Сочетания
k-подмножество данного n-множества называется k-сочетанием.
Обозначим через число k-сочетаний из данных n элементов. Формулу для числа получим, рассуждая следующим образом. Если каждое сочетание упорядочить всеми возможными способами, то получим все k-последовательностей из n элементов, без повторений, то есть все k-размещения.
Иными словами,
Откуда: (1.3)
или
Предполагая, что n и k - целые положительные числа и 0!=1, сформулируем основные свойства сочетаний.
Основные свойства сочетаний.
Условились, что
Сочетания и размещения широко используются при вычислении классической вероятности случайных событий.
Пример. В корзине находятся 20 орехов, из которых 7 грецких. Наудачу выбирают 5 орехов. Найти вероятность того, что среди выбранных орехов содержатся 2 грецких.
Решение. Число исходов опыта . Случайное событие A - среди пяти выбранных орехов содержатся 2 грецких ореха. Число исходов, благоприятствующих событию A, равно: . Искомая вероятность .
В современной литературе наиболее употребителен для обозначения числа k-сочетаний из n элементов символ , n называют верхним индексом, k - нижним индексом. Используя свойства сочетаний 1, 2, 4, составим таблицу1.
Заметим, что Блез Паскаль называл числовой треугольник, начало которого содержится в таблице1, арифметическим. Паскаль посвятил свойствам арифметического треугольника основополагающий "Трактат об арифметическом треугольнике" (1654). Справедливости ради, стоит упомянуть, что биномиальные коэффициенты были хорошо известны в Азии за много веков до рождения Паскаля. В Италии треугольник Паскаля называют треугольником Тартальи.
Сочетания имеют многочисленные интерпретации и приложения. Сочетания являются биномиальными коэффициентами в разложении бинома
(1.4)
Таблица 1.Треугольник Паскаля
n |
|
|
|
|
|
|
|
|
|
|
|
0 | 1 |
|
|
|
|
|
|
|
|
|
|
1 | 1 | 1 |
|
|
|
|
|
|
|
|
|
2 | 1 | 2 | 1 |
|
|
|
|
|
|
|
|
3 | 1 | 3 | 3 | 1 |
|
|
|
|
|
|
|
4 | 1 | 4 | 6 | 4 | 1 |
|
|
|
|
|
|
5 | 1 | 5 | 10 | 10 | 5 | 1 |
|
|
|
|
|
6 | 1 | 6 | 15 | 20 | 15 | 6 | 1 |
|
|
|
|
7 | 1 | 7 | 21 | 35 | 35 | 21 | 7 | 1 |
|
|
|
8 | 1 | 8 | 28 | 56 | 70 | 56 | 28 | 8 | 1 |
|
|
9 | 1 | 9 | 36 | 84 | 126 | 126 | 84 | 36 | 9 | 1 |
|
10 | 1 | 10 | 45 | 120 | 210 | 252 | 210 | 120 | 45 | 10 | 1 |
В этой интерпретации индексы могут принимать вещественные значения. Используя свойства биномиальных коэффициентов (при разных ограничениях на выбор верхних и нижних индексов), доказано громадное число комбинаторных тождеств, составивших самостоятельный раздел комбинаторной математики. В частности, из формулы 1.4 при x = 1, получим , при
x = -1, n > 0, получим , продифференцировав равенство 1.4, получим при x = 1, и т.д.
Существует тесная связь между подмножествами множества и разложениями целого (положительного) числа. Разложение n есть представление числа n в виде упорядоченной суммы положительных целых чисел. Например, существует восемь разложений числа 4, именно:
1+1+1+1 3+1
2+1+1 1+3
1+2+1 2+2
1+1+2 4
Если разложение содержит в точности k слагаемых, то говорят, что имеет k частей и называется k-разложением. Для k-разложения числа n: a1 + a2 + …+ an - определим (k - 1)-подмножество ( ), (n - 1)-множества {1, 2, …, n-1}, формулой.
( ) ={ a1, a1 + a2,…, a1 + a2 +…+ ak-1 } (1.5)
Эта формула устанавливает биекцию между всеми k-разложениями числа n и (k - 1)-подмножествами (n - 1)-множества.
