斯特林数学习笔记&做题记录

斯特林数是组合数学概念,分为第一类斯特林数和第二类斯特林数。

第一类斯特林数是啥

第一类斯特林数表示为 \(\begin{bmatrix}n\\m \end{bmatrix}\),表示的意义通俗得说就是 \(n\) 个不同的人坐 \(m\) 张圆桌的方案数(圆桌彼此相同,每张圆桌至少坐一人)。

考虑递推式,新加入一个人,要么是新开一张桌子,要么是插入到前面的桌子,由于是圆桌,所以可以考虑坐在哪个人的左边,得到递推式:

\[\begin{bmatrix}n\\m \end{bmatrix}=(n-1)\begin{bmatrix}n-1\\m \end{bmatrix}+\begin{bmatrix}n-1\\m-1 \end{bmatrix} \]

暴力推时间复杂度 \(O(nm)\)

第二类斯特林数是啥

第二类斯特林是表示为 \(\begin{Bmatrix}n\\m\end{Bmatrix}\),表示把 \(n\) 个不同的求放到 \(m\) 个相同盒子的方案数,且不能有空盒。

还是考虑递推,本质上和上面一样,要么新开一个盒子,要么放前面的一个盒子里。

\[\begin{Bmatrix}n\\m\end{Bmatrix}=m\begin{Bmatrix}n-1\\m\end{Bmatrix}+\begin{Bmatrix}n-1\\m-1\end{Bmatrix} \]

时间复杂度同样 \(O(nm)\)

如果只需要求单点的值,那么可以考虑容斥,枚举一下有多少个盒子空着,然后就可以直接求,注意盒子相同,需要除以 \(m!\)

\[\begin{Bmatrix}n\\m\end{Bmatrix}=\frac{1}{m!}\sum_{i=0}^{m-1} (-1)^i\binom{m}{i}(m-i)^n \]

可以通过递推式来求其生成函数。

可以发现 \(F_k(x)=xF_{k-1}(x)+kxF_k(x)\),然后可以得到

\[\sum_{i\ge k} \begin{Bmatrix}i\\k\end{Bmatrix} x^i=\frac{x^k}{\prod_{j=1}^k(1-jx)} \]

快速求斯特林数。

可以在 \(O(n\log n)\) 的时间复杂度求出第一类,第二类斯特林数的一行或者一列上的值。

建议先学习 多项式计数

第一类斯特林数·列

第一类斯特林数·行

已知 \(n\) ,求对于所有 \(0\le i\le n\),求 \(\begin{bmatrix}n\\i \end{bmatrix}\)

\(n<262144\)

看下面的性质,可以得到第一类斯特林数的生成函数是 \(x^{\overline n}\),所以直接分治 NTT 计算然后输出一行即可,时间复杂度 \(O(n\log^2 n)\),可以获得 \(60\) 分。

考虑分治求,可以发现 \(x^{\overline {2n}}=x^{\overline n}(x+n)^{\overline n}\),考虑现在已经求出了 \(x^{\overline n}\),怎么求 \((x+n)^{\overline n}\)

假设 \(x^{\overline n}=\sum_{i=0}^n a_ix^i\)

\[(x+n)^{\overline n}=\sum_{i=0}^n a_i (x+n)^i=\sum_{i=0}^n a_i\sum_{j=0}^i \binom{i}{j}x^jn^{i-j}\\ =\sum_{j=0}^n x^j\frac{1}{j!}\sum_{i=j}^n a_ii!\frac{n^{i-j}}{(i-j)!} \]

直接卷积然后合并即可,复杂度 \(O(n\log n)\)

code\(n\log ^2 n\))。

code\(n\log n\))。


第二类斯特林数·行

已知 \(n\),对于每个 \(0\le m\le n\),求 \(\begin{Bmatrix}n\\m\end{Bmatrix}\)
\(n\le 10^5\)

