【笔记】数学

》》b站视频链接-郑州大学ACM实验室寒假新生培训Day5《《

》》b站视频链接-郑州大学ACM实验室寒假新生培训Day11《《

最近更新：2021.09.16

OP

在寒假直播的第五天我才发现这么一个宝藏教程，便推给了群里的大佬们，那时候正在忙牛客寒假赛，打算开学后再说，结果ph大佬竟然开学没多久就刷完了！！我反而没抽出空，直到最近才开始补~

留下此笔记，一是为了记录和理解知识点，把自己的知识点穿成线；二是充实一下博客，不至于比赛允许携带纸质材料时不知道印些什么，也不至于同学吐槽我的博客 太水了~

前四天直播的内容分别是：ACM及实验室简介，C++常用STL讲解，模拟、枚举、递推、递归，二分；
如果需要看可以在up主的投稿里面找；

此篇文章包括了Day5的内容，Day11的部分内容，和清华大学出版社《离散数学（第三版）》中的一些内容；

希望能够帮助到大家，如有发现错漏，欢迎评论更正，感激不尽；

快速幂

求 $a^b\mathrm{m}\mathrm{o}\mathrm{d}m$ $(b⩽1e18)$;
PS: 这个蓝书一开头就讲了，印象很深
PS2：满足结合律的运算均可以用此类方法加速

对于任意的 b ，我们均可以将其转化为二进制表示，因此，对于 b ，我们有等式：

$$b=k_0\cdot 2^0+k_1\cdot 2^1+k_2\cdot 2^2+...+k_i\cdot 2^i;$$

将其代入$a^b$，依据高中数学则有：

$$a^b=a^{k_0\cdot 2^0+k_1\cdot 2^1+k_2\cdot 2^2+...+k_i\cdot 2^i}$$
$$=(a^{2^0}{)}^{k_0}\cdot (a^{2^1}{)}^{k_1}\cdot (a^{2^2}{)}^{k_2}\cdot ...\cdot (a^{2^i}{)}^{k_i};$$

其中， k ∈ { 0 ， 1 } k\in\{0，1\} k∈{0，1}；
而且有 $(a^{2^i})=(a^{2^{i-1}}{)}^2$​​​​；

那么我们在程序运行过程中，只需要维护好两个值，记录 b 取前 i 位时 a^b 的值的 ans，以及记录 $(a^{2^i})$ 的值的变量 a ；

二进制数字 $\overline{k_i...k_2{k}_1{k}_0}$ 正是b的二进制表示，所以程序运行中仅需要判断 b 的二进制第 i 位是否为1，以决定 $(a^{2^i})$ 是否乘入ans；

时间复杂度 $O(\log b)$

代码

const ll M=1e9+7;
ll qm(ll a,ll b)//qm即quick_mod
{
	ll ans=1%M;//特殊处理M=1这一特殊情况
	for(;b;b>>=1)
	{
		if(b&1)ans=a*ans%M;//如果b此位为1
		a=a*a%M;
	}
	return ans;
}

矩阵快速幂

由于矩阵乘法同样满足结合律，所以矩阵乘幂也可以通过快速幂优化；

我们可以将矩阵以结构体中数组的方式存起来，方便传值；

struct mtx{
	int a[102][102];
};

由线性代数基础知识，得矩阵乘法 $(AB)$ 代码如下；

mtx mul(mtx A,mtx B)
{
	mtx C;
	memset(C.a,0,sizeof(C.a));
	for(int i=0;i<100;i++)
		for(int j=0;j<100;j++)
			for(int k=0;k<100;k++)
			{
				C.a[i][j]+=A.a[i][k]*B.a[k][j];
			}
	return C;
}

快速幂计算矩阵幂次 $(A^b)$ 的代码如下：

mtx mqm(mtx A,int b)
{
	mtx ans;
	memset(ans.a,0,sizeof(ans.a));
	for(int i=0;i<100;i++)ans.a[i][i]=1;
	for(;b;b>>=1)
	{
		if(b&1)ans=mul(ans,A);
		A=mul(A,A);
	}
	return ans;
}

以上代码没有考虑取模，取模在mul函数中添加即可；

应用

---

例1

求斐波那契数列第 n 项对 M 取模之后的值（$n⩽1e18$）

对于矩阵 $\left[\begin{array}{cc}a& b\end{array}\right]$ ，右乘矩阵 $\left[\begin{array}{cc}0& 1\\ 1& 1\end{array}\right]$ ，可得矩阵 $\left[\begin{array}{cc}b& a+b\end{array}\right]$ ；

类似地，我们可以依照斐波那契的递推公式获得以下结论

$$\left[\begin{array}{cc}f(n-2)& f(n-1)\end{array}\right]\cdot \left[\begin{array}{cc}0& 1\\ 1& 1\end{array}\right]=\left[\begin{array}{cc}f(n-1)& f(n)\end{array}\right]$$

