Mobius 反演与杜教筛
积性函数
积性函数 指对于所有互质的整数 aaa 和 bbb 有性质 f(ab)=f(a)f(b)f(ab)=f(a)f(b)f(ab)=f(a)f(b) 的数论函数。
特别地,若所有的整数 aaa 和 bbb 有性质 f(ab)=f(a)f(b)f(ab)=f(a)f(b)f(ab)=f(a)f(b),则称这个函数 f(x)f(x)f(x) 是 完全积性函数。
常见积性函数及其性质
Mobius 函数。∀n∈N∗\forall n\in\N^*∀n∈N∗ 有 μ(n)={1,n=1(−1)k,n=∏i=1kpk,0,otherwise.\mu(n)=\begin{cases}1,n=1\\
(-1)^k,n=\prod_{i=1}^{k}{p_k},\\
0,\text{otherwise.}\end{cases}μ(n)=⎩⎪⎨⎪⎧1,n=1(−1)k,n=∏i=1kpk,0,otherwise.
其中 ppp 是互不相同的素数;Euler 函数。φ(n)\varphi(n)φ(n) 表示不大于 nnn 的、与 nnn 互素的数的个数;
约数个数函数。d(n)d(n)d(n) 表示 nnn 的约数个数;
约数和函数。σ(n)\sigma(n)σ(n) 表示 nnn 的约数之和。
完全积性函数
元函数。ϵ(x)=[x=1]\epsilon(x)=[x=1]ϵ(x)=[x=1]。
恒等函数。I(x)=1I(x)=1I(x)=1。所谓恒等就是函数值恒等于 111。
单位函数。id(n)=nid(n)=nid(n)=n。
Dirichlet (狄利克雷)卷积
两个数论函数 f(x),g(x)f(x),g(x)f(x),g(x) 的 Dirichlet 卷积h(x)=(f∗g)(x)=∑d∣xf(d)g(xd)h(x)=(f*g)(x)=\sum_{d|x}f(d)g(\frac xd)h(x)=(f∗g)(x)=d∣x∑f(d)g(dx)
显然,Dirichlet 卷积满足交换律、结合律、分配律。而且有f∗ϵ=ff*\epsilon=ff∗ϵ=f
Mobius 函数的性质
∀n∈N∗\forall n\in\N^*∀n∈N∗ 有 ∑d∣nμ(d)=ϵ(n)\sum_{d|n}\mu(d)=\epsilon(n)d∣n∑μ(d)=ϵ(n)即μ∗I=ϵ\mu*I=\epsilonμ∗I=ϵ
Euler 函数的性质
∀n∈N∗\forall n\in\N^*∀n∈N∗ 有 ∑d∣nφ(d)=n\sum_{d|n}\varphi(d)=nd∣n∑φ(d)=n即φ∗I=id\varphi*I=idφ∗I=id
Mobius 反演
Mobius 反演(莫比乌斯反演) 是数论数学中很重要的内容,可以用于解决很多组合数学的问题。
结论 设 f,gf,gf,g 为数论函数,且 f=∑d∣ng(d)f=\sum_{d|n}g(d)f=d∣n∑g(d)则g=∑d∣nμ(d)f(nd)g=\sum_{d|n}\mu(d)f(\frac nd)g=d∣n∑μ(d)f(dn)
证明: 易知f=g∗If=g*If=g∗I
左右两边同时卷上 μ\muμ,得f∗μ=g∗I∗μf*\mu=g*I*\muf∗μ=g∗I∗μ
因为 μ∗I=ϵ\mu*I=\epsilonμ∗I=ϵ,则有f∗μ=gf*\mu=gf∗μ=g即g=∑d∣nμ(d)f(nd)g=\sum_{d|n}\mu(d)f(\frac nd)g=d∣n∑μ(d)f(dn)原命题得证。
事实上,我们做题的时候主要用以下形式。
若F(x)=∑x∣df(d)F(x)=\sum_{x|d}f(d)F(x)=x∣d∑f(d)则有f(x)=∑x∣dμ(dx)F(d)f(x)=\sum_{x|d}\mu(\frac dx)F(d)f(x)=x∣d∑μ(xd)F(d)证明与上类似,此略。
杜教筛
杜教筛 是在低于线性的时间复杂度,求一个积性函数前缀和的算法。
(找不到定义,只好自己编一个)
