《信息安全数学基础一》第一章笔记

《信息安全数学基础一》第一章笔记

目录

• 《信息安全数学基础一》第一章笔记
  • 整除
  • 素数，合数
    • 素数判别
    • 筛法
      • 埃式筛
      • 欧拉筛
  • 进制转换
  • 最大公因数与最小公倍数
    • 欧几里得算法
    • 贝祖等式
    • 拓展欧几里得算法
  • 算术基本定理

整除

• 定义
  在整数域内，若 \(a = q\cdot b\) ，则 \(b\) 整除 \(a\) ，记作 \(a | b\)
• 性质
  • 若 \(a | b,\ b | c\) ，则 \(a | c\)
  • 若 \(c | a_{i},\ i = 1,\ 2,\ ..,\ n\) 则 \(c\) 也整除 \(a_{i}\) 的线性组合

素数，合数

• 素数定义
  除了 \(1\) 和自身外，没有因数的数，称之为素数，也称为质数，其他数被称为合数。
• \(2\) 是最小的素数

素数判别

• 一个定理
  对于合数 \(n\) ，必然存在不超过 \(\sqrt{n}\) 的质因子。

  设 \(n = pq\)，设 \(p\) 是最小因子，则 \(p\leq q\)
  则 \(n = pq \geq p^{2}\)
  所以 \(p\leq \sqrt{n}\)
  假设 \(p\) 是合数，则可以继续进行分解，与题设不符，所以 \(p\) 是质数。

• 定理推论
  对于一个数 \(n\) ，若其不存在不超过 \(\sqrt{n}\) 的质因子，那么其为素数。
• 素数平凡判别
  枚举 \(2-\sqrt{n}\) 内的素数，若不存在 \(n\) 的因子，那么 \(n\) 是素数，否则是合数。

筛法

筛法用来求 \(2-n\) 内的所有素数。

埃式筛

• 算法思想
  先假设所有数均为素数。
  对于数 \(x\) ，若其为素数，则筛去其所有倍数，并标记该值为合数；若其为合数，则不做改动。

• 算法优化

  • 对于素数 \(x\) ，从 \(x\) 倍开始枚举。因为对于倍数 \(x * y,\ y < x\) ，已经在判断 \(y\) 时筛去了。
    例如 \(35 = 5 * 7\) ，在判断素数 \(5\) 时筛去了一次，在判断素数 \(7\) 时就可以直接从 \(49 = 7 * 7\) 开始筛。
  • \(n\) 以内的素数判断到 \(\sqrt{n}\) 即可。

• 时间复杂度为 \(O(nlglgn)\)

• \(code\)

  int n, vis[N];
  void getPrime()
  {
      for(int i = 2; i <= n; ++i) vis[i] = 1;
      for(int i = 2; i * i <= n; ++i){
          if(vis[i]){
              for(int j = i * i; j <= n; j += i)
                  vis[j] = 0;
          }
      }
  }
  

欧拉筛

• 埃式筛的困境及改善
  有些合数会被筛去多次，例如 \(63 = 7 * 9 = 3 * 21\) 。

• 优化
  让每个合数只被其最小的质因子筛去一遍，就可以控制复杂度到 \(O(n)\)

• 细节

  • 先默认所有数都是素数，下面考虑内循环。
  • 若当前数是素数，将其所有的素数倍全部筛去，这保证了那些合数是被其最小素因子筛去的。
  • 若当前数是合数，筛去其素数倍 \(x\) ，若 \(x\) 能整除当前合数，则退出循环，因为继续循环得到的新倍数完全可以在之后被 \(x\) 整除。

• \(code\)

  int n, prime[N], vis[N];
  int Euler_sieve()
  {
      int cnt = 0;//length of prime table
      for(int i = 2; i <= n; ++i)
          vis[i] = 1;
      for(int i = 2; i <= n; ++i){
          if(vis[i]) prime[++cnt] = i;
          for(int j = 1; j <= cnt && prime[j] * i <= n; ++j){
              vis[prime[j] * i] = 0;
              if(i % prime[j] == 0) break;
          }
      }
      return cnt;
  }
  

进制转换

考虑 \(k\) 进制，则一个数位 \(digit\) 的取值范围为 \([0,\ k)\)

• 向十进制转换
  对于一个 \(n\) 位 \(k\) 进制数，化为十进制数即为

\[\sum_{i = 0}^{n - 1}a_{i}k^{i} = a_{n - 1}k^{n - 1} + a_{n - 2}k^{n - 2} +\ ...\ +a_{0} \]

• 十进制数转为 \(k\) 进制
  先模 \(k\) 得到低位在 \(k\) 进制下的值，然后除 \(k\) 舍去低位。

  //k 进制的字符串向十进制转换
  int num = 0;
  for(int i = 0; i < s.length(); ++i)
      num *= 10, num += s[i] - '0';
  
  //十进制转换为 k 进制
  stack<int> sta;
  while(num) {
      sta.push(num % k);
      num /= k;
  }
  while(!sta.empty())
      cout<<sta.top()<<endl, sta.pop();
  

最大公因数与最小公倍数

• 二者定义
  字如其名。前者是最大的公因数，后者是最小的公倍数。

• 关系

  \[[a,\ b] = \frac{ab}{(a,\ b)} \]
  \[[a_{0},\ a_{1},\ ...\ ,a_{n}] = \frac{\prod_{i = 0}^{n}a_{i}}{(a_{0},\ a_{1},\ ...\ ,a_{n})} \]