以此类推：

$$\left[\begin{array}{cc}f(n-2)& f(n-1)\end{array}\right]{\left[\begin{array}{cc}0& 1\\ 1& 1\end{array}\right]}^m=\left[\begin{array}{cc}f(n-2+m)& f(n-1+m)\end{array}\right]$$

运用此规律，便可以通过矩阵快速幂取模快速计算斐波那契数列给定项的值；

注：斐波那契数列有封闭公式 $f(n)=\frac{(\frac{1+\sqrt{5}}{2}{)}^n-(\frac{1-\sqrt{5}}{2}{)}^n}{\sqrt{5}},(n⩾1)$，可近似为 $f(n)=\frac{(\frac{1+\sqrt{5}}{2}{)}^n}{\sqrt{5}},(n⩾1)$ ；

---

例1的拓展

给定常系数线性齐次递推方程如下
$$\{\begin{array}{ll}H(n)=a_{1}H(n-1)+a_{2}H(n-2)+...+a_{k}H(n-k)& \\ H(0)=b_0,H(1)=b_1,H(2)=b_2,...,H(k-1)=b_{k-1}& \end{array}$$
这个递推方程除了用递推方程求解的方法处理，还可以用矩阵乘法表示成：
$$\left[\begin{array}{cccc}H(n-k)& \cdots & H(n-2)& H(n-1)\end{array}\right]{\left[\begin{array}{cccccc}0& 0& \cdots & 0& 0& a_k\\ 1& 0& \cdots & 0& 0& a_{k-1}\\ 0& 1& \cdots & 0& 0& a_{k-2}\\ ⋮& ⋮& \ddots & ⋮& ⋮& ⋮\\ 0& 0& \cdots & 1& 0& a_2\\ 0& 0& \cdots & 0& 1& a_1\end{array}\right]}^m$$

$$=\left[\begin{array}{cccc}H(n-k+m)& \cdots & H(n-2+m)& H(n-1+m)\end{array}\right]$$

还找到了一个转置之后的版本，看起来比上面的方便阅读：
图源

---

例2

给定a,b，求${\sum }_{i=a}^{b}F(i)$ （$F(i)$ 为斐波那契数列第 i 项）对M取模的值；

设 $S(n)={\sum }_{i=0}^{n}F(i)=S(n-1)+F(n-1)+F(n-2)$ ；
这样我们就可以构造矩阵了；

$$\left[\begin{array}{ccc}1& 1& 0\\ 0& 1& 1\\ 0& 1& 0\end{array}\right]\left[\begin{array}{c}S(i)\\ F(i)\\ F(i-1)\end{array}\right]=\left[\begin{array}{c}S(i+1)\\ F(i+1)\\ F(i)\end{array}\right]$$

进一步地：

$${\left[\begin{array}{ccc}1& 1& 0\\ 0& 1& 1\\ 0& 1& 0\end{array}\right]}^n\left[\begin{array}{c}S(1)\\ F(1)\\ F(0)\end{array}\right]=\left[\begin{array}{c}S(1+n)\\ F(1+n)\\ F(n)\end{array}\right]$$

接下来求出 $S(b)-S(a-1)$​​​​ 即可；

当然，我们也可以推得 $S(n)=f(n+2)-f(1)$ ；

$$\begin{gathered} S(n)=f(0)+f(1)+\sum _{i=2}^{n}f(i) \\ =f(0)+f(1)+\sum _{i=2}^{n}f(i-1)+\sum _{i=2}^{n}f(i-2) \\ =f(0)+f(1)+(S(i-1)-f(0))+S(i-2) \\ =f(1)+S(n-1)+S(n-2) \\ \because S(n)=S(n-1)+f(n) \\ \therefore f(n)=f(1)+S(n-2) \\ \therefore S(n)=f(n+2)-f(1) \end{gathered}$$

故亦可求出 $f(b+2)-f(a+1)$​ ；

---

例3

定义 $f(n)=xf(n-1)+yf(n-2),S(n)={\sum }_{i=0}^{n}f(i{)}^2$ ， 求$S(n)$ ；

同样地，由于

$$S(n)=S(n-1)+f(n{)}^2=S(n-1)+x^{2}f(n-1{)}^2+2xyf(n-1)f(n-2)+y^{2}f(n-2{)}^2$$

得到矩阵乘法形式

$$\left[\begin{array}{cccc}1& x^2& y^2& 2xy\\ 0& x^2& y^2& 2xy\\ 0& 1& 0& 0\\ 0& x& 0& y\end{array}\right]\left[\begin{array}{c}S(i-1)\\ f(i-1{)}^2\\ f(i-2{)}^2\\ f(i-1)f(i-2)\end{array}\right]$$

$$=\left[\begin{array}{c}S(i-1)+x^{2}f(i-1{)}^2+y^{2}f(i-2{)}^2+2xyf(i-1)f(i-2)\\ x^{2}f(i-1{)}^2+y^{2}f(i-2{)}^2+2xyf(i-1)f(i-2)\\ f(i-1{)}^2\\ f(i-1)(xf(i-1)+yf(i-2))\end{array}\right]=\left[\begin{array}{c}S(i)\\ f(i{)}^2\\ f(i-1{)}^2\\ f(i)f(i-1)\end{array}\right]$$

