关于 FWT

首先，$\&,|$ 卷积可以在 这里 找到
今天来说一说 $⨂$ 卷积

问题：求 $h_k={\sum }_{i⨂j=k}{f}_j\ast g_k$，其中 $⨂$ 为不进位加法，在二进制中说的就是异或

首先我们有一个结论：

$$\frac{1}{2^n}\sum _T(-1{)}^{|S\cap T|}=[S=\varnothing ]$$

证明：当 $S=\varnothing$ 时，每一项的贡献都是 $1$
当 $S\ne \varnothing$ 时，对于一个 $a\in S$
考虑 $(-1{)}^{|S\cap (T\otimes a)|}=(-1{)}^{(|S\cap T)\otimes a}=-(-1{)}^{|S\cap T|}$
所以有一一对应关系，于是上述式子为 0

考虑原式子
$$h_k=\sum _i\sum _j[i\otimes j\otimes k=\varnothing ]f_i\ast g_j$$
$$h_k=\frac{1}{2^n}\sum _i\sum _j\sum _T(-1{)}^{|(i\otimes j\otimes k)\cap T|}{f}_i\ast g_j$$
注意到这里是可以拆出来的
$$h_k=\frac{1}{2^n}\sum _i\sum _j\sum _T(-1{)}^{|i\cap T|}(-1{)}^{|j\cap T|}(-1{)}^{|k\cap T|}{f}_i\ast g_j$$
$$h_k=\frac{1}{2^n}\sum _T(-1{)}^{|k\cap T|}\sum _i(-1{)}^{|i\cap T|}{f}_i\sum _j(-1{)}^{|j\cap T|}{g}_j$$
我们令 ${\hat{f}}_S={\sum }_T(-1{)}^{|S\cap T|}{f}_T$，g 同理，那么有
$$h_k=\frac{1}{2^n}\sum _T(-1{)}^{|k\cap T|}{\hat{f}}_T\ast {\hat{g}}_T$$
注意到如果有
$${\hat{h}}_k=\sum _T(-1{)}^{|k\cap T|}{h}_T$$
那么就有
$$h_k=\frac{1}{2^n}\sum _T(-1{)}^{|k\cap T|}{\hat{h}}_T$$
直接代入就可以证明
于是就有结论：
$${\hat{h}}_T={\hat{f}}_T\ast {\hat{g}}_T$$
可以快速实现 “点值” 的乘法
于是现在的问题就是快速求
$${\hat{f}}_k=\sum _T(-1{)}^{|k\cap T|}{f}_T$$
我们按位从低到高来处理
令 $f^{(i)}$ 为考虑到第 $i$ 位的时候的结果，那么容易得到
f S ( i ) = f S ( i − 1 ) + f S ∪ { i } ( i − 1 ) f^{(i)}_S=f^{(i-1)}_S+f^{(i-1)}_{S\cup \{i\}} fS(i)​=fS(i−1)​+fS∪{i}(i−1)​
f S ∪ { i } ( i ) = f S ( i − 1 ) − f S ∪ { i } ( i − 1 ) f^{(i)}_{S\cup \{i\}}=f^{(i-1)}_S-f^{(i-1)}_{S\cup \{i\}} fS∪{i}(i)​=fS(i−1)​−fS∪{i}(i−1)​
于是可以在 $O(n\ast 2^n)$ 的时间内实现

---

FWT 的另一种理解方式：

对于求 $h_k={\sum }_{i⨂j=k}{f}_j\ast g_k$，其中 $⨂$ 为不进位加法，是可以扩展到 $k$ 进制的

我们考虑构造一个矩阵 $A$，满足 $(f\ast A)\ast (g\ast A)=(h\ast A)$
其中括号里面是向量乘矩阵，外面是向量的点乘
这样一来我们只需要对 $f,g$ 进行变化，再乘上逆矩阵就可以了

不放令 $x=(x_0{x}_1...x_m{)}_k$，令 $x^{\prime }$ 为 $x$ 的最高位，$x^{\prime \prime }$为 $x$ 去掉最高位后剩下的
那么我们可以构造另一个矩阵 $B$，$s.t.A_{x,y}=\prod B_{x_i,y_i}$
考虑如果知道 $B$ 如何求得 $f\ast A$
$$(f\ast A)[x]=\sum _{i=0}^{n-1}{f}_i{A}_{x,i}$$
$$=\sum _{p=0}^{k-1}{B}_{x^{\prime },p}\sum _{i^{\prime }=p}{f}_i\ast A_{x^{\prime \prime },i^{\prime \prime }}$$
后面一坨可以继续分治求下去
于是 $B$ 需要满足的性质，有
$$\sum _i{f}_i{B}_{x,i}\sum _j{g}_j{B}_{x,j}=\sum _k{h}_k{B}_{x,k}$$
如果有 $f_i\ast g_j\ast (i\otimes j=k)=h_k$，那么有
$$B_{x,i}{B}_{x,j}=B_{x,k}(i\otimes j=k)$$
即
$$B_{x,i}{B}_{x,j}=B_{x,k}(K|i+j-k)$$
$$B=\begin{array}{cccc}1& 1& 1& ...\\ 1& w_K^1& w_K^2& ...\\ 1& w_K^2& w_K^4& ...\\ ...& ...& ...& ...\\ 1& w_K^{K-1}& w_K^{2\ast (K-1)}& ...\end{array}$$
跟 $fft$ 的矩阵一样， 大概可以把 $FWT$ 看做对每一位做了一遍循环卷积
二进制的时候：
$$B=\begin{array}{cc}1& 1\\ 1& -1\end{array}$$
这符合我们之前的推论

---

子集卷积
$$h_k=\sum _i\sum _j[i\cap j=\varnothing ][i\cup j=k]f_i\ast g_j$$
为了满足第一个限制，我们可以设置 $n$ 个数组
第 $i$ 个数组只有下标的 $popcnt=i$ 的地方才有值
然后我们为满足第二个限制对每一个做一遍 $FMT$，两两相乘，累加到对应的 $popcnt$ 数组中最后 $IFMT$ 回去，复杂度 $O(n^2\ast 2^n)$