51Nod 1238 最小公倍数之和 V3

本文深入探讨了一种高效的算法,用于解决大规模数据集上的最小公倍数之和问题。通过对数学原理的巧妙应用,如莫比乌斯反演和杜教筛法,实现了复杂度优化,适用于高精度计算场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目大意

给定 n,mn,mn,m,令
Ans=∑i=1n∑j=1mlcm(i,j),Ans≡x(mod109+7)Ans=\sum_{i=1}^{n}\sum_{j=1}^{m}lcm(i,j),Ans≡x\pmod {10^9+7}Ans=i=1nj=1mlcm(i,j),Ansx(mod109+7)

求最小的非负 xxx
数据范围 1⩽n,m⩽10101\leqslant n,m\leqslant 10^{10}1n,m1010

题解

Ans=∑i=1n∑j=1mi×j(i,j)=∑d=1n∑i=1n∑j=1mi×jd[(i,j)=d]=∑d=1min⁡(n,m)∑i=1⌊nd⌋∑j=1⌊md⌋d⋅i×d⋅jd[(i,j)=1]=∑d=1min⁡(n,m)d∑i=1⌊nd⌋∑j=1⌊md⌋ij[(i,j)=1]\begin{aligned} Ans&=\sum_{i=1}^{n}\sum_{j=1}^{m}\frac{i\times j}{(i,j)}\\ &=\sum_{d=1}^{n}\sum_{i=1}^{n}\sum_{j=1}^{m}\frac{i\times j}{d}[(i,j)=d]\\ &=\sum_{d=1}^{\min(n,m)}\sum_{i=1}^{\large\lfloor\frac nd\rfloor}\sum_{j=1}^{\large\lfloor\frac md\rfloor}\frac{d\cdot i\times d\cdot j}{d}[(i,j)=1]\\ &=\sum_{d=1}^{\min(n,m)}d\sum_{i=1}^{\large\lfloor\frac nd\rfloor}\sum_{j=1}^{\large\lfloor\frac md\rfloor}ij[(i,j)=1]\\ \end{aligned}Ans=i=1nj=1m(i,j)i×j=d=1ni=1nj=1mdi×j[(i,j)=d]=d=1min(n,m)i=1dnj=1dmddi×dj[(i,j)=1]=d=1min(n,m)di=1dnj=1dmij[(i,j)=1]

