乘法逆元笔记总结

乘法逆元

含义

首先，数学上的乘法逆元就是指直观的倒数，即 $a$ 的逆元是 $\frac{1}{a}$ ，也即与 $a$ 相乘得 $1$ 的数。$ax=1$，则 $x$ 是 $a$ 的乘法逆元。

如果到度娘上搜索逆元，会看到如下定义：（这里逆元素是逆元的全称）

逆元素是指一个可以取消另一给定元素运算的元素 。

这个定义似乎不太那么直观……

我们来举个例子吧，先再实数范围举例，由小学知识可知，如果一个代数式 $F$ 乘一个数 $a$ 后，再乘它的倒数 $\frac{1}{a}$ ，相当于没有乘 $a$ （这里不考虑 $0$ 的情况），换句话说，我们乘 $\frac{1}{a}$ 后，取消了代数式 $F$ 乘 $a$ 后值增大的影响。

不难发现这符合逆元的定义，故我们可以说一个数和其倒数互为乘法逆元。

而算法这里这里我们讨论关于取模运算的乘法逆元，即对于整数 $a$ ，与 $a$ 互质的数 $b$ 作为模数，当整数 $x$ 满足 $ax\mathrm{mod}b\equiv 1$ 时，称 $x$ 为 $a$ 关于模 $b$ 的逆元，代码表示是 a * x % b == 1 。

我们通常将 $a$ 的逆元记作 $a^{-1}$ 。

在算法竞赛中，经常会遇到求解数据很大，则输出模 $10^9+7$ 的解这类要求。加法、减法、乘法等操作，基于同余理论直接取模即可。但遇到除法时，某步中间结果不一定能完成整除，就无法求解了。

举个栗子：
求3 * 6 / 3 对7 取模的结果。我们直接算出3 * 6 / 3的结果是6，对7取模得最终答案是6 。

但我们通常面对的问题是中间结果超过int甚至long long的范围，而不得不在每一步基于同余理论取模，我们用这个例子尝试一下：

还是求 3 * 6 / 3 % 7

第一步：3 * 6 == 18，18 % 7 == 4

第二步：4 这个中间结果再做 4 / 3 无法整除，就无法进行下去了。

但我们可以求出除数3 关于模数7的逆元5（根据逆元定义，5 符合3 * 5 % 7 == 1），从而，用乘以5代替除以3。

上述第二步除法变乘法：4 * 5 == 20，20 % 7 == 6

从而也计算出了正确的结果6 。

故而我们需要一个算法求 除数 的 取模逆元 ，从而在四则运算取模的任务中，用逆元将除法转为乘法。

求法

1.费马小定理

前置芝士：欧拉定理：若$a,n$互质,则$a^{\varphi (n)}\equiv 1(\mathrm{mod}n)$。

费马小定理：当有两数 $a$, $p$ 满足 $gcd(a,p)=1$, 并且 $p$ 是质数时，则有

$$\begin{array}{r}{a}^{p-1}\equiv 1(\mathrm{mod}p)\end{array}$$

将该等式与 $ax\equiv 1(\mathrm{mod}p)$ 对比可以惊奇地发现：
$$\begin{array}{r}x=a^{p-2}\end{array}$$

逆元求出来之后，就可以用 快速幂 求出 $a^{p-2}$ 的值了；

时间复杂度：大约 $O(logp)$ 。

这里没啥好贴的代码了，贴一个快速幂吧：

//计算a^k%p
int qmi(int a,int k,int p){
	int res=1;
	while(k){
		if(k&1) res=(LL)res*a%p;
		k>>=1;
		a=(LL)a*a%p;
	}
	return res;
}

2.扩展欧几里得

前置芝士：裴蜀定理：对于任意的正整数 $a,b$ 一定存在正整数 $x,y$ 使得 $ax+by=gcd(a,b);$ (并且也是能凑出来的最小正整数)

由定义可知：$ax\equiv 1(\mathrm{mod}p)$，这个式子等价于已知 $a,p$ 求一个二元一次不定方程 $ax=kp+1$，移一下项得：$ax-kp=1$。这东西与 $ax+by=gcd(a,b)$ 不是神似？就是扩展欧几里得算法。

附一小段扩展欧几里得代码：

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

相比于费马小定理，扩展欧几里得的使用限制更小，不再需要 $p$ 是质数，只需要 $a,p$ 互质即可。

时间复杂度：大约 $O(logn)$ 。

3.递推计算阶乘的逆元

当我们要计算一大串连续的阶乘的逆元时，采用费马小定理或扩展欧几里得算法就有可能超时，所以我们必须采用一个更快的算法。

令 $f_i=i!$ ，则可得：
$$\begin{array}{r}inv(f_i)\equiv inv(f_{i-1}\cdot (i))(\mathrm{mod}p)\end{array}$$

我们将右式乘开，则有：
$$\begin{array}{r}inv(f_i)\equiv inv(f_{i-1})\cdot i^{-1}(\mathrm{mod}p)\end{array}$$

最后我们每一次只用处理i这一个数的逆元了。

下面是一小段预处理代码(提前打表)：

//fact[i]表示i的阶乘，infact[i]表示i的阶乘的逆元。
fact[0]=infact[0]=1;
	for(int i = 1;i < N;i ++ ){
		fact[i]=(LL)fact[i - 1]*i%mod;
		infact[i]=(LL)infact[i - 1]*qmi(i,mod - 2,mod)%mod;
	}

4.递推计算连续的数的逆元 (线性求逆)

当我们要计算连续的数的逆元时，我们可以采用以下递推式：
$$\begin{array}{r}inv(i)=(p-\lfloor \frac{p}{i}\rfloor )\times inv(p\mathrm{mod}i)\mathrm{mod}p\end{array}$$

证明：设 $t=\lfloor \frac{p}{i}\rfloor ,k=p\mathrm{mod}i$ ，那么显然有
$$\begin{array}{r}t\times i+k\equiv 0(\mathrm{mod}p)\end{array}$$

变形可得
$$\begin{array}{r}-t\times i\equiv k(\mathrm{mod}p)\end{array}$$

两边同时除以 $ik$ 得到
$$\begin{array}{r}-t\times \frac{1}{k}\equiv \frac{1}{i}(\mathrm{mod}p)\end{array}$$
即
$$\begin{array}{r}inv(i)\equiv -t\times inv(k)(\mathrm{mod}p)\end{array}$$

所以有
$$\begin{array}{r}inv(i)=(p-\lfloor \frac{p}{i}\rfloor )\times inv(p\mathrm{mod}i)\mathrm{mod}p\end{array}$$

参考代码：

#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>

using namespace std;

const int maxn = 3e6 + 10; 
long long infact[maxn], n, p;

int main()
{
    scanf("%lld%lld", &n, &p);
    infact[0] = 0, infact[1] = 1;//初始化1的逆元为1
    printf("%lld\n", infact[1]);
    for (int i = 2; i <= n; ++i)
    {
        infact[i] = (p - p / i) * infact[p % i] % p;//上文中的式子
        printf("%lld\n", infact[i]);
    }
    return 0;
}