【Learning】多项式的一些东西
FFT
坑
NTT
将\(FFT\)中的单位复数根改成原根即可。
卡常版NTT模版
struct Mul
{ int Len;
int wn[N], Lim;
int rev[N];
inline void getReverse(int * a)
{
static int rev[N];
rev[0] = 0;
for (register int i = 0; i < Len; i++)
{
rev[i] = (rev[i>>1] >> 1) | ((i&1) ? (Len >> 1) : 0);
if (i < rev[i]) swap(a[i], a[rev[i]]);
}
}
void NTT(int * a, int opt)
{
getReverse(a);
for (register int i = 0; i < Len; i += 2)
{
int x = a[i], y = 1LL * wn[0] * a[i + 1] % mod;
a[i] = Plus(x, y), a[i + 1] = Minus(x, y);
}
for (register int i = 0; i < Len; i += 4)
{
int x1 = a[i], y1 = 1LL * wn[0] * a[i + 2] % mod;
int x2 = a[i + 1], y2 = 1LL * wn[Lim / 2] * a[i + 3] % mod;
a[i] = Plus(x1, y1), a[i + 2] = Minus(x1, y1);
a[i + 1] = Plus(x2, y2), a[i + 3] = Minus(x2, y2);
}
for (register int i = 8; i <= Len; i <<= 1)
{
int M = i >> 1;
for (register int j = 0; j < Len; j += i)
{
for (register int k = 0; k < M; k += 4)
{
int x1 = a[j + k], y1 = 1LL * wn[Lim / M * k] * a[j + k + M] % mod;
int x2 = a[j + k + 1], y2 = 1LL * wn[Lim / M * (k+1)] * a[j + k + M + 1] % mod;
int x3 = a[j + k + 2], y3 = 1LL * wn[Lim / M * (k+2)] * a[j + k + M + 2] % mod;
int x4 = a[j + k + 3], y4 = 1LL * wn[Lim / M * (k+3)] * a[j + k + M + 3] % mod;
a[j + k] = Plus(x1, y1), a[j + k + M] = Minus(x1, y1);
a[j + k + 1] = Plus(x2, y2), a[j + k + M + 1] = Minus(x2, y2);
a[j + k + 2] = Plus(x3, y3), a[j + k + M + 2] = Minus(x3, y3);
a[j + k + 3] = Plus(x4, y4), a[j + k + M + 3] = Minus(x4, y4);
}
}
}
if (opt == -1)
{
for (register int i = 0; i < Len; i++)
a[i] = 1LL * a[i] * inv[Len] % mod;
for(register int i = 1; i < Len; i++)
if(i < Len-i) swap(a[i], a[Len-i]);
}
}
inline void init()
{
Lim = Len;
wn[0] = 1; wn[1] = power(7, (mod-1) / (Len << 1), mod);
for (int i = 2; i < (Len << 1); i++) wn[i] = 1LL * wn[i-1] * wn[1] % mod;
}
inline int getLen(int l)
{
for (Len = 1; Len <= l; Len <<= 1);
return Len;
}
};
多项式求逆
也就是求
\]
假设我们已知
\]
两式相减得
\]
\]
\]
两边同时乘上\(A(x)\)
\]
因为\(A(x)B(x) = 1\), 所以可以得到
\]
\]
就这样解决了
时间复杂度为\(T(n) = T(\frac{n}{2}) +O(n \log n)\)
代码
inline void getInv(int * A, int * B, int len)
{
static int tmp1[N], tmp2[N];
