数论小结

前置

快速幂|快速乘

问题1.求$a^b\%p$的值
问题2.求$a\ast b\%p$的值

这个不解释了，直接上代码
问题1：快速幂$O(logn)$

long long kasumi(long long a,long long b,long long p)
{
	long long ans=1;
	while(b)
	{
		if(b&1) ans=ans*a%p;
		a=a*a%p;
		b>>=1;
	}
	return ans;
}

问题2：快速乘$O(logn)$

long long kasumi(long long a,long long b,long long p)
{
	long long ans=0;
	while(b)
	{
		if(b&1) ans=ans+a%p;
		a=(a+a)%p;
		b>>=1;
	}
	return ans;
}

问题2：快速乘$O(1)$

long long mul(long long a,long long b,long long mod)
{
	long long ans=a*b-(long long)((long double) a*b/mod+0.5)*mod;
	return ans>=0?ans:ans+mod;
}

筛法

埃拉托色尼筛

用o(nloglogn)的时间输出小于n的所有某积性函数

此处以素数为例，找到一个素数，筛去他的所有倍数，复杂度为nloglogn，调和级数再乘以质数密度

	for(int i=2;i<=n;i++)
	{
		if(!vis[i])
		{
			printf("%d ",i);
		}
		for(int j=i;j<=n;j+=i)
		{
			vis[j]=1;
		}
	}

线性筛素数

用o(n)的时间输出小于n的所有素数

如果每个数都被他自己最小的质因子筛掉，显然一个数只会被访问一次
按照此思路即可构建线性筛

代码在i枚举每一个p[j]直至i是p[j]的倍数，这说明接下去的i*p[k]都能被这个p[j]乘上一个更大的i筛掉，为了保证每个数都被最小质因子筛掉，这时候break出去

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

线性筛欧拉函数

用o(n)的时间输出小于等于n的所有$\varphi (x)$

欧拉函数

欧拉函数$\varphi (x)$表示1到x中与x互质的数的个数
很显然可以得出一个最直观的公式
$\varphi (x)=x{\prod }_{i=1}^n(1-\frac{1}{p_i})$
其中$p_i$是所有n的质因子

线性筛

根据欧拉函数的这个性质，我们还是按照线性筛去思考
现在已知$p[j],i,\varphi (i)$
显然$\varphi (i\ast p[j])=\varphi (i)\ast p[j]\ast (1-\frac{1}{p[j]})=\varphi (i)\ast (p[j]-1)$
但当$i\%p[j]==0$的时候很显然p[j]已经是i的因子了，所以$\varphi (i\ast p[j])=\varphi (i)\ast p[j]$
最后别忘了，$\varphi (p[j])=p[j]-1$

phi[1]=1;
	for(int i=2;i<=n;i++)
	{
		if(!vis[i])
		{
			vis[i]=1;
			p[++cnt]=i;
			phi[i]=i-1; 
		}
		for(int j=1;j<=cnt;j++)
		{
			if(i*p[j]>n) break;
			vis[i*p[j]]=1;
			if(i%p[j])
			{
				phi[i*p[j]]=phi[i]*(p[j]-1);
			}
			else
			{
				phi[i*p[j]]=phi[i]*p[j];
				break;
			} 
		}
	}

线性筛莫比乌斯函数

用o(n)的时间输出小于n的所有$\mu (x)$

莫比乌斯函数

莫比乌斯函数定义如下

具体用法到莫比乌斯反演部分再说

线性筛

我们只考虑用同样的方法如何筛一个莫比乌斯函数
首先是p[j]，他只有一个质因子，所以$\mu (p[j])=-1$
然后我们又已知了$p[j],\mu (i),i$
还是两种情况，普通就是多加进来一个质数$\mu (p[j]\ast i)=-\mu (i)$
而能整除时，显然引入了一个平方数因子，故$\mu (p[j]\ast i)=0$

	mu[1]=1;
	for(int i=2;i<=n;i++)
	{
		if(!vis[i])
		{
			mu[i]=-1;
			p[++cnt]=i;
			vis[i]=1;
		}
		for(int j=1;j<=cnt;j++)
		{
			if(i*p[j]>n) break;
			vis[i*p[j]]=1;
			if(i%p[j])
			{
				mu[i*p[j]]=-mu[i];
			}
			else
			{
				mu[i*p[j]]=0;
				break;
			}
		}
	}

