莫比乌斯反演,欧拉反演学习笔记

(未更完)

算法中也就差点数论没学了,这几周卷了,学了一下,分享一下啊。

我会讲得详细一点,关于我不懂得地方,让新手更容易理解。

学习反演有很多定义啥的必须要记的,学的时候容易崩溃,所以希望大家能坚持下来。

 

第一个定义:

$\lfloor x\rfloor$:意思是小于等于 $x$ 的最大整数。

数论分块

学习反演之前,要先学习一些边角料,先来看数论分块(又名整除分块)。

最典型的一个例子是求 $\sum\limits_{i=1}^n \lfloor\frac{n}{i}\rfloor$,其中 $n\leq 10^{12}$。

首先,一个个循环 $i$ 显然会超时,所以考虑优化这个方法。

通过打表可以发现 $\lfloor\frac{n}{i}\rfloor$ 中有大部分值是相等的,且值的个数不超过 $2\sqrt{n}$。

函数图像长这样:

莫比乌斯反演,欧拉反演学习笔记

下面来证明一下:

当 $i\leq \sqrt{n}$ 时:$i$ 的取值一共 $\sqrt{n}$,所以不同的值不会超过 $\sqrt{n}$。

当 $i\geq \sqrt{n}$ 时:$\lfloor\frac{n}{i}\rfloor\leq\sqrt{n}$,所以不同的值也不会超过 $\sqrt{n}$。

那么就可以枚举 $\lfloor\frac{n}{i}\rfloor$ 的值来 $\sqrt{n}$ 计算了。

具体怎么做呢,我们发现值相同的数成块状分布,假如知道块的第一个是 $l$,那么块的最后一个就是 $n / (n / l)$(这里默认下取整)。

这个结论模拟一下就能懂,并且很好背。

代码(现场写的):

for (int l = 1, r; l <= n; l = r + 1) {
    r = n / (n / l);
    ans += (n / l) * (r - l + 1);
}

居然有个板子题,还是绿的:链接,别忘了开 $LL$ 啊。

数论分块的变形

形式一:

求 $\sum\limits_{i=1}^n$ $k$ $mod$ $i$。

显然:$k$ $mod$ $i=k-i\cdot\lfloor\frac{k}{i}\rfloor$。

化为:$\sum\limits_{i=1}^n$ $k-i\cdot\lfloor\frac{k}{i}\rfloor$。

$k$ 和循环内的变量无关,把它提出来得到:$n\cdot k-\sum\limits_{i=1}^ni\cdot\lfloor\frac{k}{i}\rfloor$

$\sum$ 里面的使用整除分块。这个整除分块怎么做呢?

在枚举 $\lfloor\frac{k}{i}\rfloor$ 时,假如一个块的左区间是 $l$,右区间是 $r$。

因为这一段 $\lfloor\frac{k}{i}\rfloor$ 的值相同,所以设它为 $x$

那么这一段的贡献就是 $l\cdot x + (l+1)\cdot x + (l+2)\cdot x +...+ r\cdot x$,

把 $x$ 提出来再用等差数列求和公式得到:

$(l + r) * (r - l + 1) / 2 * x$。另外注意 $\lfloor\frac{k}{l}\rfloor=0$ 时除数为 $0$,所以要特判,以及 $r$ 超过 $n$ 的情况。

代码(当然也是现场写的):

int ans = n * k;
for
(int l = 1, r; l <= n; l = r + 1) { if (k / l) r = min (n, k / (k / l) );
else break;// k / l 已经等于 0 了,乘上 0 不会对答案产生任何的贡献。 ans -= (r - l + 1) * (l + r) / 2 * (k / l); }

形式二:

给定 $n$,$m$,求 $\sum\limits_{i=1}^{\min(n,m)} \lfloor\frac{n}{i}\rfloor\lfloor\frac{m}{i}\rfloor$

由于 $\lfloor\frac{n}{i}\rfloor$ 的取值只有 $2\sqrt{n}$ 种,所以两者相乘,多了 $2\sqrt{n}$ 个取值,也就 $4\sqrt{n}$ 种。

之前,我们的 $r$ 设为 $n / (n / l)$,现在我们设为 $\min(n/(n / l), m / (m / l))$,代码如下:

for (int l = 1, r; l <= min (n, m); l = r + 1) {
    r = min (n / (n / l), m / (m / l) );
    ans += (r - l + 1) * (n / l) * (m / l);
}

形式三:

求 $\sum\limits_{i=1}^n f(i)\cdot \lfloor\frac{n}{i}\rfloor$。

受形式一的启发,为 $f$ 函数预处理前缀和,处理答案的时候,还是分配律。

代码大家可以自己探究一下。

数论分块例题:

第一题:

$P3935$ $Calculating$:若 $x$ 分解质因数结果为 $x=p_1^{k_1}p_2^{k_2}\cdots p_n^{k_n}$,令$f(x)=(k_1+1)(k_2+1)\cdots (k_n+1)$,求 $\sum_{i=l}^rf(i)$ 对 $998\,244\,353$ 取模的结果。

