多项式初等函数

本页面包含多项式常见的初等函数操作。具体而言，本页面包含如下内容：

多项式求逆
多项式开方
多项式除法
多项式取模
多项式指数函数
多项式对数函数
多项式三角函数
多项式反三角函数

初等函数与非初等函数

初等函数的定义如下 ¹：

若域 $F$ 中存在映射 $u \to \partial u$ 满足：

$\partial (u + v) = \partial u + \partial v$

$\partial (uv) = u \partial v + v \partial u$

则称这个域为 微分域。

若微分域 $F$ 上的函数 $u$ 满足以下的任意一条条件，则称该函数 $u$ 为初等函数：

$u$ 是 $F$ 上的代数函数。

$u$ 是 $F$ 上的指数性函数，即存在 $a \in F$ 使得 $\partial u = u \partial a$ .

$u$ 是 $F$ 上的对数性函数，即存在 $a \in F$ 使得 $\partial u = \frac{\partial a}{a}$ .

以下是常见的初等函数：

代数函数：存在有限次多项式 $P$ 使得 $P (f (x)) = 0$ 的函数 $f (x)$ ，如 $2 x + 1$ , $x$ , $(1 + x^{2})^{- 1}$ , $∣ x ∣$ .

指数函数

对数函数

三角函数

反三角函数

双曲函数

反双曲函数

以上函数的复合，如：
$\frac{e ^{t a n x}}{1 + x ^{2}} sin (1 + ln^{2} x)$ $- i ln (x + i 1 - x^{2})$

以下是常见的非初等函数：

误差函数：
$erf (x) := \frac{2}{π} \int_{0}^{x} exp (- t^{2}) d t$

多项式求逆

给定多项式 $f (x)$ ，求 $f^{- 1} (x)$ 。

解法

倍增法

首先，易知

[x^{0}] f^{- 1} (x) = ([x^{0}] f (x))^{- 1}

假设现在已经求出了 $f (x)$ 在模 $x^{⌈ \frac{n}{2} ⌉}$ 意义下的逆元 $f_{0}^{- 1} (x)$ 。有：

f (x) f_{0}^{- 1} (x) f (x) f^{- 1} (x) f^{- 1} (x) - f_{0}^{- 1} (x) \equiv 1 \equiv 1 \equiv 0 (mod x^{⌈ \frac{n}{2} ⌉}) (mod x^{⌈ \frac{n}{2} ⌉}) (mod x^{⌈ \frac{n}{2} ⌉})

两边平方可得：

f^{- 2} (x) - 2 f^{- 1} (x) f_{0}^{- 1} (x) + f_{0}^{- 2} (x) \equiv 0 (mod x^{n})

两边同乘 $f (x)$ 并移项可得：

f^{- 1} (x) \equiv f_{0}^{- 1} (x) (2 - f (x) f_{0}^{- 1} (x)) (mod x^{n})

递归计算即可。

时间复杂度

T (n) = T (\frac{n}{2}) + O (n lo g n) = O (n lo g n)

Newton’s Method

参见 Newton’s Method.

Graeffe 法

欲求 $f^{- 1} (x) mod x^{2 n}$ 考虑

f^{- 1} (x) mod x^{2 n} = f (- x) (f (x) f (- x))^{- 1} mod x^{2 n} = f (- x) g^{- 1} (x^{2}) mod x^{2 n}

只需求出 $g^{- 1} (x) mod x^{n}$ 即可还原出 $g^{- 1} (x^{2}) mod x^{2 n}$ 因为 $f (x) f (- x)$ 是偶函数，时间复杂度同上。

代码

多项式求逆

constexpr int MAXN = 262144;
constexpr int mod = 998244353;
 
using i64 = long long;
using poly_t = int[MAXN];
using poly = int *const;
 
void polyinv(const poly &h, const int n, poly &f) {
  /* f = 1 / h = f_0 (2 - f_0 h) */
  static poly_t inv_t;
  std::fill(f, f + n + n, 0);
  f[0] = fpow(h[0], mod - 2);
  for (int t = 2; t <= n; t <<= 1) {
    const int t2 = t << 1;
    std::copy(h, h + t, inv_t);
    std::fill(inv_t + t, inv_t + t2, 0);
 