同理

$${\left[\begin{array}{cccc}1& x^2& y^2& 2xy\\ 0& x^2& y^2& 2xy\\ 0& 1& 0& 0\\ 0& x& 0& y\end{array}\right]}^n\left[\begin{array}{c}S(1)\\ f(1{)}^2\\ f(0{)}^2\\ f(1)f(0)\end{array}\right]=\left[\begin{array}{c}S(1+n)\\ f(1+n{)}^2\\ f(n{)}^2\\ f(1+n)f(n)\end{array}\right]$$​

欧几里得算法

即辗转求余，C++中可以直接使用__gcd(a,b)来求 a 与 b 的最大公约数；

若有 $d=gcd(x,y)$
则有 $d|x,d|y;$
由于 $x=ad,y=bd$
故 $d|(x-y);$
则有 $gcd(x,y)=gcd(x-y,y);$
以此类推，$gcd(x,y)=gcd(x-2y,y)=gcd(x-3y,y)=...;$
化作取模 $gcd(x,y)=gcd(x\%y,y);$

时间复杂度 $O(\log max(x,y))$

关于时间复杂度

规律：每次计算后，最大数至少被折半；

证明：
假设较大数为x，较小数为y；
若 $y⩽x/2$ ，则有 $x\%y⩽y⩽x/2;$
若 $y>x/2$ ，则有 $x\%y=x-y<x/2;$
毕；

代码

贴一个c语言的吧，（实际上语法都一样）

ll gcd(ll x,ll y)
{
	if(!y)return x;
	return gcd(x%y,x);
}//在具体处理中，我将x放入递归函数的y中，避免持续对一个数求余

最大公约数与最小公倍数

有以下两条定理：

1. 若 $a|m,b|m$ ，则 $lcm(a,b)|m$ ；
2. 若 $d|a,d|b$ ，则 $d|gcd(a,b)$ ；

以上两条定理可由素因子分解（下文的唯一分解定理）简单证明；

整除分块

个人之前的题解（D）曾经用函数图形简略证明过这个问题;

规律：对于 ⌊ n k ⌋ ( k ∈ { 1 , 2 , . . . , n } ) \lfloor \frac n k\rfloor(k\in\{1,2,...,n\}) ⌊kn​⌋(k∈{1,2,...,n}) ，不同的值有 $2\lfloor \sqrt{n}\rfloor$ 或 $2\lfloor \sqrt{n}\rfloor -1$ 个；

证明：

$k⩽\sqrt{n}$ 时，显然此时函数 $f(k)=n/k$ 的导函数小于-1，即 k 每缩小1，n/x 的值增加多于1，故此时 $\lfloor \frac{n}{k}\rfloor /=\lfloor \frac{n}{k-1}\rfloor$，此处有$\lfloor \sqrt{n}\rfloor$种不同取值;
此时 $\lfloor \frac{n}{k}{\rfloor }_{min}⩾\lfloor \sqrt{n}\rfloor$ （仅 $\lfloor \sqrt{n}{\rfloor }^2=n$ 时取等）

$k>\sqrt{n}$ 时，除可利用函数图像直观验证外，还可做以下证明：
此种情况 $k_{min}=\lfloor \sqrt{n}\rfloor +1;$
由初中数学易验证 $\lfloor \sqrt{n}\rfloor -1<\frac{n}{\lfloor \sqrt{n}\rfloor +1}<\lfloor \sqrt{n}\rfloor +1$，
那么

$$\lfloor \frac{n}{\lfloor \sqrt{n}\rfloor +1}\rfloor =\{\begin{array}{ll}\lfloor \sqrt{n}\rfloor & (n⩾\lfloor \sqrt{n}{\rfloor }^2+\lfloor \sqrt{n}\rfloor )\text{(such as }8,12,89)\\ \lfloor \sqrt{n}\rfloor -1& (n<\lfloor \sqrt{n}{\rfloor }^2+\lfloor \sqrt{n}\rfloor )\text{(such as }9,10,91)\end{array}$$

所以 $\lfloor \frac{n}{\lfloor \sqrt{n}\rfloor +1}\rfloor ,\lfloor \frac{n}{\lfloor \sqrt{n}\rfloor +2}\rfloor ,...,\lfloor \frac{n}{n}\rfloor$ 的值均分布在 { 1 , 2 , . . . , ⌊ n ⌊ n ⌋ + 1 ⌋ } \{1,2,...,\lfloor\frac n {\lfloor \sqrt n\rfloor+1}\rfloor\} {1,2,...,⌊⌊n ​⌋+1n​⌋}中，此处有$\lfloor \sqrt{n}\rfloor$ 或 $\lfloor \sqrt{n}\rfloor -1$​​ 种不同取值;

