数论基础

根据心情在这里收录一些数论知识。

这应该是对数论小白极友好的数论入门博客了。（如果你不按顺序看的话我可不保证看得懂qwq）

随时更新。

基础中的基础

如果想要获得良好的阅读体验，以下一点符号有必要知道：

1. $a|b$，可以理解为 $a$ 整除 $b$ 或 $a$ 是 $b$ 的因子
2. $\gcd$，表示最大公约数，用法为 $\gcd (a,b)$，有时也缩写成 $(a,b)$
3. $lcm$，表示最小公倍数，用法为 $lcm(a,b)$，有时写缩写成 $[a,b]$
4. $(l,r)$ 和 $[l,r]$ 有时也分别表示开区间和闭区间，这个结合情况分析
5. $n!$ 表示 $n$ 的阶乘，即 $n!=1\times 2\times 3\times ...\times (n-1)\times n$
6. 要知道集合的基本知识，比如说 $\in ,Z,Z^{\ast },prime$ 的意思。
7. 请务必带上脑子再往下看qwq

---

排列组合

全排列

$n$ 个数的全排列是指：这 $n$ 个数的所有不同的排列。

比如说，三个数 $1,2,3$ 的全排列为：
$1,2,3$
$1,3,2$
$2,1,3$
$2,3,1$
$3,1,2$
$3,2,1$

一个组合数学的基础知识：$n$ 个数的全排列数量为 $n!$，比如上面的，$3$ 个数的全排列数量就有 $1\times 2\times 3=6$ 种。

证明：

设 $f[i]$ 为 $i$ 个数的全排列数量。

那么显然有：$f[i]=f[i-1]\times i$，因为考虑在 $i-1$ 个数的全排列里面插入 $i$ 这个数，一共有 $i$ 个位置可以插，所以方案数为 $f[i-1]\times i$。

所以 $i$ 个数的全排列方案数为 $i!$。

组合数

组合数详解

卢卡斯定理

卢卡斯定理

卡特兰数

卡特兰数详解

同余

这里的同余，是指余数相同。

取模

取模运算，表示取某个数除以另一个数的余数。

比如说，$a\mathrm{m}\mathrm{o}\mathrm{d}b=c$，就是 $a$ 模 $b$ 等于 $c$，这个柿子可以理解为 $a$ 除以 $b$ 余 $c$。

取模运算的运算等级和乘除法相同，也就是说，在一条只有乘、除、取模运算的柿子中，我们需要从左到右依次进行计算。

运算性质

1、 不满足交换律，结合律，分配率，证明很显然，随手就能找出例子。

2、 $(a\mathrm{m}\mathrm{o}\mathrm{d}p)\times (b\mathrm{m}\mathrm{o}\mathrm{d}p)\mathrm{m}\mathrm{o}\mathrm{d}p=a\times b\mathrm{m}\mathrm{o}\mathrm{d}p$

这个不难证明，但首先要知道，$p$ 的倍数模 $p$ 都等于 $0$。

设 $a=x_{1}p+y_1,b=x_{2}p+y_2(y_1,y_2<p)$，那么上面的柿子等于：
$$\begin{array}{rl}((x_{1}p+y_1)\mathrm{m}\mathrm{o}\mathrm{d}p)\times ((x_{2}p+y_2)\mathrm{m}\mathrm{o}\mathrm{d}p)\mathrm{m}\mathrm{o}\mathrm{d}p& =((x_{1}p+y_1)\times (x_{2}p+y_2))\mathrm{m}\mathrm{o}\mathrm{d}p\\ y_1{y}_2\mathrm{m}\mathrm{o}\mathrm{d}p& =(x_1{x}_2{p}^2+x_1{y}_{2}p+y_1{x}_{2}p+y_1{y}_2)\mathrm{m}\mathrm{o}\mathrm{d}p\\ y_1{y}_2\mathrm{m}\mathrm{o}\mathrm{d}p& =y_1{y}_2\mathrm{m}\mathrm{o}\mathrm{d}p\end{array}$$

