威威學長 | 數學公式系列
一句話總結
$1 + 2 + 3 + \cdots + n = \frac{n(n+1)}{2}$ 你會算。那 $1^5 + 2^5 + 3^5 + \cdots + n^5$ 呢？福爾哈貝公式一個公式搞定所有次方。
故事開場：慕尼黑工大那堂課
我在慕尼黑工業大學（TUM）修「數論與離散數學」時，助教在黑板上寫了 $\sum_{k=1}^{n} k^4$ 的封閉解，然後問：「有沒有人記得四次方和的公式？」台下三十個學生鴉雀無聲。助教笑著說：「不用背，福爾哈貝告訴你一個方法就夠了。」
那是第一次聽到 Faulhaber 這個名字。後來回台教「數列與級數」時，每次教到冪次和，我都會把這個故事拿出來講——因為它提醒學生一件事：與其背十個公式，不如學會一個結構。
從簡單的開始
一次方和（高斯公式）
$\sum_{k=1}^{n} k = \frac{n(n+1)}{2}$
故事大家都知道：小高斯 10 歲時，老師出題 $1+2+\cdots+100$，他幾秒鐘算出 $5050$。方法是頭尾配對：$1+100=101$，$2+99=101$，……，共 $50$ 對。
我教學生時，喜歡讓他們用「梯形面積」想這件事：把 $1, 2, \ldots, n$ 看成一個等差數列，畫成長條圖後加起來的面積，就是上底加下底乘高除以二。視覺化的好處是記得久。
二次方和
$\sum_{k=1}^{n} k^2 = \frac{n(n+1)(2n+1)}{6}$
這個公式稍微複雜，推導方式至少有四種：數學歸納法、差分法、生成函數、或是直接把 $k^2$ 拆成 $k(k-1)+k$ 利用前面的結果。
我最常用第三種給學生看，因為它跟排列組合（見 排列組合）的恆等式直接對得起來：
$k^2 = k(k-1) + k$
而 $\sum k(k-1)$ 恰好是 $P(n, 2) = n(n-1)(n-2)/\text{常數}$ 這種排列數的型式，加一加就出來了。
三次方和
$\sum_{k=1}^{n} k^3 = \left[\frac{n(n+1)}{2}\right]^2$
這是個驚人的等式：立方和等於和的平方。 等號右邊就是一次方和再平方。
教到這裡時，我喜歡停下來問：「有沒有人覺得 $1+8+27+64+\ldots$ 加起來剛好是 $(1+2+3+4+\ldots)^2$ 不可思議？」通常會有幾個學生點頭。但接著我會補一句：這不是巧合，背後有 $\sum k^3 = (\sum k)^2$ 這個恆等式在撐——而它的證明，用差分法十行就寫完了。
福爾哈貝公式：一般形式
1631 年，德國數學家約翰·福爾哈貝（Johann Faulhaber, 1580–1635）出版了《Academia Algebrae》，裡面列出了 $p=1$ 到 $p=17$ 的冪次和公式。他那時候還不知道「伯努利數」這個名字，但他寫下的係數，其實就是 $B_j$ 的另一種編碼。
一個多世紀後，雅各布·伯努利（Jakob Bernoulli）在《猜度術》（Ars Conjectandi, 1713）裡把這些係數系統化，後來尤拉（Leonhard Euler）在 1735 年的論文裡正式命名「Bernoulli numbers」，並證明它們與 zeta 函數 $\zeta(2k)$ 的深層關係。
公式本身寫成：
$\sum_{k=1}^{n} k^p = \frac{1}{p+1} \sum_{j=0}^{p} (-1)^j \binom{p+1}{j} B_j , n^{p+1-j}$
其中 $B_j$ 是伯努利數（Bernoulli numbers）。
伯努利數表
| $j$ | 0 | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|---|
| $B_j$ | 1 | $-\frac{1}{2}$ | $\frac{1}{6}$ | 0 | $-\frac{1}{30}$ | 0 | $\frac{1}{42}$ |
注意：$j \geq 3$ 的奇數項，伯努利數都是 0。這讓公式簡化了不少——遇到奇數項直接跳過。
一個小提醒：不同教科書對 $B_1$ 的正負號有不同約定。有些用 $B_1 = +\frac{1}{2}$（近代約定），有些用 $B_1 = -\frac{1}{2}$（早期約定）。寫程式或交報告時，記得註明你用的是哪一個。
用福爾哈貝公式算四次方和