由于 $\lfloor \sqrt{n}{\rfloor }^2=n$ 时，$n<\lfloor \sqrt{n}{\rfloor }^2+\lfloor \sqrt{n}\rfloor$ 恒成立，故不存在两种情况下取相同值的情况；

代码

题目：
求 ${\sum }_{k=1}^n\lfloor \frac{n}{k}\rfloor ,n⩽1e9$；

for(int l=1,r=1;l<=n;l=r+1)//每一次循环对应一个分块的 l,r,n/l
{
	r=n/(n/l);
	ans+=n/l*(r-l+1);
}

$\frac{n}{l}$ 即为该分块的值；
同时，有 $r\frac{n}{l}⩽n$；
为使 r 取到最大值，则可以对于一个 l ，直接取 $r=\frac{n}{n/l}$；

欧拉筛

插一句，暴力判断一个数是否为质数的时间复杂度为 $O(\sqrt{n})$
求 1 ~ n 内的所有质数；

欧拉筛的特点：每个合数仅被其最小的质因子筛除，且仅被筛一次，时间复杂度 $O(n)$；

代码

const ll N=1e7;
int p[N+7],c=0;//p[]存储第 i 个质数（from 0），c 作为末尾标记
bool n[N+7];//n[]存储整数 i 是否为质数，若标记 0 则为质数，标记 1 则为合数
void pri()
{
	n[0]=n[1]=1;//0，1 均不是质数
	for(int i=2;i<=N;i++)
	{
		if(!n[i])p[c++]=i;//若为质数，则加入 p 数组
		for(int j=0;j<c&&i*p[j]<=N;j++)
		{
			n[i*p[j]]=1;
			if(i%p[j]==0)break;
		}
	}
}

时间复杂度证明

维持线性时间复杂度的关键是语句if(i%p[j]==0)break;；

对于每一个数被筛掉的情况，我手动模拟出了这样一张图

其中描述了合数是如何被筛掉的；
对于数字12，我们观察到其被2*6筛掉，而不是3*4，因为4在筛掉2*4=8之后就break掉了；

所以，我们能观察到如下规律：
若合数 $h$ 的最小质因数为 $p_i$ ，则对于合数 $p_{i+1}\ast h$ 一定有 $p_i\ast (h\ast p_{i+1}/p_i)$ ，其中，一定存在 $p_i<p_{i+1}$ ，所以以 $p_{i+1}\ast h$ 筛掉该合数不满足被最小质因数筛掉这一要求；
换言之，如果不在 i%p[j]==0 时break掉，则一定有数被筛掉多次，造成时间上的浪费；
综上，每个数仅被筛掉一次，时间复杂度 $O(n)$；

同时也可以获取到每个数的最小质因子；

再进行一点点优化

平常比赛时候一般用不到，只是了解过
来自此链接；
大意如下：

除2外每一个质数一定满足 $6n\pm 1$ ；
理由如下：
$(6n)\%6=0$；
$(6n+2)\%2=0$；
$(6n+3)\%3=0$；
$(6n+4)\%2=0$；

所以筛的时候只需要筛 n / 3 就好啦

素数的分布

有无穷多个素数；

记 $\pi (n)$ 为小于等于 n 的素数的个数，当 $n⩾67$ 时：
$$\ln (n)-\frac{3}{2}⩽\frac{n}{\pi (n)}⩽\ln (n)-\frac{1}{2}$$
得推论（素数定理）：
$$\underset{n\to +\infty }{\lim }\frac{\pi (n)}{n/\ln n}=1$$

整数的唯一分解定理

对于正整数 n ，仅存在一种分解方式将其分解为若干质数的乘积：

$$n=p_1^{t_1}{p}_2^{t_2}...p_k^{t_k}$$​

通常与欧拉筛搭配使用以降低时间复杂度；

代码

方法一：在筛出素数后再进行试除；

const ll N=1e7;
int p[N+7],c=0;
bool n[N+7];
void pri()
{
	n[0]=n[1]=1;
	for(int i=2;i<=N;i++)
	{
		if(!n[i])p[c++]=i;
		for(int j=0;j<c&&i*p[j]<=N;j++)
		{
			n[i*p[j]]=1;
			if(i%p[j]==0)break;
		}
	}
}
//以上为欧拉筛
int main()
{
    pri();
    int n;
    while(cin>>n)
    {
        for(int i=0;i<c&&p[i]<=n;i++)
        {
            int t=0;
            while(n%p[i]==0)
            {
                n/=p[i];
                t++;
            }
            //此时此处t即为pi的幂次
        }
    }
    return 0;
}

