目录
前言
所谓“任意类型”，事实上指的是一种代数结构 \(\mathcal{A}=(D,+,\cdot)\)，满足：
- \(+:D\times D\to D\)，且 \((D,+)\) 构成阿贝尔群。
- \(\cdot:D\times D\to D\)。
- \((u+v)\cdot (x+y)=u\cdot x+u\cdot y+v\cdot x+v\cdot y\)。
即，元素集合 \(D\) 上定义了加法和乘法，加法满足交换律，乘法不需要满足结合律，满足分配律。也就是说，\(\mathcal{A}\) 是不需要满足乘法结合律的环。
于是，我们有一种算法，可以计算 \(\mathcal{A}[x]\) 上的乘法。
在实际应用中，\(\mathcal{A}\) 可以是几乎任何你能想到的东西：模 \(998244353\)，模 \(19260817\)，模 \(2^{64}\)，也可以是矩阵甚至是四元数，或者你自己随便定义的东西。
前置知识
定义与记号
我们会用到抽象代数中的一些概念，但是我们不需要知道严谨的定义，只需要一个相对感性的理解即可。
- 环（Ring）是由元素集合、加法运算、乘法运算组成的三元组 \((D,+,\cdot)\)，加法满足交换律，乘法满足分配律，加法和乘法满足结合律。事实上，在本文探讨的范围中，乘法结合律并不重要，所以乘法不满足结合律我们也将其视作环。
- 给定环 \(\mathcal{A}\)，那么 \(\mathcal{A}[x]\) 指系数是 \(\mathcal{A}\) 中元素的关于 \(x\) 的多项式构成的环。
- 给定环 \(\mathcal{A}\) 以及 \(d\in\mathcal{A}\)，那么 \(\mathcal{A}/d\) 指 \(\mathcal{A}\) 中元素在“模 \(d\)”意义下运算构成的环。你不需要了解这里“模”的严谨定义，因为在本文中只会涉及多项式的取模，这是大家熟知的。
- 对于 \(n\in\mathbb{N},\ x\in\mathcal{A}\)，我们记 \(nx\) 为 \(n\) 个 \(x\) 相加。
单位根
因为抽象的概念难以描述，所以我们将在复数域上讨论单位根。
若 \(\omega\in\mathbb{C}\) 满足 \(\omega^n=1\)，那么称其为 \(n\) 次单位根。
若对于 \(\forall\ 1\le k<n:\omega^n\neq 1\)，那么称 \(\omega\) 为一个 \(n\) 次本原单位根（Primitive Root），或称原根。我们任取一个本原单位根，记作 \(\omega_n\)。那么任何一个单位根都是 \(\omega_n\) 的幂。
若 \(\omega =\omega_n^k\)，那么可以发现，\(\omega\) 是原根当且仅当 \(\gcd(k,n)=1\)。于是我们可以得到：原根的数量是 \(\varphi(n)\)。
分圆多项式
定义 \(n\) 阶分圆多项式 \(\displaystyle\Phi_n(x)=\prod_{\gcd(k,n)=1}(x-\omega_n^k)\)。即，根恰好为 \(\varphi(n)\) 个原根的多项式。
那么我们有结论：
-
\(\Phi_n(x)\) 次数为 \(\varphi(n)\)，这是显然的。
-
\(\Phi_n(x)\mid (x^n-1)\)，证明：
因为 \((x^n-1)\) 的根是所有 \(n\) 次单位根，所以 \(\Phi_n(x)\) 的所有根都是 \((x^n-1)\) 的根，将多项式分解即得证。
-
\(\displaystyle x^n-1=\prod_{d|n}\Phi_d(x)\)，证明：
记 \(P_d\) 为 \(d\) 次原根组成的集合。记 \(g=\gcd(n,k)\)，那么，\(\omega_n^k=\omega_{n/g}^{k/g},\ \gcd(n/g,k/g)=1\)，于是每个 \(n\) 次单位根恰好在 \(P_{n/g}\) 中出现一次。于是结论可以得证。
-
\(\Phi_n(x)\) 是首一整系数多项式，证明：
首一显然，整系数考虑使用数学归纳。
-
对于 \(n=1\) 显然成立。
-
假设结论对于所有 \(m<n\) 均成立。那么，令
\[g(x)=\prod_{d|n,d<n}\Phi_d(x) \]则根据归纳假设知 \(g(x)\) 是整系数的。于是根据带余除法，有唯一的 \(q(x),r(x)\) 满足：
\[x^n-1=g(x)q(x)+r(x) \]且 \(q(x)\) 是整系数的。根据上一个结论，我们有 \(x^n-1=\Phi_n(x)g(x)\)，所以：
\[r(x)=(\Phi_n(x)-q(x))g(x) \]根据带余除法性质，\(\deg r(x)<\deg q(x)\)，所以 \(\Phi_n(x)-q(x)=0\)。所以 \(\Phi_n(x)\) 是整系数的。
于是结论得证。
-
-
\(\Phi_n(x)\) 是不可约的，证略。
-