來算 $\sum_{k=1}^{n} k^4$：
$\sum_{k=1}^{n} k^4 = \frac{1}{5} \sum_{j=0}^{4} (-1)^j \binom{5}{j} B_j , n^{5-j}$
展開各項：
- $j=0$：$(-1)^0 \binom{5}{0} B_0 , n^5 = 1 \cdot 1 \cdot 1 \cdot n^5 = n^5$
- $j=1$：$(-1)^1 \binom{5}{1} B_1 , n^4 = -5 \cdot \left(-\frac{1}{2}\right) \cdot n^4 = \frac{5}{2}n^4$
- $j=2$：$(-1)^2 \binom{5}{2} B_2 , n^3 = 10 \cdot \frac{1}{6} \cdot n^3 = \frac{5}{3}n^3$
- $j=3$：$B_3 = 0$，整項消失
- $j=4$：$(-1)^4 \binom{5}{4} B_4 , n = 5 \cdot \left(-\frac{1}{30}\right) \cdot n = -\frac{1}{6}n$
加總後乘 $\frac{1}{5}$：
$\sum_{k=1}^{n} k^4 = \frac{n(n+1)(2n+1)(3n^2+3n-1)}{30}$
代入 $n=10$ 驗算：$\frac{10 \cdot 11 \cdot 21 \cdot 329}{30} = \frac{759990}{30} = 25333$。直接加 $1^4+2^4+\cdots+10^4 = 25333$，對了 ✓。
數字檢驗的小技巧
算完一個冪次和公式，我習慣用 $n=1$ 代進去：$1^4 = 1$。公式左邊 $\frac{1 \cdot 2 \cdot 3 \cdot 5}{30} = 1$，通過。再代 $n=2$：左邊 $1+16=17$，右邊 $\frac{2 \cdot 3 \cdot 5 \cdot 17}{30} = \frac{510}{30} = 17$。兩個就夠了，錯的話第一個就會爆。
台灣學測與分科常見考法
學測跟分科測驗很少直接考 Faulhaber 公式本身——但冪次和的應用題幾乎年年出現。常見幾種套路：
- 等差級數前 $n$ 項和：公式 $\frac{n(a_1+a_n)}{2}$ 直接套，難度低。
- $\sum k^2$ 的反推：給你 $\sum_{k=1}^{n} k^2 = 385$，反問 $n$ 是多少。要解一個三次方程式（其實是 $n(n+1)(2n+1) = 2310$），$n=10$ 帶進去過。
- 結合機率與期望值：丟一個公正骰子 $n$ 次，點數平方和的期望值會用到 $\sum k^2$ 的封閉式。
- 數列遞推求通項：偶爾會給你 $a_{n+1} = a_n + n^2$，求 $a_n$。這就回到冪次和了。
學測數學 A、B 都有出過類似題。準備方向：記公式 + 會帶數字驗算 + 知道常數項怎麼處理。
分科測驗（數甲）則更狠一些，可能把 $\sum k^3$ 跟微積分湊在一起考，例如用黎曼和逼近 $\int_0^1 x^3 , dx$（見 黎曼與 FTC）。這種題其實是把福爾哈貝當工具，重點考的是極限觀念，不是公式本身。
差分法證明三次方和
這是我在課堂上最常用的一套證明，因為它不需要數學歸納法，邏輯一氣呵成。
定義差分運算子 $\Delta f(k) = f(k+1) - f(k)$。注意到：
$\Delta \binom{k+1}{m+1} = \binom{k+2}{m+1} - \binom{k+1}{m+1} = \binom{k+1}{m}$
這個恆等式叫「上差分＝下降一個指標」，是離散微積分的核心。
現在把 $k^3$ 用階乘冪展開：
$k^3 = 6 \binom{k+1}{4} - 6 \binom{k+1}{3} + \binom{k+1}{2}$
求和後，右邊三項分別累加成 $\binom{n+2}{5}$、$-\binom{n+2}{4}$、$\binom{n+2}{3}$，整理後恰好是 $\left[\frac{n(n+1)}{2}\right]^2$。
教這套方法時，學生通常會卡在「為什麼要把 $k^3$ 拆成階乘冪？」我會這樣回答：因為階乘冪在差分下行為很單純，就像連續世界裡用泰勒展開處理多項式一樣。 這也順便預告了「離散微積分」這條支線。
