{
  "id": "modular-exponentiation",
  "title": "模幂运算",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "模幂运算无需构造完整的整数幂即可求出其余数，是数论计算和密码学中的高效基本运算。",
  "category": "mathematics",
  "subcategory": "algebra",
  "type": "concept",
  "aliases": [
    "模指数运算",
    "模幂"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/modular-exponentiation/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/modular-exponentiation/",
      "json": "https://aiwiki.page/en/modular-exponentiation.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "模幂运算是计算一个整数的幂对某个正整数取模的结果。给定底数 \\(a\\)、非负指数 \\(e\\) 和模数 \\(m\\)，它求出满足下列条件的唯一整数 \\(r\\)：\n\n\\[r\\equiv a^e\\pmod m,\\qquad 0\\le r<m.\\]\n\n它在计算上的核心优势是可以随时将中间结果对 \\(m\\) 取模，从而避免构造可能极其庞大的整数 \\(a^e\\)。模幂运算是数论、计算数学和公钥密码学中的一项基本运算。"
    },
    {
      "heading": "定义与基本性质",
      "text": "在模算术中，相差 \\(m\\) 的整数倍的整数属于同一个剩余类。模幂运算的结果仅取决于底数所属的剩余类：对于任意非负整数 \\(e\\)，都有\n\n\\[a\\equiv b\\pmod m \\quad\\Longrightarrow\\quad a^e\\equiv b^e\\pmod m\\]\n\n通常的指数运算法则仍然成立：\n\n\\[a^{u+v}\\equiv a^u a^v\\pmod m, \\qquad a^{uv}\\equiv (a^u)^v\\pmod m.\\]\n\n特别地，恒等式\n\n\\[(xy)\\bmod m = \\bigl((x\\bmod m)(y\\bmod m)\\bigr)\\bmod m\\]\n\n使得每次乘法之后都可以进行取模。\n\n对于 \\(e=0\\)，模幂算法采用空积约定 \\(a^0=1\\)，即使 \\(a=0\\) 也不例外。因此，返回的余数为 \\(1\\bmod m\\)。若 \\(m=1\\)，所有结果均为 \\(0\\)。模数不能为零。\n\n例如，\n\n\\[7^4=2401\\equiv1\\pmod{100}.\\]\n\n因此，\n\n\\[7^{100}\\equiv(7^4)^{25}\\equiv1\\pmod{100},\\]\n\n无需构造有 85 位数字的整数 \\(7^{100}\\)。"
    },
    {
      "heading": "二进制幂算法",
      "text": "标准的高效算法是二进制幂算法，也称为平方求幂法或平方乘法。它利用以下恒等式：\n\n\\[a^{2k}=(a^k)^2,\\qquad a^{2k+1}=a(a^k)^2.\\]\n\n该算法逐位处理 \\(e\\) 的二进制表示，所需模乘次数仅与 \\(e\\) 的二进制位数成正比，而不必进行大约 \\(e\\) 次乘法。\n\n从右向左处理的版本如下：\n\n模幂(a, e, m):\n    要求 e >= 0 且 m >= 1\n    结果 = 1 mod m\n    底数 = a mod m\n\n    当 e > 0 时:\n        如果 e 为奇数:\n            结果 = (结果 * 底数) mod m\n        e = 向下取整(e / 2)\n        底数 = (底数 * 底数) mod m\n\n    返回 结果\n\n每次迭代开始时，循环都保持以下不变式：\n\n\\[\\text{result}\\cdot\\text{base}^{\\,e} \\equiv a_0^{e_0}\\pmod m,\\]\n\n其中，\\(a_0\\) 和 \\(e_0\\) 是最初的输入，公式中的 result 和 base 分别对应伪代码中的“结果”和“底数”。当剩余指数变为零时，这个不变式就表明“结果”是所求的余数。