以下内容均节选自《算法导论》第31章

最大公约数

定义:若:
\[\begin{array}{l}
a = p_1^{e_1}p_2^{e_2} \ldots p_r^{e_r}\\
b = p_1^{f_1}p_2^{f_1} \ldots p_r^{f_r}
\end{array}\]

则:
\[\gcd( a,b) = p_1^{\min ( e_1,f_1)}p_2^{\min ( e_2,f_2)} \cdots p_r^{\min ( e_r,f_r )}\]

GCD递归定理:对任意非负整数a和任意正整数b,
\[\gcd (a,b) = \gcd ( b,a\bmod b )\]

证明:

先证明充分性

\[\gcd ( a,b)|\gcd ( b,a\bmod bt)\]

如果设

\[d = \gcd( a,b)\]

\[d|a,d|b\]

由取模定义,可以推导出:
\[( a\,\bmod \,bt) = a - qb,q = \lfloor {a/b} \rfloor \]

因为 ( a mod b) 是 a 与 b 的线性组合,所以由等式:
\[d|a\& d|b \Rightarrow d|( {ax + by} )\]

可知
\[d|\gcd ( {a\,\bmod \,b} )\]

因此,因为 d | b 并且 d | ( a mod b ) ,由最大公约数定义可得:d | gcd ( b , a mod b ) ,即:
\[\gcd ( a\,\bmod \,b )|\gcd ( b,a\,\bmod \,b )\]

必要性证明过程与上述过程类似,故略去。

欧几里德算法

通过上述递归定理,我们可以求解最大公约数:

//c++语言表示欧几里德算法
int gcd(int a,int b){
if(b==0) return a;
else return gcd(b,a%b);
}

下面来举例说明该算法的运行过程。考虑 gcd (30 , 21) 的计算过程:
\[\gcd ( {30,21} ) = \gcd ( {21,9} ) = \gcd ( 9,3) = \gcd ( {3,0} ) = 3\]

在这个计算过程中,三次递归调用了欧几里德算法。

注:

默认假设 a>b>0。若b>a>0,则gcd(a,b)会立即调用gcd(b,a).

即如果第一个自变量小于第二个自变量,则gcd算法进行一次递归调用使两自变量兑换,然后继续往下执行。

类似的,如果b=a>0,则过程在进行一次调用后终止,因为 a mod b = 0

欧几里德算法的推广形式

我们推广该算法,使他能计算出满足下列条件的整系数x和y:
\[d = \gcd ( a,bt) = ax + by\]

定理二:

       如果 a 和 b 是不都为 0 的任意整数,则gcd(a,b)是a和b的线性组合集合 { ax + by | x , y 为整数 } 中的最小正元素.

证明

设 s 是 a 与 b 的线性组合集中的最小正元素,并且存在x,y,使得 s = ax + by 成立。设
\[q = \left\lfloor {a/s} \right\rfloor \]

则有 :
\[a\bmod s = a - qs = a - q( ax + by) = a( 1 - qx) + b( - qy )\]

因此,a mod s 也是a与b的一种线性组合。但由于a mod s 取值范围 [ 0 ,s ) ,所以 a mod s=0,

因为s是满足这样线性组合的最小正整数,故 a mod s 不能取正数只能取 0.

因此有 s | a ,类似的可推得 s | b。

因此 s 是a与b的公约数,所以 gcd( a , b ) >= s .

又因为 gcd( a , b ) 能被 a 与 b 整除,并且 s = ax + by .

所以 gcd( a , b ) | s .

但由gcd( a , b ) | s 和 s >0 ,可知 gcd( a , b ) <= s .

故 gcd( a , b ) = s ,证毕

扩展欧几里德算法:

int extended_gcd(int a,int b,int x,int y){
if(b==0){
x=1,y=0;
return a;
}
int r=extended_gcd(b,a%b,x,y); int tmp=x;
x=y;
y=tmp-a/b*y; return r;
}

过程详解:

首先,我们需要通过下述公式获得 (d’,x’,y’)
\[d' = \gcd ( b,a\bmod b ) \Rightarrow d' = bx' + ( a\bmod b )y'\]

由于:
\[d = \gcd ( a,b) = d' = \gcd ( b,a\bmod b)\]

为了得到 d=ax+by 中的 x 和 y,我们改写上述等式为:
\[d = d' = bx' + (a - \left\lfloor {a/b} \right\rfloor )y' = ay' + b( x' - \left\lfloor {a/b} \right\rfloor y')\]

因此,当选择:
\[\left\{ \begin{array}{l}
x = y'\\
y = x' - \left\lfloor {a/b} \right\rfloor y'
\end{array} \right.\]

就可以满足等式 d = ax + by .这样就证明了extended_gcd算法的正确性。

数据结构与算法分析 - 最大公约数(gcd & extended_gcd)的更多相关文章

  1. 数据结构与算法分析——C语言描述 第三章的单链表

    数据结构与算法分析--C语言描述 第三章的单链表 很基础的东西.走一遍流程.有人说学编程最简单最笨的方法就是把书上的代码敲一遍.这个我是头文件是照抄的..c源文件自己实现. list.h typede ...

