具体数学笔记 (第二章 和式)
2.1 记号
∑
k
=
1
n
a
k
\sum_{k=1}^n a_k
k=1∑nak
a
k
a_k
ak称为被加数,直接把一个或多个条件写在
∑
\sum
∑下面,指定求和所取的指标集,写在上面的是界限
2.2 和式和递归式
很多和式可以写成递归式的形式,反过来也是
如汉诺塔,把式子两边同时除
2
n
2^n
2n
T
n
/
2
n
=
T
n
−
1
/
2
n
−
1
+
1
/
2
n
T_n/2^n=T_{n-1}/2^{n-1}+1/2^n
Tn/2n=Tn−1/2n−1+1/2n
令
S
n
=
T
n
/
2
n
S_n=T_n/2^n
Sn=Tn/2n可得
S
n
=
S
n
−
1
+
2
−
n
S_n=S_{n-1}+2^{-n}
Sn=Sn−1+2−n
那么可以很轻松的写成和式
S
n
=
∑
i
=
1
n
2
−
i
=
1
−
2
−
n
S_n=\sum_{i=1}^n2^{-i}=1-2^{-n}
Sn=i=1∑n2−i=1−2−n
进而得到
T
n
=
2
n
+
1
T_n=2^n+1
Tn=2n+1
其实这种转换可以写成一般的形式
对于
a
n
F
n
=
b
n
T
n
−
1
+
c
n
a_nF_n=b_nT_{n-1}+c_n
anFn=bnTn−1+cn
两边同时乘的因子为
d
n
=
a
n
−
1
a
n
−
2
.
.
a
1
b
n
b
n
−
1
.
.
.
b
2
\huge d_n=\frac{a_{n-1}a_{n-2}..a_1}{b_nb_{n-1}...b_2}
dn=bnbn−1...b2an−1an−2..a1即可
最后化简得到它的解为
1
d
n
a
n
(
d
1
b
1
F
0
+
∑
k
=
1
n
d
k
c
k
)
\large \frac{1}{d_na_n}(d_1b_1F_0+\sum_{k=1}^nd_kc_k)
dnan1(d1b1F0+k=1∑ndkck)
来试一下具体的运用:快速排序比较步骤的平均次数
C
0
=
C
1
=
0
C
n
=
n
+
1
+
2
n
∑
k
=
0
n
−
1
C
k
C_0=C_1=0 \\ C_n=n+1+\frac{2}{n}\sum_{k=0}^{n-1}C_k
C0=C1=0Cn=n+1+n2k=0∑n−1Ck
首先消除分母,把两边同时乘n
F
n
=
n
C
n
=
n
2
+
n
+
2
∑
k
=
0
n
−
1
C
k
F_n=nC_n=n^2+n+2\sum_{k=0}^{n-1}C_k
Fn=nCn=n2+n+2∑k=0n−1Ck
为了把求和去掉,考虑和它的前一项做一个减法
n
C
n
−
(
n
−
1
)
C
n
−
1
=
n
2
+
n
+
2
∑
k
=
0
n
−
1
C
k
−
(
n
−
1
)
2
−
(
n
−
1
)
−
2
∑
k
=
0
n
−
2
C
k
=
2
n
+
2
C
n
−
1
nC_n-(n-1)C_{n-1}=n^2+n+2\sum_{k=0}^{n-1}C_k-(n-1)^2-(n-1)-2\sum_{k=0}^{n-2}C_k \\ =2n+2C_{n-1}
nCn−(n−1)Cn−1=n2+n+2∑k=0n−1Ck−(n−1)2−(n−1)−2∑k=0n−2Ck=2n+2Cn−1
于是可以得到一个简单的递推式
C
0
=
C
1
=
0
,
C
2
=
3
n
C
n
=
(
n
+
1
)
C
n
−
1
+
2
n
C_0=C_1=0,C_2=3 \\ nC_n=(n+1)C_{n-1}+2n
C0=C1=0,C2=3nCn=(n+1)Cn−1+2n
在这条递推式中
a
n
=
n
,
b
n
=
(
n
+
1
)
,
c
n
=
2
n
a_n=n,b_n=(n+1),c_n=2n
an=n,bn=(n+1),cn=2n,直接套用前面的式子可得
d
n
=
2
n
(
n
+
1
)
d_n=\frac{2}{n(n+1)}
dn=n(n+1)2
进而可以得到它的解为
C
n
=
2
(
n
+
1
)
∑
k
=
1
n
1
k
+
1
−
2
3
(
n
>
1
)
C_n=2(n+1)\sum_{k=1}^n\frac{1}{k+1}-\frac{2}{3}(n>1)
Cn=2(n+1)k=1∑nk+11−32(n>1)
中间那个式子是调和的,设
H
n
=
1
+
1
/
2
+
1
/
3
+
.
