首页 > 其他分享 >莫比乌斯反演即狄利克雷卷积速通

莫比乌斯反演即狄利克雷卷积速通

时间:2024-05-21 22:52:35浏览次数:31  
标签:frac 速通 limits 卷积 sum varphi mu 反演 aligned

莫比乌斯反演速通

前言

由于请假错过了讲课,所以莫反是我第一个需要自学的难度不小的数学知识。

自学的过程的狼狈的,旁边也曾是自学的 czn 告诉我如果学会“狄利克雷卷积”就可以对“莫比乌斯反演”的理解进行“降维打击”。他还十分热心地带着我速通了一遍狄卷与莫反。

一知半解,就自学了很多资料。终于是补全了每一块知识碎片。

秉着造福后人的原则,我想写一篇非常非常通俗易懂的学习笔记。

易懂到什么程度呢?——就是初一的同学,也能速通。

食用指南:备好草稿纸,遇到式子先自己推导,培养推式子的习惯。

数论函数

这是狄利克雷卷积(后文简称“狄卷”)的前置知识。

数论函数是一类这样的函数:定义域为正整数,值域是一个数集。

数论函数间的简单运算有加法数乘

  • 加法:定义为两个函数逐位相加。\((f+g)(n)=f(n)+g(n)\)
  • 数乘:定义为其函数每位都乘一个数。\((xf)(n)=x\cdot f(n)\)

狄利克雷卷积

狄卷是数论函数间的运算,记为:

\[f*g=h \]

等号左侧展开为:

\[f*g=\sum\limits_{i|n}f(i)\cdot g(\frac{n}{i}) \]

一些运算律

交换律:\(f*g=g*f\),这个显然。

结合律:\((f*g)*h=f*(g*h)\),因为:

\[\sum\limits_{i\cdot j\cdot k=n}(f(i)g(j))\cdot h(k)=\sum\limits_{i\cdot j\cdot k=n}f(i)\cdot (g(j)h(k)) \]

分配律:\(f*h+g*h=(f+g)*h\),因为:

\[\begin{aligned} f*h+g*h&=\sum\limits_{i|n}f(i)h(\frac{n}{i})+\sum\limits_{i|n}g(i)h(\frac{n}{i})\\ &=\sum\limits_{i|n} f(i)h(\frac{n}{i})+g(i)h(\frac{n}{i})\\ &=\sum\limits_{i|n} (f(i)+g(i))\cdot h(\frac{n}{i})\\ &=\sum\limits_{i|n} (f+g)(i)\cdot h(\frac{n}{i})\\ &=(f+g)*h \end{aligned} \]

一些函数意义

  1. \(\varphi(n)\):\([1,n]\) 中与 \(n\) 互质的数的个数。
    性质:\(\varphi(1)=1\),\(\varphi(n)=n-1\) 当且仅当 \(n\) 为质数。

  2. \(\mu(n)\):莫比乌斯函数。
    定义:

    • \(\mu(n)=1\),(\(n=1\))
    • \(\mu(n)=(-1)^k\),(\(n=\prod\limits _{i=1}^{k} p_i\) 且 \(p_i\) 为指数为 \(1\) 的质数)
    • \(\mu(n)=0\),(其他情况)
  3. \(Id_k(n)\):幂函数,\(Id_k(n)=n^k\)。

  4. \(\sigma_k(n)\):\(n\) 的所有因数的 \(k\) 次方和。

  5. \(\epsilon(n)\):值为 \([n=1]\)。即当且仅当 \(n=1\) 时值为 \(1\),否则为 \(0\)。

  6. \(d(n)\):\(n\) 的所有因数个数,即 \(\sigma_0(n)\)。

  7. \(I(n)\):常函数,值恒为 \(1\),即 \(Id_0(n)\)。

这里说明一下第七条,在一些参考书中写作 \(\mathbf{1}(n)\),本文为了区分函数与常数,这里用 \(I(n)\) 代替 \(\mathbf{1}(n)\)。

