====== 多项式 4 ======
===== 循环卷积 =====
==== 定义 ====
$$c_k=\sum_{i=0}^{n-1}\sum_{j=0}^{n-1}[i+j\bmod p=k]a_ib_j$$
==== 性质 ====
对序列 $A,B$ 做长度为 $n$ 的 $\text{FFT}$ 等价于求序列 $A,B$ 的长度为 $n$ 的循环卷积。
考虑单位根反演证明
$$
\begin{equation}\begin{split}
c_k&=\sum_{i=0}^{n-1}\sum_{j=0}^{n-1}[i+j\bmod p=k]a_ib_j\\
&=\frac 1n\sum_{i=0}^{n-1}\sum_{j=0}^{n-1}\sum_{d=0}^{n-1}w_n^{d(i+j-k)}a_ib_j\\
&=\frac 1n\sum_{d=0}^{n-1}w_n^{-dk}\sum_{i=0}^{n-1}\sum_{j=0}^{n-1}w_n^{di}a_iw_n^{dj}b_j\\
&=\frac 1n\sum_{d=0}^{n-1}w_n^{-dk}\left(\sum_{i=0}^{n-1}a_iw_n^{di}\right)\left(\sum_{j=0}^{n-1}b_jw_n^{dj}\right)
\end{split}\end{equation}
$$
不难发现 $\left(\sum_{i=0}^{n-1}a_iw_n^{di}\right)\left(\sum_{j=0}^{n-1}b_jw_n^{dj}\right)$ 即为原来的 $\text{DFT}$ 过程,$\frac 1n\sum_{d=0}^{n-1}w_n^{-dk}$ 即为原来的 $\text{IDFT}$,证毕。
事实上普通的卷积计算相当于长度为 $2^n$ 的循环卷积计算,只是循环卷积长度大于 $C$ 序列的长度,所以循环卷积结果即为普通卷积结果。
值得一提的是,循环卷积的求逆、快速幂等操作直接对 $\text{DFT}$ 的点值进行相应运算即可。
另外注意到 $f(w^{-k})=f(w^{n-k})$,于是循环卷积的 $\text{IDFT}$ 过程可以通过将序列 $[1,n-1]$ 部分翻转再 $\text{DFT}$ 的方式实现。
==== Cooley–Tukey FFT algorithm ====
=== 算法实现 ===
普通 $\text{DFT}$ 过程是将序列根据奇偶幂次分成两段经行递归,现考虑将序列分成 $d$ 段进行递归,设
$$f(x)=a_0+a_1x^1+a_2x^2+\cdots a_{n-1}x^{n-1},f_k(x)=a_kx^k+a_{d+k}x^{d+k}+a_{2d+k}x^{2d+k}+\cdots+a_{n-d+k}x^{n-d+k}(0\le k\lt d),m=\frac nd$$
于是有
$$f(w_n^{im+j})=\sum_{k=0}^{d-1}w_n^{(im+j)k}f_k(w_n^{(im+j)d})=\sum_{k=0}^{d-1}w_n^{(im+j)k}f_k(w_n^{in}w_n^{jd})=\sum_{k=0}^{d-1}w_n^{(im+j)k}f_k(w_m^j)$$
计算出每个点值的时间为 $O(d)$,每层共 $O(n)$ 个点值。设 $n=p_1^{\alpha_1}p_2^{\alpha_2}\cdots p_k^{\alpha_k}$,于是总时间复杂度 $O\left(n\sum_{i=1}^k p_i\alpha_i\right)$。
=== 算法例题 ===
[[https://www.luogu.com.cn/problem/P4191|洛谷p4191]]
给定长度为 $n$ 的序列 $A,B$,计算 $AB^C$ 的长度为 $n$ 的循环卷积模 $n+1$ 意义下的值。
数据保证 $n+1$ 为素数,$n\le 5\times 10^5$,$n$ 的最大质因子不超过 $10$。
== 题解 ==
$\text{Cooley–Tukey FFT algorithm}$ 板子题,$\text{DFT}$ 后直接对点值快速幂即可,时间复杂度 $O(7n\log n)$
const int MAXN=5e5+5,MAXM=20,MAX_div=7;
int p;
int quick_pow(int a,int b){
int ans=1;
while(b){
if(b&1)ans=1LL*ans*a%p;
a=1LL*a*a%p;
b>>=1;
}
return ans;
}
vector pdiv,frac,Wn[MAXM];
bool check(int x){
_for(i,0,pdiv.size()){
if(quick_pow(x,(p-1)/pdiv[i])==1)
return false;
}
return true;
}
void get_G(int n){
int temp=p-1,g;
for(int i=2;i*i<=temp;i++){
if(temp%i==0){
pdiv.push_back(i);
while(temp%i==0)temp/=i;
}
}
if(temp!=1)pdiv.push_back(temp);
