【学习笔记】类欧几里得

如果学过数学，可以从 3.类欧几里得 开始看。

1.概述

用于解决有关等差数列每一项的除法下取整的值。具体来说，有三种。

$$f(a,b,c,n)=\sum _{x=0}^{n-1}\lfloor \frac{ax+b}{c}\rfloor$$

$$g(a,b,c,n)=\sum _{x=0}^{n-1}\lfloor \frac{ax+b}{c}\rfloor \cdot x$$

$$h(a,b,c,n)=\sum _{x=0}^{n-1}{\lfloor \frac{ax+b}{c}\rfloor }^2$$

2.数学定理

如果没有特殊说明，认为所有未知数为整数。

2.0.拐弯抹角

$$\begin{gathered} a=mc+r(0\le r<c) \\ \iff m=\lfloor \frac{a}{c}\rfloor ,r=a\mathrm{m}\mathrm{o}\mathrm{d}c \end{gathered}$$

类似地，我们有
$$\begin{array}{rl}a& =mc+r(-c<r\le 0)\\ \iff m& =\lceil \frac{a}{c}\rceil \end{array}$$

在后面的叙述中，该定理在被使用之前，可能不会明确指出。

2.1.上下不安

此成语读作shàng xià bù ān

$$\lfloor \frac{a}{c}\rfloor =\lceil \frac{a-(c-1)}{c}\rceil$$

也即，$$\lfloor \frac{a+(c-1)}{c}\rfloor =\lceil \frac{a}{c}\rceil$$

证明非常简单。不妨设 $a=mc+r(0\le r<c)$，此时 $m=\lfloor \frac{a}{c}\rfloor$ 。

令 $r^{\prime }=r-(c-1)$，可知 $a-(c-1)=mc+r^{\prime }(-c<r^{\prime }\le 0)$，得 $m=\lceil \frac{a-(c-1)}{c}\rceil$ 。

所以第一个等式成立。第二个等式与第一个等式是等价的。

2.2.整数分离

$$\forall x\in \mathbb{R},\lfloor x+k\rfloor =\lfloor x\rfloor +k$$

正确性是显然的。

2.3.乘积分离

$$\lfloor \frac{ax}{c}\rfloor =\lfloor \frac{(a\mathrm{m}\mathrm{o}\mathrm{d}c)\cdot x}{c}\rfloor +\lfloor \frac{a}{c}\rfloor \cdot x$$

其实就是 2.2.整数分离 的应用。设 $a=mc+r(0\le r<c)$，则 $\lfloor \frac{ax}{c}\rfloor =\lfloor \frac{(mc+r)x}{c}\rfloor =\lfloor mx+\frac{rx}{c}\rfloor =mx+\lfloor \frac{rx}{c}\rfloor$ 。

我们又知道 $m=\lfloor \frac{a}{c}\rfloor ,r=a\mathrm{m}\mathrm{o}\mathrm{d}c$，替换即可。

2.4.误差范围

$$\forall x\in \mathbb{R},a\le x\iff a\le \lfloor x\rfloor$$

类似地，我们有
$$\forall x\in \mathbb{R},a\ge x\iff a\ge \lceil x\rceil$$

正确性是显然的：只需要证明 $a$ 合法的取值既没有变少，也没有变多即可。

2.5.布尔计算

$$\sum _{j=1}^n[j\le a]=\sum _{j=0}^{n-1}[j<a]=\min (n,a)$$

3.类欧几里得

3.1.求 $f$

别忘了 $f$ 的定义，
$$f(a,b,c,n)=\sum _{x=0}^{n-1}\lfloor \frac{ax+b}{c}\rfloor$$

很明显，这是最简单的一个。并且它会是 $g$ 和 $h$ 的基础。

3.1.0.规定

认为 $a>0$，因为在其他情况下：

• 当 $a=0$ 时，显然可直接得到 $f(a,b,c,n)=n\lfloor \frac{b}{c}\rfloor$ 。
• 当 $a<0$ 时，根据其本质，我们知道 $f(a,b,c,n)=f[-a,(n-1)a+b,c,n]$ 。

