编程中的较高端的数论知识总结1——莫比乌斯反演
前言
之前写过一篇名叫基础数论总结的博客,自己认为写得不是很好,当时刚开始用CSDN写博客,
LaTeX
\LaTeX
LATEX公式写得不是很熟练,花了快
3
3
3个月才写完,而且写得比较杂,有的地方也写得不够全,后来也没去改过
这次疫情期间,学校老师让我写一篇数论总结的博客,让我回学校后和其他同学分享,于是就有了这一系列博客
对于以前那篇,如果有不懂的可以自行在百度上查询,我也不会再去更改了因为懒
一些需要使用到的数论知识
简单的知识
在我的另一篇博客中已经有了,这里就不再赘述
简化的if语句
在数论中,我们常常使用
[
P
]
[P]
[P]来表示一个命题的正误
如果
P
P
P是一个真命题,那么
[
P
]
[P]
[P]的值就是
1
1
1,反之,如果是假命题,值就是
0
0
0
其实就相当于:
if(P) [P]=1;
else [P]=0;
数论函数
概念
数论函数指定义域为正整数的函数,每个数论函数都可视为复数的序列——度娘(有删改)
积性函数
在数论函数中,最重要的性质就是积性,虽然我前面那篇博客已经写过了,但是因为太重要了,我还是要在写一遍
积性函数一共分为两类
(普通的)积性函数
对于所有的积性函数,都满足一个性质:
∀
a
,
b
∈
Z
+
且
g
c
d
(
a
,
b
)
=
1
,
则
f
(
a
b
)
=
f
(
a
)
f
(
b
)
\forall a,b\in \Z^+且gcd(a,b)=1,则f(ab)=f(a)f(b)
∀a,b∈Z+且gcd(a,b)=1,则f(ab)=f(a)f(b)
例如,欧拉函数
φ
(
n
)
\varphi(n)
φ(n)就是一个典型的积性函数
完全积性函数
某些特殊的积性函数会满足:
∀
a
,
b
∈
Z
+
,
则
f
(
a
b
)
=
f
(
a
)
f
(
b
)
\forall a,b\in \Z^+,则f(ab)=f(a)f(b)
∀a,b∈Z+,则f(ab)=f(a)f(b),我们把这些函数叫做完全积性函数
最明显的完全积性函数就是
i
d
(
n
)
=
n
id(n)=n
id(n)=n,这显然是一个完全积性函数
常见数论函数
首先,是三个完全积性函数:
- ϵ ( n ) = [ n = = 1 ] \epsilon(n)=[n==1] ϵ(n)=[n==1](单位元)
- I ( n ) = 1 I(n)=1 I(n)=1
- i d ( n ) = n id(n)=n id(n)=n
emmm……其实后面两个啥用都没有
接着,是一些常见的积性函数
- φ ( n ) = n × ∏ 质数 p ∣ n ( 1 − 1 p ) \varphi (n)=n \times \prod \limits_{质数p|n}\left(1-\frac{1}{p}\right) φ(n)=n×质数p∣n∏(1−p1)(欧拉函数)
- μ ( n ) = { ( − 1 ) t n 无平方因子,质因数个数为 t 0 n 有平方因子 \mu (n)=\begin{cases}(-1)^t\ \ \ \ \ \ \ \ \ \ n无平方因子,质因数个数为t\\0\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ n有平方因子\end{cases} μ(n)={(−1)t n无平方因子,质因数个数为t0 n有平方因子(莫比乌斯函数,后面讲莫比乌斯反演时有用)
- τ ( n ) = ∑ d ∣ n 1 \tau(n)=\sum \limits_{d|n}1 τ(n)=d∣n∑1(正因子个数)
- σ ( n ) = ∑ d ∣ n d \sigma(n)=\sum \limits_{d|n}d σ(n)=d∣n∑d(正因子和)
不是积性函数的数论函数好像没有几个会考的,所以我也不列举了其实我也不知道
莫比乌斯反演
小小的计算
在讲述这个看似高级的东西之前,我们做一个小小的计算
我们假设有两个数论函数
f
(
n
)
f(n)
f(n)和
F
(
n
)
F(n)
F(n),满足
F
(
n
)
=
∑
d
∣
n
f
(