套莫比乌斯反演
Ans=∑d=1min⁡(n,m)d×∑i=1⌊nd⌋∑j=1⌊md⌋ij∑k∣i,k∣jμ(k)=∑d=1min⁡(n,m)d×∑k=1⌊nd⌋μ(k)∑k∣ii⩽⌊nd⌋i∑k∣jj⩽⌊md⌋j=∑d=1min⁡(n,m)d×∑k=1⌊min⁡(n,m)d⌋μ(k)(∑k∣ii⩽⌊nd⌋i)(∑k∣jj⩽⌊md⌋j)=∑d=1min⁡(n,m)d×∑k=1⌊min⁡(n,m)d⌋μ(k)(∑i=1⌊ndk⌋ik)(∑j=1⌊mdk⌋jk)=∑d=1min⁡(n,m)d×∑k=1⌊min⁡(n,m)d⌋k2μ(k)((1+⌊ndk⌋)⌊ndk⌋2)((1+⌊mdk⌋)⌊mdk⌋2)\begin{aligned} Ans&=\sum_{d=1}^{\min(n,m)}d\times \sum_{i=1}^{\large\lfloor\frac nd\rfloor}\sum_{j=1}^{\large\lfloor\frac md\rfloor}ij\sum_{k|i,k|j}\mu(k)\\ &=\sum_{d=1}^{\min(n,m)}d\times \sum_{k=1}^{\large\lfloor\frac nd\rfloor}\mu(k)\sum_{k|i}^{i\leqslant {\large\lfloor\frac nd\rfloor}}i\sum_{k|j}^{j\leqslant {\large\lfloor\frac md\rfloor}}j\\ &=\sum_{d=1}^{\min(n,m)}d\times \sum_{k=1}^{\large\lfloor\frac {\min(n,m)}d\rfloor}\mu(k)\left(\sum_{k|i}^{i\leqslant {\large\lfloor\frac nd\rfloor}}i\right)\left(\sum_{k|j}^{j\leqslant {\large\lfloor\frac md\rfloor}}j\right)\\ &=\sum_{d=1}^{\min(n,m)}d\times \sum_{k=1}^{\large\lfloor\frac {\min(n,m)}d\rfloor}\mu(k)\left(\sum_{i=1}^{\large\lfloor\frac n{dk}\rfloor}ik\right)\left(\sum_{j=1}^{\large\lfloor\frac m{dk}\rfloor}jk\right)\\ &=\sum_{d=1}^{\min(n,m)}d\times \sum_{k=1}^{\large\lfloor\frac {\min(n,m)}d\rfloor}k^2\mu(k)\left(\frac{\left(1+\Big\lfloor\dfrac n{dk}\Big\rfloor\right)\Big\lfloor\dfrac n{dk}\Big\rfloor}2\right)\left(\frac{\left(1+\Big\lfloor\dfrac m{dk}\Big\rfloor\right)\Big\lfloor\dfrac m{dk}\Big\rfloor}2\right)\\ \end{aligned}Ans=d=1min(n,m)d×i=1dnj=1dmijki,kjμ(k)=d=1min(n,m)d×k=1dnμ(k)kiidnikjjdmj=d=1min(n,m)d×k=1dmin(n,m)μ(k)kiidnikjjdmj=d=1min(n,m)d×k=1dmin(n,m)μ(k)i=1dknikj=1dkmjk=d=1min(n,m)d×k=1dmin(n,m)k2μ(k)2(1+dkn)dkn2(1+dkm)dkm


即使用杜教筛筛出 k2μ(k)k^2\mu(k)k2μ(k),这样时间仍然是超过线性的,无法通过本题。

更换枚举项,枚举 T=kdT=kdT=kd,易得其上界为 nnn,并且 k∣Tk|TkT,则有
Ans=∑T=1min⁡(n,m)∑k∣TTk×k2×μ(k)×((1+⌊nT⌋)⌊nT⌋2)((1+⌊mT⌋)⌊mT⌋2)=∑T=1min⁡(n,m)((1+⌊nT⌋)⌊nT⌋2)((1+⌊mT⌋)⌊mT⌋2)∑k∣Tk2×μ(k)×Tk\begin{aligned} Ans&=\sum_{T=1}^{\min(n,m)}\sum_{k|T}\frac Tk\times k^2\times \mu(k)\times {\left(\frac{\left(1+\Big\lfloor\dfrac n{T}\Big\rfloor\right)\Big\lfloor\dfrac n{T}\Big\rfloor}2\right)}{\left(\frac{\left(1+\Big\lfloor\dfrac m{T}\Big\rfloor\right)\Big\lfloor\dfrac m{T}\Big\rfloor}2\right)}\\ &=\sum_{T=1}^{\min(n,m)}{\left(\frac{\left(1+\Big\lfloor\dfrac n{T}\Big\rfloor\right)\Big\lfloor\dfrac n{T}\Big\rfloor}2\right)}{\left(\frac{\left(1+\Big\lfloor\dfrac m{T}\Big\rfloor\right)\Big\lfloor\dfrac m{T}\Big\rfloor}2\right)}\sum_{k|T}k^2\times \mu(k)\times \frac Tk\\ \end{aligned}Ans=T=1min(n,m)kTkT×k2×μ(k)×2(1+Tn)Tn2(1+Tm)Tm=T=1min(n,m)2(1+Tn)Tn2(1+Tm)TmkTk2×μ(k)×kT