和式的推导
今需计算积性函数 f(x)f(x)f(x) 的前缀和S(n)=∑i=1nf(i)S(n)=\sum_{i=1}^{n}{f(i)}S(n)=i=1∑nf(i)
为了解决这个问题,构造积性函数 g(x),h(x)g(x),h(x)g(x),h(x) 使f∗g=hf*g=hf∗g=h
则∑i=1nh(x)=∑i=1nf(x)∗g(x)=∑i=1n∑d∣nf(d)g(nd)=∑d=1ng(d)⋅∑i=1⌊nd⌋f(i)=∑d=1ng(d)⋅S(⌊nd⌋)=g(1)⋅S(n)+∑d=2ng(d)⋅S(⌊nd⌋)\begin{aligned}\sum_{i=1}^{n}h(x)&=\sum_{i=1}^{n}f(x)*g(x)\\
&=\sum_{i=1}^{n}\sum_{d|n}f(d)g(\frac nd)\\
&=\sum_{d=1}^{n}g(d)·\sum_{i=1}^{\lfloor\frac nd\rfloor}{f(i)}\\
&=\sum_{d=1}^n{g(d)}·S(\lfloor\frac nd\rfloor)\\
&=g(1)·S(n)+\sum_{d=2}^{n}g(d)·S(\lfloor\frac nd\rfloor)\end{aligned}i=1∑nh(x)=i=1∑nf(x)∗g(x)=i=1∑nd∣n∑f(d)g(dn)=d=1∑ng(d)⋅i=1∑⌊dn⌋f(i)=d=1∑ng(d)⋅S(⌊dn⌋)=g(1)⋅S(n)+d=2∑ng(d)⋅S(⌊dn⌋)
所以g(1)⋅S(n)=∑i=1nh(i)−∑d=2ng(d)⋅S(⌊nd⌋)g(1)·S(n)=\sum_{i=1}^{n}{h(i)}-\sum_{d=2}^{n}{g(d)·S(\lfloor\frac nd\rfloor)}g(1)⋅S(n)=i=1∑nh(i)−d=2∑ng(d)⋅S(⌊dn⌋)
那么问题来了,g,hg,hg,h 到底取什么呢?
例 1
求S(n)=∑i=1nμ(i)S(n)=\sum_{i=1}^{n}{\mu(i)}S(n)=i=1∑nμ(i)
由上面的套路,得g(1)⋅S(n)=∑i=1nh(x)−∑d=2ng(d)⋅S(⌊nd⌋)g(1)·S(n)=\sum_{i=1}^{n}{h(x)}-\sum_{d=2}^{n}{g(d)·S(\lfloor\frac nd\rfloor)}g(1)⋅S(n)=i=1∑nh(x)−d=2∑ng(d)⋅S(⌊dn⌋)
因为 μ∗I=ϵ\mu*I=\epsilonμ∗I=ϵ,所以不妨令 g=I,h=ϵg=I,h=\epsilong=I,h=ϵ 得
I(1)⋅S(n)=∑i=1nϵ(x)−∑d=2nI(d)⋅S(⌊nd⌋)S(n)=1−∑d=2nS(⌊nd⌋)\begin{aligned}I(1)·S(n)&=\sum_{i=1}^{n}{\epsilon(x)}-\sum_{d=2}^{n}{I(d)·S(\lfloor\frac nd\rfloor)}\\
S(n)&=1-\sum_{d=2}^{n}{S(\lfloor\frac nd\rfloor)}\end{aligned}I(1)⋅S(n)S(n)=i=1∑nϵ(x)−d=2∑nI(d)⋅S(⌊dn⌋)=1−d=2∑nS(⌊dn⌋)
例 2
求S(n)=∑i=1nφ(i)S(n)=\sum_{i=1}^{n}{\varphi(i)}S(n)=i=1∑nφ(i)
容易想到φ∗I=id\varphi*I=idφ∗I=id
由上面的套路得S(n)=∑i=1ni−∑d=2nS(⌊nd⌋)S(n)=\sum_{i=1}^{n}{i}-\sum_{d=2}^{n}{S(\lfloor \frac nd\rfloor)}S(n)=i=1∑ni−d=2∑nS(⌊dn⌋)
luogu 杜教筛模板
#include<cstdio>
#include<cstdlib>
#include<cstring>
