关于欧几里得算法(Euclidean Algorithm)的迭代次数的证明

欧几里得算法(Euclidean Algorithm)的迭代次数和算法复杂度的证明

我们直到欧几里得算法是计算两个数的最大公因数（或者两个多项式的最大公因式），并且在其他算法中（例如因子分解算法）经常会用到欧几里得算法。本篇专门证明欧几里得算法的迭代次数和计算复杂度。

欧几里得算法描述

设我们研究的问题是利用欧几里得算法求$gcd(a,b)$，求解算法流程如下：

Euclidean Algorithm(a,b)

$r_0=a,r_1=b,m=1$

while $r_m\ne 0$

​   $q_m=\lfloor \frac{r_{m-1}}{r_m}\rfloor$
   $r_{m+1}=r_{m-1}-q_m{r}_m$
​   $m=m+1$

return $r_{m-1}=gcd(a,b)$

我们先给出结论：

1. 欧几里得算法的迭代次数是 n = O ( m i n { log ⁡ 2 a , log ⁡ 2 b } ) n=O(min\lbrace \log_{2}a,\log_{2}b\rbrace) n=O(min{log2​a,log2​b})。
2. 欧几里得算法的单位乘法次数是$n^2$（有很多资料粗略的写成$n^3$）。

为了更容易叙述证明过程，我把Euclidean算法的过程写成迭代方程的形式：

$$\begin{gathered} r_0=a \\ {r}_1=b \\ {r}_0=q_1{r}_1+r_2 \\ {r}_1=q_2{r}_2+r_3 \\ ⋮ \\ {r}_{m-1}=q_m{r}_m+r_{m+1} \end{gathered}$$

并且迭代结束时$r_{m+1}=0$。

证明：为了方便叙述，不妨令$a>b$。

1. 先证明一个结论：对$\forall 0\le i\le m-2$，有$r_i\ge 2r_{i+2}$

   根据带余除法的理论，有$r_i>r_{i+1}$。又因为$r_i=r_{i+1}{q}_{i+1}+r_{i+2}$，且$q_{i+1}\ge 1$，所以有
   $$r_i\ge r_{i+2}{q}_{i+1}+r_{i+2}\ge 2r_{i+2}$$

2. 因为
   $$\begin{gathered} a=r_0\ge 2r_2 \\ {r}_2\ge 2r_4 \\ ⋮ \\ {r}_{m-2}\ge 2r_m \end{gathered}$$
   并且迭代结束时$r_{m+1}=0$，所以可以得出迭代次数为$O({\log }_{2}a)$。同样可以得到$O({\log }_{2}b)$。所以这里我们使用更为精确的界 O ( m i n { log ⁡ 2 a , log ⁡ 2 b } ) O(min\lbrace \log_{2}a,\log_{2}b\rbrace) O(min{log2​a,log2​b})。

3. 由于每次迭代涉及两个整数的乘法，我们知道两个规模为$n$的整数相乘需要$O(n^2)$次单位乘法，算上迭代次数，则Euclidean算法的单位乘法次数是$O(n^3)$。这也是很多资料上给出的答案，但我们指出，这个上界可以进一步缩小至$O(n^2)$。

   证明：一方面，根据迭代方程，整个算法的单位乘法次数为$\sum _{i=1}^m{\log }_2{q}_i{\log }_2{r}_i$
   $$\sum _{i=1}^m{\log }_2{q}_i{\log }_2{r}_i\le {\log }_{2}a\times \sum _{i=1}^m{\log }_2{q}_i$$
   另一方面，根据迭代方程，有
   $$\begin{gathered} a=r_0>q_1{r}_1 \\ {r}_1>q_2{r}_2 \\ ⋮ \\ {r}_{m-1}>q_m{r}_m \end{gathered}$$
   左右分别相乘得到
   $$a>\prod _{i=1}^m{q}_i$$
   即
   $${\log }_{2}a>{\log }_2\prod _{i=1}^m{q}_i=\sum _{i=1}^m{\log }_2{q}_i$$
   所以上界为
   $${\log }_{2}a\times \sum _{i=1}^m{\log }_2{q}_i<({\log }_{2}a{)}^2$$
   令$n={\log }_{2}a$，则算法的单位乘法次数为$O(n^2)$。