.
.
.
+
1
/
n
,
H
n
H_n=1+1/2+1/3+....+1/n,H_n
Hn=1+1/2+1/3+....+1/n,Hn被称为一个调和数
于是把原来的公式修正一下就变成了
C
n
=
2
(
n
+
1
)
H
n
−
8
3
−
2
3
C_n=2(n+1)H_n-\frac{8}{3}-\frac{2}{3}
Cn=2(n+1)Hn−38−32
验证一下发现是对的,狂喜
2.3 和式的处理
- 分配律 ∑ k c a k = c ∑ k a k \sum\limits_{k}c a_k=c\sum\limits_ka_k k∑cak=ck∑ak
- 结合律 ∑ k ( a k + b k ) = ∑ k a k + ∑ k b k \sum\limits_{k}(a_k+b_k)=\sum\limits_k a_k+\sum\limits_k b_k k∑(ak+bk)=k∑ak+k∑bk
- 交换律
∑
k
∈
S
a
k
=
∑
p
(
k
)
∈
S
a
p
(
k
)
\sum\limits_{k \in S}a_k = \sum\limits_{p(k) \in S} a_{p(k)}
k∈S∑ak=p(k)∈S∑ap(k)
假设我们要计算一个等差级数
S = ∑ 0 ≤ k ≤ n ( a + b k ) S=\sum_{0\leq k \leq n}(a+bk) S=0≤k≤n∑(a+bk)
根据交换律,我们可以用 n − k n-k n−k代替 k k k得到
S
=
∑
0
≤
k
≤
n
(
a
+
b
(
n
−
k
)
)
S=\sum\limits_{0\leq k \leq n}(a+b(n-k))
S=0≤k≤n∑(a+b(n−k))
然后把上下两式相加
2
S
=
∑
0
≤
k
≤
n
(
a
+
b
k
+
a
+
b
(
n
−
k
)
)
2S=\sum\limits_{0\leq k \leq n}(a+bk+a+b(n-k))
2S=0≤k≤n∑(a+bk+a+b(n−k))
再用一次结合律+一次分配率可以得到
2
S
=
(
2
a
+
b
n
)
(
n
+
1
)
2S=(2a+bn)(n+1)
2S=(2a+bn)(n+1)
于是我们就成功化简了
下面来介绍一下扰动法,我们常常可以用封闭形式来计算一个和式,极为
S
n
S_n
Sn
S
n
=
∑
k
=
0
n
a
k
S_n=\sum_{k=0}^n a_k
Sn=k=0∑nak
然后将它的最后一项和第一项分离出来,用两种方法分别重新改写
s
n
+
1
s_{n+1}
sn+1
S
n
+
a
n
+
1
=
a
0
+
∑
k
=
0
n
a
k
+
1
S_n+a_{n+1}=a_0+\sum\limits_{k=0}^n a_{k+1}
Sn+an+1=a0+k=0∑nak+1
然后我们尝试用
S
n
S_n
Sn将右边那个和式表示出来,如果可以,我们就得到了一个方程,他的解就是求的和式
举个例子,我们来求一般的几何级数
S
n
=
∑
k
=
0
n
a
x
k
S_n=\sum_{k=0}^nax^k
Sn=k=0∑naxk
我们利用扰动法
S
n
+
a
x
n
+
1
=
a
0
+
∑
k
=
0
n
a
x
k
+
1
S_n+ax^{n+1}=a_0+\sum\limits_{k=0}^nax^{k+1}
Sn+axn+1=a0+k=0∑naxk+1
右边那个和式可以通过分配率变成
a
0
+
k
∑
k
=
0
n
a
x
k
=
a
0
+
s
n
a_0+k\sum\limits_{k=0}^nax^{k}=a_0+s_n
a0+kk=0∑naxk=a0+sn
所以
S
n
+
a
n
+
1
=
a
0
+
x
S
n
S_n+a^{n+1}=a_0+xS_n
Sn+an+1=a0+xSn
容易解得
S
n
=
a
−
a
x
n
+
1
1
−
x
S_n=\frac{a-ax^{n+1}}{1-x}
Sn=1−xa−axn+1
如果式子是长这样呢?
