进军多项式（一）：多项式全家桶模板

原创 已于 2022-06-09 07:28:17 修改 · 4.2k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#几何学 #线性代数 #算法

于 2022-02-09 08:25:04 首次发布

多项式乘法(NTT)

默认大家会了FFT……
我们知道FFT中因为要用三角函数和复数，所以对精度要求高
并且常数比较大
那么有没有可以代替单位根的呢？
我们思考一下在FFT中应用的单位根的性质
1:wn0=1w_n^0=1wn0​=1
保证了有初始值

2:wni+k=wniwnjw_n^{i+k}=w_n^iw_n^jwni+k​=wni​wnj​,也就是wnk=(wn1)kw_n^k=(w_n^1)^kwnk​=(wn1​)k
因此只要求出一个就可以递推

3:wnk+n/2=−wnkw_n^{k+n/2}=-w_{n}^kwnk+n/2​=−wnk​
保证了计算的简洁性

4:wn0,1……n−1w_n^{0,1……n-1}wn0,1……n−1​互不相同
保证了代入了不同的数

5:(w2n1)2=wn1(w_{2n}^1)^2=w_n^1(w2n1​)2=wn1​
保证了计算式可以分治

前人们发现原根ggg也有相似的优良性质
简单介绍原根和阶
对于一个质数ppp,和一个数a，a在mod p意义下的阶就是
ar≡1(mod  p)a^r\equiv1(mod\;p)ar≡1(modp)
的最小整数rrr
一个重要的性质是
a0,a1,a2……，ar−1a^0,a^1,a^2……，a^{r-1}a0,a1,a2……，ar−1互不相同
证明的话假设有
ax≡ay(mod  p)a^x\equiv a^y(mod\;p)ax≡ay(modp)
那么

a∣x−y∣≡1(mod  p)a^{|x-y|} \equiv 1(mod\;p)a∣x−y∣≡1(modp)
显然∣x−y∣<r|x-y|<r∣x−y∣<r,但是根据阶的定义，r是最小的满足这个式子的数，矛盾
那么是原根呢？
一个质数的原根g是满足下列条件的数的集合

ggg在模p意义下的阶是p−1p-1p−1

当然一个质数不只有一个原根，但总有一个最小原根

根据前人的总结，发现若定义gn1=g(p−1)ng_n^1=g^{\frac{(p-1)}{n}}gn1​=gn(p−1)​
那么这个东西有和wn1w_n^1wn1​相似的性质
我们一一来看

1:gn0=(g(p−1)n)0=1g_n^0=(g^{\frac{(p-1)}{n}})^0=1gn0​=(gn(p−1)​)0=1
满足

2:gni+j=(g(p−1)n)i+j=(g(p−1)n)i(g(p−1)n)j=gnignjg_n^{i+j}=(g^{\frac{(p-1)}{n}})^{i+j}=(g^{\frac{(p-1)}{n}})^i(g^{\frac{(p-1)}{n}})^j=g_{n}^ig_n^j gni+j​=(gn(p−1)​)i+j=(gn(p−1)​)i(gn(p−1)​)j=gni​gnj​

3:gnk+n/2=(g(p−1)n)k(g(p−1)n)n/2=gk(p−1)ng(p−1)2g_n^{k+n/2}=(g^{\frac{(p-1)}{n}})^k(g^{\frac{(p-1)}{n}})^{n/2}=g^{\frac{k(p-1)}{n}}g^{\frac{(p-1)}{2}}gnk+n/2​=(gn(p−1)​)k(gn(p−1)​)n/2=gnk(p−1)​g2(p−1)​
而我们知道gp−1≡1g^{p-1}\equiv 1gp−1≡1,因此g(p−1)2≡+1或−1g^{\frac{(p-1)}{2}}\equiv +1或-1g2(p−1)​≡+1或−1
又因为上述阶的性质，所有g的次幂互不相同，因此g(p−1)2≡−1g^{\frac{(p-1)}{2}}\equiv -1g2(p−1)​≡−1
代入上式
gnk+n/2=gk(p−1)ng(p−1)2=−gk(p−1)n=−gnkg_n^{k+n/2}=g^{\frac{k(p-1)}{n}}g^{\frac{(p-1)}{2}}=-g^{\frac{k(p-1)}{n}}=-g_n^kgnk+n/2​=gnk(p−1)​g2(p−1)​=−gnk(p−1)​=−gnk​

