当前位置: 首页 > news >正文

Two Divisors ( Educational Codeforces Round 89 (Rated for Div. 2) )

Two Divisors ( Educational Codeforces Round 89 (Rated for Div. 2) )

You are given n n n integers a 1 , a 2 , … , a n a_1, a_2, \dots, a_n a1,a2,,an.

For each a i a_i ai find its two divisors d 1 > 1 d_1 > 1 d1>1 and d 2 > 1 d_2 > 1 d2>1 such that gcd ⁡ ( d 1 + d 2 , a i ) = 1 \gcd(d_1 + d_2, a_i) = 1 gcd(d1+d2,ai)=1 (where gcd ⁡ ( a , b ) \gcd(a, b) gcd(a,b) is the greatest common divisor of a a a and b b b) or say that there is no such pair.

Input

The first line contains single integer n n n ( 1 ≤ n ≤ 5 ⋅ 1 0 5 1 \le n \le 5 \cdot 10^5 1n5105) — the size of the array a a a.

The second line contains n n n integers a 1 , a 2 , … , a n a_1, a_2, \dots, a_n a1,a2,,an ( 2 ≤ a i ≤ 1 0 7 2 \le a_i \le 10^7 2ai107) — the array a a a.

Output

To speed up the output, print two lines with n n n integers in each line.

The i i i-th integers in the first and second lines should be corresponding divisors d 1 > 1 d_1 > 1 d1>1 and d 2 > 1 d_2 > 1 d2>1 such that gcd ⁡ ( d 1 + d 2 , a i ) = 1 \gcd(d_1 + d_2, a_i) = 1 gcd(d1+d2,ai)=1 or − 1 -1 1 and − 1 -1 1 if there is no such pair. If there are multiple answers, print any of them.

Example

Input

10
2 3 4 5 6 7 8 9 10 24

Output

-1 -1 -1 -1 3 -1 -1 -1 2 2 
-1 -1 -1 -1 2 -1 -1 -1 5 3 

Note

Let’s look at a 7 = 8 a_7 = 8 a7=8. It has 3 3 3 divisors greater than 1 1 1: 2 2 2, 4 4 4, 8 8 8. As you can see, the sum of any pair of divisors is divisible by 2 2 2 as well as a 7 a_7 a7.

There are other valid pairs of d 1 d_1 d1 and d 2 d_2 d2 for a 10 = 24 a_{10}=24 a10=24, like ( 3 , 4 ) (3, 4) (3,4) or ( 8 , 3 ) (8, 3) (8,3). You can print any of them.

问题描述

给定一组整数 (a_1, a_2, \dots, a_n)。对于每个整数 (a_i),你需要找到两个大于 1 的约数 (d_1) 和 (d_2),使得:

$$

\gcd(d_1 + d_2, a_i) = 1
$$
如果这样的约数对 (d_1) 和 (d_2) 存在,输出它们。如果不存在,则输出 (-1, -1)。如果有多个解,输出其中任意一个即可。

解题思路

关键观察
  1. 约数与因式分解

    • 我们要找到 (a_i) 的约数。如果我们对 (a_i) 进行因式分解,任何有效的 (d_1) 和 (d_2) 必须满足 (\gcd(d_1 + d_2, a_i) = 1)。
    • 一个简单的观察是,对于每个 (a_i),如果它有多个不同的质因数,我们可以将这些质因数分成两个非空集合来构造 (d_1) 和 (d_2)。
  2. GCD 条件

    • 最重要的条件是 (\gcd(d_1 + d_2, a_i) = 1),这意味着 (a_i) 的任何质因数都不应该同时整除 (d_1 + d_2)。
  3. 通过筛法高效因式分解

    • 由于 (a_i) 的最大值可以达到 (10^7),如果直接对每个 (a_i) 进行因式分解,时间复杂度会非常高。因此,我们可以使用 埃拉托斯特尼筛法 预先计算出每个数的最小质因数(SPF),这使得我们可以在 (O(\log a_i)) 时间内对任意数进行因式分解。
  4. 构造 (d_1) 和 (d_2)

