《具体数学》学习笔记: 3.和式(下)

本文深入探讨了有限微积分的概念,对比无限微积分,介绍了差分算子与求和算子,通过下降阶乘幂揭示了求和公式的新视角。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

《具体数学》学习笔记: 3.和式(下)

序言:
本文将记录一个全新的数学知识—有限微积分,并将之与我们熟知的无限微积分作比对。

1. 无限微积分
高等数学或是微积分课程中,对于一个函数微分,借助微分算子(operator) d\rm dd 表达为:
df(x)=lim⁡h→0f(x+h)−f(x)h {\rm d}f(x) = \lim_{h \to 0}{\frac{f(x+h)- f(x)}{h}} df(x)=h0limhf(x+h)f(x)
算子(operator) d\rm dd 的作用是在一个函数上给出新的函数。如果 fff 是从实数到实数的一个适当光滑的曲线,那么 df{\rm d} fdf亦然。
反过来,我们还能够对函数作积分(逆微分),借助积分算子(operator) ∫\int,并且可以与微分进行联系:
g(x)=df(x) if and only if ∫g(x)dx=f(x)+C g(x) = {\rm d}f(x) {\rm \ if\ and\ only\ if\ } \int g(x){\rm d}x = f(x) + C g(x)=df(x) if and only if g(x)dx=f(x)+C
这里,∫g(x)dx\int g(x){\rm d}xg(x)dxg(x)g(x)g(x) 的不定积分,它是导数等于 g(x)g(x)g(x) 的一个函数类。另外,我们还有一个重要的微积分基本定理(牛顿-莱布尼兹公式):
∫abg(x)dx=f(x)∣ab=f(b)−f(a) \int_{a}^{b} g(x) {\rm d}x = f(x){\big |}_a^b = f(b) - f(a) abg(x)dx=f(x)ab=f(b)f(a)
以解决定积分的计算。

2. 有限微积分
对于整数,我们无法直接套用传统的无限微积分,但是我们也希望能够参考这种思路。由此,数学家们发展出了与传统无限微积分类似的“有限微积分”。定义差分算子 Δ\DeltaΔ
Δf(x)=f(x+h)−f(x)h∣h=1=f(x+1)−f(x) \Delta f(x) = \frac{f(x + h) - f(x)}{h} \bigg |_{h=1} = f(x+1) - f(x) Δf(x)=hf(x+h)f(x)h=1=f(x+1)f(x)
对于整数而言, hhh 至小为111,因此 h=1h = 1h=1 已经是所能达到的最接近的“极限”。在无限微积分中,我们有一个很简洁的关系式:
d(xm)=mxm−1 {\rm d}(x^m) = mx^{m-1} d(xm)=mxm1
而我们定义的 Δ\DeltaΔ 算子,似乎却不行
Δ(x2)=(x+1)2−x2=2x+1≠2(x+1) \Delta (x^2) = (x+1)^2 - x^2 = 2x + 1 \ne2(x+1) Δ(x2)=(x+1)2x2=2x+1̸=2(x+1)
不过,对于另一种“mmm次幂”,却有着非凡的效果。定义
xm‾=x(x−1)⋯(x−m+1)⏞m,m≥0 x^{\underline{m}} = \overbrace{x(x-1)\cdots(x-m+1)}^{m}, \quad m \ge 0 xm=x(x1)(xm+1)m,m0
注意 xxx 的上标 mmm 中有一个下划线,它表示等式右边这 mmm 个因子是阶梯般地”向下再向下“。相应地,还有“向上再向上”的定义法
xm‾=x(x+1)⋯(x+m−1)⏞m,m≥0 x^{\overline{m}} = \overbrace{x(x+1)\cdots(x+m-1)}^{m}, \quad m \ge 0 xm=x(x+1)(x+m1)m,m0
m=0m = 0m=0时,我们有 x0‾=x0‾=1x^{\underline{0}} = x^{\overline{0}} = 1x0=x0=1,因为不含任何因子的乘积定义为1。我们一般称 xm‾x^{\underline{m}}xm下降阶乘幂(falling factorial power),xmx^{\over{m}}xm上升阶乘幂(rising factorial power)。特别的,n!=nn‾=1n‾n!=n^{\underline{n}} =1^{\overline{n}}n!=nn=1n
现在,来尝试对下降阶乘幂求差分:
Δxm‾=(x+1)m‾−xm‾=(x+1)x⋯(x−m+2)−x⋯(x−m+2)(x−m+1)=mx(x−1)⋯(x−m+2)=mxm−1‾ \begin{aligned} \Delta x^{\underline{m}} &= (x + 1)^{\underline{m}} - x^{\underline{m}}\\ &=(x+1)x\cdots(x-m+2)-x\cdots(x-m+2)(x-m+1)\\ &=mx(x-1)\cdots(x-m+2)\\ &=mx^{\underline{m-1}} \end{aligned} Δxm=(x+1)mxm=(x+1)x(xm+2)x(xm+2)(xm+1)=mx(x1)(xm+2)=mxm1
恰好地,这正能与无限微积分公式 d(xm)=mxm−1{\rm d}(x^m) = mx^{m-1}d(xm)=mxm1 相媲美。

