莫比乌斯反演与杜教筛

- 初识数论常见积性函数：欧拉函数$\phi$，莫比乌斯函数$\mu$

        \ \ \ \ \ \,      所谓积性函数，就是对于一个函数$f(x)$，若是对于任意$x_1$，$x_2$满足$f(x_1)\times f(x_2)=f(x_1\times x_2)$。对于任何积性函数$f(x)$，都有$f(1)=1$。

• 欧拉函数$\phi (x)$的意义：在$[1,x]$内，与$x$互质的个数。

  $1$.若$x$为素数，$\phi (x)=x-1$;

  $2$.若$x\%p=0$，$\phi (x\cdot p)=\phi (x)\cdot p$;

  $3$.若$x\%p̸=0$，且$x$为素数，$\phi (x\cdot p)=\phi (x)\cdot (p-1)$;

  【证明戳这里~~（%%%大巨佬orz）~~】

• 莫比乌斯函数$\mu (x)$的意义：设$x$的不同质因子个数为$a$，$\mu (x)=(-1{)}^a$；当n存在平方因子时，$\mu (x)=0$。

  $1$.若$x$有奇数个不同质因数，$\mu (x)=-1$。

  $2$.若$x$有偶数个不同质因数，$\mu (x)=1$。

  $3$.若$x$有平方因子，$\mu (x)=0$。

        \ \ \ \ \ \,      还有一些简单的积性函数，在这里一并介绍了：

$$ϵ(x)=\{\begin{array}{ll}1& x=1\\ 0& x>1\end{array}$$

$$id(x)=x$$

$$i{d}^k(x)=x^k$$

$$\sigma (x)=\sum _{i|x}1$$

$$1$$

---

- 数论分块

        \ \ \ \ \ \,      很多时候，我们会遇到这样的式子:

$$\sum _{i=1}^{n}f(i)\times g\left(\lfloor \frac{n}{i}\rfloor \right)$$

        \ \ \ \ \ \,      若是我们已经提前知道了$f(x)$在$x\in [1,n]$的值了，但是需要多次计算上面形式的式子的值，每次询问复杂度是$O(n)$的，显然在询问很多的时候，没有很划算。

        \ \ \ \ \ \,      我们枚举了很多$i$，使得很多$\lfloor \frac{n}{i}\rfloor$都相等，所以我们可以把${\sum }_{i=1}^n$，分成$\sqrt{n}\ $块，使得每一块的$\left\lfloor\frac{n}{i}\right\rfloor$都相等，这样我们可以通过结合律得到下面的式子，$O(n)$预处理${\rm sum}(x)=\sum_{i=1}^{x}f(i)$，来简化询问复杂度到$O(\sqrt{n})$：

int Get_ans(int n){
  long long ans=0;
  for(int l=1,r;l<=n;l=r+1){
    r=n/(n/l);
    ans+=g(n/l)*(sum[r]-sum[l-1]);
  }
  return ans;
}

---

- 【积性函数的线性筛】

---

- 狄利克雷卷积

$$(f\ast g)(n)=\sum _{x|n}f(x)\times g\left(\frac{n}{x}\right)$$

既：

$$(f\ast g)(n)=\sum _{xy=n}f(x)\times g(y)$$

• 狄利克雷卷积的性质：

  1.交换律: $f\ast g=g\ast f$；

  2.结合律: $(f\ast g)\ast h=g\ast (f\ast h)$；$(a\times f)\ast g=a\times (f\ast g)$；

  3.分配律: $(f+g)\ast h=f\ast h+g\ast h$；

  4.单位元: $ϵ\ast f=f$；其中$ϵ(x)=\{\begin{array}{ll}1& x=1\\ 0& x>1\end{array}$；

  5.逆元: 对于每个$f(1)̸=0$的函数，都存在一个函数$g$使得$f\ast g=ϵ$；

  6.两个积性函数的狄利克雷卷积是积性函数。

        \ \ \ \ \ \,      如何求一个函数的逆：

$$\begin{array}{rl}ϵ& =f\ast g\\ & =\sum _{x|n}f(x)\times g\left(\frac{n}{x}\right)\\ & =f(1)\times g(n)+\sum _{x|n,i̸=1}f(x)\times g\left(\frac{n}{x}\right)\\ & =[n=1]\end{array}$$
        \ \ \ \ \ \,      所以有：
$$f(1)\times g(n)=[n=1]-\sum _{x|n,i̸=1}f(x)\times g\left(\frac{n}{x}\right)$$
$$g(n)=\frac{1}{f(1)}\left([n=1]-\sum _{x|n,i̸=1}f(x)\times g\left(\frac{n}{x}\right)\right)$$