一、欧几里得、扩展欧几里得、类欧几里得

欧几里得

令$(a,b)$表示$a$和$b$的最大公约数，求$(a,b)$

设$c=(a,b)$，则$c|a$，$c|b$
设$r=a-b$，则$r=a-b=k_{1}c-k_{2}c=(k_1-k_2)c$
可以发现$r$是$c$的倍数，同样的，对于$r=a-b\ast k$上面的性质一样满足
令$k=[\frac{a}{b}]$，则$r=a\%b$，同样$(a,b)=(a\%b,b)$
由此可以递归求解$(a,b)$

代码：$O(logn)$

long long gcd(long long a,long long b)
{
	if(!b) return a;
	return gcd(b,a%b);
}

扩展欧几里得

求解不定方程$ax+by=c$（x,y均为整数）

贝祖定理：若$ax+by=c$，则$(a,b)|c$
证明：
因为$(a,b)|a，(a,b)|b$，所以$(a,b)|(ax+by)$，所以$(a,b)|c$
令$ans$为$ax+by=c$的最小正元素即$\forall cans|c$
令$d=[\frac{a}{ans}]$，$r=a\%ans=a-d\ast (ax+by)=a(1-dx)+b\ast (-dy)$
显然$r$仍为$a,b$的线性组合
所以以此类推$s|a,s|b$
由此得$(a,b)|s$
且$(a,b)|a,(a,b)|b$
所以$s|(a,b)$
综上$s=(a,b)$
仅当$c$为$(a,b)$的整数倍是该方程有解

以上的公式告诉我们，只需要解$ax+by=gcd(a,b)$即可。

假设我们现在要解
$b\ast x1+a\%b\ast y1=gcd(b,a\%b)$
其中$a\%b=a-[\frac{a}{b}]\ast b$
代入得
$b\ast x1+(a-[\frac{a}{b}]\ast b)\ast y1=gcd(b,a\%b)$
移个项，把a,b分开
$a\ast y1+b\ast (x1-[\frac{a}{b}]\ast y1)=gcd(b,a\%b)$
根据辗转相除法的定义，$gcd(a,b)=gcd(b,a\%b)$
所以这个式子和
$a\ast x+b\ast y=gcd(a,b)完全等价$
其中x=y1,y=(x1-a/b*y1)
于是可以在求解gcd的过程中求解这个方程

int exgcd(int a,int b,int &x,int &y)
{
	if(!b)
	{
		x=1,y=0;
		return a;
	}
	int tmp2=exgcd(b,a%b,x,y);
	int tmp=x;
	x=y;
	y=tmp-a/b*y;
	return tmp2;
} 

类欧几里得

求解${\sum }_{i=0}^n[\frac{a\ast i+b}{c}]$

类欧是近几年才火热起来的算法，新颖多变，这里以这个模板问题求解

注意这个跟欧几里得思路不同，请清空大脑

首先对于大于c的a和b，我们可以把它们变成a%c,b%c,拿出来的$[\frac{a}{c}]\ast i和[\frac{b}{c}]$对答案的贡献分别为$[\frac{a}{c}]\ast \frac{n\ast (n+1)}{2}$和$[\frac{b}{c}]\ast (n+1)$

