【学习笔记】集合幂级数

省流：集合幂就是 $R[x_1,x_2,\dots ,x_n]/(x_1^2,x_2^2,\dots ,x_n^2)$ 的结果，所有变换都是插值。

零、前言

可以先看一看吕凯风《集合幂级数的性质与应用及其快速算法》。尽管这个链接是多数人都无法访问的。

你以为它很抽象？你有没有想过，其实我们还可以定义矩阵幂，即 $f_{i,j}{x}^{i,j}$ 满足 $x^{i,j}\cdot x^{j,k}=x^{i,k}$ 这种东西？只要牢牢地记住，所谓 形式 级数就是，这一切都只是为了形式化罢了。就像生成函数从不考虑收敛域——形式幂级数的本质不过是系数的序列 $⟨a_0,a_1,\dots ,a_n,\dots ⟩$ 罢了。

壹、定义

0.记号

设全集为有限集 U = { 1 , 2 , 3 , … , n } \Bbb U=\{1,2,3,\dots,n\} U={1,2,3,…,n} 。设 $F$ 是某个域。

1.集合幂级数

对于任意 $c\in F,S⫅\mathbb{U}$，用 $c{x}^S$ 表示第 $S$ 项系数为 $c$，其余各项系数均为 $0$ 的 集合幂级数。这里的 $x^S$ 无非是个占位符，表示把 $c$ 放在 $S$ 这个位置。

那么，一般的集合幂级数可写成
$$f=\sum _{S⫅\mathbb{U}}{f}_S{x}^S$$

2.加法与减法

设 $f,g$ 均为集合幂级数，那么二者的和 $h=f+g$ 是满足如下条件的集合幂级数：
$$h_S=f_S+g_S$$

减法则为逆运算。容易看出，集合幂级数构成了加法阿贝尔群。

3.乘法

记乘法为 $h=f\cdot g$，显然我们希望 乘法对加法有分配律。那么，我们定义 $(f_a{x}^a)\cdot (g_b{x}^b)=(f_a{g}_b)x^{a\star b}$，然后根据分配律直接定义项数更长的乘法。

自然，我们希望 $\star$ 是某种集合运算。如果它满足：

• 交换律。即 $L\star R=R\star L$ 。
• 结合律。即 $(L\star M)\star R=L\star (M\star R)$ 。

那么，集合幂级数就会满足 交换律、结合律。虽然绝大多数集合运算都满足。

然而，这不足以让乘法是良定义的。我们需要

• 单位元为空集，即 $S\star \varnothing =S$ 。

否则就有一个尴尬的处境是，下面这个看上去很合理的式子
$$c{x}^S=c{x}^{\varnothing }\cdot x^S=c\cdot x^S$$

不成立。那么 常数将不再是集合幂级数，这是令人恼怒的！

在单位元为空集时，容易发现，现在集合幂级数构成交换环，并且整个域 $F$ 都是它的子环。

贰、莫比乌斯变换

适用于乘法定义为集合并，即 $c_L{x}^L\cdot c_R{x}^R=(c_L{c}_R)x^{L\cup R}$ 的情况。

1.定义

集合幂级数 $f$ 的莫比乌斯变换为 $\hat{f}$，反过来，$\hat{f}$ 的莫比乌斯反演为 $f$ 。其定义为
$$\widehat{f_S}=\sum _{T⫅S}{f}_T$$

我们可以推出
$$f_S=\sum _{T⫅S}(-1{)}^{|S|-|T|}{\hat{f}}_T$$

所以 莫比乌斯变换与原集合幂级数是双射。此时 $h=f\cdot g$ 恰满足
$${\hat{h}}_S={\hat{f}}_S\cdot {\hat{g}}_S$$

2.性质

莫比乌斯变换对加法有分配律，即
$$\hat{h}=\hat{f}+\hat{g}(h=f+g)$$

对于任意形式幂级数 $T(x)$，我们现在需要求得 $T(f)$，可以考虑其莫比乌斯变换的值：由于多项式只涉及乘法和加法，而莫比乌斯变换对二者都有 “分配律”，所以它一定会化简为 $T(\hat{f})$，其中序列加法和序列乘法都是对应位进行操作。换句话说，$T(\widehat{f_S})$ 就是 $T(f)$ 的莫比乌斯变换后 $x^S$ 的系数。

3.除法

原本应该放在 1.定义 中，但是那里 $÷$ 是未定义的。而现在我们可以很轻松的定义 $h=\frac{f}{g}$ 为
$${\hat{h}}_S=\frac{\widehat{f_S}}{{\hat{g}}_S}$$

除法运算是有意义的，当且仅当除数的莫比乌斯变换的每一项系数均非零。这完全是废话。

叁、沃尔什变换

适用于乘法定义为集合对称差的情况。

1.定义

$$\widehat{f_S}=\sum _{T⫅\mathbb{U}}(-1{)}^{|S\cap T|}{f}_T$$

$$f_S=\frac{1}{2^n}\sum _{T⫅\mathbb{U}}(-1{)}^{|S\cap T|}\widehat{f_T}$$

2.另一种理解

$\text{FWT}$ 其实就是高维点值。我在另一博客中说了不少，这里就不说了吧。

肆、集合占位幂级数

可用于解决子集卷积问题，即 $c_L{x}^L\cdot c_R{x}^R=\{\begin{array}{ll}(c_L{c}_R)x^{L\cup R}& (L\cap R=\varnothing )\\ 0& (L\cap R\ne \varnothing )\end{array}$ 。