d
)
F(n)=\sum \limits_{d|n}f(d)
F(n)=d∣n∑f(d)
那么,我们来枚举一下前几项
F
(
1
)
=
f
(
1
)
,
F
(
2
)
=
f
(
1
)
+
f
(
2
)
,
F
(
3
)
=
f
(
1
)
+
f
(
3
)
,
F
(
4
)
=
f
(
1
)
+
f
(
2
)
+
f
(
4
)
,
F
(
5
)
=
f
(
1
)
+
f
(
5
)
F(1)=f(1),F(2)=f(1)+f(2),F(3)=f(1)+f(3),F(4)=f(1)+f(2)+f(4),F(5)=f(1)+f(5)
F(1)=f(1),F(2)=f(1)+f(2),F(3)=f(1)+f(3),F(4)=f(1)+f(2)+f(4),F(5)=f(1)+f(5)
F
(
6
)
=
f
(
1
)
+
f
(
2
)
+
f
(
3
)
+
f
(
6
)
,
F
(
7
)
=
f
(
1
)
+
f
(
7
)
,
F
(
8
)
=
f
(
1
)
+
f
(
2
)
+
f
(
4
)
+
f
(
8
)
,
F
(
9
)
=
f
(
1
)
+
f
(
3
)
+
f
(
9
)
F(6)=f(1)+f(2)+f(3)+f(6),F(7)=f(1)+f(7),F(8)=f(1)+f(2)+f(4)+f(8),F(9)=f(1)+f(3)+f(9)
F(6)=f(1)+f(2)+f(3)+f(6),F(7)=f(1)+f(7),F(8)=f(1)+f(2)+f(4)+f(8),F(9)=f(1)+f(3)+f(9)
接着,我们来尝试着倒过来表示,枚举一下前几项
f
(
1
)
=
F
(
1
)
,
f
(
2
)
=
F
(
2
)
−
F
(
1
)
,
f
(
3
)
=
F
(
3
)
−
F
(
1
)
,
f
(
4
)
=
F
(
4
)
−
F
(
2
)
,
f
(
5
)
=
F
(
5
)
−
F
(
1
)
f(1)=F(1),f(2)=F(2)-F(1),f(3)=F(3)-F(1),f(4)=F(4)-F(2),f(5)=F(5)-F(1)
f(1)=F(1),f(2)=F(2)−F(1),f(3)=F(3)−F(1),f(4)=F(4)−F(2),f(5)=F(5)−F(1)
f
(
6
)
=
F
(
6
)
−
F
(
3
)
−
F
(
2
)
+
F
(
1
)
,
f
(
7
)
=
F
(
7
)
−
F
(
1
)
,
f
(
8
)
=
F
(
8
)
−
F
(
4
)
,
f
(
9
)
=
F
(
9
)
−
F
(
3
)
f(6)=F(6)-F(3)-F(2)+F(1),f(7)=F(7)-F(1),f(8)=F(8)-F(4),f(9)=F(9)-F(3)
f(6)=F(6)−F(3)−F(2)+F(1),f(7)=F(7)−F(1),f(8)=F(8)−F(4),f(9)=F(9)−F(3)
我们来从中寻找一下规律,用
f
(
n
)
=
∑
d
∣
n
g
(
d
)
F
(
n
d
)
f(n)=\sum \limits_{d|n}g(d)F\left(\frac{n}{d}\right)
f(n)=d∣n∑g(d)F(dn)表示
问题是,
f
(
d
)
f(d)
f(d)究竟是多少呢?
我们来求一下:
g
(
1
)
=
1
,
g
(
2
)
=
−
1
,
g
(
3
)
=
−
1
,
g
(
4
)
=
0
,
g
(
5
)
=
−
1
,
g
(
6
)
=
1
,
g
(
7
)
=
−
1
,
g
(
8
)
=
0
,
g
(
9
)
=
0
g(1)=1,g(2)=-1,g(3)=-1,g(4)=0,g(5)=-1,g(6)=1,g(7)=-1,g(8)=0,g(9)=0
g(1)=1,g(2)=−1,g(3)=−1,g(4)=0,g(5)=−1,g(6)=1,g(7)=−1,g(8)=0,g(9)=0
好像有平方因子的都是
0
0
0,但是无平方因子的呢?好像都是
1
1
1和
−
1
-1
−1,但是什么时候是
1
1
1,什么时候又是
−
1
-1
−1呢?