此时我们已经使新的a，b都满足a<c,b<c
${\sum }_{i=0}^n[\frac{a\ast i+b}{c}]$的定义可以理解为一条一次函数与x轴,y轴,y=n轴围成的图形中的点的个数
所以枚举这些点
点数=${\sum }_{i=0}^n{\sum }_{j=0}^m[j<=[\frac{a\ast i+b}{c}]]$
显然两边同乘以c照样成立
点数=${\sum }_{i=0}^n{\sum }_{j=1}^m[j\ast c<=[a\ast i+b]]$
大于等于的括号也可以去，去完移个项
点数=${\sum }_{i=0}^n{\sum }_{j=1}^m[j\ast c-b<=a\ast i]$
把j用j+1替换
点数=${\sum }_{i=0}^n{\sum }_{j=0}^{m-1}[j\ast c+c-b<=a\ast i]$
减个一把等号去掉
点数=${\sum }_{i=0}^n{\sum }_{j=0}^{m-1}[j\ast c+c-b-1<a\ast i]$
把a移到左边去
点数=${\sum }_{i=0}^n{\sum }_{j=0}^{m-1}[\frac{(j\ast c+c-b-1)}{a}<i]$
大于这个的i有几个呢？自然是$n-[\frac{(j\ast c+c-b-1)}{a}]$
于是可以把外面这个求和拆掉
点数=${\sum }_{j=0}^{m-1}n-[\frac{(j\ast c+c-b-1)}{a}]$
可以继续拆
点数=$n\ast m-{\sum }_{j=0}^{m-1}[\frac{(c\ast j+c-b-1)}{a}]$
可以发现右边这个求和式与上面所求的式子格式一致
于是可以类似欧几里得递归求解
这也就是类欧名字的来源

inline int lgcd(int a,int b,int c,int n)
{
	if(n<0) return 0;
	if(!a) return b/c*(n+1);
	int ans=0;
	ans+=(a/c)*n*(n+1)/2+(b/c)*(n+1);
	a=a%c,b=b%c;
	int m=(a*n+b)/c;
	ans+=n*m-lgcd(c,c-b-1,a,m-1);
	return ans;
}

二、欧拉定理、费马小定理、扩展欧拉定理

求$a^n\%p$（n>1e100）

欧拉定理

定义欧拉函数$\varphi (x)$，表示在$1-n$中与$n$互质的数的个数
在所有与模数$m$互质的剩余类中各取出一个代表元，构成一个缩剩余系，则该缩系的大小为$\varphi (m)$
记该缩系中的所有元素为$a_1,a_2,a_3...a_{\varphi (m)}$
如果$(k,m)=1$
则$k{a}_1,k{a}_2,k{a}_3...k{a}_{\varphi (m)}$仍为一个缩系
所以${\prod }_{i=1}^{\varphi (m)}k{a}_i\equiv {\prod }_{i=1}^{\varphi (m)}ai$
故$k^{\varphi (m)}\equiv 1(modm)$
证毕

这两年前的证明好学术化……
搞个通俗易懂的

首先k与p互质
考虑小于p的这些与其互质的数为$a_1,a_2......a_n$
设$p_1=a_{1}k,p_2=a_{2}k......p_n=a_{n}k$
首先第一条引理
$p_1,p_2,p_3......p_n$在%p下余数均不相同
这个很好证
假设$p_1$与$p_2$余数相同
则$p_1-p_2=i\ast p$
代入得$k\ast (a_1-a_2)=i\ast p$
首先k不是p的倍数，其次$a_1,a_2$余数不相同，所以不成立
所以引理一成立

然后第二条引理
$p_n$仍与p互质
这个也是显然的嘛
因为k与p互质，$a_n$与p互质，$k\ast a_n$自然与p互质

现在注意到$p_n$有n个，两两余数不同，又与p互质
可以感受到这些$p_n$与$a_n$是以某种关系一一对应的，
那么${\prod }_{i=1}^{\varphi (p)}{p}_i={\prod }_{i=1}^{\varphi (p)}{a}_i$
即${\prod }_{i=1}^{\varphi (p)}k\ast a_i={\prod }_{i=1}^{\varphi (p)}{a}_i$
即$k^{\varphi (p)}\ast {\prod }_{i=1}^{\varphi (p)}{a}_i={\prod }_{i=1}^{\varphi (p)}{a}_i$
即$k^{\varphi (p)}\equiv 1(modp)$

