从零开始的莫比乌斯反演(函数)[详细推导]

也许更好的阅读体验


\(前置技能\)

  • 学会莫比乌斯函数必须要先知道狄利克雷函数
  • 以及什么是逆元(一本正经胡说八道)

    \(狄利克雷卷积\)

    两个函数 \(f,g\)
    \(\begin{aligned}f*g(n)=\sum_{d|n}^nf(d)g(\frac{n}{d})\end{aligned}\)
    • 性质
      交换律\(\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ f*g=g*f\)
      结合律\(\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ f*g*h=f*(g*h)\)
      加法分配率\(\ \ \ \ \ \ \ \ \ \ f*(g+h)=f*g+f*h\)

      \(几个定理\)

    • ① 定义单位函数\(I(n)=[n=1]\),即只有当n等于1时,\(I(1)=1\),其余情况都为0
    • ② \(I * f=f\)
    • ③ 已知函数\(f\),定义函数\(f\)的逆\(f^{-1}\),满足\(f * f^{-1}=I\),且积性函数的逆也是积性函数
    • ④ 由③可得\(f^{-1}(1)=\frac{1}{f(1)}\)
    • ⑤ 令\(\xi(n)=1\)


\(莫比乌斯函数\)

  • 莫比乌斯函数 \(\mu=\xi^{-1}\)
    \(\mu(n)=\xi^{-1}(n)= \left\{\begin{matrix}1 &n=1 \\(-1)^k &a1=a2=\cdots =ak=1&\\ 0&otherwise \end{matrix}\right.\)

\(如何推导\)

  • \(如何求逆\)

    ③等价于
    \(\begin{aligned}\forall n: \sum_{d|n} f(d)·f^{-1}(\frac nd)=[n=1]\end{aligned}\)
    \(\begin{aligned}\sum_{d|n}f(d)·f^{-1}(\frac nd)=I(n) (n=\not 1)=0\end{aligned}\)
    \(f^{-1}(n)·f(1)=-\sum_{d|n,d=\not1}f(d)·f^{-1}(\frac nd)\)
    \(\begin{aligned}f^{-1}(n)=\frac{-\sum_{d|n,d=\not1}f(d)·f^{-1}(\frac nd)}{f(1)}\end{aligned}\)

  • \(莫比乌斯函数\)

    \(f=\xi\),\(p\)为质数
    \(f^{-1}(1)=1\)
    \(f^{-1}(p)=\frac{-f(p)·f^{-1}(1)}{f(1)}=-1\)
    \(f^{-1}(p^2)=-(f(p^2)·f^{-1}(1)+f(p)·f^{-1}(p))=0\)
    \(f^{-1}(p^3)=-(f(p^3)·f^{-1}(1)+f(p^2)·f^{-1}(p)+f(p)·f^{-1}(p^2))=0\)
    \(\begin{aligned}f^{-1}(p^k)=-\sum_{i=1}^k f(p^i)·f^{-1}(p^{k-i})\end{aligned}\)
    其中只有 \(f(p^k)·f^{-1}(1)=1,f(p^{k-1})·f^{-1}(p)=-1\),其余项都是0
    \(f^{-1}(p^k)=\left\{\begin{matrix}-1 & k=1\\0 & k>1 \end{matrix}\right.\)
    \(n=p_1^{a_1}·p_2^{a_2}·\cdots p_k^{a_k}\)
    所以莫比乌斯函数可以推出来了
    \(\mu(n)=f^{-1}(n)= \left\{\begin{matrix}1 &n=1 \\(-1)^k &a1=a2=\cdots =ak=1&\Leftarrow 积性函数推出 \\ 0&otherwise \end{matrix}\right.\)


\(莫比乌斯函数的性质\)

  • \(\mu*\xi=I\)
    因为\(\mu=\xi^{-1}\)
    所以有\(\begin{aligned}\sum_{d|n}^n\mu(d)=\sum_{d|n}^n\mu·1=\mu*\xi(n)=I(n)=[n=1]\end{aligned}\)
    记住这句,下面的证明要用到
  • \(I*f=f\)
  • \(f*\mu*\xi=f\)
  • \(f*\xi=g \Rightarrow f=g*\mu\)

\(线性筛\)