方法二：依照欧拉筛中每个数只会被自己的最小质因子标记的性质，记录每个数的最小质因子，再递归处理

const ll N=1e7;
int p[N+7],minp[N+7],c=0;
bool n[N+7];
void pri()
{
	n[0]=n[1]=1;
	for(int i=2;i<=N;i++)
	{
		if(!n[i])p[c++]=i,minp[i]=1;
		for(int j=0;j<c&&i*p[j]<=N;j++)
		{
			n[i*p[j]]=1;
			minp[i*p[j]]=p[j];
			if(i%p[j]==0)break;
		}
	}
}
//以上为欧拉筛
int main()
{
    pri();
    int n;
    while(cin>>n)
    {
        while(n!=1)
        {
       		//此时minp[n]即为n的最小质因子
        	n=minp[n];
        }
    }
    return 0;
}

例题

例1：n 有多少个因子？

对于 n 的任何一个因子 m ，都可以表示为

$$m=p_1^{t_{m1}}{p}_2^{t_{m2}}...p_k^{t_{mk}}$$

其中，$t_{mi}\in [0,t_i]$；
所以，一共有 $(t_1+1)(t_2+1)...(t_k+1)$ 个；

const ll N=1e7;
int p[N+7],c=0;
bool n[N+7];
void pri()
{
	n[0]=n[1]=1;
	for(int i=2;i<=N;i++)
	{
		if(!n[i])p[c++]=i;
		for(int j=0;j<c&&i*p[j]<=N;j++)
		{
			n[i*p[j]]=1;
			if(i%p[j]==0)break;
		}
	}
}
//以上为欧拉筛
int main()
{
    pri();
    int n;
    while(cin>>n)
    {
        ll ans=1;
        for(int i=0;i<c&&p[i]<=n;i++)
        {
            int t=0;
            while(n%p[i]==0)
            {
                n/=p[i];
                t++;
            }
            ans*=t+1;
        }
        printf("%lld\n",ans);
    }
    return 0;
}

只有这题是唯一分解定理板子，例二例三都不是

---

例2：n ! 有多少个因子？

由上题得，我们只需要将 n ! 表示为

$$n!=p_1^{t_1}{p}_2^{t_2}...p_k^{t_k}$$

即可求出因子数；
接下来我们只需要求出每一个质数的 t_i ；

由求 n ! 末尾有多少个 0 一题中，求取总共贡献 5 的个数的方法，即可类似地求得每一个质数的 t_i ；

$$t_i=\sum _{j=1}^{p_i^j⩽n}\lfloor \frac{n}{p_i^j}\rfloor$$

具体原理不做赘述；
时间复杂度 $O(n\log n)$​​；

---

例3：${\prod }_{i=1}^{n}i!$ 末尾有几个0？

首先明确，此题实际上是求在连乘值中，能拆出多少个 5 ；

对于 $1!\cdot 2!\cdot ...\cdot i!$ ，乘上的 5 有 $i-4$ 个；
乘上的 10 有 $i-9$ 个，其中每个10 有一个 5 ；
乘上的 15 有 $i-14$ 个；
…
乘上的 25 有 $i-24$ 个，其中每个 25 只取第一个 5 ；
…
所以，由等差数列求和， $1!\cdot 2!\cdot ...\cdot i!$ 能贡献出 $\frac{(2i-5\lfloor \frac{i}{5}\rfloor -5+2)\lfloor \frac{i}{5}\rfloor }{2}$个“第一个” 5 ；
继续来说，
乘上的 25 有 $i-24$ 个，其中每个 25 只取第二个 5 ；
乘上的 50 有 $i-49$ 个，其中每个 50 只取第二个 5 ；
…
乘上的 125 有 $i-124$ 个，其中每个 125 只取第二个 5 ；
…
同样，由等差数列求和， $1!\cdot 2!\cdot ...\cdot i!$ 能贡献出 $\frac{(2-25\lfloor \frac{i}{25}\rfloor -25+2)\lfloor \frac{i}{25}\rfloor }{2}$个“第二个” 5 ；
…

以此类推，一共可以贡献出

$$s=\sum _{j=1}^{5^j⩽n}\frac{(2n-5^j\lfloor \frac{n}{5^j}\rfloor -5^j+2)\lfloor \frac{n}{5^j}\rfloor }{2}$$

s个5（此时的 j 即为“第 j 个 5 ”）；
化简得（其实没必要）

$$s=\sum _{j=1}^{5^j⩽n}\frac{(n+2-5^j+n\%5^j)\lfloor \frac{n}{5^j}\rfloor }{2}$$

#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
const ll M=10007;

int main()
{
    int n;
    while(cin>>n)
    {
        ll five=5;
        ll ans=0;
        while(five<=n)
        ans+=(n+2-five+n%five)*(n/five)/2,five=5*five;
        printf("%lld\n",ans);
    }
}