对迭代次数运用数学归纳法，即可给出严格的正确性证明。\n\n从左向右处理的版本则从最高位到最低位扫描指数的二进制位。从 \\(r=1\\bmod m\\) 开始，每处理一位就将 \\(r\\) 平方；若该位为 \\(1\\)，再乘以 \\(a\\)。\n\n计算示例\n\n要计算 \\(7^{13}\\bmod23\\)，先写出\n\n\\[13=8+4+1.\\]\n\n连续平方可得\n\n\\[\\begin{aligned} 7^1&\\equiv7\\pmod{23},\\\\ 7^2&\\equiv49\\equiv3\\pmod{23},\\\\ 7^4&\\equiv3^2\\equiv9\\pmod{23},\\\\ 7^8&\\equiv9^2\\equiv12\\pmod{23}. \\end{aligned}\\]\n\n将非零二进制位所对应的幂相乘，得到\n\n\\[7^{13}\\equiv12\\cdot9\\cdot7\\equiv20\\pmod{23}.\\]"
    },
    {
      "heading": "计算复杂度",
      "text": "对于 \\(e>0\\)，令\n\n\\[L=\\lfloor\\log_2 e\\rfloor+1\\]\n\n为指数的二进制位数。用大O记号表示，二进制幂算法需要 \\(O(L)\\) 次模乘。若实现时用最高位对应的幂初始化累积值，则可以只进行 \\(L-1\\) 次平方，并为其余每个非零指数位各进行一次额外乘法。\n\n这一运算次数并不等同于位复杂度。设 \\(n\\) 为 \\(m\\) 的二进制位数。取模后的余数最多占 \\(n\\) 位，而两个余数相乘后尚未取模的积可能占约 \\(2n\\) 位。采用普通竖式乘法和常规的基于除法的取模方法时，每次模乘需要 \\(O(n^2)\\) 次位运算，因此，不计输入的初始取模，整体复杂度上界为\n\n\\[O(Ln^2),\\]\n\n更一般地，若 \\(C_{\\mathrm{mod}}(n)\\) 表示两个 \\(n\\) 位余数相乘并取模的开销，则运行时间为\n\n\\[O\\!\\left(L\\,C_{\\mathrm{mod}}(n)\\right).\\]\n\n更快的乘法和取模方法能够降低这一开销。\n\n基本算法只需存储常数个大整数，但也需要读取指数并使用临时工作空间。基于窗口的变体则以额外存储和预计算为代价，减少乘法次数。"
    },
    {
      "heading": "更快的实现方法",
      "text": "加法链与窗口方法\n\n\\(e\\) 的一条加法链是一个以 \\(1\\) 开始、以 \\(e\\) 结束的数列，其中每个新项都是前面两项之和。每一项都对应一个幂，该幂可以通过将先前算出的两个幂相乘得到。\n\n二进制幂算法给出了一条这样的链，但它不一定最短。例如，加法链\n\n\\[1,2,3,6,12,15\\]\n\n只需五次乘法即可算出 \\(a^{15}\\)，而直接使用二进制方法构造的链需要六次。\n\n固定窗口法和滑动窗口法将指数的若干二进制位合在一起处理，并预先计算底数的某些幂。对于较大的指数，这些方法可以减少乘法次数，尤其适合预计算结果能够重复利用的情况。\n\n取模方法\n\n蒙哥马利乘法通过在一种变换后的表示形式中进行运算，取代反复除以模数的操作。它要求辅助基数与 \\(m\\) 互素。若基数是二的幂，就意味着 \\(m\\) 必须是奇数。\n\n巴雷特约减则利用预先计算的模数倒数近似值来加速取模。它不要求模数为奇数。\n\n当大量乘法使用同一个模数时，这两种技术尤其有用，而模幂运算正是这样的情形。"
    },
    {
      "heading": "指数约简与周期性",
      "text": "将底数对 \\(m\\) 取模总是有效的，但对指数进行取模约简则需要额外条件。\n\n若最大公约数满足 \\(\\gcd(a,m)=1\\)，则由欧拉定理（数论）可得\n\n\\[a^{\\varphi(m)}\\equiv1\\pmod m,\\]\n\n其中，\\(\\varphi(m)\\) 表示与 \\(m\\) 互素的剩余类个数。因此，对于非负的 \\(e\\)，\n\n\\[a^e\\equiv a^{\\,e\\bmod\\varphi(m)}\\pmod m.\\]\n\n若模数 \\(p\\) 为素数，且 \\(p\\nmid a\\)，则费马小定理给出上述结论的特例：\n\n\\[a^{p-1}\\equiv1\\pmod p.\\]\n\n更确切地说，可逆剩余类的各次幂以其乘法阶为周期重复：乘法阶就是使 \\(a^t\\equiv1\\pmod m\\) 成立的最小正整数 \\(t\\)。这是群论中元素的阶的一个具体例子。\n\n若 \\(a\\) 与 \\(m\\) 不互素，将指数对 \\(\\varphi(m)\\) 取模可能会出错。例如，\n\n\\[2^4\\bmod8=0,\\]\n\n但将指数对 \\(\\varphi(8)=4\\) 取模，会错误地得到\n\n\\[2^0\\bmod8=1.\\]\n\n对于任意固定的底数和模数，其非负整数次幂在取模后形成的序列最终都会呈现周期性，但不一定从指数为零时就开始周期重复。\n\n若模数被分解为两两互素的因子，可以分别以这些因子为模计算幂，再利用中国剩余定理合并结果。"