利用积性函数的性质以及\(\mu\)的表达式

int cnt;
int prime[maxn],mu[maxn];
bool vis[maxn];
void mu_sieve (int n)
{
    mu[1]=1;
    for (int i=2;i<=n;++i){
        if (!vis[i]){   prime[++cnt]=i,mu[i]=-1;}
        for (int j=1;j<=cnt&&i*prime[j]<=n;++j){
            vis[i*prime[j]]=true;
            if (i%prime[j]==0){
                mu[i*prime[j]]=0;
                break;
            }
            mu[i*prime[j]]=-mu[i];
        }
    }
}

\(莫比乌斯反演\)

  • 若有 \(\begin{aligned}g(n)=\sum_{d|n}f(d)\end{aligned}\)
    则有 \(\begin{aligned}f(n)=\sum_{d|n}\mu(d)g(\frac{n}{d})=\sum_{d|n}\mu(\frac{n}{d})g(d)\end{aligned}\)
    • \(证明\)

      法一 \(\begin{aligned} \sum_{d|n}{\mu(d)g(\frac{n}{d})}=\sum_{d|n}{\mu(d)\sum_{x|\frac{n}{d}}{f(x)}}=\sum_{x|n}{f(x)}\sum_{d|\frac{n}{x}}{\mu(d)}=\sum_{x|n}{f(x)[\frac{n}{x}=1]}=f(n) \end{aligned}\)
      法二 \(g=f*\xi,f=g*\mu\)
  • 若有\(\begin{aligned}g(n)=\sum_{n|d}f(d)\end{aligned}\)
    则有\(\begin{aligned}f(n)=\sum_{n|d}\mu(\frac{d}{n})g(d)\end{aligned}\)
    • \(证明\)

      \(\begin{aligned}\sum_{n|d}\mu(\frac{d}{n})g(d)=\sum_{k=1}^{+\infty}\mu(k)g(kn)=\sum_{k=1}^{+\infty}\mu(k)\sum_{kn|d}f(d)=\sum_{n|d}f(d)\sum_{k|\frac{d}{n}}\mu(k)=\sum_{n|d}f(d)[\frac{d}{n}=1]=f(n) \end{aligned}\)
    这一种一般用的比较多

\(莫比乌斯反演的应用\)

莫比乌斯函数一般用于\(gcd\)
\(\begin{aligned} \sum_{i=1}^n\sum_{j=1}^m\gcd(i,j)&=\sum_d^{min(n,m)} d\sum_{i=1}^n\sum_{j=1}^m[gcd(i,j)=d] \\ &=\sum_{d}^{min(n,m)}d\sum_{i=1}^{\frac nd}\sum_{j=1}^{\frac md}[gcd(i,j)=1] \\ &=\sum_{d}^{min(n,m)}d\sum_{i=1}^{\frac nd}\sum_{j=1}^{\frac md}\sum_{k\mid gcd(i,j)}\mu(k) \\ &=\sum_d^{min(n,m)} d\sum_k^{min(\frac{n}{d},\frac{m}{d})}\mu(k)\sum_{k\mid i}^{\frac nd}\sum_{k\mid j}^{\frac md} \\ &=\sum_{d}^{min(n,m)}d\sum_k^{min(\frac{n}{d},\frac{m}{d})}\mu(k)\lfloor \frac n{kd}\rfloor \lfloor\frac m{kd}\rfloor \end{aligned}\)
\(T=kd\)
\(\begin{aligned} \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ =\sum_{T}^{min(n,m)}\lfloor\frac nT\rfloor\lfloor\frac mT\rfloor\sum_{k\mid T}\frac Tk\mu(k)\end{aligned}\)
以上是莫比乌斯反演推出来的式子

\(\begin{aligned}\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ =\sum_{T}^{min(n,m)}\lfloor\frac nT\rfloor\lfloor\frac mT\rfloor\varphi(T)\end{aligned}\)
这一步是欧拉反演,证明请移步欧拉函数|(扩展)欧拉定理|欧拉反演
当然,这里这个例子不如直接用欧拉反演
\(\begin{aligned}\sum_{i=1}^n\sum_{j=1}^m\gcd(i,j)&=\sum_{i=1}^n\sum_{j=1}^m\sum_{d|gcd(i,j)}\varphi(d)=\sum_{d=1}^{min(n,m)}\lfloor\frac{n}{d}\rfloor\lfloor\frac{m}{d}\rfloor\varphi(d)\end{aligned}\)


如有哪里讲得不是很明白或是有错误,欢迎指正
如您喜欢的话不妨点个赞收藏一下吧

转载于:https://www.cnblogs.com/Morning-Glory/p/11172567.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值