多项式知识小全+全家桶学习小结

废话

大概用了两三个星期来搞多项式和生成函数，人都要被虐傻了qwq……

下面是学到的所有知识的小结，应该是很适合初学者食用的教程，不过一定要按顺序看。

多项式全家桶

快速傅利叶变换FFT
快速数论变换NTT
多项式求逆

学接下来的东西需要的前置知识：微积分的一点初步知识，建议在这里学，看前 $4$ 集大概就够了？泰勒展开与牛顿迭代，以及关于 $e$ 的一些知识。

多项式ln
多项式exp
多项式开根
多项式除法
多项式多点求值
任意模数NTT

在学的过程中同时也在膜拜师兄的优秀板子，所以每一篇的码风不尽相同。

这个是总结出来的自己觉得最好的写法（其实大概就是抄的师兄的代码），也有很多优秀的操作，能够各种优化全家桶的大常数：全家福

生成函数

OGF
EGF

一些经典套路

这个是最近刚开始补充的，以后大概还会更新。

exp 的组合意义

这个是以后会广泛应用到的很经典的东西，先写出 $e^{f(x)}$ 的泰勒展开形式：
$$e^{f(x)}=1+\frac{f(x)}{1!}+\frac{f(x{)}^2}{2!}+\frac{f(x{)}^3}{3!}+...$$

$[x^i]f(x)$ 表示第 $i$ 个元素的种类数，则 $\frac{f(x{)}^i}{i!}$ 就表示选出 $i$ 个元素，不在乎顺序的方案数。

不在乎顺序是个很优秀的性质，比如说要将一些东西划分为若干个集合，集合之间就是不在乎顺序的。

一个例子是求贝尔数的生成函数，贝尔数即 将 $n$ 个不同的小球划分为若干个集合的方案数。

设 $[x^i]f(x)$ 表示选出一个大小为 $i$ 的集合的方案数，若小球是一样的那么 $[x^i]f(x)=1$，但是这里是不一样的，所以需要考虑标号的问题，容易想到使用 $\text{EGF}$，即 $f(x)=\frac{x^1}{1!}+\frac{x^2}{2!}+\frac{x^3}{3!}+...$

再对 $f(x)$ 求 $\exp$ 就能得到贝尔数的生成函数了，将每一项乘上 $i!$ 就是贝尔数。

容易发现 $f(x)=e^x-1$，所以贝尔数的生成函数其实就是 $e^{e^x-1}$。

还有一个类似的常用到的地方：设 $g(x)$ 为满足某性质的带标号连通图数量的 $\text{EGF}$，则 $e^{g(x)}$ 就是满足某性质的带标号图的数量的 $\text{EGF}$。

Euler 变换

先扯一点废话

如果将上面的问题变成：给出 $f(x)$ 表示满足某性质的无标号连通图数量，如何求满足某性质的连通图数量，那要怎么做呢？

你可能会想：既然这里是无标号的，那么就将 $f(x)$ 的 $\text{OGF}$ 求 $\exp$ 不就好了吗？

但实际上是不行的。下面的部分属于个人理解，如果说错了还请大方指正qwq

对于无标号图，$e^{f(x)}$ 中第 $i$ 项 $\frac{f(x{)}^i}{i!}$，意义为选出 $i$ 个连通图的方案数，由于是无序的所以再除以 $i!$ 用以去重，但是，如果其中包含两张相同的图，那么就不应该除以 $i!$，而应该是 $\frac{i!}{2!}$，因为交换这两张图的位置得到的是一样的方案，不应该去重多次。

而在有标号图中，存在一个与标号相关的问题：对于一张由 $k$ 个连通图组成的图，假设他们大小分别为 $p_1,p_2,...,p_k$，那么我们计算不同标号方案的式子为 $\frac{n!}{p_1!p_2!...p_k!}$。但是如果其中存在两张结构相同的连通图，将他们的标号整体交换并没有得到新的方案，所以我们应该也将其除掉。