4:由阶的性质可得

5：(g2n1)2=(g(p−1)2n)2=g(p−1)n=gn1(g_{2n}^1)^2=(g^{\frac{(p-1)}{2n}})^2=g^{\frac{(p-1)}{n}}=g_n^1(g2n1​)2=(g2n(p−1)​)2=gn(p−1)​=gn1​
至此我们发现w需要的性质g都有
问题解决啦
……
吗？
上述式子中有一个问题就是g(p−1)ng^{\frac{(p-1)}{n}}gn(p−1)​中(p−1)(p-1)(p−1)可能不是n的倍数
如果您了解FFT，就会知道这里的nnn是2的整次幂
因此，一个模数合法要求(p-1)的因子中含有大量2的幂
这样的模数不算特别多，一个最常见的就是998244353
因此，我们只需要代入模数，就可以仿照FFT的方式啦
这就是NTT

void NTT(Poly &f,int opt,int n)
{
	for(int i=0;i<n;i++)
	if(i<tr[i]) swap(f[i],f[tr[i]]);
	for(int len=2;len<=n;len<<=1)
	{
		int l=len/2;
		int w=Pow(opt?G:IG,(mod-1)/len);
		for(int i=0;i<n;i+=len)
		{
			LL g=1;
			for(int k=i;k<i+l;k++)
			{
				LL v=g*f[k+l]%mod;
				f[k+l]=(f[k]-v+mod)%mod;
				f[k]=(f[k]+v)%mod;
				g=1ll*g*w%mod;
			}
		} 
	}
}

然后是多项式乘法，和FFT类似的

#define Poly vector<int>
#define len(x) (int)x.size()
#define turn(x,n) x.resize(n)
void Retry(int n)
{
	for(int i=0;i<n;i++)
	tr[i]=((tr[i>>1]>>1)|((i&1)?(n>>1):0));
}
Poly Mul(Poly f,Poly g)
{
	int n=max(len(f),len(g));
	turn(f,n);
	for(int i=0;i<n;i++)
	f[i]=1ll*f[i]*g[i]%mod;
	return f;
}
Poly Times(Poly f,Poly g)
{
	int n=len(f),m=len(g);
	for(m+=n-1,n=1;n<m;n<<=1);
	LL invn=Inv(n);
	turn(f,n);turn(g,n);
	Retry(n);
	NTT(f,1,n);NTT(g,1,n);
	f=Mul(f,g);
	NTT(f,0,n);f=Mul(f,invn);
	turn(f,min(m,mxlen));
	return f;
}

