从集合角度看二项式系数之和的计算

前言

我们经常看到的二项式定理如下:
(x+y)n=(n0)xny0+(n1)xn−1y1+(n2)xn−2y2+⋯+(nn−1)x1yn−1+(nn)x0yn(x+y)^{n}=\left(\begin{array}{c} n \\ 0 \end{array}\right) x^{n} y^{0}+\left(\begin{array}{c} n \\ 1 \end{array}\right) x^{n-1} y^{1}+\left(\begin{array}{l} n \\ 2 \end{array}\right) x^{n-2} y^{2}+\cdots+\left(\begin{array}{c} n \\ n-1 \end{array}\right) x^{1} y^{n-1}+\left(\begin{array}{l} n \\ n \end{array}\right) x^{0} y^{n} (x+y)n=(n0​)xny0+(n1​)xn−1y1+(n2​)xn−2y2+⋯+(nn−1​)x1yn−1+(nn​)x0yn
其中
(nk)=n!k!(n−k)!\left(\begin{array}{l} n \\ k \end{array}\right) =\frac{n !}{k !(n-k) !} (nk​)=k!(n−k)!n!​
称为二项式系数。

问题

计算二项式系数之和,即
(n0)+(n1)+(n2)+⋯+(nn−1)+(nn)\left(\begin{array}{c} n \\ 0 \end{array}\right) +\left(\begin{array}{c} n \\ 1 \end{array}\right) +\left(\begin{array}{l} n \\ 2 \end{array}\right) +\cdots+\left(\begin{array}{c} n \\ n-1 \end{array}\right) +\left(\begin{array}{l} n \\ n \end{array}\right) (n0​)+(n1​)+(n2​)+⋯+(nn−1​)+(nn​)

思路

一、特值

令x=y=1,即可得
∑k=0n(nk)=2n\sum_{k=0}^{n}\left(\begin{array}{l} n \\ k \end{array}\right) = 2 ^ n k=0∑n​(nk​)=2n

二、集合

先来看
(nk)\left(\begin{array}{l} n \\ k \end{array}\right) (nk​)
在集合里面所代表的意思:从一个元素数为n的集合里,取出k个元素的方法数有多少种?

换句话说:对于一个元素数为n的集合,其元素数为k的子集有多少个?

也就是说:
(n0)\left(\begin{array}{l} n \\ 0 \end{array}\right) (n0​)
代表着元素数为0的子集个数;
(n1)\left(\begin{array}{l} n \\ 1 \end{array}\right) (n1​)
代表元素数为1的子集个数;

。。。
(nn)\left(\begin{array}{l} n \\ n \end{array}\right) (nn​)
代表元素数为n的子集个数。

也就是说,
∑k=0n(nk)\sum_{k=0}^{n}\left(\begin{array}{l} n \\ k \end{array}\right) k=0∑n​(nk​)
从集合角度的含义是:元素数为n的集合的子集个数,即2的n次方。

从集合角度看二项式系数之和的计算相关推荐

  1. 从神经学角度看边缘计算、雾计算与互联网云脑之间的关系

    在过去的20年间,科技领域涌现了大量新技术,新概念,新理论,代表了以互联网,人工智能,脑科学为箭头的前沿科技发展方向,这些名词包括"物联网,云计算,大数据,人工智能(深度学习),工业4.0, ...

  2. 一般向量空间的基变换_从希尔伯特空间的角度看线性变换的一般思想和问题

    一般线性变换以及傅里叶变换,欧氏变换,仿射变换,余弦变换,小波变换,拉普拉斯变换,Z变换,希尔伯特变换等等这些所谓的变换太多了,这些到底搞得是什么?怎么像云像雾又像风呢?怎么才能彻底理解它们?它们究竟 ...

  3. 从动力学角度看优化算法SGD:一些小启示

    作者丨苏剑林 单位丨广州火焰信息科技有限公司 研究方向丨NLP,神经网络 个人主页丨kexue.fm 在本文中,我们来关心优化算法 SGD(stochastic gradient descent,随机 ...

  4. 从程序员角度看ELF

    从程序员角度看ELF 原文:< ELF:From The Programmer's Perspective> 作者:Hongjiu Lu <mailto: hjl@nynexst.c ...

