二项式定理公开课ppt-二项式定理公开课

二项式定理：把加法变成乘法 讲二项式定理，咱们不用那些像《圣经》一样的开场白。别一上来就扔出“起初、其次、最终”这种让人头大得慌的词儿，咱们直接说点实在的。 想象一下你在拿两个罐子去装东西。
第一个人罐子让你扔 5 个球，第二个人罐子也让你扔 5 个球。
第一个人罐子里有 5 个苹果，第二个人罐子里有 5 个橘子。
要是你把这两个球混在一起，用加法算总数，那得数到 10 个苹果和橘子，还得加个"5"。
这多费事啊。 二项式定理就干这个活。它告诉你，要是你有两个罐子，一个扔 5 个球，另一个也扔 5 个球，那你只需求关切两个数字：5 和 5，再加上那个"2"代表加法。它直接把那堆乱七八糟的苹果橘子，压缩成了两个核心数字的运算。
这就是数学里最实用的魔法之一。 公式看着挺吓人，但这玩意儿用起来就像点菜。
你想吃三个菜 A、B、C。 要是你把 A、B、C 都放在一个盘子里，那盘子就忒宽了，不好拿。 但要是你把 A、B、C 分成两堆：一堆放 3 份（比如 A），一堆放 2 份（比如 B 和 C）。
然后你给这两堆各加一点调料（比如 1 个盐），再混在一起吃，你就拿到了结局。 咱们用最好办的例子来练手。算 $(a+b)^2$ 是多少？ 按照牛顿的方式，你手里有个小本本，上面写着各种各样的商品。 商品 1：$a$ × $a$ × $a$ 商品 2：$a$ × $a$ × $b$ 商品 3：$a$ × $b$ × $a$ 商品 4：$a$ × $b$ × $b$ 商品 5：$b$ × $b$ × $b$ 这时候你发现，最终总共有 $a^3, a^2b, ab^2, b^3$ 如此多项。加起来，系数全是 1。
这看起来有点乱，对不对？ 这时候二项式定理就登场了。它把你手上的这堆凌乱无章的东西，归纳成了两大类： 第一大类是只含 $a$ 的，就是 $a, a^2, a^3$。系数全是 1。 第二大类是只含 $b$ 的，就是 $b, b^2, b^3$。系数全也是 1。 剩下的中间那些，$a^2b, ab^2$ 这种，就是由 $a$ 和 $b$ 自己组合出来的。 我们把上面的那堆商品，重新整理一下。 $3$ 个 $a$ 和 $2$ 个 $b$ 加起来，正好是 $5$ 个。 故此 $(a+b)^2$ 的结局，就是把 $a$ 和 $b$ 都写成指数，系数都变成 1 的“标准商品”，再乘起来。 结局就是：$a^2 + 2ab + b^2$。 你看，原来 $a^3, a^2b, ab^2, b^3$ 这四种商品，目前混成了两种商品：$a^2$ 和 $b^2$，再加上 $2ab$。 中间那个 $2ab$，是出于 $a$ 和 $b$ 两种商品在组合时，有 $5 times 4 = 20$ 次机会能组合。
既然每种组合形成的系数都是 $1 times 1 = 1$，那五次机会加起来，就是 5。 什么的，这里我犯了个低级毛病，让我重新梳理一下逻辑。 好的，重来。 我们拿 $a$ 和 $b$ 来玩。假设 $a$ 是“苹果”，$b$ 是“香蕉”。 我们要算的是 $(a+b)^2$，也就是 2 个苹果和 2 个香蕉混合。 所有可能的组合是： $(a,a), (a,b), (a,b), (b,a), (b,b), (b,a)$ —— 哎？不对，$2 times 2 = 4$ 种组合。 $(a,a), (b,b), (a,b), (b,a)$。 这四种组合对应的系数分别是： $(a,a)$ 贡献了 $a^2$。 $(b,b)$ 贡献了 $b^2$。 $(a,b)$ 贡献了 $ab$，如何算？ $(b,a)$ 贡献了 $ba$，也就是 $ab$。 故此总共 $2$ 个 $ab$。 这就对了。 二项式定理的核心逻辑就是：
