整除理论与线性丢番图方程相关

一.整除的定义.

整除：对于两个自然数$a,b$，若存在一个自然数$x$满足$ax=b$，则称$a$整除$b$，记为$a|b$.

显然 { N , ∣ } \{N,|\} {N,∣}构成一个偏序集.

因数（约数）：对于一个自然数$n$，任意$a$满足$a|n$都称为$n$的因数.

倍数：对于一个自然数$n$，任意$a$满足$n|a$都称为$n$的倍数.


二.约数函数.

约数个数函数：定义约数个数函数$\tau (n)$为：
$$\tau (n)=\sum _{d|n}1$$

结论：$\tau (n)$的数值一般是在$O(n^{\frac{1}{3}})$级别的.

约数和函数：定义约数和函数$\sigma (n)$为：
$$\sigma (n)=\sum _{d|n}d$$

根据定义可以在$O(\sqrt{n})$的时间内求解单个$\tau (n)$和$\sigma (n)$.

代码如下：

int Get_tau(int n){
  int res=0;
  for (int i=1;i*i<=n;++i)
    if (n%i==0) res+=2-(i*i==n); 
  return res;
}

LL Get_sigma(int n){
  LL res=0;
  for (int i=1;i*i<=n;++i)
    if (n%i==0) res+=i+n/i-i*(i*i==n);
  return res;
}

三.约数定理与线性筛约数函数.

约数个数定理：设唯一分解$n={\prod }_{i=1}^k{p}_i^{c_i}$，那么有：
$$\tau (n)=\prod _{i=1}^k(c_i+1)$$

约数和定理：设唯一分解$n={\prod }_{i=1}^k{p}_i^{c_i}$，那么有：
$$\sigma (n)=\prod _{i=1}^k\sum _{j=0}^{c_i}{p}_i^j$$

有了这两个定理，我们可以用线性筛在$O(n)$的时间内筛出$[1,n]$中所有的$\tau$和$\sigma$值.

具体来说，我们同时维护$cnt(n)$和$sum(n)$分别表示$n$的仅有最小素因子组成的约数个数和约数和.形式化的，对于唯一分解$n={\prod }_{i=1}^k{p}_i^{c_i}$，有：
$$\begin{gathered} cnt(n)=c_1+1 \\ sum(n)=\sum _{j=0}^{c_1}{p}_1^j \end{gathered}$$

那么对于这四个函数，在线性筛过程中分别有：
1.$p$为素数时有：
$$\begin{gathered} cnt(p)=\tau (p)=2 \\ sum(p)=\sigma (p)=p+1 \end{gathered}$$

2.$p\nmid n$且$p$为$np$的最小素因子时有：
$$\begin{gathered} cnt(np)=2 \\ \tau (np)=2\tau (n) \\ sum(np)=p+1 \\ \sigma (np)=\sigma (n)(p+1) \end{gathered}$$

3.$p|n$且$p$为$np$的最小素因子时有：
$$\begin{gathered} cnt(np)=cnt(n)+1 \\ \tau (np)=\frac{\tau (n)}{cnt(n)}cnt(np) \\ sum(np)=sum(n)p+1 \\ \sigma (np)=\frac{\sigma (n)}{sum(n)}sum(np) \end{gathered}$$

于是我们就可以写出线性筛$\tau$和$\sigma$代码：

int n,b[N+9],pr[N+9],cp;
int cnt[N+9],tau[N+9];
LL sum[N+9],sig[N+9];

void Sieve(){
  tau[1]=1;sig[1]=1;
  for (int i=2;i<=n;++i){
  	if (!b[i]){
  	  pr[++cp]=i;
  	  cnt[i]=tau[i]=2;
  	  sum[i]=sig[i]=i+1;
  	}
  	for (int j=1;j<=cp&&i*pr[j]<=n;++j){
  	  int t=i*pr[j];
	  b[t]=1;
	  if (i%pr[j]==0){
	  	cnt[t]=cnt[i]+1;tau[t]=tau[i]/cnt[i]*cnt[t];
	  	sum[t]=sum[i]*pr[j]+1;sig[t]=sig[i]/sum[i]*sum[t];
		break;
	  }
	  cnt[t]=2;tau[t]=tau[i]<<1;
	  sum[t]=pr[j]+1;sig[t]=sig[i]*sum[t];
  	}
  }
}

时间复杂度$O(n)$.