通过观察,我们可以发现:
g
(
n
)
=
(
−
1
)
t
g(n)=(-1)^t
g(n)=(−1)t,
t
t
t为
n
n
n的质因子个数!
因此这个函数可以表示为:
g
(
n
)
=
{
(
−
1
)
t
n
无平方因子,质因数个数为
t
0
n
有平方因子
g(n)=\begin{cases}(-1)^t\ \ \ \ \ \ \ \ \ \ n无平方因子,质因数个数为t\\0\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ n有平方因子\end{cases}
g(n)={(−1)t n无平方因子,质因数个数为t0 n有平方因子
我们把这个函数成为莫比乌斯函数,用
μ
(
n
)
\mu(n)
μ(n)来表示
那么,我们得出来一个漂亮的式子:
f
(
n
)
=
∑
d
∣
n
μ
(
d
)
F
(
n
d
)
f(n)=\sum \limits_{d|n}\mu(d)F\left(\frac{n}{d}\right)
f(n)=d∣n∑μ(d)F(dn)
话说我们不是要讲高端的莫比乌斯反演吗,怎么讲了这么多废话?
这就是莫比乌斯反演啊!我们不知不觉的已经讲完了,是不是一点都不难呢?
其实,莫比乌斯反演的本质就是一个容斥,所以在做题时,我们可以先做出这个容斥,然后再考虑如何使用莫比乌斯反演
莫比乌斯函数
接下来,我们来具体讲解一下莫比乌斯反演中的一个重要元素——莫比乌斯函数
性质
莫比乌斯函数有几个简单的性质,大家可以了解一下
①
∑
d
∣
n
μ
(
d
)
=
{
1
(
n
=
1
)
0
(
n
>
1
)
\sum \limits_{d|n}\mu(d)=\begin{cases}1\ \ \ \ \ (n=1)\\0\ \ \ \ \ (n>1)\end{cases}
d∣n∑μ(d)={1 (n=1)0 (n>1)
证明:当
n
=
1
n=1
n=1时,
∑
d
∣
n
μ
(
d
)
=
μ
(
1
)
=
1
\sum \limits_{d|n}\mu(d)=\mu(1)=1
d∣n∑μ(d)=μ(1)=1(显然)
当
n
>
1
n>1
n>1时,设
n
=
∏
i
=
1
k
p
i
α
i
n=\prod\limits_{i=1}^{k}p_i^{\alpha_i}
n=i=1∏kpiαi
又
∵
n
\because n
∵n中质因子个数为
t
t
t的因子只有
(
k
r
)
\binom{k}{r}
(rk)个
∴
∑
d
∣
n
μ
(
d
)
=
∑
i
=
0
k
(
−
1
)
i
(
k
i
)
=
(
1
−
1
)
k
=
0
\therefore \sum \limits_{d|n}\mu(d)=\sum \limits_{i=0}^{k} (-1)^i\binom{k}{i}=(1-1)^k=0
∴d∣n∑μ(d)=i=0∑k(−1)i(ik)=(1−1)k=0
注:倒数第二步用到了二项式定理,在我的另一篇讲解组合计数的博客中有写到(该博客目前还未完成,不会的自行百度)
②
∑
d
∣
n
μ
(
d
)
d
=
φ
(
n
)
n
\sum \limits_{d|n}\frac{\mu(d)}{d}=\frac{\varphi(n)}{n}
d∣n∑dμ(d)=nφ(n)
证明:令
F
(
n
)
=
n
,
f
(
n
)
=
φ
(
n
)
F(n)=n,f(n)=\varphi(n)
F(n)=n,f(n)=φ(n)
∴
F
(
n
)
=
∑
d
∣
n
f
(
d
)
\therefore F(n)=\sum \limits_{d|n}f(d)
∴F(n)=d∣n∑f(d)(显然,不会的话自己思考一下)
∴
f
(
n
)
=
∑
d
∣
n
μ
(
d
)
F
(
n
d
)
\therefore f(n)=\sum \limits_{d|n}\mu(d)F\left(\frac{n}{d}\right)
∴f(n)=d∣n∑μ(d)F(dn)
∴
∑
d
∣
n
μ
(
d
)
d
=
φ
(
n
)
n
