终于学了一波莫比乌斯反演，感觉一些技巧还是容易忘的，记一下方便回顾。
莫比乌斯函数
定义
莫比乌斯函数 \mu(n)μ(n) 的定义：
设 n = p_1 ^ {k_1} \cdot p_2 ^ {k_2} \cdot\cdots\cdot p_m ^ {k_m}n=p1k1⋅p2k2⋅⋯⋅pmkm，其中 pp 为素数，则定义如下：
\mu(n) = \begin{cases} 1 & n = 1 \\ (-1) ^ m & \prod\limits_{i = 1} ^ {m} k_i = 1 \\ 0 & \textrm{otherwise}(k_i \gt 1) \end{cases}μ(n)=⎩⎪⎪⎪⎨⎪⎪⎪⎧1(−1)m0n=1i=1∏mki=1otherwise(ki>1)
可知有平方因子的数的莫比乌斯函数值为 00。
性质
性质一：莫比乌斯函数是积性函数。
\mu(a)\mu(b) = \mu(a\cdot b), a\perp bμ(a)μ(b)=μ(a⋅b),a⊥b
应用：根据这一性质，我们可以采取线性筛法，用 O(n)O(n) 的时间预处理出所有 [1, n][1,n] 内的莫比乌斯函数值。
质数的值为 -1−1，如果一个数存在某个质因子的指数不为 11，那么它将会被筛为 00（值得注意的是，只有数存在最小质因子的指数大于 11 时，它才会被直接筛为 00，其余的情况是由 \mu(d) = -\mu(i)μ(d)=−μ(i) 来完成的）。
每个数仅被其最小质因子筛去，故复杂度为 O(n)O(n)。
void sieve() {
fill(isPrime, isPrime + maxn, 1);
mu[1] = 1, num = 0;
for (int i = 2; i < maxn; ++i) {
if (isPrime[i]) primes[num++] = i, mu[i] = -1;
static int d;
for (int j = 0; j < num && (d = i * primes[j]) < maxn; ++j) {
isPrime[d] = false;
if (i % primes[j] == 0) {
mu[d] = 0;
break;
} else mu[d] = -mu[i];
}
}
}
性质二：
\sum_{d\mid n}\mu(d) = [n = 1]d∣n∑μ(d)=[n=1]
证明：当 n = 1n=1 时有 \mu(1) = 1μ(1)=1，显然成立。否则设 n = p_1 ^ {k_1} \cdot p_2 ^ {k_2} \cdot\cdots\cdot p_m ^ {k_m}n=p1k1⋅p2k2⋅⋯⋅pmkm，d = p_1 ^ {x_1} \cdot p_2 ^ {x_2} \cdot\cdots\cdot p_m ^ {x_m}d=p1x1⋅p2x2⋅⋯⋅pmxm 根据 \muμ 的定义，只需考虑 x_i = 0xi=0 或 x_i = 1xi=1 的情况。我们设 dd 中存在 rr 个 x_ixi 为 1，那么有：
\sum_{d\mid n}\mu(d) = \sum_{r = 0}^m\binom m r(-1)^r(n \neq 1)d∣n∑μ(d)=r=0∑m(rm)(−1)r(n≠1)
根据二项式定理：
(x+y)^{n}=\sum _{k=0}^{n}\binom n kx^{n-k}y^{k}(x+y)n=k=0∑n(kn)xn−kyk
我们令 x = 1, y = -1x=1,y=−1，即得证：
\sum_{r = 0}^m\binom m r(-1)^r = (1 - 1)^m = 0(n \neq 1)r=0∑m(rm)(−1)r=(1−1)m=0(n≠1)
此公式运用的很多，在求 \gcd = 1gcd=1 或是用杜教筛求前缀和的时候都用的到。
莫比乌斯反演
公式
如果 f(n), g(n)f(n),g(n) 是数论函数，且满足：
f(n) = \sum_{d\mid n}g(d)f(n)=d∣n∑g(d)
则有莫比乌斯反演：
g(n) = \sum_{d\mid n}\mu(\frac n d)f(d) = \sum_{d\mid n}\mu(d)f(\frac n d)g(n)=d∣n∑μ(dn)f(d)=d∣n∑μ(d)f(dn)
证明：