3.1.1.情况一

当 $a\ge c$ 或者 $b\ge c$ 时，根据 2.3.乘积分离 （顺便在 $b$ 身上使用 2.2.整数分离），我们可以发现，

$$\begin{array}{rl}f(a,b,c,n)& =\sum _{x=0}^{n-1}\left[\lfloor \frac{(a\mathrm{m}\mathrm{o}\mathrm{d}c)x+(b\mathrm{m}\mathrm{o}\mathrm{d}c)}{c}\rfloor +x\lfloor \frac{a}{c}\rfloor +\lfloor \frac{b}{c}\rfloor \right]\\ & =f(a\mathrm{m}\mathrm{o}\mathrm{d}c,b\mathrm{m}\mathrm{o}\mathrm{d}c,c,n)+\frac{n(n-1)}{2}\lfloor \frac{a}{c}\rfloor +n\lfloor \frac{b}{c}\rfloor \end{array}$$

3.1.2.情况二

当 $0<a<c$ 并且 $b<c$ 时，令
$$m=\lfloor \frac{(n-1)a+b}{c}\rfloor$$

（顺便叨叨一句，这个 $m$ 在后面会很常见，都是这个定义。）

显然 $\min (\lfloor \frac{ax+b}{c}\rfloor ,m)=\lfloor \frac{ax+b}{c}\rfloor$ 总成立。利用 2.5.布尔计算、2.4.误差范围 和 2.0.拐弯抹角，可以知道

$$\begin{array}{rl}f(a,b,c,n)& =\sum _{x=0}^{n-1}\sum _{j=0}^{m-1}\left[j+1\le \lfloor \frac{ax+b}{c}\rfloor \right]\\ & =\sum _{x=0}^{n-1}\sum _{j=0}^{m-1}\left[cj+c\le ax+b\right]\\ & =\sum _{j=0}^{m-1}\sum _{x=0}^{n-1}\left[ax\ge cj+c-b\right]\\ & =\sum _{j=0}^{m-1}\sum _{x=0}^{n-1}\left[x\ge \lceil \frac{cj+c-b}{a}\rceil \right]\\ & =\sum _{j=0}^{m-1}\sum _{x=0}^{n-1}\left[x\ge \lfloor \frac{cj+c-b+a-1}{a}\rfloor \right]\end{array}$$

这很难计算。我们利用容斥，对于每一个 $j$，计算有多少个 $x$ 是不满足此条件的。然后就可以利用 2.5.布尔计算 了。于是乎……

$$\begin{array}{rl}f(a,b,c,n)& =\sum _{j=0}^{m-1}\sum _{x=0}^{n-1}\left[x\ge \lfloor \frac{cj+c-b+a-1}{a}\rfloor \right]\\ & =nm-\sum _{j=0}^{m-1}\sum _{x=0}^{n-1}\left[x<\lfloor \frac{cj+c-b+a-1}{a}\rfloor \right]\\ & =nm-\sum _{j=0}^{m-1}\min \left(n,\lfloor \frac{cj+c-b+a-1}{a}\rfloor \right)\end{array}$$

显然，在 $j$ 最大时（即 $j$ 取 $m-1$ 时），其最大值
$$\max \left(\lfloor \frac{cj+c-b+a-1}{a}\rfloor \right)\le \lfloor \frac{na-1}{a}\rfloor =n-1$$

即：$\lfloor \frac{cj+c-b+a-1}{a}\rfloor <n$ 恒成立（该不等式在以后的叙述中也十分有用）。

所以

$$\begin{array}{rl}f(a,b,c,n)& =nm-\sum _{j=0}^{m-1}\lfloor \frac{cj+c-b+a-1}{a}\rfloor \\ & =nm-f(c,c-b+a-1,a,m)\end{array}$$

3.1.3.总结

请注意公差 $a$ 与除数 $c$ 的变化。在 3.1.1.情况一 中，$a^{\prime }=a\mathrm{m}\mathrm{o}\mathrm{d}c$ ；在 3.1.2.情况二 中，$a^{\prime }=c,c^{\prime }=a$ 。这跟欧几里得（辗转相除）求最大公约数是相似的。所以得名。

