洛谷P1829 - [国家集训队]Crash的数字表格

本文详细解析了Crash的数字表格问题的算法解决方案,通过数学推导和代码实现,展示了如何在O(n)时间复杂度下计算特定数学表达式的模运算结果,涉及积性函数、莫比乌斯函数及数论等核心概念。

Portal

Description

给出\(n,m(n,m\leq10^7)\),计算\[ \sum_{i=1}^n \sum_{j=1}^m lcm(i,j) \bmod 20101009\]
fdsa

Solution

推推推...
\[\begin{align} ans &= \sum_{i=1}^n \sum_{j=1}^m lcm(i,j) \\ &= \sum_{i=1}^n \sum_{j=1}^m \frac{ij}{gcd(i,j)} \\ &= \sum_{d=1}^n \sum_{i=1}^n \sum_{j=1}^m \frac{ij}{d}[gcd(i,j)=d] \\ &= \sum_{d=1}^n \sum_{i=1}^{⌊\frac{n}{d}⌋} \sum_{j=1}^{⌊\frac{m}{d}⌋} ijd[gcd(i,j)=1] \\ &= \sum_{d=1}^n \sum_{i=1}^{⌊\frac{n}{d}⌋} \sum_{j=1}^{⌊\frac{m}{d}⌋} ijd \sum_{d'|gcd(i,j)} \mu(d') \\ &= \sum_{d=1}^n \sum_{d'=1}^n d\mu(d') \sum_{d'|i}^{⌊\frac{n}{d}⌋} \sum_{d'|j}^{⌊\frac{m}{d}⌋} ij \\ &= \sum_{d=1}^n \sum_{d'=1}^n d\mu(d') \sum_{i=1}^{⌊\frac{n}{dd'}⌋} \sum_{j=1}^{⌊\frac{m}{dd'}⌋} ijd'^2 \\ &= \frac{1}{4} \sum_{d=1}^n \sum_{d'=1}^n dd'^2\mu(d') (1+⌊\frac{n}{dd'}⌋)⌊\frac{n}{dd'}⌋(1+⌊\frac{m}{dd'}⌋)⌊\frac{m}{dd'}⌋ \\ &= \frac{1}{4} \sum_{d=1}^n (1+⌊\frac{n}{d}⌋)⌊\frac{n}{d}⌋(1+⌊\frac{m}{d}⌋)⌊\frac{m}{d}⌋ \sum_{d'|d} dd'\mu(d') \end{align}\] \((8)\)\((9)\)转换了枚举对象,\(d=dd',d'=d'\)
前面的部分可以\(O(\sqrt n)\)搞定,那么我们只需要考虑求出\(g(d)=\sum_{d'|d} dd'\mu(d')\)的前缀和。由于积性函数的积是积性函数,积性函数的卷积也是积性函数,所以\(g(d)\)是积性函数,可以在\(O(n)\)的时间内预处理出来。

时间复杂度\(O(n)\)

Code

//[国家集训队]Crash的数字表格
#include <algorithm>
#include <cstdio>
using std::min; using std::swap;
typedef long long lint;
const int N=1e7+10;
const int H=20101009;
int mu[N]; lint f[N];
int cntP,pr[N],p1[N]; bool notP[N];
void init(int n)
{
    mu[1]=1,f[1]=1;
    for(lint i=2;i<=n;i++)
    {
        if(!notP[i])
        {
            pr[++cntP]=i; p1[i]=i;
            mu[i]=-1,f[i]=(1-i+H)*i%H;
            for(lint j=i*i;j<=n;j*=i) p1[j]=j,mu[j]=0,f[j]=(1-i+H)*j%H;
        }
        for(int j=1;j<=cntP;j++)
        {
            lint x=pr[j]*i; if(x>n) break;
            notP[x]=true;
            if(i%pr[j]) p1[x]=pr[j],mu[x]=-mu[i],f[x]=f[pr[j]]*f[i]%H;
            else {p1[x]=p1[i]*pr[j],mu[x]=0,f[x]=f[p1[x]]*f[x/p1[x]]%H; break;}
        }
    }
    for(int i=1;i<=n;i++) f[i]+=f[i-1];
}
int main()
{
    int n,m; scanf("%d%d",&n,&m);
    if(n>m) swap(n,m); init(n);
    lint ans=0;
    for(int L=1,R;L<=n;L=R+1)
    {
        lint v1=n/L,v2=m/L; R=min(n/v1,m/v2);
        ans+=(1+v1)*v1%H*(1+v2)%H*v2%H*(f[R]-f[L-1]+H)%H;
        ans%=H;
    }
    printf("%lld\n",ans*15075757%H);    //inv(4)=15075757
    return 0;
}

P.S.

这似乎只是入门题...

转载于:https://www.cnblogs.com/VisJiao/p/LgP1829.html

内容概要:本文为《科技类企业品牌传播白皮书》,系统阐述了新闻媒体发稿、自媒体博主种草与短视频矩阵覆盖三大核心传播策略,并结合“传声港”平台的AI工具与资源整合能力,提出适配科技企业的品牌传播解决方案。文章深入分析科技企业传播的特殊性,包括受众圈层化、技术复杂性与传播通俗性的矛盾、产品生命周期影响及2024-2025年传播新趋势,强调从“技术输出”向“价值引领”的战略升级。针对三种传播方式,分别从适用场景、操作流程、效果评估、成本效益、风险防控等方面提供详尽指南,并通过平台AI能力实现资源智能匹配、内容精准投放与全链路效果追踪,最终构建“信任—种草—曝光”三位一体的传播闭环。; 适合人群:科技类企业品牌与市场负责人、公关传播从业者、数字营销管理者及初创科技公司创始人;具备一定品牌传播基础,关注效果可量化与AI工具赋能的专业人士。; 使用场景及目标:①制定科技产品全生命周期的品牌传播策略;②优化媒体发稿、KOL合作与短视频运营的资源配置与ROI;③借助AI平台实现传播内容的精准触达、效果监测与风险控制;④提升品牌在技术可信度、用户信任与市场影响力方面的综合竞争力。; 阅读建议:建议结合传声港平台的实际工具模块(如AI选媒、达人匹配、数据驾驶舱)进行对照阅读,重点关注各阶段的标准化流程与数据指标基准,将理论策略与平台实操深度融合,推动品牌传播从经验驱动转向数据与工具双驱动。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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