多项式求逆

已知多项式F(x)F(x)F(x)，求G(x)G(x)G(x)满足G(x)F(x)≡1(mod  98244353)G(x)F(x)\equiv 1(mod\; 98244353)G(x)F(x)≡1(mod98244353)
由于题目良心，所以模数正好是NTT模数
我们考虑用倍增的方法求
下文都用F∗(x)F_*(x)F∗​(x)表示次数是F(x)F(x)F(x)一半的多项式，其余一样
那么我们假设已经倍增的求出G∗(x)G_*(x)G∗​(x)，要求G(x)G(x)G(x)
那么显然
G(x)≡G∗(x)(mod  xn/2)G(x)\equiv G_*(x)(mod\;x^{n/2})G(x)≡G∗​(x)(modxn/2)
移项
G(x)−G∗(x)≡0(mod  xn/2)G(x)-G_*(x)\equiv 0(mod\;x^{n/2})G(x)−G∗​(x)≡0(modxn/2)
两边同时平方
(G(x)−G∗(x))2≡0(mod  xn)(G(x)-G_*(x))^2\equiv 0(mod\;x^n)(G(x)−G∗​(x))2≡0(modxn)
G(x)2−2G(x)G∗(x)+G∗(x)2≡0(mod  xn)G(x)^2-2G(x)G_*(x)+G_*(x)^2\equiv 0(mod\;x^n)G(x)2−2G(x)G∗​(x)+G∗​(x)2≡0(modxn)
同时乘上F(x)F(x)F(x)
G(x)−2G∗(x)+G∗(x)2F(x)≡0(mod  xn)G(x)-2G_*(x)+G_*(x)^2F(x)\equiv 0(mod\;x^n)G(x)−2G∗​(x)+G∗​(x)2F(x)≡0(modxn)
再次移项
G(x)≡2G∗(x)−G∗(x)2F(x)(mod  xn)G(x)\equiv 2G_*(x)-G_*(x)^2F(x)(mod\;x^n)G(x)≡2G∗​(x)−G∗​(x)2F(x)(modxn)
G(x)≡G∗(x)(2−G∗(x)F(x))(mod  xn)G(x)\equiv G_*(x)(2-G_*(x)F(x))(mod\;x^n)G(x)≡G∗​(x)(2−G∗​(x)F(x))(modxn)
倍增计算，复杂度O(nlog⁡n)O(n\log n)O(nlogn)

Poly Inv(Poly f)
{
	Poly g=Poly(1,Inv(f[0]));
	for(mxlen=2;mxlen<2*len(f);mxlen<<=1)
	{
		Poly h=f;
		turn(h,mxlen);
		g=Times(g,Sub(2,Times(g,h)));
	}
	turn(g,len(f));
	return g;
}

多项式求导

考虑
已知F(x)F(x)F(x)，求导数F′(x)F'(x)F′(x)
F(x+dx)=∑i=0nfi(x+dx)iF(x+dx)=\sum_{i=0}^nf_i(x+dx)^iF(x+dx)=i=0∑n​fi​(x+dx)i
代入二项式定理
F(x+dx)=∑i=0nfi(Ci0xi+Ci1xi−1dx+Ci2xi−2dx2……)F(x+dx)=\sum_{i=0}^nf_i(C_i^0x^i+C_i^1x^{i-1}dx+C_i^2x^{i-2}dx^2……)F(x+dx)=i=0∑n​fi​(Ci0​xi+Ci1​xi−1dx+Ci2​xi−2dx2……)
F(x+dx)−F(x)=∑i=0nfi(Ci1xi−1dx+Ci2xi−2dx2……)F(x+dx)-F(x)=\sum_{i=0}^nf_i(C_i^1x^{i-1}dx+C_i^2x^{i-2}dx^2……)F(x+dx)−F(x)=i=0∑n​fi​(Ci1​xi−1dx+Ci2​xi−2dx2……)
代入导数定义式
F′(x)=F(x+dx)−F(x)dx=∑i=0nfiixi−1F'(x)=\frac{F(x+dx)-F(x)}{dx}=\sum_{i=0}^nf_iix^{i-1}F′(x)=dxF(x+dx)−F(x)​=i=0∑n​fi​ixi−1
也就是
F′(x)=∑i=0n−1fi+1(i+1)xiF'(x)=\sum_{i=0}^{n-1}f_{i+1}(i+1)x^iF′(x)=i=0∑n−1​fi+1​(i+1)xi

Poly Der(Poly f)
{
	for(int i=0;i<len(f)-1;i++)
	f[i]=Mul(i+1,f[i+1]);
	turn(f,len(f)-1);
	return f;
}

多项式积分

把求导逆过来就好了

Poly Int(Poly f)
{
	turn(f,len(f)+1);
	for(int i=len(f)-1;i>=1;i--)
	f[i]=Mul(f[i-1],inv[i]);
	f[0]=0;
	return f;
}

多项式牛顿迭代

已知函数F(x)F(x)F(x),求函数G(x)G(x)G(x)使得F(G(x))=0F(G(x))=0F(G(x))=0
直接给出公式吧
G(x)=G∗(x)−F(G∗(x))F′(G∗(x))G(x)=G_*(x)-\frac{F(G_*(x))}{F'(G_*(x))}G(x)=G∗​(x)−F′(G∗​(x))F(G∗​(x))​