也可以看出，时间复杂度是 $\mathcal{O}[\log (a+c)]$ 的。

3.2.求 $g$

写一下，$g$ 的定义是
$$g(a,b,c,n)=\sum _{x=0}^{n-1}x\lfloor \frac{ax+b}{c}\rfloor$$

由于式子的推导在 $f$ 中已经进行了很多，一些地方将会沿用 $f$ 中的结论。

3.2.1.情况一

当 $a\ge c$ 或者 $b\ge c$ 时，

$$\begin{array}{rl}g(a,b,c,n)& =\frac{n(n-1)(2n-1)}{6}\lfloor \frac{a}{c}\rfloor \\ & +\frac{n(n-1)}{2}\lfloor \frac{b}{c}\rfloor \\ & +g(a\mathrm{m}\mathrm{o}\mathrm{d}c,b\mathrm{m}\mathrm{o}\mathrm{d}c,c,n)\end{array}$$

这里用到了平方和公式。基本方法还是利用 $a=c\lfloor \frac{a}{c}\rfloor +(a\mathrm{m}\mathrm{o}\mathrm{d}c)$ 进行替换。

3.2.2.情况二

当 $a<c$ 且 $b<c$ 时，令

$$m=\lfloor \frac{(n-1)a+b}{c}\rfloor$$

则我们可以推出

$$\begin{array}{rl}g(a,b,c,n)& =\sum _{x=0}^{n-1}x\lfloor \frac{ax+b}{c}\rfloor \\ & =\sum _{x=0}^{n-1}\sum _{j=0}^{m-1}x\left[j+1\le \lfloor \frac{ax+b}{c}\rfloor \right]\\ & =\sum _{x=0}^{n-1}\sum _{j=0}^{m-1}x\left[x\ge \lfloor \frac{cj+c-b+a-1}{a}\rfloor \right]\\ & =m\frac{n(n-1)}{2}-\sum _{j=0}^{m-1}\sum _{x=0}^{n-1}x\left[x<\lfloor \frac{cj+c-b+a-1}{a}\rfloor \right]\end{array}$$

其中 $m\frac{n(n-1)}{2}$ 的前身是 ${\sum }_{j=0}^{m-1}{\sum }_{x=0}^{n-1}x$ 。由于式子太长，我需要将其简化一下。如果设 $$p=c-b+a-1$$

那么

$$\begin{array}{rl}g(a,b,c,n)& =\frac{nm(n-1)}{2}-\sum _{j=0}^{m-1}\sum _{x=0}^{\lfloor \frac{cj+p}{a}\rfloor -1}x\\ & =\frac{nm(n-1)}{2}-\sum _{j=0}^{m-1}\frac{{\lfloor \frac{cj+p}{a}\rfloor }^2-\lfloor \frac{cj+p}{a}\rfloor }{2}\\ & =\frac{nm(n-1)-h(c,p,a,m)+f(c,p,a,m)}{2}\end{array}$$

3.3.求 $h$

在求 $g$ 的时候用到了哟！$h(a,b,c,n)={\sum }_{x=0}^{n-1}{\lfloor \frac{ax+b}{c}\rfloor }^2$ 。

3.3.1.情况一

当 $a\ge c$ 或者 $b\ge c$ 时，显然有……由于式子太长，我不得不使用一些字符来替换。

令 $m_a=\lfloor \frac{a}{c}\rfloor ,r_a=a\mathrm{m}\mathrm{o}\mathrm{d}c$ 。我并没有对 $b$ 进行操作，是为了让式子尽可能的简单。

$$\begin{array}{rl}h(a,b,c,n)& =\sum _{x=0}^{n-1}{\left(m_{a}x+\lfloor \frac{r_{a}x+b}{c}\rfloor \right)}^2\\ & =\sum _{x=0}^{n-1}\left(m_a^2{x}^2+2m_{a}x\lfloor \frac{r_{a}x+b}{c}\rfloor +{\lfloor \frac{r_{a}x+b}{c}\rfloor }^2\right)\\ & =\frac{n(n-1)(2n-1)}{6}{m}_a^2+2m_{a}g(r_a,b,c,n)+h(r_a,b,c,n)\end{array}$$

为了加速，往往不得不将 $b$ 同样进行操作。我直接写最后的式子，读者可以自行推导一下。

$$\begin{array}{rl}h(a,b,c,n)=& \frac{n(n-1)(2n-1)}{6}{m}_a^2\\ & +n{m}_b^2+h(r_a,r_b,c,n)\\ & +n(n-1)m_a{m}_b\\ & +2m_{a}g(r_a,r_b,c,n)\\ & +2m_{b}f(r_a,r_b,c,n)\end{array}$$