四.调和级数.

考虑枚举$i=1\to n$，并枚举$i$所有的在$[1,n]$上的倍数，即下面这串代码：

for (int i=1;i<=n;++i)
  for (int j=1;i*j<=n;++j);

容易发现这串代码的时间复杂度为：
$$O\left(\sum _{i=1}^n\frac{n}{i}\right)=O\left(n\sum _{i=1}^n\frac{1}{i}\right)$$

这个式子并不是很好直接估计它能跑的数据范围，考虑一下能否转化为一个我们熟知的式子？

事实上，有一个叫调和级数的东西是这样定义的：
$$H(n)=\sum _{i=1}^n\frac{1}{i}$$

并且这个东西有这样一个性质：
$$H(n)\approx \ln n$$

证明：
$$\begin{gathered} H(n)=1+\frac{1}{2}+\frac{1}{3}+\frac{1}{4}+\frac{1}{5}+\frac{1}{6}+\frac{1}{7}+\frac{1}{8}+\cdots \\ \Rightarrow 1+\frac{1}{2}+\frac{1}{4}+\frac{1}{4}+\frac{1}{8}+\frac{1}{8}+\frac{1}{8}+\frac{1}{8}\le H(n)\le 1+\frac{1}{2}+\frac{1}{2}+\frac{1}{4}+\frac{1}{4}+\frac{1}{4}+\frac{1}{4}+\cdots \\ \Rightarrow H(n)\approx \ln n \end{gathered}$$

证毕.

当然你也可以直接用积分估计：
$$\sum _{i=1}^n\frac{1}{i}\approx {\int }_1^n\frac{1}{x}\mathrm{d}x=\ln n$$

同时上面的证明过程证明了调和级数是发散的.

也就是说，上面那个循环的复杂度是$O(nH(n))=O(n\log n)$的（复杂度中log的底数关系不大）.


五.最大公因数与最小公倍数.

最大公约数：两个正整数$a,b$的最大公约数定义为最大的正整数$k$满足$k|a$且$k|b$，记为$\mathrm{g}\mathrm{c}\mathrm{d}(a,b)=k$.

最小公倍数：两个正整数$a,b$的最小公倍数定义为最小的正整数$k$满足$a|k$且$b|k$，记为$\mathrm{l}\mathrm{c}\mathrm{m}(a,b)=k$.

定理1：$\mathrm{g}\mathrm{c}\mathrm{d}(a,b)=\frac{ab}{\mathrm{l}\mathrm{c}\mathrm{m}(a,b)}$.

证明只需要考虑每一个素因子的指数并利用 min ⁡ { a , b } + max ⁡ { a , b } = a + b \min\{a,b\}+\max\{a,b\}=a+b min{a,b}+max{a,b}=a+b即可.

拓展到多个数gcd与lcm之间的关系参见容斥原理相关.


六.最大公因数的求解.

如何求解两个数$a,b$的最大公因数？最简单粗暴的方法，枚举一个数$a$的因数，判定是不是$b$的因数.时间复杂度$O(\sqrt{a})$.

当然我们还有一个更快的方法，不过在介绍它之前先介绍一个gcd的性质.

gcd性质1：$\mathrm{g}\mathrm{c}\mathrm{d}(a,b)=\mathrm{g}\mathrm{c}\mathrm{d}(b,amodb)(a\ge b)$.