_for(i,2,p){
if(check(i)){
g=i;
break;
}
}
temp=n;
for(int i=2;i*i<=temp;i++){
while(temp%i==0){
frac.push_back(i);
temp/=i;
}
}
if(temp!=1)frac.push_back(temp);
int len=n,wn;
_for(i,0,frac.size()){
Wn[i].resize(len);
wn=quick_pow(g,(p-1)/len),Wn[i][0]=1;
_for(j,1,len)Wn[i][j]=1LL*Wn[i][j-1]*wn%p;
len/=frac[i];
}
}
int temp[MAXN];
void DFT(int *f,int n,int dep=0){
if(n==1)return;
memcpy(temp,f,sizeof(int)*n);
int m=n/frac[dep],d=frac[dep],*g[MAX_div];
_for(i,0,d)g[i]=f+i*m;
for(int i=0,k=0;i
==== Bluestein's Algotithm ====
=== 算法实现 ===
考虑 $\text{DFT}$ 过程,有
$$
\begin{equation}\begin{split}
y_k&=\sum_{i=0}^{n-1}a_iw_n^{ki}\\
&=\sum_{i=0}^{n-1}a_iw_n^{{k+i\choose 2}-{k\choose 2}-{i\choose 2}}\\
&=w_n^{-{k\choose 2}}\sum_{i=0}^{n-1}\left(a_iw_n^{-{i\choose 2}}\right)w_n^{{k+i\choose 2}}
\end{split}\end{equation}
$$
其中 ${n\choose 2}$ 表示组合数,易知上式可以通过普通卷积求解。
考虑 $\text{IDFT}$ 过程,同样有
$$
\begin{equation}\begin{split}
a_k&=\frac 1n\sum_{i=0}^{n-1}y_iw_n^{-ki}\\
&=\frac 1n\sum_{i=0}^{n-1}y_iw_n^{-{k+i\choose 2}+{k\choose 2}+{i\choose 2}}\\
&=\frac 1nw_n^{{k\choose 2}}\sum_{i=0}^{n-1}\left(y_iw_n^{{i\choose 2}}\right)w_n^{-{k+i\choose 2}}
\end{split}\end{equation}
$$
$\text{ }$
=== 算法例题 ===
[[https://www.luogu.com.cn/problem/P5293|洛谷p5293]]
给定一个二维 $[L+1]\times n$ 的空间,其中 $(u_1,v_1)\to (u_2,v_2)$ 有 $w_{v_1,v_2}$ 条重边。
假设起点为 $(0,x)$,终点为 $(\ast,y)$($\ast$ 为任意值),路径长度 $m$ 定义为路径的边数。
对每个 $0\le t\lt k$,求满足所有 $m\equiv t\pmod k$ 且横坐标单增的路径数模 $p$ 意义下的值。
数据保证 $p$ 为素数,$10^8\le p\le 2^{30},k\mid p-1,1\le k\lt 65536,1\le n\le 3,L\le 10^9$。
== 题解 ==
假设 $f_{a,b}$ 表示 $m=a$ 且 $y=b$ 的路径数,$g_{a,b}$ 表示将空间的 $X$ 维消去后 $m=a$ 且 $y=b$ 的路径数。
于是有状态转移方程
$$g_{a,b}=\sum_{i=1}^n g_{a-1,i}w_{i,b}\text{ },\text{ }f_{a,b}={L\choose a}g_{a,b}$$
设矩阵
$$W=\begin{bmatrix}w_{1,1} & \cdots & w_{1,n} \\
\vdots &\ddots & \vdots \\
w_{n,1} &\cdots & w_{n,n}\end{bmatrix}$$
设 $G_i=(g_{i,1}\cdots g_{i,n})$,于是有 $G_i=G_0W^i$。
考虑单位根反演,设 $w_k\equiv g^{\frac {p-1}k}\pmod p,g$ 为 $p$ 的原根,有
$$
\begin{equation}\begin{split}
\text{ans}_t&=\sum_{i=0}^Lf_{i,y}[i\bmod k=t]\\
&=\frac 1k\sum_{i=0}^Lf_{i,y}\sum_{j=0}^{k-1}w_k^{(i-t)j}\\
&=\frac 1k\sum_{j=0}^{k-1}w_k^{-tj}\sum_{i=0}^L f_{i,y}w_k^{ij}
\end{split}\end{equation}
$$
根据二项式定理,有