同余

隆重请出同余号—— $\equiv$！

这个符号还表示恒等于，但是这里不多做讨论。

这个运算符表示等式左右在模某个数的意义下相等，标准用法：
$$a\equiv b(\mathrm{m}\mathrm{o}\mathrm{d}p)$$

同余号和后面的 $(\mathrm{m}\mathrm{o}\mathrm{d}p)$ 是标配，表示 $a$ 和 $b$ 在模 $p$ 意义下相等。

运算性质

1、 如果有 $a\equiv b(\mathrm{m}\mathrm{o}\mathrm{d}p),c\equiv d(\mathrm{m}\mathrm{o}\mathrm{d}p)$，那么有 $a+c\equiv b+d(\mathrm{m}\mathrm{o}\mathrm{d}p)$
2、 如果有 $a\equiv b(\mathrm{m}\mathrm{o}\mathrm{d}p),c\equiv d(\mathrm{m}\mathrm{o}\mathrm{d}p)$，那么有 $ac\equiv bd(\mathrm{m}\mathrm{o}\mathrm{d}p)$

这两条很显然，就不证明了。

3、 如果有 $ac\equiv bc(\mathrm{m}\mathrm{o}\mathrm{d}p)$，那么有 $a\equiv b(\mathrm{m}\mathrm{o}\mathrm{d}\frac{p}{d})$，其中 $d=\gcd (c,p)$。

证明：

$\because ac\equiv bc(\mathrm{m}\mathrm{o}\mathrm{d}p)$
$\therefore ac-bc\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}p)$
即 $p|(ac-bc)$
$\therefore p|c(a-b)$
$\therefore \frac{p}{d}|\frac{c}{d}(a-b)$
$\because (\frac{p}{d},\frac{c}{d})=1$
$\therefore \frac{p}{d}|(a-b)$
即 $a\equiv b(\mathrm{m}\mathrm{o}\mathrm{d}\frac{p}{d})$。

逆元

我们知道，取模操作不能涉及小数，否则没有意义。

比如说，给一个柿子：$5÷3$，大家都知道这个东西商为 $1$，余数为 $2$，也就是：
$$5÷3=1\cdots 2$$

假如我们引入了小数，那么柿子可以是：
$$5÷3=1.2\cdots 1.4$$

不仅是这样，还可以有很多奇奇怪怪的变化，那么余数就失去了其意义。

于是得到结论：取模操作不能涉及小数。

那么怎么处理取模运算中的除法呢？

我们学过一个叫倒数的东西：对于一个数 $a$，假如存在数 $b$ 满足 $ab=1$，那么称 $b$ 为 $a$ 的倒数。

以及我们知道倒数有个优秀的性质：除以一个数等于乘这个数的倒数。

于是取模运算中，也发明了这样一个东西，其名曰——逆元。

对于一个数 $x$，假如存在 $ax\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}p)$，那么称 $a$ 为 $x$ 在模 $p$ 意义下的逆元。

于是在取模意义下，所有除以 $x$ 的操作都可以换成乘以 $a$。

存在性判断

当满足 $(a,p)=1$ 时，$a$ 在模 $p$ 意义下才有逆元。

证明在后面的扩展欧几里得算法里。

费马小定理

对于质数 $p$，有 $a^{p-1}\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}p)$，其中 $a$ 是一个正整数。

证明

假设现在有一个序列 $1,2,3,4,...,p-2,p-1$。

假设将这个序列乘以 $a$，然后对 $p$ 取模，那么就变成：$a,2a,3a,...,(p-1)a(\mathrm{m}\mathrm{o}\mathrm{d}p)$。

可以证明，此时的序列中没有相同的数。

---

证明： 考虑反证法。

设 $x,y$ 满足 $ax\equiv ay(\mathrm{m}\mathrm{o}\mathrm{d}p)$ 且 $x\ne y$。

根据同余的运算性质3，此时 $(a,p)=1$，所以有 $x\equiv y(\mathrm{m}\mathrm{o}\mathrm{d}p)$。

但是我们一开始构造的序列中是没有相同的数的，所以 $x\equiv y(\mathrm{m}\mathrm{o}\mathrm{d}p)$ 不成立。所以，不存在这样的 $x,y$，证毕。

---

因为这个序列有 $p-1$ 项，在模 $p$ 意义下没有相同的数，且这里面没有 $p$ 的倍数，所以这个序列是 $1$ ~ $p-1$ 的一个排列。

那么有
$$\begin{array}{rl}1\times 2\times 3\times ...\times (p-1)& \equiv a\times 2a\times 3a\times ...\times (p-1)a(\mathrm{m}\mathrm{o}\mathrm{d}p)\\ 1\times 2\times 3\times ...\times (p-1)& \equiv 1\times 2\times 3\times ...\times (p-1)\times a^{p-1}(\mathrm{m}\mathrm{o}\mathrm{d}p)\\ 1& \equiv a^{p-1}(\mathrm{m}\mathrm{o}\mathrm{d}p)\end{array}$$

