组合数学
排列组合
排列
从\(n\)个不同的元素中取出\(m\)个的方案数,记为\(A(n,m)\)或\(P(n,m)\)
组合
从\(n\)个相同的元素中取出\(m\)个的方案数,记为\(C(n,m)\)或\(\binom{n}{m}\)
隔板法
用\(m-1\)个相同隔板把\(n\)个相同元素分成\(m\)部分(可以有两个隔板插在同一个空隙)
方案数:$$C(n+m-1,m-1)=C(n+m-1,n)$$
容斥原理
不定方程非负整数解计数
给出不定方程\(\sum_{i=1}^n x_i=m\)和\(n\)个限制条件\(x_i\le b_i\) ,其中\(m,b_i\in \mathbb{N}\)。求方程的非负整数解的个数。
解
考虑求有限制\(x_i\geq b_i+1\)的不定方程非负整数解个数。
将每个有限制的\(x_i\)减去\(b_i+1\),就去掉了限制。
这样,答案\(=\binom{m-1}{m+n-1}\)。
将原问题用容斥转化成上述问题计算即可。
数论中的容斥
欧拉函数,莫比乌斯反演
容斥原理一般化
二项式反演
证明
假设有\(n\)个集合\(A_i\),任意\(k\)个集合的交集都是\(g_k\),任意\(k\)个集合补集的交集都是\(f_k\)。由容斥原理,
应用
在实际应用中,我们往往设\(f(i)\)表示“恰好有\(i\)个”,\(g(i)\)表示“钦定选\(i\)个,其余随意”。
min-max容斥
证明
假设\(x\)是第\(k\)大元素,定义映射\(f:x\rightarrow {1,2,\dots,k}\)。
易得\(x,k,f(x)\)一一对应。
则\(f(\min(x,y))=f(x)\cap f(y),f(\max(x,y))=f(x)\cup f(y)\)
然后
即
上述式子在期望意义下也是成立的。
kth min-max容斥
证明
设\(\max_k(S)=\sum_{t\subseteq S} f(|T|) \min(T)\)
考虑构造容斥系数\(f(x)\)
考虑第\(x+1\)大的元素被统计到的贡献,为\(\sum_{i=0}^x \binom{x}{i} f(i+1)\)
则
二项式反演,得
卡特兰数
一个序列有n个0和n个1,保证每个1之前必有1个0的方案数为C(n)
递推式:(注意:括号里只有一个元素的是Catalan数,有两个元素的是组合数)
前几项是 1 2 5 14 42 132 429 1430 4862 16796 ,混着眼熟
斯特林数
第一类斯特林数
把\(n\)个元素摆成\(m\)个圆排列的方案数,记为$$s(n,m)$$
递推式:
常见应用
第二类斯特林数
把\(n\)不同的球放在\(m\)个相同的盒子(无空盒)里的方案数,记为$$S(n,m)$$
递推式:
常见应用
斯特林反演
错位排列
递推式:$$f[n]=(n-1)*(f[n-1]+f[n-2])$$
当 \(n\) 很大时, \(f[n] \approx \frac{n!}{e}\)
证明:
- \(n-1\) 个人已经完成错排,第 \(n\) 个人和任意一个人交换
- \(n-1\) 个人中的一个和第 \(n\) 个人交换,其余 \(n-2\) 个人已经完成错排
经典的放球问题
为方便表达,我们设方案数为\(N\),\(n\)个球,\(m\)个盒
1. 球不同,盒不同,有空盒
根据乘法原理可得。
2. 球不同,盒不同,无空盒
(1) \(n>=m\)
球不同,盒相同的方案数\(\times m!\)
(2) \(n<m\)
3. 球不同,盒同,有空盒
因为允许空盒,所以球可以只放在\(m\)个盒中的\(1\)个或\(2\)个或...或\(m-1\)个盒中
4. 球不同,盒同,无空盒
(1) \(n>=m\)
由第二类斯特林数的定义。
(2) \(n<m\)
5. 球同,盒不同,有空盒
插板法,即把\(n\)个球用\(m-1\)个隔板分成\(m\)部分。
6. 球同,盒不同,无空盒
(1) \(n>=m\)
先在每个盒子里放一个球,方案数为\(1\);再对剩下的\(n-m\)个球用隔板法,即把\(n-m\)个球用\(m-1\)个隔板分成\(m\)部分。
