[Notes][多项式]杂记 · 多项式算法—多项式求逆 多项式取模 多项式开根…

多项式

由若干个单项式相加组成的代数式叫做多项式
形如：$f(x)=\sum_{i=0}^{n}a_ix^i$，
$\deg~f(x)$称为$f$的度，是$f(x)$最高次项的次数。

生成函数

形如$\sum_{i=0}^\infty a_ix^i$
生成函数又称母函数，往往和多项式算法联系起来起到优化转移的作用

多项式算法

加减法

多项式加减法比较简单
若$f(x)=\sum_{i=0}^na_ix^i$，$g(x)=\sum_{i=0}^nb_ix^i$

则$(f\pm g)(x)=\sum_{i=0}^{n}(a_i\pm b_i)x^i$

代码实现也比较简单

---

乘法

多项式乘法是所有多项式算法的基础，也是生成函数的卷积运算

若$f(x)=\sum_{i=0}^na_ix^i$，$g(x)=\sum_{i=0}^nb_ix^i$

则$(f\times g)(x)=\sum_{i=0}^{2n}\sum_{j=0}^{i}a_j\times b_{i-j} x^i$

朴素的多项式乘法是$O(n^2)$的，但FFT（快速傅里叶变换）运用复数根的特性可以在$O(n\log n)$的复杂度内实现多项式的系数表达和点值表达的转化，运用点值表达实现$O(n)$的相乘，总复杂度就是$O(n\log n)$，但是因为常数过大，往往小范围会使用暴力。

inline void FFT(E *a,int r){
  for(int i=0;i<n;i++) if(rev[i]>i) swap(a[rev[i]],a[i]);
  for(int i=1;i<n;i<<=1){
    E wn(cos(M_PI/i),r*sin(M_PI/i));
    for(int j=0;j<n;j+=(i<<1)){
      E w(1,0);
      for(int k=0;k<i;k++,w=w*wn){
    E x=a[j+k],y=w*a[j+k+i];
    a[j+k]=x+y; a[j+k+i]=x-y;
      }
    }
  }
  if(r==-1) for(int i=0;i<n;i++) a[i].real/=n;
}

运用生成函数的计数问题往往会对一个质数取模，如果这个质数可以表示成$k\times 2^n+1$，其中$k$为奇数$n$大于多项式的度数，那么就可以用这个质数的原根代替复数根，实现多项式的系数对一个质数取模，这个算法就是NTT（快速数论变换），这种模数称为NTT模数。

inline void Pre(int n){
  num=n;
  int g=Pow(3,(P-1)/num);
  w[0][0]=w[1][0]=1; for(int i=1;i<num;i++) w[0][i]=1LL*w[0][i-1]*g%P;
  for(int i=1;i<num;i++) w[1][i]=w[0][num-i];
}

inline void NTT(int *a,int n,int r){
  for(int i=1;i<n;i++) if(rev[i]>i) swap(a[i],a[rev[i]]);
  for(int i=1;i<n;i<<=1)
    for(int j=0;j<n;j+=i<<1)
      for(int k=0;k<i;k++){
        int x=a[j+k],y=1LL*a[j+k+i]*w[r][num/(i<<1)*k]%P;
        a[j+k]=(x+y)%P; a[j+k+i]=(x+P-y)%P;
      }
  if(!r) for(int i=0,inv=Pow(n,P-2);i<n;i++) a[i]=1LL*a[i]*inv%P;
}

不过有些丧心病狂的题的模数不是NTT模数，这个时候需要CRT合并。

---

多项式求逆

比如BZOJ4555

最后会得到 f(x)=f(x)g(x)+1 f ( x ) =