    • 如果 (a_i) 只有一个质因数,那么无法将它拆分成满足条件的两个约数。因此,对于质数的幂次,答案应该是 (-1, -1)。
    • 对于有多个质因数的数,我们可以将质因数分成两个非空集合,计算对应的 (d_1) 和 (d_2)。
算法步骤
  1. 筛法:利用筛法预计算每个数的最小质因数(SPF)。
  2. 因式分解:对每个 (a_i) 使用预计算的最小质因数数组来找到它的质因数。
  3. 检查有效性:如果 (a_i) 有多个不同的质因数,将它们分成两组,计算 (d_1) 和 (d_2),并检查 (\gcd(d_1 + d_2, a_i) = 1) 条件。
  4. 输出结果:对每个数,输出对应的 (d_1) 和 (d_2) 或者 (-1, -1)。

代码实现

#include <map>
#include <set>
#include <queue>
#include <deque>
#include <stack>
#include <vector>
#include <string>
#include <iostream>
#include <algorithm>
#include <iterator>
#include <cstring>
#include <cstdio>
#include <cmath>
#include <bitset>
#include <iomanip>
#define endl '\n'
#define int long long
#define Max(a, b) (((a) > (b)) ? (a) : (b))
#define Min(a, b) (((a) < (b)) ? (a) : (b))
#define BoBoowen ios::sync_with_stdio(0), cin.tie(0), cout.tie(0);
using namespace std;const int inf = 1e9 + 7;
const int N = 1e7 + 10;int isPrime[N];
vector<int> prime;void Prime() {for (int i = 2; i < N; ++i) {isPrime[i] = 1;}for (int i = 2; i < N; ++i) {if (isPrime[i]) {prime.push_back(i);}for (auto it : prime) {if (it * i >= N) {break;}isPrime[it * i] = 0;if (i % it == 0) {break;}}}
}void solved() {Prime();int n;cin >> n;vector<int> a(n);vector<int> ans1(n, -1);vector<int> ans2(n, -1);for (int i = 0; i < n; ++i) {cin >> a[i];}for (int i = 0; i < n; ++i) {if (isPrime[a[i]]) {continue;}int x = a[i];for (auto it : prime) {if (it * it > x) {break;}if (x % it == 0) {int y = 1;while (x % it == 0) {x /= it;y *= it;}if (y != a[i] && __gcd(y + x, a[i]) == 1) {ans1[i] = x;ans2[i] = y;break;}break;}}}for (int i = 0; i < n; ++i) {cout << ans1[i] << ' ';}cout << endl;for (int i = 0; i < n; ++i) {cout << ans2[i] << ' ';}
}signed main() {BoBoowen;int T = 1;while (T--) {solved();}
}

代码解析

  1. Prime 函数

    • 使用筛法计算每个数的最小质因数,并将所有质数存储在 prime 数组中。
  2. 主解法函数 solved

    • 首先读取输入数据,然后初始化 ans1ans2 数组来存储每个数的两个约数。
    • 对于每个 (a_i),如果它是质数,则跳过它,因为质数不能拆分成两个约数。
    • 对于合成数,通过使用预计算的最小质因数来获取其质因数。如果它有多个不同的质因数,则尝试将质因数分成两组,计算 (d_1) 和 (d_2),并检查它们的和是否满足 GCD 条件。
  3. 输出结果

    • 输出两个数组 ans1ans2,分别存储每个数的两个约数。

时间复杂度分析

  1. 筛法计算

    • 筛法的时间复杂度是 (O(A \log \log A)),其中 (A = 10^7)。
  2. 因式分解

    • 对于每个数 (a_i),使用预计算的最小质因数数组进行因式分解的时间复杂度是 (O(\log a_i))。
  3. 总时间复杂度

    • 总的时间复杂度为 (O(A \log \log A + n \log A)),其中 (A = 10^7) 且 (n \leq 5 \times 10^5)。

结论

该算法通过筛法高效地计算出每个数的最小质因数,然后利用这些质因数进行因式分解,并检查是否能找到满足条件的两个约数。该方法能够高效地处理题目给定的约束。

相关文章:

Two Divisors ( Educational Codeforces Round 89 (Rated for Div. 2) )

Two Divisors &#xff08; Educational Codeforces Round 89 (Rated for Div. 2) &#xff09; You are given n n n integers a 1 , a 2 , … , a n a_1, a_2, \dots, a_n a1​,a2​,…,an​. For each a i a_i ai​ find its two divisors d 1 > 1 d_1 > 1 d1​…...