\begin{aligned} &\sum_{d\mid n}\mu(d)f(\frac n d)\\=&\sum_{d\mid n}\mu(d)\sum_{i\mid \frac n d}g(i)\\=&\sum_{i\mid n}g(i)\sum_{k\mid \frac n i}\mu(k)\\=&g(n) \end{aligned}===d∣n∑μ(d)f(dn)d∣n∑μ(d)i∣dn∑g(i)i∣n∑g(i)k∣in∑μ(k)g(n)
根据莫比乌斯函数的性质 2，可知当且仅当 i = ni=n 时和式的值为 g(n)g(n)，否则为 00。
变形
f(i) = \sum_{d = 1}^{\left\lfloor\frac n i\right\rfloor}g(d\cdot i)\Rightarrow g(i) = \sum_{d = 1}^{\left\lfloor\frac n i\right\rfloor}f(d\cdot i)\mu(d)f(i)=d=1∑⌊in⌋g(d⋅i)⇒g(i)=d=1∑⌊in⌋f(d⋅i)μ(d)
证明就略过了，与上面的证明大同小异，可以做为练习加深理解。
应用
所有和式默认 n\le mn≤m，不满足则交换。
求 gcd = k 的个数
\sum_{i = 1}^n\sum_{j = 1}^m[\gcd(i, j) = k]i=1∑nj=1∑m[gcd(i,j)=k]
设 f(k)f(k) 为 \gcd(i, j) = kgcd(i,j)=k 的个数，g(k)g(k) 为满足 k\mid\gcd(i, j)k∣gcd(i,j) 的对数，则有以下关系：
g(k) = \sum_{x = 1}^{\left\lfloor\frac n k\right\rfloor}f(k\cdot x)g(k)=x=1∑⌊kn⌋f(k⋅x)
我们只需快速求出 g(k)g(k)，可知，如果 i, ji,j 能被 kk 整除，那么它们可以写成 i = k\cdot x_1, j = k\cdot x_2i=k⋅x1,j=k⋅x2 的形式，我们只需求有多少对 x_1, x_2x1,x2 即可，可得：
g(k) = \left\lfloor\frac n k\right\rfloor\left\lfloor\frac m k\right\rfloorg(k)=⌊kn⌋⌊km⌋
根据莫比乌斯反演的变形，可求得 f(k)f(k)：
\begin{aligned}f(k) &= \sum_{x = 1}^{\left\lfloor\frac n k\right\rfloor}\mu(x)g(k\cdot x)\\&=\sum_{x = 1}^{\left\lfloor\frac n k\right\rfloor}\mu(x)\left\lfloor\frac n {kx}\right\rfloor\left\lfloor\frac m {kx}\right\rfloor\end{aligned}f(k)=x=1∑⌊kn⌋μ(x)g(k⋅x)=x=1∑⌊kn⌋μ(x)⌊kxn⌋⌊kxm⌋
显然 f(k)f(k) 就是答案，暴力求是 O(n)O(n) 的。如何快速求？这里很重要的思想就是分块，\left\lfloor\frac n d\right\rfloor⌊dn⌋ 有至多 O(\sqrt n)O(√n) 个取值。
证明：当 1\le d< \sqrt n1≤d<√n 时，由于 dd 只有 \sqrt n√n 个，所以 \left\lfloor\frac n d\right\rfloor⌊dn⌋ 也只有至多 \sqrt n√n 个取值。
当 \sqrt n\le d\le n√n≤d≤n 时，由于 \left\lfloor\frac n d\right\rfloor⌊dn⌋ 小于 \sqrt n√n，所以 \left\lfloor\frac n d\right\rfloor⌊dn⌋ 也只有至多 \sqrt n√n 个取值。
\left\lfloor\frac n d\right\rfloor⌊dn⌋ 有至多 O(\sqrt n)O(√n) 个取值，证明完毕。
同理 \left\lfloor\frac m d\right\rfloor⌊dm⌋ 也只有至多 \sqrt m√m 个取值，又因为取值是连续的，所以 \left\lfloor\frac n {kx}\right\rfloor⌊kxn⌋ 与 \left\lfloor\frac m {kx}\right\rfloor⌊kxm⌋ 同时不变的段数有 O(\sqrt n + \sqrt m)O(√n+√m) 个。
