【C++】数论

排列组合

排列

• 排列的定义:从n个不同元素中,任取m(m≤n,m与n均为自然数)个不同的元素按照一定的顺序排成一列,叫做从n个不同元素中取出m个元素的一个排列,从n个不同元素中取出m(m≤n)个元素的所有排列的个数,叫做从n个不同元素中取出m个元素的排列数,用符号$A(n,m)$或$A_n^m$表示。
  $A(n,m)=n\ast (n-1)\ast (n-2)\ast ...\ast (n-m+1)=\frac{n!}{(n-m)!}$

组合

• 从n个不同元素中,任取m(m≤n)个元素并成一组,叫做从n个不同元素中取出m个元素的一个组合,从n个不同元素中取出m(m≤n)个元素的所有组合的个数,叫做从n个不同元素中取出m个元素的组合数。用符号 $C(n,m)$或$C_n^m$ 表示。
  $C(n,m)=\frac{A(n,m)}{m!}=\frac{n!}{(n-m)!m!}$
• $C(n,m)=C(n,m-1)+C(n-1,m-1)$
• $C(n,m)=C(n,n-m)$
• ${\sum }_{i=0}^{n}C(n,i)=2^n$
• $C(n,0)-C(n,1)+...\pm C(n,n)=0$
• $C(n,0)+C(n,2)+C(n,4)+...=C(n,1)+C(n,3)+C(n,5)+...=2^{m-1}$

卢卡斯定理

• $p是素数,C(n,m)\%p=C(n/p,m/p)\ast C(n\%p,m\%p)\%p$

加法递推

• 动态规划的思想,$C(n,m)=C(n-1,m-1)+C(n-1,m),C(n,0)=1$,复杂度为$O(n^2)$

for(int i=0;i<=n;i++){
	C[i][0]=1;
	for(int j=1;j<=i;j++){
		C[i][j]=C[i-1][j-1]+C[i-1][j];
	}
}

乘法递推

• $C(n,m)=\frac{n-m+1}{m}C(n,m-1),C(n,0)=1$,复杂度为$O(n)$

C[0]=1;
if(m>n-m) m=n-m;
for(int i=1;i<=m;i++){
	C[i]=(n-i+1)*C[i-1]/i;
}

整除性质

• $a|b\leftrightarrow -a|b\leftrightarrow |a|||b|$
• $a|b,b|c\to a|c$
• $a|b,a|c\to a|(bx+cy),x,y,\in N$
• KaTeX parse error: Undefined control sequence: \and at position 30: … am|bm,m\in{N} \̲a̲n̲d̲ ̲m \ne 0
• KaTeX parse error: Undefined control sequence: \abs at position 21: …|a \rightarrow \̲a̲b̲s̲{a}=\abs{b}
• $a|bcgcd(a,c)=1\to a|b$
• $a|b,a|c,gcd(b,c)=1\to a|bc$
• $a|b,c\in N\to b|ac$
• 带余除法定理:$\forall a,b>0,\exists 唯一q,r使得a=bq+r,其中0\le r<b$

模与余

模运算

• $(a\pm b)\%p=(a\%p\pm b\%p)\%p$
• $(a\ast b)\%p=((a\%p)\ast (b\%p))\%p$
• $(a^b)\%p=((a\%p{)}^b)\%p$
• 模运算满足结合律,交换律和分配律

同余性质

• 反身性:$a\equiv a(modm)$
• 对称性:$a\equiv b(modm)\to b\equiv a(modm)$
• 传递性:$a\equiv b(modm),b\equiv c(modm)\to a\equiv c(modm)$
• 同余相加:$a\equiv b(modm),c\equiv d(modm)\to a+c\equiv b+d(modm)$
• 同余相乘:$a\equiv b(modm),c\equiv d(modm)\to a\ast c\equiv b\ast d(modm)$