\therefore \sum \limits_{d|n}\frac{\mu(d)}{d}=\frac{\varphi(n)}{n}
∴d∣n∑dμ(d)=nφ(n)
③
μ
(
n
)
\mu(n)
μ(n)为积性函数
证明:设
n
=
∏
i
=
1
k
p
i
α
i
,
m
=
∏
i
=
1
t
q
i
β
i
n=\prod\limits_{i=1}^{k}p_i^{\alpha_i},m=\prod\limits_{i=1}^{t}q_i^{\beta_i}
n=i=1∏kpiαi,m=i=1∏tqiβi
∴
\therefore
∴若
∃
α
i
>
1
\exists \alpha_i>1
∃αi>1或
β
i
>
1
\beta_i>1
βi>1,则
μ
(
m
n
)
=
0
=
μ
(
m
)
μ
(
n
)
\mu(mn)=0=\mu(m)\mu(n)
μ(mn)=0=μ(m)μ(n)
否则,
μ
(
m
n
)
=
(
−
1
)
k
+
t
=
(
−
1
)
k
(
−
1
)
t
=
μ
(
m
)
μ
(
n
)
\mu(mn)=(-1)^{k+t}=(-1)^k(-1)^t=\mu(m)\mu(n)
μ(mn)=(−1)k+t=(−1)k(−1)t=μ(m)μ(n)
计算方法
讲了这么多,我还是不知道莫比乌斯反演怎么求啊!
别着急,我这就讲
因为莫比乌斯函数是积性函数,我们可以使用线性筛来求解
线性筛大家应该都知道吧?我们在求解欧拉函数时就使用了这个方法,因为欧拉函数也是积性函数
具体代码如下:
int MU(){
for(int i=2;i<=MAXN;i++){
if(!v[i]) p[++s]=i,mu[i]=-1;
for(int j=1;j<=s&&i*p[j]<=MAXN;j++){
v[i*p[j]]=1;
if(i%p[j]) mu[i*p[j]]=-mu[i];
else{mu[i*p[j]]=0;break;}
}
}
}
在我的github仓库中,有这些模板代码,大家可以自己去拷贝
莫比乌斯反演的严格证明
我们之前是用找规律的手法推出莫比乌斯反演的,那我们可不可以严格的证明呢?
显然是可以的,下面是证明过程:
∵
∑
d
∣
n
μ
(
d
)
F
(
n
d
)
=
∑
d
∣
n
μ
(
d
)
∑
i
∣
n
d
f
(
i
)
=
∑
i
∣
n
f
(
i
)
∑
d
∣
n
i
μ
(
d
)
\because \sum \limits_{d|n}\mu(d)F\left(\frac{n}{d}\right)=\sum \limits_{d|n}\mu(d)\sum \limits_{i|\frac{n}{d}}f(i)=\sum \limits_{i|n}f(i)\sum \limits_{d|\frac{n}{i}}\mu(d)
∵d∣n∑μ(d)F(dn)=d∣n∑μ(d)i∣dn∑f(i)=i∣n∑f(i)d∣in∑μ(d)
∴
\therefore
∴根据莫比乌斯函数的性质①,可知
∑
d
∣
n
i
μ
(
d
)
=
[
i
=
=
n
]
\sum \limits_{d|\frac{n}{i}}\mu(d)=[i==n]
d∣in∑μ(d)=[i==n]
∴
∑
d
∣
n
μ
(
d
)
F
(
n
d
)
=
∑
i
∣
n
f
(
i
)
∑
d
∣
n
i
μ
(
d
)
=
∑
i
∣
n
f
(
i
)
[
i
=
=
n
]
=
f
(
n
)
\therefore \sum \limits_{d|n}\mu(d)F\left(\frac{n}{d}\right)=\sum \limits_{i|n}f(i)\sum \limits_{d|\frac{n}{i}}\mu(d)=\sum \limits_{i|n}f(i)[i==n]=f(n)
∴d∣n∑μ(d)F(dn)=i∣n∑f(i)d∣in∑μ(d)=i∣n∑f(i)[i==n]=f(n)
这就是莫比乌斯反演证明的全过程了,只有
3
3
3行,但信息量很大,请大家好好消化这段证明过程
例题