$$\sum_{i=0}^L w_k^{ij}(f_{i,1}\cdots f_{i,n})=\sum_{i=0}^L w_k^{ij}{L\choose i}(g_{i,1}\cdots g_{i,n})=G_0\sum_{i=0}^L {L\choose i}\left(w_k^jW\right)^i=G_0\left(w_k^jW+I\right)^L$$
于是根据矩阵快速幂可以 $O(kn^3\log L)$ 计算出所有 $h_j=\sum_{i=0}^L f_{i,y}w_k^{ij}(0\le j\lt k)$。
于是有
$$\text{ans}_t=\frac 1k\sum_{i=0}^{k-1}w_k^{-ti}h_i$$
发现上式就是 $\text{Bluestein's Algotithm}$ 的 $\text{IDFT}$ 过程,直接求解时间复杂度 $O(k\log k)$。
总时间复杂度 $O(kn^3\log L)$,主要用于计算矩阵快速幂。
const int MAXN=1<<16|5;
const long double pi=acos(-1.0);
int p,sz,gw[MAXN];
int quick_pow(int a,int b){
int ans=1;
while(b){
if(b&1)ans=1LL*ans*a%p;
a=1LL*a*a%p;
b>>=1;
}
return ans;
}
vector pdiv;
bool check(int x){
_for(i,0,pdiv.size()){
if(quick_pow(x,(p-1)/pdiv[i])==1)
return false;
}
return true;
}
void get_G(int k){
int temp=p-1,g;
for(int i=2;i*i<=temp;i++){
if(temp%i==0){
pdiv.push_back(i);
while(temp%i==0)temp/=i;
}
}
if(temp!=1)pdiv.push_back(temp);
_for(i,2,p){
if(check(i)){
g=i;
break;
}
}
int w=quick_pow(g,(p-1)/k);
gw[0]=1;
_rep(i,1,k)gw[i]=1LL*gw[i-1]*w%p;
}
struct Matrix{
int ele[3][3];
Matrix(int x=0){
mem(ele,0);
_for(i,0,sz)ele[i][i]=x;
}
Matrix operator + (const Matrix b){
Matrix c;
_for(i,0,sz)
_for(j,0,sz)
c.ele[i][j]=(ele[i][j]+b.ele[i][j])%p;
return c;
}
Matrix operator * (const int b){
Matrix c;
_for(i,0,sz)
_for(j,0,sz)
c.ele[i][j]=1LL*ele[i][j]*b%p;
return c;
}
void operator *= (const Matrix b){
Matrix c=*this;
_for(i,0,sz)
_for(j,0,sz){
ele[i][j]=0;
_for(k,0,sz)
ele[i][j]=(ele[i][j]+1LL*c.ele[i][k]*b.ele[k][j])%p;
}
}
};
Matrix quick_pow(const Matrix &a,int k){
Matrix Ans(1),Base;
Base=a;
while(k){
if(k&1)Ans*=Base;
k>>=1;
Base*=Base;
}
return Ans;
}
struct complex{
long double x,y;
complex(long double x=0.0,long double y=0.0):x(x),y(y){}
complex operator + (const complex &b){
return complex(x+b.x,y+b.y);
}
complex operator - (const complex &b){
return complex(x-b.x,y-b.y);
}
complex operator * (const complex &b){
return complex(x*b.x-y*b.y,x*b.y+y*b.x);
}
};
int rev[MAXN<<2];
int build(int k){
int n,pos=0;
while((1<>1]>>1)|((i&1)<<(pos-1));
return n;
}
void FFT(complex *f,int n,int type){
_for(i,0,n)if(i
===== 常系数齐次线性递推 =====
==== 算法简介 ====
给定 $a_n=f_1a_{n-1}+f_2a_{n-2}+\cdots +f_ka_{n-k}$ 以及 $a_0,a_1\cdots a_{k-1}$,询问 $a_n$ 的值。时间复杂度 $O(k\log k\log n)$。
==== 算法实现 ====
[[https://www.luogu.com.cn/problem/P4723|洛谷p4723]]
