数论知识小结 [微提高篇]

数论知识小结 [微提高篇]

(lastest updated on 2020.08.12)

二次剩余和高次剩余

\(y^c\equiv x\pmod P\)\(y\)\(x\)\(P\)\(c\)次剩余

关于二次剩余

\[\ \]

\(\text{Miller_Rabin}\)素数检测

\(x\)是质数的必要条件是

\(\forall a,a^{x-1}\equiv 1\pmod x\)

同于对于一个质数\(x\),必然有

\(a^2\equiv 1\pmod x\)的解只有\(1,x-1\)

证明是

\(\because a^2\equiv 1 \pmod x\)

\(\therefore (a-1)(a+1)\equiv 0 \pmod x\)

因为\(x\)是质数,所以\(a-1\mod x=0\)\(a+1\mod x=0\),即\(a\in\{1,x-1\}\)

\[\ \]

\(\text{Miller_Rabin}\)算法的步骤

\(x-1\)分解为\(x-1=2^s\cdot t\)

找一个\(<x\)的质数\(a\),求出\(b\equiv a^t \pmod x\)

\(b\)进行\(s\)次平方,设这一次平方的结果\(b^2\equiv c \pmod x\)

当出现\(c=1\)时,\(b\)只能为\(1\),\(x-1\)否则\(x\)就不是质数

\(s\)次平方后,\(b\equiv a^{x-1}\pmod x\),若\(b\ne 1\),则\(x\)不是质数

不知道为什么,模板题跑5次就能过了。。。

注意\(x\leq 2\or 2|x\)要特判

注意取模需要快速乘

int Miller_Rabin(ll x){
	if(x==2) return 1;
	if(x<=1 || ~x&1) return 0;
	ll s=0,t=x-1;
	while(~t&1) s++,t>>=1;
	rep(i,1,20) {
		ll a=prime[rand()%primecnt+1],b=qpow(a,t,x),c;
		rep(j,1,s) {
			c=qmul(b,b,x);
			if(c==1 && b!=1 && b!=x-1) return 0;
			b=c;
		}
		if(b!=1) return 0;
	}
	return 1;
}


\[\ \]

可以结合\(\text{Miller_Rabin}\)\(n^{\frac{1}{3}}\)特殊情况质因数分解

实际上,这种方法常用于求\(n\)的因子个数

方法非常简单,先对于所有\(pri_i\le n^{\frac{1}{3}}\)的因子对于\(n\)筛去,剩下的部分中,所有质因子\(>n^{\frac{1}{3}}\)

因此最多包含两个质因数(可能相同)

\(\text{Miller_Rabin}\)判断是否只包含一个质数,然后简单判别两个质因数是否相同即可

复杂度为\(O(\log n+\pi (n^{\frac{1}{3}}))\)

小范围内比下面的\(\text{Pollard's_Rho}\)更快,更简单

\[\ \]

\(\text{Pollard's_Rho}\)质因数分解

核心就是名字里的Rho(\(\rho\)),是伪循环的一个形象的表示

伪循环:从某一个时刻开始,进入一个真循环,之前的时间就是\(\rho\)的脚

构造伪随机函数\(G_n(x)=(x^2+c)\mod n\)

构造数列\(a_i=G_n(a_{i-1})\)

由于函数的值域只有\([0,n-1]\),必然出现伪循环,即在从个位置开始,进入一个未知长度的循环,也就是长成了一个\(\rho\)的形状

由于这个函数是伪随机函数,所以这个循环大小在期望情况下是\(O(\sqrt n)\)

\[\ \]

\(\text{Pollard's_Rho}\)算法要找到一个\(p\in[2,n-2],p|n\)

考虑用\(\text{Floyd}\)算法找环,即定义两个变量,一个每次走一步,一个每次走两步,设他们为\(x,y\)

\(x=y\)时,显然出现循环

由于\(p|n\),所以当\(x \equiv y \pmod p\)时,实际上是\(G_p(x)\)这个函数出现了循环

所以在找\(G_n(x)\)的循环时,可以通过求出\(\gcd(x-y,n)\)判断是否出现\(G_p(x)\)的循环

注意如果出现\(x=y\)情况已经找到\(n\)的循环,说明这个我们这次构造的这个函数找不到\(p\)的循环

由于\(\forall n\notin prime,\exist p\in[1,\sqrt n],p|n\)

所以期望情况下每\(\sqrt p\leq \sqrt {\sqrt n}=n^{\frac{1}{4}}\)的长度会出现循环

算法复杂度是期望\(O(n^{\frac{1}{4}}\log n)\)

那么写出\(\text{Pollard's_Rho}\)算法的代码

ll Pollards_Rho(ll n){
	ll c=rand(); // 随机生成一个函数
    ll x=rand(),y=x,d=1; // 随机一个初始值
    while(d==1){
		x=(qmul(x,x)+c)%n;
		y=(qmul(y,y)+c)%n;
		y=(qmul(y,y)+c)%n;
		d=gcd(n,abs(x-y));
	}
    if(d==n) return Pollards_Rho(n); // 构造失败
    else return d; // 找到了p
}

