关于一些逆元知识的拓展

刚艹完一道 提高- 的黄题(曹冲养猪) ,于是又来混一波讲解了

  ——承接上文扫盲篇

 


四、Lucas定理(求大组合数取模)

 

题外话

这里Lucas定理的证明需要用到很多关于组合数的定理知识, 

那么关于一些组合数的知识,详情你可以看这里:Binamoto' blog

再讲讲lucas定理这个东西(扩展lucas就不讲了,因为不大会…咳咳,然后也不怎么会用到吧)

基本公式: C(n,m) ≡ C(n/p,m/p)*C(n%p,m%p) (mod p)

    (也就是:   C(n,m)%p=C(n/p,m/p)*C(n%p,m%p)%p  )

适用范围:n 和 m 非常大,而模数 p 比较小的情况 (偷懒)

Lucas 定理的运用

将组合数中的 n 和 m 不断除以 p , 同时用除 p 的余数做组合数,累计入答案。
即,不断调用基本公式,递归求解,直至 m 等于 0 .
用上述例子就是:令C(n/p,m/p) ≡ C( (n/p)/p,(m/p)/p ) * C( (n/p)%p,(m/p)%p ) (mod p)
然后把 C(n/p,m/p) 求得的解 带入基本公式, 求出 C(n,m)%p 的值

证明及推导:

以下证明推导源自 Lucas定理——推导及证明

要证:C(n,m)%p=C(n/p,m/p)*C(n%p,m%p)%p
即证:C(n,m)=C(n/p,m/p)*C(n%p,m%p)
证明条件:已知p是素数,n、m、p为整数。

1.由二项式定理得: 
 ,且 

2.由费马小定理得:
(1)式 :$(x + 1) ^p ≡ x+1 (mod~ p)$ **[ 由x ^p ≡ x (mod p) , x 用 (x+1) 代替得到]**
(2)式 :$x ^p + 1 ≡ x+1 (mod~ p)$ **[ 由x ^p ≡ x (mod p) , 等式两边同时+1得到]**

合并 1 、2 两式,得到:
(3)式 :$(x + 1) ^p ≡ x ^p + 1 (mod~ p)$

3.由 $n = n/p *p + n\%p$ . 则:

$(x+1) ^p ≡ (x+1) ^{n/p *p} * (x+1)^{n\%p} (mod p)$
带入三式: $(x+1)^p ≡ (x^p +1)^{n/p}*(x+1)^{n\%p} (mod p)$

将上式由二项式公式可转化为:

$$\sum_{z=0}^n C_n^z ·x^z ≡ \sum_{i=0}^{n/p} C_{n/p}^i ~·~x^{p ~·~i} \sum_{j=0}^{n\%p} C_{n\%p}^j ·x^j \Big(mod ~~p \Big)$$

任意一个Z,必存在一个 i , j 满足:x ^ z = x ^ (p* i) * x^ j (即满足:n = n/p *p + n%p), 
当且仅当: i=z/p,j=z%p 时成立 
此时, C(n,m)=C(n/p,m/p)*C(n%p,m%p) 成立 
证毕

相信这些东西你在看完后任然是懵逼的(me too)

那么你可以看看另外一个证明(来自可爱的 Binamoto ):

设 $n=s*p+q,m=t*p+r(q,r<=p)$
我们要证 $C_{t*p+r}^{s*p+q} ≡C_{t}^{s} * C_{r}^{q} (modp)$
首先得有个前置知识,费马小定理 $x^p ≡ x (mod p)$
那么 $(x+1)^p ≡ x+1(mod p)$
且 $x^p+1 ≡ x+1 (mod p)$
所以 $(x+1)^p ≡ x^p+1 (mod p)$
然后 $(x+1)^n≡(x+1)^{s*p+q}$
$ ≡ ((x+1)^p)^{s} * (x+1)^q$
$ ≡ (x^p+1)^s * (x+1)^q ≡ (x^p+1)^s * (x+1)^q$
然后用二项式定理展开
≡$\sum_{i=0}^{s}C_{s}^{i}*x^{i*p} * \sum_{j=0}^{1}C_{q}^{j}*x^{j}$
总之就是 $(x+1)^p ≡ \sum_{i=0}^{s} C_{s}^{i} * x^{i*p} *\sum_{j=0}^{q} C_{q}^{j}*x^j$
然后考虑把两边的多项式展开一下
那么两边肯定都有 $x^{m}$ 即 $x^{t*p+r}$ 这一项(这是最上面的假设)
左边的 $x^m$ 的系数,根据上面的性质4推出来,应该是 $C_{n}^{m}$
然后右边嘞?只有 $i=t$ , $j=r$ 的时候才会有这一项,所以这一项的系数就是 $C_s^t * C_q^r$
然后又因为 $s=n/p$,$t=n%p$,$q=m/p$,$r=m%p$
然后就能证明: $$C(n,m) ≡ C(n/p,m/p) * C{n%p,m%p} (mod p)$$
然而万一 $q<r$ 该怎么办?那样的话 $j$ 根本不可能等于 $r$ 啊?