  5. 2015年《大数据》高被引论文Top10文章No.2——大数据时代的数据挖掘 —— 从应用的角度看大数据挖掘(上)...

    2015年<大数据>高被引论文Top10文章展示 [编者按]本刊将把2015年<大数据>高被引论文Top10的文章陆续发布,欢迎大家关注!本文为高被引Top10论文的No.2, ...

  6. 【2015年第4期】大数据时代的数据挖掘 —— 从应用的角度看大数据挖掘(上)...

    大数据时代的数据挖掘 -- 从应用的角度看大数据挖掘 李 涛1,2,曾春秋1,2,周武柏1,2,周绮凤3,郑 理1,2 1. 南京邮电大学计算机学院 南京 210023:2. 美国佛罗里达国际大学 迈 ...

  7. 从软件工程角度看大前端技术栈

    从软件工程角度看大前端技术栈 优秀人才不缺工作机会,只缺适合自己的好机会.但是他们往往没有精力从海量机会中找到最适合的那个. 100offer 会对平台上的人才和企业进行严格筛选,让「最好的人才」和「 ...

  8. (转)从程序员角度看ELF-译文

    转载自:http://elfhack.whitecell.org 从程序员角度看ELF 原文:< ELF:From The Programmer's Perspective> 作者:Hon ...

  9. 一个函数的自白:从函数的角度看编程的方式

    以下内容转载自 https://mp.weixin.qq.com/s?__biz=MzA5MzY4NTQwMA==&mid=2651002566&idx=1&sn=76b652 ...

  10. XLNet 发明者杨植麟:从学习的角度看NLP现状与未来(附PPT下载)

    近年来,基于Transformer的一系列大规模预训练模型不断推进NLP领域前沿,也持续冲击着大众和研究者关于NLP任务的认知.GPT-3在多项任务上取得的泛用能力似乎使人们看到了实现通用人工智能的曙 ...

最新文章

  1. 2021全国高校计算机能力挑战赛(初赛)Java试题三
  2. 23 种设计模式实战 pdf(很全)
  3. VS调试技巧之附加进程
  4. 数据库水平切分的实现原理解析——分库,分表,主从,集群,负载均衡器(转)...
  5. 图像基本处理算法的简单实现(二)
  6. 基因编辑婴儿追踪:该被编辑的是我们的心
  7. zookeeper专题:zookeeper的节点类型,数据持久化机制
  8. azure不支持哪些语句 sql_排查 Azure SQL 数据库的常见连接问题 - Azure SQL Database | Microsoft Docs...
  9. C++_类和对象_对象特性_友元_全局函数做友元_在类中声明友元权限的全局函数来访问_类中的private权限的变量---C++语言工作笔记052
  10. Fence Repair(不会优先队列的看过来)
  11. atoi函数:c\c++中把字符串整数转换为int型整数
  12. Linux下setsockopt函数返回-1,errno=22
  13. VS2015 更换exe的图标
  14. 02.STM32开发板资源介绍与驱动
  15. 诺基亚N950–MeeGo式体验
  16. 2017版张宇1000题【题目收集】
  17. Erueka状态变更说明(十三)
  18. matlab画网格等高线,matlab绘制网格图
  19. stlink固件版本低,但升级失败的解决办法
  20. 数学小故事之 柯西的故事

热门文章

  1. 计算机图标下面有颜色,小编教你电脑桌面图标有蓝色阴影怎么去掉
  2. NPIO操作Excel入门
  3. 2021年安全生产模拟考试(全国特种作业操作证焊工作业-熔化焊接与热切割模拟考试题库一)
  4. (c++ 遗传算法解决TSP问题)不是吧,这就是遗传算法吗?爱了爱了
  5. [白话解析] 深入浅出极大似然估计 极大后验概率估计
  6. workman安装以及使用
  7. 怎样写好git comment
  8. Bookmark Sentry – 检查重复、删除死链书签 Chrome扩展
  9. 计算机d盘可以格式化吗,能将电脑的D盘直接格式化了吗
  10. Java基础篇--IO