i]);fp(i,2,len) fac[i]=mul(fac[i-1],i);get_inv(ifac+1,B,len);fp(i,2,len) B[i]=mul(B[i],fac[i]);
}

补充

伯努利数其实分两类: \(B^+\)\(B^-\) ,我们上面讨论的是 \(B^-\) ,这两者...唯一的区别就是 \(B_1\) 一个是正的一个是负的,具体而言,对于伯努利数列的每一项有: $B_i^+ = (-1)^i B_i^- $ ,但由于伯努利数列的奇数项 \(B_{2n+1}\)\(n>1\) 的情况下都是等于 0 的,所以两个数列唯一不同的就是 \(B_1\) 这一项了

那么我们重新写一遍伯努利数列就是:

\[B_0=1,B_1^{±}=±{1\over 2} ,B_2={1\over 6},B_3=0,B4={1\over 30}······\]

那么另一种不大常见的 \(B^+\) 有什么用么?或者说什么特殊的性质?

当然是有的咯,对于下面要说的 \(S(n,k)\) 这个幂和函数,如果 \(S(n,k)\) 是这么定义的:

\[S(n,k)=\sum_{i=0}^n i^k\]

那么令 \(B_i\) 表示伯努利数列 \(B^+\) 的第 i 项,则有:

\[S(n,k)={1\over k+1} \sum_{i=0}^k \begin{pmatrix} k+1 \\ i \end{pmatrix} B_i n^{k+1-i} \]

好像并没有什么软用...但是有时候要用到的话可能会让你的推出来的式子更加简洁?【雾

模板

然后这里是板子题:

板子题:51nod1228 序列求和

\(n^2\) 暴力足以优雅水过~

板子题2:51nod1258 序列求和 V4

要用任意MTT哟~

题解点这里

应用

伯努利数有个非常良好 (个屁) 的性质:

令:

\[S(n,k)=\sum_{i=1}^{n-1} i^k\]

则:

\[S(n,k)={1\over k+1} \sum_{i=0}^k \begin{pmatrix} k+1 \\ i \end{pmatrix} B_i n^{k+1-i} \]

即:

\[\sum_{i=1}^{n-1} i^k={1\over k+1} \sum_{i=0}^k \begin{pmatrix} k+1 \\ i \end{pmatrix} B_i n^{k+1-i}\]

PS:关于上面等式的证明可以看这里

然后一系列推倒:

\[{1\over k+1} \sum_{i=1}^{k+1} \begin{pmatrix} k+1 \\ k+1-i \end{pmatrix} B_{k+1-i} n^i\]

\[k! \sum_{i=1}^{k+1} {B_{k+1-i}\over (k+1-i)!} {n^i\over i!}\]

这可不就是卷积的形式嘛!

现在我们就可以在一些 (dl)数学题里面大展拳脚了呢~

比如这道:

仓鼠的数学题

题解点这里

转载于:https://www.cnblogs.com/Judge/p/10722777.html

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/386998.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Dijkstra迪杰斯特拉算法 C++实现

本篇文章主要介绍了Dijkstra迪杰斯特拉算法的C实现,文章包含两个部分,在第一部分中我会简单介绍迪杰斯特拉算法以及一些个人的理解,第二部分会对C代码的逻辑进行解释。下面是我已经上传的代码资源,大家有兴趣的可以点击链接下载资…

Python开发一个股票类库

前言 使用Python开发一个股票项目。 项目地址: https://github.com/pythonstock/stock 相关资料: http://blog.csdn.net/freewebsys/article/details/78294566 主要使用开发语言是python。 使用的lib库是pandas,tushare,Tens…

LeetCode 105. Construct Binary Tree from Preorder and Inorder Traversal 由前序和中序遍历建立二叉树 C++...

LeetCode 105. Construct Binary Tree from Preorder and Inorder Traversal 由前序和中序遍历建立二叉树 C Given preorder and inorder traversal of a tree, construct the binary tree. Note:You may assume that duplicates do not exist in the tree. For example, given…

C++ STL 学习笔记 3. 文本文件操作

本文主要总结了C中对文本文件的基本操作以及使用心得,第一部分中总结了C对文本文件的基本操作,第二部分中会以csv文件为例,进行读取存储由逗号分隔的字符串的操作。 1. 文本读取写入基础 要使用文件输入输出流,首先需要include相…

C# 调用python

1.C# 调用python 本质上是使用命令行运行python 1.1 C# 使用命令行 program.cs using System; using System.Diagnostics; using System.IO;namespace test {class Program{static void Main(string[] args){Program p new Program();string result p.run_cmd("ping…

4-17

1、html 中div class是什么? 在这里我将用id与class的比较,让这个问题更容易理解(1)、使用区别id具有唯一性,在一个网页中同一个命名只能使用一次;class命名的类可以在一个网页中使用无数次。(2…

python pandas serie简介及基本使用

本篇文章主要罗列了pandas模块中serie的基本使用。环境是jupyter notebook python 3.7。 serie是能够保存任何类型数据的一维数组,轴标签统称为索引,索引必须是唯一的散列且与数据的长度相同,默认情况下为np.arange(n)。 首先是import pand…

