记号
求和的符号有两种形式
第一种是确定界限的形式,也叫封闭形式,例如:\(\sum\limits_{k=1}^n a_k\)
第二种叫做一般形式,就是把一个或者多个条件写在 \(\sum\) 符号的下面,例如刚刚的例子可以写成 \(\sum\limits_{1\le k \le n} a_k\)
和式和递归式的转化
和式和递归式之间可以相互转化,
和式转化成递归式
\(S_n=\sum a_n\) 可以转化为 \(S_n=S_{n-1}+a_n,S_1=a_1\),后面这一项就是一个递归式子
例如:我们这里有一个递归式
这个可以写成通解的形式:\(R_n=A(n)\alpha+B(n)\beta+C(n)\gamma\)
由成套方法得出 \(A(n)=1,B(n)=n,C(n)=(n^2+n)/2\)
我们需要计算 \(\sum\limits_{k=0}^n(a+bk)\),只需要把 \(a=\alpha, a=\beta, b=\gamma\) 代入即可
递归式转化成和式
两边除以 \(2^n\) 得到
设 \(S_n=T_n/2^n\)
由此得到 \(S_n=\sum\limits_{k=1}^n \frac{1}{2}^k = 1-(\frac{1}{2})^n\),所以 \(T_n=2^n-1\)
和式的变换法则
经典的三条性质,注意这里的 \(K\) 是一个集合
注意 \(p(k)\) 是一个双射函数,也可以理解为一个排列
例如:\(K=\{1,2,3,4\}\) 那么,\(p(k)=\{4,2,3,1\}\) 就是一个排列
当然 \(p(k)\) 可以多出几个元素例如上面那个例子 \(p(k)=\{4,2,3,1,5,6\}\) 也是可以的,\(5,6\) 不在 \(K\) 中
接下来看一个例子:\(S=\sum\limits_{0\le k \le n}(a+bk)\)
利用交换率,用 \(n-k\) 代替 \(k\),得到
利用结合律,把这两个方程相加,得到
所以 \(S=\frac{(n+1)(2a+bn)}{2}\)
扰动法
和式中有一种非常厉害的方法叫扰动法,就是把一项从和式中去除出去,然后尝试把剩下的项变成 \(S_n\) 的形式,从而解出 \(S_n\)
例如:\(S_n=\sum\limits_{0\le k \le n}ax^k\),使用扰动法的基本套路
等式两边同时出现了 \(S_n\),解出 \(S_n=\frac{a-ax^{n+1}}{1-x}\)
考虑另外一个例子:\(S_n=\sum\limits_{0\le k \le n}k2^k\),考虑扰动法
解出 \(S_n=2^{n+1}(n-1)+2\)
设未知数 \(x\),能求出 \(S_n=\sum\limits_{0\le k \le n} kx^{k}\) 的通解:
我们也可以利用求导的方法,求出 \(S_n=\sum\limits_{0\le k \le n} kx^{k}\) 的通解:
已知:\(\sum\limits_{k=0}^n x^k=\frac{1-x^{n+1}}{1-x}\),两边同时求导
两边同时乘以 \(x\),得到
就能得到和上面扰动法一样的结果了
多重和式
多重和式对应于连续函数的积分,可以利用积分的一些思维来思考多重和式
对于自变量相互无关的情况很好理解
一个多重和式可以转化成两个和式相乘的形式,前提是 \(J=K\),其中 \(j\in J,k\in K\),这一点在级数相乘的时候极为有效
在具体求多重和式的时候,往往是一层一层往外求,理论上来说,先固定住哪个自变量都是无所谓的,所以我们可以交换求和符号的位置
设 \(P(j,k)\) 返回的是 \(j,k\) 是否满足某种性质,那么有:
讨论自变量之间有某些限制
一种比较常见的方式:\(1\le j \le k \le n\),我们可以通过画图找出需要求和的元素
可以看到对角线以及右上角的那一块都是需要求和的
另外一种常见的方式 \(1\le j,k\le n,j+k=n\),画出图来是按对角线求和
这种求和方法有一种自己的名字,叫卷积(Convolution)
例一:求 \(\sum\limits_{1\le j\le k\le n}a_ja_k\)
可以看到要求部分是右上三角形
由于图标的对称性,可以得到 \(S_{\text{左下}}=S_{\text{右上}}\)
由容斥原理:\(S_{\text{左下}}+S_{\text{右上}}=S_{\text{全部}}-S_{\text{对角线}}\)
于是就能得我们想要的答案了
例二:求 \(S=\sum\limits_{1\le j < k \le n}(a_k-a_j)(b_k-b_j)\)
交换 \(j,k\) 仍然由对称性:
所以得到答案
显然,第二个和式等于 \(0\),把第一个和式展开
所以就得出了 \(S=n\sum\limits_{1\le k\le n}a_kb_k-\left(\sum\limits_{k=1}^n a_k\right)\left(\sum\limits_{k=1}^n b_k\right)\)
-
若 \(\{a\},\{b\}\) 都是升序的,那么显然 \(S\ge 0\),所以 \(n\sum\limits_{1\le k\le n}a_kb_k-\left(\sum\limits_{k=1}^n a_k\right)\left(\sum\limits_{k=1}^n b_k\right) \ge n\)