这个定理有什么用呢？
当$a^n\%p$满足$gcd(a,p)=1$时，$a^n\%p=a^{n\%\varphi (p)}\%p$
幂就降下来了

费马小定理

将$\varphi (p)=p-1$带入欧拉定理既得
$k^{p-1}\equiv 1(modp)$

扩展欧拉定理

那么如果$gcd(a,p)!=1$我们刚才的一些假设就会gg
现在引入扩展欧拉定理补充不互质的情况
公式如下

第一条就是我们得到的普通欧拉定理
下面的现在证明
这个是一个构造，与欧拉定理证明不一样，请及时更换思路
假设有质数p，模数为m
$p^c\equiv p^{c\%phi(m)+\varphi (m)}$这个相当于降幂以后再乘个1，显然成立
然后推广到幂指数上
$(p^k{)}^c=p^{kc}=p^{kc+k\varphi (m)}=(p^k{)}^{c\%phi(m)+phi(m)}$反正对于p来说随便补$\varphi (m)$
然后推广到任意自然数a
显然对于a的每个质因子的幂次这个公式都满足，所以对于a该式也成立
$a^c=a^{c\%phi(m)+phi(m)}$
就是先构造了一个，然后证明他成立，至于这个构造是怎么来的……しらない

三、根据上述知识处理逆元

记a逆元b满足$a\ast b\equiv 1(modp)$

如果gcd(a,p)不为一，就不存在逆元！

p是质数

根据费马小定理，$a^{p-1}\equiv 1(modp)$，且$a\ast b\equiv 1(modp)$，于是可以推出$b\equiv a^{p-2}(modp)$

int inv=kasumi(a,mod-2);

p是合数

我们发现$a\ast b\equiv 1(modp)$
则很显然$a\ast b-p\ast k=1$
这是一个不定方程，可以用exgcd求解
负数并不要紧，我们关心的只是b

exgcd(a,p,x,y);
x=(x%p+p)%p;

线性筛逆元

现在我们要求i的逆元
令$p=k\ast i+r(r<i)$
两边同乘以$r^{-1}\ast i^{-1}$
可以得到$p\ast r^{-1}\ast i^{-1}=k\ast r^{-1}+i^{-1}$
两边对p取模，移项
$i^{-1}=-k\ast r^{-1}$
$k=[\frac{p}{i}]$

inv[i]=(p-p/i)*inv[p%i]%p;

四、中国剩余定理、扩展中国剩余定理

x%3=a,x%5=b,x%7=c,求x

中国剩余定理

中国剩余定理的实质又是一个构造
假设模数是$p_1,p_2,p_3,p_4......p_n$且这些模数两两互质
令A=lcm$(p_1,p_2,p_3......,p_n)$
令$A_i=\frac{A}{p_i}$
令$B_i\equiv A_i^{-1}(mod{p}_i)$
则$x\equiv {\sum }_{i=1}^n{x}_i{A}_i{B}_i(modA)$

现在证明此类构造的合理性
对于任意的$p_i$因为其他的$A_j$都是$p_i$的倍数，所以$x\equiv x_i{A}_i{B}_i(mod{p}_i)$
然后根据上面构造的
$A_i{B}_i\equiv 1(mod{p}_i)$
所以对于每一个这个x都成立
所以构造合理

	for(int i=1;i<=n;i++) A=A*a[i];
	for(int i=1;i<=n;i++)
	{
		int tmp=A/a[i];
		int x,y;
		exgcd(tmp%a[i],a[i],x,y);
		inv[i]=(x%a[i]+a[i])%a[i];
		ans=(ans+b[i]*tmp%A*inv[i]%A)%A;
	}

