数论笔祭 - 林学长的第二数学

数论,学长,第二,数学 · 浏览次数 : 5

小编点评

**求解连分数公式** **连分数递推公式** $$p_n = a_n p_{n - 1} + p_{n - 2}$$ $$q_n = a_n q_{n - 1} + q_{n - 2}$$ **求解连分数的递推公式** $$p_0 = a_0, p_1 = a_0 a_1 + 1$$ $$q_0 = 1, q_1 = a_1$$ **求解连分数** **丢番图逼近公式** $$x^2 - Dy^2 = k$$ **连分数递推公式** $$p_n = a_n p_{n - 1} + p_{n - 2}$$ $$q_n = a_n q_{n - 1} + q_{n - 2}$$ **求解连分数** **丢番图逼近公式** $$x^2 - Dy^2 = k$$

正文

林学长讲课笔记

极限

\(\lim_{x \to x_0} f(x)\)

考虑运算法则:

  • 一般来说,函数的和差商积的极限等于函数的极限的和差商积。

但是例外:

\[\lim_{x \to 3} \frac {x - 3}{x^2 - 9} \]

考虑极限约去 \(x - 3\) 得到:

\[\lim_{x \to 3} \frac 1 {x + 3} = \frac 16 \]

如果约不掉?但是……

\[\lim_{x \to 1} \frac {2x - 3} {x^2 - 1} \]

考虑 \(2x - 3\) 不为 \(0\),所以 \(= \infty\)

总结到一般的高次多项式?

\[\lim_{x \to \infty} \frac {a_0 x^m + \cdots}{b_0 x^n + \cdots} \]

  • \(m > n\)\(= \infty\)

  • \(m = n\)\(= \frac {a_0}{b_0}\)

  • \(m < n\)\(= 0\)

发散?收敛?看是否存在可数的上下界

\[\lim_{x \to \infty} \frac {\sin x} x \]

考虑 \(\lim \frac 1x = 0\),而 \(\sin x\) 是有界函数,故 \(\lim \frac {\sin x} x = 0\)\(0\) 乘上一个有界函数)


重要的极限

\[\lim_{x \to 0} \frac {\sin x} x = 1 \tag{1} \]

\[\lim_{x \to \infty}(1 + \frac 1 x)^x = e \tag{2} \]

可以利用夹逼定理证明 \((1)\)。考虑:

发现三个面积有:

\[\frac 12 \sin x \le \frac 12 x \le \frac 12 \tan x \]

整理一下:

\[1 \le \frac x {\sin x} \le \frac 1 {\cos x} \]

根据夹逼定理,有 \(\lim \frac x {\sin x} = 1\)


导数

对于 \(f(x)\)\(f'(x)\) 表示函数在 \(x\) 时的斜率。

\[f'(x) = \lim_{\Delta x \to 0} \frac {f(x + \Delta x) - f(x)}{\Delta x} = \frac {dy} {dx} \]

常见的导数:

\(f(x)\) \(f'(x)\)
\(C\) \(0\)
\(x^\mu\) \(\mu x ^{\mu - 1}\)
\(\sin x\) \(\cos x\)
\(\cos x\) \(-\sin x\)
\(a^x\) \(a^x \ln a\)
\(\log_ax\) \(\frac 1{x \ln a}\)

运算法则:

  • \([u(x) \pm v(x)]' = u'(x) \pm v'(x)\)

  • \([u(x)v(x)]' = u(x)v'(x) + u'(x)v(x)\)

  • \([\frac {u(x)}{v(x)}]' = \frac {u'(x)v(x) - u(x)v'(x)}{v^2(x)}\) 这是子导母不导减去母导子不导。

考虑一下常用导数:

\[f(x) = \tan x = \frac {\sin x}{\cos x} = \frac {\cos^2 x + \sin^2 x}{\cos^2 x} = \frac 1 {\cos^2 x} \]

对于反函数

\[f(x) = y \iff f^{-1}(y) = x \]

有:

\[[f^{-1}(x)]' = \frac 1 {f'(f(x))} \]

于是对于 \(f(x) = \arctan x\),有:

\[\begin{aligned} (\arctan x)' &= \frac 1 {\tan'(\arctan x)} \\ &= \cos^2 (\arctan x) \\ &= \frac 1 {1 + \tan^2 (\arctan x)} \\ &= \frac 1 {1 + x^2} \end{aligned} \]

对于复合函数 \(y = f(g(x))\) 求导。

\(u = g(x)\),于是 \(\to y = \frac {du}{dy}, u' = g'(x) = \frac {dx}{du}\)

