• 反演总结


    快要省选了,赶紧把数学补一补,这里把基本上所有的反演总结了一下,没有写证明啊(小编不怎么会)。

    子集反演

    似乎一般在数据范围比较小的时候使用。

    形式一(子集内求和)

    [f_S = sum _{T subseteq S} g_T Leftrightarrow g_S = sum _{T subseteq S}(-1)^{|S-T|}f_T ]

    好像这种形式用的不多。

    形式二

    [f_S = sum _{Ssubseteq T}g_T Leftrightarrow g_S = sum _{Ssubseteq T}(-1)^{|T-S|}f_T ]

    好像一般都用这个,确实长得差不多。
    一般就是恰好和至少之间相互转化的套路了。

    二项式反演

    个人感觉其实是子集反演中的元素无区别的情况,所以一般用的更多。

    二项式定理

    [(x+y)^n = sum _{i=0}^{n} inom{n}{i}x^iy^{n-i} ]

    算是课内数学了吧,不过确实有用。

    形式一

    [f_n = sum _{i = 0}^{n}(-1)^iinom{n}{i}g_i Leftrightarrow g_n = sum_{i = 0}^{n} (-1)^iinom{n}{i}f_i ]

    基本用不到,因为把 -1 的流动过去就变成了形式二。

    形式二

    [f_n = sum _{i = 0}^{n}inom{n}{i}g_i Leftrightarrow g_n = sum_{i = 0}^{n} (-1)^{n-i}inom{n}{i}f_i ]

    这个柿子因为左边没有 -1 ,所以更常用一些。
    这个柿子可以理解为至多和恰好吧。

    形式三

    [f_n = sum _{i = n}^{infty}(-1)^iinom{i}{n}g_i Leftrightarrow g_n = sum_{i = n}^{infty} (-1)^{i}inom{i}{n}f_i ]

    不说了,因为还有形式四。

    形式四

    [f_n = sum _{i = n}^{infty}inom{i}{n}g_i Leftrightarrow g_n = sum_{i = n}^{infty} (-1)^{i-n}inom{i}{n}f_i ]

    这个绝对是最常用的了,恰好和至少,经典套路啊。

    莫比乌斯反演

    与上面的两个没有什么关系,主要就两个柿子。

    形式一

    [f_n = sum_{d|n}g_d Leftrightarrow g_n = sum_{d|n}mu_{frac{n}{d}}f_d ]

    这个是约数形式的反演。

    形式二

    [f_n = sum_{n|d}g_d Leftrightarrow g_n = sum_{n|d}mu_{frac{d}{n}}f_d ]

    这个倍数形式的,一般来看这个更常用。

    Min-Max 反演(容斥)

    一般都用到概率和期望上,因为期望也是满足的。

    形式一

    [max(S) = sum_{T in S} (-1)^{|T|+1}min(T) ]

    形式二

    [min(S) = sum_{T in S} (-1)^{|T|+1}max(T) ]

    斯特林反演

    这个需要先会斯特林数

    其实总的来看就一种形式,不过还是分成四种吧。

    形式一

    [f_n = sum_{i=0}^{n}egin{Bmatrix} n\ i end{Bmatrix}g_i Leftrightarrow g_n = sum_{i=0}^{n}egin{bmatrix} n\ i end{bmatrix} (-1)^{n-i}f_i]

    形式二

    [f_n = sum_{i=0}^{n}egin{Bmatrix} n\ i end{Bmatrix}(-1)^{n-i}g_i Leftrightarrow g_n = sum_{i=0}^{n}egin{bmatrix} n\ i end{bmatrix} f_i]

    好像没啥变化啊。

    形式三

    [f_n = sum_{i=n}^{infty}egin{Bmatrix} i\ n end{Bmatrix}(-1)^{i-n}g_i Leftrightarrow g_n = sum_{i=n}^{infty}egin{bmatrix} i\ n end{bmatrix} f_i]

    形式四

    [f_n = sum_{i=n}^{infty}egin{Bmatrix} i\ n end{Bmatrix}g_i Leftrightarrow g_n = sum_{i=n}^{infty}egin{bmatrix} i\ n end{bmatrix} (-1)^{i-n}f_i]

    确实基本差不多,大佬勿喷。

    单位根反演

    我也是昨天才看到,没有做过题。

    一个等式

    [[n|a] = frac{1}{n}sum_{i=0}^{n-1}omega _n^{a imes i} ]

    反演形式

    [[aequiv b mod n] = [a-b equiv 0mod n] = frac{1}{n}sum_{i=0}^{n-1}omega _n^{(a-b)i} = frac{1}{n}sum_{i=0}^{n-1}omega _n^{ai}omega_n^{-bi} ]

    应该没有写错吧,似乎一般用在和 mod 有关的一些东西上。

    后记

    我知道的也就这么多了,好像这么多也就差不多够用了吧。

  • 相关阅读:
    Python KNN算法
    Python TF-IDF计算100份文档关键词权重
    Python 结巴分词
    Python 将pdf转换成txt(不处理图片)
    Python小爬虫-自动下载三亿文库文档
    Kubuntu麦克风音频无声音
    adb常用命令
    Ubuntu下adb的安装
    Wamp安装使用+Git for Windows
    TensorFlow使用记录 (九): 模型保存与恢复
  • 原文地址:https://www.cnblogs.com/longdie/p/fanyanzongjie.html
Copyright © 2020-2023  润新知