筛法求常见积性函数

在筛法中，一个数由它的因子筛出来，因此如果数论函数f(n)与f(x),f(y)有关，其中$x\cdot y=n$，则一般可以通过x、y筛出n的函数值。

在这之中，欧拉筛法中每个数都由其最小质因子筛出，应用范围较广：

定义$LPF(x)$表示x的最小质因子，欧拉筛法可以求出积性函数，需要：

1. 当$p\in \mathbb{P},f(p)$容易求。
2. 当积性函数$f$有：$p=LPF(n),n=x\cdot p$，已知$f(x),f(p)$，有$p|x$（也就是p与x不互质）时,$f(n)$容易求。

其他筛法也可以求一部分积性函数，以下所述筛法，均为欧拉筛。

筛法求欧拉函数

1. 对于$p\in \mathbb{P},\phi (p)=p-1$。
2. 且由欧拉函数的性质4的推论2可知，一个数$p\cdot x$的欧拉函数值可以欧拉筛筛出来：

代码如下：

#include<iostream>
#include<vector>
#include<cmath>
using namespace std;
vector<int> a;
bool vis[105];
int phi[105];
void Euler(int n) {
	for(int i=2;i<=n;i++) {
		if(!vis[i]) 
			phi[i]=i-1,a.push_back(i);
		for(auto&j:a) {
			int m=i*j;
			if(i*j>100) break;
			vis[m]=true;
			if(i%j==0) {
				phi[m]=j*phi[i];
				break;
			}
			else
				phi[m]=phi[i]*phi[j];
		}
	}
}
int main() {
	int n;
	cin>>n;
	phi[1]=1;
	Euler(n);
	for(int i=1;i<=n;i++)
		cout<<i<<": "<<phi[i]<<endl;
	return 0;
}

筛法求欧拉函数常用于欧拉反演和莫比乌斯反演。

筛法求莫比乌斯函数

1. 对于$p$，$\mu (p)=-1$。
2. 对于$x=i\cdot j$，其中$j$是$x$的质因子。
   若$i\perp j:\mu (x)=\mu (i)\cdot \mu (j)=-\mu (i)$
   否则，x有相同质因子，$\mu (x)=0$

因此可以线性筛莫比乌斯函数：

#include<iostream>
#include<vector>
#include<cstdio>
const int N=10000000;
using namespace std;
bool vis[N+5];
int mu[N+5];
vector<int> a;
int pre[N+5];
void Euler() {
	mu[1]=1;
	for(int i=2;i<=N;i++) {
		if(!vis[i])
			mu[i]=-1,
			a.push_back(i);
		for(auto&j:a) {
			int x=i*j;
			if(x>N) break;
			vis[x]=true;
			if(i%j==0) break;
			mu[x]=-mu[i];
		}
	}
	for(int i=1;i<=N;i++) pre[i]=pre[i-1]+mu[i];
}
using namespace std;
int main() {
	Euler();
	int n;
	cin>>n;
	for(int i=1;i<=n;i++)
		printf("%d\n",mu[i]);
	return 0;
}

线性筛莫比乌斯函数常用于莫比乌斯反演。

线性筛约数个数函数

约数个数函数${\sigma }_0$用函数$d$表示

约数个数定理

对于$x$有标准分解式，$x=\stackrel{s}{\prod _{i=1}}{p}_i^{a_i}$：$d(x)=\stackrel{s}{\prod _{i=1}}{a}_i+1$

这个定理很明显，对于$x$的质因子$p_i$，可以取$[0,a_i]$个$p_i$，作为$x$的一个约数的一部分，因此共有$a_i+1$种可能，应用乘法原理，立即得到上述结论。

线性筛约数个数函数

1. $d(p)=2$
2. 有$i\cdot j=x,j=LPF(x)$：
   $i\perp j:d是积性函数，d(x)=d(i)\cdot d(j)$
   否则：设$f_x$表示$LPF(x)$的出现次数，则根据约数个数定理：
   $d(x)=\stackrel{s}{\prod _{k=1}}{a}_k+1=(f_x+1)\stackrel{s}{\prod _{k=2}}{a}_k+1=(f_x+1)\left(\frac{\left(f_i+1\right)\stackrel{s}{\prod _{k=2}}{a}_k+1}{f_i+1}\right)=(f_x+1)\frac{d(i)}{f_i+1}=\frac{d(i)}{f_i+1}(f_x+1)$