多项式ln

已知函数F(x)F(x)F(x),求G(x)=ln(F(x))G(x)=ln(F(x))G(x)=ln(F(x))
G(x)=ln(F(x))G(x)=ln(F(x))G(x)=ln(F(x))
两遍同时求导
G′(x)=(ln(F(x)))′G'(x)=(ln(F(x)))'G′(x)=(ln(F(x)))′
根据复合函数求导的链式法则
(F(G(x)))′=F′(G(x))G′(x)(F(G(x)))'=F'(G(x))G'(x)(F(G(x)))′=F′(G(x))G′(x)
而我们知道
ln′(x)=1xln'(x)=\frac{1}{x}ln′(x)=x1​
右边的式子也就是
G′(x)=F′(x)F(x)G'(x)=\frac{F'(x)}{F(x)}G′(x)=F(x)F′(x)​
这个时候就可以算了
然后再积分回去就可以得到原函数了

Poly Ln(Poly f)
{
	return Int(Times(Der(f),Inv(f)));
}

多项式exp

已知函数F(x)F(x)F(x),求G(x)=eF(x)G(x)=e^{F(x)}G(x)=eF(x)
两边同时取lnlnln
lnG(x)=F(x)lnG(x)=F(x)lnG(x)=F(x)
移项得
lnG(x)−F(x)=0lnG(x)-F(x)=0lnG(x)−F(x)=0
设H(G(x))=lnG(x)−F(x)H(G(x))=lnG(x)-F(x)H(G(x))=lnG(x)−F(x)
也就是
H(G(x))=0H(G(x))=0H(G(x))=0
很符合牛顿迭代的式子
代入公式
G(x)=G∗(x)−H(G∗(x))H′(G∗(x))G(x)=G_*(x)-\frac{H(G_*(x))}{H'(G_*(x))}G(x)=G∗​(x)−H′(G∗​(x))H(G∗​(x))​
因为F(x)F(x)F(x)是常数，所以不会对导数有贡献
H′(G(x))=1G(x)H'(G(x))=\frac{1}{G(x)}H′(G(x))=G(x)1​
回带
G(x)=G∗(x)−G∗(x)H(G∗(x))G(x)=G_*(x)-G_*(x)H(G_*(x))G(x)=G∗​(x)−G∗​(x)H(G∗​(x))
G(x)=G∗(x)−G∗(x)(ln(G∗(x))−F(x))G(x)=G_*(x)-G_*(x)(ln(G_*(x))-F(x))G(x)=G∗​(x)−G∗​(x)(ln(G∗​(x))−F(x))
G(x)=G∗(x)(1−ln(G∗(x))+F(x))G(x)=G_*(x)(1-ln(G_*(x))+F(x))G(x)=G∗​(x)(1−ln(G∗​(x))+F(x))
倍增求解就行啦

Poly Exp(Poly f)
{
	Poly g=Poly(1,1);
	for(mxlen=2;mxlen<4*len(f);mxlen<<=1)
	{
		Poly A=f;
		turn(A,mxlen);
		g=Times(g,Add(Sub(1,Ln(g)),A));
	}
	turn(g,len(f));
	return g;
}

多项式快速幂

已知多项式F(x)F(x)F(x),求G(x)=F(x)kG(x)=F(x)^kG(x)=F(x)k
我们知道
eln(x)=xe^{ln(x)}=xeln(x)=x
所以
xk=(eln(x))kx^k=(e^{ln(x)})^kxk=(eln(x))k
xk=ekln(x))x^k=e^{kln(x)})xk=ekln(x))
我们先对F(x)F(x)F(x)取lnlnln,然后乘以k，再exp回去就行啦
这里我们也可以知道这个k完全可以是mod p同余的，因此即使指数很大也没事啦