继续,我们来考虑 Δ\DeltaΔ 的逆运算, 便是我们的求和算子 ∑\sum,类似于不定积分,我们可以导出不定和式:
g(x)=Δf(x) if and only if ∑g(x)δx=f(x)+C g(x) = \Delta f(x) {\rm \ if\ and\ only\ if\ } \sum g(x)\delta x = f(x) + C g(x)=Δf(x) if and only if g(x)δx=f(x)+C
不定积分中,CCC 是任意常数,而不定和式中的 CCC 则满足 p(x+1)=p(x)p(x+1) = p(x)p(x+1)=p(x) 的任意一个 p(x)p(x)p(x)。此外,我们还能模仿出类似于定积分的确定和式:
∑abg(x)δx=f(x)∣ab=f(b)−f(a) \sum_{a}^{b} g(x) \delta x = f(x){\big |}_a^b = f(b) - f(a) abg(x)δx=f(x)ab=f(b)f(a)

使用数学归纳法使上式更直观化,并理解其意义:

  1. b=ab = ab=a,得到
    ∑aag(x)δx=f(a)−f(a)=0 \sum_{a}^{a} g(x) \delta x = f(a) - f(a) = 0 aag(x)δx=f(a)f(a)=0
  2. b=a+1b = a + 1b=a+1,得到
    ∑aa+1g(x)δx=f(a+1)−f(a)=g(a) \sum_{a}^{a + 1} g(x) \delta x = f(a + 1) - f(a) = g(a) aa+1g(x)δx=f(a+1)f(a)=g(a)
  3. b=b+1b = b + 1b=b+1,得到
    ∑ab+1g(x)δx−∑abg(x)δx=(f(b+1)−f(a))+(f(b)−f(a))=g(b) \begin{aligned} \sum_{a}^{b + 1} g(x) \delta x - \sum_{a}^{b} g(x) \delta x&= (f(b + 1) - f(a)) + (f(b) - f(a)) \\ &=g(b) \end{aligned} ab+1g(x)δxabg(x)δx=(f(b+1)f(a))+(f(b)f(a))=g(b)

因此,∑abg(x)δx=∑ab−1g(x)\sum_{a}^{b} g(x) \delta x = \sum_{a}^{\red{b - 1}}g(x)abg(x)δx=ab1g(x)。与无限积分不同的是,这里我求和时将抛去上限。

至此,我们可以对求和有一个新的认识了。首先,刚才已经证明 Δxm‾=mxm−1‾\Delta x^{\underline{m}} = mx^{\underline{m-1}}Δxm=mxm1,那么反过来便有
∑0≤k≤nkm‾=km+1‾m+1∣0n+1=(n+1)m+1‾m+1 \red{\sum_{0 \le k \le n }{k^{\underline m}} = \frac{k^{\underline{m+1}}}{m+1} \bigg |_{0}^{n + 1} = \frac{(n+1)^{\underline {m+1}}}{m+1}} 0knkm=m+1km+10n+1=m+1(n+1)m+1

  1. m=1m = 1m=1,得到
    ∑0≤k≤nk1‾=∑0≤k≤nk=(n+1)2‾2=(n+1)n2 \begin{aligned} \sum_{0 \le k \le n }{k^{\underline 1}} &= \sum_{0 \le k \le n }{k} \\ &= \frac{(n+1)^{\underline {2}}}{2}\\ &= \frac{(n+1)n}{2} \end{aligned} 0knk1=0knk=2(n+1)2=2(n+1)n
    这就是连续自然和公式,进一步地
  2. m=2m=2m=2,根据 k2=k2‾+k1‾k^2=k^{\underline{2}} + k^{\underline{1}}k2=k2+k1
    ∑0≤k≤nk2=∑0≤k≤nk2‾+∑0≤k≤nk1‾=(n+1)3‾3+(n+1)2‾2=13[(n+1)n(n−1)+32(n+1)n]=13(n+1)(n+12)n \begin{aligned} \sum_{0 \le k \le n }{k^2} &=\sum_{0 \le k \le n }{k^{\underline 2}} + \sum_{0 \le k \le n }{k^{\underline 1}}\\ &= \frac{(n+1)^{\underline 3}}{3} + \frac{(n+1)^{\underline {2}}}{2}\\ &= \frac{1}{3} \left [(n+1)n(n-1)+ \frac{3}{2}(n + 1)n\right ]\\ &=\frac{1}{3}(n+1)(n+\frac{1}{2})n \end{aligned} 0knk2=0knk2+0knk1=3(n+1)3+2(n+1)2=31[(n+1)n(n1)+23(n+1)n]=31(n+1)(n+21)n

我们用新的方法再一次求得了连续自然数的平方和公式。此外,连续自然数的 nnn 阶和也能以此递推。

这里只记录了正指数的下降幂,关于负指数下降幂的相关讨论参考《具体数学(第三版)》的 2.6 节后半部分。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值