完全数

真因子之和等于它本身的自然数
高效打表
本题可以转化为对每个数求真因子之和，其算法如下

1. 所有数都含有真因数$1$,初始化所有数的因子和为$1$($0,1$除外)
2. 循环$i$从$2$开始,到打表上限
3. 让$j=2i,3i,4i,....$,$j<=上限$
4. 说明所有的$j$都含有真因数$i$,对应因数和就要加上$i$
5. 这个数因数和等于这个数,说明是完全数

long long num[N];
void init(){
	for(int i=2;i<N;i++){//真因数从2开始找
		for(int j=i+i;j<N;j+=i){//j=2i,3i....,j含有真因数i
			num[j]+=i;//j的真因数和加上i
		}
	}
}

素数

只能被1和自身整除的数就是素数。

反素数

记正整数$x$的因数个数为$g(x)$，如$g(1)=1,g(6)=4$

如果正整数$x$满足：对于任意$i\in N^{+},0<i<x$，都有$g(x)>g(i),则称$x$为反素数。

性质

1. 反素数的素因子必然是从2开始连续的素数
2. $x=p_1^{a_1}\ast p_2^{a_2}\ast \cdots \ast p_n^{a_n}$，必然有$a_1\ge a_2\ge a_3\ge \cdots \ge a_n$
3. 反素数是区间内因子最多的数，因子数相同的数中，反素数值最小

素数判定

试除法

尝试$2\sim sqrt(n)$能不能整除$n$

int prime(int n){
	if(n==2) return 1;//2是素数
	if(n<=1||n%2==0) return 0;//1和其余偶数不管
	for(int i=3;i*i<=n;i+=2){//只在奇数中循环
		if(n%i==0) return 0;
	}
	return 1;
}

埃氏筛法

伪代码

for(i=2;i<=上界;i++){
	for(j=i+i;j<=上界;j++){//标记i的倍数为非素数
		标记j为非素数
	}
}

C++代码

int isPrime[N+1];//判断素数
void init(){
	isPrime[0]=isPrime[1]=0;//标记0 1不是素数
	for(int i=2;i<=N;i++){
		if(!isPrime[i]) continue;//非素数继续下一轮
		for(int j=i+i;j<=N;j+=i){
			isPrime[j]=0;//标记i的倍数不是素数
		}
	}
}

欧拉筛法(线筛法)

把所有已经找到的素数倍数筛为合数，是埃氏筛法的改进版，不会重复筛选

int isPrime[N+1];//判断素数
int primes[N/2+1];//存素数
int cnt=0;//记录素数个数
void init(){
	isPrime[0]=isPrime[1]=0;//标记0 1不是素数
	for(int i=2;i<=N;i++){
		if(isPrime[i]){//如果i是素数,存进去
			primes[cnt++]=i;
		}
		for(int j=0;j<cnt&&i*primes[j]<=N;j++){
			//标记i*primes[j]为非素数,即i的素数倍
			isPrime[i*primes[j]]=0;
			if(i%primes[j]==0) break;//i%primes[j]?
				//2*9=18
				//3*6=18
				//6%3 break
		}
	}
}

积性函数

积性函数：形如$gcd(a,b)=1$且满足$f(ab)=f(a)f(b)$的函数称为积性函数

完全积性函数：对于任意正整数$a,b$都有$f(ab)=f(a)f(b)$

性质

1. 两积性函数乘积是积性函数，即若$f(x),g(x)$是积性函数，则$h(x)=f(x)g(x)$也是积性函数
2. 任何积性函数都能应用线筛法在$O(n)$内求出$1\sim n$项

二分快速幂与二分龟速乘

二分快速幂

二分幂

• 二分幂，就是平常所用的幂运算化简方法，一般采用递归实现，不建议使用

如
$$a^b\{\begin{array}{l}a\ast {\left(a^2\right)}^{\frac{b}{2}},b\text{为奇数}\\ {\left(a^2\right)}^{\frac{b}{2}},b\text{为偶数}\end{array}$$
转化为递归方程为
$$f\left(a,b\right)\{\begin{array}{l}1,b=0\\ a\ast f\left(a^2,\frac{b}{2}\right),b\text{为奇数}\\ f\left(a^2,\frac{b}{2}\right),b\text{为偶数}\end{array}$$
算法模板

typedef long long ll;
ll efm(ll a,ll b,ll n){
	if(b==0) return 1;
	if(b&1) return a*efm(a*a%n,b>>1,n);
	else return efm(a*a%n,b>>1,n);
}