實際應用
1. 計算機科學：時間複雜度分析
在分析演算法時，你經常需要算迴圈的總運算次數。例如：
for i in range(n):
for j in range(i*i):
do_something()
內層迴圈執行 $0^2 + 1^2 + 2^2 + \cdots + (n-1)^2$ 次，就是二次方和。知道公式就能直接算出 $\Theta(n^3)$ 的時間複雜度，不用慢慢加。
更狠一點：氣泡排序、插入排序的精確步驟數都能用福爾哈貝展開。雖然 big-O 隱藏了常數，但研究所考試或面試偶爾會問「這個演算法在 $n=100$ 時實際跑幾步？」這時候冪次和公式就是救星。
2. 物理：轉動慣量與位能
一個均勻細棒繞端點旋轉，轉動慣量是：
$I = \int_0^L x^2 , dx$
離散化後變成 $\sum k^2$ 的問題。如果把棒子切成 $n$ 段、每段視為質點，那總轉動慣量就是 $\sum_{k=1}^{n} (k \Delta x)^2 \cdot \Delta m$。福爾哈貝公式讓你能精確計算離散模型的物理量，再跟連續極限對照。
重力位能、靜電位能也有類似結構——只要是「距離平方反比」之類的物理量被離散化，就會冒出 $\sum k^p$。
3. 統計學：動差計算
統計的 $p$ 階動差（moment）涉及 $\sum x_i^p$。計算樣本動差時，福爾哈貝公式能幫你快速推導封閉解，特別是在處理均勻分布或等差序列的樣本時。
舉例：從 ${1, 2, \ldots, n}$ 抽樣，樣本均值是 $\frac{n+1}{2}$，樣本二階動差是 $\frac{(n+1)(2n+1)}{6}$，三階動差是 $\left[\frac{n+1}{2}\right]^2$——看出來了吧，三階動差又是「和的平方」。
4. 機器學習：正則化與損失函數
某些正則化項涉及冪次和。例如 Tikhonov 正則化的離散版本需要計算 $\sum k^p$，知道封閉解可以加速計算。訓練神經網路時，如果你把「smoothness penalty」定義成輸出差的 $p$ 次方和，梯度下降的閉式解也會用到福爾哈貝。
說穿了，機器學習裡面只要碰到多項式損失或多項式正則，背後都有冪次和的影子。
跟英文學習的類比
福爾哈貝公式就像英文的「構詞法」（word formation）。
- 你不需要死背每個長單字。
- 只要知道字根、字首、字尾的規則，就能組合出無限多的新詞。
- un- + believe + -able = unbelievable
福爾哈貝公式也一樣：你不需要為每個 $p$ 值重新推導。只要知道伯努利數和二項式係數，一個公式就能算出所有次方和。
結構比記憶重要。 這句話我教了十幾年數學，每屆都重複一次，學生聽到耳朵長繭。但看到他們期末能把陌生的冪次和題目拆解出來，就覺得值得。
順帶一提，學數學跟學語言有個共同的陷阱：單字記太多、文法不熟，結果看到長句就崩潰。 福爾哈貝公式就是「文法」——掌握它，新題目只是換皮的單字。
常見錯誤
忘記伯努利數的正負號。 $B_1 = -\frac{1}{2}$，不是 $+\frac{1}{2}$。有些定義用 $B_1 = +\frac{1}{2}$，要確認你用的是哪種約定（見上面的提醒）。
搞混 $\sum k^p$ 和 $(\sum k)^p$。 前者是各項 $p$ 次方後相加，後者是先加再取 $p$ 次方。只有 $p=1$ 時兩者碰巧有關聯（$1^3+2^3+\cdots+n^3 = (1+2+\cdots+n)^2$）。我改過一份考卷，學生把這兩個寫反，整題零分——真的是一念之差。
以為公式對 $p=0$ 不成立。 $p=0$ 時，$\sum_{k=1}^n k^0 = n$，公式仍然成立（代入後簡化為 $n$），但要小心 $B_0$ 的定義邊界。
忽略求和範圍。 福爾哈貝公式是 $\sum_{k=1}^{n}$，從 1 開始。如果你要算 $\sum_{k=0}^{n}$，記得加上 $k=0$ 那一項（通常是 0，但要確認 $p=0$ 的情況）。
在複數根號題上粗心。 算 $\sum k^p$ 帶進去解方程時，常常冒出 $\sqrt{}$，這時要注意複數根的可能性（見 複數根號陷阱）。例如 $n(n+1)(2n+1) = 2310$ 這種三次方程，可能有實數根也有複數根，要選對的那一個。
歷史趣聞：紡織工之子
