毒瘤数学题汇总

上来先搞个链表

毒瘤数学题汇总

51nod 1355 斐波那契数列的最小公倍数

题意

输出Lcm(F(a1), F(a2) ...... F(an)) Mod 1000000007的结果。

n <= 50000, a <= 1000000

题解

ddy题解

首先要知道一个结论:\(gcd(f[i], f[j]) = f[gcd(i, j)]\),其中 \(f\) 为斐波那契数列。

题目的意思是说,求:

\[LCM_{i∈S}f[i] \]

质因数分解得:

\[\prod_{p}p^{max_{i∈S}(b_i)} \]

然而我们只知道gcd相关,因此将其用min-max定理尝试转化成gcd:

\[\prod_p p^{\sum_{T∈S,T\not=0}min_{i∈T}(b_i)(-1)^{|T| + 1}} \]

将关于一个 \(T\) 的所有子集的\(p\)合并一下:

\[\prod_{T∈S,T\not=0}gcd_{i∈T}(f[i])^{(-1)^{|T| + 1}} \]

套用上面的那个结论:

\[\prod_{T∈S,T\not=0}f[gcd_{i∈T}(i)]^{(-1)^{|T| + 1}} \]

再套用经典版的莫比乌斯反演,众所周知:

\[f(n)=\sum_{i|n}g(i) \]

\[g(n)=\sum_{i|n}f(i)\mu(i) \]

其实对于连乘积也有类似的式子:

\[f(n) = \prod_{i|n}g(i) \]

\[g(n)=\prod_{i|n}f(i)^{\mu(i)} \]

两式两边都取对数即可证明。

那么我们将 \(f[gcd(T)]\) 看作 \(f(n)\),这样的话 \(f[gcd(T)]\) 会略微好看一些。同时 \(g(n)\) 也可以在 \(O(nlnn)\) 的时间内搞定。

那么我们继续推式子:

\[\prod_{T∈S,T\not=0} \prod_{d|gcd(T)} g(d)^ {(-1)^{|T| + 1}} \]

然后提取 \(g(d)\)

\[\prod_d g(d)^{\sum_{T,T\not=0,d|gcd(T)}(-1)^{|T| + 1}} \]

发现其中的 \(d|gcd(T)\) 很有意思,它的意思是 \(d\) 能够整除 \(T\) 中的所有数。那么我们只用在 \(S\) 中仅选择一些 \(d\) 的倍数组成 \(T\),就可以让 \(g(d)\) 做出贡献:(假设 \(S\) 中有 \(cnt\) 个数是 \(d\) 的倍数)

\[\sum_{i>0} C_{cnt}^{i}(-1)^{|i|+1} \]

这不就是二项式定理(组合恒等式)吗?只不过少了个 \(i=0\)。因此它等于:

\[1 \]

也就是说,只要 \(S\) 中含有 \(d\) 的倍数,就会有一个 \(g(d)\)

\[\prod_d g(d) \]

然后\(O(nlnn)\)预处理出 \(g(d)\)\(d\),对应相乘即可。

Continued...

P4619 [SDOI2018]旧试题

题意

求:

\[\sum_{i=1}^A \sum_{j=1}^B \sum_{k=1}^C d(ijk) \]

其中 \(d(n)\) 表示 \(n\) 的约数个数。

\[A,B,C<=100000 \]

题解

首先如果 \(C=0\),那么就成了一个经典的数论问题:

\[\sum_{i=1}^A\sum_{j=1}^B d(ij) \]

可以转化为:

\[\sum_{i=1}^A \sum_{j=1}^B \sum_{x|i}\sum_{y|j}[gcd(x,y)=1] \]

这就相当于枚举 \(\frac{i}{x} * y\),并且能够恰好不重不漏地枚举到所有约数。可以质因数分解后理解。

那么对于 \(C > 1\) 的情况,是否存在类似的枚举方法呢?

实际上是有的。

\[\sum_{i=1}^A \sum_{j=1}^B \sum_{k=1}^C d(ijk) \]

可以转化为:

\[\sum_{i=1}^A \sum_{j=1}^B \sum_{k=1}^C \sum_{x|i} \sum_{y|j} \sum_{z|k}[(x,y)=1][(y,z)=1][(x,z)=1] \]

交换求和号:(这一步还是比较重要的,否则会带着九个\(\sum\) 走向自闭)

\[\sum_{x=1}^A \sum_{y=1}^A \sum_{z=1}^A [(x,y)=1][(y,z)=1][(x,z)=1] (\frac{A}{x})(\frac{B}{y})(\frac{C}{z}) \]

我们看到了亲切的中括号,自然地想到莫比乌斯反演。

\[\sum_{x|i} \sum_{y|j} \sum_{z|k} (\frac{A}{x})(\frac{B}{y})(\frac{C}{z}) \sum_{u|x,u|y} \sum_{v|y,v|z} \sum_{w|x,w|z} \mu(u)\mu(v)\mu(w) \]

