[学习笔记]多项式相关运算2(求导/积分,牛顿迭代,开根,求ln/exp,快速幂,拉格朗日反演)

最新推荐文章于 2021-11-25 20:21:34 发布

C20190406Panda_hu

最新推荐文章于 2021-11-25 20:21:34 发布

阅读量1.1k

点赞数 1

分类专栏：学习笔记

本文链接：https://blog.csdn.net/qq_34940287/article/details/104318913

版权

学习笔记专栏收录该内容

12 篇文章 0 订阅

订阅专栏

一年之后好不容易又有机会学多项式，接着[学习笔记]多项式相关运算1继续说。
常数巨大警告…

多项式求导&积分

计算

没学过导数积分的可以看看这篇文章。
嗯?里面没有不定积分…所以你可以直接看下面的两个式子:
$F'(x)=\sum^{n}_{i=1}ia_ix^{i-1}$
$\int F(x)=\sum^{n}_{i=1}\frac{a_ix^{i+1}}{i+1}$
容易发现它们是互逆运算。
直接算就行了。
复杂度: $O (n)$

模板

	void ploy_der(int len,int *a,int *b){
        for(int i=1;i<len;i++)b[i-1]=mul(i,a[i]);
        b[len-1]=0;
    }
	void ploy_cal(int len,int *a,int *b){
        for(int i=1;i<len;i++)b[i]=mul(a[i-1],fst_pow(i,MOD-2));
        b[0]=0;
   }

牛顿迭代

简介

牛顿迭代并不算一种多项式运算，而是一种解多项式的方法。
使用这种方法可以很容易计算多项式开根及exp等。
在学习牛顿迭代之前，你可能还要学习:
[学习笔记]泰勒多项式快速入门

问题描述

已知函数 $G (x)$ ，求一个多项式 $F(x)\bmod \: x^n$ ，满足:
$G(F(x))\equiv 0(\bmod \: x^n)$

分治

其实求 $\bmod x^n$ 大多都是分治法。
当 $n = 1$ 是， $G(F(x))\equiv 0(\bmod \: x)$ 这需要单独求。
$n > 1$ 按照套路，假设 $G(F_0(x))\equiv 0(\bmod \: x^{\lceil \frac{n}{2}\rceil})$ 的 $F_0(x)$ 已经解出。
注意到泰勒展开可以将 $G (F (x))$ 中的 $F (x)$ 换掉，我们考虑在 $F_0(x)$ 处泰勒展开 $G (F (x))$ :
$G(F(x))=G(F_0(x))+\frac{G'(F_0(x))}{1!}(F(x)-F_0(x))+\frac{G''(F_0(x))}{2!}(F(x)-F_0(x))^2+...$
根据约定我们知道 $F(x)-F_0(x)$ 的后 $\lceil \frac{n}{2}\rceil$ 项等于 $0$ ，而在 $F(x)-F_0(x))^2$ 时显然 $0 - (n - 1)$ 项都为 $0$ ，在模意义下可以直接去掉。
因此有 $G(F(x))\equiv G(F_0(x))+\frac{G'(F_0(x))}{1!}(F(x)-F_0(x))(\bmod \: x^n)$
由于定义又有 $G(F(x))\equiv 0(\bmod \: x^n)$ 。
于是得到 $F(x)=F_0(x)-\frac{G(F_0(x))}{G'(F_0(x))}(\bmod \: x^n)$
有了这东西我们其实就可以直接用公式了。

多项式开根

问题描述

给定一个多项式 $A (x)$
找到另一个多项式 $B (x)$
使得 $B^2(x)≡A(x)(mod$ $x^n)$
则称 $B (x)$ 为 $A (x)$ 在 $m o d$ $x^n$ 意义下的平方根。
保证 $a_0=1$ 。
[如果没有这个条件，我们可能还需要一个二次剩余才能够解决]