直接列出容斥式子。

\[\begin{Bmatrix}n\\m\end{Bmatrix}=\frac{1}{m!}\sum_{i=0}^{m-1} (-1)^i\binom{m}{i}(m-i)^n\\=\frac{1}{m!}\sum_{i=0}^{m-1} (-1)^i\frac{m!}{i!(m-i)!}(m-i)^n\\=\sum_{i=0}^{m-1} \frac{(-1)^i}{i!}\frac{(m-i)^n}{(m-i)!} \]

显然卷积形式,预处理直接算就好了。

code


第二类斯特林数·列

咕咕咕

第一类斯特林数性质

先学习一下下降幂

\[x^{\overline n}=\sum_{i=0}^n \begin{bmatrix}n\\i \end{bmatrix}x^i\tag{1} \]

考虑咋证明,先考虑 \(x=1\) 的特殊情况:

\[n!=\sum_{i=0}^n \begin{bmatrix}n\\i \end{bmatrix} \]

这个东西比较显然,因为每个排列 \(p\),可以把 \(i\)\(p_i\) 连一条边边,然后会形成一堆置换环,所以可以发现排列与任意放环的方案一一对应。

然后考虑证明最上面的式子,组合意义推一下,可以发现右边的 \(\sum_{i=0}^n \begin{bmatrix}n\\i \end{bmatrix}x^i\) 的意思是把 \(n\) 个数分成任意个环,然后把每个环染成 \(1...x\) 的一种颜色。

\(f_x=\sum_{i=0}^n \begin{bmatrix}n\\i \end{bmatrix}x^i\),然后考虑再加入一个点,这个点要么是一个自环,有 \(x\) 种染色方案,要么是放在前面一个点的后面,有 \(n-1\) 种方案,所以可以得到转移式子:

\[f_{x+1}=(x+n-1)f_x \]

由于 \(f_1\) 显然成立,所以归纳得证原结论正确。

可以发现,\((1)\) 式实际上就表示 \(x^{\overline n}\) 是第一类斯特林数的生成函数。

接下来证明

\[x^{\underline n}=\sum_{i=0}^n (-1)^{n-i} \begin{bmatrix}n\\i \end{bmatrix}x^i\tag{2} \]

可以发现

\[x^{\underline n}=(-1)^n{(-x)}^{\overline n}=(-1)^n\sum_{i=0}^n \begin{bmatrix}n\\i \end{bmatrix}(-x)^i=\\ \sum_{i=0}^n (-1)^{n-i} \begin{bmatrix}n\\i \end{bmatrix}x^i \]

因此我们得到了上升下降幂转普通幂的方法。

第二类斯特林数性质

\[x^n=\sum_{i=1}^x \begin{Bmatrix}n\\i\end{Bmatrix}x^{\underline i}\tag{3} \]

证明比较简单:

\[x^n=\sum_{i=1}^x \begin{Bmatrix}n\\i\end{Bmatrix}i!\binom{x}{i}\\ =\sum_{i=1}^x \begin{Bmatrix}n\\i\end{Bmatrix}x^{\underline i} \]

注意此处 \(i\) 的上界也可以改成 \(n\),因为当 \(i>n\) 时,后面的 \(\begin{Bmatrix}n\\i\end{Bmatrix}\) 就变成 \(0\),如果 \(i>x\),那么 \(\binom{x}{i}\) 就是 \(0\)

就是考虑有 \(n\) 个不同的球放入 \(x\) 个不同的箱子,可以为空,那么右边就是枚举放了多少个箱子,第二步直接组合数展开就好了。

我们得到了普通幂转下降幂的方法。

结合 \((1),(2),(3)\),我们做到了下降幂和普通幂的转换。

斯特林反演

和二项式反演形式上一模一样。

\[f(n)=\sum_{i=0}^n \begin{bmatrix}n\\i \end{bmatrix} g(i)\iff g(n)=\sum_{i=0}^n \begin{Bmatrix}n\\i \end{Bmatrix}(-1)^{n-i} f(i) \]

