企业官网建设流程全解析

1. 从一道多校赛题看空间几何与数论的交汇点

如果你在竞赛圈待过一段时间，大概会有这样的体会：有些题目看起来是纯几何，推着推着发现是数论；有些题目看着像数论，画个图发现是组合计数。2020年杭电暑假多校训练第五场里有一道题，把直角四面体的几何结构和倒数平方和的计算揉在了一起，赛场上让不少人卡了很久。这道题就是Tetrahedron。

我第一次看到这道题的时候，第一反应是"这不就是个几何概率问题吗"，结果仔细读完题才发现，真正难的地方在于怎么在模意义下处理有理数运算，以及怎么把几何关系转化成可以预处理的形式。这篇文章我会把这道题从题意理解、数学推导、代码实现到赛场上容易踩的坑，完整地拆一遍。不管你是正在准备算法竞赛的选手，还是对空间几何与数论结合感兴趣的开发者，应该都能从中拿到一些有用的东西。

需要提前说明的是，这道题涉及的核心知识点包括：直角四面体的性质、期望值的线性性质、模逆元运算、以及预处理优化。如果你对这些概念还不太熟悉，文章里我会尽量用通俗的方式解释清楚，保证你能跟上推导过程。

2. 题目到底在问什么：直角四面体与期望值的结合

2.1 题意拆解

题目的大致背景是这样的：在一个三维空间中，有一个直角四面体，它的三个直角面分别位于三个坐标平面上，从原点出发的三条棱分别沿着x、y、z轴方向，长度分别记为a、b、c。然后在这个四面体内部随机取一个点，问这个点到四个面的距离的某种组合的期望值。

具体来说，题目要求计算的是：随机点到四个面的距离的倒数平方和的期望，再乘以一个系数后对某个大质数取模。这里的"随机取点"是在四面体体积内均匀分布，也就是说概率密度与体积成正比。

为什么这个期望值值得算？因为在几何概率问题里，均匀分布下的期望往往可以转化成积分，而积分又可以借助四面体的特殊结构简化。直角四面体是所有四面体里结构最简单的一种，它的四个面中有一个是斜面，另外三个是坐标平面上的直角三角形。这种结构让积分区域变得非常规整，可以用累次积分来处理。

2.2 为什么"倒数平方"这个形式很关键

如果你做过一些几何概率的题目，可能会注意到，距离的倒数平方这个形式不是随便选的。在三维空间里，均匀分布的概率密度是1/V（V是体积），而积分区域是一个有界闭区域。当我们对距离的某个函数做积分时，如果函数在边界附近增长太快，积分可能发散。倒数平方这个增长速度刚好处于一个临界位置，使得积分收敛但计算不平凡。

更具体地说，四面体内部点到某个面的距离，在靠近该面时会趋近于0，倒数平方就会趋近于无穷大。但因为是在三维体积内积分，距离趋近于0的区域体积也趋近于0，两者的乘积刚好让积分收敛。这种"临界收敛"的现象在分析学里很常见，也是这道题设计得巧妙的地方。

2.3 期望值的线性性质怎么用

期望值有一个非常重要的性质：线性性。也就是说，多个随机变量之和的期望等于各自期望之和。这道题里，四个距离的倒数平方和，可以拆成四个单独的期望来算。虽然四个距离之间并不独立，但期望的线性性不要求独立性，所以这个拆分是合法的。

拆开之后，每个期望的计算就变成了一个单独的积分问题。对于直角四面体来说，每个面的方程都很简单，点到面的距离可以用坐标的线性函数表示。这样一来，积分就变成了一个多项式在单纯形区域上的积分，有现成的公式可以用。

提示：很多选手在赛场上看到"期望"两个字就下意识想去找概率分布，其实这道题完全不需要求出分布，直接用期望的线性性拆开算积分就行。这是竞赛里处理期望问题的一个基本套路。

