多项式运算

• 定义

           \ \ \ \ \ \ \,       多项式（Polynomial）是代数学中的基础概念，是由称为未知数的变量和称为系数的常数通过有限次加减法、乘法以及自然数幂次的乘方运算得到的代数表达式。多项式是整式的一种。未知数只有一个的多项式称为一元多项式。

           \ \ \ \ \ \ \,       一个$n$元多项式，也就是长度为$n$的多项式$f$，我们可以这样表达：

  $$f=\sum _{i=0}^n{f}_i\cdot x^i$$

           \ \ \ \ \ \ \,       我们一般简写为:

  $$f=\sum _{i=0}^n{f}_i$$

• 多项式的加减法

           \ \ \ \ \ \ \,       这个挺简单的，我们直接写吧：

           \ \ \ \ \ \ \,       对于一个长度为$n$的多项式$f$和长度为$m$的多项式$g$:

  $$\begin{array}{rl}f+g& =\sum _{i=0}^n{f}_i+\sum _{i=0}^m{g}_i\\ & =\sum _{i=0}^{\mathrm{m}\mathrm{a}\mathrm{x}(n,m)}{f}_i+g_i\end{array}$$

  $$\begin{array}{rl}f-g& =\sum _{i=0}^n{f}_i-\sum _{i=0}^m{g}_i\\ & =\sum _{i=0}^{\mathrm{m}\mathrm{a}\mathrm{x}(n,m)}{f}_i-g_i\end{array}$$

• 多项式的乘法（卷积）

           \ \ \ \ \ \ \,       多项式的卷积，我们还是对于上文中的两个函数$f$和$g$，这个地方不展开写挺不方便的，我们就展开吧：

  $$\begin{array}{rl}f⨂g& =\sum _{i=0}^n{f}_i\cdot x^i\times \sum _{i=0}^m{g}_i\cdot x^i\\ & =\sum _{v=0}^{n+m}{f}_b\cdot x^b\times g_a\cdot x^a[a+b=v]\\ & =\sum _{x=0}^{n+m}\sum _{i=0}^v{f}_i\cdot g_{v-i}\cdot x^v\end{array}$$

           \ \ \ \ \ \ \,       计算的复杂度呢，是$O(n^2)$的，可以用一些神奇算法优化成$O(n\log n)$的具体看这里：【求多项式卷积的变换】

• 多项式的除法

           \ \ \ \ \ \ \,       一个多项式除以一个多项式，就是乘以他的逆元。

           \ \ \ \ \ \ \,       多项式的逆元，是对于一个长度为$n$的多项式$f$，找到一个同样长度为$n$的多项式$f_{inv}$，使得：

  $$f⨂f_{inv}\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n)$$

           \ \ \ \ \ \ \,       这个$f_{inv}$可以递归求解：

           \ \ \ \ \ \ \,       我们假设，我们已经求出了$f_{inv}^{\prime }$，满足：

  $$f⨂f_{inv}^{\prime }\equiv 1\left(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{\lceil \frac{n}{2}\rceil }\right)$$

           \ \ \ \ \ \ \,       可以得到，对于$f_{inv}$是同样的：

  $$f⨂f_{inv}\equiv 1\left(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{\lceil \frac{n}{2}\rceil }\right)$$

           \ \ \ \ \ \ \,       所以有：

  $$f⨂f_{inv}^{\prime }-f⨂f_{inv}\equiv 0\left(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{\lceil \frac{n}{2}\rceil }\right)$$

  $$f⨂(f_{inv}^{\prime }-f_{inv})\equiv 0\left(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{\lceil \frac{n}{2}\rceil }\right)$$

  $$f_{inv}^{\prime }-f_{inv}\equiv 0\left(\mathrm{m}\mathrm{o}\mathrm{d}{x}^{\lceil \frac{n}{2}\rceil }\right)$$

           \ \ \ \ \ \ \,       两边同时平方：

  $$(f_{inv}^{\prime }-f_{inv}{)}^2\equiv 0\left(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n\right)$$

  $$f_{inv}^{\prime 2}+f_{inv}^2-2f_{inv}^{\prime }⨂f_{inv}\equiv 0\left(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n\right)$$

           \ \ \ \ \ \ \,       两边同时卷$f$：

  $$f⨂f_{inv}^{\prime 2}+f⨂f_{inv}^2-2f⨂f_{inv}^{\prime }{f}_{inv}\equiv 0\left(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n\right)$$

  $$f⨂f_{inv}^{\prime 2}+f⨂f_{inv}⨂f_{inv}-2f⨂f_{inv}⨂f_{inv}^{\prime }\equiv 0\left(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n\right)$$

  $$f⨂f_{inv}^{\prime 2}+f_{inv}-2f_{inv}^{\prime }\equiv 0\left(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n\right)$$

  $$2f_{inv}^{\prime }-f⨂f_{inv}^{\prime 2}\equiv f_{inv}\left(\mathrm{m}\mathrm{o}\mathrm{d}{x}^n\right)$$

           \ \ \ \ \ \ \,       我们发现是卷积的形式，只需要先计算出：
  $$f⨂f_{inv}\equiv 1(\mathrm{m}\mathrm{o}\mathrm{d}1)$$
           \ \ \ \ \ \ \,       后面再递推上去求几次卷积就好了，显然，在上面的式子中：

  $$f_{inv}=\mathrm{i}\mathrm{n}\mathrm{v}{f}_0$$

           \ \ \ \ \ \ \,       复杂度是$O(n\log n)$的：

void Inv(int *a,int *b,int xn){
  if(xn==1) {b[0]=power(a[0],mod-2);return;}
  Inv((xn+1)>>1);
  int L=0,n=1;
  while(n<(xn<<1)) n<<=1,++L;
  for(register int i=1;i<n;++i) R[i]=(R[i>>1]>>1)|((i&1)<<(L-1));
  for(register int i=0;i<xn;++i) c[i]=a[i];
  for(register int i=xn;i<n;++i) c[i]=0;
  NTT(c,1,n);NTT(b,1,n);
  for(register int i=0;i<=n;++i)
    b[i]=1ll*(2-1ll*c[i]*b[i]%mod+mod)%mod*b[i]%mod;
  NTT(b,-1,n);
  for(register int i=xn;i<n;++i) b[i]=0;
}