扩展中国剩余定理

这个与CRT有一些区别，请先放掉CRT的构造思维

我们现在有若干个条件
$x\equiv a_1(mod{b}_1)$
$x\equiv a_2(mod{b}_2)$
$x\equiv a_3(mod{b}_3)$
…
考虑合并两个条件
$x\equiv k(modlcm(b_1,b_2))$
$x=a_1+k_1\ast b_1=a_2+k_2\ast b_2$
$k_1{b}_1-k_2{b}_2=a_2-a_1$
显然这是个不定方程，又可以用exgcd求解，存在解的条件是$gcd(b_1,b_2)|(a_2-a_1)$
有解的话就解出$k_1,k_2$合并x即可
其中$k_1=\frac{a_2-a_1}{gcd(b_1,b_2)}{k}_1,k_2=-\frac{a_2-a_1}{gcd(b_1,b_2)}{k}_2$用其中任意一个还原即可

long long excrt(long long w1,long long p1,long long w2,long long p2,long long &w,long long &p)
{
	long long gg=w2-w1;
	long long g=exgcd(p1,p2,x,y);
	if(gg%g) return 0;
	long long tmp=gg/g;
	x=mul(x,tmp,p2/g);
	p=p1/g*p2;
	w=(w1+mul(x,p1,p)%p+p)%p;
	return 1;
}

五、组合数取模、卢卡斯、扩展卢卡斯

求$C_n^m\%p$

最简单的组合数取模

long long get_c(long long x,long long y)
{
	return fac[x]*inv[x-y]%mod*inv[y]%mod;
}

fac[0]=1;
for(int i=1;i<=n;i++) fac[i]=fac[i-1]*i%mod;
inv[n]=kasumi(fac[n],mod-2);
for(int i=n-1;i>=0;i--) inv[i]=inv[i+1]*(i+1)%mod;

卢卡斯定理

${(}_n^m)\%p={(}_{[n/p]}^{[m/p]})\ast {(}_{n\%p}^{m\%p})$
显然左边的这个除式可以递推，复杂度在去掉预处理p之后是log级的
现在证明
首先$(1+x{)}^p\equiv (1+x^p)(modp)$
这是显然的，因为展开以后，除了开头结尾这两项，剩下带的组合数都是p的倍数
然后$(1+x{)}^m=(1+x{)}^{a_1}\ast ((1+x{)}^p{)}^{a_2}\ast ...\ast ((1+x{)}^{p^k}{)}^{a_k}$
相当于把m拆成p进制
根据之前那个式子，可以拆括号
$(1+x{)}^m\equiv (1+x{)}^{a_1}\ast (1+x^p{)}^{a_2}\ast ...\ast (1+x^{p^k}{)}^{a_k}$
然后${(}_n^m)$就相当于里面的$x^n$的项数
同样把n拆成p进制
$n=b_1+p\ast b_2+p^2\ast b_3+......+p^k\ast b_k$
那么问题就变成了分别在每个堆$a_i$里取$b_i$个
这种表示是唯一的，因为进制转换是唯一的
于是答案转化成了$\prod {(}_{b_i}^{a_i})$
递归式就是上式

long long c(long long n,long long m)
{
	return fac[m]*inv[m-n]%p*inv[n]%p;
}

long long lucas(long long n,long long m)
{
	if(n<p&&m<p) return c(n,m);
	return c(n%p,m%p)*lucas(n/p,m/p)%p;
}