    DFT(f, t2);
    DFT(inv_t, t2);
    for (int i = 0; i != t2; ++i)
      f[i] = (i64)f[i] * sub(2, (i64)f[i] * inv_t[i] % mod) % mod;
    IDFT(f, t2);
 
    std::fill(f + t, f + t2, 0);
  }
}

例题

有标号简单无向连通图计数：「POJ 1737」Connected Graph

多项式开方

给定多项式 $g (x)$ ，求 $f (x)$ ，满足：

f^{2} (x) \equiv g (x) (mod x^{n})

解法

倍增法

首先讨论 $[x^{0}] g (x)$ 不为 $0$ 的情况。

易知：

[x^{0}] f (x) = [x^{0}] g (x)

若 $[x^{0}] g (x)$ 没有平方根，则多项式 $g (x)$ 没有平方根。

$[x^{0}] g (x)$ 可能有多个平方根，选取不同的根会求出不同的 $f (x)$ 。

假设现在已经求出了 $g (x)$ 在模 $x^{⌈ \frac{n}{2} ⌉}$ 意义下的平方根 $f_{0} (x)$ ，则有：

f_{0}^{2} (x) f_{0}^{2} (x) - g (x) (f_{0}^{2} (x) - g (x))^{2} (f_{0}^{2} (x) + g (x))^{2} (\frac{f _{0}^{2} ( x ) + g ( x )}{2 f _{0} ( x )})^{2} \frac{f _{0}^{2} ( x ) + g ( x )}{2 f _{0} ( x )} 2^{- 1} f_{0} (x) + 2^{- 1} f_{0}^{- 1} (x) g (x) \equiv g (x) \equiv 0 \equiv 0 \equiv 4 f_{0}^{2} (x) g (x) \equiv g (x) \equiv f (x) \equiv f (x) (mod x^{⌈ \frac{n}{2} ⌉}) (mod x^{⌈ \frac{n}{2} ⌉}) (mod x^{n}) (mod x^{n}) (mod x^{n}) (mod x^{n}) (mod x^{n})

倍增计算即可。

时间复杂度

T (n) = T (\frac{n}{2}) + O (n lo g n) = O (n lo g n)

还有一种常数较小的写法就是在倍增维护 $f (x)$ 的时候同时维护 $f^{- 1} (x)$ 而不是每次都求逆。

当 $[x^{0}] g (x) \neq = 1$ 时，可能需要使用二次剩余来计算 $[x^{0}] f (x)$ 。

上述方法需要知道 $f_{0} (x)$ 的逆，所以常数项不能为 $0$ 。

若 $[x^{0}] g (x) = 0$ ，则将 $g (x)$ 分解成 $x^{k} h (x)$ ，其中 $[x^{0}] h (x) \neq = 0$ 。

若 $k$ 是奇数，则 $g (x)$ 没有平方根。
若 $k$ 是偶数，则求出 $h (x)$ 的平方根 $h (x)$ ，然后得到 $f (x) \equiv x^{k /2} h (x) (mod x^{n})$ 。

洛谷模板题 P5205【模板】多项式开根参考代码

#include <algorithm>
#include <iostream>
using namespace std;
 
constexpr int MAXN = 1 << 20, mod = 998244353;
 
int a[MAXN], b[MAXN], g[MAXN], gg[MAXN];
 
int qpow(int x, int y) {  // 快速幂
  int ans = 1;
 
  while (y) {
    if (y & 1) {
      ans = (long long)1 * ans * x % mod;
    }
    x = (long long)1 * x * x % mod;
    y >>= 1;
  }
  return ans;
}
 
int inv2 = qpow(2, mod - 2);  // 逆元
 
void change(int *f, int len) {
  for (int i = 1, j = len / 2; i < len - 1; i++) {
    if (i < j) {
      swap(f[i], f[j]);
    }
 
    int k = len / 2;
    while (j >= k) {
      j -= k;
      k /= 2;
    }
    if (j < k) {
      j += k;
    }
  }
}
 
void NTT(int *f, int len, int type) {  // NTT
  change(f, len);
 
  for (int q = 2; q <= len; q <<= 1) {
    int nxt = qpow(3, (mod - 1) / q);
    for (int i = 0; i < len; i += q) {
      int w = 1;
 