思路:

首先容斥一下,只要求 $1$ ~ $r$ 的 $f$ 和然后减下 $1$ ~ $l-1$ 的就行。

先看 $(k_1+1)(k_2+1)\cdots (k_n+1)$,这个东西其实就是 $x$ 的因数个数。

粗略证明一下:每个 $k$ 次方我们可以选择 $0$~$k$ 次方乘到数 $t$ 上,

这样构造的数 $t$ 互不相同且一一对应 $x$ 的因数。

那么就成了 $\sum\limits_{i=1}^n d(i)$,$d(i)$ 表示 $i$ 的因数个数。

再来看怎么求这个,枚举因数 $k$,它在 $1$ ~ $n$ 中成为因数的个数就是 $\lfloor\frac{n}{k}\rfloor$。

$k$ 可以取任意的 $1$ ~ $n$ 的整数,于是就成了:

$\sum\limits_{i=1}^n \lfloor\frac{n}{i}\rfloor$,这不就是数论分块吗,$O(\sqrt{n})$ 解决了,别忘了最终答案要 $f(r)-f(l-1)$。

代码:

#include <iostream>
const long long mod = 998244353;
using namespace std;
long long l, r, x, y;
long long f (long long n) {
    long long ret = 0;
    l = 1;
    for (; l != n + 1; l = r + 1) {
        r = n / (n / l);
        ret = (ret + (r - l + 1) * (n / l) % mod) % mod;
    }
    return ret;
}
int main () {
    scanf ("%lld%lld", &x, &y);
    printf ("%d", ( ( (f (y) - f (x - 1) ) % mod + mod) % mod) );
    return 0;
}

第二题:

拓展题:$P2260$ 模积和,这个需要用 $1$ ~ $i$ 平方和公式,等差数列求和公式,和超级繁琐的数论分块。

想要钻研的同学们可以去做一下。

代码:

#include <iostream>
const int mod = 19940417, inv6 = 3323403;
using namespace std;
long long x, y, l, r;
long long f (long long n, long long m) {//求解 sum (i = 1 to n) i * 下取整 (m / i) 的值
    long long ret = 0; l = 1;
    for (; l != n + 1; l = r + 1) {
        if (m / l) r = min (n, m / (m / l) );
        else break;
        ret = (ret + (l + r) * (r - l + 1) / 2 % mod * (m / l) % mod) % mod;
    }
    return ret;
}
long long sum (long long n) {return n * (n + 1) % mod * (2 * n + 1) % mod * inv6 % mod;}
long long fun (long long n, long long m) {//求解 sum (i = 1 to n) i ^ 2 * 下取整 (n / i) * 下取整 (m / i) 的值 
    long long ret = 0; l = 1;
    for (; l <= min (n, m); l = r + 1) {
        r = min (n / (n / l), m / (m / l) );
        ret = (ret + (sum (r) - sum (l - 1) ) * (m / l) % mod * (n / l) % mod) % mod;
    }
    return ret;
}
int main () {
    cin >> x >> y;
    if (x > y) swap (x, y);
    cout << ( (x * x % mod - f (x, x) ) * (y * y % mod - f (y, y) ) % mod -
    (x * x % mod * y % mod - y * f (x, x) % mod - x  * f (x, y) % mod + fun (x, y) ) % mod + mod) % mod;
    return 0;
}

一些有用的定义:

数论函数:值域定义在正整数上的函数。

积性函数:对于任何两个正整数$p$,$q$,都满足 $\gcd(p,q)=1$ 且 $f(p) \cdot f(q) = f(p\cdot q)$ 的数论函数 $f(n)$。

完全积性函数:对于任何两个正整数 $p$,$q$,都满足 $f(p)\cdot f(q)=f(p\cdot q)$ 的数论函数 $f(n)$。

艾弗森括号:形如 $[P]$,其中 $P$ 是一个命题,若为真,则返回值为 $1$,否则返回 $0$。

常见的积性函数:

单位函数 $ϵ(n)=[n=1]$。

幂函数 $Id^k(n)=n^k$,$Id^1(n)$ 通常就记为 $Id(n)$。

常值函数 $1(n)=1$。

 

因数个数函数 $d(n)=\sum\limits_{d|n} 1$

因数 $k$ 次方和函数 $\sigma_k(n)=\sum\limits_{d|n} d^k$,$k=0$ 时为因数个数,$k=1$ 时为因数和。

 

欧拉函数 $φ(n)=\sum\limits_{i=1}^n [\gcd(i,n)=1]$

莫比乌斯函数 $\mu (n):$ 分三种情况:

$n=1$:$\mu (n)=1$

$n$ 含有平方因子:$\mu(n)=0$

否则为 $(-1)^k$,$k$ 为 $n$ 不同质因子个数。

 

如果一个函数是积性函数,那么可以对其线性筛。

这些现在大家可能觉得没什么用,待会儿就知道了。

 

狄利克雷卷积:

我们定义两个数论函数 $f,g$ 在 $n$ 的狄利克雷卷积为:

$(f\times g)(n)=\sum\limits_{d|n} f(d)\cdot g(\frac{n}{d})$

性质满足交换律,结合律,分配律。

 

简单反演:

反演:如果一些数论函数较难求得,但是可以求出它的因数个数,因数和等,可以用反演简化运算。

目前我知道的反演有两种:莫比乌斯反演,欧拉反演。

很多题目两种反演都可以用,下面我们先来介绍一下这两个的主要内容吧。

莫比乌斯反演:

$[n=1]=\sum\limits_{d|n} \mu(d)$,意思是一个数所有因数的 $\mu$ 和等于这个数是否为 $1$。

更直白的说:如果 $n$ 为 $1$,那么 $\sum\limits_{d|n} \mu(d) = 1$,否则为 $0$。

欧拉反演:

$n=\sum\limits_{d|n} φ(n)$,一个数等于这个数所有因数的 $φ$ 和,证明过程太长,大家请自行 BFS。

例题:

了解了两种反演后,我们来做几道例题。

第一题:

求 $\sum\limits_{i=1}^n\sum\limits_{j=1}^m \gcd(i,j)$ 模 $998244353$ 的结果,以下全部假设 $n\leq m$。

首先,暴力是 $n^2\log n$ 的,过不了,考虑使用反演。

T1欧拉反演做法:

原式 $=\sum\limits_{i=1}^n\sum\limits_{j=1}^m\sum\limits_{d|i,d|j} φ(d)$,

注意这里如果一个数既是 $i$ 的因数又是 $j$ 的因数,那么它就是 $\gcd(i,j)$ 的因数。

内层循环和 $d$ 无关,我们可以把 $d$ 弄出来枚举因数得到:

$\sum\limits_{d=1}^n\sum\limits_{i=1}^n\sum\limits_{j=1}^m [d|i,d|j] φ(d)$,这一步 $d$ 相当于枚举所有 $\gcd(i,j)$ 的因数。

$phi(d)$ 与内层循环无关,可以用分配律提出来得到:$\sum\limits_{d=1}^n φ(d)\sum\limits_{i=1}^n\sum\limits_{j=1}^m [d|i,d|j]$。

然后发现内两层循环就是求倍数个数,很容易求得,$d$ 确定时,$[d|i,d|j]$ 的个数就是 $\lfloor\frac{n}{d}\rfloor\lfloor\frac{m}{d}\rfloor$。

所以原式进一步化为:$\sum\limits_{d=1}^n φ (d)\lfloor\frac{n}{d}\rfloor\lfloor\frac{m}{d}\rfloor$,使用整除分块和杜教筛能做到 $n^{\frac{2}{3}}$,

当然,一般题目不会有这么大的数据范围,线性筛就够用了。

代码(内含线性筛 $φ$ 的解释):

#include <iostream>
#define int long long
using namespace std;
const int mod = 998244353;
int n, m, ans, cnt;
bool prime[1000005];
int primes[300005], phi[1000005];
void init () {
    phi[1] = 1;
    for (int i = 2; i <= 1000000; i ++){
        if (! prime[i]) {
            primes[++ cnt] = i;
            phi[i] = i - 1;//i 是质数,1 ~ i - 1 都和它互素 
        }
        for (int j = 1; j <= cnt && i * primes[j] <= 1000000; j ++) {
            prime[i * primes[j] ] = true;
            if (i % primes[j] == 0) {
                phi[i * primes[j] ] = phi[i] * primes[j];//i 是 primes[j] 的倍数,此时 phi[i * primes[j] ] = phi[i] * primes[j]。
                break;
            }
            phi[i * primes[j] ] = phi[i] * (primes[j] - 1);//i 和 primes[j] 互素,根据积性函数定义。
            //phi[i * primes[j] ] = phi[i] * phi[primes[j] ],即 phi[i] * (primes[j] - 1)。
        }
        phi[i] = (phi[i] + phi[i - 1]) % mod;//预处理前缀和 + 取模。
    }
}
signed main () {
    init ();
    cin >> n >> m;
    if (n > m) swap (n, m);
    for (int l = 1, r; l <= n; l = r + 1) {//整除分块。
        r = min (n / (n / l), m / (m / l) );
        ans = (ans + (phi[r] - phi[l - 1]) * (n / l) % mod * (m / l) % mod) % mod;
    }
    cout << ans;
    return 0;
}

T1莫比乌斯反演做法:

$\sum\limits_{d=1}^n d \cdot \sum\limits_{i=1}^n\sum\limits_{j=1}^m [\gcd(i,j)==d]$

若 $\gcd(i,j)=d$,那么 $\gcd(i/d,j/d)=1$。

化为 $\sum\limits_{d=1}^n d\cdot \sum\limits_{i=1}^{\lfloor\frac{n}{d}\rfloor}\sum\limits_{j=1}^{\lfloor\frac{m}{d}\rfloor}[\gcd(i,j)==1]$

