leetcode459奇妙做法的数学解释

前言

前几天做了下leetcode459，这道看起来平淡无奇的题目，却是如此的好玩。我们经常看网上一些人写的题解，粗暴，直接上代码，然后唯一的中文是“水题，不解释”，科科哒，港真，有多少人知道其数学原理，反正我是不建议轻视每一个我们碰到的问题。

首先，回顾一下问题：

简单的说，就是判断一个字符串是否能完全被自身一个子串多次拼接得到。比如“ababab”可以由“ab”拼接而成（我们称之为“好串”），“ababc”则不存在一个子串能拼接出原字符串。

碰到问题，暴力先行，我们可以简单地给出一种暴力的方法：

class Solution:
    def repeatedSubstringPattern(self, s):
        """
        :type s: str
        :rtype: bool
        """
        for x in range(int(len(s)/2)):
            temp=s[0:(x+1)]
            times=int(len(s)/(x+1))
            if temp*times==s:
                return True
        return False      

实际上就是遍历$s$，看前$x$个字符构成的子串能不能拼接出$s$，这样的暴力是$O(n^2)$，当然如果在做代码中if语句之前，判断一下times是否能被len(s)整除的话，可以降到$O(rn)$，其中$r$为$n$的约数的个数，不过这样的改进似乎没有起到很大的作用，因为在我之前的博客《leetcode483. Smallest Good Base 的一些思考 》中讨论了一个不大于n的正整数的约数个数期望意义下是多少的问题，结论是大约为$O(logn)$，于是这样微小的改进大约是$O(nlogn)$，还过得去，聊胜于无~

然后，标答的话，应该是采用$O(n)$的KMP算法，在本文中不做详细介绍，或者了留个微小的坑（立个flag），最近（其实是懒）有点忙。然后，在浏览discuss时候，发现了有个非常非常神奇的做法，给出代码如下：

class Solution:
    def repeatedSubstringPattern(self, s):
        return s in (2 * s)[1:-1]

是的，就是一行，这里剧透一下，这是$O(n)$的算法，简单地说，这个算法分为如下几步：

（算法1）
1. 用两个$s$首尾相连得到一个新的字符串$ss$;
2. 去掉$ss$的首尾两个字符；
3. 如果在剩下来的字符串中能找到$s$那么返回True，否则False

实在是惊人，经过一段时间的思考，终于给出了这个方法的证明，在这个过程中想到了很多东西，非常兴奋，兴奋得我跑去清青快餐吃了一波，然后下面的话，我将会给出我的完整的思考过程（和以前一样，我认为记录思考过程比记录冷冰冰的证明要有意义得多，或者你可以直接拖到后面看证明）

思考过程

如图所示，$s_1$和$s_2$分别为步骤1中所给出的两个字符串

记序列$s_1s_2$的字符分别为$a_0$，$a_1$，…，$a_{2n-1}$，若在$s_1s_2$去掉首尾后中能找到$s_1(s_2)$的话，也就是说存在$k$使得$(a_0a_1...a_{n-1})=(a_ka_{k+1}...a_{k+n-1})=(a_na_{n+1}...a_{2n-1})$，其中$1 \leq k\leq n-2$，于是我们马上有：（$0\leq t \leq n-1$）

$$\left\{ \begin{array}{l} {a_t} = {a_{t + n}}\\ {a_t} = {a_{t + k}}\\ {a_t} = {a_{t + n - k}} \end{array} \right.,$$
为了方便起见，上式中的下标是mod n意义下的，换句话说 $\{a_n\}$有三个周期，分别是 $n$,$k$, $n-k$，但是实际上由于是mod n意义下，于是周期 $n-k$和 $k$是相同的，此时，我猜想：

（猜想1）若有$a_t=a_{t+n}$以及 $a_t=a_{t+k}$， $k\leq n$，那么一定存在一个 $r | n$，使得 $a_t=a_{t+r}.$

如果猜想1成立，那么我们就可以判定，算法1可以用来判断“好串”（$(a_0a_1...a_{r-1})$能生成整个原字符串），不妨加强一下猜想1，做一个更加具体的猜想：

（猜想2）若有$a_t=a_{t+n}$以及$a_t=a_{t+k}$，$k\leq n$，那么$a_t=a_{t+gcd(k,n)}$.

此时，我做了一些实验，下面展示一些例子(不断+4然后取模6)，
1.$k=4,n=6$，如图所示

上图中颜色相近的表示的是值相同（颜色深浅是为了方便读者阅读），实际上就是下图中的好串，它确实有周期$gcd(4,6)=2$，而且字符串被分为$gcd(n,k)$种等价类（绿色和黄色）。

有了上述实验后，我再做了一个尝试（直觉告诉我不妨做个互质情况的实验）

2.$k=4,n=5$

很高兴，和我的猜想一致，它确实有$gcd(4,5)=1$的周期，以及字符串被分为$gcd(n,k)$种等价类（蓝色）。我想，如果把上两幅图的操作看成是一种变换（上面两幅图右边的箭头），那么序列只有在$gcd(k,n)=1$的时候，变换才能遍历整个字符串中的每一个元，否则早早就进入循环了。

重新再以$k=4,n=6$为例，实际上，这个变换就是不断+4然后取模6的过程，那么我想，能不能证明对于任意的等差数列$ak+t$，对于任意$n>1$，取mod n后都会变成周期数列，

此时我突然想到一些东西，我印象中好像有这么一个定理：

（定理1）对于常系数齐次线性递推公式$a_{n+k}=\sum_{i=1}^{k} c_ka_{n+i-1}$，若$m>1$，那么数列$\{a_n\}$模$m$后是周期数列.

我能不能将等差数列转换为常系数齐次线性递推公式，然后通过定理1的某些性质来直接证明猜想2呢？先来看看，$ak+t$的话，似乎可以有

$$(a+1)k+t=2(ak+t)-[(a-1)k+t],$$
也就是说，我们有 $A_{a+1}=2A_{a}-A_{a-1}$，棒！还真的可以转换为常系数齐次线性递推公式，等等， $A_{a+1}=2A_{a}-A_{a-1}$的特征方程是 $x^2-2x+1=(x-1)^2$，我去，对了，二次的特征方程，且有两个重根的通项公式就是一次函数！也就是等差数列！棒极了！周期性用抽屉原理就可以证明，好像直接从等差数列角度也能直接证明，化为递推公式好像没卵用（囧），而且好像没有查到关于定理1的一些有关的好性质，没劲，好像又回到了原点，看看自己能不能解决猜想2.

完整证明

回顾一下，由已知存在$k$（$1 \leq k\leq n-2$），我们有：（$0\leq t \leq n-1$）

$$\left\{ \begin{array}{l} {a_t} = {a_{t + n}}\\ {a_t} = {a_{t + k}}\\ \end{array} \right.,$$
我们只要证明猜想2，我们就能说明算法1给出True的判断就是好串，False的结果必然是非好串。这主要是因为 $gcd(n,k)|n$， $(a_0a_1...a_{gcd(n,k)-1})$能生成整个原字符串.

（猜想2）若有$a_t=a_{t+n}$以及$a_t=a_{t+k}$，$k\leq n$，那么$a_t=a_{t+gcd(k,n)}$.

下面我们来证明猜想2，首先我们有如下引理：

（引理1）用$lcm(m,k)$和$gcd(m,k)$来表示$m,k$的最小公倍数和最大公约数，那么我们有$lcm(m,k) \cdot gcd(m,k)=mk$.

接下来给出关于一次线性同余方程解得存在性定理：

（引理2：线性同余式定理）设$a,b,m\in N_+$，给定一次同余方程$ax \equiv b (mod m)$，
（1）若$gcd(a,m)|b$，那么同余方程有$gcd(a,m)$个在模$m$的不同解，如果有特解$x_0$，那么全部解得形式为$x=x_0+t\cdot m/gcd(a,m)$，$t=0,1,...,gcd(a,m)-1$；
（2）若不整除，那么同余方程不存在解.

我们考虑序列下标序列$t, t+k, t+2k,t+3k...$即$ak+t$，

（第一步）我们先证明：

$$a \cdot k+t \equiv (a+ \frac{n}{gcd(k,n)})k+t \quad (modn),$$

这等价于$kn/gcd(k,n)\equiv 0(modn)$，由引理1有$kn/gcd(k,n)=lcm(k,n)$，于是，最小公倍数$lcm(k,n)$当然可以整除$n$，于是马上知道，上式成立。

（第二步）接下来，固定$t$，我们证明对于$ak+t$，$a$从0取到$\frac{n}{gcd(k,n)}-1$这$\frac{n}{gcd(k,n)}$个数，在模$n$的意义下互不相同，反设，存在$p,q$，$0\leq p<q \leq \frac{n}{gcd(k,n)}$，使得$pk+t \equiv qk+t \quad (modn)$，那么我们有$k(p-q) \equiv 0(modn)$，注意到此时有:

$$k \cdot (p-q)<k \cdot \frac{n}{gcd(k,n)}=lcm(k,n),$$
若有 $k(p-q) \equiv 0(modn)$，这与最小公倍数 $lcm(k,n)$的最小性矛盾！

回到原猜想2（再次重申，所有的下标就是模$n$意义下的），由第一步和第二步，我们知道，对于原字符串$a_1,a_2,...,a_{n-1}$中，取定一个$t$，必有：

$$a_t=a_{t+k}=a_{t+2k}=...=a_{t+\frac{n}{gcd(k,n)}-1},$$
上式中的元构成的集合我们称为等价类$A_t \subset s$，下面我们证明等价类$A_t \subset s$中的元，下标必是$gcd(k,n)$为周期，用数学的语言描述即任取一个元$a_{t+kx} \in A_t$，必有$a_{t+kx+gcd(k,n)} \in A_t$，$0 \leq x \leq \frac{n}{gcd(k,n)}-1$.直接证明，似乎没那么容易，换一个角度，我是否能构造一个集合$A'_t$使得：

• $A'_t$中的元有$a_{t+p \cdot gcd(k,n)}$的形式（$0 \leq p \leq \frac{n}{gcd(k,n)}-1$）；
• 存在双射$f$: $A'_t \to A_t$.

这样的话$A'_t$与$A_t$的元完全相同，而$A'_t$的元的下标是以$gcd(k,n)$为周期的，那么$A_t$也必是如此！

取定$p \in [0, \frac{n}{gcd(k,n)}-1]$，考察同余方程

$$x\cdot k+t \equiv p \cdot gcd(k,n)+t \quad(mod n),$$
在 $[0, \frac{n}{gcd(k,n)}-1]$上的正整数解。由引理2（线性同余式定理），因为 $gcd(k,n)|p \cdot gcd(k,n)$，故同余方程有 $x=x_0+t\cdot n/gcd(a,n)$， $t=0,1,...,gcd(a,n)-1$，由抽屉原理，不管 $x_0$是什么，在模 $n$的意义下，上述同余方程在$[0, \frac{n}{gcd(k,n)}-1]$有唯一解！（因为解步长是 $\frac{n}{gcd(k,n)}$），

同理，取定$a \in [0, \frac{n}{gcd(k,n)}-1]$，考察同余方程

$$a\cdot k+t \equiv x \cdot gcd(k,n)+t \quad(mod n),$$
在 $[0, \frac{n}{gcd(k,n)}-1]$上有唯一解！

所以上面两个同余方程的解唯一性保证了$A'_t$和$A_t$的元是一一对应的，于是$A_t$的元在模$n$的意义下必是以$gcd(k,n)$为周期的。即对于任意的$t$，都有$a_t=a_{t+gcd(k,n)}$，故完成证明！

————————————————

后记

由上面的思考，顺便得到如下结论：

（结论1）对等差数列$ak+t$，$a\in N_+$，取mod n后所得到的周期数列，必有周期$n/gcd(k,n)$，且$n/gcd(k,n)$为最小正周期.

修改一下结论1有：

（结论2）常系数齐次线性递推公式$A_{a+1}=2A_{a}-A_{a-1}$取mod n后所得到的周期数列的周期完全取决于初值.

进一步的思考：

（作业）若有$a_t=a_{t+k_i}$，其中$i=1,2...n$，那么是否有$a_t=a_{t+gcd(k_1,k_2,...,k_n)}?$.

如果，上面的这个作业成立的话，那么由之前我的这篇博文:从Happy num所想到的几个问题 最后提到任取k个自然数，它们互素的概率为$\frac{1}{\zeta(k)}$，即有非常大的概率，使得数列$\{a_t\}$每一项都是相同的.