      for (int k = i; k < i + (q >> 1); k++) {
        int x = f[k];
        int y = (long long)1 * w * f[k + (q / 2)] % mod;
 
        f[k] = (x + y) % mod;
        f[k + (q / 2)] = (x - y + mod) % mod;
        w = (long long)1 * w * nxt % mod;
      }
    }
  }
 
  if (type == -1) {
    reverse(f + 1, f + len);
    int iv = qpow(len, mod - 2);
 
    for (int i = 0; i < len; i++) {
      f[i] = (long long)1 * f[i] * iv % mod;
    }
  }
}
 
void inv(int deg, int *f, int *h) {  // 求逆元
  if (deg == 1) {
    h[0] = qpow(f[0], mod - 2);
    return;
  }
 
  inv((deg + 1) >> 1, f, h);
 
  int len = 1;
  while (len < deg * 2) {  // 倍增
    len *= 2;
  }
 
  copy(f, f + deg, gg);
  fill(gg + deg, gg + len, 0);
 
  NTT(gg, len, 1);
  NTT(h, len, 1);
  for (int i = 0; i < len; i++) {
    h[i] = (long long)1 * (2 - (long long)1 * gg[i] * h[i] % mod + mod) % mod *
           h[i] % mod;
  }
 
  NTT(h, len, -1);
  fill(h + deg, h + len, 0);
}
 
int n, t[MAXN];
 
// deg:次数
// f:被开根数组
// h:答案数组
void sqrt(int deg, int *f, int *h) {
  if (deg == 1) {
    h[0] = 1;
    return;
  }
 
  sqrt((deg + 1) >> 1, f, h);
 
  int len = 1;
  while (len < deg * 2) {  // 倍增
    len *= 2;
  }
  fill(g, g + len, 0);
  inv(deg, h, g);
  copy(f, f + deg, t);
  fill(t + deg, t + len, 0);
  NTT(t, len, 1);
  NTT(g, len, 1);
  NTT(h, len, 1);
 
  for (int i = 0; i < len; i++) {
    h[i] = (long long)1 * inv2 *
           ((long long)1 * h[i] % mod + (long long)1 * g[i] * t[i] % mod) % mod;
  }
  NTT(h, len, -1);
  fill(h + deg, h + len, 0);
}
 
int main() {
  cin >> n;
 
  for (int i = 0; i < n; i++) {
    cin >> a[i];
  }
  sqrt(n, a, b);
 
  for (int i = 0; i < n; i++) {
    cout << b[i] << ' ';
  }
 
  return 0;
}

Newton’s Method

参见 Newton’s Method.

例题

「Codeforces Round #250」E. The Child and Binary Tree

多项式除法 & 取模

给定多项式 $f (x), g (x)$ ，求 $g (x)$ 除 $f (x)$ 的商 $Q (x)$ 和余数 $R (x)$ 。

解法

发现若能消除 $R (x)$ 的影响则可直接多项式求逆解决。

考虑构造变换

f^{R} (x) = x^{deg f} f (\frac{1}{x})

观察可知其实质为反转 $f (x)$ 的系数。

设 $n = deg f, m = deg g$ 。

将 $f (x) = Q (x) g (x) + R (x)$ 中的 $x$ 替换成 $\frac{1}{x}$ 并将其两边都乘上 $x^{n}$ ，得到：

x^{n} f (\frac{1}{x}) f^{R} (x) = x^{n - m} Q (\frac{1}{x}) x^{m} g (\frac{1}{x}) + x^{n - m + 1} x^{m - 1} R (\frac{1}{x}) = Q^{R} (x) g^{R} (x) + x^{n - m + 1} R^{R} (x)

注意到上式中 $R^{R} (x)$ 的系数为 $x^{n - m + 1}$ ，则将其放到模 $x^{n - m + 1}$ 意义下即可消除 $R^{R} (x)$ 带来的影响。

又因 $Q^{R} (x)$ 的次数为 $(n - m) < (n - m + 1)$ ，故 $Q^{R} (x)$ 不会受到影响。

则：

f^{R} (x) \equiv Q^{R} (x) g^{R} (x) (mod x^{n - m + 1})

使用多项式求逆即可求出 $Q (x)$ ，将其反代即可得到 $R (x)$ 。

时间复杂度 $O (n lo g n)$ 。

多项式对数函数 & 指数函数

给定多项式 $f (x)$ ，求模 $x^{n}$ 意义下的 $ln f (x)$ 与 $exp f (x)$ 。

解法

普通方法

[list2tab]