欧拉函数

欧拉函数 $\phi (n)$ 表示 $[1,n-1]$ 区间内，与 n 互质的数的个数；
定义有 $\phi (1)=1$；
例如 $\phi (8)=4\text{ , }(1,3,5,7)$；
若 n 为质数，则有 $\phi (n)=n-1$；

一般来说，有

$$\phi (x)=x\prod _{i=1}^n(1-\frac{1}{p_i})$$

其中p1, p2……pn为x的所有质因数，x是不为0的整数（可由容斥定理证明）

还有一条性质如下：（积性函数）
若 $m,n$ 互质，则有

$$\phi (m\cdot n)=\phi (m)\cdot \phi (n)$$​

代码

log求取某数欧拉函数值

由连乘式和整数分解，代码如下：

//在欧拉筛后
ll gphi(ll g)
{
    ll ans = g;
    if (g == 1)
        return 0;
    int sq = sqrt(g);
    for (int i = 0; i < c && p[i] <= sq; i++)
    {
        if (g % p[i] == 0)
        {
            ans = ans - ans / p[i];
            while (g % p[i] == 0)
            {
                g /= p[i];
            }
        }
    }
    if (g > 1)
        ans = ans - ans / g;
    return ans;
}

线性求取范围内的欧拉函数值

由上面的公式，我们可以得到两个递推式：
（其中p1, p2……pn为x的所有质因数，x是不为0的整数）

$$\phi (x{p}_i)=\phi (x)p_i(i⩽n)$$
$$\phi (x{p}_j)=\phi (x)p_j(1-\frac{1}{p_j})=\phi (x)\cdot \phi (p_j)(j>n)$$​

由以上推论，代码实现可以与欧拉筛共同完成：

phi[1]= 1;
for(int i = 2 ; i < N ; i ++ )
{
    if(!n[i])
    {
        prime[c++] = i;
        phi[i] = i - 1;
    }
    for(int j = 0 ; j < c && (ll)i * prime[j] < N ; j ++ )
    {
        n[i * prime[j] ] = 1;
        if(i % prime[j] == 0)
        {
            phi[i * prime[j]] = phi[i] * prime[j];
            break;
        }
        phi[i * prime[j]] = phi[i] * phi[prime[j]];
    }
 }

例题

求 ${\sum }_{i=1}^n{\sum }_{j=1}^n[gcd(i,j)=1],n⩽1e7$ ;

对于任意一个 i ，比 i 小的数中与其互质的数有 $\phi (i)$ 个，即有 $2\phi (i)$ 个数对，所以结果为 $2{\sum }_{i=1}^n\phi (i)$ ；

由于 $\phi (i)$ 可以在线性复杂度中求出，故时间复杂度可接受；

欧拉定理

若 n , a 为正整数，且 n , a 互质，则有

$$a^{\phi (n)}\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}n)$$​

费马小定理

费马小定理是欧拉定理的一种特殊情况

如果 p 是一个质数，而整数 a 不是 p 的倍数，则有

$$a^{p-1}\equiv 1(\text{mod }p)$$

也可以表示成

$$a^p\equiv a(\text{mod }p)$$​​

欧拉降幂

由欧拉定理可推得在 a , n 互质时$$a^b\equiv a^{b\%\phi (n)}(\mathrm{m}\mathrm{o}\mathrm{d}n)$$
对于更广泛的情况，我们有

$$a^b\equiv \{\begin{array}{ll}{a}^{b\%\phi (n)}& gcd(a,n)=1\\ a^b& gcd(a,n)\ne 1,b<\phi (n)\\ a^{b\%\phi (n)+\phi (n)}& gcd(a,n)\ne 1,b⩾\phi (n)\end{array}\mathrm{m}\mathrm{o}\mathrm{d}n$$

但是在实际操作中，并不需要判断第一种情况，直接将其归入情况二、三即可；

裴蜀定理 / 贝祖定理

若 a , b 是整数，且 $gcd(a,b)=d$ ，那么对于任意的整数 x , y ，$ax+by$ 均是 d 的倍数，特别地，一定存在整数 x , y，使 $ax+by=d$ 成立；

推论1：若 $ax+by=1$ 有解，则有 $gcd(a,b)=1$ （ a , b 互质）；
推论2：若 $ax+by=m$ 有解，则 m 一定为 $gcd(a,b)$ 的若干倍；

扩展欧几里得算法

证明过程同时也参考了这个帖子；

扩展欧几里得算法是解决关于 x , y 的方程 $ax+by=c$ 的解的问题，如果 $gcd(a,b)|c$ ，则有解（可能有多组），否则无解。

我们可以将这个问题归结为 求方程 $ax+by=gcd(a,b)$ 的解，若存在一组解 { x 0 , y 0 } \{x_0,y _0\} {x0​,y0​} ，则对于方程 $ax+by=k\ast gcd(a,b)$ ，解即为 { k x 0 , k y 0 } \{kx_0,ky_0\} {kx0​,ky0​} ；