得证。

应用

根据费马小定理，有
$$a^{p-1}\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}p)$$
其中 $p\in prime$，变化一下：
$$a^{p-2}\times a\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}p)$$

那么可以知道，$a^{p-2}$ 就是 $a$ 在模 $p$ 意义下的逆元。

费马小定理（我觉得）最重要的用法就是这个了，以后也会广泛用到。

要注意，如果只是满足 $(a,p)=1$ 而不满足 $p\in prime$，那么即使 $a$ 在模 $p$ 意义下有逆元，也不能用费马小定理来求。

BSGS算法

Baby-step Giant-step 算法，是用来求解这个方程的：$a^x\equiv n(\mathrm{m}\mathrm{o}\mathrm{d}p)$，其中 $p$ 是质数。

由于 $x$ 一定在 $[0,p-2]$ 内，设 $x=A\lceil \sqrt{p}\rceil -B$，其中 $B\in [0,\lceil \sqrt{n}\rceil ),A\in [1,\lceil \sqrt{n}\rceil ]$。

那么有 $a^{A\lceil \sqrt{p}\rceil -B}\equiv n(\mathrm{m}\mathrm{o}\mathrm{d}p)\Rightarrow a^{A\lceil \sqrt{p}\rceil }\equiv n{a}^B(\mathrm{m}\mathrm{o}\mathrm{d}p)$。

于是我们可以枚举 $B$，将所有 $n{a}^B$ 放到哈希表里面，然后再枚举 $A$，看看哈希表里面是否存在 $a^{A\lceil \sqrt{p}\rceil }$ 这个值即可。时间复杂度 $O(\sqrt{p}\log p)$。

代码如下：

#include <cstdio>
#include <cstring>
#include <map>
#include <cmath>
#include <algorithm>
using namespace std;

int mod,a,n;
int ksm(int x,long long y){int re=1;for(;(y&1?re=1ll*re*x%mod:0),y;y>>=1,x=1ll*x*x%mod);return re;}
map<int,int> mp;

int main()
{
	scanf("%d %d %d",&mod,&a,&n);
	int sz=ceil(sqrt(mod));
	int ans=-1;
	for(int i=0;i<sz;i++){
		int x=1ll*n*ksm(a,i)%mod;
		if(!mp.count(x))mp[x]=i;
	}
	for(int i=1;i<=sz;i++){
		int x=ksm(a,1ll*i*sz);
		if(mp.count(x)){ans=i*sz-mp[x];break;}
	}
	if(ans!=-1)printf("%d",ans);
	else puts("no solution");
}

---

快速幂&快速乘

快速幂

快速乘

---

欧几里得算法

欧几里得算法

---

扩展欧几里得算法

扩展欧几里得算法

---

欧拉定理

欧拉定理

---

扩展欧拉定理

首先当然是要学了上面的欧拉定理。

欧拉定理只适用于 $a$ 与 $p$ 互质的情况，而扩展欧拉定理则更加广泛：
$$a^c\equiv \{\begin{array}{l}{a}^{c\mathrm{m}\mathrm{o}\mathrm{d}\phi (p)}(\gcd (a,b)=1)\\ a^c(\gcd (a,p)\ne 1,c<\phi (p))\\ a^{c\mathrm{m}\mathrm{o}\mathrm{d}\phi (p)+\phi (p)}(\gcd (a,p\ne 1),c\ge \phi (p))\end{array}(\mathrm{m}\mathrm{o}\mathrm{d}p)$$

证明：

第一条就是欧拉定理的简单应用。

第二条没什么应用。

重点是第三条，考虑将 $p$ 分解为 $p_1^{c_1}{p}_2^{c_2}...p_k^{c_k}$，如果能证明 $\forall i\in [1,k]$，都有 $a^c\equiv a^{c\mathrm{m}\mathrm{o}\mathrm{d}\phi (p)+\phi (p)}(\mathrm{m}\mathrm{o}\mathrm{d}{p}_i^{c_i})$，而由于 $x\equiv y(\mathrm{m}\mathrm{o}\mathrm{d}{m}_1)$ 和 $x\equiv y(\mathrm{m}\mathrm{o}\mathrm{d}{m}_2)$ 可以推出 $x\equiv y(\mathrm{m}\mathrm{o}\mathrm{d}{m}_1{m}_2)$，那么即可证得 $a^c\equiv a^{c\mathrm{m}\mathrm{o}\mathrm{d}\phi (p)+\phi (p)}(\mathrm{m}\mathrm{o}\mathrm{d}p)$。