（LPF(x)的出现次数，指LPF(x)在标准分解式中的指数）

因此筛约数个数需要同时维护$f$、$d$。$f$很好维护。

线性筛约数和函数

约数和函数用${\sigma }_1$表示，这里简写为$\sigma$

约数和定理

对于$x$有标准分解式，$x=\stackrel{s}{\prod _{i=1}}{p}_i^{a_i}$：$\sigma (x)=\stackrel{s}{\prod _{i=1}}\stackrel{a_i}{\sum _{j=0}}{p}_i^j$

设状态$x_i$表示考虑完前i个质因子，转移到$x_{i+1}$的权值分别为$p_{i+1}^0,p_{i+1}^1,...,p_{i+1}^{a_i}$（表示在这个约数中，质因子$p_{i+1}$选取了k次，为$p_{i+1}^k$，当然可以不选，权值为1），应用广义乘法原理容易证明。

线性筛约数和函数

1. $\sigma (p)=p+1$
2. 有$i\cdot j=x,j=LPF(x)$：
   $i\perp j:\sigma (x)=\sigma (i)\cdot \sigma (j)$
   否则：设$f_x$表示$LPF(x)$的出现次数，根据约数和定理：
   $\sigma (x)=\stackrel{s}{\prod _{k=1}}\stackrel{a_k}{\sum _{x=0}}{p}_k^x=\stackrel{f_x}{\sum _{k=0}}{j}^k\left(\stackrel{s}{\prod _{k=2}}\stackrel{a_k}{\sum _{x=0}}{p}_k^x\right)=\stackrel{f_x}{\sum _{k=0}}{j}^k\left(\frac{\stackrel{f_i}{\sum _{x=0}}{j}^x\stackrel{s}{\prod _{k=2}}\stackrel{a_k}{\sum _{x=0}}{p}_k^x}{\stackrel{f_i}{\sum _{x=0}}{j}^x}\right)=\stackrel{f_x}{\sum _{k=0}}{j}^k\left(\frac{\sigma (i)}{\stackrel{f_i}{\sum _{k=0}}{j}^k}\right)$
   设$g(n)$表示$\stackrel{f_n}{\sum _{k=0}}LPF(n{)}^k$，上式可继续化为：$g(x)\frac{\sigma (i)}{g(i)}$

我们发现$f$并没有参与计算，因此筛约数和只要同时维护$\sigma ,g$，g很好维护。

筛法求整除函数

整除函数用${\sigma }_k$表示。

整除函数定理

我们注意到$x=\stackrel{s}{\prod _{i=1}}{p}_i^{a_i}$，有$x^k={\left(\stackrel{s}{\prod _{i=1}}{p}_i^{a_i}\right)}^k=\stackrel{s}{\prod _{i=1}}{p}_i^{k\cdot a_i}$，因此对于每个数的贡献，可以拆开成它的质因子的k次幂来算。

• 对于$x$有标准分解式，$x=\stackrel{s}{\prod _{i=1}}{p}_i^{a_i}$：${\sigma }_k(x)=\stackrel{s}{\prod _{i=1}}\stackrel{a_i}{\sum _{j=0}}{p}_i^{k\cdot j}$

设状态$x_i$表示考虑完前i个质因子，在这个约数中，下一个质因子选取了c次，就是$p_{i+1}^c$，转移到$x_{i+1}$的权值为${\left(p_{i+1}^c\right)}^k$，不选权值为1，应用广义乘法原理容易证明。

整除函数定理是约数和定理、约数个数定理的一般情况。

筛法求整除函数

1. ${\sigma }_k(p)=p^k+1$
2. 有$i\cdot j=x,j=LPF(x)$：
   $i\perp j:\sigma (x)=\sigma (i)\cdot \sigma (j)$
   否则：设$g(X)=\stackrel{LPF(X)的出现次数}{\sum _{i=0}}LPF(x{)}^{k\cdot i}$：
   ${\sigma }_k(x)=\stackrel{s}{\prod _{i=1}}\stackrel{a_i}{\sum _{j=0}}{p}_i^{k\cdot j}=g(x)\stackrel{s}{\prod _{i=2}}\stackrel{a_i}{\sum _{j=0}}{p}_i^{k\cdot j}=g(x)\left(\frac{g(i)\stackrel{s}{\prod _{i=2}}\stackrel{a_i}{\sum _{j=0}}{p}_i^{k\cdot j}}{g(i)}\right)=g(x)\cdot \frac{{\sigma }_k(i)}{g(i)}$

筛法求整除函数需要同时维护$g,{\sigma }_k$。$g$很容易维护。

后记

于是皆大欢喜。