若我们已经求得 { x 1 , y 1 } \{x_1,y_1\} {x1​,y1​} 满足 $b{x}_1+(a\%b)y_1=gcd(b,a\%b)=d$；
上行方程左式可如此变形：
左式 $=b{x}_1+(a-b\lfloor \frac{a}{b}\rfloor )y_1=a{y}_1+b(x_1-\lfloor \frac{a}{b}\rfloor y_1)$
所以此时有

$$\{\begin{array}{l}x=y_1\\ y=x_1-\lfloor \frac{a}{b}\rfloor y_1\end{array}$$​

由此，我们便可以进行递归回代处理；

对于递归终点，与求 gcd 时的类似，为 $b=0$ ，此时有解 $x=1,y=0$；

代码

int exgcd(int a,int b,int &x,int &y)
{
   if(!b)
   {
      x=1,y=0;
      return a;
   }
   int ans=exgcd(b,a%b,x,y);
   int y1=y,x1=x;
   x=y1;
   y=x1-a/b*y1;
   return ans;
}

返回值即为 $gcd(a,b)$；

逆元

即模意义下的倒数（除法）
若 x 满足 $ax\equiv 1(\text{mod }m)$ ，则称 x 是 a 在 m 意义下的逆元；
x 应满足 $0⩽x<m$ ；

逆元的意义：
经验来讲，逆元一般是在做取模运算下的除法时会用到；

对于三个整数 a , b , M ，取模的性质有
$(a+b)\%M=(a\%M+b\%M)\%M$ ；
$(a\ast b)\%M=((a\%M)\ast (b\%M))\%M$ ；
对除法则没有此类性质；

若我们有 x 是 a 在 M 意义下的逆元，
则有 $(b/a)\%M=(b\ast x)\%M$ ；

扩展欧几里得法求逆元

由上一部分可知，对于关于 x , y 的方程 $Ax+By=gcd(A,B)$ 一定存在解；
将等式两边同时除以 $gcd(A,B)$ ，化作 $ax+by=1$ ，此时 $gcd(a,b)=1$；（此有解结论同样可以由裴蜀定理得出）
再将等式两侧同时对 b 取模，化作 $ax\equiv 1(\text{mod }b)$；
此方程同样有一定有解；

接下来，我们应该将某特解 { x , y } \{x,y\} {x,y} ，转换为使得 x 满足条件且最小的解；

若有 { x , y } \{x,y\} {x,y} 满足 $ax+by=1$ ，同时即有 $a(x+b)+b(y-a)=1$；
所以， { x + b , y − a } \{x+b,y-a\} {x+b,y−a} 也是原方程的解；
由此类推 { x + k b , y − k a } \{x+kb,y-ka\} {x+kb,y−ka} 是原方程的通解；

所以，对于一组互质的 a, b 和特解 x , y ，则满足条件的最小 x 可以表示为 $(x\%b+b)\%b$

以上，对于给定的一组互质的 a , M ，a的逆元x为 exgcd(a,M,x,y),x=(x%M+M)%M;;
未证明：上面的exgcd板子代码中，返回的x若为正值，即为最小正数解

欧拉定理求逆元

PS：就以前的做题经验来看，个人几乎都是用这种方法求逆元
一般用于 M 为质数，且 $a<M$ 时：

由于欧拉定理有

$$a^{\phi (M)}\equiv 1(\text{mod }M)$$

由于 M 为质数，则有

$$a^{M-1}\equiv 1(\text{mod }M)$$
$$a\cdot a^{M-2}\equiv 1(\text{mod }M)$$

所以有 $a^{M-2}$​​​​ 为 a 在 M 意义下的逆元；
具体的值可以由快速幂求出；

递归求逆元

求 a 在模 p 意义下的逆元即求 $a^{-1}$ 在模 p 意义下的值；

$$\begin{gathered} p=ka+r \\ ka+r\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}p) \\ k{r}^{-1}+a^{-1}\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}p) \\ {a}^{-1}\equiv -k{r}^{-1}(\mathrm{m}\mathrm{o}\mathrm{d}p) \\ {a}^{-1}\equiv -\lfloor p/a\rfloor \cdot inv(p\%a)(\mathrm{m}\mathrm{o}\mathrm{d}p) \end{gathered}$$​

由此我们可以递归实现求取

long long inv(long long a)
{
    if(a==1)return 1;
    return (mod-mod/a)*inv(mod%a)%mod;
}

代码中多加入了防负的部分

线性求逆元

依据上面的公式，同样可以得出线性求逆元的代码：

ll inv[N+5];
void ginv()
{
	inv[1]=1;
	for(int i=2;i<=N;i++)
		inv[i]=(M-M/i)*inv[M%i]%M;
}

