FFT


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

\[A(x)B(x) = 1 \pmod{x^n}
\]

假设我们已知

\[A(x)G(x) = 1 \pmod{x^{\lceil{n \over 2}\rceil}}
\]

两式相减得

\[A(x)(B(x) - G(x)) = 0 \pmod{x^{\lceil{n \over 2}\rceil}}
\]

\[B(x) - G(x) = 0 \pmod{x^{\lceil{n \over 2}\rceil}}
\]

\[B^2(x) + G^2(x) - 2B(x)G(x) = 0 \pmod{x^n}
\]

两边同时乘上\(A(x)\)

\[A(x)B^2(x) + A(x)G^2(x) = 2A(x)B(x)G(x)
\]

因为\(A(x)B(x) = 1\), 所以可以得到

\[B(x) + A(x)G^2(x) = 2G(x)
\]

\[B(x) = 2G(x) - A(x)G^2(x)
\]

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

\[B^2(x) = A(x) \pmod{x^n}
\]

假设我们已知

\[G^2(x) = A(x) \pmod{x^{\lceil{n \over 2}\rceil}}
\]

两式相减得

\[B^2(x) - G^2(x) = 0 \pmod{x^{\lceil{n \over 2}\rceil}}
\]

然后平方一下

\[B^4(x) + G^4(x) - 2B^2(x)G^2(x) = 0 \pmod{x^n}
\]

\[B^4(x) + G^4(x) = 2B^2(x)G^2(x) \pmod{x^n}
\]

配一下方

\[B^4(x) + G^4(x) + 2B^2(x)G^2(x) = 4B^2(x)G^2(x) \pmod{x^n}
\]

\[(B^2(x) + G^2(x))^2 = (2B(x)G(x))^2 \pmod{x^n}
\]

\[B^2(x) + G^2(x) = 2B(x)G(x) \pmod{x^n}
\]

因为\(A(x)B(x) = 1\), 所以可以得到

\[B(x) = {A(x) + G^2(x) \over {2G(x)}}
\]

为了方便实现,我们常把它化成

\[B(x) = {A(x) \over 2G(x)} + {G(x) \over 2}
\]

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

\[B'(x) = \frac{\mathbb{d}(\ln(A(x)))}{\mathbb{d}A(x)} \frac{\mathbb{d}A(x)}{\mathbb{d}x} = \frac{A'(x)}{A(x)}
\]

所以

\[B(x) = \int \frac{A'(x)}{A(x)} \mathbb{d}x
\]

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

  1. 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 ...

  2. 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: $$ ...

  3. 【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 ...

  4. 【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 ...

  5. 【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 ...

  6. 【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\ ...

  7. 【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 ...

  8. 【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 ...

  9. 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

  1. 调试24L01经验总结

    注意的地方: 1.调试24L01的时候,信号的初始状态一定要设置,否则在设置模块的状态的时候容易出错.( CE=0; CSN=1; SCK=0; MOSI = 1; IRQ = 1;)IRQ设置成1是 ...

  2. [luoguP1494] 岳麓山上打水 && [luoguP2744] [USACO5.3]量取牛奶Milk Measuring

    传送门 传送门 dfs选取集合,dp背包判断 虽然我觉的会TLE.. 但是的确是AC了 #include <cstdio> #include <cstring> #includ ...

  3. 利用mysql分析小规模数据

    1 获取数据 示例:(/home/work/data/1.data) 123457,chenli,70 123458,liuyang,71 2 create table CREATE TABLE sc ...

  4. 调用系统文件管理器选择图片,调用系统裁剪AIP对图片处理,显示裁剪之后的图片

    package com.pingyijinren.test; import android.annotation.TargetApi; import android.app.Notification; ...

  5. BootStrap3栅格系统与布局

    栅格系统与布局 Use our powerful mobile-first flexbox grid to build layouts of all shapes and sizes thanks t ...

  6. Ubuntu 16.04 GNOME添加桌面图标/在桌面上显示图标

    GNOME默认不能在桌面上创建文件夹,但是可以通过工具设置:用gnome-tweak-tool设置Nautilus接管桌面即可. 安装: sudo apt-get install gnome-twea ...

  7. Servlet的过滤器(Filter)

    以下内容引用自http://wiki.jikexueyuan.com/project/servlet/writing-filters.html: Servlet过滤器是Java类,可用于Servlet ...

  8. JDBC基础教程:tutorialspoint-jdbc

    来自turorialspoint的JDBC基础教程(英文),官网:https://www.tutorialspoint.com/jdbc/index.htm 这个教程在国内已经被翻译成中文(不过是属于 ...

  9. zabbix学习系列之配置邮件告警

    整体思路是:添加监控项-->配置触发器(达到设定的阈值就触发)-->配置动作(将某个触发器绑定到某个动作,达到某个阈值,触发器触发的时候,通过邮件发送告警信息给某个用户) 配置触发器 创建 ...

  10. 解决fragmentTransaction.replace不能全屏

    今天遇到个问题,使用fragmentTransaction.replace替换后的内容不能全屏.. FragmentManager fragmentManager = getSupportFragme ...