扩展卢卡斯定理

刚才的情况默认p是质数
现在p变成合数了，于是又有了扩展卢卡斯

这个思路又和卢卡斯不大一样，请及时更换思路

首先我们把这个合数拆成若干个质因子的幂次之积，然后分别用卢卡斯求解，再用CRT合并，这是大体思路
那么先考虑${(}_n^m)\%p^i$
${(}_n^m)\%p^i=\frac{m!}{n!\ast (m-n)!}\%p^i$
然后这里无法保证m!与$p^i$互质
所以使用一些操作把m!里的p都拿出来，就可以对这些模$p^i$了
即$\frac{\frac{m!}{p^a}}{\frac{n!}{p^b}\ast \frac{(m-n)!}{p^c}}\ast p^{a-b-c}\%p^i$
于是问题转化成$\frac{m!}{p^a}\%p^i$
对于这个
还是先看m!
为了加深理解，手模一下
假设m=22,p=3,i=2
$22!=1\ast 2\ast 3\ast 4\ast 5\ast 6\ast 7\ast 8\ast 9\ast 10\ast 11\ast 12\ast 13\ast 14\ast 15\ast 16\ast 17\ast 18\ast 19\ast 20\ast 21\ast 22$
把3提取出来
$22!=3^7\ast (7!)\ast (1\ast 2\ast 4\ast 5\ast 7\ast 8\ast 10\ast 11\ast 13\ast 14\ast 16\ast 17\ast 19\ast 20\ast 22)$
其中7!可以递归求解，$3^7$直接拿出去，然后剩下的这个对于$3^2$取模，很显然是以模数为循环节的一个积的幂次，再乘上若干项多出来的
那这个就解决了
于是三个依次求解
求两个逆元
就结束了

long long exlucas(long long a,long long b,long long p)
{
	int cnt2=0;
	long long pp,tmp=p;
	for(int i=2;i*i<=p;i++)
	{
		if(p%i==0)
		{
			cnt++;
			cnt2=0;
			pp=1;
			while(p%i==0) cnt2++,p/=i,pp*=i;
			q[0]=1;
			for(int j=1;j<=pp;j++)
			{
				q[j]=q[j-1]*((j%i)?j:1)%pp;
			}
			r[cnt]=mul(b,i,pp)*inv(mul(a,i,pp),pp)%pp*inv(mul(b-a,i,pp),pp)%pp*kasumi(i,get(b,i)-get(a,i)-get(b-a,i),pp)%pp;
			c[cnt]=pp;
		}
	}
	if(p!=1) 
	{
		q[0]=1;
		for(int j=1;j<=p;j++)
		{
			q[j]=q[j-1]*((j%p)?j:1)%p;
		}
		r[++cnt]=mul(b,p,p)*inv(mul(a,p,p),p)%p*inv(mul(b-a,p,p),p)%p*kasumi(p,get(b,p)-get(a,p)-get(b-a,p),p)%p,c[cnt]=p;
	}
	long long ans=0;
	for(int i=1;i<=cnt;i++)
	{
		long long aa=tmp/c[i];
		long long bb=inv(aa,c[i]);
		ans=(ans+r[i]*aa%tmp*bb%tmp)%tmp;
	}
	return ans;
}

特殊的技巧：分段打表

求$c_n^m(n<1e10,m<1e10,p<1e10)$
已知p

lucas的复杂度很显然由模数p决定，遇到这种虚假的情况自然会gg
我们可以考虑先打出1000000!%p,2000000!%p,3000000!%p…之类的
大概1000个数，然后就能做到1e7的单次处理
思路与分块略像

六、BSGS、EXBSGS

求x使$a^x\equiv b(modp)$ a,b,p<1e10

BSGS

本质是一个折半枚举
首先我们知道a的幂次模p的值是以$\varphi (p)$为循环节的

对p开根，记$m=\sqrt{p}$
显然任何一个小于p的n
我们都可以用$n=x\ast m-y$表示
那么就相当于求$a^{x\ast m-y}\equiv b$
也就是$a^{x\ast m}\equiv b\ast a^y$
显然先把$b\ast a^y$扔到一个map里
然后枚举x匹配就行了，复杂度降到了$\sqrt{p}$

	long long k=sqrt(p);
	long long up=p/k+2;
	long long now=b*a%p; 
	for(int i=1;i<=k;i++)
	{
		mm[now]=i;
		now=now*a%p;
	}
	now=kasumi(a,k);
	long long nnow=now;
	for(int i=1;i<=up;i++)
	{
		if(mm.find(nnow)!=mm.end())
		{
			printf("%lld\n",1ll*i*k-mm[nnow]);
			break;
		}
		nnow=nnow*now%p;
	}

