二项式定理复习课ppt-二项式定理复习课 PPT

二项式定理：把“二项”拆开看 大家坐好，今天咱们不讲那些花哨的定义，直接上干货。二项式定理不是神秘公式，就是好办的概率统计嘛。 回顾一下高中学过的那个 $x^n$ 形式的展开式。
那会儿认定它像魔法密码，目前认定它更像是一种分布的规律。想象一下，把一个鸡蛋打碎，只有两种结局，要么碎成两半，要么没碎。
这就是二项分布的根本骨架。 那咱们如何用这个骨架去解题呢？ 核心公式：$(a+b)^n = C_n^a a^{n-a} b^a + C_n^a a^a b^{n-a}$。 别被下标吓到，$C_n^a$ 就是“组合数”，$a$ 和 $b$ 就是那两项。 举个例子：$(1+x)^6$ 的展开。 要是 $x=2$，那就是 $(1+2)^6 = 3^6 = 729$。 用公式算，$C_6^0 cdot 1^6 cdot 2^0 + C_6^1 cdot 1^5 cdot 2^1 + dots$ 这就好比在数人。
第一个人选了（$C_6^0$ 项），没选第二个人；第二个人选了（$C_6^1$ 项），第一个人没选。加起来等于总人数。 大家自己算一算，$(1+2)^6$ 到底等于多少？ 再看应用： 求 $(1+2x)^n$ 的常数项。 一般我们会选 $a=1, b=2x$。 当 $n=8$ 时，$(1+2x)^8$ 展开后，含 $x^0$ 的项也就是 $a^{n-a} b^a$ 中，指数加起来等于 0 的项。 $(1+2x)$ 的项是 $1$ 和 $2x$。 若取 $1^k (2x)^{8-k}$，要让 $x$ 的指数为 0，则 $8-k=0$，故此 $k=8$。 系数就是 $C_8^8 cdot 1^8 cdot (2x)^0 = 1$。 这就相当于问：在 8 次抛掷中，第 8 次一定抛出成功，概率是多少？答案是 1。 要么换个说法：$(1+2x)$ 的常数项对应的二项式系数是 $C_n^n=1$。 再举个反例，求 $(1-x)^5$ 的奇次项系数和。 奇次项对应 $k$ 为奇数。 总和就是 $C_5^1 + C_5^3 + C_5^5$。 $5 + 10 + 1 = 16$。 这个 16 正好是 $2^4$，也就是 $2^{n-1}$。 数学上有个结论：二项式系数和的奇数项之和等于 $2^{n-1}$，偶数项之和也是 $2^{n-1}$。 为啥？出于 $(1+1)^n = 2^n$，$(1-1)^n = 0$。 两式相加消去偶数项，相减保留奇数项。 $2^n = 2 times 2^{n-1}$。 故此 $2^{n-1}$。 这个逻辑链条要理清楚，否则好办晕。 动态变化： 系数是有规律的。 $(1+x)^n$ 的系数分别是 $1, n, frac{n(n-1)}{2}, dots$ 这是杨辉梅（杨辉三角）的横向展开。 第 $r$ 行第 $n-r$ 列的数就是 $C_n^{n-r}$。 要是 $n=5$，系数就是 $1, 5, 10, 10, 5, 1$。 大家回忆一下，这是不对的，一般是 $1, 5, 10, 10, 5, 1$ 是 $C_5^0, C_5^1 dots$ 的排列。 实际上 $C_n^k$ 和 $C_n^{n-k}$ 相等。 故此系数和就是 $2^n$。 这意味着，把一袋子里的球随意倒出来，不管如何翻面，只要总数是 $n$，组合数之和一直 $2^n$。 这就把抽象的组合运算变得具象化了。 文字游戏： 有时候代数忒死板，不如用文字描述。 $(a+b)^n$ 的展开式，就是 $n$ 项之和。 每一项都是 $C_n^k a^{n-k} b^k$。 每两项指数加起来等于 $n$。 这种“互为反之数”的配对挺有意思。 比如 $(a-b)^n$ 的展开式。 第一项 $C_n^0 a^n (-b)^0 = a^n$。 最终一项 $C_n^n a^0 (-b)^n = (-1)^n b^n$。 中间项呢？ 当 $n$ 为偶数时，中间两项互为反之数。 当 $n$ 为奇数时，中间项自相抵消。 比如 $(a-b)^2 = a^2 - 2ab + b^2$。 中间项 $-2ab$ 正好是 $a^2 + b^2$ 减去 $2ab$ 的两倍。 这就解释了为啥 $(a+b)^n$ 和 $(a-b)^n$ 中间会有区别。 区别就在于 $(-b)^k$ 的符号。 $k$ 是奇数时变负，$k$ 是偶数时变正。 故此，$(a+b)^n$ 的展开式中，要是 $n$ 是奇数，中间项符号不同；要是是偶数，符号相同。 这个细节挺关键，考试常考。 实际意义： 回到生活，二项式定理仿佛是最好的概率模型。 抛硬币。 正面概率 $p$，反面 $1-p$。 抛 $n$ 次，形成正面的次数 $X$ 的分布就是二项分布。 $X sim B(n, p)$。 随机变量 $X$ 的取值范围是 $0, 1, 2, dots, n$。 概率 $P(X=k)$ 就是 $C_n^k p^k (1-p)^{n-k}$。 这就是我们常说的“二项分布”。 它的期望是 $np$，方差是 $np(1-p)$。 方差越小，说明结局越聚拢，硬币越准；方差越大，说明越乱，硬币越偏。 用二项式定理算出来的 $np$，实际上就是平均会出几次正面。 方差告诉我们，实际次数会偏离这个平均值多少。 比如抛 100 次硬币，期望是 50 次正面，方差是 50（假设 $p=0.5$）。 实际正面次数可能在 45 到 55 之间波动，这波动范围就是方差拍板的。 故此，二项式定理不只是是一个公式，它描述了随机现象的离散分布规律。 在计算机科学里，它用于判断算法的工夫复杂度；在统计学里，它是描述数据分布的基础工具。 它在人工智能的训练过程中，也频繁出现，比如交叉熵损失函数里的二项分布局部。 总结： 二项式定理的精髓在于“二”项的和与积的关系。 它告诉我们，任何一次多项式的展开，本质上都是一次选择的过程。 每一次选择都有对应的系数和指数。 指数之和恒定，系数之和固定为 $2^n$。 中间项的奇偶性拍板了正负号。 这就是数学最纯粹的美。 希望这节课能帮大家把那个晦涩的公式，变成脑海中一个清楚的概率模型。 下次要是再见到 $(a+b)^n$，别去死记硬背，想想抛硬币的运气，要么掷骰子的组合。 自然法则，往往就藏在这些最好办的组合之中。 好了，今天的复习课就到这里。大家回去试着算一算 $(1+3x)^4$ 的展开式，看看能不能找到规律。 下课。