一些式子

这里会有很多公式,可以再看证明之前自己先证一遍,难度从易到难。

式子一:\((xf)*g=x(f*g)\),因为:

\[\begin{aligned} (xf)*g&=\sum\limits_{i|n} (xf)(i)\cdot g(\frac{n}{i})\\ &=\sum\limits_{i|n} x\cdot f(i)\cdot g(\frac{n}{i})\\ &=x\cdot \sum\limits_{i|n} f(i)g(\frac{n}{i})\\ &=x(f*g) \end{aligned} \]

式子二:\(f*\epsilon=f\),因为:

\[\begin{aligned} (f*\epsilon) (n)&=\sum\limits_{i|n} f(i)\epsilon(\frac{n}{i})\\ &=f(n) \end{aligned} \]

式子三:\(I*I=d\),因为:

\[\begin{aligned} I*I&=\sum\limits_{i|n} I(i)I(\frac{n}{i})\\ &=\sum\limits_{i|n} 1\\ &=d \end{aligned} \]

式子四:\(I*Id_k=\sigma_k\),因为:

\[\begin{aligned} I*Id_k&=\sum\limits_{i|n} I(i)Id_k(\frac{n}{i})\\ &=\sum\limits_{i|n} Id_k(i)\\ &=\sigma_k \end{aligned} \]

式子五:\(\mu*I=\epsilon\),因为:

\[\begin{aligned} \mu*I&=\sum\limits_{i|n} \mu(i)I(\frac{n}{i})\\ &=\sum\limits_{i|n} \mu(i) \end{aligned} \]

  • 当 \(n=1\),显然成立。
  • 当 \(n\neq 1\),将 \(n\) 分解为 \(n=p_1^{m_1}p_2^{m_2}\dots p_k^{m_k}\)。
    计算有效的 \(\mu\),肯定质因子的指数为 \(1\)。
    所以每次在 \(k\) 个质因数选择 \(r\) 个,即 \(C_k^r\) 个。
    那就可以继续推式子了。

\[\begin{aligned} \sum\limits_{i|n} \mu(i)&=C_k^0-C_k^1+C_k^2-C_k^3+\dots +(-1)^kC_k^k\\ &=\sum\limits_{i=0}^k (-1)^iC_k^i\\ &=(1-1)^k=0 \end{aligned} \]

因此,\(\mu *I=\sum\limits_{i|n} \mu(i)=[n=1]=\epsilon\)。

这里解释一下是怎么得到 \((1-1)^k\) 的:

二项式定理:\((x+y)^k=\sum\limits_{i=0}^k C_k^ix^{k-i}y^i\)。

这里把 \(x=1\),\(y=-1\) 带进去得证。

式子六:\(\varphi*I=Id_1\),因为:

设 \(p\) 为质数,\(m>0\),则:

\[\begin{aligned} (\varphi*I)(p^m)&=\sum\limits_{i|p^m} \varphi(p^m)\\ &=\sum\limits_{i=0}^m \varphi(p^i)\\ &=p^0+\sum\limits_{i=1}^m \varphi(p^i)\\ &=p^0+\sum\limits_{i=1}^m (p^i-p^{i-1})\\ &=p^m \end{aligned} \]

因为 \(n\) 可分解为 \(p_1^{m_1}p_2^{m_2}\dots p_k^{m_k}\),可由积性函数的性质得证 \((\varphi*I)(n)=n=Id_1(n)\)。

即 \(\varphi*I=Id_1\)。

式子七:\(\varphi=\mu*Id_1\)。

这个留作作业,答案放在文尾。

简单性质

上文的式子二、四、六就是主要性质,除此之外还有积性函数性质:

若 \(f\),\(g\) 为积性函数,则 \(f*g\) 也为积性函数。

狄利克雷的逆元

对于每个 \(f(1)\ne 0\) 的 \(f\),都存在一个 \(g\) 使得 \(f*g=\epsilon\)。

如何求 \(g\)?