如果你已经掌握了上面的所有内容,那么恭喜你,你已经学完了莫比乌斯反演的全部内容了,剩下的就是实际练习了
在这里,我只详细写一道例题的题解,剩下的请大家自行完成(也可能会另外发题解在其他文章中)
[HAOI2011]Problem b
这是一道最最经典的莫比乌斯反演的题目,基本上每篇有例题的讲莫比乌斯反演的博客都会讲这道题
题目
题目描述
对于给出的 n n n个询问,每次求有多少个数对 ( x , y ) (x,y) (x,y),满足 a ⩽ x ⩽ b a \leqslant x \leqslant b a⩽x⩽b, c ⩽ y ⩽ d c \leqslant y \leqslant d c⩽y⩽d,且 gcd ( x , y ) = k \gcd(x,y) = k gcd(x,y)=k, gcd ( x , y ) \gcd(x,y) gcd(x,y)函数为 x x x和 y y y的最大公约数
输入格式
第一行一个整数 n n n,接下来 n n n行每行五个整数,分别表示 a , b , c , d , k a,b,c,d,k a,b,c,d,k
输出格式
共 n n n行,每行一个整数表示满足要求的数对 ( x , y ) (x,y) (x,y)的个数
输入输出样例
输入
2
2 5 1 5 1
1 5 1 5 2
输出
14
3
说明/提示
对于 100 % 100\% 100%的数据满足: 1 ⩽ n , k ⩽ 5 × 1 0 4 1 \leqslant n,k \leqslant 5 \times 10^4 1⩽n,k⩽5×104, 1 ⩽ a ⩽ b ⩽ 5 × 1 0 4 1 \leqslant a \leqslant b \leqslant 5 \times 10^4 1⩽a⩽b⩽5×104, 1 ⩽ c ⩽ d ⩽ 5 × 1 0 4 1 \leqslant c \leqslant d \leqslant 5 \times 10^4 1⩽c⩽d⩽5×104
题解
算法1(20分)
我们先不要考虑什么莫比乌斯反演之类的高级东西,先从简单出发,一步步深入,最终A掉这些题
这也是初学莫比乌斯反演,乃至学习新的数论算法的一个重要方法
你能想到的最最最暴力的方法是什么?当然是枚举啦!
枚举
[
a
,
b
]
[a,b]
[a,b]之间的
x
x
x和
[
c
,
d
]
[c,d]
[c,d]之间的
y
y
y,判断
g
c
d
(
x
,
y
)
gcd(x,y)
gcd(x,y)是否等于
k
k
k就完事了
能不能稍微优化一下呢?当然可以!
我们枚举
[
⌈
a
k
⌉
,
⌊
b
k
⌋
]
\left[\lceil\frac{a}{k}\rceil,\lfloor\frac{b}{k}\rfloor\right]
[⌈ka⌉,⌊kb⌋]之间的
x
′
x'
x′和
[
⌈
c
k
⌉
,
⌊
d
k
⌋
]
\left[\lceil\frac{c}{k}\rceil,\lfloor\frac{d}{k}\rfloor\right]
[⌈kc⌉,⌊kd⌋]之间的
y
′
y'
y′,判断
g
c
d
(
x
′
,
y
′
)
gcd(x',y')
gcd(x′,y′)是否等于
1
1
1即可,效率为
Θ
(
T
n
m
l
o
g
n
k
k
2
)
\Theta\left(T\frac{nmlog\frac{n}{k}}{k^2}\right)
Θ(Tk2nmlogkn)
算法2(50分)
设
A
n
s
n
,
m
Ans_{n,m}
Ansn,m为
a
=
1
,
b
=
n
,
c
=
1
,
d
=
m
a=1,b=n,c=1,d=m
a=1,b=n,c=1,d=m的情况下的答案
那么,这道题的答案就是
A
n
s
b
,
d
−
A
n
s
a
−
1
d
−
A
n
s
b
,
c
−
1
+
A
n
s
a
−
1
,
c
−
1
Ans_{b,d}-Ans_{a-1d}-Ans_{b,c-1}+Ans_{a-1,c-1}
Ansb,d−Ansa−1d−Ansb,c−1+Ansa−1,c−1了
那如何优化计算
A
n
s
n
,
m
Ans_{n,m}
Ansn,m呢?