此时使用莫反:$\sum\limits_{d=1}^n d\cdot\sum\limits_{i=1}^{\lfloor\frac{n}{d}\rfloor}\sum\limits_{j=1}^{\lfloor\frac{m}{d}\rfloor}\sum\limits\sum\limits_{x|i,x|j} \mu(x)$

枚举 $x$ 把 $\mu(x)$ 提出得:$\sum\limits_{d=1}^n d\cdot\sum\limits_{x=1}^m \mu(x) \cdot\sum\limits_{i=1}^{\lfloor\frac{n}{d}\rfloor}\sum\limits_{j=1}^{\lfloor\frac{m}{d}\rfloor}[x|i,x|j]$

内两层循环也是求倍数个数,化简为 $\lfloor\frac{n}{xd}\rfloor\lfloor\frac{m}{xd}\rfloor$

原式化为:$\sum\limits_{d=1}^n d\cdot\sum\limits_{x=1}^{\lfloor\frac{m}{d}\rfloor} \mu(x) \cdot\lfloor\frac{n}{xd}\rfloor\lfloor\frac{m}{xd}\rfloor$,把 $x$ 换成 $T$ 美观一些:

$\sum\limits_{d=1}^n d\cdot\sum\limits_{T=1}^{\lfloor\frac{m}{d}\rfloor} \mu(T) \cdot\lfloor\frac{n}{Td}\rfloor\lfloor\frac{m}{Td}\rfloor$

线性筛 $\mu$ 然后调和级数 $O(n\log n)$ 可以求得。(默认 $n$,$m$ 同阶。枚举 $Td$ 可以转换成欧拉反演,$O(n)$ 求)

(后面我将不再详细介绍每一步反演的过程,仅仅选择重要的几步介绍。)

线性筛 $\mu$ 的代码:

#include <iostream>
using namespace std;
int cnt;
int primes[300005], mu[1000005];
bool primes[1000005];
int main () {
    for (int i = 2; i <= 1000000; i ++) {
        if (!prime[i]) {
            primes[++ cnt] = i;
            mu[i] = -1;//仅有一个质因子,它本身。注意:1不是质数。
        }
        for (int j = 1; j <= cnt && i * primes[j] <= 1000000; j ++) {
            prime[i * primes[j] ] = true;
            if (i % primes[j] == 0) {
                mu[i * primes[j] ] = 0;//含有平方因子 primes[j] * primes[j]。
                break;
            }
            mu[i * primes[j] ] = -mu[i];//多了一个因子 primes[j],乘上 -1,或者根据积性函数的定义。
        }
    }
    return 0;
}

第二题:

$2.$ 求 $\sum\limits_{i=1}^n\sum\limits_{j=1}^m [\gcd(i,j)==1]$

这题貌似只能用莫比乌斯反演,大家可以先自己尝试一下,这个比较简单。

T2莫比乌斯反演做法:

$\sum\limits_{i=1}^n\sum\limits_{j=1}^m [\gcd(i,j)==1]$,以下设 $n<m$

$=\sum\limits_{i=1}^n\sum\limits_{j=1}^m\sum\limits_{d|i,d|j} \mu(d)$

$=\sum\limits_{d=1}^n\mu(d)\cdot \sum\limits_{i=1}^n\sum\limits_{j=1}^m [d|i,d|j]$

$=\sum\limits_{d=1}^n\mu(d)\cdot \lfloor\frac{n}{d}\rfloor\lfloor\frac{m}{d}\rfloor$

预处理 $\mu$ 前缀和 $O(n)$ 加整除分块单次 $\sqrt{n}$。

(可能大家觉得整除分块可以不用,因为时间复杂度瓶颈在线性筛。但是学了杜教筛之后,这题的数据范围就可以到 $10^{10}$ 卡线性筛)

第三题:

$3.$ 求 $\sum\limits_{i=1}^n\sum\limits_{j=1}^m f(\gcd(i,j) )$,其中 $f$ 是数论函数。

这题也不能用欧拉反演做,因为 $f$ 是个函数,并不知道因数个数,只能枚举 $\gcd$

T3莫比乌斯反演做法:

$\sum\limits_{i=1}^n\sum\limits_{j=1}^m f(\gcd(i,j) )$

$=\sum\limits_{d=1}^n f(d)\cdot\sum\limits_{i=1}^n\sum\limits_{j=1}^m [\gcd(i,j)==d]$

$=\sum\limits_{d=1}^n f(d)\cdot\sum\limits_{i=1}^{\lfloor\frac{n}{d}\rfloor}\sum\limits_{j=1}^{\lfloor\frac{m}{d}\rfloor}[\gcd(i,j)==1]$

$=\sum\limits_{d=1}^n f(d)\cdot\sum\limits_{i=1}^{\lfloor\frac{n}{d}\rfloor}\sum\limits_{j=1}^{\lfloor\frac{m}{d}\rfloor}\sum\limits_{x|i,x|j}\mu(x)$

$=\sum\limits_{d=1}^n f(d)\sum\limits_{x=1}^{\lfloor\frac{n}{d}\rfloor}\mu(x) \cdot\sum\limits_{i=1}^{\lfloor\frac{n}{d}\rfloor}\sum\limits_{j=1}^{\lfloor\frac{m}{d}\rfloor}[x|i,x|j]$