线性求逆元主要用于需要使用大量数的逆元时；

需要注意的是，虽然 $inv[]$ 数组中每个下标都有值，但不是每个下标的值都是其逆元，有些数是没有模M意义下的逆元的；

莫比乌斯函数

莫比乌斯函数定义有

$$\mu (n)\{\begin{array}{ll}1& n=1\\ (-1{)}^k& n无平方因数，且n=p_1{p}_2...p_k\\ 0& n有大于1的平方因数\end{array}$$

与欧拉函数类似，莫比乌斯函数同样为积性函数：
若 a , b 互质，则有

$$\mu (a\cdot b)=\mu (a)\cdot \mu (b)$$

还有如下性质

$$\sum _{d|n}\mu (d)=[n=1]$$​​​​​

代码

与欧拉筛共同完成：

mu[1]= 1;
for(int i = 2 ; i < N ; i ++ )
{
    if(!n[i])
    {
        prime[c++] = i;
        mu[i] = -1;
    }
    for(int j = 0 ; j < c && (ll)i * prime[j] < N ; j ++ )
    {
        n[i * prime[j] ] = 1;
        if(i % prime[j] == 0)
        {
            mu[i * prime[j]] = 0;//不互质，存在平方因子
            break;
        }
        mu[i * prime[j]] = -mu[i];//互质，质数的莫比乌斯函数值为1
    }
 }

莫比乌斯反演

此部分参考了这个视频

设两函数 $F(n),f(n)$ 有以下两种形式

$$\begin{gathered} F(n)=\sum _{d|n}f(n)\Rightarrow f(n)=\sum _{d|n}\mu (d)F(\frac{n}{d}) \\ F(n)=\sum _{n|d}f(n)\Rightarrow f(n)=\sum _{n|d}\mu (\frac{d}{n})F(d) \end{gathered}$$​

例题

此部分参考了这篇文章

求 ${\sum }_{i=1}^n{\sum }_{j=1}^m[gcd(i,j)=1],n⩽1e7$ ;

由于 ${\sum }_{d|n}\mu (d)=[n=1]$ ，将 n 换为 $gcd(i,j)$ ，即有 ${\sum }_{d|gcd(i,j)}\mu (d)=[gcd(i,j)=1]$ ；

将这个结论代入题给式，即为$$\sum _{i=1}^n\sum _{j=1}^m\sum _{d|gcd(i,j)}\mu (d)$$
在 $[1,n]$ 区间中，有 $d,2d,3d,...,\lfloor \frac{n}{d}\rfloor d$ ，共 $\lfloor \frac{n}{d}\rfloor$ 个 d 的倍数；
在 $[1,m]$ 区间中，有 $d,2d,3d,...,\lfloor \frac{m}{d}\rfloor d$ ，共 $\lfloor \frac{m}{d}\rfloor$ 个 d 的倍数；
两个集合中的 d 的整数倍数，两两的最大公约数均为 d 或 d 的倍数；
显然 $d\in [1,min(n,m)]$ ；
所以上式有以下变形
$$\sum _{d=1}^{min(n,m)}\mu (d)\lfloor \frac{n}{d}\rfloor \lfloor \frac{m}{d}\rfloor$$​
然后就可以通过整除分块优化对 d 的枚举了；

鸽巢原理

N 只鸽子放在 N-1 个鸽巢中的话，必存在多只鸽子在一个巢；

应用

例如：

$f(1)=1,f(2)=2,f(n)=(Af(n-1)+Bf(n-2))\%7$ ，给定 n ，求 $f(n)$

这个问题中，如果存在 $x,y$ 满足 $x>y$ 且 { f ( y − 1 ) , f ( y ) } = { f ( x − 1 ) , f ( x ) } \{f(y-1),f(y)\}=\{f(x-1),f(x)\} {f(y−1),f(y)}={f(x−1),f(x)} ，这个数列即出现了循环；

关于循环节长度， { f ( x − 1 ) , f ( x ) } \{f(x-1),f(x)\} {f(x−1),f(x)} 一共有 $7^2=49$ 种情况，即50项以内必出循环；

推广来说，对于需要前 n 项的递推方程，结果模 m ，那么循环节长度至多为 $n\cdot m$ ；

二进制操作

bitcount

返回给定数字中有多少二进制1；

$O(1)$，参考与原理解释

int bitcount(int i)
{
       i = i - ((i >> 1) & 0x55555555);
       i = (i & 0x33333333) + ((i >> 2) & 0x33333333);
       i = (i + (i >> 4)) & 0x0f0f0f0f;
       i = i + (i >> 8);
       i = i + (i >> 16);
       return i & 0x3f;
}

$O(log(n))$

int bitcount(int x){
	return x==0?0:bitcount(x/2)+(x&1);
}

lowbit

返回给定数字中最低位1代表的十进制数；

一般用在树状数组中；

int lowbit(int x){return x&-x;}

ED

\