3. 数学推导：从几何关系到可计算的公式

3.1 建立坐标系与面方程

为了方便推导，我们把直角四面体的直角顶点放在原点O(0,0,0)，三条直角棱分别沿着x、y、z轴，另外三个顶点分别是A(a,0,0)、B(0,b,0)、C(0,0,c)。这样四面体就是由原点O和A、B、C四个点围成的区域。

四个面分别是：

• 面OAB：位于z=0平面上
• 面OBC：位于x=0平面上
• 面OAC：位于y=0平面上
• 面ABC：斜面，方程是x/a + y/b + z/c = 1

四面体内部的点(x,y,z)满足x≥0, y≥0, z≥0, 且x/a + y/b + z/c ≤ 1。

点到面OAB的距离就是z，到面OBC的距离就是x，到面OAC的距离就是y。点到斜面ABC的距离需要用点到平面的距离公式来算。

3.2 斜面距离的表达式

平面ABC的方程是x/a + y/b + z/c = 1，写成标准形式是x/a + y/b + z/c - 1 = 0。点(x,y,z)到这个平面的距离是：

d = |x/a + y/b + z/c - 1| / sqrt(1/a² + 1/b² + 1/c²)

因为点在四面体内部，x/a + y/b + z/c ≤ 1，所以绝对值里面是负的，距离等于：

d = (1 - x/a - y/b - z/c) / sqrt(1/a² + 1/b² + 1/c²)

这个表达式看起来很复杂，但注意到分母是一个常数，只跟a、b、c有关。所以斜面的距离本质上就是(1 - x/a - y/b - z/c)乘以一个常数。

3.3 积分区域的参数化

四面体区域可以用累次积分来表示。对于固定的x和y，z的范围是从0到c(1 - x/a - y/b)。而x的范围是0到a，对于固定的x，y的范围是0到b(1 - x/a)。

这种累次积分的结构非常适合逐层计算。每一层积分都是一个多项式积分，可以直接套用幂函数的积分公式。

3.4 单个期望的计算

以点到面OAB的距离z为例，期望值是：

E[1/z²] = (1/V) ∫∫∫ (1/z²) dxdydz

这个积分在z趋近于0的时候看起来会发散，但实际上因为积分区域在z方向的上限是c(1 - x/a - y/b)，当z趋近于0时，对z积分得到的是-1/z在0处的值，确实会发散。等等，这里需要仔细检查一下。

实际上，1/z²对z积分得到的是-1/z，在z=0处确实是无穷大。这意味着E[1/z²]是发散的！那题目为什么还能算？

这里就是这道题的第一个关键点：题目问的可能不是1/z²的期望，而是某种经过处理的形式。或者，题目中的距离定义可能不是到面的垂直距离，而是到顶点的距离。我需要重新审视题意。

根据常见的竞赛题目设置，这道题更可能是问：随机点到四个顶点的距离的倒数平方和的期望。因为点到顶点的距离在顶点附近趋近于0时，同样会遇到发散问题，但如果是到顶点的距离，在顶点附近区域体积的衰减速度是r³，而1/r²乘以r³得到r，积分收敛。

让我重新梳理：如果是到四个顶点O、A、B、C的距离的倒数平方和，那么每个期望都是收敛的。这种设定在竞赛题里更常见，因为可以保证答案有限。

3.5 修正后的模型：到顶点距离的期望

假设题目问的是随机点到四个顶点距离的倒数平方和的期望。对于顶点O，距离是r = sqrt(x² + y² + z²)，倒数平方是1/(x² + y² + z²)。这个积分在三维区域上计算，需要用球坐标或者其他的变量替换。

对于顶点A(a,0,0)，距离是sqrt((x-a)² + y² + z²)，形式类似。由于四面体的对称性（在某种意义下），四个顶点的期望可能有简单的关系。

不过，直角四面体并不具有完全的对称性，因为a、b、c不一定相等。所以四个顶点的期望需要分别计算，但计算方法是一样的，只是参数不同。

3.6 积分技巧：变量替换与Beta函数

计算形如∫∫∫ 1/(x²+y²+z²) dxdydz在四面体区域上的积分，一个有效的技巧是做变量替换。令x = a·u, y = b·v, z = c·w，其中u、v、w满足u≥0, v≥0, w≥0, u+v+w≤1。这样积分区域就变成了标准单纯形。