分类讨论一下，若 $\gcd (a,p_i^{c_i})=1$，那么显然成立（根据欧拉定理）。

否则，$a$ 一定是 $p_i$ 的倍数，即可以分解成 $x\times p_i$，其中 $x$ 不一定与 $p_i$ 互质，但是这不重要。

---

引理： $\phi (p_i^{c_i})\ge c_i$。

证明： 由于 $\phi (p_i^{c_i})=(p_i-1)\times p_i^{c_i-1}$，所以上式等价于 $(p_i-1)\times p_i^{c_i-1}\ge c_i$。

考虑 $p_i=2$ 的情况，手玩发现 $c_i=1$ 时是满足的，归纳一下 $c_i>1$ 时也满足。然后再归纳一下，由于 $p_i$ 增大时不等式左边增大，右边不变，所以 $p_i>2$ 时也满足，证毕。

---

由于 $\phi$ 是积性函数，根据引理，有 $c\ge \phi (p)\ge \phi (p_i^{c_i})\ge c_i$。

又由于 $a^c\equiv x^c{p}_i^c$，所以 $p_i^{c_i}|p_i^c|a^c$，即 $a^c\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{p}_i^{c_i})$。

而 $\phi (p)$ 也是大于等于 $c_i$ 的，即 $a^{\phi (p)}\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{p}_i^{c_i})$。

所以有 $a^c\equiv a^{c\mathrm{m}\mathrm{o}\mathrm{d}\phi (p)+\phi (p)}\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{p}_i^{c_i})$。证毕。

---

线性方程

定义： 未知数的次数都是 $1$ 次的方程。

如：$2x+3y+z-4=9$。

假如线性方程中含有 $n$ 个未知数，那么至少需要 $n$ 条包含这 $n$ 个未知数的线性方程才能求出这些未知数。

当然，也会有 $n$ 条线性方程也求不出 $n$ 个未知数的情况，比如说当 $n$ 等于 $2$ 时，给你这样两个方程：
$$\{\begin{array}{l}3x+6y=6\\ 1x+2y=2\end{array}$$

显然求不出来（指无限解）。

高斯消元

这是一个用来求解线性方程组的算法。

高斯消元

---

质数

定义： 对于一个数 $x$，假如他只有 $1$ 和它本身两个因子，那么称这个数为质数。

别名： 素数。

判断是否为质数

暴力

尝试去找这个数的因子。

这个有个优化，我们知道，假如一个数 $n$ 拥有因子 $a$，那么他肯定也拥有另一个因子 $\frac{n}{a}$，而 $a$ 和 $\frac{n}{a}$ 这两个数之间至少有一个小于等于 $\sqrt{n}$，所以我们只需要在 $2$ ~ $\sqrt{n}$ 这个区间内去找有没有因子即可。

代码：

bool prime(int x)
{
	if(x==1)return false;//特判掉1
	for(int i=2;i*i<=x;i++)//枚举2~sqrt(x)
	if(x%i==0)return false;//假如有因子，那么就不是质数
	return true;//假如没有找到因子，那么就是质数
}

费马小定理

我们知道，如果有 $p\in prime$，那么对于任意 $a\in Z^{\ast }$，都有 $a^{p-1}\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}p)$。

那么对于一个数 $x$，我们随便找几个与 $x$ 互质的数，看他们的 $x-1$ 次方是否为 $1$ 即可，假如有一个数的 $x-1$ 次方不为 $1$，那么 $x$ 就不是质数。

但是这是一个看人品的算法，因为有一种叫伪素数的东西。

这种东西他不是素数，但是它可以通过这种费马小定理探测法。伪素数表网上一搜一大堆，这里不列举了。

Miller-Rabin 算法

这虽然也是一个看人品的算法，但是比费马小定理探测法可靠的多。

---

二次探测定理

具体内容： 假如 $p$ 是个质数，那么对于同余方程 $x^2\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}p)$，它的解只有 $x_1=1,x_2=p-1$。