所以那样的话答案就是 $0$
因为上面乘上 $C{n%p,m%p}$ 答案就是 $0$
如何证明?

我们设 $f=n-m=z*q+x$
因为 $r>t$ , $x+r ≡ t (mod p)$
所以 $x+r=p+t$
又因为 $z*p+x+q*p+r = s*p+t$
所以 $z+q=s-1$
那么带进通项公式 $C_{n}^{m}= \dfrac{n!}{m! * f!}$ 之后,分子中有 $s$ 个 $p$ ,分母中有 $s-1$ 个 {p} ,
抵消之后分子中还有一个 $p$ ,那么这个数就是 $p$ 的倍数, $p$ 必然余 $0$.

Lucas 的代码(同上随意手打):

//by Judge
define ll long long
ll mod;
inline ll quick_pow(ll x,ll p){
ll ans=;
while(p){
if(p&) ans=ans*x%p;
x=x*x%p, b>>=;
}
return ans;
}
inline ll C(ll n,ll m){
ll cn=,cm=,res=;
if(n<m) return ;
if(n==m) return ;
if(m>n-m) m=n-m;
for(ll i=;i<m;++i){
cn=(cn*(n-i))%mod;
cm=(cm*(m-i))%mod;
}
res=(cn*quick_pow(cm,mod-))%mod; //除法转换求逆元
return res;
}
ll Lucas(ll n,ll m){
ll ans=;
while(n && m && ans){
ans=(ans*C(n%mod,m%mod))%mod; //拆分+递归
n/=mod, m/=mod;
}
return ans;
}

 关于 Ex Lucas

这玩意儿别学了,要先会 CRT (可能是 exCRT?)的。


五、解线性同余方程组

其实这个玩意儿没什么高大上的,就CRT ... 什么的,你是没看过 NOI  day2 T1  吧,那个玩意儿...不说了,勾起了一些不美好的回忆(据说该题是所有题里面最简单的)

emmmm,首先解释一下这个东西。

线性同余方程组:

  ( 求解 X ,其中 X  满足以下条件 )

  X≡b1 (mod a1)

  X≡b2 (mod a2)

  ...

  X≡bn (mod an)

 对,就和上面一样,是 n  个式子,(一般)让你求出 X  的最小正整数解(即满足 n 个式子的限制条件),这里看不大懂的话你可以看看曹冲养猪这道题,那个比喻也是蛮生动的

那么这玩意儿怎么解呢? 别急,我们得先来看看 X  有解的条件。

其实条件很简单: b2 - b1  ≡  0 ( mod gcd(a1,a2) )

证明及推导:

  设  X = a1 * x + b1 , 则 a1 * x + b1 ≡ b2 (mod a2)   (就是在式 2 中把 X 替换掉)

  => a1 * x ≡ b2 - b1 (mod a2) => a1 * x + a2 * y = b2 - b1  

  那么和逆元有解条件的证明类似,只有  (b2-b1) | gcd(a1,a2)  时,原式有解(其中  (a) | (b)  代表 a 能被 b 整除 )

  证毕

 