Linux系统中nc工具那些不为人知的用法

Linux nc命令用法 参考地址&#xff1a;https://www.cnblogs.com/jjzd/p/6306273.html -g<网关>&#xff1a;设置路由器跃程通信网关&#xff0c;最多设置8个; -G<指向器数目>&#xff1a;设置来源路由指向器&#xff0c;其数值为4的倍数; -h&#xff1a;在线帮助;…

python pandas dataframe基本使用整理

dataframe是一种表格型的数据存储结构&#xff0c;可以看作是几个serie的集合。dataframe既有行索引&#xff0c;也有列索引。 以下代码环境为google colab/jupyter notebook。 接下来就对dataframe的基本使用进行整理。 dataframe也从属于pandas模块&#xff0c;因此还是老规矩…

常见开源分布式存储系统

对比说明 /文件系统 TFS FastDFS MogileFS MooseFS GlusterFS Ceph 开发语言 C C Perl C C C 开源协议 GPL V2 GPL V3 GPL GPL V3 GPL V3 LGPL 数据存储方式 块 文件/Trunk 文件 块 文件/块 对象/文件/块 集群节点通信协议 私有协议&#xff08;T…

[十二省联考2019]皮配

题目链接 选一个派系和一个阵营可以唯一确定一名导师 因为每一个阵营里的导师都分别来自不同派系&#xff0c;所以k0时&#xff0c;对阵营的选择是不影响对派系的选择的 唯一的限制就是同城市的要在同一个阵营 所以以每个城市为物品&#xff0c;物品大小为该城市的人数&#xf…

机器学习理论梳理1: PCA主成分分析

机器学习的理论部分学习知识点比较乱且杂。我这里通过几篇文章&#xff0c;简单总结一下自己对机器学习理论的理解&#xff0c;以防遗忘。第一篇文章主要概述了机器学习的基本任务以及一个常用的降维方法&#xff0c;主成分分析。 机器学习的基本任务 机器学习能实现许多不同…

29 _react-router说明

一、SPA的理解 1.单页面web应用(single page web application ,SPA) 2.整个应用只有一个完整的页面 3.点击页面中的链接不会刷新页面&#xff0c;本身也不会向服务器发请求 4.当点击路由链接时&#xff0c;只会做页面的局部更新 5.数据都需要通过ajax请求获取&#xff0c;并在前…

Java程序员如何快速理解Kubernetes

我们希望微服务是可复制的&#xff0c;可替换的工作节点&#xff0c;这样可以轻松进行升级或降级&#xff0c;同时无需任何停机时间&#xff0c;并花费最少代价的管理。我们可以说我们希望他们成为我们的小黄人&#xff08;minions&#xff09;。本文我们将通过一个简单的例子来…

NLP基础 : HMM 隐马尔可夫模型

Hidden Markov Model, HMM 隐马尔可夫模型&#xff0c;是一种描述隐性变量(状态)和显性变量(观测状态)之间关系的模型。该模型遵循两个假设&#xff0c;隐性状态i只取决于前一个隐性状态i-1&#xff0c;而与其他先前的隐形状态无关。观测状态也只取决于当前的隐形状态。因此我们…

关于秒杀系统优化方向

今天听了一节咕泡学院的公开课&#xff0c;有收获。 秒杀系统的特点&#xff1a; 1.限时&#xff1b;2.限量供应&#xff1b;3.并发量大&#xff1b;如何优化&#xff1a; 1.客户端数据缓存。 2.CDN加速。 3.nginx动静分离&#xff0c;静态资源缓存&#xff0c;负载均衡。 4.se…

Mysql插入很慢,找到了稍微快点的方法

MYSQL批量插入数据库实现语句性能分析 假定我们的表结构如下 代码如下 CREATE TABLE example ( example_id INT NOT NULL, name VARCHAR( 50 ) NOT NULL, value VARCHAR( 50 ) NOT NULL, other_value VARCHAR( 50 ) NOT NULL ) 通常情况下单条插入的sql语句我们会这么写&…

Linux - 时间相关命令 - ntpdate, date, hwclock

1. 概述 最近也不知道写啥了, 把之前的老文档整理一下, 凑个数什么的配置时间这种工作, 偶尔还是要用一下主要描述 3 个命令的简单适用 ntpdatehwlock2. ntpdate 1. 概述 用于同步时钟的命令2. 机制 通常是有一个服务器对外提供时间客户端可以与时间服务器同步ntp 是他们之间交…

RUNOOB python练习题1

用来练手的python 练习题&#xff0c;原链接 : python练习实例1 题干 : 有四个数字&#xff1a;1、2、3、4&#xff0c;能组成多少个互不相同且无重复数字的三位数&#xff1f;各是多少&#xff1f; import numpy as np cen np.array([1,2,3,4]) tens np.array([1,2,3,4])…

mysql explain用法和结果的含义

explain显示了mysql如何使用索引来处理select语句以及连接表。可以帮助选择更好的索引和写出更优化的查询语句。 使用方法&#xff0c;在select语句前加上explain就可以了&#xff1a; 如&#xff1a; explain select surname,first_name form a,b where a.idb.id EXPLAIN列…