亚博microros小车-原生ubuntu支持系列:17 gmapping

前置依赖 先看下亚博官网的介绍 Gmapping简介 gmapping只适用于单帧二维激光点数小于1440的点&#xff0c;如果单帧激光点数大于1440&#xff0c;那么就会出【[mapping-4] process has died】 这样的问题。 Gmapping是基于滤波SLAM框架的常用开源SLAM算法。 Gmapping基于RBp…...

Java面试题2025-并发编程进阶(线程池和并发容器类)

线程池 一、什么是线程池 为什么要使用线程池 在开发中&#xff0c;为了提升效率的操作&#xff0c;我们需要将一些业务采用多线程的方式去执行。 比如有一个比较大的任务&#xff0c;可以将任务分成几块&#xff0c;分别交给几个线程去执行&#xff0c;最终做一个汇总就可…...

Stable Diffusion 3.5 介绍

Stable Diffusion 3.5 是由 Stability AI 推出的最新一代图像生成模型&#xff0c;是 Stable Diffusion 系列的重要升级版本。以下是关于 Stable Diffusion 3.5 的详细信息&#xff1a; 版本概述 Stable Diffusion 3.5 包含三个主要版本&#xff1a; Stable Diffusion 3.5 L…...

云计算部署模式全面解析

目录 引言公有云私有云混合云三种部署模式的对比选择建议未来趋势结语 1. 引言 随着云计算技术的快速发展,企业在选择云部署模式时面临着多种选择。本文将深入探讨云计算的三种主要部署模式:公有云、私有云和混合云,帮助读者全面了解它们的特点、优势及适用场景。 © iv…...

Vue 与 Electron 结合开发桌面应用

1. 引言 1.1 什么是 Electron? Electron 是一个使用 JavaScript、HTML 和 CSS 构建跨平台桌面应用程序的框架。它结合了 Chromium 渲染引擎和 Node.js 运行时,使得开发者可以使用 Web 技术创建原生桌面应用。1.2 为什么选择 Vue.js 和 Electron? Vue.js 是一个渐进式 JavaSc…...

数据库优化:提升性能的关键策略

1. 引言 在后端开发中&#xff0c;数据库的性能直接影响系统的稳定性和响应速度。随着业务增长&#xff0c;数据库查询变慢、负载过高等问题可能会影响用户体验。 本文将介绍数据库优化的关键策略&#xff0c;包括索引优化、查询优化、分库分表、缓存机制等&#xff0c;并结合…...

使用openAI与Deepseek的感受

今天简单介绍下使用OpenAI和DeepSeek的感觉&#xff0c;有些地方可能存在不准确的地方&#xff0c;望指正&#xff1a; 从2023年的秋冬到现在2025年的1月间&#xff0c;OpenAI和DeepSeek我都用它们来帮我&#xff0c;当然更多的是OpenAI&#xff0c;但整体感受如下&#xff1a;…...

pytorch实现长短期记忆网络 (LSTM)

人工智能例子汇总&#xff1a;AI常见的算法和例子-CSDN博客 LSTM 通过 记忆单元&#xff08;cell&#xff09; 和 三个门控机制&#xff08;遗忘门、输入门、输出门&#xff09;来控制信息流&#xff1a; 记忆单元&#xff08;Cell State&#xff09; 负责存储长期信息&…...

【ubuntu】双系统ubuntu下一键切换到Windows

ubuntu下一键切换到Windows 1.4.1 重启脚本1.4.2 快捷方式1.4.3 移动快捷方式到系统目录 按前文所述文档&#xff0c;开机默认启动ubuntu。Windows切换到Ubuntu直接重启就行了&#xff0c;而Ubuntu切换到Windows稍微有点麻烦。可编辑切换重启到Windows的快捷方式。 1.4.1 重启…...