Poly Pow(Poly f,int k)
{
	f=Ln(f);
	f=Mul(f,k);
	f=Exp(f);
	return f;
}

多项式开根

已知函数F(x)F(x)F(x),求G(x)2=F(x)G(x)^2=F(x)G(x)2=F(x)
方法一：调用多项式快速幂，不过常数巨大
方法二：使用牛顿迭代
因为
G(x)2=F(x)G(x)^2=F(x)G(x)2=F(x)
G(x)2−F(x)=0G(x)^2-F(x)=0G(x)2−F(x)=0
设H(G(x))=G(x)2−F(x)H(G(x))=G(x)^2-F(x)H(G(x))=G(x)2−F(x)
求导得H′(G(x))=2G(x)H'(G(x))=2G(x)H′(G(x))=2G(x)
代入牛顿迭代
G(x)=G∗(x)−H(G∗(x))H′(G∗(x))G(x)=G_*(x)-\frac{H(G_*(x))}{H'(G_*(x))}G(x)=G∗​(x)−H′(G∗​(x))H(G∗​(x))​
G(x)=G∗(x)−G∗(x)2−F(x)2G∗(x)G(x)=G_*(x)-\frac{G_*(x)^2-F(x)}{2G_*(x)}G(x)=G∗​(x)−2G∗​(x)G∗​(x)2−F(x)​
G(x)=G∗(x)2+F(x)2G∗(x)G(x)=\frac{G_*(x)^2+F(x)}{2G_*(x)}G(x)=2G∗​(x)G∗​(x)2+F(x)​
倍增求解即可

Poly Sqrt(Poly f)
{
	Poly g=Poly(1,1);
	for(mxlen=2;mxlen<4*len(f);mxlen<<=1)
	{
		Poly A=f;turn(A,mxlen);
		g=Times(Add(Times(g,g),A),Mul(Inv(g),inv[2]));
	} 
	turn(g,len(f));
	return g;
}

多项式带余除法

已知F(x)F(x)F(x),G(x)G(x)G(x),求H(x),R(x)H(x),R(x)H(x),R(x)满足，F(x)=H(x)G(x)+R(x)F(x)=H(x)G(x)+R(x)F(x)=H(x)G(x)+R(x)
设
Fr(x)=xnF(1x)F_r(x)=x^nF(\frac{1}{x})Fr​(x)=xnF(x1​)
我们看这个Fr(x)F_r(x)Fr​(x)究竟是什么
Fr(x)=xnF(x−1)=∑i=0nfixnx−i=∑i=0nfixn−i=∑i=0nfn−ixiF_r(x)=x^nF(x^{-1})=\sum_{i=0}^nf_ix^nx^{-i}=\sum_{i=0}^nf_ix^{n-i}=\sum_{i=0}^nf_{n-i}x^{i}Fr​(x)=xnF(x−1)=i=0∑n​fi​xnx−i=i=0∑n​fi​xn−i=i=0∑n​fn−i​xi
也就是将F(x)F(x)F(x)系数翻转
我们观察式子
F(x)=H(x)G(x)+R(x)F(x)=H(x)G(x)+R(x)F(x)=H(x)G(x)+R(x)
带入1x\frac{1}{x}x1​
F(1x)=H(1x)G(1x)+R(1x)F(\frac{1}{x})=H(\frac{1}{x})G(\frac{1}{x})+R(\frac{1}{x})F(x1​)=H(x1​)G(x1​)+R(x1​)
同乘xnx^nxn
xnF(1x)=xn−mH(1x)xmG(1x)+xn−m+1xm−1R(1x)x^nF(\frac{1}{x})=x^{n-m}H(\frac{1}{x})x^mG(\frac{1}{x})+x^{n-m+1}x^{m-1}R(\frac{1}{x})xnF(x1​)=xn−mH(x1​)xmG(x1​)+xn−m+1xm−1R(x1​)
Fr(x)=Hr(x)Gr(x)+xn−m+1Rr(x)F_r(x)=H_r(x)G_r(x)+x^{n-m+1}R_r(x)Fr​(x)=Hr​(x)Gr​(x)+xn−m+1Rr​(x)
同模xn+m−1x^{n+m-1}xn+m−1
Fr(x)≡Hr(x)Gr(x)F_r(x)\equiv H_r(x)G_r(x)Fr​(x)≡Hr​(x)Gr​(x)
Hr(x)≡Gr(x)Fr(x)H_r(x)\equiv\frac{G_r(x)}{F_r(x)}Hr​(x)≡Fr​(x)Gr​(x)​
多项式求逆算一下，再翻转系数