,可以推出不等式:\(n\sum\limits_{1\le k\le n}a_kb_k\ge \left(\sum\limits_{k=1}^n a_k\right)\left(\sum\limits_{k=1}^n b_k\right)\) -
若 \(\{a\}\) 是升序的,\(\{b\}\) 是降序的,那么显然 \(S\le 0\),所以 \(n\sum\limits_{1\le k\le n}a_kb_k-\left(\sum\limits_{k=1}^n a_k\right)\left(\sum\limits_{k=1}^n b_k\right) \le n\)
,可以推出不等式:\(n\sum\limits_{1\le k\le n}a_kb_k\le \left(\sum\limits_{k=1}^n a_k\right)\left(\sum\limits_{k=1}^n b_k\right)\)
这两个不等式叫做 切比雪夫单调不等式
例三
我们可以用 \(k-j\) 替换 \(j\),然后固定 \(k\)
其中 \(H_k\) 是调和级数,我们对调和级数有公式,但是对于调和级数求和没有公式,说明固定 \(k\) 走不通考虑固定 \(j\)
还是回到了调和级数求和的问题,考虑按对角线求和
我们还可以从几何的层面来理解这个式子:
刚开始的几次我们按照行和列求和,都会得到一个调和级数求和的式子,最后一种方式是按照对角线,这里得到 \(\frac{3}{1}+\frac{2}{2}+\frac{1}{3}\)
一般性方法
这一节基本上就是总结性质的,把前面介绍的方法综合运用一下
要求一个立方和 \(S_n=\sum\limits_{k=0}^n k^2, \ n \ge 0\)
方法0:查找公式
OEIS 能帮我们很好的查找公式
得到的答案是 \(S_n=\frac{n(n+1)(2n+1)}{6}\)
方法1:数学归纳法
已知:\(S_n=\frac{n(n+\frac{1}{2})(n+1)}{3}\)
显然 \(S_0=0\) 成立,假设 \(n>0\) 时,\(S_{n-1}=\frac{(n-1)(n-\frac{1}{2})n}{3}\) 成立,有:\(S_n=S_{n-1}+S\)
所以 \(S_n=\frac{n(n+\frac{1}{2})(n+1)}{3}\) 对所有 \(n\ge 0\) 都成立
方法2:扰动法
惊人的发现,我们需要求的 \(S_n\) 被消掉了,留下一个 \(\sum\limits_{k=0}^nk=\frac{(n+1)^2-(n+1)}{2}=\frac{n(n+1)}{2}\)
我们猜想能不能用立方和来把平方和求出来,设 \(T_n=\sum\limits_{k=0}^n k^3\)
\(T_n\) 被消掉了,留下我们需要求的 \(S_n\),这样 \(3S_n=(n+1)^3-3\frac{n(n+1)}{2}-(n+1)\)
所以 \(S_n=\frac{n(n+1)(n+\frac{1}{2})}{3}\)
方法3:建立成套方法
还是老规矩,建立成套方法,设:
解的一般形式就是:\(R_n=A(n)\alpha+B(n)\beta+C(n)\gamma+D(n)\delta\)
我们已知,\(\delta=0\) 时,\(A(n)=1,B(n)=n,C(n)=(n^2+n)/2\)
现在要求 \(D(n)\) 和他们的关系,设 \(R_n=n^3\),有 \(n^3=(n-1)^3+\beta+\gamma n+\delta n^2\)
可得:\(\alpha=0\),\(\beta=1\),\(\gamma=-3\),\(\delta=3\),代入:\(3D(n)-3C(n)+B(n)=n^3\)
就把 \(D(n)\) 接出来了,\(D(n)=n^3-3\frac{n(n+1)}{2}+n=\frac{n(n+\frac{1}{2})(n+1)}{3}\)
我们需要求的和式 \(S_n\) 转化成递归式子,只需要令 \(\alpha=\beta=\gamma=0\) 以及 \(\delta=1\)
则 \(S_n=D(n)\)
方法4:用积分替换和式
我们已知 \(\int_{0}^{n}x^2dx=\frac{n^3}{3}\),显然,和式和积分之间的差距并不差,只是差一个误差
我们设这个误差为 \(E_n=S_n-\frac{n^3}{3}\),通过 \(S_n\) 的递归式,我们能得出 \(S_n=S_{n-1}+n^2\)
于是,我们就得到了 \(E_n\) 的递推式,\(E_n=E_{n-1}+n-\frac{1}{3}\),\(E_0=0\)
很容易算出 \(E_n\) 的通项公式为 \(E_n=\frac{n(n+1)}{2}-\frac{n}{3}\),所以 \(S_n=E_n+\frac{n^3}{3}=\frac{n(n+1)(n+\frac{1}{2})}{3}\)
方法5:展开和放缩
这种方法极具技巧性,把一个一重和式转化成二重和式
这样等式两边都出现了 \(S_n\),解出 \(S_n=\frac{n(n+1)(2n+1)}{6}\)
有限微积分