快速幂

• 采用二分的思想利用二进制快速求解$a^b$。

算法思想

这里用b表示二进制数，
如$3^{13}=3^{b1101}=3^{1\ast b1000}\ast 3^{1\ast b100}\ast 3^{0\ast b10}\ast 3^{1\ast b1}$
$3^{b10}=(3^{b1}{)}^2$
$3^{b100}=(3^{b10}{)}^2$
$3^{b1000}=(3^{b100}{)}^2$
可以看出，每一项都是前一项的平方，原本需要计算13次的算法被优化到了计算4次，本算法时间复杂度是$O(lo{g}_{2}b)$。

算法模板

• 通常，本算法的幂非常大，所求结果常需要取模

typedef long long ll;
ll ksm(ll a,ll b,ll n){//a^b%n
	ll ret=1;//累乘结果计算
	while(b>0){//非0次幂则计算
		if(b&1){//判断最低为是否为1，0不需要乘入
			ret=ret*a%n;
		}
		a=a*a%n;//由上述推导可得平方关系
		b>>=1;//b右移一位
	}
	return ret;
}

二分龟速乘

• 对于快速幂算法的改进

二分快速幂算法存在的问题

在使用二分快速幂计算乘法时，尽管采用了%n来防止溢出，但仍然会有溢出现象，因为x*y%n，在x*x时就有可能溢出。

二分乘

• 其实就是龟速乘的二分版本，一般用递归实现，不建议使用

乘法可以写成累加的形式，诸如
$$3\ast 5=3+3\ast 4=3+(2\ast 3)\ast 2=3+6\ast 2=3+12$$
转化为递归方程为
$$f\left(a,b\right)\{\begin{array}{l}0,b=0\\ a+f\left(2a,\frac{b}{2}\right),b\text{为奇数}\\ f\left(2a,\frac{b}{2}\right),b\text{为偶数}\end{array}$$
算法模板

typedef long long ll;
ll gsc(ll a,ll b,ll n){
	if(b==0) return 0;
	if(b&1) return (a+gsc((a<<1)%n,b>>1))%n;
	else return gsc((a<<1)%n,b>>1)%n;
}

龟速乘

我们可以让x*y也变成类似于快速幂的运算形式，诸如
$3\ast 5=3\ast b101=3\ast (1\ast b1+0\ast b10+1\ast b100)$
$=1\ast 3\ast b1+0\ast 3\ast b10+1\ast 3\ast b100$
其中
$3\ast b10=3\ast b1+3\ast b1$
$3\ast b100=3\ast b10+3\ast b10$
不难发现，每一项都是前一项的二倍，由于本算法甚至慢于for循环相加，故得名龟速乘，时间复杂度为$O(lo{g}_{2}b)$

算法模板

typedef long long ll;
ll gsc(ll a,ll b,ll n){
	ll ret=0;//累加结果计算
	while(b>0){//非0乘则计算
		if(b&1){//判断最低为是否为1，0不需要加入
			ret=(ret+a)%n;
		}
		a=(a+a)%n;//由上述推导可得平方关系
		b>>=1;//b右移一位
	}
	return ret;
}

快速幂的改进

• 引入了龟速乘后，我们便可以改进快速幂算法

typedef long long ll;
ll ksm(ll a,ll b,ll n){
	ll ret=1;
	while(b>0){
		if(b&1){
			ret=gsc(ret,a,n);//修改位
		}
		a=gsc(a,a,n);//修改位
		b>>=1;
	}
	return ret;
}

重要定理

费马小定理

• $b$是质数且$gcd(a,b)=1\to a^{(p-1)}\equiv 1(modn),a^p\equiv a(modn)$

欧拉定理

欧拉函数

• 欧拉函数表示$1,2,3,...,n$中与$n$互质的元素个数,用$\phi (n)$表示
• $\phi (n)=n(1-\frac{1}{p_1})(1-\frac{1}{p_2})...(1-\frac{1}{p_k})=n(\frac{p_1-1}{p_1})(\frac{p_2-1}{p_2})...(\frac{p_k-1}{p_k})$,其中$p_i$表示$n$的第$i$个质因数