【PyTorch】6.张量形状操作:在深度学习的 “魔方” 里,玩转张量形状

目录 1. reshape 函数的用法 2. transpose 和 permute 函数的使用 4. squeeze 和 unsqueeze 函数的用法 5. 小节 个人主页&#xff1a;Icomi 专栏地址&#xff1a;PyTorch入门 在深度学习蓬勃发展的当下&#xff0c;PyTorch 是不可或缺的工具。它作为强大的深度学习框架&am…...

大模型GUI系列论文阅读 DAY4续:《Large Language Model Agent for Fake News Detection》

摘要 在当前的数字时代&#xff0c;在线平台上虚假信息的迅速传播对社会福祉、公众信任和民主进程构成了重大挑战&#xff0c;并影响着关键决策和公众舆论。为应对这些挑战&#xff0c;自动化假新闻检测机制的需求日益增长。 预训练的大型语言模型&#xff08;LLMs&#xff0…...

论文阅读(九):通过概率图模型建立连锁不平衡模型和进行关联研究:最新进展访问之旅

1.论文链接&#xff1a;Modeling Linkage Disequilibrium and Performing Association Studies through Probabilistic Graphical Models: a Visiting Tour of Recent Advances 摘要&#xff1a; 本章对概率图模型&#xff08;PGMs&#xff09;的最新进展进行了深入的回顾&…...

python小知识-typing注解你的程序

python小知识-typing注解你的程序 1. Typing的简介 typing 是 Python 的一个标准库&#xff0c;它提供了类型注解的支持&#xff0c;但并不会强制类型检查。类型注解在 Python 3.5 中引入&#xff0c;并在后续版本中得到了增强和扩展。typing 库允许开发者为变量、函数参数和…...

git基础使用--1--版本控制的基本概念

git基础使用–1–版本控制的基本概念 1.版本控制的需求背景&#xff0c;即为啥需要版本控制 先说啥叫版本&#xff0c;这个就不多说了吧&#xff0c;我们写代码的时候肯定不可能一蹴而就&#xff0c;肯定是今天写一点&#xff0c;明天写一点&#xff0c;对于项目来讲&#xff…...

“新月智能武器系统”CIWS,开启智能武器的新纪元

新月人物传记&#xff1a;人物传记之新月篇-CSDN博客 相关文章链接&#xff1a;星际战争模拟系统&#xff1a;新月的编程之道-CSDN博客 新月智能护甲系统CMIA--未来战场的守护者-CSDN博客 “新月之智”智能战术头盔系统&#xff08;CITHS&#xff09;-CSDN博客 目录 智能武…...

JVM运行时数据区域-附面试题

Java虚拟机在执行Java程序的过程中会把它所管理的内存划分为若干个不同的数据区域。这些区域 有各自的用途&#xff0c;以及创建和销毁的时间&#xff0c;有的区域随着虚拟机进程的启动而一直存在&#xff0c;有些区域则是 依赖用户线程的启动和结束而建立和销毁。 1. 程序计…...

增删改查(CRUD)操作

文章目录 MySQL系列&#xff1a;1.CRUD简介2.Create(创建)2.1单行数据全列插入2.2 单行数据指定插入2.3 多⾏数据指定列插⼊ 3.Retrieve(读取)3.1 Select查询3.1.1 全列查询3.1.2 指定列查询3.1.3 查询字段为表达式&#xff08;都是临时表不会对原有表数据产生影响&#xff09;…...

Vue.js `Suspense` 和异步组件加载

Vue.js Suspense 和异步组件加载 今天我们来聊聊 Vue 3 中的一个强大特性&#xff1a;<Suspense> 组件&#xff0c;以及它如何帮助我们更优雅地处理异步组件加载。如果你曾在 Vue 项目中处理过异步组件加载&#xff0c;那么这篇文章将为你介绍一种更简洁高效的方式。 什…...

HTB:LinkVortex[WriteUP]

目录 连接至HTB服务器并启动靶机 信息收集 使用rustscan对靶机TCP端口进行开放扫描 使用nmap对靶机TCP开放端口进行脚本、服务扫描 使用nmap对靶机TCP开放端口进行漏洞、系统扫描 使用nmap对靶机常用UDP端口进行开放扫描 使用gobuster对靶机进行路径FUZZ 使用ffuf堆靶机…...