然后很自然地想到提前 \(\mu\)。不过平时都是只提前一个,这次一下子提前了三个,实际上只要保证每一个 \(\mu\) 被枚举的次数是一样的,那么这个转化就是可以的。

假设 \(A > B > C\)

\[\sum_{u=1}^A \sum_{v=1}^A \sum_{w=1}^A \mu(u)\mu(v)\mu(w) \sum_{u|x,w|x} \sum_{u|y,v|y} \sum_{v|z,w|z} (\frac{A}{x})(\frac{B}{y})(\frac{C}{z}) \]

略微再换一下顺序:

\[\sum_{u=1}^A \mu(u) \sum_{v=1}^A \mu(v) \sum_{w=1}^A \mu(w) \sum_{u|x,w|x} (\frac{A}{x}) \sum_{u|y,v|y} (\frac{B}{y}) \sum_{v|z,w|z} (\frac{C}{z}) \]

其中\(u|x,w|x\)太麻烦,不过它等同于 \([u,w]|x\)。因此:

\[\sum_{u=1}^A \mu(u) \sum_{v=1}^A \mu(v) \sum_{w=1}^A \mu(w) \sum_{[u,w]|x} (\frac{A}{x}) \sum_{[u,v]|y} (\frac{B}{y}) \sum_{[v,w]|z} (\frac{C}{z}) \]

发现右面结构比较相似,用一个函数总结一下:

\[f_T(n) = \sum_{n|x}(\frac{T}{x}) \]

这样就成了:

\[\sum_{u=1}^A \mu(u) \sum_{v=1}^A \mu(v) \sum_{w=1}^A \mu(w) f_A([u,w])f_B([u,v])f_C([v,w]) \]

然后就可以 \(O(n^3)\) 枚举了。

发现还是 \(n^3\)。不过这次我们就不用枚举完\(n^3\),因为最小公倍数通常会是 \(n^2\) 级别,\(f_T(n)\) 通常是0,那么如果它是0的话我们就不用管他了。

然而其中的 \(n\) 其实是个数对的最小公倍数,一下子限制两个数。一组非零的解为 \(u,v,w,\mu()\not=0,[...]<=A\),符合这个的有序三元组 \((u,v,w)\) 可以有贡献。那么我们只用枚举这些三元组即可。如果我们将符合条件的数对连接,那么实际上我们是在枚举一些三元环。

实测表示,图中的边并不多,枚举所有三元环的复杂度为 \(O(m \sqrt m)\)。因此,如果我们能够迅速连边,迅速枚举三元环的话,就可以通过这道题了。

建边的话,首先我们可以枚举所有的lcm,当然要抛弃掉 \(\mu\) 为0的。那么剩下的应该不会一个质因数出现超过一次。那么我们将其质因数分解,然后要从中选取两个数,使得其Lcm为我们枚举的那个lcm。这一部分可以枚举子集 和 子集的子集+补集来实现。这样我们就可以近似 \(O(m)\) 地建边了。

三元环科技见:不常用的黑科技——「三元环」

更多细节见题解代码。

P5400 [CTS2019]随机立方体

又是一道做了好几个月的题(其实是鸽了好几个月的题)

题目简短,代码简短,思维量极大。

首先看到“至少”,并且直接算还不好算,就应该想到二项式反演,变成“钦定”。

\(f(k)\) 表示钦定 \(k\) 个“极值点”(极大格子,简称“极值”或“极点”)的方案数。“钦定”即我们只考虑与之相关的东西即可,即每个点能控制其控制区间(即同行或同列或同层),且不相互控制。

\(h(i)\) 表示将 \(i\) 个极点及其管辖区域(同控制区间)从小到大一点一点分配好数字(只考虑相对大小,不考虑真实的值)的方案数。

\(g(i)\) 表示 \(i\) 个极值点的管辖区域大小。这个最好算,是 \(tot - (n - i)(m-i)(l-i)\),其中 \(tot = n * m * l\)

然后就可以用 \(h(k)\)\(g(k)\) 来表示 \(f(k)\) 了:

\[f(k) = \begin{pmatrix} tot \\ g(k) \end{pmatrix}(tot - g(k))!h(k)\begin{pmatrix} n \\ k \end{pmatrix}\begin{pmatrix} m \\ k \end{pmatrix}\begin{pmatrix} l \\ k \end{pmatrix}k!k!k!\]

(先从 \(tot\) 个数里面选择 \(g(k)\) 个数作为我们管辖区域的数集,管辖区域外面的数随便选;再选出极点的位置(用有序三元组表示,相对顺序为大小顺序,因此共三个阶乘),最后从小到大一点点算 \(h(k)\)

现在考虑推 \(h(i)\)。我们重新分配数字,由于之前乘了阶乘,使三元组有序,因此我们已经知道最大的是那一个点了。最大的数字一定被分配给 \(i\) 个极点,剩下的\(i\) 多管辖的那部分点 (共 \(g(i) - g(i-1) - 1\) 个点)依次随便选数,剩下的顺序交给 \(h(i-i)\) 处理。即:

\[h(i) = (g(i)-1)(g(i)-2)...(g(i - 1) + 1)h(i-1) \]