所以呢?证明完了之后有什么用处么? 当然有。

你看啊,上面的那个式子我们推着推着就退出来了一个方程对吧?是不是有点眼熟? (提示一下 ax + by  )

emmmm 对吧。就是类似一个扩欧的式子啊,因为 a1 和 a2 已知了啊。

然后我们用扩欧求出 a1*x + a2*y = gcd(a1,a2)   中 y1 的解就离胜利不远了

然后你看看我们解出来的这个 x 和 y  ,其实它并不是 a1 * x + a2 * y = b2 - b1   的解(这不显然嘛)

但是! b2 - b1  是可以整除 gcd(a1,a2)  的(否则就是无解的情况),所以我们只需要让  x 和  y   乘以 (b2-b1)/gcd(a1,a2)  就可以令等式成立了

然后我们把 x  带入 X = a1 * x + b1  不就可以得到答案了?

同余方程的合并:

但是这里有个关键问题对吧(上面的这些推导只求出了 两个式子的解啊,我们不是要求满足n  个式子的解吗?)

所以我们要考虑的就是把这个方法延续下去...也就是说我们要把 1、2  两个式子合并起来,与第  3   个式子继续进行以上操作。

怎么合并? =>   X=X' (mod lcm(a1,a2))   (其中 X'  是由前两个式子得到的答案,这里我们就是让 bi = X' ,  ai = lcm(a1,a2) )

为什么可以这样合并? 你只要知道 X'  是原式在 lcm(a1,a2)   范围内唯一的解就好了

(大家感性理解一下就好,我也不知道怎么证,已经颓废到懒得想了)

咳咳...简单解释一下:

 

  你应该是知道在  a1 * x + a2 * y = b2 - b1   这个等式中的 x 和 y  的解释不止一种的(这个不知道我也没办法)

  我们要改变着个解 就是 让 x  加上(减去) a2/d ,然后让 y 减去(加上) a1/d  ,等式依旧成立。(这里 d 表示 gcd(a1,a2) ,下同 )

  也就是说我们要用到的  x  可以加上或减去任意个 a2/d ,然后你看一下 :  X = a1 * x + b1  ,

  也就是说我们每次让  x  变化  ± a2  之后,X  的值就会加上或减去  a1 * a2/d  (即 X 可以加上任意个 lcm(a1,a2) ),

  由此我们可以很容易看出:  X   在 lcm(a1 , a2)   范围内的解是唯一的。

 

所以两个式子就可以那样合并了...

还看不懂?woc 之前都白推了?emmm ,好吧,让我们看看之前的结论(过程结论):

  我们可以让  X   的值加上任意个  lcm(a1,a2)  

什么意思? mod lcm(a1,a2)  = X  的意思啊!就是说任意一个数只要能 mod lcm(a1,a2)  =  X

所以这不就和之前那一堆式子 : X ≡  bi  (mod ai)   一样了? 推导完毕!

......

那么之后我们就反复迭代以上步骤,得到最终的答案

然后呢...没然后了啊,然后就是代码部分了啊QAQ

 

代码:

int ex_gcd(int a,int b,int& x,int& y){  //本来不想附 ex_gcd 代码来着的...
if(!b) { x=,y=;return a; }
int d=ex_gcd(b,a%b,y,x);
y-=a/b*x; return d;
}
inline ll solv(int n){
ll x=,m=; // x 记录前两个方程组的答案,初始为 0, m 记录前面所有的 a 的 lcm
for(int i=;i<=n;++i){
scanf("%lld%lld",&A,&B);
ll b=B-x,d=ex_gcd(m,A,z,y);
if (b%d!=) return -1ll;
ll t=b/d*z%(A/d); x+=m*t,m*=A/d;
} return x>0?x:x+m;
}

 

关于exCRT

 这东西别学了,烦的要命...


六、BSGS 定理 baby-step giant-step

BSGS的用处:

BSGS,魔鬼的步伐,怎么说呢...

有关BSGS的题目大多就是让你求 满足 $a^n ≡ 1 (mod\ p)$ 的最小的 n ,p 为质数

注意 p 为质数!否则就是 exBSGS

注意 n 是最小的,然后我们求出的 n 就是 a 模 p 意义下的阶

题外话:

这个东西很重要,为什么?因为 NTT 里面有用到原根...