欧拉定理

• $\forall a,b\in N^{+},gcd(a,n)=1\to a^{\phi (n)}\equiv 1(modn)$

欧拉函数算法

1. 函数法

int phi(int n){
	int ans=n;//公式的乘数n
	for(int i=2;i*i<=x;i++){//只能要质因数,循环里面会筛出
		if(x%i==0){
			ans-=ans/i;//n*(1-1/pi)=n-n/pi
			while(n%i==0) n/=i;//筛除n所有的因数i
		}
	}
	if(n>1)//还有剩余，说明剩余数本身也是质因数
		ans-=ans/n;
	return ans;
}

2. 欧拉筛法

欧拉筛法原理见素数-欧拉筛法章节，利用欧拉筛法打表欧拉函数。

int phi[N+1];//存欧拉函数
void init(){
	for(int i=1;i<=N;i++) phi[i]=i;
	for(int i=2;i<=N;i++){
		if(phi[i]==i){//欧拉值是自己则为素数
			for(int j=i;j<=N;j+=i){
				phi[j]-=phi[j]/i;
			}
		}
	}
}

扩展欧拉定理

$$a^b=\{\begin{array}{l}{a}^{bmod\phi \left(m\right),gcd\left(a,m\right)=1}\\ a^b,gcd\left(a,m\right)\ne 1,b<\phi \left(m\right)\\ a^{\left(bmod\phi \left(m\right)+\phi \left(m\right)\right)},gcd\left(a,m\right)\ne 1,b\ge \phi \left(m\right)\end{array}$$

威尔逊定理

• $当且仅当p是素数时,(p-1)!\equiv -1(modn)$

欧几里得算法(辗转反除法)

• 适用于求最大公因数
• 基本算法

设有两个整数$a,b$的最大公约数为$gcd(a,b)$
设$a=q\ast b+r$,其中$a,b,q,r$均为整数
则$gcd(a,b)=gcd(b,r)$,即$gcd(a,b)=gcd(b,a\%b)$

• 证明

$a=q\ast b+r$
如果$r=0$,则a是b的倍数,b是a,b的最大公约数
如果$r\ne 0$,任何整除a,b的数必定整数$a-q\ast b=r$,而且任何同时整除b,r的数必定整除$q\ast b+r=a$,所以a,b的公约数集合与b,r的公约数集合是相同的。

int gcd(int a,int b){//最大公约数
	return b==0?a:gcd(b,a%b);
}
int lcm(int a,int b){//最小公倍数
    return a/gcd(a,b)*b;//防溢出
}

扩展欧几里得

裴蜀定理

• 对于任何整数a,b和他们的最大公因数d,关于未知数x,y的方程$ax+by=m$有整数解当且仅当m是d的倍数,即$ax+by=k\ast gcd(a,b)$
  • 例如,12和42的最大公因数是6,则方程12x+42y=6有整数解$(-3\ast 12+1\ast 42=6,4\ast 12-1\ast 42=6)$
  • 特别地,方程$ax+by=1$有整数解当且仅当整数a,b互质,因此$ax+by=1$可以判断a,b互质
  • d是最小可以写成$ax+by$形式的正整数

扩展欧几里得算法

推导

$a\%b=a-a/b\ast b$
$ax+by=gcd(a,b)=gcd(b,a\%b)=b{x}^{\prime }+(a\%b)y^{\prime }=b{x}^{\prime }+(a-a/b\ast b)y^{\prime }$
移项可得$ax+by=a{y}^{\prime }+b(x^{\prime }-(a/b)y^{\prime })$
有$x=y^{\prime }$,$y=x^{\prime }-(a/b)y^{\prime }$