Poly Divide(Poly f,Poly g,int n,int m)
{
	Poly Tf,Tg;
	turn(Tf,n+1);
	turn(Tg,n+1);
	for(int i=0;i<=n;i++)
	Tf[n-i]=f[i];
	for(int i=0;i<=m;i++)
	Tg[m-i]=g[i];
	for(int i=n-m+2;i<=m;i++) Tg[i]=0;
	Tg=Inv(Tg);
	Tf=Times(Tf,Tg);
	Reverse(Tf,n-m+1);
	for(int i=n-m+1;i<=n;i++)
	Tf[i]=0;
	return Tf;	
}

R(x)=F(x)−G(x)H(x)R(x)=F(x)-G(x)H(x)R(x)=F(x)−G(x)H(x)

Poly Mod(Poly f,Poly g,int n,int m)
{
	Poly h=Divide(f,g,n,m);
	Poly res=Sub(f,Times(g,h));
	return res; 
}

完整代码

#include<bits/stdc++.h>
using namespace std;
typedef long long LL;
#define int long long 
const int mod = 998244353;
const int N = 1e6+7;
int Add(int x,int y){return x+y>=mod?x+y-mod:x+y;}
int Sub(int x,int y){return x-y<0?x-y+mod:x-y;}
int Mul(int x,int y){return 1ll*x*y%mod;}
int Pow(int a,int b)
{
	int res=1;
	while(b)
	{
		if(b&1) res=1ll*res*a%mod;
		a=1ll*a*a%mod;
		b>>=1;
	}
	return res;
}
int Inv(int x){return Pow(x,mod-2);}
int inv[N];
void Init()
{
	inv[1]=1;
	for(int i=2;i<N;i++)
	inv[i]=1ll*(mod-mod/i)*inv[mod%i]%mod;
}
#define Poly vector<int>
#define len(x) (int)x.size()
#define turn(x,n) x.resize(n)
Poly Sub(int x,Poly f)
{
	for(int i=0;i<len(f);i++)
	f[i]=mod-f[i];
	f[0]=Add(f[0],x);
	return f;
}
Poly Add(Poly f,int x)
{
	f[0]=Add(f[0],x);
	return f;
}
Poly Sub(Poly f,int x)
{
	f[0]=Sub(f[0],x);
	return f;
}
Poly Mul(Poly f,int x)
{
	for(int i=0;i<len(f);i++)
	f[i]=Mul(f[i],x);
	return f;
}
Poly Add(Poly f,Poly g)
{
	int n=max(len(f),len(g));
	turn(f,n);
	for(int i=0;i<n;i++)
	f[i]=Add(f[i],g[i]);
	return f; 
}
Poly Sub(Poly f,Poly g)
{
	int n=max(len(f),len(g));
	turn(f,n);
	for(int i=0;i<n;i++)
	f[i]=Sub(f[i],g[i]);
	return f;
}
const int G=3,IG=Pow(G,mod-2);
int tr[N];
void Retry(int n)
{
	for(int i=0;i<n;i++)
	tr[i]=((tr[i>>1]>>1)|((i&1)?(n>>1):0));
}
void NTT(Poly &f,int opt,int n)
{
	for(int i=0;i<n;i++)
	if(i<tr[i]) swap(f[i],f[tr[i]]);
	for(int len=2;len<=n;len<<=1)
	{
		int l=len/2;
		int w=Pow(opt?G:IG,(mod-1)/len);
		for(int i=0;i<n;i+=len)
		{
			LL g=1;
			for(int k=i;k<i+l;k++)
			{
				LL v=g*f[k+l]%mod;
				f[k+l]=(f[k]-v+mod)%mod;
				f[k]=(f[k]+v)%mod;
				g=1ll*g*w%mod;
