多项式

也许更好的阅读体验

前置知识

FFT
牛顿迭代
求导

---

定义

简单来说，形如$a_0{x}^0+a_1{x}^1+a_2{x}^2+\cdots +a_n{x}^n$，的代数表达式叫做多项式
可以记作$f(x)=a_0{x}^0+a_1{x}^1+a_2{x}^2+\cdots +a_n{x}^n$
其中$a_0,a_1,\cdots ,a_n$叫做多项式的系数，$x$是一个不定元，不表示任何值
不定元在多项式中最大项的次数称作多项式的次数

---

多项式的表示法

系数表示法

像刚刚我们提到的那些多项式，都是以系数形式表示的，也就是将$n$次多项式$f(x)$的系数$a_0,a_1,\cdots ,a_n$看作$n+1$维向量$\overrightarrow{a}=(a_0,a_1,\cdots ,a_n)$，其系数表示就是向量$\overrightarrow{a}$

点值表示法

如果$n+1$个不同的数$x_0,x_1,\cdots ,x_n$对多项式进行求值，得到$f(x_0),f(x_1),\cdots ,f(x_n)$，那么就称 { ( x i , f ( x i ) ) ∣ 0 ≤ i ≤ n , i ∈ Z } \left\{ \left( x_{i},f\left( x_{i}\right) \right)|0\leq i\leq n,i\in Z\right\} {(xi​,f(xi​))∣0≤i≤n,i∈Z}为多项式$f(x)$的点值表示
注意，$n+1$个点值只能表示$n$次多项式

---

多项式的基本运算

两个多项式$\begin{array}{r}f(x)=\sum _{i=0}^{\infty }{a}_i{x}^i\end{array}$，$\begin{array}{r}g(x)=\sum _{i=0}^{\infty }{b}_i{x}^i\end{array}$

加法

$\begin{array}{r}h(x)=f(x)+g(x)=\sum _{i=0}^{\infty }(a_i+b_i)x^i\end{array}$

乘法

$\begin{array}{r}f(x)=f(x)\ast g(x)=\sum _{i=0}^{\infty }\sum _{j+k=i}(a_j\cdot b_k)x^i\end{array}$

---

多项式的其它运算

基本套路

从现在开始要用到牛顿迭代了
一般基本套路是运用牛顿迭代倍增求解

1. 先构造一个复合多项式$g$，使$g(f)=0$
2. 对$g$求导
3. 牛顿迭代

为了方便阅读，下面把牛顿迭代再贴一次

$f\equiv f_0-\frac{g\left(f_0\right)}{g^{\prime }\left(f_0\right)}\left(mod{x}^{2n}\right)$

有一个多项式$A$

多项式求逆

设$f=\frac{1}{A}$，求$f$的前$n$项

构造$g\left(f\right)=\frac{1}{f}-A=0$，我们知道$f$的常数项为$A$的常数项的逆元，接下来开始迭代
此时有 $g^{\prime }(f_0)=-\frac{1}{f_0^2}$

$g^{\prime }(f_0)=(f_0^{-1}-A{)}^{\prime }$，将$A$看为常数项
$g^{\prime }(f_0)=(f_0^{-1}-A{)}^{\prime }=-f_0^{-2}=-\frac{1}{f_0^2}$

根据牛顿迭代
有$f\equiv f_0-\frac{\frac{1}{f_0}-A}{-\frac{1}{f_0^2}}\left(mod{x}^{2n}\right)\equiv 2f_0-A{f}_0^2\left(mod{x}^{2n}\right)$
至此，我们推完了，拿出来，写在下面

$f\equiv 2f_0-A{f}_0^2\left(mod{x}^{2n}\right)$

现在我们可以由$f_0$去推$f$，每次这个模数$x^y$的$y$会乘以2，也就是说是倍增的
初始时$n=1$
时间复杂度$O(nlogn)$

多项式求ln

求$f=lng$的前$n$项
我们对其求导
$f^{\prime }\left(x\right)=\frac{g^{\prime }(x)}{g\left(x\right)}$

复合求导
ln -> u
g -> v

这样，我们只要对$g$求逆，然后对$g$求导得$g^{\prime }$，之后我们就得到了$f^{\prime }$，再对其积分得到$f$
求导和积分都是$O(n)$的
时间复杂度$O(nlogn)$

多项式exp

求$f=e^A$ ($A$的常数项为$0$)的前$n$项

构造$g(f)=lnf-A$
我们知道$f$的常数项为$1$
对$g$求导，$g^{\prime }(f_0)=\frac{1}{f_0}$
根据牛顿迭代
$\begin{array}{rl}f& \equiv f-\frac{ln{f}_0-A}{\frac{1}{f_0}}\left(mod{x}^{2n}\right)\\ & \equiv f_0\left(1-\ln f_0+A\right)\left(mod{x}^{2n}\right)\end{array}$

至此，我们推完了，拿出来，写在下面

$f\equiv f_0\left(1-\ln f_0+A\right)\left(mod{x}^{2n}\right)$

还是倍增
求$ln$和多项式乘法都是$O(nlogn)$的，加法是$O(n)$的
时间复杂度$O(nlogn)$

多项式开方

求$f=\sqrt{A}$ ($A$的常数项存在平方根)的前$n$项

构造$g(f)=f^2-A$
我们知道$f$的常数项为$A$常数项的平方根
可用二次剩余方法解
对$g$求导$g^{\prime }(f_0)=2f_0$
根据牛顿迭代
$f\equiv f_0-\frac{f_0^2-A}{2f_0}\left(mod{x}^{2n}\right)$
时间复杂度$O(nlogn)$

如有哪里讲得不是很明白或是有错误，欢迎指正
如您喜欢的话不妨点个赞收藏一下吧
如能得到推荐博主就更开心了
您的鼓励是博主的动力