        \ \ \ \ \ \,      其中$\mu$就是函数$1$的逆，也就是说$\mu \ast 1=ϵ$

---

-莫比乌斯反演

        \ \ \ \ \ \,      莫比乌斯反演的本质就是利用性质$\mu \ast 1=ϵ$，改变枚举方式，降低式子的复杂度。

        \ \ \ \ \ \,      最常见的操作是,反演式子${\sum }_{i=1}^n{\sum }_{j=1}^m[\mathrm{g}\mathrm{c}\mathrm{d}(i,j)=1]$:

$$\sum _{i=1}^n\sum _{j=1}^m[\mathrm{g}\mathrm{c}\mathrm{d}(i,j)=1]$$

$$\sum _{i=1}^n\sum _{j=1}^mϵ(\mathrm{g}\mathrm{c}\mathrm{d}(i,j))$$

$$\sum _{i=1}^n\sum _{j=1}^m(\mu \ast 1)(\mathrm{g}\mathrm{c}\mathrm{d}(i,j))$$

$$\sum _{i=1}^n\sum _{j=1}^m\sum _{d|\mathrm{g}\mathrm{c}\mathrm{d}(i,j)}\mu (d)\times 1$$

$$\sum _{i=1}^n\sum _{j=1}^m\sum _{d=1}^{\mathrm{m}\mathrm{i}\mathrm{n}(n,m)}\mu (d)[d|\mathrm{g}\mathrm{c}\mathrm{d}(i,j)]$$

$$\sum _{d=1}^{\mathrm{m}\mathrm{i}\mathrm{n}(n,m)}\mu (d)\sum _{i=1}^n\sum _{j=1}^m[d|\mathrm{g}\mathrm{c}\mathrm{d}(i,j)]$$

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

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

$$\sum _{d=1}^{\mathrm{m}\mathrm{i}\mathrm{n}(n,m)}\mu (d)\lfloor \frac{n}{d}\rfloor \lfloor \frac{m}{d}\rfloor$$

        \ \ \ \ \ \,      例题

• 莫比乌斯反演经典例题回顾

  P2522 [HAOI2011]Problem b（反演+容斥）

  P2257 YY的GCD（反演）

  P3312 [SDOI2014]数表（反演+离线+数据结构）

  P3704 [SDOI2017]数字表格（反演）

  P3327 [SDOI2015]约数个数和（反演，数表的简化版）

  P3455 [POI2007]ZAP-Queries（反演，裸的）

  P1829 [国家集训队]Crash的数字表格 / JZPTAB（反演+欧拉筛，做法新奇）

  P3768 简单的数学题（反演+杜教筛）

  P4240 毒瘤之神的考验（反演+奇怪的分块，基本上很结论题了）

  P1587 [NOI2016]循环之美（反演+杜教筛+数学知识+奇技淫巧，难题来了）

---

- 杜教筛

【铃悬的数学小讲堂——杜教筛】

        \ \ \ \ \ \,      杜教筛是求积性函数的前缀和的筛法，复杂度可以达到小于线性的$O(n^{\frac{2}{3}})$。

        \ \ \ \ \ \,      对于一个积性函数$f$，令$S(n)={\sum }_{i=1}^{n}f(i)$，再新定义一个函数$g$，则有：

$$\begin{array}{rl}& \sum _{i=1}^n(f\ast g)(i)\\ =& \sum _{i=1}^n\sum _{x\times y=i}f(x)\times g(y)\\ =& \sum _{y=1}^{n}g(y)\sum _{x\times y\le n}f(x)\\ =& \sum _{y=1}^{n}g(y)\sum _{x=1}^{\lfloor \frac{n}{y}\rfloor }f(x)\\ =& \sum _{y=1}^{n}g(y)S\left(\lfloor \frac{n}{y}\rfloor \right)\end{array}$$

        \ \ \ \ \ \,      那么就有：

$$\sum _{i=1}^n(f\ast g)(i)=g(1)S(n)+\sum _{y=2}^{n}g(y)S\left(\lfloor \frac{n}{y}\rfloor \right)$$

        \ \ \ \ \ \,      既：

$$g(1)S(n)=\sum _{i=1}^n(f\ast g)(i)-\sum _{y=2}^{n}g(y)S\left(\lfloor \frac{n}{y}\rfloor \right)$$

$$S(n)=\frac{{\sum }_{i=1}^n(f\ast g)(i)-{\sum }_{y=2}^{n}g(y)S\left(\lfloor \frac{n}{y}\rfloor \right)}{g(1)}$$

$$S(n)=\sum _{i=1}^n(f\ast g)(i)-\sum _{y=2}^{n}g(y)S\left(\lfloor \frac{n}{y}\rfloor \right)$$

        \ \ \ \ \ \,      若是函数$(f\ast g)$和$g$的前缀和都可以$O(1)$地算出来，那么我们计算$S(n)$的值的时候递归处理，便可以优化复杂度到$O(n^{\frac{3}{4}})$。