S
n
=
∑
k
=
0
n
k
x
k
S_n=\sum_{k=0}^nkx^k
Sn=k=0∑nkxk
实际上你可以直接用扰动法,或者直接更加简单的把几何级数求个导得到
因为和式的倒数等于各项倒数之和
S
n
=
1
−
(
n
+
1
)
x
n
+
n
x
n
+
1
(
1
−
x
)
2
S_n=\frac{1-(n+1)x^n+nx^{n+1}}{(1-x)^2}
Sn=(1−x)21−(n+1)xn+nxn+1
2.4 多重和式
- 交换求和次序基本法则: ∑ j ∑ k a j , k [ p ( j , k ) ] = ∑ k ∑ j a j , k [ p ( j , k ) ] \sum_j\sum_ka_{j,k}[p(j,k)]=\sum_k\sum_ja_{j,k}[p(j,k)] j∑k∑aj,k[p(j,k)]=k∑j∑aj,k[p(j,k)]
- 一般分配律:(可以通过上一个法则推广得到) ∑ j ∈ J , k ∈ K a j b k = ( ∑ j ∈ J a j ) × ( ∑ k ∈ K b k ) \sum_{j\in J ,~~ k \in K}a_jb_k=(\sum_{j \in J}a_j)\times(\sum_{k \in K} b_k) j∈J, k∈K∑ajbk=(j∈J∑aj)×(k∈K∑bk)
我们来研究一下一个重要的二重和式
S
=
∑
1
≤
j
<
k
≤
n
(
a
k
−
a
j
)
(
b
k
−
b
j
)
S=\sum\limits_{1\leq j < k\leq n}(a_k-a_j)(b_k-b_j)
S=1≤j<k≤n∑(ak−aj)(bk−bj)
交换
j
,
k
j,k
j,k具有对称性
S
=
∑
1
≤
k
<
j
≤
n
(
a
j
−
a
k
)
(
b
j
−
b
k
)
S=\sum\limits_{1\leq k < j\leq n}(a_j-a_k)(b_j-b_k)
S=1≤k<j≤n∑(aj−ak)(bj−bk)
与上式相加
利用恒等式
[
1
≤
j
<
k
≤
n
]
+
[
1
≤
k
<
j
≤
n
]
=
[
1
≤
j
,
k
≤
n
]
−
[
1
≤
j
=
k
≤
n
]
[1 \le j <k\le n]+[1 \le k <j\le n]=[1 \le j,k\le n]-[1 \le j =k\le n]
[1≤j<k≤n]+[1≤k<j≤n]=[1≤j,k≤n]−[1≤j=k≤n]
可得
2
S
=
∑
1
≤
k
,
j
≤
n
(
a
j
−
a
k
)
(
b
j
−
b
k
)
−
∑
1
≤
k
=
j
≤
n
(
a
j
−
a
k
)
(
b
j
−
b
k
)
2S=\sum\limits_{1\leq k, j\leq n}(a_j-a_k)(b_j-b_k)-\sum\limits_{1\leq k = j\leq n}(a_j-a_k)(b_j-b_k)
2S=1≤k,j≤n∑(aj−ak)(bj−bk)−1≤k=j≤n∑(aj−ak)(bj−bk)
右边那块显然为0,考虑左边那块是啥
把它拆开
=
2
∑
1
≤
j
,
k
≤
n
a
j
b
j
−
2
∑
1
≤
k
<
j
≤
n
a
j
b
k
=
2
n
∑
1
≤
j
≤
n
a
j
b
j
−
2
(
∑
1
≤
j
≤
n
a
j
)
(
∑
1
≤
j
≤
n
b
j
)
\large =2\sum\limits_{1\leq j,k\leq n}a_jb_j-2\sum\limits_{1\leq k < j\leq n}a_jb_k \\ = 2n\sum\limits_{1\leq j\leq n}a_jb_j-2(\sum\limits_{1\leq j\leq n}a_j)(\sum\limits_{1\leq j \leq n}b_j)
=21≤j,k≤n∑ajbj−21≤k<j≤n∑ajbk=2n1≤j≤n∑ajbj−2(1≤j≤n∑aj)(1≤j≤n∑bj)
贼有趣