  通过证明 \((\frac{a}{(a,\ b)},\ \frac{b}{(a,\ b)}) = 1\) ，以及 \((a,\ b) = 1,\ [a,\ b] = ab\) 可以证明上式。

欧几里得算法

欧几里得算法即为辗转相除法计算最大公因数。

• 定理 \(1\)
  \(a = q\cdot b + c\) 中，\((a,\ b) = (b,\ c)\)

  设 \((a,\ b) = d_{1},\ (b,\ c) = d_{2}\)
  则 \(d_{1}|a,\ d_{1}|b,\ d_{1}|c\) ，所以 \(d_{1}\leq d_{2}\)
  同理 \(d_{2}|b,\ d_{2}|c,\ d_{2}|a\) ，所以 \(d_{2}\leq d_{1}\)
  所以 \(d_{1} = d_{2}\)

• 定理 \(2\)
  \((a,\ 0) = a\)

  \(a\) 是 \(a\) 的最大因数，\(a\) 是 \(0\) 的因数，所以 \((a,\ 0) = a\)

• 欧几里得算法
  设 \(r_{0} = a,\ r_{1} = b,\ r_{n + 1} = 0\)， 则有下列式子
  \[r_{0} = r_{1}q_{1} + r_{2} \\r_{1} = r_{2}q_{2} + r_{3} \\... \\r_{i - 1} = r_{i}q_{i} + r_{i + 1} \\... \\r_{n - 1} = r_{n}q_{n} + r_{n + 1} \]
  依据定理 \(1\) 和定理 \(2\) ，辗转相除便可以得到最大公因数

贝祖等式

• \(s\cdot a + t\cdot b = (a,\ b)\)
• 猜想 \(r_{i} = s_{i}a + t_{i}b,\ i\in [0,\ n]\) ，利用数学归纳法可以证明此猜想。

拓展欧几里得算法

求 \((a,\ b)\) 的同时求出 \(s\cdot a + t\cdot b = (a,\ b)\) 的一个特解 \(s_{0},\ t_{0}\)

• 递推式算法
  考虑已经由数学归纳法证明猜想

  \[r_{i} = s_{i}a + t_{i}b,\ i\in [0,\ n] \]

  联立

  \[r_{i} = r_{i - 2} - q_{i - 1}r_{i - 1} \]

  得到递推式

  \[s_{i} = s_{i - 2} - s_{i - 1}q_{i - 1} \]
  \[t_{i} = t_{i - 2} - t_{i - 1}q_{i - 1} \]

  其中， \(i\) 从 \(2\) 开始计数，即 \(i\in [2,\ n]\)

  \[q_{i} = \left [\frac{r_{i - 1}}{r_{i}}\right ] \]
  \[r_{i} = r_{i - 1}\ mod\ r_{i} = r_{i - 1} - q_{i}r_{i} \]

  其中， \(i\) 从 \(1\) 开始计数，即 \(i\in [1,\ n - 1]\)

  考虑初值，易得

  \[s_{0} = 1,\ s_{1} = 0 \]
  \[t_{0} = 0,\ t_{1} = 1 \]
  \[r_{0} = a,\ r_{1} = b \]
  \[q_{1} = \left[\frac{a}{b}\right] \]

  如此一路递推，便可以得到最终的特解。

  考虑空间优化，可以只用 \(s_{0},\ s_{1},\ t_{0},\ t_{1},\ r_{0},\ r_{1},\ q_{0}\) 几个变量来进行递推，赋值的时候需要再引入中间变量来保存值，最终的空间复杂度为一个常数。

  int s0, s1, s2, t0, t1, t2, r0, r1, r2, q1, cnt;
  pair<int, int> exgcd(int a, int b)
  {
      s0 = 1, s1 = 0, t0 = 0, t1 = 1;
      r0 = b, r1 = a % b, q1 = a / b;
      while(r1) {
          s2 = s1, s1 = s0 - s1 * q1, s0 = s2;
          t2 = t1, t1 = t0 - t1 * q1, t0 = t2;
          q1 = r0 / r1;
          r2 = r1, r1 = r0 - q1 * r1, r0 = r2;
      }
      return pair<int, int> {s1, t1};
  }
  

• 递归算法
  考虑递归终点，有 \(b = 0,\ (a,\ b) = a\) ，所以 \(s = 1, t = 0\)
  考虑已经求出了 \((b,\ a \% b)\) 情况下的 \(x',\ y'\) ，回溯求解 \((a,\ b)\) 下的 \(x,\ y\)
  由

  \[bx'+ (a - \left \lfloor \frac{a}{b}\right \rfloor b)y' = ax + by \]

  解出

  \[x = y',\ y = x' - \left \lfloor \frac{a}{b}\right \rfloor y' \]

  如此一路回溯，可以得到一组特解 \(x_{0},\ y_{0}\)

• \(code\)

  int exgcd(int a, int b, int &x, int &y)
  {
      if(!b) {x = 1, y = 0; return a;}
      int r = exgcd(b, a % b, y, x);//y的值被修改为x'，x的值被修改为y'
      y -= (a / b) * x;
      return r;
  }
  

算术基本定理

• 算术基本定理
  对于任意大于 \(1\) 的整数 \(n\) ，其可以拆分为质因子幂的乘积的形式，称之为 \(n\) 的标准分解式：
  \[n = \prod_{i = 1}^{k}p_{i}^{\alpha_{i}} \]
  其中， \(p_{i}\) 是素数。
• 因数个数
  由乘法原理知道， \(n\) 的因数的个数为
  \[n = \prod_{i = 1}^{k}(1 + \alpha_{i}) \]

来源：https://www.cnblogs.com/ChenyangXu/p/12571937.html