证明：
设$a=kb+r$，其中$k\in N,r\in [0,b)$，问题转化为证明$\mathrm{g}\mathrm{c}\mathrm{d}(a,b)=\mathrm{g}\mathrm{c}\mathrm{d}(b,r)$.
设$g=\mathrm{g}\mathrm{c}\mathrm{d}(a,b)$，则有：
$$g|(kb+r)\wedge g|b\Rightarrow g|r$$

设$g=\mathrm{g}\mathrm{c}\mathrm{d}(b,r)$，则有：
$$g|b\wedge g|r\Rightarrow g|(kb+r)$$

即：
$$\mathrm{g}\mathrm{c}\mathrm{d}(a,b)|r\wedge \mathrm{g}\mathrm{c}\mathrm{d}(b,r)|a\Rightarrow \mathrm{g}\mathrm{c}\mathrm{d}(a,b)=\mathrm{g}\mathrm{c}\mathrm{d}(b,r)$$

证毕.

有了这个性质后，我们就可以通过这个性质的式子不断迭代得到答案了，代码如下：

int gcd(int a,int b){return b?gcd(b,a%b):a;}

这种方法被称为辗转相除法.

根据同余的性质，每次$a$和$b$中总有一个数的大小会减半，所以时间复杂度就是$O(\log a+\log b)$.

同样的，对于一个序列$a_i$的gcd，我们也可以用迭代来求，时间复杂度$O(n\log a_i)$.


七.另一种gcd的求解方法.

根据gcd性质1，显然下面这个式子也是成立的：
$$\gcd (a,b)=\gcd (b,a-b)$$

那么对于$\gcd (a,b)$，我们可以根据$a,b$的奇偶性来分类讨论：
1.若$a,b$均为偶数，则有$\gcd (a,b)=2\gcd (\frac{a}{2},\frac{b}{2})$.
2.若$a$为偶数且$b$为奇数，则有$\gcd (a,b)=\gcd (\frac{a}{2},b)$.
3.若$a$为奇数且$b$为偶数，则有$\gcd (a,b)=\gcd (a,\frac{b}{2})$.
4.若$a,b$均为奇数，则有$\gcd (a,b)=\gcd (a-b,a)$.

容易发现时间复杂度仍然是$O(\log a+\log b)$的.

代码如下：

int gcd(int a,int b){
  if (a<b) swap(a,b);
  if (!b) return a;
  if (a&1&&b&1) return gcd(a-b,b);
  if (a&1) return gcd(a,b>>1);
  if (b&1) return gcd(a>>1,b);
  return gcd(a>>1,b>>1)<<1;
}

这个算法的好处是它不需要做除法，如果$a,b$都需要用高精度存时，这个算法会有十分明显的优势.


八.gcd的一些性质.

gcd性质2：假设$a_0=0$，那么有：
g c d i = 1 n { a i } = g c d i = 1 n { a i − a i − 1 } \mathrm{gcd}_{i=1}^{n}\{a_i\}=\mathrm{gcd}_{i=1}^{n}\{a_i-a_{i-1}\} gcdi=1n​{ai​}=gcdi=1n​{ai​−ai−1​}

gcd性质3：假设$a_0=+\infty$，那么有：
g c d i = 1 n { a i } = g c d i = 1 n { a i    m o d    a i − 1 } \mathrm{gcd}_{i=1}^{n}\{a_i\}=\mathrm{gcd}_{i=1}^{n}\{a_i\,\,mod\,\,a_{i-1}\} gcdi=1n​{ai​}=gcdi=1n​{ai​modai−1​}

gcd性质4：对于任意一个正整数数列$a_i$，定义 g i = g c d j = 1 i { a j } g_i=\mathrm{gcd}_{j=1}^{i}\{a_j\} gi​=gcdj=1i​{aj​}，那么有：
$$g_i\ne g_{i+1}\Rightarrow 2g_{i+1}\le g_i$$

九.丢番图方程.

丢番图方程：定义一个方程${\sum }_{i=1}^n{a}_i{x}_i^{b_i}=c$为丢番图方程，当且仅当任意$a_i,c\in Z,b_i\in N_{+}$且$a_i\ne 0$，并且我们只讨论丢番图方程的整数解.

线性丢番图方程：满足所有$b_i=1$的丢番图方程称为线性丢番图方程.

接下来我们主要研究线性丢番图方程.

二元线性丢番图方程：满足$n=2$的线性丢番图方程称为二元线性丢番图的方程.


十.二元线性丢番图方程的求解.

裴蜀定理：二元线性丢番图方程$ax+by=\gcd (a,b)$必然存在一组整数解.

证明：
首先对于$b=0$的情况，必然存在整数解$x=1,y=0$.
那么对于任意一个方程$ax+by=\gcd (a,b)$，必然可以构造出另一个方程：
$$\begin{gathered} b{x}^{\prime }+(amodb)y^{\prime }=\gcd (b,amodb)=\gcd (a,b) \\ b{x}^{\prime }+\left(a-\lfloor \frac{a}{b}\rfloor b\right)y^{\prime }=\gcd (a,b) \\ b{x}^{\prime }+a{y}^{\prime }-b\lfloor \frac{a}{b}\rfloor y^{\prime }=\gcd (a,b) \\ a{y}^{\prime }+b\left(x^{\prime }-\lfloor \frac{a}{b}\rfloor y^{\prime }\right)=\gcd (a,b) \end{gathered}$$

也就是说，只要方程$b{x}^{\prime }+(amodb)y^{\prime }=\gcd (b,amodb)$有解，必然可以构造方程$ax+by=\gcd (a,b)$的一组解：
$$\begin{gathered} x=y^{\prime } \\ y=x^{\prime }-\lfloor \frac{a}{b}\rfloor y^{\prime } \end{gathered}$$

根据数学归纳法即可证明.
证毕.

裴蜀定理的推论：二元线性丢番图方程$ax+by=c$存在整数解当且仅当$\gcd (a,b)|c$.

证明：
根据裴蜀定理可以证明充分性.
而我们给等式两边除掉$\gcd (a,b)$后，等式左边仍然为整数，此时等式右边也必须为整数，所有需要$\gcd (a,b)|c$，必要性得证.
证毕.

根据证明过程，我们还可以写出求一组解的求解算法，称之为扩展欧几里得算法.

代码如下（注意这个代码只能求解$a,b$为正的情况，若需要为负可以先把符号交给$x,y$）：

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

时间复杂度与求解gcd的时间复杂度相同，为$O(\log a+\log b)$.

这个算法得到的解一般不会太大，不至于到爆long long的地步.

同时，可以十分容易的证明，若一个二元线性丢番图方程$ax+by=c$有一组解$x_0,y_0$，则此二元线性丢番图方程的通解为：
$$\begin{gathered} x=x_0+k\frac{b}{\gcd (a,b)} \\ y=y_0-k\frac{a}{\gcd (a,b)} \end{gathered}$$

其中$k$是任意整数.


十一.线性丢番图方程的求解.

对于一般线性丢番图方程：
$$\sum _{i=1}^n{a}_i{x}_i=c$$

一般线性丢番图方程解存在性判定法则：若 g c d i = 1 n { a i } ∣ c \mathrm{gcd}_{i=1}^{n}\{a_i\}|c gcdi=1n​{ai​}∣c则有整数解，否则无整数解.

同时，对于线性丢番图方程的求解，可以考虑先求出分$n-1$步求解，第$i$步求解出方程：
g c d j = 1 i { a j } x + a i + 1 x i + 1 = g c d j = 1 i + 1 { a j } \mathrm{gcd}_{j=1}^{i}\{a_j\}x+a_{i+1}x_{i+1}=\mathrm{gcd}_{j=1}^{i+1}\{a_j\} gcdj=1i​{aj​}x+ai+1​xi+1​=gcdj=1i+1​{aj​}

时间复杂度$O(n\log a_i)$.

代码如下（注意这个代码只能求解$a_i$为正的情况，而且这个算法得到解的数值没有上限保证，可能会爆long long之类的）：

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

int t[N+9];

bool Get_root(int *a,int n,int c,int *res){
  int g=a[1];
  res[1]=t[n]=1;
  for (int i=2;i<=n;++i) g=Ex_gcd(g,a[i],t[i-1],res[i]);
  if (c%g) return 0;
  c/=g;
  for (int i=n-1;i>=1;--i) res[i]*=t[i]*=t[i+1];
  for (int i=1;i<=n;++i) res[i]*=c;
  return 1;
}