通解

求$ax+by=c$
设特解为$x_0,y_0$
通解为$x=x_0+k\ast (b/gcd(a,b)),y=q-k\ast (a/gcd(a,b))$,$k$为任意整数
对于一般形式$ax+by=c$的特解或通解为$a^{\prime }{x}^{\prime }+b^{\prime }{y}^{\prime }=gcd(a,b)$的特解或通解乘以系数$c/gcd(a,b)$
令$t=b/d$，$x$的最小整数解为$(x\%t+t)\%t$

/*
用于求ax+by=c的解
求乘法逆元
求线性同余方程
*/
int exgcd(int a,int b,int c,int &x,int &y){
	if(b==0){//最终情况ax=c,x=c/a
		x=c/a;
		y=0;
		return a;
	}
	int r=exgcd(b,a%b,x,y);
	int t=x;
	x=y;//x=y
	y=t-a/b*y;//y=x%y
	return r;
}

举例

gcd(28,10)=gcd(10,8)=gcd(8,2)=gcd(2,0)=2
gcd(2,0):x=1,y=0,2x+0y=2
gcd(8,2):x=0,y=1-0=1,8x+2y=2
gcd(10,8):x=1,y=0-1*1=-1,10x+8y=2
gcd(28,10):x=-1,y=-1-2*(-1)=3,28x+10y=2

线性同余方程

定义

• 形如$ax\equiv b(modn)$的方程

性质

1. 此方程对于未知数$x$有解当且仅当$gcd(a,n)|b$
2. $d=gcd(a,n)$,若$d|b$,则方程恰好有$d$个模$n$不同余的解,否则方程无解
3. 若$x_0$是方程的任一解,则该方程对模$n$有$d$个不同的解,分别为$x_i=x_0+k\ast (b/d),(k=0,1,2,...,d-1)$

解线性同余方程

$ax\equiv b(modn)\to ax+ny=b,d=gcd(a,n)$,若不满足$d|b$,则方程无解,否则$a{x}_0+n{y}_0=d$,利用扩展欧几里得求得一组特解$(x_0,y_0)$后,$x=x_0\ast b/d\%n$就是原方程的一个解,且有$d$个不同解,为$x_i=(x_0+k\ast b/d)\%n,0\le k<d$

最小整数解

• 由于一元线性同余方程的通解可以写成$res=(X+i\ast b/d)(modn)=X+i\ast b/d+n\ast y$,由于$y$与$i$均为变量因此可以将其合并得到式子$res=X+y\ast n/d$(其中$i=0$,将原式$n\ast y$看作$d\ast y\ast n/d$,将$d\ast y$看作$y$),因此可以得到$res=X(modn/d)$,设$n/d=t$,其最小整数解可以表示为$(X\%t+t)\%t$

void LCT(int a,int b,int n){
	int X,Y,d;
	long long res;
	long long min_res;
	d=gcd(a,n);
	exgcd(a,n,X,Y);
	if(b%d == 0){
		X=X*(b/d)%n;//得到同于方程一解
		for(int i=0;i<d;i++){
			res=(X+(i*(b/d)))%n;
			printf("%lld\n",res);//输出所以解
		}
		min_res=(X%(n/d)+(n/d))%(n/d);    
		cout<<min_res<<endl;//输出最小解
	}else{
		printf("No Sulutions!\n");
	}
}

中国剩余定理

定义

对于模线性方程组
$x\equiv a_1(mod{m}_1)$
$x\equiv a_2(mod{m}_2)$
$...$
$x\equiv a_n(mod{m}_n)$

假设整数$m_1,m_2,...,m_n$两两互质，则方程组有解，通解可以构造如下:
设$M=m_1\ast m_2\ast ...\ast m_n=\prod m_i$，并设$M_i=\frac{M}{m_i},t_i=M_i^{-1}$，表示$M_i$在模$m_i$意义下的乘法逆元，即$M_i{t}_i=1(mod{m}_i)$

方程通解:

$x=a_1{t}_1{M}_1+a_2{t}_2{M}_2+...+a_n{t}_n{M}_n={\sum }_{i=1}^n{a}_i{t}_i{M}_i+kM,k\in N$

常规中国剩余定理(各m互质)