首先,可以采用和算法一一样的方法,转化为求
∑
x
=
1
⌊
n
k
⌋
∑
y
=
1
⌊
m
k
⌋
[
g
c
d
(
x
,
y
)
=
=
1
]
\sum \limits_{x=1}^{\lfloor\frac{n}{k}\rfloor}\sum \limits_{y=1}^{\lfloor\frac{m}{k}\rfloor}[gcd(x,y)==1]
x=1∑⌊kn⌋y=1∑⌊km⌋[gcd(x,y)==1]
接着,我们假设
f
x
=
∑
y
=
1
⌊
m
k
⌋
[
g
c
d
(
x
,
y
)
=
=
1
]
f_x=\sum \limits_{y=1}^{\lfloor\frac{m}{k}\rfloor}[gcd(x,y)==1]
fx=y=1∑⌊km⌋[gcd(x,y)==1],那么,
A
n
s
n
,
m
=
∑
x
=
1
⌊
n
k
⌋
f
x
Ans_{n,m}=\sum \limits_{x=1}^{\lfloor\frac{n}{k}\rfloor} f_x
Ansn,m=x=1∑⌊kn⌋fx
所以,我们只需要求出
f
x
f_x
fx就可以了
设
x
=
∏
i
=
1
k
p
i
α
i
x=\prod \limits_{i=1}^{k}p_i^{\alpha_i}
x=i=1∏kpiαi
那么,
f
(
x
)
=
⌊
m
k
⌋
+
∑
j
=
1
k
(
−
1
)
j
∑
1
⩽
i
1
<
i
2
<
⋯
<
i
j
⩽
k
⌊
m
k
⌋
∏
r
=
1
j
p
i
r
f(x)=\lfloor\frac{m}{k}\rfloor+\sum\limits_{j=1}^{k}(-1)^{j}\sum\limits_{1\leqslant i_1<i_2<\cdots<i_j\leqslant k}\frac{\lfloor\frac{m}{k}\rfloor}{\prod\limits_{r=1}^{j} p_{i_r}}
f(x)=⌊km⌋+j=1∑k(−1)j1⩽i1<i2<⋯<ij⩽k∑r=1∏jpir⌊km⌋
这一步需要花费
Θ
(
2
k
)
\Theta\left(2^k\right)
Θ(2k)
因为
b
,
d
⩽
1000
b,d\leqslant1000
b,d⩽1000,而
2
×
3
×
5
×
7
×
11
=
2310
>
1000
2\times 3\times 5\times 7\times 11=2310>1000
2×3×5×7×11=2310>1000,所以
k
<
=
4
k<=4
k<=4,所以可以得50分
算法3(还是50分)
假设
f
k
=
∑
x
=
1
n
∑
y
=
1
m
[
g
c
d
(
x
,
y
)
=
=
k
]
,
g
k
=
∑
x
=
1
n
∑
y
=
1
m
[
k
∣
g
c
d
(
x
,
y
)
]
f_k=\sum \limits_{x=1}^{n}\sum \limits_{y=1}^{m}[gcd(x,y)==k],g_k=\sum \limits_{x=1}^{n}\sum \limits_{y=1}^{m}[k|gcd(x,y)]
fk=x=1∑ny=1∑m[gcd(x,y)==k],gk=x=1∑ny=1∑m[k∣gcd(x,y)]
那么,我们可以轻松地得出:
g
k
=
∑
d
=
1
⌊
n
k
⌋
f
k
d
=
⌊
n
k
⌋
⌊
m
k
⌋
g_k=\sum\limits_{d=1}^{\lfloor\frac{n}{k}\rfloor}f_{kd}=\lfloor\frac{n}{k}\rfloor\lfloor\frac{m}{k}\rfloor
gk=d=1∑⌊kn⌋fkd=⌊kn⌋⌊km⌋
所以,我们就可以得到:
f
k
i
=
g
k
i
−
∑
j
=
1
⌊
n
k
⌋
f
k
i
j
f_{ki}=g_{ki}-\sum\limits_{j=1}^{\lfloor\frac{n}{k}\rfloor}f_{kij}
fki=gki−j=1∑⌊kn⌋fkij
时间复杂度为
Θ
(
T
n
k
l
o
g
(
n
k
)
)
\Theta\left(T\frac{n}{k}log\left(\frac{n}{k}\right)\right)
Θ(Tknlog(kn))