带回原始/2后移项后重新排序可以得到
(
∑
1
≤
j
≤
n
a
j
)
(
∑
1
≤
j
≤
n
b
j
)
=
n
∑
k
=
1
n
a
k
b
k
−
∑
1
≤
k
<
j
≤
n
(
a
j
−
a
k
)
(
b
j
−
b
k
)
(\sum\limits_{1\leq j\leq n}a_j)(\sum\limits_{1\leq j \leq n}b_j)=n\sum_{k=1}^na_kb_k-\sum\limits_{1\leq k < j\leq n}(a_j-a_k)(b_j-b_k)
(1≤j≤n∑aj)(1≤j≤n∑bj)=nk=1∑nakbk−1≤k<j≤n∑(aj−ak)(bj−bk)
通过这个等式可以得到切比雪夫单调不等式:
(
∑
1
≤
j
≤
n
a
j
)
(
∑
1
≤
j
≤
n
b
j
)
≤
n
∑
k
=
1
n
a
k
b
k
,
a
,
b
单
调
递
增
(\sum\limits_{1\leq j\leq n}a_j)(\sum\limits_{1\leq j \leq n}b_j)\le n\sum_{k=1}^na_kb_k,~~~ a,b单调递增
(1≤j≤n∑aj)(1≤j≤n∑bj)≤nk=1∑nakbk, a,b单调递增
(
∑
1
≤
j
≤
n
a
j
)
(
∑
1
≤
j
≤
n
b
j
)
≥
n
∑
k
=
1
n
a
k
b
k
,
a
单
调
递
增
,
b
单
调
递
减
(\sum\limits_{1\leq j\leq n}a_j)(\sum\limits_{1\leq j \leq n}b_j)\ge n\sum_{k=1}^na_kb_k,~~~ a单调递增,b单调递减
(1≤j≤n∑aj)(1≤j≤n∑bj)≥nk=1∑nakbk, a单调递增,b单调递减
通过上面这个式子不难证明ab单调递增时
∑
k
=
1
n
a
k
b
k
\sum\limits_{k=1}^na_kb_k
k=1∑nakbk取到最大值,最小值由第二条推出
对于
f
:
J
→
k
f:J \rightarrow k
f:J→k
指标替换可以这样用
∑
j
∈
J
a
f
(
j
)
=
∑
k
∈
K
a
k
∑
j
∈
J
[
f
(
j
)
=
k
]
\sum_{j \in J}a_{f(j)}=\sum_{k \in K}a_k\sum_{j\in J}[f(j)=k]
j∈J∑af(j)=k∈K∑akj∈J∑[f(j)=k]
2.5 一般性方法
- 查找公式(oeis.org)
俗称开挂 - 猜测答案,用归纳法证明
- 对和式进行扰动法
- 用积分替换和式
设我们要求 f n = ∑ k = 0 n k 2 f_n=\sum_{k=0}^nk^2 fn=k=0∑nk2
∫ 0 n x 2 d x = n 3 3 , 所 以 我 们 知 道 f n ∼ n 3 3 \int_{0}^nx^2dx=\frac{n^3}{3},所以我们知道f_n \sim\frac{n^3}{3} ∫0nx2dx=3n3,所以我们知道fn∼3n3 设误差 E n = f n − n 3 3 E_n=f_n-\frac{n^3}{3} En=fn−3n3
它也满足一个简单的递推式
E n = f n − n 3 3 = f n − 1 + n 2 − n 3 3 = E n − 1 + ( n − 1 ) 3 3 + n 2 − n 3 3 \large E_n=f_n-\frac{n^3}{3}=f_{n-1}+n^2-\frac{n^3}{3}\\ \\ =E_{n-1}+\frac{(n-1)^3}{3}+n^2-\frac{n^3}{3} En=fn−3n3=fn−1+n2−3n3=En−1+3(n−1)3+n2−3n3
把 E n E_n En的封闭形式求出来带回去就可以求到 f n f_n fn了
- 展开和收缩
如上面那个例子,把它变成二重和式,之后再化简 - 用有限微积分
- 用生成函数
2.6 有限微积分和无限微积分