3.3.2.情况二

当 $a<c$ 并且 $b<c$ 时，仍然是
$$m=\lfloor \frac{(n-1)a+b}{c}\rfloor$$

有一个清奇的思路，利用
$$n^2=n+2\sum _{x=0}^{n-1}x$$

将其进行替换。由于式子太长，我不得不使用 $p_x$ 来表示 $\lfloor \frac{ax+b}{c}\rfloor$ 。

$$\begin{array}{rl}h(a,b,c,n)& =\sum _{x=0}^{n-1}\left(p_x+2\sum _{j=0}^{p_x-1}j\right)\\ & =f(a,b,c,n)+\sum _{x=0}^{n-1}\sum _{j=0}^{m-1}\left[j+1\le p_x\right]2j\\ & =f(a,b,c,n)+\sum _{j=0}^{m-1}2j\sum _{x=0}^{n-1}\left[x\ge \lfloor \frac{cj+c-b+a-1}{a}\rfloor \right]\\ & =f(a,b,c,n)+nm(m-1)-2\sum _{j=0}^{m-1}j\lfloor \frac{cj+c-b+a-1}{a}\rfloor \\ & =f(a,b,c,n)+nm(m-1)-2g(c,c-b+a-1,a,m)\end{array}$$

3.4.一起求

因为 $g$ 和 $h$ 会互相使用，而且还需要引用 $f$，非常麻烦。建议一起进行求解，大大降低复杂度。

虽然我们并没有用到 $b$ 的正负性，但是，可以发现，如果最初的 $b$ 是正数，则递归过程中的所有 $b$ 都是正数（毕竟 $c-b+a-1$ 在 $a<c$ 且 $b<c$ 情形下出现）。

为了方便代码实现，在此处将三种一起汇总，并且 肆无忌惮地 使用如下符号简化式子：

• $m_a=\lfloor \frac{a}{c}\rfloor ,r_a=a\mathrm{m}\mathrm{o}\mathrm{d}c$ 。$m_b,r_b$ 的规定同理。
• $p=c-b+a-1$
• $p_1=n,p_2=\frac{n(n-1)}{2},p_3=\frac{n(n-1)(2n-1)}{6}$

3.4.1.情况一

当 $a\ge c$ 或 $b\ge c$ 时，

$$f(a,b,c,n)=p_2{m}_a+p_1{m}_b+f(r_a,r_b,c,n)$$

$$g(a,b,c,n)=p_3{m}_a+p_2{m}_b+g(r_a,r_b,c,n)$$

$$\begin{array}{rl}& h(a,b,c,n)=p_3{m}_a^2+2p_2{m}_a{m}_b+p_1{m}_b^2\\ +2m_b& f(r_a,r_b,c,n)+2m_{a}g(r_a,r_b,c,n)+h(r_a,r_b,c,n)\end{array}$$

3.4.2.情况二

当 $a<c$ 并且 $b<c$ 时，令

$$m=\lfloor \frac{(n-1)a+b}{c}\rfloor$$

则有

$$f(a,b,c,n)=nm-f(c,p,a,m)$$

$$g(a,b,c,n)=\frac{nm(n-1)-h(c,p,a,m)+f(c,p,a,m)}{2}$$

$$h(a,b,c,n)=nm(m-1)-2g(c,p,a,m)+f(a,b,c,n)$$

4.代码

struct LL{
	long long x;
	LL(const long long &num=0):x(num%Mod){}
	operator long long(){ return x; }
	LL operator * (long long num){
		return LL(x*(num%Mod)%Mod);
	}
	LL operator + (long long num){
		return LL((x+num%Mod+Mod)%Mod);
	}
	LL operator - (long long num){
		return LL((x-num%Mod+Mod)%Mod);
	}
}; // 注意：LL会强制性取模，所以long long也仍然在被使用
struct PPL{ LL f, g, h; PPL(){ f = g = h = 0; } };
PPL likeGcd(long long a,long long b,long long c,long long n){
	if(n == 0) return PPL(); // 没有项数……
	long long m = ((n-1)*a+b)/c;
	if(a >= c or b >= c){
		LL ma = a/c, mb = b/c;
		LL yi = LL(n), er = yi*(n-1)*inv2;
		LL san = er*(2*n-1)*inv3;
		auto res = likeGcd(a%c,b%c,c,n);
		res.h = res.h+mb*res.f*2ll+ma*res.g*2ll;
		res.h = res.h+san*ma*ma+er*ma*mb*2ll+yi*mb*mb;
		res.f = res.f+er*ma+yi*mb;
		res.g = res.g+san*ma+er*mb;
		return res;
	}
	else{
		if(a == 0) return PPL();
		auto last = likeGcd(c,c-b+a-1,a,m);
		PPL now; LL cs = LL(n)*m;
		now.f = cs-last.f;
		now.g = (cs*(n-1)-last.h+last.f)*inv2;
		now.h = cs*(m-1)-last.g*2ll+now.f;
		return now;
	}
}