#define reg register
typedef long long ll;
const int MAXN=5000010;
const int MOD=15e5+7;
int T,n;
bool vis[MAXN];
int p[MAXN];
int phi[MAXN];
int mu[MAXN];
ll S_phi[MAXN];
int S_mu[MAXN];
int Hmu[MOD+10];
ll Hphi[MOD+10];
int len=0;
void init(){
memset(vis,1,sizeof(vis));
vis[0]=vis[1]=0;phi[1]=mu[1]=1;
for(reg ll i=2;i<=MAXN;++i){
if(vis[i]){
p[++len]=i;
phi[i]=i-1;
mu[i]=-1;
}
for(reg int j=1;j<=len&&(i*p[j]<=MAXN);++j){
vis[i*p[j]]=0;
if(i%p[j]!=0){
phi[i*p[j]]=phi[i]*(p[j]-1);
mu[i*p[j]]=-mu[i];
}
else{
phi[i*p[j]]=phi[i]*p[j];
mu[i*p[j]]=0;
break;
}
}
}
S_phi[0]=S_mu[0]=0;
for(reg int i=1;i<=MAXN;++i){
S_phi[i]=S_phi[i-1]+phi[i];
S_mu[i]=S_mu[i-1]+mu[i];
}
}
ll Sphi(int x){
if(x<MAXN) return S_phi[x];
if(Hphi[x%MOD]) return Hphi[x%MOD];
ll sum=0;
for(int l=2,r;l<=x;l=r+1){
r=x/(x/l);
sum+=Sphi(x/l)*(r-l+1);
}
ll s=(1ll+x)*x/2;
return Hphi[x%MOD]=s-sum;
}
int Smu(int x){
if(x<MAXN) return S_mu[x];
if(Hmu[x%MOD]) return Hmu[x%MOD];
ll sum=0;
for(int l=2,r;l<=x;l=r+1){
r=x/(x/l);
sum+=Smu(x/l)*(r-l+1);
}
return Hmu[x%MOD]=1-sum;
}
int main(){
init();
scanf("%d",&T);
while(T--){
scanf("%d",&n);
printf("%lld %d\n",Sphi(n),Smu(n));
}
}
Mobius 反演与杜教筛的更多相关文章
- 我也不知道什么是"莫比乌斯反演"和"杜教筛"
我也不知道什么是"莫比乌斯反演"和"杜教筛" Part0 最近一直在搞这些东西 做了将近超过20道题目吧 也算是有感而发 写点东西记录一下自己的感受 如果您真的 ...
- 【BZOJ3930】选数(莫比乌斯反演,杜教筛)
[BZOJ3930]选数(莫比乌斯反演,杜教筛) 题面 给定\(n,K,L,R\) 问从\(L-R\)中选出\(n\)个数,使得他们\(gcd=K\)的方案数 题解 这样想,既然\(gcd=K\),首 ...
- 【BZOJ4652】【NOI2016】循环之美(莫比乌斯反演,杜教筛)
[BZOJ4652]循环之美(莫比乌斯反演,杜教筛) 题解 到底在求什么呢... 首先不管他\(K\)进制的问题啦,真是烦死啦 所以,相当于有一个分数\(\frac{i}{j}\) 因为值要不相等 所 ...
- 【Luogu3768】简单的数学题(莫比乌斯反演,杜教筛)
[Luogu3768]简单的数学题(莫比乌斯反演,杜教筛) 题面 洛谷 \[求\sum_{i=1}^n\sum_{j=1}^nijgcd(i,j)\] $ n<=10^9$ 题解 很明显的把\( ...