- 无限积分:定义由 所定义的微分 D f ( x ) = lim h → 0 f ( x + h ) − f ( x ) h Df(x)=\lim\limits_{h \rightarrow0}\frac{f(x+h)-f(x)}{h} Df(x)=h→0limhf(x+h)−f(x)
- 有限积分:定义由 所定义的差分
Δ
f
(
x
)
=
f
(
x
+
1
)
−
f
(
x
)
\Delta f(x)=f(x+1)-f(x)
Δf(x)=f(x+1)−f(x)
D 和 Δ D和\Delta D和Δ被称为算子,它们是函数的函数
D ( x m ) = x m − 1 D(x^m)=x^{m-1} D(xm)=xm−1,然而 Δ \Delta Δ就不行
但是下降幂(下降乘幂)和上升幂就有比较好的性质
有限微积分用在上面就很好了
Δ ( x m ‾ ) = m x m − 1 ‾ \large \Delta (x^{\underline{m}})=mx^{\underline{m-1}} Δ(xm)=mxm−1
于是我们就得到了可以与微积分媲美的性质
无限积分算子
D
D
D的逆微分算子(积分算子)是
∫
\large \int
∫ 有
g
(
x
)
=
D
f
(
x
)
⟺
∫
g
(
x
)
d
x
=
f
(
x
)
+
C
g(x)=Df(x)\iff \int g(x)dx=f(x)+C
g(x)=Df(x)⟺∫g(x)dx=f(x)+C
前面那个是不定积分
同样的,有限积分的逆差分算子(求和算子)是
∑
\sum
∑ 有
g
(
x
)
=
Δ
f
(
x
)
⟺
∑
g
(
x
)
δ
x
=
f
(
x
)
+
C
g(x)=\Delta f(x) \iff \sum g(x) \delta x=f(x)+C
g(x)=Δf(x)⟺∑g(x)δx=f(x)+C
前面那个是不定和式
那么有不定积分肯定也有定积分
∫
a
b
g
(
x
)
d
x
=
f
(
x
)
∣
a
b
=
f
(
b
)
−
f
(
a
)
\int_a^b g(x)dx=f(x)|_a^b=f(b)-f(a)
∫abg(x)dx=f(x)∣ab=f(b)−f(a)
同样的有限积分也有确定的和式
∑
a
b
g
(
x
)
δ
x
=
f
(
x
)
∣
a
b
=
f
(
b
)
−
f
(
a
)
\sum_a^b g(x)\delta x=f(x)|_a^b=f(b)-f(a)
a∑bg(x)δx=f(x)∣ab=f(b)−f(a)
由无限微积分中的
∫
0
n
x
m
d
x
=
n
m
+
1
m
+
1
\int_0^n x^mdx=\frac{n^{m+1}}{m+1}
∫0nxmdx=m+1nm+1
也可以得到有限积分中的
∑
k
=
0
n
−
1
k
m
‾
=
n
m
+
1
‾
m
+
1
\sum_{k=0}^{n-1}k^{\underline{m}}=\frac{n^{\underline{m+1}}}{m+1}
k=0∑n−1km=m+1nm+1
利用下降幂也可以求通常的幂,例如
k
2
=
k
2
‾
+
k
1
‾
k^2=k^{\underline{2}}+k^{\underline{1}}
k2=k2+k1
所以
∑
k
=
0
n
−
1
k
2
=
n
3
‾
3
+
n
2
‾
2
=
1
3
n
(
n
−
1
2
)
(
n
−
1
)
\sum_{k=0}^{n-1}k^2=\frac{n^{\underline{3}}}{3}+\frac{n^{\underline{2}}}{2}=\frac{1}{3}n(n-\frac{1}{2})(n-1)
k=0∑n−1k2=3n3+2n2=31n(n−21)(n−1)
拿n+1替换一下n就可以得到平方和公式了
ohhhhhhhhhh
利用斯特林数(第六章)由更好的性质
下降幂还有什么好性质吗?当然是有的
例如“阶乘二项式定理”夜是适用的
负数的下降幂也是成立的(同样的差分性质夜成立,即
Δ
\Delta
Δ)
x
m
‾
=
1
(
x
+
1
)
(
x
+
2
)
.
.
.