福爾哈貝（Johann Faulhaber, 1580–1635）是德國紐倫堡的一位紡織工人的兒子。他沒有受過正式的大學教育，卻靠自學成為當時最傑出的數學家之一，主要靠接城市工程案、替軍事工程師算火砲射程維生。他在 1631 年出版的《Academia Algebrae》裡列出了 $p=1$ 到 $p=17$ 的冪次和公式，而那時伯努利數還沒被正式定義。
伯努利（Jakob Bernoulli）在 1713 年的遺作《猜度術》（Ars Conjectandi）中才系統性地研究這些數字，把它們與冪次和聯繫起來。再過 22 年，尤拉（Euler）在 1735 年證明了 $\zeta(2k)$ 是有理數，且其分子分母都與伯努利數有關——這個結果震動了當時的數學界，因為它把離散求和跟無窮級數綁在一起。
數學史上經常這樣——公式以後來者命名，但真正的發現者可能更早。福爾哈貝比伯努利早了 80 多年，比尤拉早了 100 多年。就像哥倫布「發現」美洲，原住民早就住在那裡了。
另外，福爾哈貝還做過一件事：他寫過幾篇關於「數字神祕學」的論文，把冪次和跟聖經數字學掛勾——那個年代數學跟神學還沒分家，他既是數學家也是占星家。我們現在看覺得迷信，但那是 17 世紀的德國，宗教氛圍濃得化不開。
跟其他公式的連結
福爾哈貝公式不是孤島，它跟幾條主線都接得起來：
- $\zeta$ 函數：$\sum_{k=1}^{\infty} k^{-s}$ 跟 $\sum_{k=1}^{n} k^p$ 在 $p = -s$ 時形式對稱。伯努利數出現在 $\zeta(2k)$ 的封閉式裡。
- 排列組合：二項式係數 $\binom{p+1}{j}$ 已經出現在福爾哈貝裡，所以這條公式也算排列組合的延伸應用（見 排列組合）。
- 尤拉線：尤拉對福爾哈貝公式的「加工」是他很多工作的起點，沒有這條公式，就沒有後來尤拉線（見 尤拉線）那種乾淨的數學品味。
- 黎曼和：$\sum f(k/n) \cdot (1/n)$ 取極限就是 $\int_0^1 f(x) , dx$，冪次和是其中最單純的例子（見 黎曼與 FTC）。
四篇交叉引用剛好覆蓋「組合、人物、分析、積分」四個面向，串起來讀會比單篇看更有感覺。
延伸練習
- 用福爾哈貝公式計算 $\sum_{k=1}^{10} k^5$（提示：$B_0 = 1$，$B_1 = -1/2$，$B_2 = 1/6$，$B_4 = -1/30$）。
- 驗證 $\sum_{k=1}^{n} k^3 = \left(\sum_{k=1}^{n} k\right)^2$，用差分法寫一遍。
- 用數學歸納法證明 $\sum_{k=1}^{n} k^2 = \frac{n(n+1)(2n+1)}{6}$。
- （進階）證明 $\sum_{k=1}^{n} k^5 + \sum_{k=1}^{n} k^7 = 2 \left(\sum_{k=1}^{n} k^4\right)^2 / n^2$——這類「冪次和等式」在 Bernoulli 時代很紅。
- （研究所）推導 $\zeta(2) = \pi^2/6$ 為何跟福爾哈貝公式有關。
威威學長說：福爾哈貝沒有大學學歷，卻發現了連教授都覺得漂亮的公式。學歷不重要，好奇心才重要。我常跟學生講這個故事，講到後來自己也信了——真的，好奇心比學歷耐用太多了。
第二條證明路線：數學歸納法
差分法對學生來說算「捷徑」，但歸納法才是大多數人第一個學會的工具。讓我用 $\sum k^2$ 走一遍，剩下的 $k^p$ 你就能照抄。
基底步驟 $n=1$：左邊 $1^2 = 1$，右邊 $\frac{1 \cdot 2 \cdot 3}{6} = 1$。OK。
歸納假設：假設 $\sum_{k=1}^{n} k^2 = \frac{n(n+1)(2n+1)}{6}$ 對某個 $n$ 成立。
歸納步驟：要證對 $n+1$ 也成立。左邊拆成
$\sum_{k=1}^{n+1} k^2 = \frac{n(n+1)(2n+1)}{6} + (n+1)^2$
把 $(n+1)^2$ 通分後加上去，整理得 $\frac{(n+1)(n+2)(2n+3)}{6}$——正好是 $n$ 換成 $n+1$ 後的公式形式。證畢。
這個套路 $k^3$、$k^4$ 都能用，只是分母越來越醜——$k^3$ 的分母是 $4$，$k^4$ 是 $30$，$k^5$ 是 $12$。歸納法的缺點是：每升一次冪次就要重算一次。差分法只要把 $k^p$ 拆成階乘冪就能一次處理，福爾哈貝直接給你母函數，這就是結構的價值。