			}
		} 
	}
}
Poly Mul(Poly f,Poly g)
{
	int n=max(len(f),len(g));
	turn(f,n);
	for(int i=0;i<n;i++)
	f[i]=1ll*f[i]*g[i]%mod;
	return f;
}
int mxlen=100000000;
Poly Times(Poly f,Poly g)
{
	int n=len(f),m=len(g);
	for(m+=n-1,n=1;n<m;n<<=1);
	LL invn=Inv(n);
	turn(f,n);turn(g,n);
	Retry(n);
	NTT(f,1,n);NTT(g,1,n);
	f=Mul(f,g);
	NTT(f,0,n);f=Mul(f,invn);
	turn(f,min(m,mxlen));
	return f;
}
Poly Inv(Poly f)
{
	Poly g=Poly(1,Inv(f[0]));
	for(mxlen=2;mxlen<2*len(f);mxlen<<=1)
	{
		Poly h=f;
		turn(h,mxlen);
		g=Times(g,Sub(2,Times(g,h)));
	}
	turn(g,len(f));
	return g;
}
Poly Der(Poly f)
{
	for(int i=0;i<len(f)-1;i++)
	f[i]=Mul(i+1,f[i+1]);
	turn(f,len(f)-1);
	return f;
}
Poly Int(Poly f)
{
	turn(f,len(f)+1);
	for(int i=len(f)-1;i>=1;i--)
	f[i]=Mul(f[i-1],inv[i]);
	f[0]=0;
	return f;
}
Poly Ln(Poly f)
{
	return Int(Times(Der(f),Inv(f)));
}
Poly Exp(Poly f)
{
	Poly g=Poly(1,1);
	for(mxlen=2;mxlen<4*len(f);mxlen<<=1)
	{
		Poly A=f;
		turn(A,mxlen);
		g=Times(g,Add(Sub(1,Ln(g)),A));
	}
	turn(g,len(f));
	return g;
}
Poly Pow(Poly f,int k)
{
	f=Ln(f);
	f=Mul(f,k);
	f=Exp(f);
	return f;
}
Poly Sqrt(Poly f)
{
	Poly g=Poly(1,1);
	for(mxlen=2;mxlen<4*len(f);mxlen<<=1)
	{
		Poly A=f;turn(A,mxlen);
		g=Times(Add(Times(g,g),A),Mul(Inv(g),2));
	} 
	turn(g,len(f));
	return g;
}
void Put(Poly f,int n)
{
	for(int i=0;i<n;i++)
	printf("%lld ",f[i]);
	printf("\n");
}
char s[N];
LL Get()
{
	LL num=0;
	scanf("%s",s+1);
	LL m=strlen(s+1);
	for(int i=1;i<=m;i++)
	{
		num=num*10ll%mod;
		num=(num+s[i]-'0')%mod;
	}
	return num;
}
void Reverse(Poly &f,int len)
{
	Poly g=f;
	for(int i=0;i<len;i++)
	f[i]=g[len-1-i];
}
Poly Divide(Poly f,Poly g,int n,int m)
{
	Poly Tf,Tg;
	turn(Tf,n+1);
	turn(Tg,n+1);
	for(int i=0;i<=n;i++)
	Tf[n-i]=f[i];
	for(int i=0;i<=m;i++)
	Tg[m-i]=g[i];
	for(int i=n-m+2;i<=m;i++) Tg[i]=0;
	Tg=Inv(Tg);
	Tf=Times(Tf,Tg);
	Reverse(Tf,n-m+1);
	for(int i=n-m+1;i<=n;i++)
	Tf[i]=0;
	return Tf;	
}
Poly Mod(Poly f,Poly g,int n,int m)
{
	Poly h=Divide(f,g,n,m);
	Poly res=Sub(f,Times(g,h));
	return res; 
}
signed main()
{
	return 0;
}
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值