七、原根

八、二次剩余

九、Miller-Rabin、Pollard_rho

Miller-Rabin

这玩意应该也算是生日悖论的一个应用，我们知道一些概率正确的判断条件，然后我们将这些条件组合，使得正确的概率接近|等于100%

首先两条定理
费马小定理
若p为质数则$a^{p-1}\equiv 1(modp)$
这玩意有个虚假的逆定理
若$a^{p-1}\equiv 1(modp)$则p为质数
这个定理是错的，但众所周知，逆否命题与原命题正确性相同
所以$a^{p-1}!\equiv 1(modp)$则p是合数肯定成立
二次探测
若p为质数则$x^2\equiv 1(modp)$的解只有$x=1或x=p-1$
这个可以简短证明一下
$x^2-1\equiv 0(modp)$
$(x-1)(x+1)$中有一个是p的倍数且p是质数，则x只能为1或者p-1
ok，逆否命题再次搬上来，反正不从1或者p-1平方得到1的p都是合数

有了这两个定理，我们把他们缝合起来，就是miller-rabin了
找到一组st使$2^s\ast t=x-1$
然后从$a^t$开始不停地平方，二次探测，最后费马小定理
其实就是不停地筛去合数的可能性
多取几个a就基本上能判断了，复杂度是log乘个常数

	int p[]={2,3,5,7,11,13,17,19,23,29};
	long long s=x-1,t=0;
		if(x==0||x==1)
		{
			puts("N");
			continue;
		}
		else
		{
			if(x==2)
			{
				puts("Y");
				continue;
			}
		}
		while(!(s&1)&&s>0)
		{
			s>>=1;
			t++;
		}
		int flag=1;
		for(int i=0;i<10;i++)
		{
			long long tmp=kasumi(p[i],s);
			long long nxt;
			for(int j=1;j<=t;j++)
			{
				nxt=mul(tmp,tmp,x);
				if(nxt==1&&(tmp!=1&&tmp!=x-1)) 
				{
					flag=0;
				}
				tmp=nxt;
			}
			if(tmp!=1&&p[i]!=x) flag=0;
		}
		if(flag) puts("Y");
		else puts("N");

pollrad_rho

我认为大部分论文和博客将这两个算法一起提出的原因并不只有pollard_rho需要miller_rabin做前置，还因为两者有着一定的相同之处，比如说那个利用生日悖论原理的思想

多说无益，也就用了这么几条性质
假设分解n的质因数
第一步，使用miller_rabin判断素性
第二步，设计一个虚假的随机函数$f(x)=x^2+c$如果gcd(f(x),n)>1，则gcd为n的一个因子
第三步，通过floyd判圈法找到循环节，重置c

十、莫比乌斯反演|欧拉反演

整除分块|数论分块

求${\sum }_{i=1}^n[\frac{n}{i}]$
可以注意到之前是商跳的快，i跳的慢
之后是商要跳好几个i才变一次
于是前半部分枚举i，后半部分枚举商
复杂度是$\sqrt{n}$

	int up=sqrt(n);
	for(int i=1;i<=up;i++)
	{
		ans+=n/i;
	}
	up=n/(up+1);
	r=n;
	for(int i=1;i<=up;i++)
	{
		l=n/(i+1);
		ans+=i*(r-l);
		r=l;
	}

数论卷积|狄利克雷卷积

定义两个积性函数$f,g$
狄利克雷卷积为$f\ast g(n)={\sum }_{d|n}f(d)\ast g(\frac{n}{d})$

公式一

公式二

常见技巧

${\sum }_{i=1}^n{\sum }_{j=1}^m[gcd(i,j)==1]$

注意到了等于一这个特性，又已知
${\sum }_{d|n}\mu (d)=[n==1]$
于是变成了
${\sum }_{d|gcd(i,j)}\mu (d)=[gcd(i,j)==1]$
接着可以把枚举ij变成枚举d，显然i,都要是d的倍数
${\sum }_{d=1}^n\mu (d)[\frac{n}{d}][\frac{m}{d}]$

${\sum }_{d=1}^{n}f(d){\sum }_{k=1}^{[\frac{n}{d}]}\mu (k){\sum }_{i=1}^{[\frac{n}{kd}]}i$

