【多项式】多项式逆元/开方/取模/多点求值/插值/牛顿迭代/对数/exp/幂

多项式求逆元

已知多项式$F(x)$，求$F(x)$在保留前n项（当然n要是2的次幂）的情况下的逆元$G(x)$，也就是：
$$F(x)G(x)\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n)$$
首先，如果$n=1$，那么直接就是常数项的逆元，

如果$n>1$，那么怎么办？
设：$G^{\prime }(x)$使得$F(x)G^{\prime }(x)\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{n/2})$，且我们已知$G^{\prime }(x)$
第一个式子可以变成：$$F(x)G(x)\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{n/2})$$
（把模数开了个方，依旧成立）
把两个式子相减：
$$F(x)(G(x)-G^{\prime }(x))\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{n/2})$$
$$G(x)-G^{\prime }(x)\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{n/2})$$
同时平方：（当然模数也平方依旧成立）
$$(G(x)-G^{\prime }(x){)}^2\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n)$$
$$G^2(x)+G^{\prime 2}(x)-2G(x)G^{\prime }(x)\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n)$$
两边同时乘上$F(x)$，消掉部分$G(x)$：
$$G(x)+G^{\prime 2}(x)F(x)-2G^{\prime }(x)\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n)$$
$$G(x)\equiv 2G^{\prime }(x)-G^{\prime 2}(x)F(x)(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n)$$
那么，$G(x)$就可以快速求出了，
（同时发现，只要常数项有逆元，这个多项式就有逆元）
复杂度：$T(n)=T(n/2)+O(n\log (n))=O(n\log (n))$

---

多项式开方

多项式的开方同样可以以这种方法做出来，

已知多项式$F(x)$，求$F(x)$在保留前n项（当然n要是2的次幂）的情况下的平方根$G(x)$，也就是：
$$G^2(x)\equiv F(x)(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n)$$
首先，如果$n=1$，那么直接就是常数项的开方，可以暴力枚举，也可以用二次项剩余（CZY的二次剩余Cipolla算法学习小记），

对于$n>1$的情况，
设：$G^{\prime }(x)$使得$G^{\prime }(x{)}^2\equiv F(x)(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{n/2})$，且我们已知$G^{\prime }(x)$，
（把平方写在后面好看QuQ）

第一个式子可以变成：$$G^2(x)\equiv F(x)(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{n/2})$$
（把模数开了个方，依旧成立）
把两个式子相减：
$$G^2(x)-G^{\prime }(x{)}^2\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{n/2})$$
因式分解：
$$(G(x)+G^{\prime }(x))(G(x)-G^{\prime }(x))\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{n/2})$$
可得$G(x)$有两个解（平方嘛），讨论$G(x)-G^{\prime }(x)\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{n/2})$的情况，
$$G(x)-G^{\prime }(x)\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{n/2})$$
（历史总是惊人的相识）
同时平方：（当然模数也平方依旧成立）
$$(G(x)-G^{\prime }(x){)}^2\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n)$$
$$G^2(x)+G^{\prime }(x{)}^2-2G(x)G^{\prime }(x)\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n)$$
因为：$G^2(x)\equiv F(x)(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n)$
$$F(x)+G^{\prime }(x{)}^2-2G(x)G^{\prime }(x)\equiv 0(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n)$$
$$G(x)\equiv \frac{F(x)+G^{\prime }(x{)}^2}{2G^{\prime }(x)}(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n)$$
那么，$G(x)$就可以快速求出了，
（同时发现，只要常数项是二次项剩余且有逆元，这个多项式就可以开方）
复杂度：$T(n)=T(n/2)+2\ast O(n\log (n))=O(n\log (n))$

---

多项式取模

已知$A(x),B(x)$，求$D(x)=A(x)\mathrm{m}\mathrm{o}\mathrm{d}B(x)$，
令$A(x)=B(x)C(x)+D(x)$
设$n=A(x)的次数，m=B(x)的次数$，显然有$m\le n$，
上面的等式两边同时乘上$x^n$得：
$$x^{n}A(\frac{1}{x})=x^{m}B(\frac{1}{x})x^{n-m}C(\frac{1}{x})+x^{n}D(\frac{1}{x})$$
（$\frac{1}{x}$的作用相当于是把多项式头尾翻转一下）

