算法数论.

质数

只有1和自身能整除自身的数

0和1既不是质数也不是合数

质数判定(试除法)

bool isPrime(int n){
    if(n < 2) return false;
    for (int i = 2; i <= n / i; i ++ ){
        if(n % i == 0) return false;
    }
    return true;
}

筛选质数

void primes(int n){
	memset*(v, 0, sizeof(v));
	for(int i = 2; i <= n; i++){
		if(v[i]) continue;
		//i是质数
		cout << i << endl;
		for(int j = i; i <= n / i; j++) v[i * j] = 1;
	}
}

线性筛法

原理：每个合数会被它的最小质因子筛去

int st[N], primes[N];
void get_primes(int n)  // 线性筛质数
{
    for (int i = 2; i <= n; i ++ )
    {
        //如果没被标记，当前数i是质数
        if (!st[i]) primes[cnt ++ ] = i;
        for (int j = 0; primes[j] <= n / i; j ++ )
        {
            //当前质数的i倍不是质数，筛选掉
            st[primes[j] * i] = true;
            if (i % primes[j] == 0) break;
        }
    }
}

质因数分解

任何一个大于1的正整数都可唯一分解为有限个质数的乘积

$N=p_1^{c_1}{p}_2^{c_2}...p_m^{c_m}$

$c_i都是正整数,p_i都是质数,且p1<p2<...<pm$

• 分解质因数的代码

typedef pair<int, int> PII;
//时间复杂度根号n
vector<PII> divide(int n){
	vector<PII> v;
	for(int i = 2; i <= n / i; i++){
	    //一个合数的因子在扫描到这个荷属之前就从N中筛选掉了，所以能整除n的一定是质数
		if(n % i == 0){
			int cnt = 0;
			while(n % i == 0){
				cnt++;
				n /= i;
			}
			//i的cnt次方
			v.push_back({i, cnt});
		}
	}
	//n如果没有被2到根号n整数，则n是质数
	if(n > 1) v.push_back({n, 1});
	return v;
}

约数

若d能整除n，则称d是n的约数，n是d的倍数，记 d | n

$N=p_1^{c_1}{p}_2^{c_2}...p_m^{c_m}$

正约数个数

$n=(c_1+1)\ast (c_2+1)\ast ...\ast (c_m+1)$

正约数之和

$s=(p_1^0+p_1^1+p_1^2+...+p_1^{c1})\ast ...\ast (p_m^0+p_m^1+p_m^2+...+p_m^{c_m})$

试除法

作用: 求一个数的约数集合
时间复杂度: $O(\sqrt{n})$
核心思想：若d能整除n，则n/d也能整除n

vector<int> approximateNumber(int n){
    vector<int> v;
    //(i*i <= n)  => (i <= n / i)
    for (int i = 1; i <= n / i; i ++ ){
        if(n % i == 0){
            v.push_back(i);
            if(n / i != i)v.push_back(n / i);
        }
    }
    return v;
}

倍数法

作用：求1~n每个数的正约数集合
时间复杂度：$O(nlogn)$
核心思想：对于每个约数d，以d为约数的数是d的倍数，如$d,2d,...[n/d]\ast d$

const int N = 1e5 + 10;

vector<vector<int>> multiple(int n){
    vector<vector<int>> r(N);
    //遍历每个约数d
    for (int i = 1; i <= n; i ++ ){
        //以d为约数的数是d的倍数
        for (int j = 1; j <= n / i; j ++ ){
            r[i * j].push_back(i);
        }
    }
    return r;
}

最大公约数

若d是a也是b的约数，则称d是a和b的公约数。在a和b的公约数中最大的一个，称最大公约数，记为$gcd(a,b)$
若m是a也是b的倍数，则称d是a和b的公倍数。在a和b的公倍数中最小的一个，称最小公倍数，记为$lcm(a,b)$

定理:：$gcd(a,b)\ast lcm(a,b)=a\ast b$
证明：

更相减损术

若$a>=b$,有$gcd(a,b)=gcd(b,a-b)=gcd(a,a-b)$
对于所有a， b属于正整数$gcd(2a,2b)=2gcd(a,b)$

int gcd(int a, int b){
    if(b <= 0) return a;
    if(a < b) swap(a, b);
    return gcd(b, a - b);
}

欧几里得算法

对于所有a,b属于正整数，且b不等于0，有$gcd(a,b)=gcd(b,amodb)$

int gcd(int a, int b)  // 欧几里得算法
{
    return b > 0 ? gcd(b, a % b) : a;
}

互质与欧拉函数

$N=p_1^{c_1}{p}_2^{c_2}...p_m^{c_m}$

对于所有的a，b属于正整数，若最大公约数$gcd(a,b)=1$，则称a，b互质

欧拉函数

定义：1~N中与N互质的数的个数被称为欧拉函数，记为$\phi (N)$
$\phi (N)=N\ast \frac{p_1-1}{p_1}\ast \frac{p_2-1}{p_2}\ast ...\ast \frac{p_m-1}{p_m}$

欧拉函数的实现

//分解质因数的模板
int phi(int n){
    int ans = n;
    for (int i = 2; i <= n / i; i ++ ){
        if(n % i == 0){
            //先除再乘，防止溢出
            ans = ans / i * (i - 1) ;
            while(n %  i == 0) n /= i;
        }
    }
    if(n > 1) ans = ans / n * (n - 1);
    return ans;
}

同余

若整数a和整数b除以正整数m的余数相等，则称a，b模m同余，记为$a\equiv b(modm)$

同余类与剩余系

$对于所有a属于[0,m-1],集合a+km(k属于正整数)中的每个数模m同余，$$余数为a，简称该集合为一个模m的同余类，简记为\overline{a}$

同余类是一个集合，这个集合的每个数模m都等于同一个数a

$模m的同余类一共有m个，分别为\overline{0},\overline{1},...,\overline{m-1}。他们构成m的完全剩余系$

在一个数m中，有模m为0的数构成的集合$\overline{0}$,有模m为1的数构成的集合$\overline{1}$,…,有模m为m-1的数构成的集合$\overline{m-1}$

1~m中与m互质的数有$\phi (m)$个，这些与m互质的数分别为构成m的同余类，它们构成m的简化剩余系

根据欧拉函数知道1~m中与m互质的数有$\phi (m)$个，如与10互质的质数有{1,3,7,9}, 有模m为1的数构成的集合$\overline{1}$,有模m为3的数构成的集合$\overline{3}$,有模m为5的数构成的集合$\overline{5}$,有模m为9的数构成的集合$\overline{9}$；所以10的简化剩余系是{$\overline{1}$,$\overline{3}$, $\overline{5}$,$\overline{7}$}

费马小定理

$若p是质数，则对于任意整数a,有a^p\equiv a(modp)$

$a^{p}modp=amodp$(p为质数，a为任意整数)

欧拉定理

$若正整数a,n互质，则a^{\phi (n)}\equiv 1(modn)，其中\phi (n)为欧拉函数$

欧拉定理的推论

$若正整数a,n互质，则对于任意正整数b，有a^b\equiv a^{bmod\phi (n)}(modn)$

证明：
$设b=q\ast \phi (n)+r,即r=bmod\phi (n)$
$a^b(1)\equiv a^{q\ast \phi (n)+r}(2)\equiv (a^{\phi (n)}{)}^q\ast a^r(3)\equiv 1^q\ast a^r(4)\equiv a^r(5)\equiv a^{bmod\phi (n)}(modn)$
证毕
上述证明中的(3)转化到(4)是用了欧拉定理

若答案对一个质数p取模
a+b或a-b，分别把a，b取模再相加
a*b，分别先把底数取模，再让指数对$\phi (p)$取模，再相乘

特别地，当a，n不一定互质且$b>\phi (n),有a^b\equiv a^{bmod\phi (n)+\phi (n)}(modn)$

扩展欧几里得算法

Bézout定理（裴蜀定理）

$对于任意整数a，b，存在一对整数x，y，满足ax+by=gcd(a,b)。$

证明：
$$\begin{gathered} 当b=0,有x=1,y=0,使得a\ast 1+0\ast 0=gcd(a,0);当b>0,有gcd(a,b)=gcd(b,amodb);假设存在一对正整数x,y，满足b\ast x+(amodb)\ast y=gcd(b,amodb)，因为 \\ bx+(amodb)y \\ =bx+(a-b\lfloor a/b\rfloor y) \\ =ay+b(x-\lfloor a/b\rfloor y)， \\ 令x^{\prime }=y，y^{\prime }=x-\lfloor a/b\rfloor y, \\ 就得到了a{x}^{\prime }+b{y}^{\prime }=gcd(a,b),对递归过程使用数学归纳法，可知裴蜀定理成立 \end{gathered}$$

算法代码

int exgcd(int a, int b, int &x, int &y){
    if(b == 0){
        //递归边界，一定有b=0
        //a * 1 + 0 * 0 = gcd(a, 0)
        x = 1; y = 0;
        return a;
    }
    //b > 0
    int d = exgcd(b, a % b, y, x);
    y -= (a / b) * x;
    return d; 
}

乘法逆元

$若整数b,m互质，并且b|a则存在一个整数x，使得a/b\equiv a\ast x(modm)。称x为b的模m乘法逆元，记为b^{-1}(modm)$

$b|a,b整除a，b为被除数，a为除数，a\%b=0$
$当模数为质数时，b^{p-2}即为b的乘法逆元$

线性同余方程

$给定整数a，b，m，求一个整数x满足a\ast x\equiv b(modm),或者无解。因为未知数的质数为1.所以称之为一次同余方程，也称线性同余方程。$

$a\ast x\equiv b(modm)=>a\ast x-b是m的倍数，不妨设为-y倍。于是，该方程可以改写为a\ast x+m\ast y=b$
$线性同余方程有解当且仅当gcd(a,m)|b$

$在有解时，先用欧几里得算法求出一组整数x_0,y_0，满足a\ast x_0+m\ast y_0=gcd(a,m)。然后x=x_0\ast b/gcd(a,m)就是源线性同余方程的一个解。$
$方程的通解是所有模m/gcd(a,m)与x同余的整数$

中国剩余定理

$设m_1，m_2，...，m_n是两两互质的整数，m={\Pi }_{i=1}^n,M_i=m/m_i,t_i是线性同余方程M_i{t}_i\equiv 1(mod{m}_i)的一个解。最大与任意的n个整数a_1,a_2,...,a_n$

$上述方程组有整数解，解为x={\sum }_{i=1}^n{a}_i{M}_i{t}_i$

矩阵乘法

一个nm的矩阵可看作为一个nm的二维数组。矩阵加法和减法就是把两个矩阵对应位置上的数相加减

$$\begin{gathered} 矩阵乘法的定义：设A是n\ast m矩阵，B是m\ast p矩阵，则C=A\ast B是n\ast p矩阵，并且任意i属于[1,n]，任意j属于[1,p]: \\ {C}_{i,j}={\sum }_{k=1}^m{A}_{i,k}\ast B_{k,j} \end{gathered}$$

第一个矩阵的列数必须等于第二个矩阵的行数，所以结果的行数、列数分别等于第一个矩阵的行数、第二个矩阵的列数。矩阵C第第i行第j列的数，是由A的第i行的m个数与B的第j列的m个数分别相乘再相加得到的。

高斯消元与线性空间

高斯消元

高斯消元是一种求解线性方程组的方法。

线性方程组是M个N元一次方程共同构成的；系数矩阵 + 行方程等号的常数 = 增广矩阵，例如

线性空间

线性空间是一个关于以下两个原酸封闭的向量集合：
$1.向量加法a+b,其中a,b均为向量$
$2.标量乘法k\ast a,也称数乘运算，其中a是向量，k是常数$

给定若干个向量$a_1.a_2,...,a_k$,若向量b能有$a_1,a_2...,a_k$经过向量加法和标量乘法运算得出，则称向量b能被向量$a_1,a_2,a_k$表出
.显然,$a_1,a_2,a_k$能表出的所有向量构成一个线性空间，$a_1,a_2,a_k$被成为这个线性空间的生成子集。

任意选出线性空间中的若干个向量，若干其中存在一个向量能被其他向量表出，则称这些向量线性相关，否则称这些向量线性无关。

线性无关的生成自己被称为线性空间的基底，简称基。基的另一种定义是线性空间的极大线性无关子集。一个线性空间的所有基包含的向量个数都相等，这个数被成为线性空间的维数。

例如二维坐标系的一个基底是{(1,0), (0, 1)}, 因为(1,0)和(0,1)不能被其他向量表出；一维x轴上的所有向量构成一维线性空间，它的一个基底是{(1,0)}

组合计数

加法原理

若完成一件事的方法有n类，第i类方法包括$a_i$种不同的方法，且这些方法不重合，则完成这件事一共有$a_1+a_2+,,,+a_n$种不同的方法

乘法原理

若完成一件事需要n个步骤，第i个步骤有$a_i$种不同的完成方法，且这些步骤互不干扰，则完成这件事有$a_1\ast a_2\ast ...a_n$种不同的方法

排列数

从n个不同元素中依次取出m个元素排成一列，产生不同排列的数量为
$A_n^m=\frac{n!}{(n-m)!}=n\ast (n-1)\ast ...\ast (n-m+1)$

组合数

从n个不同元素取出m个组成一个集合(不考虑顺序)，产生的不同集合数量为
$C_n^m=\frac{n!}{m!(n-m)!}=\frac{n\ast (n-1)\ast ...\ast (n-m+1)}{m\ast (m-1)\ast ...\ast 2\ast 1}$

性质

1. $C_n^m=C_n^{n-m}$
2. $C_n^m=C_{n-1}^m+C_{n-1}^{m-1}$
3. $C_n^0+C_n^1+...+C_n^n=2^n$

组合数的求法

根据性质2，用递推法求出结果，时间复杂度$O(n^2)$。
若题目要求对数p取模，并且1~n都存在模p乘法逆元，则可以先计算分子$n!modp$，在计算分母$m!(n-m)!modp$的逆元，撑起来得到$C_n^{m}modp，复杂度为O(n)$

二项式定理

$(a+b{)}^n={\sum }_{k=0}^n{C}_n^k{a}^k{b}^{n-k}$

多重集的排列数

多重集是包含重复元素的广义集合。设 S = { n 1 ∗ a 1 , n 2 ∗ a 2 , . . . , n k ∗ a k } 是 由 n 1 个 a 1 , n 2 个 a 2 . . . n k 个 a k 组 成 的 多 重 集 。 S 的 全 排 列 个 数 为 ： S=\{n_1*a_1, n_2*a_2,...,n_k*a_k\}是由n_1个a_1,n_2个a_2...n_k个a_k组成的多重集。S的全排列个数为： S={n1​∗a1​,n2​∗a2​,...,nk​∗ak​}是由n1​个a1​,n2​个a2​...nk​个ak​组成的多重集。S的全排列个数为：

$\frac{n!}{n_1!n_2!,,,n_k!}$

多重集的组合数

设 S = { n 1 ∗ a 1 , n 2 ∗ a 2 , . . . , n k ∗ a k } 是 由 n 1 个 a 1 , n 2 个 a 2 . . . n k 个 a k 组 成 的 多 重 集 S=\{n_1*a_1, n_2*a_2,...,n_k*a_k\}是由n_1个a_1,n_2个a_2...n_k个a_k组成的多重集 S={n1​∗a1​,n2​∗a2​,...,nk​∗ak​}是由n1​个a1​,n2​个a2​...nk​个ak​组成的多重集,从S中取出r个元素组成一个多重集(不考虑元素顺序)，产生的不同多重集的数量为：

$C_{k+r-1}^{k-1}$

Lucas定理

若p是质数，则对任意整数1<=m<=n,有
$C_n^m\equiv C_{nmodp}^{mmodp}\ast C_{n/p}^{m/p}(modp)$

(catalan)卡特兰数

给定n个0和n个1，他们按照某种顺序排成长度为$2n$的序列，满足任意前缀中0的个数都不少于1的个数的序列的数量为：
$Ca{t}_n=\frac{C_{2n}^n}{n+1}$

容斥原理和Möbius函数

容斥原理

简单来说就是减去加多的部分，加上减多的部分
大写字母代表集合
$A\cup B=A+B-A\cap B$
$A\cup B\cup C=A+B+C-(A\cap B+A\cap C+B\cup C)+A\cap B\cap C$

(Möbius)莫比乌斯函数

$N包含相等的质因子时\mu (N)=0;当N有偶数个不同的质因子时\mu (N)=1;当N有奇数个不同的质因子时\mu (N)=-1$

求$\mu (N)$，分解质因数模板即可

int mu1(int n){
    int z = 0;
    for (int i = 2; i <= n / i; i ++ ){
        if(n % i == 0){
            z++;
            n /= i;
            if(n % i == 0) return 0;
        }
    }
    if(n > 1) z++;
    if(z % 2 == 1) return -1;
    else if(z % 2 == 0) return 1;
}

$求1N的每一个数的莫比乌斯值,可以用埃氏筛选法$
把所有$\mu$值初始化为1，对于每个质数p，零$\mu (p)=-1，并扫描p的倍数x=2p,3p,...,检查x能否被p^2整除。若能\mu (x)=0,否则\mu (x)=-\mu (x)$

int mu3(int n){
    for (int i = 1; i <= n; i ++ ) miu[i] = 1, v[i] = 0;
    for (int i = 2; i <= n; i ++ ){
        if(v[i] == 1) continue;
        miu[i] = -1;
        for (int j = 2 * i; j <= n; j += i){
            v[j] = 1;
            if((j / i) % i == 0) miu[j] = 0;
            else miu[j] *= -1;
        }
    }
}

概率与数学期望

样本点：一个随机试验的某种可能称为样本点
样本空间：所有可能构成的集合
随机事件：样本空间的子集
随机变量：把样本点映射为实数的函数
数学期望：随机变量取值与概率的乘积之和,E(X) = $\sum p_i{x}_i$,$xi$是随机变量的取值，$p_i$是对应的概率

数学期望是线性函数。满足$E(aX+bY)=a\ast E(X)+b\ast E(Y)$

博弈论之SG函数

NIM博弈

给定$n$堆物品，第$i$堆物品有$A_i$个。两名玩家轮流行动，每次可以任选一堆，取走任意多个物品，可把一堆取光，但不能不取。取走最后一件物品者获胜。两人都采取最优策略，问先手能否必胜，

定理：NIM博弈先手必胜，当且仅当$A_{1}xor{A}_{2}xor...xor{A}_n!=0$

公平组合游戏ICG

若一个游戏满足
1.由两名玩家交替行动
2.在游戏进程的任意时刻，可以执行的合法行动与轮到哪名玩家无关
3.不能行动的玩家判负
则称该游戏为一个公平组合游戏

有向图游戏

给定一个有向无环图，图中有一个唯一的起点，在起点上放有一枚棋子。两名玩家交替地把这枚棋子沿有向边进行移动，每次可以移到一步，无法移到者判负。该游戏被称为有向图游戏。

任何一个公平组合游戏都可以转化为有向图游戏。具体方法是，把每个局面看成图中的一个节点，并 且从每个局面沿着合法行动能够达到的下一局面连有向边

Mex运算

设$S$表示一个非负整数集合。定义$mex(S)$为求出不属于集合$S$的最小非负整数的运算,即
m e x ( S ) = m i n x ∈ N , x ∉ S { x } mex(S)=min_{x\in N,x \notin S}\{x\} mex(S)=minx∈N,x∈/​S​{x}

SG函数

在有向图游戏中，对于每个起点$x$，设从$x$出发共有$k$条有向边，分别到达节点$y_1,y_2,...,y_k$,定义$SG(x)$为$x$的后继节点$y_1,y_2,..,y_k$的$SG$函数值构成的集合再执行$mex$运算的结果，即：
S G ( x ) = m e x ( { S G ( y 1 ) , S G ( y 2 ) , . . . , S G ( y k ) } ) SG(x)=mex(\{SG(y_1),SG(y_2),...,SG(y_k)\}) SG(x)=mex({SG(y1​),SG(y2​),...,SG(yk​)})

定理

有向图游戏的某个局面必败，当且仅当当局面对应节点的$SG$函数值大于0。
有向图游戏的某个局面必败，当且仅当该局面对应节点的$SG$函数值等于0。