        \ \ \ \ \ \,      但若是我们先线性预处理出$S(i)i\in [1,n^{\frac{2}{3}}]$的值，复杂度就可以优化到$O(n^{\frac{2}{3}})$

        \ \ \ \ \ \,      那么现在的问题是如何找到这个神奇的函数$g$：

• 对于$\phi (x)$：

  $\begin{array}{rl}\phi (x)=& \prod _{p|x,p\mathrm{i}\mathrm{s}\mathrm{p}\mathrm{r}\mathrm{i}\mathrm{m}\mathrm{e}}\frac{p^k(p-1)}{p}\\ =& x\times \prod _{p|x,p\mathrm{i}\mathrm{s}\mathrm{p}\mathrm{r}\mathrm{i}\mathrm{m}\mathrm{e}}\left(1-\frac{1}{p}\right)\end{array}$

  $\begin{array}{rl}(\phi \ast 1)(x)=& \sum _{i|x}\phi (i)\times 1\left(\frac{x}{i}\right)\\ =& \sum _{i|x}\phi (i)\\ =& \sum _{i|x}i\times \prod _{p|i,p\mathrm{i}\mathrm{s}\mathrm{p}\mathrm{r}\mathrm{i}\mathrm{m}\mathrm{e}}\left(1-\frac{1}{p}\right)\end{array}$

  显然$(\phi \ast 1)(x)$在$x$为素数的次方情况下，$(\phi \ast 1)(x)=x$，而$(\phi \ast 1)(x)$又为积性函数，可以证明在定义域下$(\phi \ast 1)(x)=x$，既$\phi \ast 1=id$。

  所以我们选取$g=1$,$(f\ast g)=id$，容易求和。

long long Sum_id(int x){return 1ll*x*(x+1)/2;}
long long Sum_1(int l,int r){return 1ll*r-l+1;}
long long g1=1ll;
long long Sum_phi(int x){
  long long ret=Sum_id(x);
  for(int i=2,j;i<=x;i=j+1)
  j=x/(x/i),ret-=Sum_1(i,j)*Sum_phi(x/i);
  return ret;
}

• 对于$\mu (x)$：

  已知$\mu \ast 1=ϵ$

  所以我们选取$g=1$,$(f\ast g)=ϵ$，容易求和。

long long Sum_e(int x){return 1ll;}
long long Sum_1(int l,int r){return 1ll*r-l+1;}
long long g1=1ll;
long long Sum_mu(int x){
  long long ret=Sum_e(x);
  for(int i=2,j;i<=x;i=j+1)
  j=x/(x/i),ret-=Sum_1(i,j)*Sum_mu(x/i);
  return ret;
}

• 注意：杜教筛套杜教筛复杂度还是$O(n^{\frac{2}{3}})$，因为实际上他们是并列进行的。

• 贝尔级数

          \ \ \ \ \ \,      对于其他积性函数，为了找到满足条件的$g$，我们引入贝尔级数，需要用到生成函数的姿势，但是实际上只需要记住下面的公式就够用了：

          \ \ \ \ \ \,      对于积性函数$f$，定义$f$模$p$的贝尔级数为：

  $$f_p(x)=\sum _{i=0}^{\infty }f(p^i)x^i$$

          \ \ \ \ \ \,      一个完全积性函数的贝尔级数为几何级数：

  $$f_p(x)=\frac{1}{1-f(p)\times x}$$

          \ \ \ \ \ \,      例如（“*”完全积性函数）:

  • *${ϵ}_p(x)=1$

  • *$1_p(x)=\frac{1}{1-x}$

  • *$i{d}_p^k(x)=\frac{1}{1-p^k\cdot x}$

  • ${\mu }_p(x)=1-x$

  • ${\sigma }_p(x)=\frac{1}{(1-x{)}^2}$

  • $({\sigma }_1{)}_p(x)=\frac{1}{1-{\sigma }_1(p)x+p{x}^2}$ ——> $\left[({\sigma }_k{)}_p(x)=\frac{1}{1-{\sigma }_k(p)x+p^k{x}^2}\right]$

  • ${\phi }_p(x)=\frac{1-x}{1-p\cdot x}$

          \ \ \ \ \ \,      有了这个东西，我们边可以把狄利克雷卷积化成一般卷积的形式：

  $$(f\ast g{)}_p(x)=f_p(x)\times g_p(x)$$

          \ \ \ \ \ \,      再带回去就可以得到我们想要的$g$和$g\ast f$，主观感觉非常复杂。

---

• 一些比较常见的容易求的卷积

  • $\mu \ast \sigma =1$

  • $id\ast id=n$

  • $\phi \ast 1=id$

  • $\mu \ast id=\phi$