证明： 解一下就好了。
$$\begin{array}{rl}{x}^2& \equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}p)\\ x^2-1& \equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}p)\\ (x+1)(x-1)& \equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}p)\end{array}$$

所以有 $x+1\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}p)$ 或 $x-1\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}p)$，解出来就是 $x\equiv 1orp-1(\mathrm{m}\mathrm{o}\mathrm{d}p)$。

---

回到 Miller-Rabin 算法。

算法流程如下：

1. 随手选出一个与 $x$ 互质的数 $a$。
2. 用费马小定理探测法判断这个 $a$，假如满足 $a^{x-1}\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}x)$，进入下一步，否则可以判断出 $x$ 不为素数。
3. 因为 $a^{x-1}\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}x)$，根据二次探测定理，假如 $x$ 是个质数，那么有 $a^{\frac{x-1}{2}}\equiv 1orp-1(\mathrm{m}\mathrm{o}\mathrm{d}x)$，假如 $a^{\frac{x-1}{2}}$ 不是 $1$ 或 $p-1$，那么 $x$ 不为质数。假如 $a^{\frac{x-1}{2}}$ 为 $1$ 并且 $\frac{x-1}{2}$ 是个偶数，那么就继续探测 $\frac{x-1}{4}$，否则停下。

根据奇奇怪怪的证明，假如一个数 $x$ 成功通过了一次 Miller-Rabin 算法，那么它不是质数的可能性降到 $\frac{1}{4}$，那么不妨多测几次，假如测 $y$ 次，那么它不是质数的可能性就就降到了 $\frac{1}{4^y}$。（证明？我怎么可能会。）

素数筛法

暴力筛

对于 $1$ ~ $n$ 的每个数，都判断一下是不是质数。为了保证正确性以及为了方便，采取暴力判断的方式。

代码：

#include <cstdio>

bool prime(int x)
{
	if(x==1)return false;
	for(int i=2;i*i<=x;i++)
	if(x%i==0)return false;
	return true;
}

int main()
{
	for(int i=1;i<=100;i++)
	if(prime(i))printf("%d ",i);
}

时间复杂度：$O(n\sqrt{n})$

优化的暴力筛

对于任意一个数 $x$，都可以表示成 $6n-5,6n-4,6n-3,6n-2,6n-1,6n$ 中的一种，比如说 $7=2\times 6-5,21=4\times 6-3$。

我们发现，假如一个数可以表示成 $6n-4,6n-2$，那么他一定是 $2$ 的倍数，不可能是质数。

假如一个数可以表示成 $6n-3$，那么他一定是 $3$ 的倍数，不可能是质数。

假如一个数可以表示成· $6n$，那么他一定是 $6$ 的倍数，不可能是质数。

所以，质数都可以表示成 $6n-5$ 或 $6n-1$。

那么尝试优化上面的暴力筛：对于一个数 $x$，我们找他的因子的时候，只找质因子，这样的效果是相同的，然后枚举质因子的时候就可以 $6$ 个 $6$ 个跳，而不是 $1$ 个 $1$ 个跳了。

时间复杂度：$O(\frac{\sqrt{n}}{6})$。

埃氏筛

我们知道，对于一个质数 $x$，它的倍数 $2x,3x,4x,...$ 肯定都不是质数。

埃氏筛就是用了这样的搞法。

代码：

#include <cstdio>

bool v[110];//记录每个数是否为素数，false为是，true为不是

int main()
{
	for(int i=2;i<=100;i++)
	if(!v[i])
	{
		printf("%d ",i);
		for(int j=2;i*j<=100;j++)
		v[i*j]=true;
	}
}

时间复杂度：$O(n\ln n)$。

证明的话参考调和级数即可。

欧拉筛

埃氏筛还不够优秀，于是欧拉筛出现了。

先贴代码：

#include <cstdio>

bool v[110];
int prime[110],t=0;

int main()
{
	for(int i=2;i<=100;i++)
	{
		if(!v[i])prime[++t]=i;//假如i没有被筛到过，那么记录下来
		for(int j=1;j<=t&&i*prime[j]<=100;j++)
		//枚举一个素数prime[j]，筛掉i*prime[j]这个数
		{
			v[i*prime[j]]=true;
			if(i%prime[j]==0)break;//假如prime[j]是i的因子，那么就停下
			//这一步下面会详细讲
		}
	}
	for(int i=1;i<=t;i++)
	printf("%d ",prime[i]);
}