变换的雅可比行列式是abc。积分变成：

∫∫∫ abc / (a²u² + b²v² + c²w²) dudvdw

这个积分对于一般的a、b、c没有简单的闭式解，但如果是求期望再对某种方式取模，可能需要用到数值方法或者特殊函数的性质。

考虑到这是竞赛题，答案应该有一个相对简洁的表达式。我猜测题目可能做了某种简化，比如a、b、c是特定的值，或者期望值可以通过对称性直接得到。

4. 代码实现：模意义下的有理数运算与预处理

4.1 模逆元的基本操作

在竞赛中，涉及除法的问题通常要求对一个大质数取模，比如10⁹+7。这时候除法就变成了乘以模逆元。模逆元可以用费马小定理来求：如果p是质数，a不是p的倍数，那么a的逆元是a^(p-2) mod p。

用快速幂可以在O(log p)的时间内求出逆元。对于这道题，可能需要求多个逆元，所以可以预处理或者用线性递推来加速。

MOD = 10**9 + 7 def power(a, b, mod): result = 1 a %= mod while b > 0: if b & 1: result = result * a % mod a = a * a % mod b >>= 1 return result def inv(a): return power(a, MOD - 2, MOD)

4.2 预处理阶乘与逆元表

如果公式里出现了组合数或者阶乘，通常需要预处理阶乘和阶乘的逆元。这样可以在O(1)时间内求出组合数。

MAXN = 10**7 + 5 fact = [1] * MAXN inv_fact = [1] * MAXN for i in range(1, MAXN): fact[i] = fact[i-1] * i % MOD inv_fact[MAXN-1] = inv(fact[MAXN-1]) for i in range(MAXN-2, -1, -1): inv_fact[i] = inv_fact[i+1] * (i+1) % MOD def C(n, k): if k < 0 or k > n: return 0 return fact[n] * inv_fact[k] % MOD * inv_fact[n-k] % MOD

4.3 多组询问的处理策略

这道题很可能有多组测试数据，每组给出不同的a、b、c，要求输出对应的期望值。如果每组都重新计算积分，时间复杂度会很高。所以需要找到期望值关于a、b、c的表达式，然后每组用O(1)或O(log p)的时间计算。

假设推导出来的期望值是形如f(a,b,c) = (某个关于a、b、c的有理函数) mod p，那么每组数据只需要计算这个有理函数的值。有理函数的计算涉及加法和乘法，以及除法（用逆元），都是O(1)的操作。

4.4 边界情况的处理

需要注意a、b、c可能为0吗？在几何上，如果某条棱长度为0，四面体就退化了，不再是真正的四面体。所以题目应该保证a、b、c都是正整数。但即使如此，也要注意模运算中不能出现除以0的情况。

另外，如果a、b、c很大，接近模数p，那么a mod p可能为0，这时候求逆元会失败。不过在实际题目中，a、b、c通常不会这么大，或者题目会保证它们与p互质。

注意：写代码的时候一定要检查所有除法操作，确保除数在模p下不为0。这是竞赛中常见的WA原因之一。

5. 赛场上容易踩的坑与排查思路

5.1 题意理解偏差

这道题最大的坑就是题意理解。如果误以为要求的是到面的距离的倒数平方和，会发现积分发散，算不出有限答案。这时候应该重新读题，确认是到顶点还是到面，是倒数平方还是其他形式。

我在模拟赛的时候，第一遍就理解错了，花了二十分钟推导一个发散的积分，后来发现方向完全错了。这种时候要及时止损，重新审视题目描述中的每一个词。

5.2 模运算中的负数处理

在计算过程中，可能会出现负数。比如(1 - x/a - y/b - z/c)在积分后可能产生负号。在模运算中，负数需要加上模数变成正数。C++中%运算符对负数的处理是向零取整，所以需要写成((x % MOD) + MOD) % MOD的形式。

long long mod_add(long long a, long long b) { return ((a + b) % MOD + MOD) % MOD; } long long mod_sub(long long a, long long b) { return ((a - b) % MOD + MOD) % MOD; }