设$A^{\prime }(x)=x^{n}A(\frac{1}{x})，B^{\prime }(x)=x^{m}B(\frac{1}{x})，C^{\prime }(x)=x^{n-m}C(\frac{1}{x})，D^{\prime }(x)=x^{n}D(\frac{1}{x})$

可以发现，经过翻转后，
$D^{\prime }(x)$中只有次数$\in [n-m+1,n]$的项是有效的，其他项均为0，,
$A^{\prime }(x)$中次数$\in [0,n]$的项是有效的，
$B^{\prime }(x)$中次数$\in [0,m]$的项是有效的，
$C^{\prime }(x)$中次数$\in [0,n-m]$的项是有效的，

现在再对原来的等式$\mathrm{m}\mathrm{o}\mathrm{d}{x}^{n-m+1}$，也就是
$$A^{\prime }(x)=B^{\prime }(x)C^{\prime }(x)+D^{\prime }(x)\mathrm{m}\mathrm{o}\mathrm{d}{x}^{n-m+1}$$
这样$D^{\prime }(x)$这一项就能模掉了，也就是：
$$A^{\prime }(x)=B^{\prime }(x)C^{\prime }(x)\mathrm{m}\mathrm{o}\mathrm{d}{x}^{n-m+1}$$
$$\frac{A^{\prime }(x)}{B^{\prime }(x)}=C^{\prime }(x)\mathrm{m}\mathrm{o}\mathrm{d}{x}^{n-m+1}$$
因为$C^{\prime }(x)$的次数范围刚好在模以内，所以就可以直接求出$C^{\prime }(x)$，变换得$C(x)$，
求出了$C(x)$,剩下直接减就好了
$$D(x)=A(x)-B(x)C(x)$$

复杂度：$O(n\log (n))$

---

多项式多点求值

已知多项式$F(x)$，给出$a_1,a_2,...,a_n$，要求$F(a_1),F(a_2),...,F(a_n)$

先抛出一个显然的结论：$F(a_1)=F(x)\mathrm{m}\mathrm{o}\mathrm{d}(x+a_1)$，
（意思是：多项式$F(x)$模多项式$(x+a_1)$的余数就是当$x=a_1$时$F(x)$的值）

有这个结论就好办了，
设多项式$C_{l,r}(x)={\prod }_{i=l}^r(x+a_i)，G_{l,r}(x)=F(x)\mathrm{m}\mathrm{o}\mathrm{d}{C}_{l,r}(x)$，
考虑分治求解，
显然的：$G_{l,mid}(x)=G_{l,r}(x)\mathrm{m}\mathrm{o}\mathrm{d}{C}_{l,r}(x)$，右边同理，
这样当l=r时$G_{l,l}(x)$就是$F(a_l)$的值了，
做两遍分治FFT，

复杂度：$O(n{\log }^2(n))$

---

多项式插值

给出$a_1,b_1,a_2,b_2,...,a_k,b_k$，要求多项式$F(x)$满足$F(a_i)=b_i$，

考虑使用拉格朗日插值法，
$$F(x)=\sum _{i=1}^k{b}_i(\prod _{1\le j\le k,i̸=j}\frac{x-a_j}{a_i-a_j})$$
将式子拆成两部分：

$$F(x)=\sum _{i=1}^k{b}_i(\prod _{1\le j\le k,i̸=j}\frac{1}{a_i-a_j})(\prod _{1\le j\le k,i̸=j}(x-a_j))$$
先做前面那一部分：（先取个倒数方便书写）
设$G_i={\prod }_{1\le j\le k,i̸=j}(a_i-a_j)，M(x)={\prod }_{j=1}^k(a_i-a_j)$
显然有$M(a_i)=0$,

有：
$$G_i=\underset{x\to a_i}{\lim }\frac{M(x)-M(a_i)}{x-a_j}$$
我们发现这个东西相当于$M(x)$在$x=a_i$处的导数，于是有：

$$G_i=\underset{x\to a_i}{\lim }\frac{M(x)-M(a_i)}{x-a_j}=M^{\prime }(a_i)$$
所以对$M^{\prime }(x)$做一次多点求值即可，