$=\sum\limits_{d=1}^n f(d)\sum\limits_{x=1}^{\lfloor\frac{n}{d}\rfloor}\mu(x) \cdot\lfloor\frac{n}{dx}\rfloor\lfloor\frac{m}{dx}\rfloor$

枚举 $dx$,令其 $=T$ 得:

$=\sum\limits_{T=1}^n\sum\limits_{x|T} f(\frac{T}{x})\cdot \mu(x)\cdot\lfloor\frac{n}{T}\rfloor\lfloor\frac{m}{T}\rfloor$

内层 $\sum$ 提出来。

$=\sum\limits_{T=1}^n \lfloor\frac{n}{T}\rfloor\lfloor\frac{m}{T}\rfloor\sum\limits_{x|d}f(\frac{T}{x})\cdot \mu(x)\cdot$

然后发现是个狄利克雷卷积。

$=\sum\limits_{T=1}^n \lfloor\frac{n}{T}\rfloor\lfloor\frac{m}{T}\rfloor (f\cdot \mu) (T)$

预处理 $O(n)$ 加整除分块单次询问 $\sqrt{n}$。

第四题:

P3327 [SDOI2015]约数个数和

设 $d(x)$ 为 $x$ 的约数个数,给定 $n,m$,求 $\sum_{i=1}^n\sum_{j=1}^md(i\cdot j)$。

我会尽量写的详细些。

$\sum\limits_{i=1}^n\sum\limits_{j=1}^m d(i\cdot j)$($n < m$)

$=\sum\limits_{i=1}^n\sum\limits_{j=1}^m \sum\limits_{x|i}\sum\limits_{y|j} [\gcd(x,y)=1]$(特殊性质,证明看那题的题解)

$=\sum\limits_{i=1}^n\sum\limits_{j=1}^m \sum\limits_{x=1}^n\sum\limits_{y=1}^m[x|i,y|j,\gcd(x,y)=1]$

$=\sum\limits_{x=1}^n\sum\limits_{y=1}^m \sum\limits_{i=1}^n\sum\limits_{j=1}^m[x|i,y|j,\gcd(x,y)=1]$

$=\sum\limits_{x=1}^n\sum\limits_{y=1}^m \lfloor\frac{n}{x}\rfloor\lfloor\frac{m}{y}\rfloor[\gcd(x,y)=1]$

$=\sum\limits_{x=1}^n\sum\limits_{y=1}^m \lfloor\frac{n}{x}\rfloor\lfloor\frac{m}{y}\rfloor\sum\limits_{d|x,d|y}\mu(d)$

$=\sum\limits_{d=1}^n\sum\limits_{x=1}^n\sum\limits_{y=1}^m\lfloor\frac{n}{x}\rfloor\lfloor\frac{m}{y}\rfloor[d|x,d|y]\cdot \mu(d)$

$=\sum\limits_{d=1}^n\mu(d)\sum\limits_{x=1}^n\sum\limits_{y=1}^m\lfloor\frac{n}{x}\rfloor\lfloor\frac{m}{y}\rfloor[d|x,d|y]$

枚举 $x$ $y$,改为枚举 $x\cdot d$,$y\cdot d$。这个一定被 $d$ 整除,可以去掉这个棘手的条件了。

$=\sum\limits_{d=1}^n\mu(d)\sum\limits_{x=1}^{\lfloor\frac{n}{d}\rfloor}\sum\limits_{y=1}^{\lfloor\frac{m}{d}\rfloor}\lfloor\frac{n}{xd}\rfloor\lfloor\frac{m}{dy}\rfloor$

$=\sum\limits_{d=1}^n\mu(d)(\sum\limits_{x=1}^{\lfloor\frac{n}{d}\rfloor}\lfloor\frac{n}{xd}\rfloor\cdot\sum\limits_{y=1}^{\lfloor\frac{m}{d}\rfloor}\lfloor\frac{m}{dy}\rfloor)$

大家可能还没发现后面可以用整除分块,我们令 $n'=\lfloor\frac{n}{d}\rfloor$,$m'=\lfloor\frac{m}{d}\rfloor$。

这下一目了然,$=\sum\limits_{d=1}^n\mu(d)(\sum\limits_{x=1}^{n'} \lfloor\frac{n'}{x}\rfloor\cdot \sum\limits_{y=1}^{m'} \lfloor\frac{m'}{y}\rfloor)$。

注意这里 $\sum\limits_{x=1}^{n'} \lfloor\frac{n'}{x}\rfloor\cdot \sum\limits_{y=1}^{m'} \lfloor\frac{m'}{y}\rfloor$ 和 $\sum\limits_{x=1}^{n'} \lfloor\frac{n'}{x}\rfloor \sum\limits_{y=1}^{m'} \lfloor\frac{m'}{y}\rfloor$ 的区别:一个是两者相乘,另一个是 $\sum$ 套 $\sum$。