对于 \(n\) 次原根 \(\omega_n\)，关于 \(\omega_n\) 的多项式的运算可以对 \(\Phi_n(\omega_n)\) 取模，证明：
因为 \(\Phi_n(\omega_n)=0\)，所以取模不会影响多项式的实际值。
该结论的一个引申结论是，\(\omega_n^k\) 可以被唯一地被 \(\omega_n^0,\omega_n^1,\dots,\omega_n^{\varphi(n)-1}\) 线性表示，并且系数为整数。
Cantor's Algorithm
要进行多项式乘法，我们尝试使用 DFT。那么我们主要面对的问题有两个：
- 不存在单位根。
- IDFT 需要进行除法（即由 \(nx,n\) 推出 \(x\)），我们不一定能够做除法。
接下来我们尝试逐个解决这两个问题。
规避单位根
我们采用扩域的思想，引入虚单位根 \(\omega_n\) 并且带着它做运算。但是这样做一次乘法复杂度就会达到 \(O(n^2)\)，肯定是无法接受的。所以我们有了下面的算法。
递归计算卷积
假设我们要求 \(A(x)\cdot B(x)\)，那么我们选取最小的 \(m=s^r\) 满足 \(\varphi(m)>\deg A+\deg B\)。
那么我们可以将问题转化为求 \(A(x)\cdot B(x)\bmod \Phi_m(x)\)，也就是求 \(A(\omega_m)\cdot B(\omega_m)\)。因为 \(\varphi(m)>\deg A+\deg B\)，所以结果的指数不会溢出。又因为 \(\omega_m^k\) 能被 \(\omega_m^0,\omega_m^1,\dots,\omega_m^{\varphi(m)-1}\) 线性表示，所以得到的结果唯一（如果对 \(x^m-1\) 取模，就可能得到不同的实际相等的结果）。那么最终 \(\omega_m^k\) 的系数就是 \(x^k\) 的系数。
记 \(\mathcal{I}_m=\mathcal{A}[\omega_m]/\Phi_m(\omega_m)\)，然后写下我们的算法形式：
算法形式：给定 \(A(\omega_m),B(\omega_m),m\)，在 \(\mathcal{I}_m\) 上计算 \(A(\omega_m)\cdot B(\omega_m)\)。
令 \(p=s^u,q=s^v\) 满足 \(u+v=r,\ v+1\le u\le v+2\)，那么我们可以将多项式重写：
\[\begin{aligned} A(x)&=\sum_{j=0}^{q-1}\left(\sum_{i=0}^{p-1}a_{iq+j}x^{iq}\right)x^j\\ &=\sum_{j=0}^{q-1}\left(\sum_{i=0}^{p-1}a_{iq+j}\omega_m^{iq}\right)x^j\\ &=\sum_{j=0}^{q-1}\left(\sum_{i=0}^{p-1}a_{iq+j}\omega_p^{i}\right)x^j\\ \end{aligned} \]那么，\(x_j\) 的每一项系数都是 \(\mathcal{I}_p\) 中的元素，于是我们的问题转化成了，求 \(\mathcal{I}_p[x]\) 上的乘法。
我们可以做 \(\mathcal{I}_p[x]\) 上长度为 \(sq\) 的 DFT 来求出这个结果，这个 DFT 具体怎么在下一段说。我们做完 DFT 后，需要将两个数组对应位置相乘，每个位置都是 \(\mathcal{I}_p\) 中元素。这个问题符合我们的算法形式，所以可以直接递归求解。求出结果后带入 \(x\gets \omega_m\) 即可得到答案。
当 \(m\) 足够小的时候可以进行暴力卷积，可以认为是进行 \(O(1)\) 次乘法。
做 \(\mathcal{I}_p\) 上的 DFT
在这里，我们假设我们可以进行除法。
回忆一下 DFT 的过程，以 \(s=2\) 为例（其它 \(s\) 类似）：
\[F(\omega_n^k)=F_0(\omega_{n/2}^k)+\omega_n^kF_1(\omega_{n/2}^k)\\ F(\omega_n^{k+n/2})=F_0(\omega_{n/2}^k)-\omega_n^kF_1(\omega_{n/2}^k) \]因为 \(n\le q<p/s\)，所以我们可以进行转化：\(\omega_n=\omega_{p}^{p/n}\)。我们需要进行的操作是 \(\mathcal{I}_p\) 上的加法以及乘 \(\omega_p^k\)，其中后者可以看做是循环移位。于是两个操作都可以 \(O(p)\) 完成。那么一次 DFT 需要进行 \(O(srpq)\) 次加法。
当 \(s>2\) 的时候，蝴蝶变换会变得十分鬼畜，可以采用转置 FFT 的技巧省略蝴蝶变换。
时间复杂度
我们不妨把 \(s\) 看做常数，那么一层中 DFT 的复杂度是 \(O(m\log m)\)。
因为 \(p,q\) 都是 \(O(\sqrt m)\) 的，所以我们可以得到：