也就是 \(y' = f'(x) \cdot g'(x)\)

例如 \(e^{x^3}\) 的导数相当于 \(f(x) = e^x, g(x) = x^3\) 函数复合求导。

于是 \((e^{x^3})' = f'(x)\cdot g'(x) = e^x \cdot 3x^2\)


柯西中值定理 描述的是:

若在 \([a, b]\)\(f(x), F(x)\) 连续,在 \((a, b)\)\(f(x), F(x)\) 可导且 \(\forall x \in (a, b) F'(x) \ne 0\) 那么一定至少存在一个点 \(\xi\) 使得:

\[\frac {f(a) - f(b)}{F(a) - F(b)} = \frac {f(\xi)}{F(\xi)} \]

那么对于洛必达法则:

  • \(x \to a\) 时,\(f(x), F(x)\) 都趋近于 \(0\)

  • \(\lim_{x \to a} \frac {f'(x)}{F'(x)}\) 存在(或为无穷大)

那么:

\[\lim_{x \to a}\frac {f(x)}{F(x)} = \lim_{x \to a} \frac {f'(x)}{F'(x)} \]

考虑转化为:

\[\lim_{x \to a}\frac {f(x) - 0}{F(x) - 0} \]

如果满足了第一个条件,那么可以依据柯西中值定理构造出:

\[\frac {f(x) - f(a)}{F(x) - F(a)} = \frac {f'(\xi)}{F'(\xi)} \]

\(\xi\)\(a, x\) 之间。那么原式成立。

既然洛必达法则存在,那么考虑泰勒展开逼近:

\[f(x) = \sum_{n = 0}^\infty \frac {f^{(n)}}{n!} x^n \]

考虑展开 \(\ln(1 + x)\) 有:

\[f^{(n)}(0) = (-1)^{n - 1}(n - 1)! \]

于是

\[\begin{aligned} \ln(1 + x) &= x - \frac {x^2} 2 + \frac {x^3} 3 - \frac {x ^ 4} 4 + \cdots \\ &= \sum_{n = 1}^{\infty} \frac {(-1)^{n - 1}}n x^n \end{aligned} \]


勾股数组定理

对于每一个本原勾股数组 \((a, b, c)\),都可以从如下公式推出:

本原勾股数组:满足 \(\gcd(a, b, c) = 1\)\(a^2 +b^2 = c^2\) 的数组。

\[a = st, b = \frac {s^2 - t^2} 2, c = \frac {s^2 + t^2} 2 \]

特别的,如果取 \(t = 1\),那么可以得到三元组:

\[(s, \frac {s^2 - 1}2, \frac {s^2 + 1} 2) \]

欧拉函数

对于 \(\varphi(x)\)

  • 基于概率的证明

  • 基于积性函数的证明

\[a^{\varphi(p)} \equiv 1 \pmod p \]

考虑 \(\Z_p\) 的完全剩余系的大小,即是 \(\varphi(p)\)

Fib 数列周期性

对于 \(f: \Z_n\),记其循环长度为 \(N(n)\)

可以有:

\[\gcd(x, y) = 1 \implies N(x y) = \mathit{lcm}(N(x)N(y)) \]

也可以有:

\[N(p^k) = p^{k - 1}N(p) \]

那么现在的问题是 \(N(p)\),观察可知:

\[N(p) = \begin{cases} p - 1, p \equiv 1 \pmod {10} \\ \end{cases} \]

  • \(p \equiv \pm 1 \pmod {10} \implies N(p) | p - 1\)

  • \(p \not\equiv \pm 1 \pmod {10} ~and~ p \not\equiv 5 \pmod {10} \implies N(p) | 2p + 2\)

  • \(\cdots\)

但是考虑有点小小的刻意,所以考虑 \(\bmod 5\)

\[N(p) | \begin{cases} p - 1, p \equiv \pm 1 \pmod 5 \\ 2p + 2, p \equiv \pm 2 \pmod 5 \\ \end{cases} \]

特殊的 \(N(5) = 20\)

特殊的等式

  • \(f_{n-1}^2 + f^{2}_{n+1} = f_{2n}\)

佩尔方程

\[x^2 - Dy^2 = 1 \]

可以如下解:

\[\begin{aligned} (x + \sqrt D y) (x - \sqrt D y) = 1 \\ (x^2 + Dy^2 + 2\sqrt D x y)(x^2 + Dy^2 - 2\sqrt D x y) = 1 \\ (x^2 + Dy^2) - 4D x^2y^2 = 1 \\ (x^2 + Dy^2) - D (2xy)^2 = 1 \end{aligned} \]