这个东西还可以用洛必达法则证明，
设$f(x)=x-a_i$
已知有${\lim }_{x\to a_i}M(x)=0,{\lim }_{x\to a_i}f(x)=0$
所以：
$$\underset{x\to a_i}{\lim }\frac{M(x)}{f(x)}=\underset{x\to a_i}{\lim }\frac{M^{\prime }(x)}{f^{\prime }(x)}=M^{\prime }(a_i)$$

现在的原始变成了：
$$F(x)=\sum _{i=1}^k{b}_i{G}_i(\prod _{1\le j\le k,i̸=j}(x-a_j))$$
这个东西可以直接使用分治FFT实现，分治的时候记录两个多项式分别表示是否已经空缺了一位，

复杂度：$O(n{\log }^2(n))$

多点求值+几遍分治FFT常数爆炸

---

多项式牛顿迭代

已知多项式$G(x)$，要求多项式$F$使得$G(F)=0\mathrm{m}\mathrm{o}\mathrm{d}{x}^n$

前置技能：

泰勒展开

对于多项式$f(x)$它在$x_0$处的泰勒展开为：
$$f(x)=f(x_0)+\frac{f^{\prime }(x)}{1!}(x-x_0)+\frac{f^{\prime \prime }(x)}{2!}(x-x_0{)}^2+.....$$

考虑倍增求$F$

现在要求的$F$是$\mathrm{m}\mathrm{o}\mathrm{d}{x}^{2n}$的，假设我们已经求出了$F_0$表示$\mathrm{m}\mathrm{o}\mathrm{d}{x}^n$时的答案，

把$G(F)$在$F_0$处展开：
$$G(F)=G(F_0)+G^{\prime }(F_0)(F-F_0)+\frac{1}{2}{G}^{\prime \prime }(F_0)(F-F_0{)}^2\mathrm{m}\mathrm{o}\mathrm{d}{x}^{2n}$$
我们注意到是在$\mathrm{m}\mathrm{o}\mathrm{d}{x}^{2n}$意义下的，而从第3项开始最低次项的指数均大于2n，所以可以直接省去，于是：

$$G(F)=G(F_0)+G^{\prime }(F_0)(F-F_0)\mathrm{m}\mathrm{o}\mathrm{d}{x}^{2n}$$
又因为$G(F)=0\mathrm{m}\mathrm{o}\mathrm{d}{x}^{2n}$，

$$0=G(F_0)+G^{\prime }(F_0)F-G^{\prime }(F_0)F_0\mathrm{m}\mathrm{o}\mathrm{d}{x}^{2n}$$

$$F=F_0-\frac{G(F_0)}{G^{\prime }(F_0)}$$

---

多项式求对数

给出多项式$G(x)$，要求$F(x)$使得$F(x)=\ln (G(x))\mathrm{m}\mathrm{o}\mathrm{d}{x}^n$

对两边同时求导，最后再积分回来，
有：
$$(\ln (G(x)){)}^{\prime }=\frac{G^{\prime }(x)}{G(x)}$$
所以
$$F(x)=\int \frac{G^{\prime }(x)}{G(x)}dx$$

复杂度：$O(n\log (n))$

---

多项式求EXP

给出多项式$G(x)$，求$F(x)$满足$F(x)=e^{G(x)}$，

考虑使用牛顿迭代，
设多项式$g(x)=ln(x)-G(x)$，即$g(F)=0$

$$F=F_0-\frac{g(F_0)}{g^{\prime }(F_0)}$$
又因为
$$g^{\prime }(F_0)=(\ln (F_0){)}^{\prime }-(A{)}^{\prime }=\frac{1}{F_0}$$
所以：

$$F=F_0-F_0(\ln (F_0)-A)$$

复杂度：$O(n\log (n))$

---

多项式求幂

给出多项式$F(x)$，求$F(x{)}^k$，
$$F(x{)}^k=e^{k\ln (F(x))}$$

这样如果k不为整数也能求了

复杂度：$O(n\log (n))$

---