这里最好不要化简后面的 ∑k∣Tk2×μ(k)×Tk\sum_{k|T}k^2\times \mu(k)\times \frac TkkTk2×μ(k)×kT

最好直接把它转换为卷积
Ans=∑T=1min⁡(n,m)((1+⌊nT⌋)⌊nT⌋2)((1+⌊mT⌋)⌊mT⌋2)((id2⋅μ)∗id)(T)\begin{aligned} Ans&=\sum_{T=1}^{\min(n,m)}{\left(\frac{\left(1+\Big\lfloor\dfrac n{T}\Big\rfloor\right)\Big\lfloor\dfrac n{T}\Big\rfloor}2\right)}{\left(\frac{\left(1+\Big\lfloor\dfrac m{T}\Big\rfloor\right)\Big\lfloor\dfrac m{T}\Big\rfloor}2\right)}\Big((id^2\cdot\mu)*id\Big)(T)\\ \end{aligned}Ans=T=1min(n,m)2(1+Tn)Tn2(1+Tm)Tm((id2μ)id)(T)

现在只需要求出函数 ((id2⋅μ)∗id)\Big((id^2\cdot \mu)*id\Big)((id2μ)id) 的前缀和即可。因此考虑 g=idg=idg=id

等等!

为什么要考虑 g=idg=idg=id?为了让后续的 乱猜 更方便?如果 g=idg=idg=id 能做到些什么的话,为什么里面那个 ididid 不能做到?
考虑到卷积有交换律,我们可以忽略后面那个 ∗id*idid 而直接考虑前面的 (id2⋅μ)(id^2\cdot \mu)(id2μ),很容易发现,对于这个用点乘得到函数只需要取 g=id2g=id^2g=id2 即可。
(((id2⋅μ)∗id)∗id2)(n)=(((id2⋅μ)∗id2)∗id)(n)=∑d∣n((id2⋅μ)∗id2)(d)×nd=∑d∣n∑k∣dk2⋅μ(k)×d2k2×nd=n∑d∣nd∑k∣dμ(k)=n∑d∣nd[d=1]=n=id(n)\begin{aligned} \bigg(\Big((id^2\cdot \mu)*id\Big)*id^2\bigg)(n)&=\bigg(\Big((id^2\cdot \mu)*id^2\Big)*id\bigg)(n)\\ &=\sum_{d|n}\Big((id^2\cdot \mu)*id^2\Big)(d)\times\frac nd\\ &=\sum_{d|n}\sum_{k|d}k^2\cdot \mu(k)\times\frac {d^2}{k^2}\times \frac nd\\ &=n\sum_{d|n}d\sum_{k|d}\mu(k)\\ &=n\sum_{d|n}d[d=1]\\ &=n\\ &=id(n) \end{aligned}(((id2μ)id)id2)(n)=(((id2μ)id2)id)(n)=dn((id2μ)id2)(d)×dn=dnkdk2μ(k)×k2d2×dn=ndndkdμ(k)=ndnd[d=1]=n=id(n)

的确是个让人省心的函数。
因而有 n=(((id2⋅μ)∗id)∗id2)(n)=∑d∣n((id2⋅μ)∗id)(d)×n2d2=∑d∣n,d≠n((id2⋅μ)∗id)(d)×n2d2+((id2⋅μ)∗id)(n)\begin{aligned} n&=\bigg(\Big((id^2\cdot \mu)*id\Big)*id^2\bigg)(n)\\ &=\sum_{d|n}\Big((id^2\cdot \mu)*id\Big)(d)\times \frac{n^2}{d^2}\\ &=\sum_{d|n,d\not=n}\Big((id^2\cdot \mu)*id\Big)(d)\times \frac{n^2}{d^2}+\Big((id^2\cdot \mu)*id\Big)(n)\\ \end{aligned}n=(((id2μ)id)id2)(n)=dn((id2μ)id)(d)×d2n2=dn,d=n((id2μ)id)(d)×d2n2+((id2μ)id)(n)