分治

我们再次考虑使用分治来解决这个问题。
$n = 1$ 时,根据题目的常数项就为 $1$ 。
$n > 1$ 时
首先知道 $B^2(x)≡A(x)(mod$ $x^n)$
设 $B^{'} (x)$ 为 $A (x)$ 在 $m o d$ $x^{\lceil \frac{n}{2} \rceil}$ 的平方根，假设我们现在已经知道 $B^{'} (x)$ ，则:
$B'^2(x)≡A(x)(mod$ $x^{\lceil \frac{n}{2} \rceil})$
移项 $B'^2(x)-A(x)≡0(mod$ $x^{\lceil \frac{n}{2} \rceil})$
两边同时平方 $B'^4(x)-2B'^2(x)A(x)+A^2(x)≡0(mod$ $x^n)$
前文已经说明为什么平方可以将膜长平方,这里不做赘述。
两边同时加上 $4B'^2(x)A(x)$ 得
$B'^4(x)+2B'^2(x)A(x)+A^2(x)≡4B'^2(x)A(x)(mod$ $x^n)$
配方 $B'^2(x)+A(x))^2≡4B'^2(x)A(x)(mod$ $x^n)$
移项 $(\frac{B'^2(x)+A(x)}{2B'(x)})^2≡A(x)(mod$ $x^n)$
对比式子 $B^2(x)≡A(x)(mod$ $x^n)$
可以发现 $B(x)≡\frac{B'^2(x)+A(x)}{2B'(x)}(mod$ $x^n)$ 。
那么我们直接求 $2B'(x))^{-1}(B'^2(x)+A(x))$ 即可。
需要用到一个逆元和几个乘法。

分析一下复杂度:
$T(n)=T(\frac{n}{2})+O(nlogn)=O(nlogn)$

牛顿迭代

我们直接套公式就好了
首先我们构造函数 $G(B(x))=B^2(x)-A(x)$ 。
再求 $G^{'} (B (x)) = 2 B (x)$ [把 $A (x)$ 看成常数项]。
代入公式:
$B(x)=B_0(x)-\frac{G(B_0(x))}{G'(B_0(x))}\\ B(x)=\frac{B_0^2(x)+A(x)}{2B_0(x)}(\bmod \: x^n)$

你会发现我们得到的结果是一样的…

模板

	void ploy_sqr(int n,int *a,int *b){
	    static int c[MAXN+5],F[MAXN+5];
	    if(n==1){b[0]=1;return ;}
	    ploy_sqr((n+1)>>1,a,b);
	    fill(F,F+(n<<1),0),ploy_inv(n,b,F);
	    int len=1;while(len<(n<<1))len<<=1;
   		copy(a,a+n,c);
    	fill(c+n,c+len,0),NTT(c,len,1);
    	fill(F+n,F+len,0),NTT(F,len,1);
    	for(int i=0;i<len;i++)c[i]=mul(mul(c[i],inv2),F[i]);
    	NTT(c,len,-1);
    	for(int i=0;i<n;i++)
    	b[i]=add(mul(b[i],inv2),c[i]);
	}

多项式ln

问题描述

给出 $n - 1$ 次多项式 $A (x)$ ，求一个 $\bmod{\:x^n}$ 下的多项式 $B (x)$ ，满足 $\equiv \ln A(x)$ .
在 $\text{mod } 998244353$ 下进行，且 $a_i \in [0, 998244353] \cap \mathbb{Z}$
$n\leq 10^5$
保证 $a_0=1$

求导

思路很简单…
为了书写方便我们令 $f(x)=\ln x$ 。
那么原式就为 $B(x)\equiv f(A(x))(\bmod{\:x^n})$ 。
$\ln x$ 有一个很重要的性质就是它的导数为 $\frac{1}{x}$ ，这样我们就把 $\ln$ 去掉了。
因此对原式求导[用到了复合函数求导，上一部分有]:
$B'(x)\equiv f'(A(x))A'(x)(\bmod{\:x^n})\\ B'(x)\equiv \frac{A'(x)}{A(x)}(\bmod{\:x^n})\\ B(x)\equiv \int \frac{A'(x)}{A(x)}(\bmod{\:x^n})\\$
于是多项式导数&积分+多项式求逆就好了。
细节:

其实我们求导+积分是会把常数项给去掉的，所以这题钦定了常数项为 $a_0=1$ ，这时候 $\ln(1)=0$ ，所以我们直接在积分结束后将常数项设为 $0$ 即可。