欧拉筛最神的就是这一行：

if(i%prime[j]==0)break;

这样可以保证：对于每个合数，他都只会被自己最小的那个质因子筛掉。

简单的证明：

比如说对于一个合数 $n$，假设它最小的质因子是 $x$，以及他还有另外一个质因子 $y$。显然满足 $x<y$。

要筛掉 $n$，有两种情况：

1. 当 $i$ 枚举到 $\frac{n}{x}$ 时，$prime[j]$ 枚举到 $x$
2. 当 $i$ 枚举到 $\frac{n}{y}$ 时，$prime[j]$ 枚举到 $y$

有一个性质：$x$ 一定是 $\frac{n}{y}$ 的因子。

那么当 $i$ 枚举到 $\frac{n}{y}$ 时，$prime[j]$ 在枚举到 $x$ 时就会停下，不会继续枚举到 $y$。

因此，第一种情况不可能出现。所以，每个合数只可能被自己最小的质因子筛掉。

于是，时间复杂度：$O(n)$。

---

唯一分解定理

对于任意一个正整数 $n$，都可以被唯一地拆成若干个质数相乘的形式，形如：$p_1^{a_1}{p}_2^{a_2}...p_m^{a_m}$，比如说，$60=2^2\times 3^1\times 5^1$。

这个唯一性过于显然，没有必要证明了。

求因子数

对于一个可以分解为 $p_1^{a_1}{p}_2^{a_2}...p_m^{a_m}$ 的数 $n$，它的因子肯定也可以由 $p_1,p_2,...,p_m$ 的若干次方相乘得到，并且对于任意一个因子的一个质因数 $p_i$，它在因子中的指数一定不大于在 $n$ 中的指数。

那么对于 $p_i$，它的指数的取值范围就是 $[0,a_i]$，所以 $n$ 的因子数就是 $(a_1+1)(a_2+1)...(a_m+1)$。

求因子之和

考虑计算每一个质因子的贡献，用分配率加起来，那么就是：
$$(p_1^0+p_1^1+...+p_1^{a_m})(p_2^0+p_2^1+...+p_2^{a_m})...(p_m^0+p_1^m+...+p_m^{a_m})$$

---

中国剩余定理

中国剩余定理

---

扩展中国剩余定理

扩展中国剩余定理

---

容斥

这是个极大的版块，不太能讲完，这里就浅浅涉及一些。

据我所知，容斥大概有两种形式。

形式1

定义一个函数 $g(S)$ 表示集合 $S$ 的价值，定义子集和函数 $f(S)={\sum }_{T\in S}g(T)$，假如我们知道了 $f$，可以通过这个柿子得到 $g$：
$$g(S)=\sum _{S\in T}(-1{)}^{|S|-|T|}f(T)$$

类似的，可以定义超集和函数 $f(S)={\sum }_{S\in T}g(T)$，知道 $f$ 时就可以通过类似的柿子得到 $g$：
$$g(S)=\sum _{T\in S}(-1{)}^{|S|-|T|}f(T)$$

很多时候，这个集合 $S$ 里面记录的是限制，比如 $f(S)$ 表示至少满足 $S$ 这些限制的情况数量，则 $g(S)$ 表示恰好满足 $S$ 这些限制的情况数量。

至少这个限制大多数时候是比恰好要松的，往往会更好求，此时就可以通过求出 $f$，然后容斥再求出 $g$。

形式2

记所有组合对象为 $U$，有若干种属性 $1,2,\cdots ,k$，每个组合对象拥有一些属性，记 $A_i$ 表示所有拥有属性 $P_i$ 的对象集合，令 $S$ 为包含了任意一些属性的集合，那么有：
$$|\bigcup _{i\in S}{A}_i|=\sum _{T\in S}(-1{)}^{|T|-1}|\bigcap _{j\in T}{A}_j|$$

显然也可以将并集和交集符号交换一下得到类似的容斥公式。

以这个柿子为例，一个小学就学过的简单容斥问题其实就是它的经典应用：

$a$ 个人学FFT，$b$ 个人学NTT，$c$ 个人学FMT，$d$ 个人同时学FFT和NTT，$e$ 个人同时学NTT和FMT，$f$ 个人同时学FFT和FMT，$g$ 个人同时学FFT、NTT和FMT，求有多少个人学了至少一种算法。