先推一下式子:

\[\begin{aligned} f*g&=\sum\limits_{i|n} f(i)g(\frac{n}{i})\\ &=f(1)g(n)+\sum\limits_{i|n,i\ne 1}f(i)g(\frac{n}{i})\\ &=\epsilon=[n=1] \end{aligned} \]

现在目标为定义 \(g(n)\) 使得等式成立。

可以定义:\(g(n)=\frac{1}{f(1)}([n=1]-\sum\limits_{i|n,i\ne 1}f(i)g(\frac{n}{i}))\)。

\(g\) 就是 \(f\) 的逆元,也可写作 \(f^{-1}\)。

莫比乌斯反演

莫比乌斯反演公式

在“狄卷”的“一些函数意义”中我们直接给出了 \(\mu\) 的定义与运算方式。

但其实是要推的,仅知道的条件是“定义 \(I\) 的逆为 \(\mu\)”。

让我们来看看如何用狄卷推出莫反的式子——看看狄卷是怎么降维打击的。

如果 \(g=f*I\),则

\[f=f*I*\mu=g*\mu \]

一展开,即:

如果 \(g(n)=\sum\limits_{i|n}f(i)\),则

\[f(i)=\sum\limits_{i|n}\mu(i)g(\frac{n}{i}) \]

写得优美一点:

\[g(n)=\sum\limits_{i|n}f(i)\Leftrightarrow f(i)=\sum\limits_{i|n}\mu(i)g(\frac{n}{i}) \]

而这个就是我们的莫反公式了!

别忘了,我们尚未知道 \(\mu\) 的值,现在来讲讲怎么求。

由于 \(I\) 是积性函数,所以 \(\mu\) 也是积性函数。简单算数可得:

\[\mu(p^k)=\begin{cases} 1 & k=0\\ -1 & k=1\\ 0 & k>1 \end{cases} \]

再根据积性函数,就得到了:

\[\mu(n)=\begin{cases} 1 & n=1\\ (-1)^k & n=p_1p_2\dots p_k\\ 0 & \text{other\ situation} \end{cases} \]

于是华丽结束。

有没有体味到降维打击呀朋友们!

莫比乌斯函数的性质

如果不讲狄卷,这里应该是第二章,但是学过狄卷的我们可以速通以下三个性质。

  1. \(\sum\limits_{i|n}\mu(i)=[n=1]\)。这个用 \(\mu*I=\epsilon\) 秒了。
  2. \(n=\sum\limits_{i|n}\varphi(i)\)。用 \(\varphi*I=Id_1\) 秒了。
  3. \(\sum\limits_{i|n}\frac{\mu(i)}{i} = \frac{\varphi(n)}{n}\)。因为 \(\varphi=\mu*Id_1\),所以展开得
    \(\sum\limits_{i|n} \frac{\mu(i)\cdot n}{i}=\varphi(n)\Rightarrow \sum\limits_{i|n} \frac{\mu(i)}{i}=\frac{\varphi(n)}{n}\),秒了。
  4. \(\mu(n)\) 是积性函数,这个上文解释过了。

代码实现预处理 \(\mu\)

\(\mu\) 是积性函数,线性筛带走。

void init(int x)
{
    mu[1]=1;
    for(int i=2;i<=x;i++)
    {
        if(!vis[i])
            pri[++cnt]=i,mu[i]=-1;
        for(int j=1;j<=cnt&&i*pri[j]<=x;j++)
        {
            vis[i*pri[j]]=1;
            if(i%pri[j]==0) break;
            mu[i*pri[j]]=-mu[i];
        }
    }
}

参考文献

式子七答案

\[\begin{aligned} \varphi&=\varphi *\epsilon\\ &=\varphi*I*\mu\\ &=Id_1*\mu \end{aligned} \]

结尾

有没有感受到用狄卷理解莫反“降维打击”的快感?