而这个过程，恰好就在求 $e^{f(x)}$ 时除掉了：注意上面的两个问题的关键点，$e^{f(x)}$ 会除多，当且仅当选出了相同的图，而在有标号图中，恰好也是只有出现相同的图时才需要多除一些，而多除的这部分，正好是 $d!$，即相同图数量，这在两个部分中是相同的，就抵消掉了，于是就能恰好正确计算。

而在 $\text{OGF}$ 中，不存在标号图中少除的部分去和 $e^{f(x)}$ 中多除的部分进行抵消，所以求 $\exp$ 并不能得出正确的解。

正题

令 $F_i$ 表示 $F(x)$ 的第 $i$ 项系数，即 $F_i=[x^i]F(x)$，定义 $F(x)$ 的 $\text{Euler}$ 变换为：
$$\prod _{i=1}^{\infty }{\left(\frac{1}{1-x^i}\right)}^{F_i}$$

承接上面的无标号图问题，可以认为 $F_i$ 表示 $i$ 个点的无标号连通图数量，则上面这个求出来的就是无标号图数量。

思想是对每一张连通图造一个 $\text{OGF}$，一张 $i$ 个点的连通图对应的 $\text{OGF}$ 为 $\frac{1}{1-x^i}$，而 $i$ 个点的 $\text{OGF}$ 数量为 $F_i$，于是就将 $F_i$ 个 $\frac{1}{1-x^i}$ 乘起来，分开考虑每一张图就不会有记重的问题了。

看起来这个东西不太能直接求，这个东西是可以优化的，注意到里面那个分式跟付公主的背包里那个很像，令 $G(x)$ 为 $F(x)$ 的 $\text{Euler}$ 变换，则有：
$$G(x)=\prod _{i=1}{\left(\frac{1}{1-x^i}\right)}^{F_i}$$

两边同时求 $\ln$，得到：
$$\ln G(x)=-\sum _{i=1}{F}_i\ln (1-x^i)$$

两边同时求导，得到：
$$\frac{G^{\prime }(x)}{G(x)}=\sum _{i=1}{F}_i\frac{i{x}^{i-1}}{1-x^i}$$

将 $-x^i$ 看成整体，对 $\frac{1}{1-x^i}$ 泰勒展开一下：
$$\begin{array}{rl}\frac{G^{\prime }(x)}{G(x)}& =\sum _{i=1}{F}_{i}i{x}^{i-1}\sum _{j=0}{x}^{ij}\\ \frac{G^{\prime }(x)}{G(x)}& =\sum _{i=1}{F}_i\sum _{j=0}i{x}^{i(j+1)-1}\\ \frac{G^{\prime }(x)}{G(x)}& =\sum _{i=1}{F}_i\sum _{j=1}i{x}^{ij-1}\end{array}$$

积分回去：
$$\begin{array}{rl}\ln G(x)& =\sum _{i=1}{F}_i\sum _{j=1}\frac{i{x}^{ij}}{ij}\\ \ln G(x)& =\sum _{j=1}\frac{1}{j}\sum _{i=1}{F}_i{x}^{ij}\\ \ln G(x)& =\sum _{j=1}\frac{1}{j}\sum _{i=1}{F}_i(x^j{)}^i\\ \ln G(x)& =\sum _{j=1}\frac{F(x^j)}{j}\end{array}$$

$\exp$ 回去：
$$G(x)=\exp \left(\sum _{j=1}\frac{F(x^j)}{j}\right)$$

各种 $n^2$ 递推

为了方便，约定 $F_i$ 表示多项式 $F(x)$ 的 $x^i$ 项的系数。

下面这些是当你不想码或没必要码全家桶时使用的递推技巧，但是都是 $O(n^2)$ 的，而全家桶板子是 $O(大常数\times n\log n)$ 的，如果 $n$ 十分小以至于跟大常数差不多一个级别，或者在代码中的其他地方已经有 $O(n^2)$ 复杂度的地方了，那么就可以使用递推而不需要码全家桶。

