jackson学习之八：常用方法注解

部分内容引自清华大学秦岳《初等数论》，dengyaotriangle的博客，_WZT_ 的博客，niiick的博客

算术基本定理

任何一个大于1的自然数$N$，如果$N$不为质数，那么$N$可以唯一分解成有限个质数的乘积

$$N=P_1^{a_1}*P_2^{a_2}*P_3^{a_3}......P_n^{a_n}$$

这里$P1<P2<P3......<Pn$均为质数，其中指数$a_i$是正整数。这样的分解称为$N$的标准分解式

素数无限定理

正整数集中包含无限个素数

证明：假设素数有限，设其为$p_1...p_n$，构造$s=1+\prod p_i$，若s是素数，矛盾；若s是合数，则$p_1...p_n$都不是s的约数，与算术基本定理矛盾

Eratosthnes素数筛法

设置一从2开始的数表，若该数没有被划掉，则其为一个素数，将其所有倍数划掉

复杂度$O(nlogn)$

优化版埃氏筛关键部分代码

p[1]=1;    //bool p[i]表示i是否为素数
int sq=sqrt(n);
for(int i=2;i<=sq;i++)
    if(!p[i])
        for(int j=i*i;j<=n;j+=i)
            p[j]=1;

欧拉线性筛法

维护每个数的最小素因子$mindiv$，从2开始，若其$mindiv$未知，则为素数，将其小于本身$mindiv$的素数倍的数设置成素数。每个数只会被其最小素因子筛一次。复杂度$O(n)$

线性筛关键部分代码

p[1]=1;
for(int i=2;i<=n;i++)
{
    if(!p[i])
        pr[++cnt]=i;    //pr为素数表
    for(int j=1;j<=cnt&&pr[j]*i<=n;j++)
    {
        p[i*pr[j]]=1;
        //以pr[j]作为最小质因子更新p[i*pr[j]]
        if(i%pr[j]==0)
            break;
        /*i的mindiv比pr[j]更小，最小质因子不再是pr[j]
        ，若继续更新则会出现冗余操作*/
    }
}

利用线性筛实现的高效分解质因数

对于数$x$每次取其最小质因子，更新$x$为$x/mindiv$，当$x=1$时分解结束，时间复杂度$O(logn)$

s[1]=1;
for(int i=2;i<=n;i++)
{
    if(!s[i])
        p[++cnt]=i,g[i]=cnt;
    for(int j=1;j<=cnt&&i*p[j]<=n;j++)
    {
        s[i*p[j]]=1,g[i*p[j]]=j;
        if(i%p[j]==0)
            break;
    }
}

朴素分解质因数

$O(\sqrt n)$的分解质因数，对于单个数的分解质因数和积性函数单值求解具有重要作用

for(int i=2;i*i<=n;i++)
    while(n%i==0)
    //这里的i一定是素数，不妨利用反证法证明
    //若i为合数，设i有素因子j小于i，j在前面的过程中已被筛去，n%j!=0故n%i!=0，与条件矛盾，故i必为素数
        n/=i;

更相减损术

$gcd(a,b)=gcd(a,a-b)$

欧几里得算法

$gcd(a,b)=gcd(b,a\%b)$

裴蜀定理（贝祖定理）

若$a,b$是整数,且$(a,b)=d$，那么对于任意的整数$x,y$，$ax+by$都一定是$d$的倍数，特别地，一定存在整数$x,y$，使$ax+by=d$成立。

推论：$a,b$互质的充要条件是存在整数$x,y$使$ax+by=1$

推论：设$a_1,a_2,a_3......a_n$为$n$个整数，$d$是它们的最大公约数，那么存在整数$x_1......x_n$使得$x_1*a_1+x_2*a_2+...x_n*a_n=d$

扩展欧几里得算法（exgcd）

$exgcd$用于解决二元一次不定方程的解的相关问题

对于不定方程$ax+by=c$

由裴蜀定理可知$gcd(a,b)|(ax+by)$，故若$c$不是$gcd(a,b)$的倍数则无整数解

引理：$ax+by=gcd(a,b)$的特解求法

显然存在$x1,y1$使得$ax+by=bx_1+(a\%b)y_1$成立

由模运算的性质可知$a\%b=a-b*\left\lfloor\dfrac{a}{b}\right\rfloor$

可得$ax+by=bx_1+(a-b*\left\lfloor\dfrac{a}{b}\right\rfloor)y_1$

$=ay_1+b*(x_1-\left\lfloor\dfrac{a}{b}\right\rfloor y_1)$

则有$x=y_1,y=x_1-\left\lfloor\dfrac{a}{b}\right\rfloor y_1$

由欧几里得算法得迭代过程的终止状态为$a=gcd(a,b),b=0$

此时有$gcd(a,b)*x=gcd(a,b)$，取$x=1$即可，此时任取$y$均可保证该式成立，为避免溢出常取$y=0$

该过程的代码实现

校招有感：计算机专业毕业生如何找工作（Java方向）

void exgcd(int a,int b,int &x,int &y)
{
    if(!b)
    {
        x=1,y=0;
        return;
    }
    exgcd(b,a%b,y,x);
    y-=x*(a/b);
}