B[0] = power(A[0], mod-2, mod);
for (register int k = 2; k <= len; k <<= 1)
{
int Len = k << 1;
cpy(tmp1, A, k, Len);
cpy(tmp2, B, (k >> 1), Len);
Calc.Len = Len;
Calc.NTT(tmp1, 1);
Calc.NTT(tmp2, 1);
for (int i = 0; i < Len; i++)
tmp1[i] = Minus(Plus(tmp2[i], tmp2[i]), 1LL * tmp1[i] * tmp2[i] % mod * tmp2[i] % mod);
Calc.NTT(tmp1, -1);
cpy(B, tmp1, k, Len);
}
return;
}
多项式开根
也就是求
\]
假设我们已知
\]
两式相减得
\]
然后平方一下
\]
\]
配一下方
\]
\]
\]
因为\(A(x)B(x) = 1\), 所以可以得到
\]
为了方便实现,我们常把它化成
\]
然后就解决了
时间复杂度为\(T(n) = T(\frac{n}{2}) + O(n \log n) = O(n \log n)\)
多项式求导
模拟即可
代码
inline void getDeri(int * a, int len)
{ for (register int i = 0; i < len; i++)
a[i] = 1LL * a[i+1] * (i+1) % mod;
}
多项式积分
模拟即可
代码
inline void getInte(int * a, int len)
{ for (int i = len-1; i >= 1; i--)
a[i] = 1LL * a[i-1] * inv[i] % mod;
a[0] = 0;
}
多项式求\(\ln\)
已知多项式\(A(x)\), 求\(B(x) = \ln (A(x))\)
根据链式法则, 我们可以得到
\]
所以
\]
代码
void getLn(int * A, int len)
{
static int tmp1[N], tmp2[N], tmp3[N];
int Len = len << 1;
cpy(tmp1, A, len, Len);
cpy(tmp2, A, len, Len);
getDeri(tmp1, len);
getInv(tmp2, tmp3, len);
Calc.Len = Len;
Calc.NTT(tmp1, 1);
Calc.NTT(tmp3, 1);
for (int i = 0; i < Len; i++)
tmp1[i] = 1LL * tmp1[i] * tmp3[i] % mod;
Calc.NTT(tmp1, -1);
memset(tmp1 + len, 0, 4 * (Len - len));
getInte(tmp1, len);
cpy(A, tmp1, len, Len);
}
时间复杂度还是\(T(n) = T(\frac{n}{2}) + O(n \log n) = O(n \log n)\)
牛顿迭代
我们要求\(f(x) = 0\)的根
那么可以使用泰勒公式来近似\(f(x) = 0\)的根
我们设当前的近似值是\(x_{n}\), 我们想要得到的近似值是\(x_{n+1}\)
截取泰勒公式的线性部分: $$f(x_{n}) + f'(x_{n})(x_{n+1}-x_n) = 0$$
解方程得: $$x_{n+1} = x_n - \frac{f(x_{n})}{f'(x_{n})}$$
我们可以用这种方法来解多项式方程。
多项式\(\exp\)
我们要求的是 \(exp(A(x))\), 这相当于解一个方程: \(g(exp(A(x))) = \ln(exp(A(x))) - A(x) = 0\)
可以直接套用牛顿迭代法求解。
【Learning】多项式的一些东西的更多相关文章
- FFT/NTT复习笔记&多项式&生成函数学习笔记Ⅰ
众所周知,tzc 在 2019 年(12 月 31 日)就第一次开始接触多项式相关算法,可到 2021 年(1 月 1 日)才开始写这篇 blog. 感觉自己开了个大坑( 多项式 多项式乘法 好吧这个 ...
- FFT是个啥?
简单来说就是一个计算多项式乘法的东西呀.. 以下内容基本都是在大黑书<算法导论>上的.. 总述 对于项数为$n$的多项式$A(x)$和项数为$m$的多项式$B(x)$,可以如此表达: $$ ...
- 【BZOJ3625】【CF438E】小朋友和二叉树
题目 传送门 思路&做法 我们可以用\(v_i\)表示\(i\)在\(c\)中出现了几次, 用\(f_i\)表示权值为\(i\)的神犇树的总数, 于是 \[ f_x = \sum_{i = 0 ...