不断调用即可完成对于n的质因数分解

对于质因数分解,更高级的算法可以参考LOJ-6466

莫比乌斯函数

\(n=\prod_1^m p_i^{c_i}\),其中\(c_i>0,p_i\)为质数

则莫比乌斯函数 \(\mu(n)=\left\{\begin{aligned}1 && n=1\\ (-1)^m && \nexists c_i>1 \\ 0 && \exists c_i>1\end{aligned}\right.\)

狄利克雷卷积

对于数列\(F,G\),他们的狄利克雷卷积(下简称\(F\oplus G\))为

\[\begin{aligned} (F\oplus G)_i=\sum_{d|i}F_d\cdot G_{\frac{i}{d}}\end{aligned} \]

\[\ \]

莫比乌斯反演

设元函数\(E_i=1\)

\(G=F\oplus E\),即\(G_i=\sum_{d|i}F_d\)

\(G\)反解\(F\)得到莫比乌斯反演\(F_i=\sum_{d|i}\mu(d) G_{\frac{i}{d}}\)

\[\ \]

积性函数

积性函数的定义,对于一个定义在\(\Z\)上的函数\(F(n)\),若满足

\(F(1)=1,\forall (u,v)=1,F(u)\cdot F(v)=F(u\cdot v)\),则\(F(u)\)是一个积性函数

完全积性函数对于任意的\(u,v\)对满足上述性质

常见的积性函数有

1.元函数\(e(n)=[n=1]\)

2.因数个数函数\(d(n)\)

3.欧拉函数\(\varphi(n)\)

4.莫比乌斯系数\(\mu(n)\)

5.约数和函数\(\sigma(n)\)

推论:任意两个积性函数的狄利克雷函数卷积 仍然是积性函数

线性筛筛法求解积性函数

把积性函数\(F(n)\)表示为

\(F(n)=\left\{\begin{aligned} 1 && n=1 \\ G(n) && n=p_i^t \\ \prod G(p_i^{c_i}) && n=\prod p_i^{c_i}\end{aligned}\right.\)

如果能在较短的时间内求得\(G(p_i^t)\),则可以用线性筛法求解积性函数\(F(n)\)的前\(n\)

一个最简单的应用: 在\(O(n)\)时间求解\(id^z(n)=n^z\)

显然,\(id^z(n)\)是一个完全积性函数,且直接求复杂度为\(O(n\log z)\)

因为是完全积性函数,所以只需要求解\(id^z(p_i)\),这一部分复杂度为\(O(\pi(n)\cdot \log z)=O(n)\)

线性筛法的复杂度为\(O(n)\),因此总复杂度也为\(O(n)\)

(这就是传说中的魔法吗!!)

一个简单的应用:求解\(\mu(n)\)

鉴于\(\mu(n)\)的特殊性,也只需要求出\(\mu(p_i)\)

写出的代码大致是这样的

int pri[N],notpri[N],pc,mu[N];
void Sieve_Mobius(int n){
    mu[1]=1;
    for(int i=2;i<=n;++i) {
        if(!notpri[i]) pri[++pc]=i,mu[i]=1;
        for(int j=1;j<=pc && 1ll*i*pri[j]<=n;++j) {
            notpri[i*pri[j]]=1;
            if(i%pri[j]==0) {
                mu[i*pri[j]]=0;
                break;
            }
            mu[i*pri[j]]=-mu[i];
        }
    }
}
真-应用: 大型模板
int CalcG(int n);

int prime[N],primecnt,notprime[N];
int F[N],D[N];
// F存储函数值
// D存储质因数出现的幂次积

void Sieve_Multiplicative_Function(int n){
    F[1]=1;
    for(int i=2;i<=n;++i){
        if(!notprime[i]) {
            prime[++primecnt]=i;
            for(ll j=i;j<=n;j*=i) F[j]=CalcG(j),D[j]=j;
            // 计算F(p_i^t)
        }
        for(int j=1;j<=primecnt && 1ll*i*prime[j]<=n;++j) {
            notprime[i*prime[j]]=1;
            int k=i*prime[j];
            if(i%prime[j]==0) {
                D[k]=D[i] * prime[j];
                F[k]=F[i/D[i]] * F[D[k]];
                break;
            }
            D[k]=prime[j];
            F[k]=F[i] * F[prime[j]];
        }
    }
}

\[\ \]

\[\ \]

杜教筛

用于求解 较大范围可以构造出一些性质的积性函数 前缀和

不推荐看我的,但是还是放一下链接

\[\ \]

Min25筛

用于求 较大范围使用范围更广 的积性函数前缀和 , 但在效率上不敌杜教筛

还是放一下链接

posted @ 2020-08-12 19:31  chasedeath  阅读(447)  评论(0编辑  收藏  举报