CodePush-Server安全配置最佳实践:保护你的热更新服务

CodePush-Server安全配置最佳实践&#xff1a;保护你的热更新服务 【免费下载链接】code-push-server CodePush service is hot update services which adapter react-native-code-push and cordova-plugin-code-push - 热更新 项目地址: https://gitcode.com/gh_mirrors/co/…...

2026届学术党必备的十大AI写作网站解析与推荐

Ai论文网站排名&#xff08;开题报告、文献综述、降aigc率、降重综合对比&#xff09; TOP1. 千笔AI TOP2. aipasspaper TOP3. 清北论文 TOP4. 豆包 TOP5. kimi TOP6. deepseek 针对AI领域当中的那批研究者&#xff0c;以及高校里的老师和学生&#xff0c;还有产业方面的…...

FPGA加速脉冲神经网络:架构设计与优化实践

1. FPGA加速脉冲神经网络的核心架构解析脉冲神经网络(SNN)作为类脑计算的核心载体&#xff0c;其硬件实现面临三大核心挑战&#xff1a;生物可信度、计算效率和能效比。FPGA凭借其可重构特性成为SNN加速的理想平台&#xff0c;现代架构设计主要围绕以下关键技术展开&#xff1a…...

GitHub MDC文件渲染优化:基于UserScript的Markdown预览增强方案

1. 项目概述&#xff1a;让GitHub读懂Cursor的“规则文件”如果你和我一样&#xff0c;是Cursor的深度用户&#xff0c;那你肯定没少和.mdc文件打交道。这些文件是Cursor AI的“规则集”&#xff08;Cursor Rules&#xff09;&#xff0c;本质上就是一份用Markdown语法写的项目…...

ARM多核架构中MPIDR寄存器详解与应用实践

1. ARM多核架构与MPIDR寄存器概述在现代ARM多核处理器设计中&#xff0c;处理器亲和性&#xff08;Processor Affinity&#xff09;是实现高效任务调度的基础机制。作为系统级程序员或内核开发者&#xff0c;理解MPIDR&#xff08;Multiprocessor Affinity Register&#xff09…...

沈阳哪家GEO优化公司靠谱

2026年&#xff0c;AI搜索与生成式引擎普及&#xff0c;GEO优化成为企业获取精准流量的核心手段。在沈阳&#xff0c;如何筛选具备技术实力与落地能力的服务商&#xff0c;成为企业主关注焦点。以下基于公开信息与行业观察&#xff0c;梳理几家代表性机构供选型参考。辽宁云界数…...

WarcraftHelper技术解析:魔兽争霸3兼容性修复实践指南

WarcraftHelper技术解析&#xff1a;魔兽争霸3兼容性修复实践指南 【免费下载链接】WarcraftHelper Warcraft III Helper , support 1.20e, 1.24e, 1.26a, 1.27a, 1.27b 项目地址: https://gitcode.com/gh_mirrors/wa/WarcraftHelper WarcraftHelper作为一款面向魔兽争霸…...

Taotoken多模型聚合平台为arm7边缘AI应用提供稳定API服务

&#x1f680; 告别海外账号与网络限制&#xff01;稳定直连全球优质大模型&#xff0c;限时半价接入中。 &#x1f449; 点击领取海量免费额度 Taotoken多模型聚合平台为arm7边缘AI应用提供稳定API服务 对于在arm7架构硬件上部署轻量级AI应用的开发者而言&#xff0c;将大模型…...

Arm MAP性能分析工具使用指南与优化技巧

1. Arm MAP性能分析工具概述在现代高性能计算(HPC)领域&#xff0c;性能分析工具已成为开发者优化应用程序的关键利器。Arm MAP作为一款专业的跨平台性能分析工具&#xff0c;能够帮助开发者深入理解应用程序的运行行为&#xff0c;定位性能瓶颈&#xff0c;并针对性地进行优化…...

ChromaControl:如何用智能技术终结RGB设备控制混乱局面

ChromaControl&#xff1a;如何用智能技术终结RGB设备控制混乱局面 【免费下载链接】ChromaControl 3rd party device lighting support for Razer Synapse. 项目地址: https://gitcode.com/gh_mirrors/ch/ChromaControl 想象一下这样的场景&#xff1a;你的桌面上摆放着…...