多项式因式分解与近似整数公约数算法解析
1. 多项式因式分解相关内容
1.1 处理多项式的能力
有研究表明,能够处理 $n > 400$,$N, D > 2000$ 的多项式,远超之前的处理范围。
1.2 构建格以寻找集合 B
为了找到关于向量 $v$ 的线性条件,不能直接使用多项式 $g_v$ 的系数,因为 $g_{u + v} = g_u g_v$,其系数与 $v$ 并非线性关系。为此,定义一个具有 $s$ 个元素的向量 $T_A(g)$($s$ 相较于 $n$ 较小),它满足对于所有非零的 $g_1, g_2 \in Q_p[x]$,有 $T_A(g_1 g_2) = T_A(g_1) + T_A(g_2) \in Q_s^p$。
构建 $T_A(g)$ 时,要保证对于所有的 0 - 1 向量 $v$,$T_A(g_v)$ 的元素都是 $p$ - 进整数;若 $g_v \in Q[x]$,则这些元素是整数,且绝对值被 $\frac{1}{2}p^b$ 所界定($b$ 为整数)。
$T_A(g_v) = \sum v_i T_A(f_i)$ 是 $T_A(f_i)$ 的线性组合,当 $g_v \in Q[x]$ 时,该线性组合的元素为整数。但 $T_A(f_i)$ 的元素不适合直接用于 LLL 输入向量,原因如下:
1. $T_A(f_i)$ 的元素是 $p$ - 进整数,并非有限表达式。
2. 若 $g_v \in Q[x]$,$T_A(g_v)$ 的元素是绝对值被 $\frac{1}{2}p^b$ 界定的整数,这些整数包含了 $g_v$ 系数的部分信息,在格中保留该信息效率
超级会员免费看
订阅专栏 解锁全文

被折叠的 条评论
为什么被折叠?