上式对任意一个n感觉需要nlogn求解
但可以简化
令$T=dk$枚举$T$
${\sum }_{T=1}^n{\sum }_{i=1}^{[\frac{n}{T}]}i|{\sum }_{d|T}f(d)\mu (\frac{T}{d})|$
显然打出||中的内容可以nlogn预处理
所以整个算式的复杂度就集中在了第二个求和上，可以感受到这是一个经典的数论分块
于是对于任意一个n，复杂度变成了$\sqrt{n}$

十一、各种前缀和筛法

州阁筛

杜教筛

Min_25筛

求${\sum }_{i=1}^{n}f(i)$ n<1e9

min_25筛叫这个的原因是因为发明者叫min_25，别像笔者一样把自己绕进坑里
min_25筛的实质是一个高级dp，请换好dp思维

介于min_25筛求合数部分实属玄学
我们先单讲质数函数值的求解

质数函数值之和

假设$G(m)={\sum }_{i=1}^m[i\in prime]F(i)$
我们设计一个$f(i)$使$f(i)$满足

$f(i)$是一个完全积性函数
$f(i)$在质数上的值与$F(i)$相等
$f(i)$的前缀和可以迅速计算

考虑DP
令$g(j,m)$为小于m的质数或者最小质因子大于p[j]的数的贡献
那么有两种情况
1.$p[j{]}^2>m$
显然不可能有一个合数的最小质因子是p[j]，于是全是质数
$g(j,m)=g(j-1,m)$
2.$p[j{]}^2<=m$
那么就是要额外减去p[j]是最小质因子的贡献
这一部分是什么呢
显然是$f(p[j])\ast (g(j,n/p[j])-{\sum }_{k=1}^{j-1}f(p[k]))$
于是答案是$g(j-1,m)-f(p[j])\ast (g(j,n/p[j])-{\sum }_{k=1}^{j-1}f(p[k]))$
这个开个滚动数组
然后一维维的dp下去就行了
可以发现的是

那么$G(m)=g(k,m)$其中k为第一个满足p[k]^2大于m

几个应用

求区间质数数量

void min_25_count1()
{
    for(long long i=1,j;i<=n;i=j+1)
    {
        j=n/(n/i);
        st[++tot]=n/i;
        if(st[tot]<=m)
        {
            st1[st[tot]]=tot;
        }
        else
        {
            st2[n/st[tot]]=tot;
        }
        g[tot]=(st[tot]-1+p)%p;
    }
    for(int j=1;j<=cnt;j++)
    {
        for (int i=1; i<=tot && 1ll*pri[j]*pri[j]<=st[i]; i++)
        {
            long long tmp=st[i]/pri[j];
            tmp=(tmp<=m)?st1[tmp]:st2[n/tmp];
            g[i]=(g[i]-1ll*(g[tmp]-j+1)%p+p)%p;
        }
    }
}

求区间质数和

void min_25_count2()
{
    for(long long i=1,j;i<=n;i=j+1)
    {
        j=n/(n/i);
        st[++tot]=n/i;
        if(st[tot]<=m)
        {
            st1[st[tot]]=tot;
        }
        else
        {
            st2[n/st[tot]]=tot;
        }
        g[tot]=(st[tot]%p+2)*(st[tot]%p-1)%p*(p+1)/2%p;
    }
    for(int j=1;j<=cnt;j++)
    {
        for (int i=1; i<=tot && 1ll*pri[j]*pri[j]<=st[i]; i++)
        {
            long long tmp=st[i]/pri[j];
            tmp=(tmp<=m)?st1[tmp]:st2[n/tmp];
            g[i]=(g[i]-1ll*pri[j]*(g[tmp]-sum[j-1])%p+p)%p;
        }
    }
}

十二、快速数论变换 任意模数NTT

快速数论变换|NTT

NTT的所有知识还是与FFT相同
只不过把单位复数根换成了原根
可以感受到原根和单位复数根具有完全相同的性质
符合消去引理、折半引理和求和引理