5.进阶

5.1.讲解

传送门 to ZZQ’blog：更通用的，求
$$\sum _{x=0}^n{x}^p\cdot {\lfloor \frac{ax+b}{c}\rfloor }^q$$

记其为 $f(p,q,a,b,c,n)$ 。$a\ge c\vee b\ge c$ 时，需要利用二项式展开化简，挺麻烦的。下面假设 $a<c\wedge b<c$ 。注意：虽然 $b$ 并不参与复杂度计算，但是为了下面的式子成立，必须要每一项都大于零（否则 $\sum x^p$ 会出问题）。我就这样 $\mathrm{W}\mathrm{A}$ 穿了，顶你个肺啊！

如果仍然要用 $j\le \lfloor \frac{ax+b}{c}\rfloor$ 来化简，那么 $j$ 上面所附加的权值是什么呢？好像并没有一个很 $\mathrm{t}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{k}\mathrm{y}$ 的方案，不如就平凡地令其为 $j^q-(j-1{)}^q$ 吧！

仍然记 $m=\lfloor \frac{an+b}{c}\rfloor$，即最大的一项。

$$\begin{gathered} f(p,q,a,b,c,n)=\sum _{x=0}^n{x}^p\sum _{j=1}^m\left[j\le \lfloor \frac{ax+b}{c}\rfloor \right][j^q-(j-1{)}^q] \\ =\sum _{j=1}^m[j^q-(j-1{)}^q]\sum _{x=1}^n{x}^p\left[cj-b-1<ax\right] \\ =\sum _{j=0}^{m-1}[(j+1{)}^q-j^q]\left(\sum _{x=0}^n{x}^p-\sum _{x=0}^{\lfloor \frac{cj+c-b-1}{a}\rfloor }{x}^p\right) \end{gathered}$$

题外话：发现最麻烦的是 $x$ 的范围到底 要不要包含零？以及 $0^0$ 该算什么？因为这个考虑，我最终又把 $j$ 的范围改成了从零开始。

第一项，$j,x$ 是独立的，可以分开求和然后相乘。第二项，好像比较复杂，可是回想一下，我们既然是要递归，那就要把它跟 $\lfloor \frac{cj+c-b-1}{a}\rfloor$，也就是 $x$ 的取值范围，构建关联。这很简单——事先解出 ${\sum }_{x\le n}{x}^p$ 关于 $n$ 的多项式，将每一项代入，都是递归子问题。

对于左边的 $(j+1{)}^q$ 和 $j^q$ 两项，要注意了，必须二项式展开，变为 $j$ 的多项式，才能递归。否则，我们要递归 $(j+1{)}^q$ 则必须是 $\lfloor \frac{c(j+1)-b-1}{a}\rfloor$ 的 $p^{\prime }$ 次幂，那就是 $f(q,p^{\prime },c,-b-1,a,m-1)$ 的事儿，递归两次的话，复杂度就爆炸了！

所以 $f(p,q,a,b,c,n)$ 要用到 $f(q^{\prime },p^{\prime },c,c-b-1,a,m-1)(q^{\prime }<q,p^{\prime }\le p+1)$ 。那么我们可以对于 $a,b,c,n$ 求出所有 $p+q\le v_0$ 的值。复杂度则为 $\mathcal{O}(v_0^4\log (a+c))$ 。