    },
    {
      "heading": "负指数",
      "text": "以 \\(m>1\\) 为模时，只有底数存在乘法逆元，负指数幂才有定义。逆元存在的充要条件是\n\n\\[\\gcd(a,m)=1.\\]\n\n将逆元记为 \\(a^{-1}\\)，则对于正整数 \\(k\\)，定义\n\n\\[a^{-k}\\bmod m=(a^{-1})^k\\bmod m\\]\n\n逆元可以使用扩展欧几里得算法求出。例如，\n\n\\[3^{-1}\\equiv5\\pmod7\\]\n\n因为 \\(3\\cdot5\\equiv1\\pmod7\\)，所以\n\n\\[3^{-2}\\equiv5^2\\equiv4\\pmod7.\\]\n\n若逆元不存在，通常意义下具有单一确定值的负指数模幂便没有定义。"
    },
    {
      "heading": "应用与安全性",
      "text": "模幂运算在多种计算任务中都居于核心地位：\n\n- 公钥密码学。 RSA密码系统使用以大素数之积为模的幂运算。乘法群中的迪菲–赫尔曼密钥交换则选取一个合适的素数作为模数，计算共同底数的幂。\n- 素性测试。 米勒–拉宾测试等方法通过检查模幂是否具有素数模数应有的性质，来检验素性。\n- 计算数论。 整数分解方法、阶的计算以及有限域中的计算都会用到模幂。\n- 离散对数。 计算 \\(g^x\\bmod m\\) 很高效，但在恰当选取的群中，从给定的群元素反求 \\(x\\) 可能十分困难。这种差异是基于离散对数的密码系统的基础。\n\n当指数需要保密时，数学上正确的实现并不一定安全。普通的平方乘法会根据指数位的不同执行不同操作；运行时间、功耗、电磁辐射或内存访问模式都可能泄露这些位的信息。\n\n因此，密码学实现会采用经过精心设计的运算流程、常数时间的查表选择，并在适当情况下使用盲化技术。仅仅固定乘法次数，并不能保证抵抗信息泄露：还必须考虑底层的乘法、取模和内存操作。\n\n整数的表示方式同样重要。在固定位宽的机器算术中，乘积可能在取模之前就已溢出。实现时可以使用足够宽的中间值、多精度算术，或能够避免溢出的模乘过程。先用浮点运算近似计算一个大整数幂，再求其余数，不能替代精确的模幂运算。"
    },
    {
      "heading": "代数推广",
      "text": "平方求幂法依赖的是结合律和单位元，而非整数乘法本身。因此，同一种方法也适用于环（数学）中的元素，包括矩阵，以及以另一个多项式为模进行约简的多项式。\n\n对于元素均对 \\(m\\) 取模的矩阵，二进制幂算法能够高效计算 \\(A^e\\)。这可用于涉及递推关系和离散变换反复作用的计算。与标量不同，矩阵之间的乘法不一定满足交换律，但同一个固定矩阵的各次幂仍满足算法所需的恒等式。"
    }
  ],
  "links": [
    "integer",
    "number-theory",
    "modular-arithmetic",
    "algorithm",
    "binary-number",
    "mathematical-induction",
    "big-o-notation",
    "greatest-common-divisor",
    "eulers-theorem-number-theory",
    "prime-number",
    "fermats-little-theorem",
    "group-theory",
    "chinese-remainder-theorem",
    "euclidean-algorithm",
    "rsa-cryptosystem",
    "finite-field",
    "floating-point-arithmetic",
    "ring-mathematics",
    "matrix",
    "recurrence-relation"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}