1.确定底数 $a$ 和 $b$。
2.确定指数。
3.写出一行“所有可能的商品”。
4.对每一行商品，找到对应的系数，然后把它们加起来。 我们再看一个更具体的例子。算 $(x+y)^3$。 $3$ 次方意味着有 $3 times 2 times 1 = 6$ 次组合。 这六种商品分别是： $(x,x,x)$ —— 这是 $x^3$。系数是 1。 $(x,x,y)$ —— 这是 $x^2y$。
如何算系数？ $(x,y,x)$ —— 这是 $xyx$。也就是 $xy^2$？不对，这是中间项。 $(y,x,x)$ —— 这是 $yx^2$。也就是 $y^2x$。 $(y,x,y)$ —— 这是 $yxy$。也就是 $xy^2$？ $(y,y,y)$ —— 这是 $y^3$。系数是 1。 让我们换个角度。 根据公式，$(a+b)^n$ 展开后有两种形式： 第一行是 $a^n$。 第二行是 $b^n$。 中间那几项呢？ $(a+b)^3 = a^3 + 3a^2b + 3ab^2 + b^3$。 你看，中间这一串 $3$ 是如何来的？ $n=3$。 $3$ 表示有 $3$ 种组合。 $3$ 表示三种不同的商品。 $3$ 是 $C_3^1$ 即 3 种商品，每种商品出现的次数是 $n-1 = 2$ 次。 故此，中间那三项，每一项都包含 $n$ 次系数。 这个逻辑忒清楚了。 我们持续。算 $(a+b)^4$。 $4$ 次方意味着有 $4$ 种商品。 $4$ 种商品分别是： $(a,a,a,a)$ —— $a^4$，系数 1。 $(a,a,a,b)$ —— $a^3b$，系数 4。 $(a,a,b,a)$ —— $a^3b$？不对，这是 $a^3b$。 $(a,b,a,a)$ —— $a^3b$。 $(a,b,b,a)$ —— $a^2b^2$。 $(a,b,b,b)$ —— $a^2b^2$。 $(b,a,a,a)$ —— $ab^3$。 $(b,a,b,a)$ —— $ab^3$。 $(b,b,a,a)$ —— $a^2b^2$。 $(b,b,b,a)$ —— $ab^3$。 $(b,b,b,b)$ —— $b^4$。 你看，这种列举法好办乱。 二项式定理直接告诉你： $(a+b)^4 = a^4 + 4a^3b + 6a^2b^2 + 4ab^3 + b^4$。 你看，中间那项 $6a^2b^2$，系数是 $6$。 $n=4$。 中间项对应的系数是 $C_4^2$。 $C_4^2 = frac{4 times 3}{2 times 1} = 6$。 这就解释了为啥系数会变。 当 $n$ 变大的时候，中间项的系数就会变得越来越大。 这就像打牌，你抽到两张红桃，比抽到两张黑桃好。 要是 $a$ 和 $b$ 都是 1，那 $C_4^2$ 就是 6，比 $C_2^1$ 的 2 大大量。 你想想，要是 $a=0$ 要么 $b=0$ 如何办？ $(a+b)^n$ 展开后，每一项都像是 $a$ 和 $b$ 的乘积。 要是 $a=0$，那 $a$ 这一项一辈子等于 0。 那整个式子就只剩下 $b$ 这一项了。 $(0+b)^n = b^n$。 这时候你发现，所有含有 $a$ 的项都变成了 0。 剩下的所有项，指数都变成了 $n$，系数都是 1。 这彻底符合二项式定理的规律。 比如 $(a+b)^3$。