1. 计算所有模的累积$M=m_1\ast m_2\ast \cdots \ast m_n$
2. 计算第$i$个方程
   1. 计算$M_i=\frac{M}{m_i}$
   2. 计算$M_i$在模$m_i$下的乘法逆元$t_i=M_i^{-1}(mod{m}_i)$
3. 方程的最小正整数解为$x={\sum }_{i=1}^n{a}_i\ast t_i\ast M_i(modM)$，通解为$x={\sum }_{i=1}^n{a}_i\ast t_i\ast M_i+kM,k\in N$

int CRT(int a[],int m[],int n) {
	int M=1,ans=0;
	for(int i=1;i<=n;i++){
		M*=m[i];//求m1*m2*...*mn
	}
	for(int i=1;i<=n;i++){
		int x,y;
		int Mi=M/m[i];//Mi
		exgcd(Mi,m[i],x,y);//求Mi在mi下的的乘法逆元x
		ans=(ans+a[i]*x*Mi%M)%M;//结果加上ai*ti*Mi
	}
	return (ans%M+M)%M;//模M下的最小正整数解
}

扩展中国剩余定理(m不互质)

两个方程

设两个方程分别是$x=n_1(mod{m}_1)$、$x=n_1(mod{m}_2)$；

将它们转化为不定方程$x=m_{1}p+n_1=m_{2}q+n_2$，其中$p,q$整数，则有$m_{1}p-m_{2}q=a_2-a_1$。

由裴蜀定理，当$a_2-a_1$不能被$gcd(m_1,m_2)$整除时，无解；

其他情况下，可以通过扩展欧几里得算法解出来一组可行解$(p,q)$；

则原来的两方程组成的模方程组的解为$x=b(modM)$，其中$b=m_{q}p+a_1,M=lcm(m_1,m_2)$。

多个方程

用上面的方法两两合并即可。

乘法逆元

扩展欧几里得法

利用$a\ast x=1(modb)$，则$x$是$a$在$modb$下的乘法逆元

费马小定理

若$p$为素数，$a$为正整数，且$gcd(a,b)=1$，则有$a^{p-1}=1(modp)$，显然$a^{-1}=a^{p-2}(modp)$
费马小定理要用快速幂实现

线性筛法

用于求一连串数字对于一个$modp$的乘法逆元
$1^{-1}=1(modp)$
设$p=k\ast i+r(1<r<i<p)$，即$k=p/i$，$r=p$
$k\ast i+r=p=0(modp)$
乘以$i^{-1},r^{-1}$，$k\ast r^{-1}+i^{-1}=0(modp)$
$i^{-1}=-k\ast r^{-1}=-(p/i)\ast (p\%i{)}^{-1}$
于是我们就得到了$1\sim n$关于$(modp)$的乘法逆元

二次剩余

$x^2=n(modp)$，其中$n$是常数，$p$是奇素数

常见用途

由$x^2=n(modp)$得出$x=\sqrt{n}(modp)$

解的数量

对于$x^2=n(modp)$，能满足“$n$是模$p$的二次剩余”的 一共有$\frac{p-1}{2}$个（$0$不包括在内），非二次剩余有$\frac{p-1}{2}$个。

勒让德符号

$$\frac{n}{p}=\{\begin{array}{l}1,p\nmid n\text{且}n\text{是}p\text{的二次剩余}\\ -1,p\nmid n\text{不是}p\text{的二次剩余}\\ 0,p\mid n\end{array}$$

勒让德符号可以判断一个数$n$是否为二次剩余，具体判断$n$是否为$p$的二次剩余，需要通过欧拉判别准则来实现。

欧拉判别准则
$$\frac{n}{p}=n^{\frac{p-1}{2}}\left(modp\right)$$

若$p$是二次剩余，当且仅当$\frac{n}{p}=1(modp)$。

若$p$是非二次剩余，当且仅当$\frac{n}{p}=-1(modp)$。

Cipolla算法

找到一个数$n$满足$a^2-n$是非二次剩余，这里通过生成随机数再检验的方法来实现，由于非二次剩余的数量为$\frac{p-1}{2}$，接近$\frac{p}{2}$，所以期望约$2$次就可以找到这个数。