证明这个,首先证明一个反转公式:

\[\displaystyle \sum\limits_{k=m}^n (-1)^{n-k}\begin{Bmatrix}n\\k\end{Bmatrix} \begin{bmatrix}k\\m\end{bmatrix}=[m=n] \]

直接推式子:

\[m^n=\sum_{i=1}^m \begin{Bmatrix}n\\i\end{Bmatrix} m^{\underline i}=\sum_{i=1}^m \begin{Bmatrix}n\\i\end{Bmatrix}\sum_{j=0}^i(-1)^{i-j}\begin{bmatrix}i\\j \end{bmatrix}m^j \]

交换一下枚举顺序:

\[=\sum_{j=0}^n m^j\sum_{i=j}^n (-1)^{i-j}\begin{Bmatrix}n\\i\end{Bmatrix}\begin{bmatrix}i\\j \end{bmatrix} \]

可以发现,只有 \(j=n\) 时,后面部分等于 \(1\) ,然后可以发现 \(j\) 换成 \(n\) 后就直接证明了原式。

继续证明反演式子,如果 \(f(n)=\sum_{i=0}^n \begin{bmatrix}n\\i \end{bmatrix} g(i)\) 已经满足。

\[g(n)=\sum_{i=0}^n [i=n]g(i)=\sum_{i=0}^n g(i)\displaystyle \sum\limits_{k=i}^n (-1)^{n-k}\begin{Bmatrix}n\\k\end{Bmatrix} \begin{bmatrix}k\\i\end{bmatrix}\\ =\sum_{k=0}^n (-1)^{n-k}\begin{Bmatrix}n\\k\end{Bmatrix} \sum_{i=0}^kg(i)\begin{bmatrix}k\\i\end{bmatrix}\\ =\sum_{k=0}^n \begin{Bmatrix}n\\k \end{Bmatrix}(-1)^{n-k} f(k) \]

证毕,斯特林反演和二项式反演本质差不多。

做题记录

思维难度基本递增。


P4609 \(\color{purple}{省选/NOI-}\)

问有多少个长度为 \(n\) 的排列 \(p\) 满足有 \(A\) 个不同的前缀最大值,有 \(B\) 个不同的后缀最大值,\(T\) 组数据,对 \(10^9+7\) 取模。
\(T\le 2\times 10^5,n\le 50000,A,B\le 100\)

简单题,可以发现 \(n\) 必然出现在前缀和后缀最大值中,并且把序列分成两半,两边的最大值不相互影响,所以只需要考虑前缀最大值即可。

用 dp,设 \(f_{i,j}\) 表示 \(i\) 个数,\(j\) 个前缀最大值的方案数,考虑加入一个更小的值,那么这个值要么放在最前面形成一个新的前缀最大值,要么随便放在一个数的后面,容易得到转移方程。

\[f_{i,j}=(i-1)f_{i-1,j}+f_{i-1,j-1} \]

会发现这个东西其实就是第一类斯特林数,然后枚举一下 \(n\) 的左边有多少个数,得到答案:

\[\sum_{i=1}^{n-1} \begin{bmatrix}i\\A-1 \end{bmatrix} \begin{bmatrix}n-i-1\\B-1 \end{bmatrix}\binom{n}{i} \]

预处理之后时间复杂度 \(O(Tn)\),寄。

考虑组合意义,上面的式子实际上就是把 \(n-1\) 个数放到 \(A+B-2\) 个环里去,然后把其中 \(A-1\) 个放到前面去,所以得到 \(O(1)\) 的式子:

\[\begin{bmatrix}n-1\\A+B-2 \end{bmatrix}\binom{A+B-2}{A-1} \]

code

有个 加强版\(n,A,B\le 10^5\),一次询问。

直接分治 NTT 求,先鸽着。


P4827 \(\color{black}{NOI/NOI+/CTSC}\)

已知一棵 \(n\) 个点的树,令 \(dis(i,j)\) 表示 \(i\)\(j\) 的最短路径上的边数,给定 \(k\),对于每个 \(i\),求 \(\sum_{j=1}^n dis(i,j)^k\)
\(n\le 5\times 10^4,k\le 150\)