要是 $a=0$，那就是 $(0+b)^3 = b^3$。 展开式里，$a^3$ 没了，$ab^2$ 没了，剩下的只有 $b^3$。 完美。 目前咱们换个场景。 二项式定理在金融和概率里也有用。 比如蒙特卡洛模拟。你在做复杂的生意，风险挺大，你没法算出精确的期望值。 你只能随机玩几次。 比如抛 1000 次硬币。 正面向上记为 $a$，反面向上记为 $b$。 你算的是 $(a+b)^{1000}$ 的中间项对应的概率。 中间项代表啥？代表“恰好 500 次正面，500 次反面”这个状态。 要是抛 100 次硬币，中间项是 $C_{100}^{50}$。 $C_{100}^{50}$ 这个数字有多大？ $C_{100}^{50} = frac{100!}{50!50!}$。 这数字会贼大，大到超过 5 亿，就连 1 万亿。 这代表啥？ 代表你玩 100 次，正好凑齐一半正面一半反面的那一种情况，形成的次数顶多。 在统计学里，众数（Mode）就是这个意思。 在二项分布里，期望 $E(X) = mu$，方差 $sigma^2 = sigma$。 当 $mu$ 挺大时，它近似正态分布。 正态分布的峰值系数，就是 $C_n^{mu/2}$。 要是你只抛 10 次硬币，$mu=5$。 $C_{10}^5 = 252$。 这个数不算大，出于 10 忒小了，中心还没到。 但要是你抛 10000 次，$mu=5000$。 $C_{10000}^{2500}$ 这个数字，天文数字。 这时候你就挺难数具体有多少次，但你知道“大局部”工夫，硬币会落在正中间。 这就是二项式定理给我们的直觉：当数量够大时，极端情况形成的概率微乎其微，而中间情况形成的概率贼庞大。 这就把枯燥的系数计算，变成了对“大型事件”的理解。 在金融风控里，要是你要计算某只股票未来 500 天的收益率波动的标准差。 你不需求算出每两天的一生。 你只需求知道：当工夫 $T$ 挺大时，中间期 $T/2$ 时的波动率最大。 只要抓住这个中间项的数值，你就能估算出风险的范围。 就算你抛了 100 次，你知道大约有 50 次是正面，50 次是反面。 这时候的分布接近均匀。 但要是你抛了 1 亿次，你会知道绝大多数时候，正面和反面都是 5000 万对。 这时候的波动率，彻底由 $C_{10^8}^{50000000}$ 这个疯狂的系数拍板。 哪怕你只是粗略地说“大约 5000 万对”，你也能知道，这 5000 万对里，有 $C_{10^8}^{50000000}$ 种组合。 这数字大到无法计数，但你明白它的含义：这就是“绝大多数”的工夫。 故此，二项式定理不只是是公式。 它是一套处理“大量重复”的思维工具。 它教你如何把复杂的组合难题，简化成好办的系数运算。 它告诉你，当 $n$ 挺大时，中间项就是那根柱子。 当 $n$ 挺小时，中间项还在旁边，但还没那么高。 这种逻辑，在算法设计中无处不在。 你在设计一个系统，要处理 $10^9$ 条数据。 你就得用二项式定理的近似。 当数据量 $N$ 挺大时，你就只关心中间项。 当数据量 $N$ 挺小时，你就得老老实实枚举，老老实实算系数。 这就是数学的实用主义。 最终总结一下。 二项式定理，$(a+b)^n$。 每一行是 $a$ 的幂次。 每一列是 $b$ 的幂次。 中间那些，就是 $C_n^k$ 的乘积。 系数就是 $C_n^k$ 本身。 把 $a$ 和 $b$ 的项，按照指数排序，再乘以对应的系数，加在一起。 这就是结局。 不需求啥“起初、其次、最终”。 不需求啥“总而言之”。 就是如此好办。 就是如此强大。 就是如此让你认定数学本来就不如此复杂。