Следовательно, существует k-разложений числа n и 2n-1 разложений числа n. Биекцию часто схематично изображают строкой, состоящей из n точек и k - 1 разделяющей вертикальной черты. Точки разделились по k линейно упорядоченным "купе"; числа точек в "купе" соответствуют слагаемым в k-разложении числа n. Например, строка | | | | | соответствует разложению 1+2+1+1+3+2. Другая проблема, тесно связанная с разложениями, есть задача подсчёта числа N(n,k) решений уравнения
x1 + x2 + …+ xk = n (1.6)
Неотрицательные целые решения уравнения 1.6 называются слабыми k-разложениями числа n. Число неотрицательных целых решений уравнения 1.6 равно числу положительных решений уравнения
y1 + y2 + … + yk = n + k,
то есть числу k-разложений числа n + k. Таким образом, N(n,k) = .
Если k-сочетание содержит повторяющиеся элементы, то такое k-сочетание называют k-мультимножеством. Число всех k-сочетаний с повторениями из данного n-элементного множества обозначим через , где
(1.7)
Сочетание можно интерпретировать, как распределение элементов n-множества S между двумя категориями, первая из которых содержит k элементов, вторая содержит n - k элементов. Обобщим это представление. Пусть (a1, a2, …, am)- последовательность неотрицательных целых чисел, сумма которых равна n. Рассмотрим m категорий C1, C2, … Cm.
Обозначим символом (1.8)
число способов распределения n элементов среди категорий C1, C2, … Cm так, чтобы категории Ci принадлежало точно ai элементов.
Тогда (1.9)
- Общие сведения Сведения об эумк
- Методические рекомендации по изучению дисциплины
- Рабочая учебная программа Учреждение образования «Белорусский государственный университет информатики и радиоэлектроники»
- Пояснительная записка
- Содержание дисциплины
- 1. Название тем лекционных занятий, их содержание, объем в часах Наименование тем, их содержание
- 2. Перечень тем ипр
- Перечень тем контрольных работ
- 4. Литература
- 4.1 Основная
- 4.2 Дополнительная
- 5. Перечень компьютерных программ, наглядных и других пособий, методических указаний и материалов и технических средств обучения
- 6. Учебно-методическая карта дисциплины содержание дисциплины
- Теоретический раздел Вступление
- Дискретная и вычислительная математика
- Часть 1. Вычислительная математика Математическое моделирование и вычислительный эксперимент
- 1 Решение систем линейных алгебраических уравнений
- 1.1 Точные методы
- 1.1.1 Метод Гаусса
- 1.1.2 Связь метода Гаусса с разложением матрицы на множители. Теорема об lu разложении
- Теорема об lu разложении
- 1.1.3 Метод Гаусса с выбором главного элемента
- 1.1.4 Метод Холецкого (метод квадратных корней)
- 1.2 Итерационные методы решений систем алгебраических уравнений
- 1.2.1 Метод Якоби (простых итераций)
- 1.2.2 Метод Зейделя
- 1.2.3 Матричная запись методов Якоби и Зейделя
- 1.2.4 Метод Ричардсона
- 1.2.5 Метод верхней релаксации (обобщённый метод Зейделя)
- 1.2.6 Сходимость итерационных методов
- 2 Плохо обусловленные системы линейных алгебраических уравнений
- 2.1 Метод регуляризации для решения плохо обусловленных систем
- 2.2 Метод вращения (Гивенса)
- 3 Решение нелинейных уравнений
- 3.1 Метод простых итераций
- 3.1.1 Условия сходимости метода
- 3.1.2 Оценка погрешности
- 3.2 Метод Ньютона
- 3.2.1 Сходимость метода
- 4 Решение проблемы собственных значений
- 4.1 Прямые методы
- 4.1.1 Метод Леверрье
- 4.1.2 Усовершенствованный метод Фадеева
- 4.1.3 Метод Данилевского
- 4.1.4 Метод итераций определения первого собственного числа матрицы