复杂度: $O(n\log n)$

模板

	void ploy_ln(int n,int *a,int *b){
 	   	static int A[MAXN+5],B[MAXN+5];
 	   	fill(A,A+(n<<1),0),fill(B,B+(n<<1),0);
 	   	ploy_der(n,a,A),ploy_inv(n,a,B);
 	   	int len=1;while(len<(n<<1))len<<=1;
  	  	NTT(A,len,1),NTT(B,len,1);
  	  	for(int i=0;i<len;i++)A[i]=mul(A[i],B[i]);
    	NTT(A,len,-1),ploy_cal(n,A,b);
	}

多项式exp

问题描述

给出 $n - 1$ 次多项式 $A (x)$ ，求一个 $\bmod{\:x^n}$ 下的多项式 $B (x)$ ，满足 $\equiv \text e^{A(x)}$ 。系数对 $998244353$ 取模。
保证 $a_0=0$ [跟上面一样的道理]

牛顿迭代

转化一下式子:
$\ln B(x) -A(x)\equiv 0(\bmod{\:x^n})$
同样地，构造函数 $G(B(x))=\ln B(x) -A(x)$ 。
求 $G'(B(x))=\frac{1}{B(x)}$ 。
$B(x)=B_0(x)-\frac{G(B_0(x))}{G'(B_0(x))}\\ B(x)=B_0(x)(1-\ln B_0(x)+A(x))(\bmod \: x^n)$
然后就没了，需要用到多项式ln和。
复杂度同样是 $T(n)=T(\frac{n}{2})+O(nlogn)=O(nlogn)$ 。

模板

	void ploy_exp(int n,int *a,int *b){
    	static int F[MAXN+5];
    	if(n==1){b[0]=1;return ;}
    	ploy_exp((n+1)>>1,a,b);
    	fill(F,F+(n<<1),0),ploy_ln(n,b,F);
    	for(int i=0;i<n;i++)F[i]=dec(a[i],F[i]);
    	F[0]=add(F[0],1);
    	int len=1;while(len<(n<<1))len<<=1;
    	fill(b+n,b+len,0),NTT(b,len,1);
    	fill(F+n,F+len,0),NTT(F,len,1);
    	for(int i=0;i<len;i++)b[i]=mul(b[i],F[i]);
    	NTT(b,len,-1),fill(b+n,b+len,0);
	}

多项式快速幂

问题描述

给定一个 $n - 1$ 次多项式 $A (x)$ ，求一个在 $\bmod\ x^n$ 意义下的多项式 $B (x)$ ，使得 $B(x)\equiv A^k(x) \ (\bmod\ x^n)$ 。
多项式的系数在 $\bmod\ 998244353$ 的意义下进行运算。

计算

很简单，我们之前学了求ln,exp，所以直接换底就行了。
$G(x)=F^k(x)\\ \ln G(x)=k\ln F(x)\\ G(x)=e^{k\ln F(x)}$
复杂度: $O(n\log n)$ 。

模板

	void ploy_ksm(int n,int k,int *a,int *b){
        static int C[MAXN+5];
        ploy_ln(n,a,C);
        for(int i=0;i<n;i++)C[i]=mul(C[i],k);
        ploy_exp(n,C,b);
    }

拉格朗日反演

简介

若两个多项式 $f (x), g (x)$ ，满足都没有常数项且一次项系数互为逆元，且 $f (g (x)) = x$ ，那么称 $f (x)$ 为 $g (x)$ 的复合逆。
根据反演这个名字我们也知道 $f (g (x))$ 会等于 $g (f (x))$ 。
然后就有结论:

$[x^n]f(x)=\frac{1}{n}[x^{n-1}](\frac{x}{g(x)})^n$
还有一个叫扩展拉格朗日反演的东西:
$[x^n]H(F(x))=\frac{1}{n}[x^{n-1}]H'(x)(\frac{x}{G(x)})^n$
PS: $x^n]f(x)$ 表示 $f (x)$ 第 $n$ 项的系数。

证明???很多知识都没学过…就算了吧…
细节:

注意到根据定义 $g (x)$ 是没有常数项的，因此没有 $g (x)$ 的逆元，所以我们一般在做拉格朗日反演之前对多项式向右平移一位再求逆。

复杂度: $O(n\log n)$

模板

	int ploy_Lagrange(int n,int k,int *a){
        static int C[MAXN+5],D[MAXN+5];
        ploy_inv(n,a,C);
        ploy_ksm(n,k,C,D);
        return mul(D[k-1],pinv[k]);
    }

简单总结-多项式全家桶

名称	公式	解决方法	复杂度
多项式乘法	$F (x) = A (x) B (x)$	NTT/FFT	$O(n\log n)$
多项式求逆	$B(x)\equiv2B_1(x)-B_1^2(x)A(x)(\mod x^n)$	分治+多项式乘法	$O(n\log n)$
多项式除法	$A^R(x)B^{R^{-1}}(x)≡D^R(x)(\mod x^{n-m+1})$	多项式求逆	$O(n\log n)$
多项式取模	$P (x) = A (x) - D (x) B (x)$	多项式乘法	$O(n\log n)$
多项式求导	$F'(x)=\sum^{n}_{i=1}ia_ix^{i-1}$ 直接算	——	$O (n)$
多项式积分	$\int F(x)=\sum^{n}_{i=1}\frac{a_ix^{i+1}}{i+1}$ 直接算	——	$O (n)$
多项式开根	$B(x)≡\frac{B_1^2(x)+A(x)}{2B_1(x)}(\mod x^n)$	分治+多项式求逆	$O(n\log n)$
多项式ln	$ln(F(x))=\int F'(x)F^{-1}(x)$	多项式求逆	$O(n\log n)$
多项式exp	$F(x)\equiv F_0(x)(1-\ln F_0(x)+A(x))(\mod x^n)$	多项式ln	$O(n\log n)$

多项式多点求值

分成点集 $X^{[0]}=\{x_0,x_1,x_2,...,x_{\lfloor \frac{n}{2} \rfloor}\}$
$X^{[1]}=\{x_{\lfloor \frac{n}{2} \rfloor+1},x_{\lfloor \frac{n}{2} \rfloor+2},x_{\lfloor \frac{n}{2} \rfloor+3},...,x_{n-1}\}$
构造多项式: $P^{[0]}(x)=\prod^{\lfloor \frac{n}{2} \rfloor}_{i=0}{(x-x_i)}$ 和 $P^{[1]}(x)=\prod^{n}_{i=\lfloor \frac{n}{2} \rfloor+1}{(x-x_i)}$
有 $A^{[0]}(x)≡A(x)(\bmod P^{[0]}(x))$ 和 $A^{[1]}(x)≡A(x)(\bmod P^{[1]}(x))$
分治即可(打不打得出来我也不知道了qwq…)
复杂度: $O(n\log^2 n)$

多项式快速插值

分成点集 $X^{[0]}=\{(x_0,y_0),(x_1,y_1),...,(x_{\lfloor \frac{n}{2} \rfloor},y_{\lfloor \frac{n}{2} \rfloor})\}$
$X^{[1]}=\{(x_{\lfloor \frac{n}{2} \rfloor+1},y_{\lfloor \frac{n}{2} \rfloor+1}),(x_{\lfloor \frac{n}{2} \rfloor+2},y_{\lfloor \frac{n}{2} \rfloor+2}),...,(x_{n-1},y_{n-1})\}$
构造多项式: $X^{[0]}=\{(x_0,y_0),(x_1,y_1),...,(x_{\lfloor \frac{n}{2} \rfloor},y_{\lfloor \frac{n}{2} \rfloor})\}$
$X^{[1]}=\{(x_{\lfloor \frac{n}{2} \rfloor+1},y_{\lfloor \frac{n}{2} \rfloor+1}),(x_{\lfloor \frac{n}{2} \rfloor+2},y_{\lfloor \frac{n}{2} \rfloor+2}),...,(x_{n-1},y_{n-1})\}$
设 $A(x),A^{[1]}(x)$ 都未知。
有 $A^{[1]}(x_i)=\frac{y_i-A{[0]}(x_i)}{P(x_i)}$
可以得到一个新的点集 $X'^{[1]}$ 。
用插值法求出 $A^{[1]}(x)$ ,再求 $A (x)$ 。
[现在都没调出来…]
复杂度: $O(n\log^2 n)$