众所周知答案是 $a+b+c-d-e-f+g$，本质上容斥的过程是：先把所有人算上，然后把重复计算的减掉，再把重复减掉的加上，如此反复直到最后一次计算后没有重复的为止。

看起来这样可以使每个人只被统计一次，如何用数学方法严谨证明一下呢？

对于一个学习了 $n$ 个算法的人，他会被统计这么多次：
$$\sum _{i=1}^n\left(\genfrac{}{}{0ex}{}{n}{i}\right)(-1{)}^{i-1}$$

其中，假设他学习的算法集合为 $S$，那么它就有 $\left(\genfrac{}{}{0ex}{}{n}{i}\right)$ 个大小为 $i$ 的子集 $T$，贡献的系数为 $(-1{)}^{|T|-1}$，即 $(-1{)}^{i-1}$。

推一推：
$$=-\left(\sum _{i=0}^n\left(\genfrac{}{}{0ex}{}{n}{i}\right)(-1{)}^i\right)+1=(1-1{)}^n+1=1$$

这样就证完了，中间用到的是二项式定理。

简单反演

对于一个关系：$f_n=\sum a_{n,i}g(i)$，知道 $f$ 求回 $g$ 的过程便是反演。

似乎大部分反演的本质就是容斥。

莫比乌斯反演

莫比乌斯反演

当时相当的菜，只会背个定义套套式子，这里写一些其他的东西。

莫比乌斯函数 $\mu$ 是个相当厉害的容斥系数，还记得在欧拉函数那里看到的一条式子吗？
$$\phi (n)=\sum _{i|n}\mu (i)\frac{n}{i}$$

就以这个为例子，来初步理解一下 $\mu$ 的容斥意义。

姑且先看看 $\phi (n)$ 的本质：$n$ 以内与 $n$ 互质的数的个数。也就有：
$$\begin{array}{rl}\phi (n)& =\sum _{i=1}^n[\gcd (i,n)=1]\\ & =\sum _{i=1}^n\sum _{d|\gcd (i,n)}\mu (d)\end{array}$$

注意到 $d|\gcd (i,n)$ 可以拆成 $d|i\&d|n$，带进去会变得很方便：
$$\begin{array}{rl}\phi (n)& =\sum _{i=1}^n\sum _{d|n}\mu (d)[d|i]\\ & =\sum _{d|n}\mu (d)\sum _{i=1}^n[d|i]\\ & =\sum _{d|n}\mu (d)\frac{n}{i}\end{array}$$

这样就简单证明完了，但是如何从容斥方面来考虑这个柿子的正确性呢？

回顾上面所说：容斥是个反复加减的过程；函数 $f(S)$ 中的 $S$ 常常用来表示限制的集合。

注意这里有什么限制：假设 $n$ 可以分解为 $p_1^{c_1}{p}_2^{c_2}...p_k^{c_k}$，那么当且仅当 $i$ 不是任何一个 $p_j$ 的倍数时，它才与 $n$ 互质。这个可以分解成 $k$ 条限制，第 $j$ 条为 $i$ 需要与 $p_j$ 互质。

考虑反复加减：看一个比较小的例子，当 $n=6$ 时，考虑没有限制时，先加上所有数，即 $1$ ~ $6$，然后由于 $6=2^1\times 3^1$，所以我们需要减去 $2$ 和 $3$ 的倍数，注意到这样的话 $6$ 的倍数会被减去两次，我们需要加回来，所以再加上 $6$ 的倍数，答案为 $6-3-2+1=2$。

看到这里，是不是已经有熟悉的感觉了？这和上面那个反复加减的例子本质几乎一致！

然后你再回顾 $\mu$ 的定义：假如 $i$ 可以分解为 $k$ 个互不相同的质因子，那么 $\mu (k)=(-1{)}^k$，这不就正好表示，$i$ 的倍数在容斥过程中应该加上还是减去吗！

而当 $i$ 拥有平方因子时，$i$ 对容斥是没有贡献的，所以 $\mu (i)$ 等于 $0$。

是不是一切都顺理成章了起来，当初 $\mu$ 那个奇怪的定义也显得理所当然。

这就是容斥之美，数学的本质往往是很简单的。

二项式反演

二项式反演