简单题,适合斯特林数入门。

直接看式子,为了方便,设 \(D\) 表示两点距离:

\[D^k=\sum_{i=1}^D \begin{Bmatrix}k\\i \end{Bmatrix} i!\binom{D}{i} \]

由于 \(k\) 不变,所以变化一下 \(i\) 的上界。

\[D^k=\sum_{i=1}^k \begin{Bmatrix}k\\i \end{Bmatrix} i!\binom{D}{i} \]

可以发现只有最后一项 \(\binom{D}{i}\)\(D\) 有关,也就是说只需要对于每个 \(i\)\(\binom{D}{i}\) 之和即可。

直接树形 dp,\(f_{x,i}\) 表示 \(x\) 子树中的和,\(g_{x,i}\) 表示子树外的答案。

然后考虑转移,\(f\) 从下到上,\(g\) 从下到上。

每次相当于把 \(\sum \binom{D}{i}\) 变成 \(\sum \binom{D+1}{i}\),显然 \(\binom{D+1}{i}=\binom{D}{i}+\binom{D}{i-1}\),所以可以直接转移。

code


CF932E *2400

已知 \(n,k\),求

\[\sum_{i=1}^n \binom{n}{i} i^k \]

\(n\le 10^9,k\le 5000\)

简单题,和上面一题差不多。

\[\sum_{i=1}^n \binom{n}{i} i^k=\sum_{i=1}^n \binom{n}{i} \sum_{j=1}^k \begin{Bmatrix}k\\j \end{Bmatrix} j!\binom{i}{j}\\ =\sum_{j=1}^k \begin{Bmatrix}k\\j \end{Bmatrix}j! \sum_{i=1}^n \binom{n}{i}\binom{i}{j}=\sum_{j=1}^k \begin{Bmatrix}k\\j \end{Bmatrix}j!\binom{n}{j}2^{n-j} \]

预处理斯特林数后直接做就好了,时间复杂度 \(O(k^2)\),用多项式预处理可以 \(O(k\log k)\),神鱼的做法可以 \(O(k)\)

code


P6620 \(\color{purple}{省选/NOI-}\)

已知 \(n,x\) 和一个 \(m\) 次多项式 \(f(k)=\sum_{i=0}^m a_ik^i\),求

\[\sum_{k=0}^n f(k)\times x^k\times \binom{n}{k} \]

答案对给定的 \(p\) 取模。
\(n,x\le 10^9,m\le \min(1000,n)\)

比较进阶的题,一开始一直在考虑 \(x^k\) 咋拆,结果发现根本不用。

考虑 \(f(k)\) 比较难处理,把它变成 \(f(k)=\sum_{i=0}^m b_ik^{\underline i}\) 的形式,这个可以直接斯特林做。

然后大力推就好了。

\[\sum_{k=0}^n f(k)\times x^k\times \binom{n}{k}=\sum_{k=0}^n \sum_{i=0}^m b_ik^{\underline i} \times x^k\times \binom{n}{k}\\ =\sum_{k=0}^n\sum_{i=0}^m b_ix^k\times n^{\underline i}\binom{n-i}{k-i}=\sum_{i=0}^m b_in^{\underline i}\sum_{k=0}^n x^k\times \binom{n-i}{k-i} \]

此时把后面的 \(k-i\) 换成 \(k\)

\[=\sum_{i=0}^m b_in^{\underline i}\sum_{k=0}^{n-i} x^{k+i}\times \binom{n-i}{k}=\sum_{i=0}^m b_in^{\underline i}x^i\sum_{k=0}^{n-i} x^k\times \binom{n-i}{k}=\\ \sum_{i=0}^m b_in^{\underline i}x^i(x+1)^{n-i} \]

然后就算完了,预处理斯特林数,时间复杂度 \(O(m^2)\)

code


posted @ 2022-04-08 18:09  houzhiyuan  阅读(550)  评论(0编辑  收藏  举报