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
- Ganglia环境搭建并监控Hadoop分布式集群
简介 Ganglia可以监控分布式集群中硬件资源的使用情况,例如CPU,内存,网络等资源.通过Ganglia可以监控Hadoop集群在运行过程中对集群资源的调度,作为简单地运维参考. 环境搭建流程 1 ...
- vue2.0搭建vue手脚架(vue-cli)
1.安装node.js 从node官网下载并安装node,安装步骤很简单,只要一路“next”就可以了.安装完成后,打开命令行工具输入命令node -v,如下图,如果出现对应版本号,就说明安装成功了. ...
- [Leetcode] 第309题 最佳买卖股票时机含冷冻期
一.题目描述 给定一个整数数组,其中第 i 个元素代表了第 i 天的股票价格 . 设计一个算法计算出最大利润.在满足以下约束条件下,你可以尽可能地完成更多的交易(多次买卖一支股票): 你不能同时参与 ...
- 3D 飞行器航迹规划
3D-Route-Planning 三维航迹规划 -Matlab 本次代码主要解决数学建模中多约束条件下的航迹规划问题 解决的问题如下: 复杂环境下航迹快速规划是智能飞行器控制的一个重要课题.由于 ...
- 暑期——第八周总结(1,安装好hadoop之后访问http://localhost:50070,无法连接【已解决】 2,Hbase命令详解)
所花时间:7天 代码行:800(Java) 博客量:1篇 了解到知识点 : 一:http://localhost:50070无法访问 安装好hadoop之后 输入所有东西都有 可就是访问50070无法 ...
- Eureka Server不剔除已关停的节点的问题
由于Eureka拥有自我保护机制,当其注册表里服务因为网络或其他原因出现故障而关停时,Eureka不会剔除服务注册,而是等待其修复.这是AP的一种实现. 自我保护机制:Eureka Server在运行 ...
- Spring boot 梳理 - 模版引擎 -freemarker
开发环境中关闭缓存 spring: thymeleaf: cache: false freemarker: cache: false Spring boot 集成 freemarker <dep ...
- docker容器添加对外映射端口
一般在运行容器时,我们都会通过参数 -p(使用大写的-P参数则会随机选择宿主机的一个端口进行映射)来指定宿主机和容器端口的映射,例如 docker run -it -d --name [contain ...
- Kubernetes 系列(八):搭建EFK日志收集系统
Kubernetes 中比较流行的日志收集解决方案是 Elasticsearch.Fluentd 和 Kibana(EFK)技术栈,也是官方现在比较推荐的一种方案. Elasticsearch 是一个 ...
- 微信小程序项目-你是什么垃圾?
垃圾分类特别火也不知道北京什么时候也开始执行,看见之前上海市民被灵魂拷问了以后垃圾真的不知道如何丢了,作为程序员就做一个小程序造福人类吧. 效果图: 一.全局的app.json和app.wxss加入了 ...