(2) \(n<m\)
7. 球同,盒同,有空盒
(1) \(n>=m\)
我们发现,当\(n=5,m=3\)时的方案为:
5 0 0
4 1 0
3 2 0
3 1 1
2 2 1
共\(5\)种方案。
我们发现,问题可以转化为:把正整数\(n\)分解成不超过\(m\)个自然数的方案数。如果暴力dfs,时间复杂度为\(O(\)爆炸\()\)。竟然还有70分
有一个重要结论:把正整数\(n\)分解成不超过\(m\)个自然数的方案数,等于把正整数\(n\)分解成若干个\(\le m\)的自然数的方案数。这个定理的证明方法,请自行百度。(我也不会)
我们考虑使用母函数:对于分解出的每个\(\le m\)的整数\(i\),我们用多项式表示为$$(xi+x+...+x^{floor(\frac{n}{i})*i})$$
此处\(floor(x)\)表示\(x\)向下取整。
于是,母函数\(G(x)\):$$G(x)=\prod_{i=1}{m}(xi+x{2i}+...+x)*i})$$
求出\(x^n\)的系数即可。
(2) \(n<m\)
$$\color{white}{???}$$
8. 球同,盒同,无空盒
(1) \(n>=m\)
母函数$$G(x)=\prod_{i=1}{m}(xi+x{2i}+...+x)*i})$$
中\(x^{n-m}\)的系数。
(2) \(n<m\)
生成函数
引子
砝码称重问题
有1g砝码5个,2g砝码3个,5g砝码2个。相同质量的砝码完全相同。问有多少种能称出15g的方案?
解
很容易想到暴力枚举每一种可能的称量方案,但是时间复杂度为\(O(n^n)\)级别,计算机无法承受。于是我们引入母函数的概念。设\(G(x)\)为母函数,对于1g的砝码能称出的不同重量,我们用多项式表示为$$(x1+x2+...+x{15})$$同理,2g砝码能表示为$$(x2+x4+...+x)$$5g砝码能表示为$$(x5+x+x^{15})$$
于是$$G(x)=(x1+x2+...+x{15})(x2+x4+...+x)(x5+x+x^{15})$$
经过化简,求出\(x^{15}\)的系数,即为答案。
由于只需化简多项式,母函数的时间复杂度仅为\(O(n^3)\),空间复杂度为\(O(n)\),得到巨大提升。
使用fft可以进一步优化。
OGF
序列\(a\)的普通生成函数:\(F(x)=\sum_{n} a_nx^n\)
基本运算律
设\(F(x)\)是\(a\)的OGF,\(G(x)\)是\(b\)的OGF,则:
- \(F(x)\pm G(x)\)是\(a\pm b\)的OGF
- \(F(x)G(x)\)是\(\sum_{i=0}^n a_ib_{n-i}\)的OGF
常见封闭形式
封闭形式的展开
斐波那契数列
设
通分,解得
即
广义二项式定理
卡特兰数
\(H(x)=\frac{1-\sqrt{1-4x}}{2x}\)
对\(\sqrt{1-4x}\)用广义二项式定理展开,代回原式,得
EGF
序列\(a\)的指数生成函数:\(F(x)=\sum_{n} a_n\frac{x^n}{n!}\)
基本运算律
设\(F(x)\)是\(a\)的EGF,\(G(x)\)是\(b\)的EGF,则:
- \(F(x)\pm G(x)\)是\(a\pm b\)的EGF
- \(F(x)G(x)\)是\(\sum_{i=0}^n \binom{n}{i}a_ib_{n-i}\)的EGF
泰勒展开
我们用下式表示\(f(x)\)在\(x_0\)处的泰勒展开式
其中\(R_n(x)\)是\((x-x_0)^n\)的高阶无穷小。
直观理解
常见封闭形式
排列与圆排列
长为\(n\)的排列的EGF:\(P(x)=\sum_{n\geq 0}\frac{n!x^n}{n!}=\frac{1}{1-x}\)
长为\(n\)的圆排列的EGF:\(Q(x)=\sum_{n\geq 0}\frac{(n-1)!x^n}{n!}=\ln(\frac{1}{1-x})\)