我们再来讲一下这个东西怎么整除分块:$n'=\lfloor\frac{n}{d}\rfloor$,$m'=\lfloor\frac{m}{d}\rfloor$,不难发现大量 $n'$,$m'$ 相同,内层还有一个整除分块。

这时有两个选择,两层整除分块:$n^{\frac{3}{4}}$

预处理 $n=1$ ~ $50000$ 时,$\sum\limits_{i=1}^n\lfloor\frac{n}{i}\rfloor$。

怎么预处理呢?我们发现 $\sum\limits_{i=1}^n\lfloor\frac{n}{i}\rfloor=\sum\limits_{i=1}^n d(i)$,这个在整除分块例题的时候证明过,线性筛 $d$ 函数就行了。

预处理 $\mu$,$d$ 函数的前缀和 $O(n)$ 再加上整除分块单次询问 $O(\sqrt{n})$,可以通过此题。

代码(内含线性筛 $d$ 函数的解释):

UPD on 2023/04/05:今天突然发现算内层整除分块时顺便记忆化也可以,还更方便,虽然是 $\sqrt{n}$ 的,但是比两层整除分块快些。

$O(n)$ 预处理 $+\sqrt{n}$ 单次询问代码:(??? 随便一写竟然跑到最优解第一页的末尾。)

#include <iostream>
using namespace std;
int T, n, m;
int cnt;
long long mu[50005], num[50005], sigma[50005], primes[20005];//num[i] 表示 i 最小质因子的数量,看到后面注释就能明白 
bool prime[50005];
void init () {
    mu[1] = sigma[1] = 1;
    for (int i = 2; i <= 50000; i ++) {
        if (!prime[i]) {
            primes[++ cnt] = i;
            sigma[i] = 2;//素数有两个约数,它本身和 1
            mu[i] = -1;
            num[i] = 1;
        }
        for (int j = 1; j <= cnt && i * primes[j] <= 50000; j ++) {
            prime[i * primes[j] ] = true;
            if (i % primes[j] == 0) {
                mu[i * primes[j] ] = 0;//有平方因子 
                sigma[i * primes[j] ] = sigma[i] / (num[i] + 1) * (num[i] + 2);
                /*设 i 被分解后各项的次方分别是:a_1,a_2,a_3...a_n。(底数从小到大排列的)
                在整除分块例题中证明过 d[i] = (a_1 + 1) * (a_2 + 1) * ... * (a_n + 1)
                现在多了一个最小质因数,d[i * primes[j] ] = (a_1 + 2)  * (a_2 + 1) * ... * (a_n + 1)
                所以我们需要记录 a_1,也就是最小质因子的数量。
                */
                num[i * primes[j] ] = num[i] + 1;//那么最小质因子的数量显然加上一
                break;
            }
            mu[i * primes[j] ] = -mu[i];
            sigma[i * primes[j] ] = sigma[i] * 2;//i 所有的因子乘上 primes[j] 可以构造出新的因子。 
            num[i * primes[j] ] = 1;//primes[j] 是 i * primes[j] 的最小质因数。
            //而 i % primes[j] != 0,所以 num[i * primes[j] ] = 1
        }
        sigma[i] += sigma[i - 1];//预处理前缀和
        mu[i] += mu[i - 1]; 
    }
}
int f (int x) {return sigma[x];}//求解 Σ下取整 (x/i),根据刚刚的推论,它就等于 sigma[1] +... + sigma[x] 
int main () {
    init ();
    scanf ("%d", &T);
    while (T --) {
        long long ans = 0;
        scanf ("%d%d", &n, &m);
        if (n > m) swap (n, m);
        for (int l = 1, r; l <= n; l = r + 1) {//整除分块 
            r = min (n / (n / l), m / (m / l) );
            ans += long (mu[r] - mu[l - 1]) * f (n / l) * f (m / l);
            //这一段 n' m' 的值是一样的,可以把 mu 提出来用前缀和。 
        }
        printf ("%lld\n", ans);
    }
    return 0;
}

 记忆化代码:

#include <iostream>
using namespace std;
int T, n, m, cnt;
int mem[50005];
long long primes[50005], mu[50005];
bool prime[50005];
void init () {
    mu[1] = 1;
    for (int i = 2; i <= 50000; i ++) {
        if (!prime[i]) {
            primes[++ cnt] = i;
            mu[i] = -1;
        }
        for (int j = 1; j <= cnt && i * primes[j] <= 50000; j ++) {
            prime[i * primes[j] ] = true;
            if (i % primes[j] == 0) break;
            mu[i * primes[j] ] = -mu[i];
        }
        mu[i] += mu[i - 1];
    }
}
long long f (int x) {
    if (mem[x]) return mem[x];
    for (int l = 1, r; l <= x; l = r + 1) {
        r = x / (x / l);
        mem[x] += (r - l + 1) * (x / l);
    }
    return long (mem[x]);
}
int main () {
    init ();
    scanf ("%d", &T);
    long long ans;
    while (T --) {
        ans = 0;
        scanf ("%d%d", &n, &m);
        if (n > m) swap (n, m);
        for (int l = 1, r; l <= n; l = r + 1) {
            r = min (n / (n / l), m / (m / l) );
            ans += long (mu[r] - mu[l - 1]) * f (n / l) * f(m / l);
        }
        printf ("%lld\n", ans);
    }
    return 0;
}

总结:

反演时通常考虑枚举一个数,然后快速求出因数个数啥的;

如果不能继续反演,可以考虑枚举两个数相乘啥的,就能从绝境中走出。

反演时两种都试一下,选择最好写,时间复杂度合适的算法。

杜教筛:

杜教筛也是反演的基础,我们先来了解一下它吧。

介绍:

杜教筛三问:名字怎么来的?有什么用?时间复杂度如何?