阶乘的形式表示:

\[h(i) = \frac{(g(i)-1)!}{g(i-1)!}h(i-1) \]

根据 \(h(0) = 1\) 以及 \(g(0) = 1\),展开 \(h\) 进行套娃

\[h(i) = \frac{(g(i)-1)!}{g(i-i)!} \frac{(g(i-1)-1)!}{g(i-2)!}...\frac{(g(1)-1)!}{1} \]

\[= \frac{(g(i)-1)!}{g(i-1)g(i-2)...g(1)} \]

化简 \(f\)

\[f(k) = \frac{tot!}{g(k)!}h(k)\begin{pmatrix} n \\ k \end{pmatrix}\begin{pmatrix} m \\ k \end{pmatrix}\begin{pmatrix} l \\ k \end{pmatrix}k!k!k!\]

\[f(k) = \frac{tot!}{g(k)g(k-1)...g(1)}\begin{pmatrix} n \\ k \end{pmatrix}\begin{pmatrix} m \\ k \end{pmatrix}\begin{pmatrix} l \\ k \end{pmatrix}k!k!k!\]

再回过头来看二项式反演,设 \(A(k)\) 表示恰好\(k\) 个极点的方案数。

\[f(k) = \sum_{i=k}^{tot} \binom{tot}{i}A(i) \]

\[A(k) = \sum_{i=k}^{tot} (-1)^{i-k} \binom{tot}{i}f(i) \]

\(Ans(k)\) 表示恰好\(k\) 个极点的概率。

\[Ans(k) = A(k) / (tot!) \]

\[= \sum_{i=k}^{tot} (-1)^{i-k} \binom{tot}{i}\frac{\binom{n}{i} \binom{m}{i} \binom{l}{i}i!i!i!}{g(1)g(2)...g(i)} \]

发现这玩意可以算得挺快,那个 \(1/(g(1)g(2)...g(i))\) 可以直接预处理出来,这样就能做到 \(O(TnlogN)\)\(N\) 表示值域)。如果害怕过不去的话,可以使用求逆元小技巧:

mul[0] = 1;
for (register int i = 1; i <= mn; ++i)
	g[i] = ((tot - (n - i) * (m - i) % P * (l - i) % P) % P + P) % P,
	mul[i] = g[i] * mul[i - 1] % P;
muli[mn] = quickpow(mul[mn], P - 2);
for (register int i = mn - 1; i; --i)
	muli[i] = muli[i + 1] * g[i + 1] % P;

这样就是 \(O(Tn)\) 了。

CF913F Strongly Connected Tournament

感觉和 主旋律 的套路有些像。

又是竞赛图,根据套路,应该枚举缩点后最后一个SCC。那么我们首先要知道 \(i\) 个点变成 SCC 的概率,设为 \(f_i\)。发现需要容斥,套路仍然是枚举缩点后最后一个SCC。最后一个SCC的每个点一定被其余SCC中的所有点连,于是设辅助数组 \(dp_{i,j}\) 表示\(i\) 个点中最后一个SCC大小为 \(j\),最后一个SCC内外边的概率积之和,根据 \(dp_{i,j}\) 可以算出 \(f_i\)

考虑如何算出 \(dp_{i,j}\)

\[dp_{i,0}=1 \]

\[dp_{i,j}=dp_{i-1,j-1}p^{i-j}+dp_{i-1,j}(1-p)^j \]

我们从小到大加入点,分别讨论点加到最后一个SCC还是其余SCC的情况可以此式。

然后考虑如何算出 \(f_i\)

\[f_1=1 \]

\[\sum_{j=1}^idp_{i,j}f_i=1 \]

考虑 \(i\) 个点的完全图的最后一个SCC的大小的所有情况的概率,它们的和应该是1.

现在我们回归原问题:计算 \(i\) 个点完全定向所需的比赛的期望次数,设为 \(g_i\),我们可以枚举一轮定向后产生各种最后SCC的情况,但是最终SCC可以看作子问题,而其余点并不能看作子问题,因为这个时候已经定好向了,不能再把第一次定向的贡献算上了,于是我们单独开一个辅助数组 \(h_i\) 表示已经定好一次向的 \(i\) 个点到完全定向的期望次数,那么有:

\[g_1 = 0,g_2 = 1,h_1=h_2=0 \]

\[g_n = {n \choose 2} + f_ng_n + \sum_{j=1}^{n-1}f_jdp_{n,j}(g_j+h_{n-j}) \]

\[h_n = f_ng_n + \sum_{j=1}^{n-1}f_jdp_{n,j}(g_j+h_{n-j}) \]

最终答案即为 \(g_n\)

posted @ 2020-07-28 12:39  JiaZP  阅读(196)  评论(0编辑  收藏  举报