事实上，因为只有它的定义是最良好的，后文的讨论都只针对它。

1.定义

引入 $z$ 作为 形式幂级数 的自变量。即形式幂级数环 $F[[z]]$ 上的集合幂级数。引入这玩意儿，目的也很明显：限制 $|L|+|R|=|L\cup R|$ 嘛。

对于集合幂级数 $\sigma$，用 ${\sigma }_S$ 表示它的系数。当然也需要用 ${\sigma }_{S,i}$ 表示 $[z^i]{\sigma }_S$（即 ${\sigma }_S$ 这个关于 $z$ 的形式幂级数中 $z^i$ 的系数）。

论文中要求 $\forall i<|S|,{\sigma }_{S,i}=0$ 。显然这是为了使得 ${\sigma }_{S,|S|}$ 就是子集卷积的结果系数。那么同理，反过来，若 $\forall i>|S|,{\sigma }_{S,i}=0$，这也是良定义的占位多项式。

这里保留论文中记法。称 $F[[z]]$ 上的集合幂级数 $\sigma$ 为集合幂级数 $f$ 的 集合占位幂级数，当且仅当
$$\sigma =\sum _{S⫅\mathbb{U}}{f}_S{z}^{|S|}{x}^S+\sum _{S⫅\mathbb{U}}\sum _{k>|S|}{\sigma }_{S,i}{z}^i{x}^S$$

2.子集卷积

若直接进行 $\text{FMT}$，则有 $\mathcal{O}(n{2}^n)$ 次形式幂级数加法，复杂度 $\mathcal{O}(n^2{2}^n)$ 。

但反过来，我们以 $z$ 作为主元，只需要进行 $\mathcal{O}(n^2)$ 的普通卷积。由于 $\text{FMT}$ 结果可以保留，所以只有 $\mathcal{O}(n)$ 次 $\text{FMT}$，复杂度也是 $\mathcal{O}(n^2{2}^n)$ 的。

3.半在线卷积

可以以 $z$ 为主元，从小到大枚举其指数，每层直接做 $\text{FMT}$ 然后卷积即可。复杂度不变。

也可以以 $x$ 为主元分治，类似 $\text{NTT}$，先递归左侧，并求出正变换结果（对于 $(n-1)$ 个变元的插值）。左侧对右侧作贡献，然后递归右侧，并求出正变换结果。

最后考虑当前变元，就得到了整个区间的正变换结果，可以 $\text{return}$ 。

注意操作是对占位幂级数进行的。我们需要预先进行插值——比如，可以做长为 $n$ 的循环卷积的插值变换，或者求 $[0,2n]$ 连续点值等，才能保证乘法复杂度是 $\mathcal{O}(n)$ 的。显然插值和还原都不会超过 $\mathcal{O}(n^2{2}^n)$ 总复杂度。

所以共 $\mathcal{O}(n{2}^n)$ 操作，总复杂度 $\mathcal{O}(n^2{2}^n)$ 。

伍、其他

1.微分

将集合幂视为 $n$ 元生成函数。取微分算子
$$\mathfrak{D}=\sum x_i\frac{\partial }{\partial x_i}$$
此时有 $\mathfrak{D}(x^a\cdot x^b)=x^b\mathfrak{D}{x}^a+x^a\mathfrak{D}{x}^b(a\cap b=\varnothing )$，因此是良定义的。

或者用集合幂的角度，就是
D x S = ∑ i ∈ S x S ∖ { i } {\frak D}x^S=\sum_{i\in S}x^{S\setminus\{i\}} DxS=i∈S∑​xS∖{i}

2.逐点牛顿迭代法

任取 $n$ 变元中任意 $x$ 。注意到 $\frac{\partial }{\partial x}F$ 就是 $[x^1]F$，用这个提取 $[x^1]$，很可能只需要从 $[x^0]F=F{|}_{x=0}$ 推出。

比如，求算 $G=\exp F$，其中 $F$ 是集合占位幂级数。有 $\frac{\partial }{\partial x}G=G\frac{\partial }{\partial x}F$，因此将 $[x^0]G$ 求出后与 $[x^1]F$ 卷积就是 $[x^1]G$ 。

由于乘法长度在倍增，这显然是 $\mathcal{O}(n^2{2}^n)$ 的复杂度。并且它并不涉及逆元，即在任意交换环上都可以进行该运算。

在域上，则可以先 $\text{FMT}$，再对每个形式幂级数 ${\hat{F}}_S$ 作 $\exp$，最后做 $\text{FMT}$ 逆变换。这里 $\exp$ 涉及逆元（比如最平凡的求导方法）。