设$x_0,y_0$为$ax+by=gcd(a,b)$的一组特解，即有$ax_0+by_0=gcd(a,b)$

则有原方程的一组特解

$$a\frac{x_0c}{gcd(a,b)}+b\frac{y_0c}{gcd(a,b)}=c$$

$$x_1=\frac{x_0c}{gcd(a,b)},y_1=\frac{y_0c}{gcd(a,b)}$$

构造原方程的通解形式

易得对于任意常数$d$，有$a(x_1+db)+b(y_1-da)=c$成立。为保证通解均为整数解，只需使$db,da$均为整数即可；而为保证得到通解，$d$须取满足上述条件的最小值，而易得该最小值为$\frac{1}{gcd(a,b)}$

可得通解：$x=x_1+\frac{kb}{gcd(a,b)},y=y_1+\frac{ka}{gcd(a,b)}$其中$k$为任意整数

并有性质：随$k$增大，$x$增大，$y$减小

则有最小正整数解$(x\%d_x+d_x)\%d_x$（$d_x$为上文所提$db$）（若上式结果为0则最小正整数解为$d_x$），此时$y$取到两数均为正整数时的最大值

乘法逆元

$ab≡ba≡1(mod\ p)$
则称$b$是$mod\ p$意义下$a$的乘法逆元(定义了剩余系中的除法)，记为$a^{-1}$，$a$的乘法逆元的意义是$a$在$mod\ p$剩余系下的倒数

乘法逆元的扩展欧几里得求法

给定$a,p$计算$b$使得$a*b≡1(mod\ p)$，等价于解方程$ax+py=1$($x,y$为整数变量，扩展欧几里得即可)

条件：$a,p$互质，即二元一次不定方程有解的条件，也即乘法逆元存在的充要条件

if(exgcd(a,mod,x,y)==1)    //判断逆元是否存在
    printf("%d\n",(x%mod+mod)%mod);    //xj=即为a的逆元

时间复杂度$O(logn)$

费马小定理

假如$p$是质数，且$gcd(a,p)=1$，那么$a^{p-1}≡1(mod\ p)$

证明：

引理：集合$S1=\{1,2,3…p-1\},S2=\{1a,2a,3a…(p-1)a\}$，$S1$在模$p$意义下等于$S2$

故$(p-1)!≡a^{p-1}*(p-1)! (mod\ p)$，$(p-1)!$与$p$互素存在乘法逆元，故$a^{p-1}≡1(mod\ p)$。

乘法逆元的快速幂求法

若$p$是素数，由于$a^{p-1}≡1(mod\ p)$，故$a$的乘法逆元为$a^{p-2}$（就一个快速幂，所以这里就不再提供代码了）

条件：$a,p$互质且$p$为质数；时间复杂度：$O(logn)$

线性预处理乘法逆元

在$O(n)$的时间内求出$1..n$的逆元，条件：$1...n$均与$p$互素（为简化表达常表达为$p$为质数）

显然$1^{-1}≡1(mod\ p)$

设$p=\left\lfloor\dfrac{p}{k}\right\rfloor*k+r(0<r<k<p)$

可得$\left\lfloor\dfrac{p}{k}\right\rfloor*k+r≡0(mod\ p)$

两边同乘$k^{-1},r^{-1}$可得

$\left\lfloor\dfrac{p}{k}\right\rfloor*r^{-1}+k^{-1}≡0(mod\ p)$

可得$k^{-1}≡-\left\lfloor\dfrac{p}{k}\right\rfloor*(p\ mod\ k)^{-1}(mod\ p)$

由此可以实现递推求解逆元

a[1]=1;
for(int i=2;i<=n;i++)
{
    a[i]=-(p/i)*a[p%i];
       a[i]=(a[i]%p+p)%p;
}

积性函数

在数论中的积性函数：对于正整数$n$的一个算术函数$f(n)$，若$f(1)=1$，且当$a,b$互质时$f(ab)=f(a)f(b)$，在数论上就称它为积性函数。若对于某积性函数$f(n)$，就算$a,b$不互质，也有$f(ab)=f(a)f(b)$，则称它为完全积性的。