多项式对数函数首先，对于多项式 $f (x)$ ，若 $ln f (x)$ 存在，则由其定义，其必须满足：
$[x^{0}] f (x) = 1$
对 $ln f (x)$ 求导再积分，可得：
$\frac{d ln f ( x )}{d x} ln f (x) \equiv \frac{f ^{'} ( x )}{f ( x )} \equiv \int d ln x \equiv \int \frac{f ^{'} ( x )}{f ( x )} d x (mod x^{n}) (mod x^{n})$
多项式的求导，积分时间复杂度为 $O (n)$ ，求逆时间复杂度为 $O (n lo g n)$ ，故多项式求 $ln$ 时间复杂度 $O (n lo g n)$ 。
多项式指数函数首先，对于多项式 $f (x)$ ，若 $exp f (x)$ 存在，则其必须满足：
$[x^{0}] f (x) = 0$
否则 $exp f (x)$ 的常数项不收敛。

对 $exp f (x)$ 求导，可得：
$\frac{d exp f ( x )}{d x} \equiv exp f (x) f^{'} (x) (mod x^{n})$
比较两边系数可得：
$[x^{n - 1}] \frac{d exp f ( x )}{d x} = i = 0 \sum n - 1 ([x^{i}] exp f (x)) ([x^{n - i - 1}] f^{'} (x))$ $n [x^{n}] exp f (x) = i = 0 \sum n - 1 ([x^{i}] exp f (x)) ((n - i) [x^{n - i}] f (x))$
使用分治 FFT 即可解决。

时间复杂度 $O (n lo g^{2} n)$ 。

Newton’s Method

使用 Newton’s Method 即可在 $O (n lo g n)$ 的时间复杂度内解决多项式 $exp$ 。

代码

多项式 ln/exp

constexpr int MAXN = 262144;
constexpr int mod = 998244353;
 
using i64 = long long;
using poly_t = int[MAXN];
using poly = int *const;
 
void derivative(const poly &h, const int n, poly &f) {
  for (int i = 1; i != n; ++i) f[i - 1] = (i64)h[i] * i % mod;
  f[n - 1] = 0;
}
 
void integrate(const poly &h, const int n, poly &f) {
  for (int i = n - 1; i; --i) f[i] = (i64)h[i - 1] * inv[i] % mod;
  f[0] = 0; /* C */
}
 
void polyln(const poly &h, const int n, poly &f) {
  /* f = ln h = ∫ h' / h dx */
  assert(h[0] == 1);
  static poly_t ln_t;
  const int t = n << 1;
 
  derivative(h, n, ln_t);
  std::fill(ln_t + n, ln_t + t, 0);
  polyinv(h, n, f);
 
  DFT(ln_t, t);
  DFT(f, t);
  for (int i = 0; i != t; ++i) ln_t[i] = (i64)ln_t[i] * f[i] % mod;
  IDFT(ln_t, t);
 
  integrate(ln_t, n, f);
}
 
void polyexp(const poly &h, const int n, poly &f) {
  /* f = exp(h) = f_0 (1 - ln f_0 + h) */
  assert(h[0] == 0);
  static poly_t exp_t;
  std::fill(f, f + n + n, 0);
  f[0] = 1;
  for (int t = 2; t <= n; t <<= 1) {
    const int t2 = t << 1;
 
    polyln(f, t, exp_t);
    exp_t[0] = sub(pls(h[0], 1), exp_t[0]);
    for (int i = 1; i != t; ++i) exp_t[i] = sub(h[i], exp_t[i]);
    std::fill(exp_t + t, exp_t + t2, 0);
 
    DFT(f, t2);
    DFT(exp_t, t2);
    for (int i = 0; i != t2; ++i) f[i] = (i64)f[i] * exp_t[i] % mod;
    IDFT(f, t2);
 
    std::fill(f + t, f + t2, 0);
  }
}

例题

计算 $f^{k} (x)$

普通做法为多项式快速幂，时间复杂度 $O (n lo g n lo g k)$ 。

当 $[x^{0}] f (x) = 1$ 时，有：
$f^{k} (x) = exp (k ln f (x))$
当 $[x^{0}] f (x) \neq = 1$ 时，设 $f (x)$ 的最低次项为 $f_{i} x^{i}$ ，则：
$f^{k} (x) = f_{i}^{k} x^{ik} exp (k ln \frac{f ( x )}{f _{i} x ^{i}})$
时间复杂度 $O (n lo g n)$ 。