例：n = 32, m = 40, k = 2n=32,m=40,k=2，红色为相等的段。
对于相等的段，我们求取 \muμ 的前缀和，即可批量计算这一个段的答案。
ll F(int n, int m, int d) {
if (n > m) swap(n, m);
ll ans = 0;
n /= d, m /= d;
for (int i = 1, last = 1; i <= n; i = last + 1) {
last = min(n / (n / i), m / (m / i));
ans += (ll)(sum[last] - sum[i - 1]) * (n / i) * (m / i);
}
return ans;
}
对于位置 ii，找到下一个相等的位置的代码为 min(n / (n / i), m / (m / i))。对于 nn 来说，我们要找到最大的 jj，满足：
\lfloor\frac n j\rfloor \ge \lfloor\frac n i\rfloor⌊jn⌋≥⌊in⌋
可以拆掉左边的底：
\frac n j\ge \lfloor\frac n i\rfloorjn≥⌊in⌋
继续化简：
j\le \left\lfloor\frac n {\lfloor\frac n i\rfloor}\right\rfloorj≤⌊⌊in⌋n⌋
所以 j = \left\lfloor\frac n {\lfloor\frac n i\rfloor}\right\rfloorj=⌊⌊in⌋n⌋，对 mm 同理，取两个 jj 最小值即为都不变的段 [i, j][i,j]。
总之，复杂度为 O(\sqrt n + \sqrt m)O(√n+√m)。
这个 f(k)f(k) 以及分块非常重要，几乎题题都会用到。
gcd(i, j) 的幂
\sum_{i = 1}^n\sum_{j = 1}^m\gcd(i, j)^k \bmod ({10}^9 + 7)i=1∑nj=1∑mgcd(i,j)kmod(109+7)
按照我们刚刚的技巧，枚举最大公约数 dd 然后转换为可分块的形式：
\begin{aligned}\sum_{i = 1}^n\sum_{j = 1}^m\gcd(i, j)^k& = \sum_{d = 1}^nd^k\sum_{i = 1}^n\sum_{j = 1}^m[\gcd(i, j) = d]\\& = \sum_{d = 1}^nd^k\sum_{x=1}^{\left\lfloor\frac n d\right\rfloor}\mu(x)\left\lfloor\frac n {dx}\right\rfloor\left\lfloor\frac m {dx}\right\rfloor\end{aligned}i=1∑nj=1∑mgcd(i,j)k=d=1∑ndki=1∑nj=1∑m[gcd(i,j)=d]=d=1∑ndkx=1∑⌊dn⌋μ(x)⌊dxn⌋⌊dxm⌋
到这里可以分套分块 O((\sqrt n)^2) = O(n)O((√n)2)=O(n)，如果多组询问怎么办呢？另一重要技巧就是枚举 dxdx，你可能会疑惑，d, xd,x 都没定呢，怎么枚举 dxdx？实际上我们枚举的是乘积，让 dxdx 为定值，这个情况下再枚举 dd。
原式可化为：
\sum_{T=1}^n\left\lfloor\frac n {dx}\right\rfloor\left\lfloor\frac m {dx}\right\rfloor\sum_{d \mid n}d^k\mu(\frac T d)T=1∑n⌊dxn⌋⌊dxm⌋d∣n∑dkμ(dT)
这样的求出答案是正确的吗？我们知道之前一步的式子是：\sum_{d = 1}^nd^k\sum_{x=1}^{\left\lfloor\frac n d\right\rfloor}\mu(x)\left\lfloor\frac n {dx}\right\rfloor\left\lfloor\frac m {dx}\right\rfloor∑d=1ndk∑x=1⌊dn⌋μ(x)⌊dxn⌋⌊dxm⌋。
显然只要 dd 以及 xx 定了，式子的一项也就定了，于是原式也可以写成；
\sum_{(d, x)} d^k\mu(x)\left\lfloor\frac n {dx}\right\rfloor\left\lfloor\frac m {dx}\right\rfloor(d,x)∑dkμ(x)⌊dxn⌋⌊dxm⌋