- 5 Задача приближения функции
- 5.1 Интерполяционный многочлен Лагранжа
- 5.1.1 Оценка погрешности интерполяционного многочлена
- 5.2 Интерполяционные полиномы Ньютона
- 5.2.1 Интерполяционный многочлен Ньютона для равноотстоящих узлов
- 5.2.2 Вторая интерполяционная формула Ньютона
- 5.3 Интерполирование сплайнами
- 5.3.1 Построение кубического сплайна
- 5.3.2 Сходимость процесса интерполирования кубическими сплайнами
- 5.4 Аппроксимация функций методом наименьших квадратов
- 6 Численные методы решения задачи Коши для обыкновенных дифференциальных уравнений и систем дифференциальных уравнений
- 6.1 Семейство одношаговых методов решения задачи Коши
- 6.1.1 Метод Эйлера (частный случай метода Рунге-Кутта)
- 6.1.2 Методы Рунге-Кутта
- 6.2 Многошаговые разностные методы решения задачи Коши для обыкновенных дифференциальных уравнений
- 6.2.1 Задача подбора числовых коэффициентов aк , bк
- 6.2.2 Устойчивость и сходимость многошаговых разностных методов
- 6.2.3 Примеры m-шаговых разностных методов Адамса для различных m
- 6.3 Численное интегрирование жестких систем обыкновенных дифференциальных уравнений
- 6.3.1 Понятие жесткой системы оду
- 6.3.2 Некоторые сведения о других методах решения жестких систем
- 6.3.2.1 Методы Гира
- 6.3.2.2 Метод Ракитского(матричной экспоненты) решения систем оду
- 6.4 Краевые задачи для обыкновенных дифференциальных уравнений
- 6.5 Решение линейной краевой задачи
- 6.6 Решение двухточечной краевой задачи для линейного уравнения второго порядка сведением к задаче Коши
- 6.7 Методы численного решения двухточечной краевой задачи для линейного уравнения второго порядка
- 6.7.1 Метод конечных разностей
- 6.7.2 Метод прогонки (одна из модификаций метода Гаусса)
- 7 Приближенное решение дифференциальных уравнений в частных производных
- 7.1 Метод сеток для решения смешанной задачи для уравнения параболического типа (уравнения теплопроводности)
- 7.2 Решение задачи Дирихле для уравнения Лапласа методом сеток
- 7.3 Решение смешанной задачи для уравнения гиперболического типа методом сеток
- Часть 2. Дискретная математика
- 1. Основные Элементы теории множеств
- 1.1 Элементы и множества
- 1.2 Задание множеств. Парадокс Рассела
- 1.3 Операции над множествами
- 1.4 Булеан множества
- 1.5 Представление множеств в эвм
- Разбиения и покрытия
- 2 Отношения и функции
- 2.1 Прямое произведение множеств
- Элементы комбинаторики
- Теория конфигураций и теория перечисления
- Размещения
- Сочетания
- 3.1 Перестановки и подстановки
- 4 Элементы математической логики
- 5 Конечные графы и сети Основные определения
- 5.1 Матрицы графов
- Матрица смежности Списки инцидентности
- 5.2 Достижимость и связность
- 5.3 Эйлеровы и гамильтоновы графы
- 5.4 Деревья и циклы
- 5.5 Алгоритмы поиска пути
- Двунаправленный поиск
- Поиск по первому наилучшему совпадению
- Алгоритм Дейкстры
- АлгоритмА*
- Остовное дерево
- Матрица Кирхгофа
- 5.6 Конечные автоматы
- 5.6 Элементы топологии
- 5.7 Метрическое пространство
- Указания по выбору варианта
- Контрольная работа № 2 Общие сведения
- Квадратурная формула Гаусса
- Указания по выбору варианта
- Индивидуальные практические работы Индивидуальная практическая работа № 1 Общие сведения
- Интерполяционный полином Лагранжа
- Аппроксимация функций с помощью кубического сплайна
- Приближение формулами Ньютона
- Аппроксимация функций методом наименьших квадратов
- Индивидуальная практическая работа № 2