移项,得
((id2⋅μ)∗id)(n)=n−∑d∣n,d≠n((id2⋅μ)∗id)(d)×n2d2\begin{aligned} \Big((id^2\cdot \mu)*id\Big)(n)=n-\sum_{d|n,d\not=n}\Big((id^2\cdot \mu)*id\Big)(d)\times \frac{n^2}{d^2} \end{aligned}((id2μ)id)(n)=ndn,d=n((id2μ)id)(d)×d2n2
求和
Sum(id2⋅μ)∗id(n)=∑i=1n((id2⋅μ)∗id)(i)=∑i=1ni−∑i=1n∑d∣i,d≠i((id2⋅μ)∗id)(d)×i2d2=(1+n)n2−∑k=2n∑d=1⌊nk⌋((id2⋅μ)∗id)(d)×k2d2d2=(1+n)n2−∑k=2nk2×Sum(id2⋅μ)∗id(n)(⌊nk⌋)\begin{aligned}\text{Sum}_{(id^2\cdot \mu)*id}(n)&=\sum_{i=1}^n\Big((id^2\cdot \mu)*id\Big)(i)\\ &=\sum_{i=1}^ni-\sum_{i=1}^n\sum_{d|i,d\not=i}\Big((id^2\cdot \mu)*id\Big)(d)\times \frac{i^2}{d^2}\\ &=\frac{(1+n)n}2-\sum_{k=2}^n\sum_{d=1}^{\large\lfloor\frac nk\rfloor}\Big((id^2\cdot \mu)*id\Big)(d)\times\frac{k^2d^2}{d^2}\\ &=\frac{(1+n)n}2-\sum_{k=2}^nk^2\times \text{Sum}_{(id^2\cdot \mu)*id}(n)\left(\Big\lfloor\frac nk\Big\rfloor\right) \end{aligned} Sum(id2μ)id(n)=i=1n((id2μ)id)(i)=i=1nii=1ndi,d=i((id2μ)id)(d)×d2i2=2(1+n)nk=2nd=1kn((id2μ)id)(d)×d2k2d2=2(1+n)nk=2nk2×Sum(id2μ)id(n)(kn)

递归除法分块处理即可,时间复杂度为 T(n)=Θ(n34)T(n)=\Theta(n^{\frac 34})T(n)=Θ(n43)
前面莫比乌斯反演的部分除法分块处理,总时间复杂度仍然T(n)=Θ(n34)T(n)=\Theta(n^{\frac 34})T(n)=Θ(n43)
如果我们能线性筛出前面 n23n^{\frac23}n32 部分的 (id2⋅μ)∗id(id^2\cdot\mu)*id(id2μ)id 就大功告成了。
这需要计算其三条特点:
((id2⋅μ)∗id)(1)=1\Big((id^2\cdot\mu)*id\Big)(1)=1((id2μ)id)(1)=1

((id2⋅μ)∗id)(p)=p⋅(1−p)\Big((id^2\cdot\mu)*id\Big)(p)=p\cdot(1-p)((id2μ)id)(p)=p(1p)

((id2⋅μ)∗id)(pk)=pk⋅(1−p)\Big((id^2\cdot\mu)*id\Big)(p^k)=p^k\cdot(1-p)((id2μ)id)(pk)=pk(1p)

证明:由于 p0=1,p1=pp^0=1,p^1=pp0=1,p1=p,因而我们只需要证明第三条性质成立即可。
((id2⋅μ)∗id)(pk)=∑d∣pk(id2⋅μ)(d)×id(pkd)=pk×∑d∣pkd⋅μ(d)=pk×∑t=0kpt⋅μ(pt)=pk×(p0⋅μ(p0)+p1⋅μ(p1)+∑t=2kpt⋅μ(pt))=pk×(1−p+∑t=2kpt×0)=pk⋅(1−p)\begin{aligned}\Big((id^2\cdot\mu)*id\Big)(p^k)&= \sum_{d|p^k} (id^2\cdot\mu)(d)\times id\left(\frac{p^k}{d}\right)\\ &=p^k\times \sum_{d|p^k} d\cdot\mu(d)\\ &=p^k\times \sum_{t=0}^k p^t\cdot\mu(p^t)\\ &=p^k\times \left(p^0\cdot\mu(p^0)+p^1\cdot\mu(p^1)+\sum_{t=2}^kp^t\cdot\mu(p^t)\right)\\ &=p^k\times \left(1-p+\sum_{t=2}^kp^t\times0\right)\\ &=p^k\cdot\left(1-p\right)\\ \end{aligned}((id2μ)id)(pk)=dpk(id2μ)(d)×id(dpk)=pk×dpkdμ(d)=pk×t=0kptμ(pt)=pk×(p0μ(p0)+p1μ(p1)+t=2kptμ(pt))=pk×(1p+t=2kpt×0)=pk(1p)