多项式三角函数

给定多项式 $f (x)$ ，求模 $x^{n}$ 意义下的 $sin f (x), cos f (x)$ 与 $tan f (x)$ 。

解法

首先由 Euler’s formula $(e^{i x} = cos x + i sin x)$ 可以得到三角函数的另一个表达式：

sin x cos x = \frac{e ^{i x} - e ^{- i x}}{2 i} = \frac{e ^{i x} + e ^{- i x}}{2}

那么代入 $f (x)$ 就有：

sin f (x) cos f (x) = \frac{exp ( i f ( x ) ) - exp ( - i f ( x ) )}{2 i} = \frac{exp ( i f ( x ) ) + exp ( - i f ( x ) )}{2}

直接按上述表达式编写程序即可得到模 $x^{n}$ 意义下的 $sin f (x)$ 与 $cos f (x)$ 。再由 $tan f (x) = \frac{s i n f ( x )}{c o s f ( x )}$ 可求得 $tan f (x)$ 。

代码

多项式三角函数

注意到我们是在 $Z_{998244353}$ 上做 NTT，那么相应地，虚数单位 $i$ 应该被换成 $86583718$ 或 $911660635$ ：

⟹ i = - 1 \equiv 998244352 (mod 998244353) or i \equiv 86583718 (mod 998244353) or i \equiv 911660635 (mod 998244353)

constexpr int MAXN = 262144;
constexpr int mod = 998244353;
constexpr int imgunit = 86583718; /* sqrt(-1) = sqrt(998233452) */
 
using i64 = long long;
using poly_t = int[MAXN];
using poly = int *const;
 
void polytri(const poly &h, const int n, poly &sin_t, poly &cos_t) {
  /* sin(f) = (exp(i * f) - exp(- i * f)) / 2i */
  /* cos(f) = (exp(i * f) + exp(- i * f)) / 2 */
  /* tan(f) = sin(f) / cos(f) */
  assert(h[0] == 0);
  static poly_t tri1_t, tri2_t;
 
  for (int i = 0; i != n; ++i) tri2_t[i] = (i64)h[i] * imgunit % mod;
  polyexp(tri2_t, n, tri1_t);
  polyinv(tri1_t, n, tri2_t);
 
  if (sin_t != nullptr) {
    const int invi = fpow(pls(imgunit, imgunit), mod - 2);
    for (int i = 0; i != n; ++i)
      sin_t[i] = (i64)(tri1_t[i] - tri2_t[i] + mod) * invi % mod;
  }
  if (cos_t != nullptr) {
    for (int i = 0; i != n; ++i) cos_t[i] = div2(pls(tri1_t[i], tri2_t[i]));
  }
}

多项式反三角函数

给定多项式 $f (x)$ ，求模 $x^{n}$ 意义下的 $arcsin f (x), arccos f (x)$ 与 $arctan f (x)$ 。

解法

仿照求多项式 $ln$ 的方法，对反三角函数求导再积分可得：

\frac{d}{d x} arcsin x arcsin x \frac{d}{d x} arccos x arccos x \frac{d}{d x} arctan x arctan x = \frac{1}{1 - x ^{2}} = \int \frac{1}{1 - x ^{2}} d x = - \frac{1}{1 - x ^{2}} = - \int \frac{1}{1 - x ^{2}} d x = \frac{1}{1 + x ^{2}} = \int \frac{1}{1 + x ^{2}} d x

那么代入 $f (x)$ 就有：

\frac{d}{d x} arcsin f (x) arcsin f (x) \frac{d}{d x} arccos f (x) arccos f (x) \frac{d}{d x} arctan f (x) arctan f (x) = \frac{f ^{'} ( x )}{1 - f ^{2} ( x )} = \int \frac{f ^{'} ( x )}{1 - f ^{2} ( x )} d x = - \frac{f ^{'} ( x )}{1 - f ^{2} ( x )} = - \int \frac{f ^{'} ( x )}{1 - f ^{2} ( x )} d x = \frac{f ^{'} ( x )}{1 + f ^{2} ( x )} = \int \frac{f ^{'} ( x )}{1 + f ^{2} ( x )} d x