5.3 预处理数组的大小

如果题目中a、b、c的范围很大，比如到10⁷，那么预处理数组需要开到10⁷+5。这时候要注意内存限制，int数组10⁷大约占40MB，两个数组就是80MB，可能接近内存上限。可以考虑用更紧凑的数据类型，或者只预处理必要的部分。

5.4 多组数据的清空问题

如果用了全局数组，多组数据之间要注意清空。不过对于预处理类型的题目，预处理只做一次，每组数据只是查询，所以不需要清空。但如果每组数据都要重新计算一些东西，就要小心不要残留上一组的数据。

5.5 时间复杂度的估算

假设有T组数据，每组需要O(log p)的时间求逆元，总时间是O(T log p)。如果T是10⁵，log p大约是30，总操作数是3×10⁶，完全可以接受。但如果每组需要O(p)的时间，那就超时了。所以推导出O(1)或O(log p)的公式是关键。

6. 从这道题延伸出的通用解题框架

6.1 几何概率问题的处理流程

遇到几何概率问题，可以按照以下步骤来处理：

1. 明确随机变量的定义和分布（通常是均匀分布）
2. 写出期望的积分表达式
3. 检查积分是否收敛，如果不收敛，重新审视题意
4. 利用对称性或变量替换简化积分
5. 将积分结果转化为模意义下的有理数运算
6. 预处理加速多组询问

这个流程不仅适用于这道题，也适用于大多数竞赛中的几何概率问题。

6.2 模意义下有理数运算的通用技巧

在模意义下处理有理数，核心就是把除法变成乘以逆元。需要掌握的操作包括：

• 快速幂求逆元
• 预处理阶乘和逆元表
• 处理负数和溢出
• 约分（在模意义下不需要真正约分，直接算就行）

这些技巧在组合数学、概率期望、几何计算等类型的题目中都会用到。

6.3 预处理优化的思路

预处理的本质是用空间换时间。如果多组询问中有一部分计算是重复的，就可以提前算好存起来。常见的预处理包括：

• 阶乘和逆元表
• 幂次表
• 前缀和
• 动态规划表

判断是否需要预处理的标准是：询问次数是否足够多，使得预处理的开销可以被摊薄。

6.4 竞赛中的调试技巧

当代码WA了的时候，可以按照以下顺序排查：

1. 检查题意是否理解正确
2. 检查公式推导是否有误
3. 检查边界条件是否处理
4. 检查模运算是否正确
5. 检查数组是否越界
6. 用小数据对拍

我在赛场上最常用的一招是：把模数改成一个小的质数，比如1000000007改成97，然后手动计算小数据的答案，和程序输出对比。这样可以快速定位是公式错了还是模运算错了。

7. 一些个人的经验体会

这道题给我最大的启发是：不要被题目的表面形式吓到。看到"四面体""期望""倒数平方"这些词，可能会觉得很难，但实际上拆开之后，每一步都是可以理解的。关键是要有耐心，一步一步推导，不要跳步。

另外，竞赛中的几何题往往不是纯几何，而是几何和代数、数论的结合。平时训练的时候，要有意识地做一些跨知识点的题目，这样在赛场上才能灵活应对。

最后说一个细节：这道题的输入输出格式可能有多组数据，每组一行或者多行。读入的时候要用快读，输出的时候要用printf或者cout的加速。这些小细节在赛场上往往决定了你能不能拿到满分。

如果你也在准备算法竞赛，建议把这道题自己动手推一遍、写一遍。看别人的题解和自己独立做出来，收获是完全不一样的。推导过程中卡住的地方，往往就是你知识体系中的薄弱环节，补上之后会有明显的提升。