只要我们能枚举出所有的二元组 (d, x)(d,x)，并把对应项乘起来，就是正确的。
如果设 f(n) = \sum_{d \mid n}d^k\mu(\frac T d)f(n)=∑d∣ndkμ(dT)，则我们只需要求 ff 的一个前缀和就可以 O(\sqrt n)O(√n) 回答询问了。
发现 d^kdk 是积性函数，根据莫比乌斯反演的性质，ff 也是一个积性函数，我们可以线筛 O(n)O(n) 求出答案。
怎么线筛？如果对于积性函数 ff 来说，f(p^k), \textrm{p is a prime}f(pk),p is a prime 能 O(1)O(1) 求出的话，那么就可以 O(n)O(n) 预处理了，详见 线性筛法与积性函数。
所以我们要想办法快速处理 f(p^k)f(pk)，通常要分解质因数来考虑。
这里化一下 ff：
\begin{aligned}f(n)&= \sum_{d \mid n}d^k\mu(\frac T d)\\&= \prod_{p_i} f(p_i^{x_i})\\&= \prod_{p_i} (p_i^{x_i}\cdot\mu(1) + p_i^{k(x_i-1)}\cdot \mu(p_i))\\&= \prod_{p_i} p_i^{k(x_i-1)}(p_i^k-1)\end{aligned}f(n)=d∣n∑dkμ(dT)=pi∏f(pixi)=pi∏(pixi⋅μ(1)+pik(xi−1)⋅μ(pi))=pi∏pik(xi−1)(pik−1)
总复杂度：O(n + T\sqrt n)O(n+T√n)。
其他技巧
题目太多了，我懒得写了。好像不少题目都是与“求 \gcd(i, j)gcd(i,j) 的幂”差不多的方法，最后都变成了线筛预处理积性函数了，那就不写了，记一下化简式子中可能用到的小技巧吧。
如果 d(n)d(n) 为 nn 的约数个数，则：
d(nm) = \sum_{i\mid n}\sum_{j\mid m}[\gcd(i, j) = 1]d(nm)=i∣n∑j∣m∑[gcd(i,j)=1]
证明：设 nm = p_1^{x_1}\cdot p_2^{x_2}\cdot p_3^{x_3}\cdots p_k^{x_k}nm=p1x1⋅p2x2⋅p3x3⋯pkxk，且 n = p_1^{y_1}\cdot p_2^{y_2}\cdot p_3^{y_3}\cdots p_k^{y_k}n=p1y1⋅p2y2⋅p3y3⋯pkyk，则 m = p_1^{x_1 - y_1}\cdot p_2^{x_2 - y_2}\cdot p_3^{x_3 - y_3}\cdots p_k^{x_k - y_k}m=p1x1−y1⋅p2x2−y2⋅p3x3−y3⋯pkxk−yk。
设 i = p_1^{a_1}\cdot p_2^{a_2}\cdot p_3^{a_3}\cdots p_k^{a_k}i=p1a1⋅p2a2⋅p3a3⋯pkak，j = p_1^{b_1}\cdot p_2^{b_2}\cdot p_3^{b_3}\cdots p_k^{b_k}j=p1b1⋅p2b2⋅p3b3⋯pkbk，要使 \gcd(i, j) = 1gcd(i,j)=1，必然有 a_1a1 或 b_1b1 为 0，如果 a_1a1 为 0，那么 b_1b1 有 x_i - y_1 + 1xi−y1+1 种取值；如果 b_1b1 为 0，那么 a_1a1 有 y_1 + 1y1+1 种取值，一共有 x_1 + 1x1+1 种取值，对于 x_ixi 也如此。
所以满足条件的 i, ji,j 对数为 \prod(x_i + 1)∏(xi+1)，与约数定理给出的形式一样，得证。
总结
还没写完怎么就总结了
莫比乌斯反演一般来说套路比较固定，看到两个求和符号，基本上就逃不开莫比乌斯了。
求和的东西可能不同，但是一般都与 \gcdgcd 有关，枚举 \gcdgcd，再使用 \gcd = kgcd=k 的个数 + 分块一般能 O(n)O(n)，将后面的部分提前 + 积性函数预处理 + 分块一般能单组 O(\sqrt n)O(√n)。
积性函数有时不好数学证明，那么可以打表来验证，重点关注质数，质数的幂的值。
还有如果 n, mn,m 比较大的，可能需要使用杜教筛处理一下前缀和，需要一些数学功底来推导。
杜教筛我可能会新开一个笔记（填坑）。
334
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