欧拉函数

对正整数$n$，欧拉函数$\varphi(n)$是小于等于$n$的正整数中与$n$互质的数的数目，例如$\varphi(8)=4(1,3,5,7)$

由欧拉函数的积性可得$φ(n)=\prodφ(p_i^{q_i})$

$φ(x=p^q)=p^{q-1}*(p-1)=x*(1-\frac{1}{p})$($p$为质数)
这个结论是显然的。

故$φ(x)=x*\prod\limits_{i=1}^n(1-\frac{1}{p_i})$

由$φ$的积性性质可由线性筛法$O(n)$计算$φ(1)...φ(n)$

p[1]=1,phi[1]=1;
for(int i=2;i<=maxn-10;i++)
{
    if(!p[i])
        pr[++cnt]=i,phi[i]=i-1;
    for(int j=1;j<=cnt&&pr[j]*i<=maxn-10;j++)
    {
        p[i*pr[j]]=1;
        if(i%pr[j]==0)
        {
            phi[i*pr[j]]=phi[i]*pr[j];
            break;
        }
        phi[i*pr[j]]=phi[i]*phi[pr[j]];
    }
}

欧拉定理

若$p,a$为正整数，且$p,a$互质，则：$a^{φ(p)}≡1(mod\ p)$

推论：$(a^{φ(p)})^{-1}=a^{φ(p)}$

推论：$a^b≡a^{b\%φ(p)}≡a^{b-k*φ(p)}(gcd(a,p)=1)$（等式两边同乘$(a^{φ(p)})^{-1}$）

扩展欧拉定理

$b>=φ(p)$时，有$a^b≡a^{b\%p+p}(mod\ p)$

（$b<φ(p)$时往往直接快速幂求解即可）

中国剩余定理（CRT）

中国剩余定理可用于求解同余方程组

$\begin{cases}x≡a_1(mod\ m_1)\\x≡a_2(mod\ m_2)\\.....\\x≡a_n(mod\ m_n)\end{cases}$

其中$m_1,m_2...m_n$为两两互质的整数

求解过程：

我们设$M=\prod\limits_{i=1}^nm_i\ ,\ M_i=\frac{M}{m_i}\ ,\ M_it_i≡1(mod\ m_i)\ (1<=i<=n)$

则该方程组必有一解$x_0=\sum\limits_{i=1}^na_iM_it_i$

可得通解$x=x_0+k*M$（$k$为任意整数）

则有最小正整数解$x_{min}=(x\%M+M)\%M$，上式结果为0时$x_{min}=M$

证明：

$\begin{cases}a_jM_jt_j≡0(mod\ m_i)(i\ne j)\\a_jM_jt_j≡a_j(mod\ m_i)(i=j)\end{cases}$

故$\sum\limits_{i=1}^na_iM_it_i≡a_i(mod\ m_i)$

扩展中国剩余定理（EXCRT）

扩展中国剩余定理可用于求解同余方程组

$\begin{cases}x≡a_1(mod\ m_1)\\x≡a_2(mod\ m_2)\\.....\\x≡a_n(mod\ m_n)\end{cases}$

和中国剩余定理的区别在于，扩展中国剩余定理不要求$m_i$两两互质（很强的性质）

考虑递推求解，假设已经求出前$k-1$个方程组成的同余方程组的一个解$x$，设$M=lcm(m_1,m_2...m_{k-1})$

则前$k-1$的方程的通解为$x+i*M$（$i$为任意整数）

那么对于加入第$k$个方程后的方程组

我们就是要求一个正整数$t$，使得$x+t*M≡a_k(mod\ m_k)$

即$t*M≡a_k-x(mod\ m_k)$

对于这个式子我们已经可以通过扩展欧几里得求解$t$

若该同余式无解，则整个方程组无解，若有，则前$k$个同余式组成的方程组的一个解为$x_k=x+t*M$

核心代码

scanf("%lld%lld%lld",&n,&a,&b);
m=a,ans=b;
for(int t,tmp,i=2;i<=n;ans%=m,i++)
{
    scanf("%lld%lld",&a,&b);
    int g=exgcd(m,a,t,tmp),c=((b-ans)%a+a)%a;
    if(c%g)
    {
        printf("-1\n");
        return 0;
    }
    t=mul(t,c/g,a/g),ans+=t*m,m=lcm(m,a);
}
ans=(ans%m+m)%m;
printf("%lld\n",ans?ans:m);

