【总结】MTT算法

前言

51nod1258真是道好题。。。

一道题，学会了3个东西：伯努利数，自然数幂和，MTT…

前置科技（其实学MTT的人估计都会。。。）
CRT(中国剩余定理)
NTT

NTT算法的局限

众所周知，NTT是通过原根的性质来进行快速傅里叶变化

不过，同时也对其模数做出了要求，对于一个模数M，若$\phi (M)$中，2的次数较少（小于要转的序列长度）就不可做了

所以，也因此衍生出了“NTT模数”，即$\phi (M)$中2的次数较多的模数。

常见的有：$998244353=2^{23}\ast 119+1$，$1004535809=2^{21}\ast 479+1$，$469762049=2^{26}\ast 7+1$

（请至少记住这三个模数。。。因为后面要用。。。）

但是，有些无良的出题人，由于懒得想好题，于是就把一些比较简单的多项式题目中的模数换掉（如换成1e9+7），以此来强迫选手要么写拆系数FFT，要么写MTT…

拆系数FFT容易卡精然后WA

MTT容易卡常然后T

To wa or to tle,that’s a question.

MTT

MTT说白了就是用三个NTT模数分别算出一个解，然后再用CRT合并出原来的解

为什么要用三个模数呢。。这是因为，根据CRT的使用条件，如果真正的答案比你的模数之积大，那是得不到唯一解的。所以要求你的模数之积超过真正的解得值域上界。然而一般来说，用MTT都是因为模数是1e9+7，然后$(1e9+7{)}^2\ast N(10^5左右)\approx 10^{23}$，所以为了超过这个值，一般都用3个模数。

不过很多情况下这是会爆long long的（不爆long long还不如直接去FFT然后强转。。。）

所以，不能直接利用CRT。

但可以通过一些技巧，算出真正的解

已知
$$ans\equiv c_0(mod{m}_0)$$
$$ans\equiv c_1(mod{m}_1)$$
$$ans\equiv c_2(mod{m}_2)$$

首先利用CRT合并前两项

记 I m 0 = m 0 − 1 ( m o d