洛谷P3704 [SDOI2017]数字表格（预处理筛+莫比乌斯反演+乘法逆元+数论分块）

洛谷P3704 [SDOI2017]数字表格（预处理筛+莫比乌斯反演+乘法逆元+数论分块）

题目链接：https://www.luogu.com.cn/problem/P3704
题目大意：给定一组 $n,m$ ，求 $\prod _{i=1}^n\prod _{j=1}^{m}f(\gcd (i,j))mod1e9+7$ ，其中 $f(x)$ 为斐波那契数列的第 $x$ 项。
题解：这次变成了求函数的连乘积，看上去无从下手，实际上还是与求函数的连加和一样的套路。不妨设 $n\le m$ 。

原式：$\prod _{i=1}^n\prod _{j=1}^{m}f(\gcd (i,j))$

$=\prod _{i=1}^n\prod _{j=1}^m\prod _{d=1}^{n}f(d{)}^{[\gcd (i,j)=d]}$

$=\prod _{d=1}^n\prod _{i=1}^n\prod _{j=1}^{m}f(d{)}^{[\gcd (i,j)=d]}$

$=\prod _{d=1}^n\prod _{i=1}^{\lfloor \frac{n}{d}\rfloor }\prod _{j=1}^{\lfloor \frac{m}{d}\rfloor }f(d{)}^{\epsilon (\gcd (i,j))}$

$=\prod _{d=1}^n\prod _{i=1}^{\lfloor \frac{n}{d}\rfloor }\prod _{j=1}^{\lfloor \frac{m}{d}\rfloor }f(d{)}^{\sum _{t\mid i,t\mid j}\mu (t)}$

$=\prod _{d=1}^n\prod _{i=1}^{\lfloor \frac{n}{d}\rfloor }\prod _{j=1}^{\lfloor \frac{m}{d}\rfloor }\prod _{t\mid i,t\mid j}f(d{)}^{\mu (t)}$

$=\prod _{d=1}^n\prod _{t=1}^{\lfloor \frac{n}{d}\rfloor }\prod _{i=1}^{\lfloor \frac{n}{dt}\rfloor }\prod _{j=1}^{\lfloor \frac{m}{dt}\rfloor }f(d{)}^{\mu (t)}$

设 $T=dt$ ，那么则可化为：

$\Rightarrow \prod _{T=1}^n\prod _{i=1}^{\lfloor \frac{n}{T}\rfloor }\prod _{j=1}^{\lfloor \frac{m}{T}\rfloor }\prod _{d\mid T}f(d{)}^{\mu (\frac{T}{d})}$

令 $u(x)=\prod _{d\mid x}f(d{)}^{\mu (\frac{x}{d})}$ ，显然，这个函数可以使用埃式筛提前进行预处理，埃式筛可以遍历每一个数的每一个非1因数，而 $\mu (x)$ 和 $f(x)$ 也都能提前进行预处理。则经过预处理后，求任意 $u(x)$ 的值是 $O(1)$ 的。
此时原式等于：

$\Rightarrow \prod _{T=1}^n\prod _{i=1}^{\lfloor \frac{n}{T}\rfloor }\prod _{j=1}^{\lfloor \frac{m}{T}\rfloor }u(T)$

$=\prod _{T=1}^{n}u(T{)}^{\lfloor \frac{n}{T}\rfloor \lfloor \frac{m}{T}\rfloor }$

即可应用数论分块对原式进行计算加速。这样的话我们需要维护 $u(x)$ 的前缀积 $pu(x)$ ，当计算一个区间 $[l,r]$ 的场合，只需计算 $pu(r)/pu(l-1)$ 。但这时便引申出求乘法逆元的问题。对于质数 $1e9+7$ ，求出 $[1,1e9+6]$ 的所有逆元显然是不现实的，不妨先线性求出 $[1,1e6]$ 的所有逆元，然后这个区间外的所有数的逆元便可以根据线性递推公式求出了，这种做法会比使用费马小定理直接求逆元要快。同时根据费马小定理，有 $u(T{)}^{\lfloor \frac{n}{T}\rfloor \lfloor \frac{m}{T}\rfloor }\equiv u(T{)}^{\lfloor \frac{n}{T}\rfloor \lfloor \frac{m}{T}\rfloor mod1e9+6}mod1e9+7$ ，可以对算法起到一点加速作用。
下面是AC代码。

#include<iostream>
#include<vector>
#include<unordered_map>
using namespace std;
#define debug(x) cerr<<#x<<":"<<x<<endl
#define debug2(x,y) cerr<<#x<<":"<<x<<"  "<<#y<<":"<<y<<endl
#define debug3(x,y,z) cerr<<#x<<":"<<x<<"  "<<#y<<":"<<y<<"  "<<#z<<":"<<z<<endl
typedef long long ll;
struct fastio{
    fastio(){
        ios::sync_with_stdio(0);
        cin.tie(0);
        cout.tie(0);
    }
}fio;
ll N;
const ll M=1e9+7;
const ll PHIM=M-1;
ll qpow(ll x,ll y,ll mod){
    ll res=1;
    x%=mod;
    while(y){
        if(y&1) res=(res*x)%mod;
        x=(x*x)%mod;
        y>>=1;
    }
    return res;
}
vector<int> prime,part,mu,f,inv_M,u,pu;
ll inv(ll x){
    x%=M;
    if(x<N) return inv_M[x];
    return ((ll)(M-(M/x))*(ll)inv(M%x))%M;
}
void init(){
    inv_M=f=part=vector<int>(N,0);
    u=pu=vector<int>(N,1);
    mu=vector<int>(N,-1);
    inv_M[1]=f[1]=mu[1]=1;
    for(ll i=2;i<N;++i){
        f[i]=((ll)f[i-1]+(ll)f[i-2])%M;
        inv_M[i]=((ll)(M-(M/i))*(ll)inv_M[M%i])%M;
        if(!part[i]){
            prime.push_back(i);
            part[i]=i;
        }
        for(auto j:prime){
            if(i*j>=N) break;
            part[i*j]=j;
            if(i%j==0){
                mu[i*j]=0;
                break;
            }
            else mu[i*j]=-mu[i];
        }
    }
    for(int i=2;i<N;++i){
        for(int j=i;j<N;j+=i){
            if(mu[j/i]==-1) u[j]=(ll)u[j]*inv(f[i])%M;
            if(mu[j/i]==1) u[j]=(ll)u[j]*f[i]%M;
        }
        pu[i]=(ll)u[i]*pu[i-1]%M;
    }
}
ll g(ll x,ll y){
    if(x>y) swap(x,y);
    ll res=1;
    for(ll l=3,r;l<=x;l=r+1){
        r=min(x/(x/l),y/(y/l));
        ll t=qpow((pu[r]*inv(pu[l-1])),((x/l)*(y/l))%PHIM,M);
        res=res*t%M;
    }
    return res;
}
signed main(){
    int t,n,m,maxx=-1;
    cin>>t;
    vector<pair<int,int> >data;
    while(t--){
        cin>>n>>m;
        data.push_back({n,m});
        maxx=max(maxx,max(n,m));
    }
    N=maxx;
    init();
    for(auto i:data) cout<<g(i.first,i.second)<<endl;
}

第一次做出洛谷黑题，用了一天时间，可喜可贺。。。个人感觉 $u(x)$ 也可以用线性筛预处理，可惜本蒟蒻想不出来。。。