- 【learning】多项式乘法&fft
[吐槽] 以前一直觉得这个东西十分高端完全不会qwq 但是向lyy.yxq.yww.dtz等dalao们学习之后发现这个东西的代码实现其实极其简洁 于是趁着还没有忘记赶紧来写一篇博 (说起来这篇东西的 ...
- 【learning】多项式相关(求逆、开根、除法、取模)
(首先要%miskcoo,这位dalao写的博客(这里)实在是太强啦qwq大部分多项式相关的知识都是从这位dalao博客里面学的,下面这篇东西是自己对其博客学习后的一些总结和想法,大部分是按照其博客里 ...
- 【Learning】 多项式的相关计算
约定的记号 对于一个多项式\(A(x)\),若其最高次系数不为零的项是\(x^k\),则该多项式的次数为\(k\). 记为\(deg(A)=k\). 对于\(x\in(k,+ \infty)\),称\ ...
- 【Learning】多项式乘法与快速傅里叶变换(FFT)
简介: FFT主要运用于快速卷积,其中一个例子就是如何将两个多项式相乘,或者高精度乘高精度的操作. 显然暴搞是$O(n^2)$的复杂度,然而FFT可以将其将为$O(n lg n)$. 这看起来十分玄学 ...
- 【learning】多项式开根详解+模板
概述 多项式开跟是一个非常重要的知识点,许多多项式题目都要用到这一算法. 用快速数论变换,多项式求逆元和倍增法可以在$O(n log n)$的时间复杂度下求出一个$n$次多项式的开根. 前置技能 快速 ...
- Machine Learning Algorithms Study Notes(4)—无监督学习(unsupervised learning)
1 Unsupervised Learning 1.1 k-means clustering algorithm 1.1.1 算法思想 1.1.2 k-means的不足之处 1 ...
随机推荐
- 关于必须添加对程序集“System.Runtime, Version=4.0.0.0, Culture=neutral, PublicKeyToken=b03f5f7f11d50a3a”的引用异常问题
问题描述: 下午调试代码的时候突然发现页面突然异常了,原本以为是代码哪里写错了,后来通过定位发现MVC,UI界面的Linq异常,即关于必须添加对程序集“System.Runtime, Version= ...
- 又一个ajax实例,结合jQuery
又一个ajax实例,配合jQuery html <!DOCTYPE html> <html lang="zh-cn"> <head> < ...
- codeforces 363A
#include<stdio.h>//这题挺有意思小学学的算盘 int main() { int n,i,m; while(scanf("%d",&n)!=EO ...
- msp430入门学习10
msp430的定时器--看门狗 msp430入门学习
- PyMySQL - Python3 MySQL数据库连接 - 基本操作
一.Python连接MySQL数据库 1.导入模块 #导入模块 import pymysql 2.打开数据库连接 #打开数据库连接 #注意:这里已经假定存在数据库testdb,db指定了连接的 ...
- 【转】学习JavaScript闭包
原文: http://www.cnblogs.com/Lau7/p/7942100.html#undefined ------------------------------------------- ...
- CentOS 7最小安装后,手动连接网络
时间:2015-12-12 00:53来源:blog.51cto.com 作者:XD 举报 点击:3679次 CentOS中最小安装,由于默认的网卡没有激活,所以无法连接到网络. 设置如下: sucd ...
- 华为AR1220
今天刚刚收到华为AR1220,以为直接就可以用web界面管理,结果开机后才知道web管理界面需要激活.下面简单分享这个过程:*** 用控制台线(一边RJ45,一边9针串)连接Router consol ...
- mingw32-gcc.exe: error: CreateProcess: No such file or directory
用code::blocks在windows平台下,搭建object c编译环境时,出现这个错误. 解决的方法: 将setting -> compliler -> Toolchain exe ...
- python批量删除文件
敲代码測试时总会碰到要删除日志目录下的日志或者删除一些历史文件.每次都会生成,再測试的时候为了查找错误原因方便总是要在測试前删除这些文件.手动删除比較麻烦.所以写一个批量删除脚本 import os ...