直接按式子求就可以了。

代码

多项式反三角函数

constexpr int MAXN = 262144;
constexpr int mod = 998244353;
 
using i64 = long long;
using poly_t = int[MAXN];
using poly = int *const;
 
void derivative(const poly &h, const int n, poly &f) {
  for (int i = 1; i != n; ++i) f[i - 1] = (i64)h[i] * i % mod;
  f[n - 1] = 0;
}
 
void integrate(const poly &h, const int n, poly &f) {
  for (int i = n - 1; i; --i) f[i] = (i64)h[i - 1] * inv[i] % mod;
  f[0] = 0; /* C */
}
 
void polyarcsin(const poly &h, const int n, poly &f) {
  /* arcsin(f) = ∫ f' / sqrt(1 - f^2) dx  */
  static poly_t arcsin_t;
  const int t = n << 1;
  std::copy(h, h + n, arcsin_t);
  std::fill(arcsin_t + n, arcsin_t + t, 0);
 
  DFT(arcsin_t, t);
  for (int i = 0; i != t; ++i) arcsin_t[i] = sqr(arcsin_t[i]);
  IDFT(arcsin_t, t);
 
  arcsin_t[0] = sub(1, arcsin_t[0]);
  for (int i = 1; i != n; ++i)
    arcsin_t[i] = arcsin_t[i] ? mod - arcsin_t[i] : 0;
 
  polysqrt(arcsin_t, n, f);
  polyinv(f, n, arcsin_t);
  derivative(h, n, f);
 
  DFT(f, t);
  DFT(arcsin_t, t);
  for (int i = 0; i != t; ++i) arcsin_t[i] = (i64)f[i] * arcsin_t[i] % mod;
  IDFT(arcsin_t, t);
 
  integrate(arcsin_t, n, f);
}
 
void polyarccos(const poly &h, const int n, poly &f) {
  /* arccos(f) = - ∫ f' / sqrt(1 - f^2) dx  */
  polyarcsin(h, n, f);
  for (int i = 0; i != n; ++i) f[i] = f[i] ? mod - f[i] : 0;
}
 
void polyarctan(const poly &h, const int n, poly &f) {
  /* arctan(f) = ∫ f' / (1 + f^2) dx  */
  static poly_t arctan_t;
  const int t = n << 1;
  std::copy(h, h + n, arctan_t);
  std::fill(arctan_t + n, arctan_t + t, 0);
 
  DFT(arctan_t, t);
  for (int i = 0; i != t; ++i) arctan_t[i] = sqr(arctan_t[i]);
  IDFT(arctan_t, t);
 
  inc(arctan_t[0], 1);
  std::fill(arctan_t + n, arctan_t + t, 0);
 
  polyinv(arctan_t, n, f);
  derivative(h, n, arctan_t);
 
  DFT(f, t);
  DFT(arctan_t, t);
  for (int i = 0; i != t; ++i) arctan_t[i] = (i64)f[i] * arctan_t[i] % mod;
  IDFT(arctan_t, t);
 
  integrate(arctan_t, n, f);
}

参考资料与链接

Elementary function——Wikipedia ↩

Sean's Blog

探索

多项式初等函数

多项式求逆

解法

倍增法

Newton’s Method

Graeffe 法

代码

例题

多项式开方

解法

倍增法

Newton’s Method

例题

多项式除法 & 取模

解法

多项式对数函数 & 指数函数

解法

普通方法

Newton’s Method

代码

例题

多项式三角函数

解法

代码

多项式反三角函数

解法

代码

参考资料与链接

目录

关系图谱

目录

反向链接

Sean's Blog

探索

多项式初等函数

多项式求逆

解法

倍增法

Newton’s Method

Graeffe 法

代码

例题

多项式开方

解法

倍增法

Newton’s Method

例题

多项式除法 & 取模

解法

多项式对数函数 & 指数函数

解法

普通方法

Newton’s Method

代码

例题

多项式三角函数

解法

代码

多项式反三角函数

解法

代码

参考资料与链接

Footnotes

目录

关系图谱

目录

反向链接