我们类似于积分和微分的思维,在离散域上定义有限微积分,定义差分算子 \(\Delta f(x)\) 是 \((f(x+h)-f(x))/h\) 当 \(h=1\) 时的值
还需要定义两种特殊的次幂:
- 下降阶乘幂 \(x^{\underline{m}}=x(x-1)\cdots(x-m+1),\ m \ge 0\)
- 上升阶乘幂 \(x_{\overline{m}}=x(x+1)\cdots(x+m-1),\ m \ge 0\)
我们为什么要定义这样奇特的形式呢,因为这样求差分的时候会和微分有很多共同点
有限微积分也存在类似于微积分基本定理的东西
这里的 \(\sum g(x)\delta x\) 是 \(g(x)\) 的不定和式,这里的 \(C\) 可以是周期为 \(1\) 的任意函数
大名鼎鼎的牛顿-莱布尼茨公式在有限微积分中也有体现 \(\sum_a^b g(x) \delta x = f(x) \bigg|_a^b = f(b) - f(a)\)
思考 \(\sum_a^b g(x) \delta x = f(x) \bigg|_a^b = f(b) - f(a)\) 当,上下限相同时:
当上下限差 \(1\) 时:
着预示着和传统的求和符号有点不同,可以理解为 \(\sum_{a}^b g(x)\delta x=\sum\limits_{k=a}^{b-1}g(k)=\sum\limits_{a\le k<b}g(k), b\ge a\)
也就是说,如果存在能找到一个 \(f(x)\) 使得 \(f(x+1)-f(x)=g(x)\),那么理论上来说就可以求 \(\sum g(x)\) 这类的和了
我们尝试去求类似于原函数的东西 \(f(x)\)
比如:\(g(x)=x^{\underline{m}}\),\(f(x)=\frac{x^\underline{m+1}}{m+1}\)
我们用前面的例子,求 \(\sum\limits_{0\le k < n} k^2\) 已知 \(k^2=k^\underline{2}+k^\underline{1}\),所以
利用 \(n+1\) 替换 \(n\) 就可以得到 \(S_n\) 了
尝试继续推广无限微积分,考虑下降次幂为负数的情况,\(x^{\underline{m}},\ m<0\)
观察:
- \(x^{\underline{3}}=x(x-1)(x-2)\),\(x^{\underline{2}}=x(x-1)\) 两个相除得出 \(x-2\)
- \(x^{\underline{2}}=x(x-1)\),\(x^{\underline{1}}=x\) 两个相除得出 \(x-1\)
- \(x^{\underline{1}}=x\),\(x^{\underline{0}}=1\) 两个相除得出 \(x\)
于是找规律得出 \(x^{\underline{-1}}=\frac{1}{x+1},x^\underline{-2}=\frac{1}{(x+1)(x+2)}\),\(x^{-m}=\frac{1}{(x+1)(x+2)\cdots(x+m)}\)
通常的幂法则:\(x^{m+n}=x^mx^n\),推广到有限微积分就变成了 \(x^\underline{m+n}=x^\underline{m}(x-m)^\underline{n}\)
现在确认下降幂的差分性质在 \(m<0\) 是否成立也就是 \(\Delta x^\underline{m}=mx^\underline{m-1}\)
如果 \(m=-2\),有
说明求和性质对 \(m<0\) 也成立,即 \(\sum_a^b x^\underline{m}\delta x=\frac{x^\underline{m+1}}{m+1}\bigg|_a^b,\ m \ne 1\)
现在考虑 \(m=1\) 的时候,对于微积分,我们又 \(\int_a^b x^{-1}dx=\ln x\bigg|_{a}^b\)
我们需要在有限微积分中找一个类似于 \(\ln x\) 的函数 ,这个函数的差分为 \(\frac{1}{x+1}\)
很显然能得到这个函数就是 \(H_x\),于是就得到了求和的完整形式
类似的,我们需要找一个 \(e^x\) 类似物,根据定义 \(d(e^x)=e^x\),所以有 \(f(x+1)-f(x)=f(x)\Longleftrightarrow f(x+1)=2f(x)\),即 \(f(x)=2^x\)
\(c^x\) 的差分也相当简单,即对任意的 \(c\) 有
那么,\(c\ne 1\) 时,\(c^x\) 的原函数就是 \(c^x/(c-1)\)
两个相乘的函数求微分:\(d(uv)=udv+vdu\),两边同时积分得到分部积分法的公式:\(\int udv=uv-\int vdu\)
有限微积分也类似
这里的 \(v(x+1)\) 看着很烦,所以定义一个位移算子 \(\text{E} f(x)=f(x+1)\)
所以乘积差分法则可以写为:
两边求和得:
有限微积分和无限微积分对应着离散和连续,有很多共通点,在下列表中给出
来看几个例子:
例一:
例二: 求 \(\sum\limits_{0\le k < n} kH_k\)
先求原函数,根据分部积分法则:
然后把上下限代入:
无限和式
引用大乌拉的一句话:
我们对无穷的东西几乎一无所知
这一章书上举了几个具体的例子,都在表达无穷和式似乎没有我们想象的这么简单