算法4(70分)
接下来,我们就要真正使用到莫比乌斯反演了
因为
g
k
=
∑
d
=
1
⌊
n
k
⌋
f
k
d
g_k=\sum\limits_{d=1}^{\lfloor\frac{n}{k}\rfloor}f_{kd}
gk=d=1∑⌊kn⌋fkd,所以
f
k
=
∑
d
=
1
⌊
n
k
⌋
μ
d
g
k
d
=
∑
d
=
1
⌊
n
k
⌋
μ
d
⌊
n
k
d
⌋
⌊
m
k
d
⌋
f_k=\sum \limits_{d=1}^{\lfloor\frac{n}{k}\rfloor}\mu_dg_{kd}=\sum \limits_{d=1}^{\lfloor\frac{n}{k}\rfloor}\mu_d\lfloor\frac{n}{kd}\rfloor\lfloor\frac{m}{kd}\rfloor
fk=d=1∑⌊kn⌋μdgkd=d=1∑⌊kn⌋μd⌊kdn⌋⌊kdm⌋
使用线性筛预处理
μ
d
\mu_d
μd,复杂度为
Θ
(
n
+
T
n
k
)
\Theta\left(n+T\frac{n}{k}\right)
Θ(n+Tkn)
算法5(100分)
看到
⌊
n
k
d
⌋
\lfloor\frac{n}{kd}\rfloor
⌊kdn⌋这种式子,大家应该都能反应过来要使用数论分块进行计算
以计算
∑
d
=
1
n
⌊
n
d
⌋
⌊
m
d
⌋
\sum\limits_{d=1}^{n}\lfloor\frac{n}{d}\rfloor\lfloor\frac{m}{d}\rfloor
d=1∑n⌊dn⌋⌊dm⌋为例,讲解数论分块算法
枚举每一个
⌊
n
d
⌋
\lfloor\frac{n}{d}\rfloor
⌊dn⌋和
⌊
m
d
⌋
\lfloor\frac{m}{d}\rfloor
⌊dm⌋都分别相等的块,假设开始位置为
i
i
i,那么结束位置
j
=
m
i
n
(
⌊
n
⌊
n
i
⌋
⌋
,
⌊
m
⌊
m
i
⌋
⌋
)
j=min\left(\left\lfloor\frac{n}{\lfloor\frac{n}{i}\rfloor}\right\rfloor,\left\lfloor\frac{m}{\lfloor\frac{m}{i}\rfloor}\right\rfloor\right)
j=min(⌊⌊in⌋n⌋,⌊⌊im⌋m⌋)
这样的话,复杂度就是
Θ
(
n
+
T
(
n
+
m
)
)
\Theta(n+T(\sqrt{n}+\sqrt{m}))
Θ(n+T(n+m))
正解代码:
#include<algorithm>
#include<iostream>
#include<cmath>
using namespace std;
int a,b,c,d,k,mu[50010],v[50010],sum[50010];
long long fk(int x,int y)//数论分块
{
if(x>y) swap(x,y);
long long ans=0;
for(int i=1,j;i<=x;i=j+1){
j=min(x/(x/i),y/(y/i));
ans+=(long long)(sum[j]-sum[i-1])*(x/i)*(y/i);
}
return ans;
}
int main()
{
int T;
cin>>T;
for(int i=1;i<=50000;i++) mu[i]=1,v[i]=0;
for(int i=2;i<=50000;i++){
if(v[i]) continue;
mu[i]=-1;
for(int j=2*i;j<=50000;j+=i){
v[j]=1;
if((j/i)%i==0) mu[j]=0;
else mu[j]*=-1;
}
}//计算mu_d
sum[0]=0;
for(int i=1;i<=50000;i++) sum[i]=sum[i-1]+mu[i];
while(T--){
cin>>a>>b>>c>>d>>k;
cout<<fk(b/k,d/k)-fk(b/k,(c-1)/k)-fk((a-1)/k,d/k)+fk((a-1)/k,(c-1)/k)<<endl;
}
}
题目推荐
参考资料
- WC2016中山纪念中学宋新波莫比乌斯反演PPT
- PoPoQQQ的莫比乌斯反演PPT
相关文章: