基础数论学习笔记

目录

• 整除
• 质数
• 积性函数
• 模算术

整除

一般情况下暂不讨论负数
任何正整数都整除于0
若$gcd(a,b)=1$，则称$a$与$b$互质

$gcd$与$lcm$的关系：

$$lcm(a,b)=\frac{ab}{gcd(a,b)}$$

$gcd$的性质

1. $gcd(a,b)=gcd(b,a-b)$
2. $gcd(a,b)=gcd(b,a\%b)$

求$gcd$的代码

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

复杂度为$O(\log \max (a,b))$

质数

质数个数

公式：
定义$\pi (n)$为不大于$n$的质数的个数，则：
$$\pi (n)=O(\frac{n}{\log n})$$
$n$越大，答案越精准

唯一分解定理

对于任意一个$n\ge 2$,都有这样的唯一的分解式：
$$n=\prod _{i=1}^m{p}_i^{k_i}$$
其中，$p_i$为不大于$n$的质数，$k_i$为正整数
可以证明，$m=O(\log \log n)$

质因数分解代码

//法一
for(int i=2;i<=n;++i)
{
    while(n%i==0)
    {
        num[++cnt]=i;
        n/=i;
    }
}
//法二
for(int i=2;i*i<=n;++i)
{
    while(n%i==0)
    {
        num[++cnt]=i;
        n/=i;
    }
}
if(n>1)num[++cnt]=n;
//法三
vector<int>p;//存储所有的质数
for(int i=1;i<p.size();++i)
{
    if(p[i]*p[i]>n)break;
    while(n%p[i]==0)
    {
        num[++cnt]=p[i];
        n/=p[i];
    }
}
if(n>1)num[++cnt]=n;

法一的复杂度为$O(n)$
法二的复杂度为$O(\sqrt{n})$
法三的复杂度为$O(\frac{\sqrt{n}}{\log n})$

求所有不大于$n$的质数

筛法：

1. 朴素筛：复杂度为$O(nlogn)$
2. 埃氏筛：复杂度为$O(nloglogn)$
3. 欧拉筛：复杂度为$O(n)$

欧拉筛代码：

bool vis[N];
int num[N]
vis[1]=1;
for(int i=1;i<=n;++i)
{
    if(!vis[i])num[++cnt]=i;
    for(int j=1;j<=cnt&&num[j]*i<=n;++j)
    {
        vis[i*num[j]]=1;
        if(i%num[j]==0)break;
    }
}

积性函数

定义

设$f(n)$为定义在正整数上的函数（一般数论函数较多），如果$f(1)=1$，且对于任意的正整数$a,b$，若$gcd(a,b)=1$，，就有：
$$f(a\ast b)=f(a)\ast f(b)$$
我们称$f(n)$为积性函数
若不要求$a，b$互质，这样的$f(n)$称为完全积性函数

计算方法

首先是得到$n$的唯一分解式：$n={\prod }_{i=1}^m{p}_i^{k_i}$

根据积性函数的性质可以得到以下计算式：
$$f(n)=\prod _{i=1}^m{p}_i^{k_i}$$
求解$f(p_i^{k_i})$的方法由积性函数的性质决定，无一般方法求解

线性筛的过程中求解积性函数

bool vis [ N+1]; 
vector p ; 
int c [ N+1], f [ N+1]; 
void sieve()
{ 
    for (int i = 2; i <= N; ++ i)
    { 
        if(!vis [ i])
        { 
            p .push_back ( i); 
            for (int j = i , k = 1;; ++ k)
            { 
                c [ j] = j ; 
                f [ j] = cal ( i , k); 
                if ( j > N / i ) break ; 
                j *= i ; 
            } 
        } 
        for (int j = 0; i * p [ j] <= N; ++ j)
        { 
            vis [ i * p [ j]] = 1; 
            if ( i % p [ j] == 0)
            { 
                c [ i * p [ j]] = c [ i]* p [ j]; 
                f [ i * p [ j]] = f [ i / c [ i]]* f [ c [ i]* p [ j]]; 
                break ; 
            }
            c [ i * p [ j]] = p [ j]; 
            f [ i * p [ j]] = f [ i]* f [ p [ j]]; 
        } 
    } 
} 

积性函数举例

约数函数

定义${\sigma }_x(n)$为$n$的所有约数的$x$次方的和，即：
$${\sigma }_x(n)=\sum _{d\mid n}{d}^x$$
特别的，${\sigma }_0(n)$表示的是$n$的约数的个数，常常记为$d(n)$或$\tau (n)$，${\sigma }_1(n)$表示的是约数和，简记为$\sigma (n)$

具体来说，对于$n$的每一个质因子，我们都可以得到这样的式子：
$$\tau (p^k)=l+1$$
（+1的原因是要考虑1）
然后，我们把$n$的唯一分解式带入后，根据乘法原理就可以得到$\tau (n)$的计算式：
$$\tau (n)=\prod _{i=1}^m{k}_i+1$$
由此可以证明${\sigma }_0(n)$为积性函数

对于质数$p$和正整数$k$，有：
$${\sigma }_x(p^k)=\sum _{i=0}^k(p^i{)}^x=\sum _{i=0}^k(p^x{)}^i$$
因此，当$x\ne 0$时，有：
$${\sigma }_x(p^k)=\frac{(p^x{)}^{k+1}-1}{p^x-1}$$

欧拉函数

定义$\phi (n)$ 为不大于$n$的数中与$n$互质的数的个数，即：
$$\phi (n)=\sum _{i=1}^n[gcd(i,n)=1]$$
$[x]$在$x$为真时值为$1$

对于质数$p$和正整数$k$，有：
$$\phi (p^k)=p^k-p^{k-1}=p^{k-1}\ast (p-1)$$
可以证明$\phi (n)$为积性函数

欧拉函数的计算公式：
$$\phi (n)=n\prod _{p\mid n}(1-\frac{1}{p_i})$$

欧拉函数的性质：

1. ${\sum }_{d\mid n}\phi (d)=n$
2. 若$n$为质数，$\phi (n)=n-1$
3. 若$\gcd (a,b)=1$，则$\phi (ab)=\phi (a)\phi (b)$

欧拉函数的求解：

求解单个欧拉函数的值：

int tmp=phi_m=m;
    for(int i=2;i<=m;++i)
    {
        if(i*i>m)break;
        if(tmp%i==0)
        {
            phi_m=phi_m-phi_m/i;
            while(tmp%i==0)tmp/=i;
        }
    }
    if(tmp>1)phi_m=phi_m-phi_m/tmp;

线性递推求解多个欧拉函数的值：

void phi_n()
{
    phi[1]=1;
    for(int i=2;i<=N-10;++i)
    {
        if(!vis[i])
        {
            phi[i]=i-1;
            p.push_back(i);
        }
        for(int j=0;j<p.size()&&p[j]*i<=N-10;++j)
        {
            vis[i*p[j]]=1; 
            if(i%p[j]==0)
            {
                phi[i*p[j]]=phi[i]*p[j];
                break;
            }
            else phi[i*p[j]]=phi[i]*phi[p[j]];
        }
    }
}

模算术

取模

注意取模的定义（特指负数形式下）
$$amodn=\{\begin{array}{ll}a-\lfloor \frac{a}{n}\rfloor & a\ge 0\\ & \\ -(-amodn)& a<0\end{array}$$

同余

若$(a-b)modn=0$，则称$a$和$b$同余，记作：
$$a\equiv b(modn)$$
当$a$和$b$均取正整数时，此式等价于$amodn=bmodn$

根据模运算的性质可得到同余的等价形式：
$$a\equiv b(\mathrm{mod}n)⟺n\mid (a-b)$$

根据模运算的定义可以得到几个几个同余的性质：

假设 $a\equiv b(modn)$ 且 $c\equiv d(\mathrm{mod}n)$，可以得知：

1. $a+c\equiv b+d(\mathrm{mod}n)$
2. $ac\equiv bd(\mathrm{mod}n)$
3. $ka\equiv kb(\mathrm{mod}n)$
4. $a^m\equiv b^m(\mathrm{mod}n)$
5. 若$ab\equiv ac(\mathrm{mod}n)$，且$\gcd (a,n)=1$，则$b\equiv c(\mathrm{mod}n)$，满足消去律

剩余类

把所有模$n$后与$a$同余的整数构成的集合叫做一个剩余类，记作$[a]$

根据同余的性质可以推得：$a\equiv b(\mathrm{mod}n)\iff [a]=[b]$

剩余类的运算满足：交换律、结合律，分配律

即：$[a]+[b]=[a+b],[a]\ast [b]=[a\ast b]$

模算术的基本性质

设$a_0=amodn$，$b_0=bmodn$，有：
$$\begin{array}{r}a+b\equiv a_0+b_0(modn)\\ a\ast b\equiv a_0\ast b_0(modn)\end{array}$$
对于任意的正整数$k$，有：
$$amodn=(amodkn)modn$$
若有$k\mid n$，则：
$$\frac{a}{k}modn=\frac{amodkn}{k}$$
证明如下：

设 $a=mk$

$$\begin{array}{r}\frac{a}{k}modn=mmodn\\ =m-n\\ \frac{amodkn}{k}=\frac{a-kn}{k}\\ \\ =\frac{k(m-n)}{k}\\ \\ =m-n\end{array}$$

模算术的基本运算

取模优化

template <class>T
inline T mod(T a)
{
    return a<p?a:a-p;
}

这个函数的速度优于内置的取模运算符，但不可以代替取模（仅仅在$a<2p$时可以使用）

快速幂（平方求幂法）

int power(int a, int b,int mod)
{ 
    int bas=a,num=1; 
    while(b)
    { 
        if(b&1) num = (num*bas)%mod; 
        bas=(bas*bas)%mod; 
        b>>=1;
    } 
    return num; 
}

龟速（快速）乘（加倍求积法）

#define int long long
int mul(int a, int b,int mod)
{ 
    int  num = 0; 
    while(b)
    { 
        if(b&1) num =(num+a)%mod; 
        if(b>1) a =(a+a)%mod;
        b>>=1; 
    } 
    return num; 
}

龟速乘的主要用途是为了防止炸精度，从而以牺牲时间复杂度为代价进行加倍求积

模乘法的逆元

逆元存在的意义是分数无法直接取模

设$a$为正整数，若存在整数$b$满足：
$$a\ast b\equiv 1(modn)$$
则称$b$为$a$模$n$的逆元，记为$a^{-1}$或$\frac{1}{a}$

• 当且仅当$gcd(a,n)=1$时，$a$模$n$的逆元存在

• $a$模$n$的逆元在模$n$意义下具有唯一性

费马小定理

设$p$为质数，$a$与$p$互质，则有：
$$a^{p-1}\equiv 1(modp)$$

证明如下：

已知$gcd(a,p)=1$，我们取一个数列如下：

$$1,2,\dots ,p-1$$集体乘$a$再模$p$可以得到：
$$a,2a,\dots ,(p-1)a\mathrm{mod}p\to 1,2,\dots ,p-1$$
因为$a,2a,\dots ,(p-1)a$为$p-1$个互不相同的数，模$p$后势必得到$p$个不同的数，因此可以得到上式

由上式我们可以得到：
$$1\times 2\times \cdots \times (p-1)\equiv a\times 2a\times \cdots \times (p-1)a(\mathrm{mod}p)$$
即：
$$(p-1)!\equiv a^{p-1}(p-1)!(\mathrm{mod}p)$$

又因为$gcd(p,p-1)=1$，原式推导可得：
$$1\equiv a^{p-1}(\mathrm{mod}p)$$
证毕

注意：同余式可以两端同时乘逆元

由费马小定理可以得知：
$$a\ast a^{p-2}\equiv 1(\mathrm{mod}p)$$
根据乘法逆元的定义可以得知：
$$a^{-1}\equiv a^{p-2}(\mathrm{mod}p)$$

由此，我们可以根据费马小定理，利用快速幂求解逆元

预处理逆元

假设$p$为质数，$n$为正整数，求$[1,n]$每个数模$p$意义下的逆元

对每个数分别求逆元，时间复杂度为$O(nlogp)$

我们可以发现，逆元满足积性函数，因此可以用线性筛去求解，时间复杂度为$O(\frac{n\log p}{\log n})$

（关于逆元是积性函数的证明，显然有$(ab{)}^{-1}=a^{-1}{b}^{-1}$）

但显然我们有更优的方法

我们设$i\in [1,n]$，根据模运算的性质我们可以得到：
$$p=\lfloor \frac{p}{i}\rfloor i+(p\mathrm{mod}i)$$

对该式移项化简可以得到：
$$i^{-1}\equiv -\frac{\lfloor \frac{p}{i}\rfloor }{p\mathrm{mod}i}(\mathrm{mod}p)$$
因为 $p\mathrm{mod}i<i$，因此递推计算的时间复杂度为$O(n)$

以上方法推导简单，但不是最优的方法

一个明显的等式$\frac{1}{i!}=\frac{i+1}{(i+1)!}$，因此实际上，我们可以用$O(\log p)$的复杂度求出$\frac{1}{n!}$，接下来进行递推便可得到任意的$\frac{1}{i!}$，由此可以得到$\frac{1}{i}$

欧拉定理

设$n\ge 2$为整数，$gcd(a,b)=1$，则有：
$$a^{\phi (n)}\equiv 1(modn)$$

特别的，若$n$为质数，$\phi (n)=n-1$，欧拉定理便转化为费马小定理

用类似的方法可以得到：
$$a^{-1}\equiv a^{\phi (n)-1}(\mathrm{mod}n)$$

利用这个式子便可以求任意模数下的逆元，但计算$\phi (n)$的复杂度较高（$O(\sqrt{n}\log n)$），该式不如费马小定理常用

扩展欧拉定理

对于欧拉定理，我们可以将$a$的指数一般化，得到一下情况
$$a^b\equiv \{\begin{array}{l}{a}^{b\mathrm{mod}\phi (m)}(\mathrm{mod}m)\gcd (a,m)=1\\ \\ a^b(\mathrm{mod}m)\gcd (a,m)\ne 1,b<\phi (m)\\ \\ a^{(b\mathrm{mod}\phi (m))+\phi (m)}(\mathrm{mod}m)\gcd (a,m)\ne 1,b\ge \phi (m)\end{array}$$

降幂公式

设$n,k$为任意的正整数，$a$为任意整数，可以得到：
$$a^k\equiv a^{\min (k,k_0)}(\mathrm{mod}n)$$
其中，$k_0=(k\mathrm{mod}\phi (n))+\phi (n)$

由此我们就可以实现降幂的操作，从而降低时间复杂度

欧拉降幂

根据扩展欧拉定理，我们可以对于降幂的操作分三类情况进行讨论，然后分别进行降幂操作

代码如下：

int read() 
{ 
    int b=0;
    bool flag=0;
    char c; 
    while (!isdigit(c = getchar())); 
    for (; isdigit(c); c = getchar()) //由于读入的系数会很大，因此要一边读入一边取模降幂
    { 
        b = b * 10 + c - '0'; 
        if (b >= phi) 
        { 
            flag = true; 
            b %= phi; 
        } 
    } 
    if (flag) 
    { 
        b += phi ;
    } 
    return b;
}

欧几里得算法与扩展欧几里得算法

欧几里得算法（辗转相除法）

设$a,b$为任意正整数且$a>b$，则存在正整数组$q,r$满足：
$$\begin{array}{r}a=q_{0}b+r_0\\ b=q_1{r}_0+r_1\\ r_0=q_1{r}_1+r_2\\ \dots \dots \\ r_{n-2}=q_n{r}_{n-1}+r_n\\ r_{n-1}=q_{n+1}{r}_n\end{array}$$
其中，$b>r_0>r_1\dot{>}{r}_n$

以上的一组式子实际上是 求解$\gcd (a,b)$的展开

扩展欧几里得算法

通过以上的式子我们可以总结得出，对于任意的正整数$k$，都会满足：
$$r_k=r_{k-2}-q_k{r}_{k-1}$$
因此，我们可以通过递归求解出整数（可以为负数）$x,y$，满足：
$$r_n=ax+by$$

特别的，当$\gcd (a,b)=1$时，原式可化简为$ax\equiv 1(\mathrm{mod}b)$，此时，$x$为$a$在模$b$意义下的逆元

扩欧代码：

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

当$b=0$时，我们显然有一组解$x=1,y=0$

当$b>0$时，由$\gcd (a,b)=gcd(b,a\mathrm{mod}b)$可知：假设存在$x,y$满足$ax+\gcd (b,a\mathrm{mod}b)y=\gcd (b,a\mathrm{mod}b)$

那么就有$ay+b(x-\lfloor \frac{a}{b}\rfloor )=\gcd (a,b)$

裴蜀定理

对于任意的正整数$a,b$，都存在$x,y$满足$ax+by=\gcd (a,b)$

裴蜀定理也可以扩展到$n$个正整数，即：

对于任意$n$个正整数$a_1,a_2,\dots ,a_n$，都存在$n$个整数$x_1,x_2,\dots ,x_n$，满足：
$$a_1{x}_1+a_2{x}_2+\cdots +a_n{x}_n=\gcd (a_1,a_2,\dots ,a_n)$$
这个方程亦可用扩欧进行求解

扩欧最常用的一个方面是求解不定方程$ax+by=c$

根据裴蜀定理可以得到：

若$c\mid \gcd (a,b)$，该方程肯定有整数解

我们可以求出$ax+by=\gcd (a,b)$的一组特解$(x^{\prime },y^{\prime })$，然后得到了$ax+by=c$的一组特解:
$$(\frac{c}{\gcd (a,b)}{x}^{\prime },\frac{c}{\gcd (a,b)}{y}^{\prime })$$

最后可以得到该方程的通解：

$$(\frac{c}{\gcd (a,b)}{x}^{\prime }+k\frac{b}{\gcd (a,b)},\frac{c}{\gcd (a,b)}{y}^{\prime }-k\frac{a}{\gcd (a,b)})$$

中国剩余定理($CRT$)

问题背景：

求解同余方程组：
$$\{\begin{array}{l}x\equiv a_1(\mathrm{mod}{m}_1)\\ x\equiv a_2(\mathrm{mod}{m}_2)\\ \dots \dots \\ x\equiv a_n(\mathrm{mod}{m}_n)\end{array}$$

其中，$m_1,m_2\dots ,m_n$两两互质

对此我们可以去构造一组解

设$M={\prod }_{i=1}^n{m}_i$，我们可以构造：
$$x=\sum _{i=1}^n{M}_i(a_i{M}_i^{-1}\mathrm{mod}{m}_i)$$

其中，$M_i$表示$\frac{M}{m_i}$，可以证明该解在模$M$意义下唯一

代码实现：

#include<bits/stdc++.h>
using namespace std;
#define int long long
int n,ans;
int a[100100],b[100100];
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;
}//利用exgcd求逆元（费马小定理可能不适用）
signed main()
{
    scanf("%lld",&n);
    int M=1;
    for(int i=1;i<=n;++i)
    {
        scanf("%lld%lld",&b[i],&a[i]);
        M*=b[i];//构造M
    }
    for(int i=1;i<=n;++i)
    {
        int mod=b[i],mi=M/b[i];
        int x=0,y=0;
        exgcd(mi,mod,x,y);//x为Mi的逆元
        ans=(ans+a[i]*mi*(x<0?x+b[i]:x));
    }
    printf("%lld",ans%M);
    return 0;
}

扩展$CRT$

问题背景：求解同余方程组
$$x=a_i(\mathrm{mod}{m}_i)$$
此时不要求$m_i$两两互质

对于每一个$m_i$，我们对其进行质因数分解，得到$m_i=\prod p_{i,j}^{k_{i,j}}$ ，然后将原方程进行拆分。对于$p$相同的方程进行合并，从而转化为模数两两互质的方程组。若合并时出现矛盾，则原方程组无解