对于预处理 $\sum x^p$，我觉得利用这个计算方法还挺不错的，当然你可以有更好的想法。

5.2.实现

#include <cstdio>
#include <iostream>
#include <cstring>
#include <vector>
#include <algorithm>
#include <cassert>
using namespace std;
typedef long long int_;
# define rep(i,a,b) for(int i=(a); i<=(b); ++i)
# define drep(i,a,b) for(int i=(a); i>=(b); --i)
inline int readint(){
	int a = 0; char c = getchar(), f = 1;
	for(; c<'0'||c>'9'; c=getchar())
		if(c == '-') f = -f;
	for(; '0'<=c&&c<='9'; c=getchar())
		a = (a<<3)+(a<<1)+(c^48);
	return a*f;
}

const int Mod = 1e9+7;
inline int qkpow(int_ b,int q){
	int a = 1; b %= Mod;
	for(; q; q>>=1,b=b*b%Mod)
		if(q&1) a = a*b%Mod;
	return a;
}

const int MaxN = 50;
namespace Math{
	int c[MaxN][MaxN], inv[MaxN];
	int poly[MaxN][MaxN+1]; 
	
	void import(int n){
		rep(i,0,n) rep(j,c[i][0]=1,i)
			c[i][j] = (c[i-1][j]+c[i-1][j-1])%Mod;
		poly[0][0] = poly[0][1] = 1; // \sum_{x} x^0 = n+1
		for(int k=inv[1]=1; k<=n; ++k){
			inv[k+1] = (0ll+Mod-Mod/(k+1))
				*inv[Mod%(k+1)]%Mod;
			rep(j,0,k+1) poly[k][j] = c[k+1][j];
			rep(j,0,k-1) rep(i,0,j+1)
				poly[k][i] = (poly[k][i]+Mod-1ll*
					poly[j][i]*c[k+1][j]%Mod)%Mod;
			rep(j,0,k+1) poly[k][j] = 1ll*
				poly[k][j]*inv[k+1]%Mod;
		}
	}
	int valueAt(int id,int x){
		int res = 0, v = 1;
		for(int i=0; i<=id+1; ++i,v=1ll*v*x%Mod)
			res = (res+1ll*v*poly[id][i])%Mod;
		return res;
	}
}

int res[MaxN][MaxN], tmp[MaxN][MaxN];
void likeGcd(int v0,int a,int b,int c,int_ n){
	if(a == 0 || n == 0){
		b /= c; // constant
		rep(p,0,v0) rep(q,0,v0-p)
			res[p][q] = 1ll*qkpow(b,q)
				*Math::valueAt(p,n)%Mod;
		return ;
	}
	if(b >= c){ // don't ignore this!!!
		likeGcd(v0,a,b%c,c,n);
		rep(p,0,v0) memset(tmp[p]+1,0,v0<<2);
		rep(p,0,v0) rep(q,1,v0-p)
		for(int i=0,x=1; i<=q; ++i){
			tmp[p][q] = (tmp[p][q]+1ll*x*
				Math::c[q][i]%Mod*res[p][q-i])%Mod;
			x = 1ll*x*(b/c)%Mod; // attached value
		}
		rep(p,0,v0) tmp[p][0] = Math::valueAt(p,n);
		swap(res,tmp); return ;
	}
	if(a >= c){
		likeGcd(v0,a%c,b,c,n);
		rep(p,0,v0) memset(tmp[p]+1,0,v0<<2);
		rep(p,0,v0) rep(q,1,v0-p)
		for(int i=0,x=1; i<=q; ++i){
			tmp[p][q] = (tmp[p][q]+1ll*x*
				Math::c[q][i]%Mod*res[p+i][q-i])%Mod;
			x = 1ll*x*(a/c)%Mod; // attached value
		}
		rep(p,0,v0) tmp[p][0] = Math::valueAt(p,n);
		swap(res,tmp); return ;
	}
	int_ m = (1ll*a*n+b)/c; // max one
	if(c*m > 1ll*a*n+b) -- m;
	likeGcd(v0,c,c-b-1,a,m-1);
	rep(p,0,v0) rep(q,0,v0-p){
		tmp[p][q] = Math::valueAt(p,n);
		tmp[p][q] = 1ll*tmp[p][q]*qkpow(m,q)%Mod;
		rep(j,0,q-1) rep(i,0,p+1){
			int wxk = 1ll*Math::c[q][j]
				*Math::poly[p][i]%Mod*res[j][i]%Mod;
			tmp[p][q] = (tmp[p][q]+Mod-wxk)%Mod;
		}
	}
	swap(res,tmp); return ;
}

6.例题

答案？什么答案？例题的参考答案？读者自证不难啊！

6.1.模板题

传送门 to luogu：就用上面的模板代码就可以了。

6.2.进阶版

传送门 to LOJ：板题。