逆元

设 $B(x)$ 为 $A(x)$ 的逆元，即满足 $A(x)B(x)=1$，那么有：
$$\begin{array}{rl}\sum _{i=0}^n{A}_i{B}_{n-i}& =[n=0]\\ B_n& =-\frac{1}{A_0}\sum _{i=1}^n{A}_i{B}_{n-i}\end{array}$$

边界为 $B_0=inv(A_0)$。

ln

$$\begin{array}{rl}[\ln A(x){]}^{\prime }& =\frac{A^{\prime }(x)}{A(x)}\\ \ln A(x)& =\int \frac{A^{\prime }(x)}{A(x)}\end{array}$$

设 $B(x)=\ln A(x)$，那么有 $B^{\prime }(x)=\frac{A^{\prime }(x)}{A(x)}$，即 $A(x)\times B^{\prime }(x)=A^{\prime }(x)$，那么有：
$$\begin{array}{rl}{A}_n^{\prime }& =\sum _{i=0}^n{A}_i{B}_{n-i}^{\prime }\\ A_{n+1}(n+1)& =\sum _{i=0}^n{A}_i{B}_{n-i+1}(n-i+1)\\ A_0{B}_{n+1}(n+1)& =A_{n+1}(n+1)-\sum _{i=1}^n{A}_i{B}_{n-i+1}(n-i+1)\\ B_{n+1}& =\frac{A_{n+1}(n+1)-{\sum }_{i=1}^n{A}_i{B}_{n-i+1}(n-i+1)}{A_0(n+1)}\end{array}$$

exp

$$[e^{A(x)}{]}^{\prime }=e^{A(x)}{A}^{\prime }(x)$$

设 $B(x)=e^{A(x)}$，那么有：
$$\begin{array}{rl}{B}_n^{\prime }& =\sum _{i=0}^n{B}_i{A}_{n-i}^{\prime }\\ B_{n+1}(n+1)& =\sum _{i=0}^n{B}_i{A}_{n-i+1}(n-i+1)\\ B_{n+1}& =\frac{1}{n+1}\sum _{i=0}^n{B}_i{A}_{n-i+1}(n-i+1)\end{array}$$

同样的，做 $\exp$ 要求 $A_0=0$，所以边界为 $B_0=1$。

k_exp

$$\begin{gathered} e_{\le k}^{A(x)}=\sum _{i=0}^k\frac{A^i(x)}{i!} \\ [e_{\le k}^{A(x)}{]}^{\prime }=[\sum _{i=0}^k\frac{A^i(x)}{i!}{]}^{\prime }=\sum _{i=0}^k\frac{[A^i(x){]}^{\prime }}{i!}=\sum _{i=0}^k\frac{i\times A^{i-1}(x)\times A^{\prime }(x)}{i!} \\ =A^{\prime }(x)\times \sum _{i=0}^{k-1}\frac{A^i(x)}{i!}=A^{\prime }(x)\times (e_{\le k}^{A(x)}-\frac{A^k}{k!}) \end{gathered}$$

设 $B(x)=e_{\le k}^{A(x)},C(x)=\frac{A^k}{k!}$，$C$ 可以用多项式快速幂求出，那么有：
$$\begin{array}{rl}{B}^{\prime }(x)& =A^{\prime }(x)\times (B(x)-C(x))\\ B_n^{\prime }& =\sum _{i=0}^n{A}_i^{\prime }\times (B_{n-i}-C_{n-i})\\ B_{n+1}& =\frac{1}{n+1}\sum _{i=0}^n{A}_{i+1}(i+1)\times (B_{n-i}-C_{n-i})\end{array}$$

由于 $B$ 的常数项被导掉了，所以需要手动求：$B_0={\sum }_{i=0}^k\frac{A_0^i}{i!}$