至此,我们能够在 T(k)=Θ(1)T(k)=\Theta(1)T(k)=Θ(1) 的时间内求出上面三种位置的函数值,因此,我们可以线性筛了。

总时间复杂度进一步降低到 T(n)=Θ(T×n23)T(n)=\Theta(T\times n^{\frac 23})T(n)=Θ(T×n32)
%https://blog.youkuaiyun.com/C20181220_xiang_m_y/article/details/84894901

#include<bits/stdc++.h>
using namespace std;
#define maxn 7841588
const long long mod=1e9+7;
const long long inv_2=500000004;
const long long inv_6=166666668;
long long low[maxn],f[maxn],pri[maxn],vis[maxn],s[maxn];
void sieve(long long n){
	memset(vis,0,sizeof vis);
	long long tot=0;
    vis[1]=low[1]=f[1]=1;
    for (long long i=2;i<=n;i++)
    {
        if(!vis[i]) low[i]=pri[++tot]=i,f[i]=(i-(i*i)%mod+mod)%mod;
        for (long long j=1;j<=tot&&i*pri[j]<=n;j++)
        {
            vis[i*pri[j]]=1;
            if (i%pri[j]==0)
            {
                low[i*pri[j]]=low[i]*pri[j];
                if (low[i]==i)
                    f[i*pri[j]]=((((1-pri[j])*i+mod)%mod)*pri[j]+mod)%mod;
                else
                    f[i*pri[j]]=(f[i/low[i]]*f[low[i]*pri[j]]+mod)%mod;
                break;
            }
            low[i*pri[j]]=pri[j];
            f[i*pri[j]]=(f[i]*f[pri[j]])%mod;
        }
    }
    for(int i=1;i<=n;i++)
    	s[i]=(s[i-1]+f[i]+mod)%mod;
}
long long ft_1(long long a){
	long long t=a%mod;
	return ((((1+(t))*(t))%mod)*inv_2)%mod;
}
long long ft_2(long long a){
	long long t=a%mod;
	return (((t*(t+1)%mod)*(2*t+1)%mod)*inv_6)%mod;
}
map<long long,long long> Sf;
long long S(long long n){
	if(n<=maxn-10) return s[n];
	{	map<long long,long long>::iterator t=Sf.lower_bound(n);
		if(t!=Sf.end()) return t->second;	}
	long long ans=ft_1(n);
	for(long long l=2,r;l<=n;l=r+1){
		r=n/(n/l);
		ans-=S(n/l)*(ft_2(r)-ft_2(l-1))%mod;
		ans=(ans+mod);
	} return ans;
}
void main2(long long n,long long m){
	long long ans=0;
	long long len=min(n,m);
	for(long long l=1,r;l<=len;l=r+1){
		r=min(n/(n/l),m/(m/l));
		if(r>n) r=n;
		ans+=ft_1(n/l)*ft_1(m/l)%mod*(S(r)-S(l-1))%mod;
		ans=(ans+mod)%mod;
	} printf("%lld",ans); 
}
int main(){
	sieve(maxn-10);
	long long n,m,ans=0;
	scanf("%lld%lld",&n,&m);
	for(long long i=1;i<=n;i++)
		for(long long j=1;j<=m;j++){
			ans+=i/__gcd(i,j)*j;
			ans%=mod;
		}
	printf("%lld\n",ans);
	main2(n,m);
	return 0;
}