大步小步算法（BSGS）

$BSGS$主要用于求解形如$a^x≡b(mod\ p)$的方程，其中$gcd(a,p)=1$

考虑最小解$x_0$，由欧拉定理的推论可得$a^x≡a^{x-k*φ(p)}$，则$x_0\in[0,φ(p)),k\in Z$

设$a^{x=ik-t}≡b(mod\ p)$，则必有$a^{ik}≡b*a^t(mod\ p)(0<t<=k,0<i<=\left\lceil\dfrac{φ(p)}{k}\right\rceil)$

枚举$t$，将$b*a^t\%p$存入哈希表（这里也可以使用$map$，不过会多带一个$log$），枚举$i$，在哈希表中查找即可得到第一个循环节中的所有解。第一个查找到的解即为最小解，对于第一个循环节中的任一解$x$，显然$x+k*φ(p),k\in Z^*$为该方程的解

时间复杂度$O(k+\dfrac{φ(p)}{k})$，由均值不等式可得$k=\sqrt{φ(p)}$时有最低时间复杂度$O(\sqrt{φ(p)})$

最小解求解代码

k=ceil(sqrt(phi));
int tp=1;
for(int tmp=n*b%p,i=1;i<=k;i++,(tp*=b)%=p,(tmp*=b)%=p)
    mp[tmp]=i;
for(int tmp=tp,i=1;i<=(phi+k-1)/k;i++,(tmp*=tp)%=p)
    if(mp[tmp])
    {
        printf("%lld\n",i*k-mp[tmp]);
        return 0;
    }
printf("no solution\n");

扩展BSGS

扩展$BSGS$主要用于求解形如$a^x≡b(mod\ p)$的方程

对于同余方程$a^x≡b(mod\ p)$，我们可以将其展开为$a*a^{x-1}+pk=b$的形式，可得$gcd(a,p)|b,x>0$为原方程有整数解的一个充分条件，这时讨论$x=0$等式是否成立，若成立则求得答案，否则若方程无解则同余方程无解

对于有解的方程，两边同除$gcd(a,p)$可得$\frac{a}{gcd(a,p)}*a^{x-1}+\frac{p}{gcd(a,p)}*k=\frac{b}{gcd(a,p)}$

转化为同余式可得$\frac{a}{gcd(a,p)}a^{x-1}≡\frac{b}{gcd(a,p)}(mod\ \frac{p}{gcd(a,p)})$

设$p'=\frac{p}{gcd(a,p)}$，若$gcd(a,p')=1$，按$BSGS$处理即可，否则重复执行上述过程

显然递归深度不超过$logp$，故可近似认为扩展$BSGS$与$BSGS$时间复杂度相同

完整代码

#include<iostream>
#include<cstdio>
#include<cmath>
#include<map>
#define int long long
using namespace std;
int c,a,p,b,k,ans,phi;
map<int,int>mp;
int gcd(int x,int y)
{
    return y?gcd(y,x%y):x;
}
signed main()
{
    while(1)
    {
        scanf("%lld%lld%lld",&a,&p,&b);
        if(!a)
            return 0;
        a%=p,mp.clear(),ans=0,c=1;
        int ps=p,bs=b;
        bool f=0;
        if(b>=p)
        {
            printf("No Solution\n");
            continue;
        }
        if(!a)
        {
            printf("0\n");
            continue;
        }
        for(int g=gcd(a,p);g!=1;g=gcd(a,p))
        {
            if(c==b)
            {
                printf("%lld\n",ans),f=1;
                break;
            }
            if(b%g)
            {
                printf("No Solution\n"),f=1;
                break;
            }
            p/=g,(c*=a/g)%=p,b/=g,ans++;
        }
        if(f)
            continue;
        phi=p;
        for(int tmp=p,i=2;i*i<=tmp;i++)
            if(tmp%i==0)
            {
                while(tmp%i==0)
                    tmp/=i;
                phi=phi*(i-1)/i;
            }
        k=ceil(sqrt(phi));
        int tp=1;
        for(int tmp=b*a%p,i=1;i<=k;i++,(tp*=a)%=p,(tmp*=a)%=p)
            mp[tmp]=i;
        for(int tmp=tp,i=1;i<=(phi+k-1)/k;i++,(tmp*=tp)%=p)
            if(mp[tmp*c%p])
            {
                printf("%lld\n",i*k-mp[tmp*c%p]+ans),f=1;
                break;
            }
        if(!f)
            printf("No Solution\n");
    }
    return 0;
}

90% 的 Java 程序员都说不上来的为何 Java 代码越执行越快（2）- TLAB预热