由于我是自学的,有一些地方会有纰漏,欢迎指出。

没有例题是因为还没去刷,大家如果想锻炼推式子能力可以看参考文献 2。

标签:frac,速通,limits,卷积,sum,varphi,mu,反演,aligned
From: https://www.cnblogs.com/holmes-wang/p/18205115

相关文章

  • 一句话速通银行家算法
    一句话速通银行家算法:try分配资源,ifsafe()thencontinue;                     else归还资源并且sleep(当前任务).好,本文结束。hh其实并没有,接下来我将解释这句话以及银行家算法究竟是个啥。 ps:银行家算法是tryassign(), 而还有个锁的ap......
  • 食物识别系统Python+深度学习人工智能+TensorFlow+卷积神经网络算法模型
    一、介绍食物识别系统。该项目通过构建包含11种常见食物类别(包括'Bread','Dairyproduct','Dessert','Egg','Friedfood','Meat','Noodles-Pasta','Rice','Seafood','Soup','Vegeta......
  • VUE速通(10)Vue3核心语法(2)setup
    1setup概述setup是Vue3中一个新的配置项,值是一个函数,它是CompositionAPI“表演的舞台”,组件中所用到的:数据、方法、计算属性、监视......等等,均配置在setup中。特点如下:setup函数返回的对象中的内容,可直接在模板中使用。setup中访问this是undefined。setup函数会......
  • 基础元素化学速通指北-卤素
    前言感觉卤素很典啊。氟很反常,原因有以下几点:原子半径小,负电荷密度高;电负性大。正文物理性质要开张表写,有点难,先咕着。从氟到碘,分子间色散力增加。单质的密度,熔沸点,临界温度,汽化热等性质依次增加。氯易液化。碘常压下加热升华。高压下可导电。氟到碘颜色依次加深,原因是气......
  • 基础元素化学速通指北
    注意到标题旁边有一个目录氢前言氢是个非常神秘的元素。正文氢物理性质\(\ce{H_2}\)的熔沸点(沸点:\(20.28K\),熔点:\(13.95K\))和\(\ce{D_2}\)(沸点:\(23.38K\),熔点:\(17.75K\))不一样。\(273K\)时,\(1\)体积水中能溶解\(0.02\)体积氢。氢容易被镍、钯、铂等金属吸附。......
  • BiTCN:基于卷积网络的多元时间序列预测
    前言 本文将详细介绍了BiTCN,这是2023年3月在《Parameter-efficientdeepprobabilisticforecasting》一文中提出的模型。通过利用两个时间卷积网络(TCN),该模型可以编码过去和未来的协变量,同时保持计算效率。作者:MarcoPeixeiro本文转载自DeephubImba仅用于学术分享,若侵权请......
  • [数论] 二项式反演
    菜就多练,输不起就别玩,不会就是不会。二项式推论\(1.\)\(\tbinom{n}{m}=\tbinom{n}{n-m}\)\(2.\)\(\tbinom{n}{m}=\frac{n}{m}\tbinom{n-1}{m-1}\)\(3.\)\(\sum\limits_{i=0}^nC_n^i=2^n\)证明:拆\((1+1)^n\)\(4.\)\(\sum\limits_{i=0}^n(-1)^iC_n^i=0\)特殊的,......
  • 基于深度卷积神经网络的时间序列图像分类,开源、低功耗、低成本的人工智能硬件提供者
    具体的软硬件实现点击http://mcu-ai.com/MCU-AI技术网页_MCU-AI人工智能卷积神经网络(CNN)通过从原始数据中自动学习层次特征表示,在图像识别任务中取得了巨大成功。虽然大多数时间序列分类(TSC)文献都集中在1D信号上,但本文使用递归图(RP)将时间序列转换为2D纹理图像,然后利用深度CNN分......
  • 基于改进MFCC特征和卷积递归神经网络的心音分类
    具体的软硬件实现点击http://mcu-ai.com/MCU-AI技术网页_MCU-AI人工智能心音分类在心血管疾病的早期发现中起着至关重要的作用,特别是对于小型初级卫生保健诊所。尽管近年来心音分类取得了很大进展,但其中大多数都是基于传统的分段特征和基于浅层结构的分类器。这些传统的声学表示......
  • 动手学深度学习——卷积操作
    卷积卷积概念卷积原属于信号处理中的一种运算,引入CNN中,作为从输入中提取特征的基本操作补零:在输入端外侧填补0值使得卷积输出结果满足某种大小,在外侧的每一边都添加0值,使得输出可以达到某种预定形状跨步:卷积核在输入上滑动时每次移动到下一步的距离使用张量实现卷积impor......