建立一个“复数域”，并不是实际意义上的复数域，而是根据复数域的概念建立的一个类似的域。 在复数中$i^2=-1$，这里定义$i^2=a^2-n$，于是就可以将所有的数表达为$A+Bi$的形式，这里的$A$和$B$都是模意义下的数，类似复数中的实部和虚部。

在有了$i$和$a$后可以直接得到答案，$x^2=n(modp)$的解为$x=(a+i{)}^{\frac{p+1}{2}}$。

证明

1. $(a+b{)}^p=a^p+b^p(modp)$
   $$(a+b{)}^p=\sum _{i=0}^p{C}_p^i{a}^{p-i}{b}^i=\sum _{i=0}^p\frac{p!}{p-i!i!}{a}^{p-i}{b}^i=a^p+b^p(modp)$$

2. $i^p=-i(modp)$
   $$i^p=i^{p-1}i=(i^2{)}^{\frac{p-1}{2}}i=(a^2-n{)}^{\frac{p-1}{2}}i=-i(modp)$$

3. $a^p=a(modp)$是费马小定理

$x=(a+i{)}^{\frac{p+1}{2}}$
$=((a+i{)}^{p+1}{)}^{\frac{1}{2}}$
$=((a+i{)}^p(a+i){)}^{\frac{1}{2}}$
$=((a^p+i^p)(a+i){)}^{\frac{1}{2}}$
$=((a-i)(a+i){)}^{\frac{1}{2}}$
$=(a^2-i^2{)}^{\frac{1}{2}}$
$=(a^2-(a^2-n){)}^{\frac{1}{2}}$
$=n^{\frac{1}{2}}(modp)$

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
int t;
ll n,p;
ll w;
struct num{//建立一个复数域
	ll x,y;
};
num mul(num a,num b,ll p){//复数乘法
	num ans={0,0};
	ans.x=((a.x*b.x%p+a.y*b.y%p*w%p)%p+p)%p;
	ans.y=((a.x*b.y%p+a.y*b.x%p)%p+p)%p;
	return ans;
}
ll binpow_real(ll a,ll b,ll p){//实部快速幂
	ll ans=1;
	while (b) {
		if (b & 1) ans=ans*a%p;
		a=a*a%p;
		b >>=1;
	}
	return ans%p;
}
ll binpow_imag(num a,ll b,ll p){//虚部快速幂
	num ans={1,0};
	while (b) {
		if (b & 1) ans=mul(ans,a,p);
		a=mul(a,a,p);
		b >>=1;
	}
	return ans.x%p;
}
ll cipolla(ll n,ll p){
	n%=p;
	if(p==2) return n;
	if(binpow_real(n,(p-1)/2,p)==p-1) return -1;
	ll a;
	while(1){//生成随机数再检验找到满足非二次剩余的a*a-n
		a=rand()%p;
		w=((a*a%p-n)%p+p)%p;
		if(binpow_real(w,(p-1)/2,p)==p-1) break;//模里面p-1就是-1,欧拉判别准则
	}
	num x={a,1};//x=a+1*i
	return binpow_imag(x,(p+1)/2,p);
}

唯一分解定理

唯一分解定理又称为算数基本定理，基本内容是：

每个大于$1$的自然数，要么本身就是质数，要么可以写为$2$个或以上的质数的积，而且这些素因子按大小排列之后，写法仅有一种方式，即$N=p_1^{a_1}\ast p_2^{a_2}\ast \cdots \ast p_n^{a_n}$，其中$p_i(p_i>1)$是素数。

设$F(N)$代表$N$的正因子数量，则$F(N)=(1+a_1)(1+a_2)\dots (1+a_n)$

设$G(N)$表示$N$的正因子积，则$G(N)=(1+p_1^1+\cdots +p_1^{a_1})(1+p_2^1+\cdots +p_2^{a_2})\dots (1+p_n^1+\cdots +p_n^{a_n})$

版权声明

• 本文档归cout0所有，仅供学习使用，未经允许，不得转载。