于是如果可以解出一组 \((x, y)\),那么可以构造 \((x^2 + Dy^2, 2xy)\) 作为新的解。

丢番图逼近

\[x^2 - Dy^2 = k \]

连分数

\[\frac {p_n}{q_n} = a_0 + \cfrac {1} {a_1+ \cfrac {1} {a_2 + \cfrac {1} {\ddots + \cfrac 1 {a_n}}}} \]

可以简单记为一个序列 \([a_0, a_1, a_2, \cdots ]\)

连分数递推公式,用于求解 \(p_n, q_n\)

\[p_0 = a_0, p_1 = a_0 a_1 + 1 \\ q_0 = 1, q_1 = a_1 \]

有:

\[\begin{aligned} p_n = a_n p_{n - 1} + p_{n - 2} \\ q_n = a_n q_{n - 1} + q_{n - 2} \end{aligned} \]

考虑归纳证明即可。

与数论笔祭 - 林学长的第二数学相似的内容:

数论笔祭 - 林学长的第二数学

# 林学长讲课笔记 ## 极限 $\lim_{x \to x_0} f(x)$ 考虑运算法则: - 一般来说,函数的和差商积的极限等于函数的极限的和差商积。 但是例外: $$ \lim_{x \to 3} \frac {x - 3}{x^2 - 9} $$ 考虑极限约去 $x - 3$ 得到: $$

数论导论

数论导论 快速幂 求 $a^b\bmod p$ 的结果。 我们可以构造如下算法: $a^b=\begin{cases}(a^{\frac b2})^2 &\texttt{b is even}\a(a^{\frac{b-1}2})^2&\texttt{b is odd}\end{cases}$ 每次

OI 数论中的上界估计与时间复杂度证明

渐进符号、约数函数、整除分块嵌套与杜教筛.

【数据集】Maple-IDS——网络安全恶意流量检测数据集

一、数据集介绍 Maple-IDS数据集是一个网络入侵检测评估数据集,旨在增强异常基础入侵检测系统(IDS)和入侵预防系统(IPS)的性能和可靠性。随着网络空间安全领域攻击的日益复杂化,拥有一个可靠和最新的数据集对于测试和验证IDS和IPS解决方案至关重要。 数据集由东北林业大学网络安全实验室发布,

数据血缘系列(3)—— 数据血缘可视化之美

大家好,我是独孤风。在当今数据驱动的商业环境中,数据治理成为企业成功的关键因素之一,而数据血缘正是数据治理成功的一个关键。 本文我们详细探讨下数据血缘可视化是什么,该如何实现。并顺便对比一下Apache Atlas 、Datahub、Openmetadata、Marquez、SQLLineage、A

数据特征采样在 MySQL 同步一致性校验中的实践

作者:vivo 互联网存储研发团队 - Shang Yongxing 本文介绍了当前DTS应用中,MySQL数据同步使用到的数据一致性校验工具,并对它的实现思路进行分享。 一、背景 在 MySQL 的使用过程中,经常会因为如集群拆分、数据传输、数据聚合等原因产生流动和数据复制。而在通常的数据复制过程

(数据科学学习手札162)Python GIS神器geopandas 1.0版本发布

本文完整代码及附件已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 1 简介 大家好我是费老师,就在昨天,Python生态中著名的GIS分析库geopandas发布了其1.0.0正式版本。 历经10年迭代升级,geopa

数据标注工具 doccano | 命名实体识别(Named Entity Recognition,简称NER)

目录安装数据准备创建项目创建抽取式任务上传定义标签构建抽取式任务标签任务标注命名实体识别导出数据查看数据 命名实体识别(Named Entity Recognition,简称NER),是指识别文本中具有特定意义的实体。在开放域信息抽取中,抽取的类别没有限制,用户可以自己定义。 安装 详见:数据标注工

数据标注工具 doccano | 文本分类(Text Classification)

目录安装运行 doccano打开 doccanno创建项目上传数据定义标签添加成员开始标注导出数据查看数据统计 数据标注工具 Label-Studio 安装 打开命令行(cmd、terminal)执行安装命令 # Python 3.8+ pip install doccano -i https://

再谈量化策略失效的问题

更多精彩内容,欢迎关注公众号:数量技术宅,也可添加技术宅个人微信号:sljsz01,与我交流。 如何判断量化策略是否失效 我们在交易量化策略的时候,经常会遇到量化策略出现持续性的回撤。此时,必须考虑一种情况,即正在交易的策略可能失效了。于是,我们的首要工作是,判断这个量化策略是否失效。 判断量化交易