原根是什么东西?原根就是:

对于一个数 a ,若其满足 a 在模 p 意义下的阶等于 p 的 φ 值(就是欧拉函数值),则 a 为 p 的阶

那么当 p 为质数时, φ 就为 p-1 咯。

小插曲:你知道大质数 998244353 怎么来的么?(不要告诉我你不知道这个模数)

其实它是从 NTT 中出来的,因为它的一个原根是 3 ,比较好记

另外,$998244353=7 * 17 * 2^23 + 1$

BSGS是什么:

讲了这么多没用的。。。我们回到原来的问题

原本的问题是: 让你求 满足 $a^n ≡ 1 (mod\ p)$ 的最小的 n

那么我们考虑分块,我们令  $a^n=a^{gt} \times a^h (mod\ p)$

其中 $t = \sqrt{p}$, g 、h 是未知数

那么 h 肯定是小于 t 的对吧?不然的话只要让 g 加上一,h就可以减去 t, 然后等式仍然成立

那么我们先考虑 g 的最大值是多少:

我们看看,a^p-1 是多少? 明显是 1 吧? 根据费马小定理来的,不证了

那么也就是说 p-1 是一个 a 的循环节,那么 g 的最大值就是 $\sqrt{p}$ 了

然后考虑一下我们只需要$O(\sqrt{p})$去枚举 g ,然后算出值存进map(或者hash表,更快)

然后原问题就可以转换为求找出是否存在 h ($h<=\sqrt{p}$) 使得 $a^{gt} \times a^h ≡ 1(mod\ p)$

然后移一下项就可以变成 $a^{gt}  a^{-h}(mod\ p)$   ,其中 $a^{-h}$就是 $a^h$ 的逆元

然后再$O(\sqrt{p})$枚举 h ,算出 $a^{-h}(mod\ p)$ 然后看看 map 中有没有这个数,有的话 g*t+h 就是原等式的一个解了

其实不难吧?分块暴力嘛

(poj)

 inline void insert(int x,int y){ int k=x%mod;
hs[++pat]=x,id[pat]=y,nxt[pat]=head[k],head[k]=pat;
}
inline int find(int x){ int k=x%mod;
for(int i=head[k];i>=;i=nxt[i])
if(hs[i]==x) return id[i]; return -;
}
inline int BSGS(int a,int b,int n){
memset(head,-,sizeof(head));
pat=; if(b==) return ;
int m=sqrt(n+0.0),j; ll x=,p=;
for(int i=;i<m;++i,p=p*a%n)
insert((p*b%n),i);
for(ll i=m;i<=n;i+=m)
if((j=find(x=x*p%n))!=-) return i-j;
return -;
}

好了,Judge's Class  终于水完了,继续刷水题去   Bye~

逆元知识普及(进阶篇) ——from Judge的更多相关文章

  1. 逆元知识普及(扫盲篇) —— from Judge

    watch out 本文是博主的 csdn 上搬过来的,格式有点崩,看不下去的可以去 博主的 csdn上看(上面 格式会好很多,并且有些公式也用 $\LaTeX$  update 上去了) 最近有点颓 ...

  2. 代理服务器基本知识普及代理IP使用方法!

    本文并未从专业角度进行详细讲解,而是从应用的角度出发来普及一些代理服务器的基本知识.文章明显是搜集多方资料的拼凑,而且比较老了,但往往越老的东西越接近事物的本质,更容易窥探到原理,对于刚接触的人来说, ...

  3. 进阶篇:2)DFMA方法的运用

    本章目的:DFMA方法运用,引导后面的章节.(运用比只理解重要!) 1.DFMA概述 1.1 DFMA的由来 工艺粗略可分为装配工艺和制造工艺.在这里,我们所讲的“制造”是指产品或部件的某个零件的制造 ...

  4. 2. web前端开发分享-css,js进阶篇

    一,css进阶篇: 等css哪些事儿看了两三遍之后,需要对看过的知识综合应用,这时候需要大量的实践经验, 简单的想法:把qq首页全屏另存为jpg然后通过ps工具切图结合css转换成html,有无从下手 ...