%https://www.cnblogs.com/zhoushuyu/p/8275530.html

%https://blog.youkuaiyun.com/sslz_fsy/article/details/87819016

题目 51nod 3478 涉及一个矩阵问题,要求通过最少的操作次数,使得矩阵中至少有 `RowCount` 行和 `ColumnCount` 列是回文的。解决这个问题的关键在于如何高效地枚举所有可能的行和列组合,并计算每种组合所需的操作次数。 ### 解法思路 1. **预处理每一行和每一列变为回文所需的最少操作次数**: - 对于每一行,计算将其变为回文所需的最少操作次数。这可以通过比较每对对称位置的值是否相同来完成。 - 对于每一列,计算将其变为回文所需的最少操作次数,方法同上。 2. **枚举所有可能的行和列组合**: - 由于 `N` 和 `M` 的最大值为 8,因此可以枚举所有可能的行组合和列组合。 - 对于每一种组合,计算其所需的最少操作次数,并取最小值。 3. **计算操作次数**: - 对于每一种组合,需要计算哪些行和列需要修改,并且注意行和列的交叉点可能会重复计算,因此需要去重。 ### 代码实现 以下是一个可能的实现方式,使用了枚举和位运算来处理组合问题: ```python def min_operations_to_palindrome(matrix, row_count, col_count): import itertools N = len(matrix) M = len(matrix[0]) # Precompute the cost to make each row a palindrome row_cost = [] for i in range(N): cost = 0 for j in range(M // 2): if matrix[i][j] != matrix[i][M - 1 - j]: cost += 1 row_cost.append(cost) # Precompute the cost to make each column a palindrome col_cost = [] for j in range(M): cost = 0 for i in range(N // 2): if matrix[i][j] != matrix[N - 1 - i][j]: cost += 1 col_cost.append(cost) min_total_cost = float(&#39;inf&#39;) # Enumerate all combinations of rows and columns rows = list(range(N)) cols = list(range(M)) from itertools import combinations for row_comb in combinations(rows, row_count): for col_comb in combinations(cols, col_count): # Calculate the cost for this combination cost = 0 # Add row costs for r in row_comb: cost += row_cost[r] # Add column costs for c in col_comb: cost += col_cost[c] # Subtract the overlapping cells for r in row_comb: for c in col_comb: # Check if this cell is part of the palindrome calculation if r < N // 2 and c < M // 2: if matrix[r][c] != matrix[r][M - 1 - c] and matrix[N - 1 - r][c] != matrix[N - 1 - r][M - 1 - c]: cost -= 1 min_total_cost = min(min_total_cost, cost) return min_total_cost # Example usage matrix = [ [0, 1, 0], [1, 0, 1], [0, 1, 0] ] row_count = 2 col_count = 2 result = min_operations_to_palindrome(matrix, row_count, col_count) print(result) ``` ### 代码说明 - **预处理成本**:首先计算每一行和每一列变为回文所需的最少操作次数。 - **枚举组合**:使用 `itertools.combinations` 枚举所有可能的行和列组合。 - **计算成本**:对于每一种组合,计算其成本,并考虑行和列交叉点的重复计算问题。 ### 复杂度分析 - **时间复杂度**:由于 `N` 和 `M` 的最大值为 8,因此枚举所有组合的时间复杂度为 $ O(N^{RowCount} \times M^{ColCount}) $,这在实际中是可接受的。 - **空间复杂度**:主要是存储预处理的成本,空间复杂度为 $ O(N + M) $。 ### 相关问题 1. 如何优化矩阵中行和列的枚举组合以减少计算时间? 2. 在计算行和列的交叉点时,如何更高效地处理重复计算的问题? 3. 如果矩阵的大小增加到更大的范围,如何调整算法以保持效率? 4. 如何处理矩阵中行和列的回文条件不同时的情况? 5. 如何扩展算法以支持更多的操作类型,例如翻转某个区域的值?
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