- 【51NOD 1847】奇怪的数学题(莫比乌斯反演,杜教筛,min_25筛,第二类斯特林数)
[51NOD 1847]奇怪的数学题(莫比乌斯反演,杜教筛,min_25筛,第二类斯特林数) 题面 51NOD \[\sum_{i=1}^n\sum_{j=1}^nsgcd(i,j)^k\] 其中\( ...
- 【LOJ#572】Misaka Network 与求和(莫比乌斯反演,杜教筛,min_25筛)
[LOJ#572]Misaka Network 与求和(莫比乌斯反演,杜教筛,min_25筛) 题面 LOJ \[ans=\sum_{i=1}^n\sum_{j=1}^n f(gcd(i,j))^k\ ...
- LOJ572. 「LibreOJ Round #11」Misaka Network 与求和 [莫比乌斯反演,杜教筛,min_25筛]
传送门 思路 (以下令\(F(n)=f(n)^k\)) 首先肯定要莫比乌斯反演,那么可以推出: \[ ans=\sum_{T=1}^n \lfloor\frac n T\rfloor^2\sum_{d ...
- [CQOI2015]选数(莫比乌斯反演,杜教筛)
[CQOI2015]选数(luogu) Description 题目描述 我们知道,从区间 [L,H](L 和 H 为整数)中选取 N 个整数,总共有 (H-L+1)^N 种方案. 小 z 很好奇这样 ...
- 【bzoj 4176】 Lucas的数论 莫比乌斯反演(杜教筛)
Description 去年的Lucas非常喜欢数论题,但是一年以后的Lucas却不那么喜欢了. 在整理以前的试题时,发现了这样一道题目“求Sigma(f(i)),其中1<=i<=N”,其 ...
随机推荐
- CSS——设置背景
<!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title> ...
- (二)spring 高级装配-Condition -条件化的bean
Condition:满足某个特定条件的情况下创建bean 条件化配置bean: a:@Conditional 指定一个class ,它指明了通过条件对比的类.如果没有指定class则通过Condito ...
- @RequestMapping 用法详解之地址映射(转)
这段时间项目中用到了RESTful模式来开发程序,但是当用POST.PUT模式提交数据时,发现服务器端接受不到提交的数据(服务器端参数绑定没有加任何注解),查看了提交方式为application/js ...
- 接口测试时如何选择Encoding(针对请求数据内包含中文)
如果请求数据中包含中文,需要将Encoding选择为utf-8
- bug的生命周期
一 Bug重现环境 这个应该是我们重现bug的一个前提,没有这个前提,可能会无法重现问题,或根本无从下手. 操作系统 这个是一般软件运行的一大前提,基本上所有的软件都依赖于操作系统之上的,对于一个软 ...
- 用Python帮你实现IP子网计算
目录 0. 前言 1. ipaddress模块介绍 1.1 IP主机地址 1.2 定义网络 1.3 主机接口 1.4 检查address/network/interface对象 1.4.1 检查IP版 ...
- 完整的Android MVP开发之旅
开发背景 最近是在做一个与健身相关的APP,里面有训练器模块基本功能是按照特点动作的演示和描述来引导用户完成训练.在第一个版本时由于没接触过些类项目与功能花了几周的时间大概1500行代码才完成这个功能 ...
- Locomotion和Navigation的区别
Locomotion和navigation两者都是移动.漫游的意思.但是locomotion是一个比navigation更大的概念,它指的是所有的第一人称视角的变换(first-person moti ...
- WebGL简易教程(九):综合实例:地形的绘制
目录 1. 概述 2. 实例 2.1. TerrainViewer.html 2.2. TerrainViewer.js 3. 结果 4. 参考 1. 概述 在上一篇教程<WebGL简易教程(八 ...
- Spring Boot 2.x 基础案例:整合Dubbo 2.7.3+Nacos1.1.3(最新版)
1.概述 本文将介绍如何基于Spring Boot 2.x的版本,通过Nacos作为配置与注册中心,实现Dubbo服务的注册与消费. 整合组件的版本说明: Spring Boot 2.1.9 Dubb ...