  5. python 面向对象(进阶篇)

    上一篇<Python 面向对象(初级篇)>文章介绍了面向对象基本知识: 面向对象是一种编程方式,此编程方式的实现是基于对 类 和 对象 的使用 类 是一个模板,模板中包装了多个“函数”供使 ...

  6. SQL Server调优系列进阶篇(深入剖析统计信息)

    前言 经过前几篇的分析,其实大体已经初窥到SQL Server统计信息的重要性了,所以本篇就要祭出这个神器了. 该篇内容会很长,坐好板凳,瓜子零食之类... 不废话,进正题 技术准备 数据库版本为SQ ...

  7. SQL Server调优系列进阶篇(如何索引调优)

    前言 上一篇我们分析了数据库中的统计信息的作用,我们已经了解了数据库如何通过统计信息来掌控数据库中各个表的内容分布.不清楚的童鞋可以点击参考. 作为调优系列的文章,数据库的索引肯定是不能少的了,所以本 ...

  8. SQL Server调优系列进阶篇(如何维护数据库索引)

    前言 上一篇我们研究了如何利用索引在数据库里面调优,简要的介绍了索引的原理,更重要的分析了如何选择索引以及索引的利弊项,有兴趣的可以点击查看. 本篇延续上一篇的内容,继续分析索引这块,侧重索引项的日常 ...

  9. 4、JavaScript进阶篇①——基础语法

    一.认识JS 你知道吗,Web前端开发师需要掌握什么技术?也许你已经了解HTML标记(也称为结构),知道了CSS样式(也称为表示),会使用HTML+CSS创建一个漂亮的页面,但这还不够,它只是静态页面 ...

随机推荐

  1. Spring:AOP面向切面编程

    AOP主要实现的目的是针对业务处理过程中的切面进行提取,它所面对的是处理过程中的某个步骤或阶段,以获得逻辑过程中各部分之间低耦合性的隔离效果. AOP是软件开发思想阶段性的产物,我们比较熟悉面向过程O ...

  2. react混合开发APP,资源分享

    第一个: 链接:https://pan.baidu.com/s/1KdIs8EUcB9YTuK9VW1dC7g 密码:b68m 第二个: 链接:https://pan.baidu.com/s/1mi7 ...

  3. AI佳作解读系列(二)——目标检测AI算法集杂谈:R-CNN,faster R-CNN,yolo,SSD,yoloV2,yoloV3

    1 引言 深度学习目前已经应用到了各个领域,应用场景大体分为三类:物体识别,目标检测,自然语言处理.本文着重与分析目标检测领域的深度学习方法,对其中的经典模型框架进行深入分析. 目标检测可以理解为是物 ...

  4. layui 的学习

    1. meta标签 https://www.cnblogs.com/wangyang108/p/5995379.html <meta name="viewport" cont ...

  5. DAO 四个包的建立

    一.DAO 四个包的建立,降低代码之间的耦合性? 之前写代码,都是在一个包下.代码耦合性较高,不利于后期的维护. dao(代码分层?) 有利于后期的维护代码,修改方便. com.aaa.dao 存放d ...

  6. Comparable vs Comparator

    Comparable interface can be used to provide single way of sorting whereas Comparator interface is us ...

  7. mongoDB 文档概念

    mongoDB 文档概念 什么是文档 文档是 mongodb 基本的数据组织单元,类似于mysql 中的记录 文档由多个键值对组成,每个键值对表达一个数据项 属于 bson 数据 ps:  bson ...

  8. 深入理解ES6箭头函数中的this

    简要介绍:箭头函数中的this,指向与一般function定义的函数不同,比较容易绕晕,箭头函数this的定义:箭头函数中的this是在定义函数的时候绑定,而不是在执行函数的时候绑定. 1.何为定义时 ...

  9. python学习day11 函数Ⅲ (内置函数与lambda表达式)

    函数Ⅲ(内置函数&lambda表达式) 1.函数小高级 函数可以当做变量来使用: def func(): print(123) func_list = [func, func, func] # ...

  10. 腾讯笔试---小Q的歌单

    链接:https://www.nowcoder.com/questionTerminal/f3ab6fe72af34b71a2fd1d83304cbbb3 来源:牛客网 小Q有X首长度为A的不同的歌和 ...