  2. 1011 最大公约数GCD

    1011 最大公约数GCD 基准时间限制:1 秒 空间限制:131072 KB 输入2个正整数A,B,求A与B的最大公约数. Input 2个数A,B,中间用空格隔开.(1<= A,B < ...

  3. 51Nod--1011最大公约数GCD

    1011 最大公约数GCD 基准时间限制:1 秒 空间限制:131072 KB 分值: 0 难度:基础题  收藏  关注 输入2个正整数A,B,求A与B的最大公约数. Input 2个数A,B,中间用 ...

  4. <数据结构与算法分析>读书笔记--最大子序列和问题的求解

    现在我们将要叙述四个算法来求解早先提出的最大子序列和问题. 第一个算法,它只是穷举式地尝试所有的可能.for循环中的循环变量反映了Java中数组从0开始而不是从1开始这样一个事实.还有,本算法并不计算 ...

  5. <数据结构与算法分析>读书笔记--运行时间计算

    有几种方法估计一个程序的运行时间.前面的表是凭经验得到的(可以参考:<数据结构与算法分析>读书笔记--要分析的问题) 如果认为两个程序花费大致相同的时间,要确定哪个程序更快的最好方法很可能 ...

  6. <数据结构与算法分析>读书笔记--数学知识复习

    数学知识复习是<数据结构与算法分析>的第一章引论的第二小节,之所以放在后面,是因为我对数学确实有些恐惧感.不过再怎么恐惧也是要面对的. 一.指数 基本公式: 二.对数 在计算机科学中除非有 ...

  7. [数据结构与算法分析(Mark Allen Weiss)]不相交集 @ Python

    最简单的不相交集的实现,来自MAW的<数据结构与算法分析>. 代码: class DisjSet: def __init__(self, NumSets): self.S = [0 for ...

  8. [数据结构与算法分析(Mark Allen Weiss)]二叉树的插入与删除 @ Python

    二叉树的插入与删除,来自Mark Allen Weiss的<数据结构与算法分析>. # Definition for a binary tree node class TreeNode: ...

  9. <数据结构与算法分析>读书笔记--函数对象

    关于函数对象,百度百科对它是这样定义的: 重载函数调用操作符的类,其对象常称为函数对象(function object),即它们是行为类似函数的对象.又称仿函数. 听起来确实很难懂,通过搜索我找到一篇 ...

随机推荐

  1. 使用Spring Sleuth和Zipkin跟踪微服务

    随着微服务数量不断增长,需要跟踪一个请求从一个微服务到下一个微服务的传播过程, Spring Cloud Sleuth 正是解决这个问题,它在日志中引入唯一ID,以保证微服务调用之间的一致性,这样你就 ...

  2. 比较Windows Azure 网站(Web Sites), 云服务(Cloud Services)and 虚机(Virtual Machines)

    Windows Azure提供了几个部署web应用程序的方法,比如Windows Azure网站.云服务和虚拟机.你可能无法确定哪一个最适合您的需要,或者你可能清楚的概念,比如IaaS vs PaaS ...

  3. 记一次使用命令行启动部署在tomcat上的应用

    在Eclipes进行程序开发完成后,一般都会直接在Eclipse部署启动,其中的一些启动参数设置都会在其中进行,若用命令行启动,则需要手动配置. 程序开发完成后打成的war包,需要部署到Tomcat应 ...

  4. nodejs实现的简单接口

    var http = require('http'); var mysql = require('mysql'); var connection = mysql.createConnection({ ...

  5. 由 excel 转换为 markdown,及收获

    由 excel 转换为 markdown,及收获 1 问题 构建之法(现代软件工程)东北师大站[http://www.cnblogs.com/younggift/]的每周学生作业成绩,执行教学团队[h ...

  6. 如何使用国内源部署Ceph?

    由于网络方面的原因,Ceph的部署经常受到干扰,通常为了加速部署,基本上大家都是将Ceph的源同步到本地进行安装.根据Ceph中国社区的统计,当前已经有国内的网站定期将Ceph安装源同步,极大的方便了 ...

  7. Android  PNG透明图片转JPG格式背景变黑

    Android  PNG透明图片转JPG格式背景变黑 在上传图片是,需要把PNG格式转换成JPG格式的,但是在遇上透明背景时,转过来就变成黑色底图了! 原因是PNG支持透明图而 JPG格式不支持透明底 ...

  8. Java Native Method

    一.什么是java native method? "A native method is a Java method whose implementation is provided by ...

  9. 函数也是对象,本片介绍函数的属性、方法、Function()狗仔函数。

    1.arguments.length表示实参的个数. 2.arguments.callee.length表示形参个数. function test(a,b,c,d,e,f){ alert(argume ...

  10. nutch-介绍

    本文主要源于http://www.ibm.com/developerworks/cn/opensource/os-cn-nutchintro/ 基本信息 Nutch是一个开放源代码(open-sour ...