(
x
+
m
)
x^{\underline{m}}=\frac{1}{(x+1)(x+2)...(x+m)}
xm=(x+1)(x+2)...(x+m)1
(实数和复数也可以,后面再讲)
x
n
+
m
‾
=
x
m
‾
(
x
−
m
)
n
‾
x^{\underline{n+m}}=x^{\underline{m}}(x-m)^{\underline{n}}
xn+m=xm(x−m)n
同样的,对于下降幂和式我们也可以给出完整的描述
∑
a
b
x
m
‾
δ
x
=
{
x
m
+
1
‾
m
+
1
∣
a
b
,
m
≠
−
1
H
x
∣
a
b
,
m
=
−
1
\large\sum_a^b x^{\underline{m}}\delta x=
a∑bxmδx=⎩⎪⎪⎨⎪⎪⎧m+1xm+1∣ab, m=−1Hx∣ab, m=−1
无限积分与有限积分中的法则:
D
(
e
x
)
=
e
x
,
Δ
(
2
x
)
=
2
x
D(e^x)=e^x, \Delta(2^x)=2^x
D(ex)=ex,Δ(2x)=2x
- 乘法法则
无限积分中有: D ( u v ) = D ( u ) v + u D ( v ) D(uv)=D(u)v+uD(v) D(uv)=D(u)v+uD(v)
有限积分中的则是 Δ ( u ( x ) v ( x ) ) = u ( x + 1 ) v ( x + 1 ) − u ( x ) v ( x ) = u ( x + 1 ) v ( x + 1 ) − u ( x ) v ( x + 1 ) + u ( x ) v ( x + 1 ) − u ( x ) v ( x ) = u ( x ) Δ v ( x ) + v ( x + 1 ) Δ u ( x ) \Delta(u(x)v(x))=u(x+1)v(x+1)-u(x)v(x)\\=u(x+1)v(x+1)-u(x)v(x+1)+u(x)v(x+1)-u(x)v(x)\\=u(x)\Delta v(x)+v(x+1)\Delta u(x) Δ(u(x)v(x))=u(x+1)v(x+1)−u(x)v(x)=u(x+1)v(x+1)−u(x)v(x+1)+u(x)v(x+1)−u(x)v(x)=u(x)Δv(x)+v(x+1)Δu(x)
利用转移算子 E f ( x ) = f ( x + 1 ) Ef(x)=f(x+1) Ef(x)=f(x+1)
可以写成
Δ ( u v ) = u Δ v + E v Δ u \Delta(uv)=u\Delta v+Ev\Delta u Δ(uv)=uΔv+EvΔu - 分步积分/求和法则
把上面的两条式子左右两边分别积分/求和,移项后就可以得到了
∫ u D ( v ) = u v − ∫ v D ( u ) ∑ u Δ v = u v − ∑ E v Δ ( u ) \int uD(v)=uv-\int vD(u) \\ \\ \\ \\ ~~~ \\ \sum u\Delta v=uv-\sum Ev \Delta(u) ∫uD(v)=uv−∫vD(u) ∑uΔv=uv−∑EvΔ(u)
2.7 无限和式
- 任何一个非减的序列都有极限
- 分配律,结合律,交换律
定义:设 K K K是任意一个集合, a k a_k ak是对于每一个 k ∈ K k \in K k∈K的实值项,任何实数 x x x都可以写成其正部分减去其负部分
∑ k ∈ K a k = ∑ k ∈ K a k + − ∑ k ∈ K a k − \sum_{k \in K}a_k=\sum_{k \in K}a_k^+-\sum_{k \in K}a_k^- k∈K∑ak=k∈K∑ak+−k∈K∑ak−
如果右边两个都是 ∞ \infin ∞我们不定义
如果 A + = ∑ k ∈ K a k + , A − A^+=\sum_{k \in K}a_k^+,A^- A+=∑k∈Kak+,A−都是有限的,那么我们就说这个和式是绝对收敛 与值
A = A + − A − A=A^+-A^- A=A+−A− 不然就是发散于 + ∞ +\infin +∞或 − ∞ -\infin −∞的
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· SQL Server 2025 AI相关能力初探
· Linux系列:如何用 C#调用 C方法造成内存泄露
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 阿里最新开源QwQ-32B,效果媲美deepseek-r1满血版,部署成本又又又降低了!
· 单线程的Redis速度为什么快?
· SQL Server 2025 AI相关能力初探
· AI编程工具终极对决:字节Trae VS Cursor,谁才是开发者新宠?
· 展开说说关于C#中ORM框架的用法!
2018-08-14 bzoj 2134: 单选错位
2018-08-14 luogu 2613 【模板】有理数取模
2018-08-14 浅谈差分约束系统