- 加法次数：\(T(m)=O(\sqrt m) T(\sqrt m)+O(m\log m)=O(m\log m\log\log m)\)。
- 乘法次数：\(T(m)=O(\sqrt m) T(\sqrt m)+O(1)=O(n)\)。
规避除法
假设我们要做长度为 \(n=s^r\) 的 DFT，且有 \(ns\) 次单位根 \(\omega_{ns}\)。
设我们要求 \(C(x)=A(x)\cdot B(x)\)，且 \(A,B,C\) 系数分别为 \(a_i,b_i,c_i\)。记 \(D=\operatorname{DFT}(a)\cdot \operatorname{DFT}(b)\)，设 \(d_i\) 为对 \(D\) 做 IDFT 后未除以 \(n\) 的结果，那么：
\[\begin{align} d_i=n(c_i+c_{i+n})\tag{1} \end{align} \]令 \(\hat a_i=a_i\omega_{ns}^i,\ \hat b_i=b_i\omega_{ns}^i\)。记 \(E=\operatorname{DFT}(\hat a)\cdot \operatorname{DFT}(\hat b)\)，然后设 \(e_i\omega_{ns}^i\) 为对 \(E\) 做 IDFT 后未除以 \(n\) 的结果，那么：
\[\begin{align} e_h\omega_{ns}^h&=n(c_h\omega_{ns}^h+c_{h+n}\omega_{ns}^{h+n}) \\ e_h&=n(c_h+c_{h+n}\omega_s)\tag{2} \end{align} \]将 \((1),(2)\) 联立可以得到：
\[\begin{cases} n(1-\omega_s)c_h=e_h-d_h\omega_s\\ n(1-\omega_s)c_{n+h}=d_h-e_h \end{cases} \]设 \(\tau_n=\Phi_n(1)\)，那么 \(\tau_n\) 是一个整数，且当 \(n\) 为素数 \(p\) 的幂时 \(\tau_n=p\)，否则 \(\tau_n=1\)。则：
\[\frac{\tau_s}{1-\omega_s}=\prod_{2\le i<s,\gcd(i,s)=1}(1-\omega_s^i) \]将上式乘上这个等式，得到：
\[\begin{cases} \displaystyle n\tau_sc_i=(e_i-d_i\omega_s)\prod_{2\leq i<s,\gcd(i,s)=1}(1-\omega_s^i)\\ \displaystyle n\tau_sc_{i+n}=(d_i-e_i)\prod_{2\leq i<s,\gcd(i,s)=1}(1-\omega_s^i) \end{cases} \]系数都是好求的，因此我们把式子简记为：
\[\begin{cases} M_1 c_i=N_1 \\ M_2 c_{i+n}=N_2 \\ \end{cases} \]求 \(c_i\) 和 \(c_{i+n}\) 过程类似，以前者为例。选择两个不同的互素的 \(s\) 进行上面的操作，我们可以得到 \(M_{1,1}c_i\) 和 \(M_{1,2} c_i\) 的值。而 \(M_{1,1}\) 和 \(M_{1,2}\) 互素，所以可以用 exgcd 求解 \(M_{1,1}x+M_{1,2}y=1\)。然后计算 \(x\cdot M_{1,1}c_i+y\cdot M_{1,2}c_i\) 的值就是 \(c_i\)。
这里使用的单位根可以直接用之前造出来的单位根，也就是在 \(\mathcal{I}_p\) 上运算。
实现细节
- 实际实现不需要一直对 \(\Phi_m(x)\) 取模，可以在递归过程中对 \(x^m-1\) 取模（也就是循环卷积），最后再对 \(\Phi_m(x)\) 取模。
- 在实际应用中，如果 \(\mathcal{A}\) 是模域 \(\mathbb{F}_p\)，那么可以不用规避除法的步骤。对于 \(2\mid p\)，可以选择 \(s=3\)；对于 \(2\nmid p\)，可以选择 \(s=2\)。这样 \(s\) 就存在逆元，可以直接除。
- 对于 \(p\in \mathbb{P}\)，有 \(\displaystyle\Phi_{p^k}(x)=\sum_{i=0}^{p-1}x^{ip^{k-1}}\)。
参考资料
参考文献
-
[1] quasisphere, Fast convolution for 64-bit integers. https://codeforces.com/blog/entry/45298.
-
[2] whx1003，如何在任意代数结构上做多项式乘法。https://www.cnblogs.com/whx1003/p/16214952.html。
-
[3] 彭雨翔，Introduction to Polynomials。
参考代码
-
因为不想写 3-radix FFT 所以没有写任意模数多项式乘法，做的优化很少
没有所以跑不过 \(10^6\)。