$1.$ 由一位姓杜的学长初次在国内使用并传开,后引用他的名字命名这个算法。

$2.$ 可以在非线性时间内求解积性函数 $f$ 前 $n$ 项的和。

$3.$ 不加预处理,时间复杂度 $O(n^\frac{3}{4})$,加上预处理 $O(n^\frac{2}{3})$。

(大家可能觉得 $n^{\frac{1}{3}}$ 和 $O(n)$ 差距很小,事实上,在 $n=2^{31}$ 时,两者相差将近 $1300$ 倍!)

例题:

P4213 【模板】杜教筛(Sum)

给定一个正整数,求:$ans_1=\sum_{i=1}^n φ(i)$,$ans_2=\sum_{i=1}^n \mu(i)$

我们一边讲题一边介绍杜教筛吧。

考虑构造数论函数使 $f\times g = h$,并且设我们要求的函数是 $f$ 的前缀和,尝试化简它。

$\sum\limits_{i=1}^n\sum\limits_{d|i} g(d)f(\frac{n}{d})= \sum\limits_{i=1}^n h(i)$

枚举 $d$ 得:$\sum\limits_{d=1}^n g(d)\sum\limits_{i=1}^n [d|i]f(\frac{i}{d})$

内层 $\sum$ 可以化简,枚举 $id$。$\sum\limits_{d=1}^n g(d)\sum\limits_{i=1}^{\lfloor\frac{n}{d}\rfloor} f(i)$

所以 $\sum\limits_{d=1}^n g(d) \sum\limits_{i=1}^{\lfloor\frac{n}{d}\rfloor} f(i)=\sum\limits_{i=1}^n h(i)$

然后把 $d=1$ 时拆开得到:$g(1)\sum\limits_{i=1}^n f(i) + \sum\limits_{d=2}^n g(d) \sum\limits_{i=1}^{\lfloor\frac{n}{d}\rfloor} f(i)=\sum\limits_{i=1}^n h(i)$

设 $s(i)=f(1)+f(2)+...+f(i)$

又化简为 $s(n)g(1) + \sum\limits_{d=2}^n g(d) s(\lfloor\frac{n}{d}\rfloor)=\sum\limits_{i=1}^n h(i)$

所以 $s(n)=\frac{\sum\limits_{i=1}^n h(i) - \sum\limits_{d=2}^n g(d) s(\lfloor\frac{n}{d}\rfloor)}{g(1)}$,这个就是杜教筛公式了。

后面可以整除分块,前面 $h$ 函数前缀和我们只要构造 $O(\sqrt{n})$ 以内可求前缀和的 $h$ 函数就行了(瓶颈在后面的 $\sqrt{n}$)。

加上记忆化,时间复杂度为 $n^\frac{3}{4}$,预处理 $k$ 以内的 $s$ 便可做到 $T(n)=O(k)+O(\frac{n}{\sqrt{k}})$,$k$ 取 $n^\frac{2}{3}$ 时最优,时间复杂度为 $n^\frac{2}{3}$。

求 $φ$ 前 $n$ 项和:

取 $g=1$ (常值函数 $1(n)=1$),因为 $f$ 是 $φ$ 函数。根据欧拉反演,$φ\times 1 = Id^1$,所以 $h=Id^1$,这些都很好求。

带回得到 $s(n)=\frac{\sum\limits_{i=1}^n i - \sum\limits_{d=2}^n (s(\lfloor\frac{n}{d}\rfloor)\cdot 1)}{1}$。

进一步化简得到:$s(n)=\frac{(n + 1)\cdot n}{2} - \sum\limits_{d=2}^n s(\lfloor\frac{n}{d}\rfloor)$。

代码:

int sum_phi (int n) {//求 s(n) 的值
    if (n <= b) return s[n];//提前筛好的
    if (map[n]) return map[n];//记忆化
    int ans = n * (n + 1) / 2;
    for (int l = 2, r; l <= n; l = r + 1) {//整除分块
        r = n / (n / l);
        ans -= sum_phi (n / l) * (r - l + 1);
    }
    return map[n] = ans;//记忆化
}

求 $\mu$ 前 $n$ 项和:

依然取 $g=1$,$f$ 当然取 $\mu$ 函数。根据莫比乌斯反演,$\mu \times 1 = ϵ$,所以 $h=ϵ$,也很好求。

化简为 $s(n)=1-\sum\limits_{d=2}^n s(\lfloor\frac{n}{d}\rfloor)$。

int sum_mu (int n) {
    if (n <= b) return s[n];
    if (map[n]) return map[n];
    int ans = 1;
    for (int l = 2, r; l <= n; l = r + 1) {
        r = n / (n / l);
        ans -= sum_phi (n / l) * (r - l + 1) / 2;
    }
    return map[n] = ans;//记忆化
}

 例题:

恭喜你已经学完了大部分反演的内容,我们做几道例题。

 

原文链接:https://www.cnblogs.com/Xy-top/p/17277405.html

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:莫比乌斯反演,欧拉反演学习笔记 - Python技术站

(0)
上一篇 2023年4月17日
下一篇 2023年4月17日

相关文章

  • python实现ROA算子边缘检测算法

    下面是详细讲解“Python实现ROA算子边缘检测算法”的完整攻略,包括ROA算子的定义、ROA算子的实现、ROA算子的应用和两个示例说明。 ROA算子定义 ROA算子是一种基于局部方向性的边缘检测算法,它可以检测出图像中的边缘,并且可以保留边缘的方向信息。ROA算子的核心思想是在图像中寻找像素点的局部方向,并将其与周围像素点的方向进行比较,从而确定该像素点…

    python 2023年5月14日
    00
  • Java数据结构之优先级队列(PriorityQueue)用法详解

    Java数据结构之优先级队列(PriorityQueue)用法详解 什么是优先级队列? 优先级队列(Priority Queue)是一种特殊的队列,它能够保证每次取出的元素都是优先级最高(或者最低)的元素。在实际应用中,优先级队列经常用来实现任务调度,负载均衡等。 Java中的优先级队列 在Java中,优先级队列实现了Queue接口,所以它也具有队列的基本特…

    数据结构 2023年5月17日
    00
  • Python描述数据结构学习之哈夫曼树篇

    Python描述数据结构学习之哈夫曼树篇攻略 简介 本篇攻略旨在介绍哈夫曼树的概念、构建方法和应用场景,并结合Python代码进行演示。 哈夫曼树概念 哈夫曼树(Huffman Tree)又称最优树,它是一种带权路径长度最短的树。所谓带权路径长度,就是每个节点的权值乘以其到根节点的路径长度(即树的层数)之和。哈夫曼树广泛应用于数据压缩领域。 哈夫曼树构建方法…

    数据结构 2023年5月17日
    00
  • python实现树的深度优先遍历与广度优先遍历详解

    下面是详细讲解“Python实现树的深度优先遍历与广度优先遍历详解”的完整攻略。 1. 什么是树 树是一种非线性数据结构,它由若干个节点组成,每个节点可以有若干个子节点。树节点之间存在一种层次关系,其中上面的节点称根节点,最下面的节点称为叶子节点。 2. 树的遍历 树的遍历是指按照一定的顺序访问树的所有节点。常见的树的遍历方式有深度优先历和广度优先遍历。 2…

    python 2023年5月14日
    00
  • Python实现遗传算法(二进制编码)求函数最优值方式

    下面是详细讲解“Python实现遗传算法(二进制编码)求函数最优值方式”的完整攻略,包括算法原理、Python实现和两个示例。 算法原理 遗传算法是一种基于自然选择和遗传机制的优化算法,其主要思想是通过模拟生物进化过程,寻找最优解。在二进制编码的遗传算法中,每个个体用一个二进制串表示,通过不断交叉、变异和选择操作,寻找最优解。 二进制编码的遗传算法的实现过程…

    python 2023年5月14日
    00
  • golang优先级队列的实现全过程

    下面是关于”golang优先级队列的实现全过程”的详细讲解。 什么是优先级队列? 优先级队列是一种常用的数据结构,它可以帮我们按照一定规则(即优先级)将元素按照大小排序,并支持快速插入、删除和查询最大或最小的元素等操作。我们可以将优先级队列想象成一个具有优先级的、自动排序的队列,其中优先级高的元素(比如数字大的元素)排在前面,优先级低的元素(比如数字小的元素…

    数据结构 2023年5月17日
    00
  • Python使用pyfinance包进行证券收益分析

    以下是关于“Python使用pyfinance包进行证券收益分析”的完整攻略: 简介 pyfinance是一个Python库,它提供了多种金融分析工具。pyfinance支持多种金融分析,例如收益分析、风险分析、投资组合分析等。本教程将介绍如何使用pyfinance库进行证券收益分析,并提供两个示例。 pyfinance库 pyfinance是一个Pytho…

    python 2023年5月14日
    00
  • 环形队列的实现 [详解在代码中]

    1 package DataStructures.Queue.Array.Exerice; 2 3 /** 4 * @author Loe. 5 * @project DataStructures&Algorithms 6 * @date 2023/5/8 7 * @ClassInfo 环形队列 8 * 主要使用取模的特性来实现环形特征 9 */ 1…

    算法与数据结构 2023年5月8日
    00
合作推广
合作推广
分享本页
返回顶部