The Full Coppersmith Method
这里回顾一下example 2，即使以M^{1/6}来计算边界也应该是4.6左右，那为什么我们设X = 10最终也可以得到正确的结果呢？其实审视一下整个过程，我们最终的目的只是为了获得一组系数，最后规约出来的行向量也都做了相应的”去除X“处理，所以这里对X的取值其实并不用特别严格。
其次，如果不取这个约来的边界M^{1/6}, 而是直接将d = 3带入
来计算这个x的边界，其实边界值应该是2.07左右。嗯？还是那个问题，那为啥我们可以得到正确结果呢？因为其实这个边界值也并不是很严格，在推导得出这个值的时候本身就用了很多次不等式，再者，我们利用的LLL中的那个性质，
我们取的是LLL算法规约出来的最坏的情况，而大多数情况得到的结果要比这值小许多。
回到这一章的主题，在上一章中我们对X的取值有不等式：
稍微还原一下就是
所以想要增加X就有两个思路，一个是往矩阵里多加几行向量来增加格的维度n，第二个就是增大M了。【这两个方法在公式层面看起来可能不那么直观，公式还需要再变形一下，并且应该也会有一个最优解】
针对第一种方案，我们称这种往格里插入的，增加了格的维度而不增加M的多项式为：“x-shift” polynomial，它们是x F(x), x^2 F(x), …, x^k * F(x)，显然这些多项式在M下的解也为x0。
针对第二种方案，我们可以利用F(x)的幂来增加M，因为F(x0) ≡ 0 (mod M )，则有F(x0)^k ≡ 0 （ mod M^k ）
我们继续拿上文中的example 2来举例，之前我们用到的格的维度n = 4，所以d = 3，带入那条不等式我们可以得到
M、X可得X ≈ 2.07，现在我们往格中添加两个多项式x F(x), x^2 F(x)，得到
现在我们格的维度为6，并且行列式为M^3 * X^15，带入那条不等式可得
现在算出来X ≈ 3.11，可以看到通过添加“x-shift” polynomial，我们确实增大了X。
这里有一个现成的结论就是通过添加“x-shift” polynomial： x F(x), x^2 F(x), …, x^{d-1} * F(x)，我们可以使得 X ≈ M^{1/(2d-1)}，所以当d = 3，通过“x-shift” polynomial，我们将X ≈ M^{1/6 }提升为X ≈ M^{1/5}。那么如果在此基础上再增加了M呢？
Theorem 2 （Coppersmith）
设0< ε <min {0.18,1/d} ,F(x)为度为d的首一多项式，如果其在域M下有一个或多个根x = 0满足|x0|< M^{1/d-ε}，那么我们就可以在与d,1/ε, log(M)相关的多项式时间内找到它，
proof
（同样，由于公式太多，加上平台无法显示latex公式，这里我就直接截图了）
example 3
设p=2^30 + 3,q=2^32 +15,M=pq
F(x)=a0+a1 x+a2 x^2+a3 * x^3=1942528644709637042 + 1234567890123456789x + 987654321987654321x^2 + x^3
并且我们事先知道根:|x0| ≤ 2^14， 所以我们设X = 2^14， 注意到X ≈ M^{1/4.4}。这里我们构造格
注意到，我们这里并没有像proof中的那样，加上所有的G(x)，这里我们只添加量两条“x-shift” polynomial，额外添加了一条F(X)^2，第四行为M F(X)。理论上我们还可以针对F(X)^2再添加两条“x-shift” polynomial，但这里并没有这么做，是综合考虑了到x0的上界X，和LLL算法运行的时间复杂度。所以这里格的维度是7，行列式det(L)=M^9 X^21。
这里运行LLL算法，并将第一行的行向量的相应X值去除得到系数向量，可得G(x)=-369928294330603367352173305173409792 + 88565517701781911148679362207202x
-3439987357258441728608570659x^2 + 446358057645551896819258x^3
+4564259979987386926x^4 – 1728007960413053x^5 – 21177681998x^6
运算求根算法可得x0=16384
到这里，我们对于单元Coppersmith’s Method的原理学习就告一段落了。至于最初说的x0的取值上界可以达到M^{1/d}-ε}，而为啥最后我们证明出来的是却是1/2 * M^{1/d-ε}。从Coppersmith 定理的证明过程来看，应该是与α的取值范围有关。【学艺不精，若有错误，还请大佬们轻锤】