數值實驗：$n=5$ 的三個冪次和
光看公式容易眼花，實際算一遍才會記得牢。取 $n=5$：
| $k$ | $k=1$ | $k=2$ | $k=3$ | $k=4$ | $k=5$ | $\sum_{k=1}^{5}$ |
|---|---|---|---|---|---|---|
| $k$ | 1 | 2 | 3 | 4 | 5 | 15 |
| $k^2$ | 1 | 4 | 9 | 16 | 25 | 55 |
| $k^3$ | 1 | 8 | 27 | 64 | 125 | 225 |
逐條對公式：
- 一次方：$\frac{5 \cdot 6}{2} = 15$。對。
- 二次方：$\frac{5 \cdot 6 \cdot 11}{6} = \frac{330}{6} = 55$。對。
- 三次方：$\left(\frac{5 \cdot 6}{2}\right)^2 = 15^2 = 225$。對。
順便驗證那個「神奇等式」：$225 = 15^2$。也就是說 $1^3+2^3+3^3+4^3+5^3$ 剛好等於 $(1+2+3+4+5)^2$。眼睛看到數字對得起來，比讀十遍證明有用。
這個東西會在哪裡冒出來
學一個公式，最怕「學完不知道用在哪」。冪次和其實藏在你意想不到的地方。
機率與期望值。 丟一顆公正骰子 $n$ 次，點數和的期望值是 $\frac{7n}{2}$；點數平方和的期望值要用 $\sum k^2 = \frac{n(n+1)(2n+1)}{6}$ 來算。連抽樣變異數 $\text{Var}(X) = E(X^2) - [E(X)]^2$ 也躲不掉它。
黎曼和逼近積分。 $\int_0^1 x^p , dx = \frac{1}{p+1}$。如果用右端點黎曼和 $\frac{1}{n^{p+1}} \sum_{k=1}^{n} k^p$，極限剛好就是那個 $\frac{1}{p+1}$。換句話說，福爾哈貝公式告訴你「黎曼和離真實積分有多遠」——它是數值積分誤差分析的起點。
離散物理量。 前面提過的轉動慣量、靜電位能，都是連續模型被切成 $n$ 段後的 $\sum k^p$ 結構。福爾哈貝讓你能直接寫出 $n \to \infty$ 的漸近行為，而不是只給一個粗略的 big-O。
組合恆等式證明。 很多看起來神秘的等式（例如 $\sum_{k=1}^{n} k(k+1)(k+2) = \frac{n(n+1)(n+2)(n+3)}{4}$）都可以用福爾哈貝當跳板，兩邊都展開後比較係數，省去想破頭。
說到底，冪次和是「把多項式從離散世界搬到連續世界」的那座橋。
給讀者的小練習：自己導一次 $k=1$
先別看答案。試著用「頭尾配對」證明 $\sum_{k=1}^{n} k = \frac{n(n+1)}{2}$，寫在三行以內。
提示：把 $\sum_{k=1}^{n} k$ 跟 $\sum_{k=1}^{n} (n+1-k)$ 加起來。
答案：兩條和寫出來是同一組數字（$1+2+\cdots+n$ 跟 $n+(n-1)+\cdots+1$），所以 $2 \sum_{k=1}^{n} k = n(n+1)$，除以 $2$ 就得到公式。
這種「自我配對」的技巧在組合恆等式裡反覆出現，例如 $\sum k^3$ 的證明也能用類似手法把三次方拆開再配。會一次，後面就通了。
福爾哈貝那個年代 vs 現代
福爾哈貝活在 1580–1635 年——那是個什麼時代？伽利略還沒發明望遠鏡，笛卡兒還沒出生，微積分要等 80 年後才由牛頓跟萊布尼茲各自搞出來。他手算 $p=17$ 的冪次和係數，沒有計算機，沒有印刷符號標準化（甚至 $+$ 號都還沒普及），光是把答案寫下來就耗掉好幾頁羊皮紙。
今天我們打開 Python 三行就能驗到 $p=100$：
from sympy import symbols, summation
k, n = symbols('k n')
print(summation(k**5, (k, 1, n)))
五秒鐘的事。但福爾哈貝的價值不在「算得快」，而在「看出結構」。他發現這些係數之間有規律，這份洞察力放今天依然成立——只是我們的工具變了。
所以我常跟學生講：工具會迭代，結構不會過時。 你現在背的公式、AI 寫的程式碼，三十年後可能都換了一輪；但「冪次和有封閉解、而且係數由伯努利數決定」這件事，三百年後還是對的。把時間花在結構上，比花在算力上划算。