考虑求斐波那契数列过程,$f_5=f_4+f_3=2f_3+f_2=3f_2+2f_1=5f_1+3f_0$。
从多项式角度上考虑该过程,$f_n=f_{n-1}+f_{n-2}$ 的特征多项式为 $x^2-x-1$,并且有
$$
\begin{matrix}
&0x^0&+0x^1&+0x^2&+0x^3&+0x^4&+1x^5\\
\equiv&0x^0&+0x^1&+0x^2&+1x^3&+1x^4&+0x^5\\
\equiv&0x^0&+0x^1&+1x^2&+2x^3&+0x^4&+0x^5\\
\equiv&0x^0&+3x^1&+2x^2&+0x^3&+0x^4&+0x^5\\
\equiv&3x^0&+5x^1&+0x^2&+0x^3&+0x^4&+0x^5&\pmod {x^2-x-1}
\end{matrix}
$$
于是 $f_5=\left(x^5\bmod {x^2-x-1}\right)\cdot (f_0,f_1)=(3,5)\cdot (f_0,f_1)$。
以此类推,对 $a_n=f_1a_{n-1}+f_2a_{n-2}+\cdots +f_ka_{n-k}$,其特征多项式为 $x^k-f_1x^{k-1}-f_2x^{k-2}-\cdots -f_k$。
于是 $a_n= \left(x^n\bmod {x^k-f_1x^{k-1}-f_2x^{k-2}-\cdots -f_k}\right)\cdot (a_0,a_1\cdots a_{k-1})$。
其中 $\left(x^n\bmod {x^k-f_1x^{k-1}-f_2x^{k-2}-\cdots -f_k}\right)$ 可以通过快速幂与多项式带余除法 $O(k\log k\log n)$ 计算。
发现每次带余除法计算时 $g(x)$ 都是固定的,可以考虑先计算出 $\frac 1{g^R(x)}$ 减小常数。
const int MAXN=64005,Mod=998244353;
int quick_pow(int a,int b){
int ans=1;
while(b){
if(b&1)
ans=1LL*ans*a%Mod;
a=1LL*a*a%Mod;
b>>=1;
}
return ans;
}
namespace Poly{
const int G=3;
int rev[MAXN<<2],Pool[MAXN<<3],*Wn[30];
void init(){
int lg2=0,*pos=Pool,n,w;
while((1<>=1;
}
}
int build(int k){
int n,pos=0;
while((1<>1]>>1)|((i&1)<<(pos-1));
return n;
}
void NTT(int *f,int n,bool type){
_for(i,0,n)if(i>1);
int n=build((_n-1)<<1);
_for(i,(_n+1)>>1,n)g[i]=0;
_for(i,0,_n)temp[i]=f[i];_for(i,_n,n)temp[i]=0;
NTT(g,n,true);NTT(temp,n,true);
_for(i,0,n)g[i]=(2-1LL*temp[i]*g[i]%Mod)*g[i]%Mod;
NTT(g,n,false);
_for(i,_n,n)g[i]=0;
}
void Div(int *f,int _n,const int *g,int _m,int *gR){
static int temp[MAXN<<2],q[MAXN<<2],r[MAXN<<2];
_rep(i,0,_n-_m)q[i]=gR[i];
_rep(i,0,_n)temp[i]=f[_n-i];
Mul(q,_n-_m+1,temp,_n+1,_n-_m+1);
for(int i=0,j=_n-_m;i>=1;
}
mem(f,0);
_for(i,0,_m)f[i]=temp1[i];
}
}
int f[MAXN<<2],g[MAXN<<2],a[MAXN];
int main()
{
Poly::init();
int n=read_int(),k=read_int();
g[k]=1;
for(int i=k-1;i>=0;i--)g[i]=-read_int();
_for(i,0,k)a[i]=read_int();
f[1]=1;
Poly::Pow_2(f,n,g,k);
int ans=0;
_for(i,0,k)ans=(ans+1LL*f[i]*a[i])%Mod;
enter((ans+Mod)%Mod);
return 0;
}
===== 多项式多点求值 =====
==== 算法简介 ====
给定一个 $n$ 次多项式 $f(x)$,求 $f(a_i)(1\le i\le m)$。时间复杂度 $O(n\log n+m\log^2 m)$,空间复杂度 $O(m\log m)$。
==== 算法实现 ====
[[https://www.luogu.com.cn/problem/P5050|洛谷p5050]]
设 $f(x)=c_0+c_1x+c_2x^2\cdots c_nx^n$,于是有
$$
\begin{equation}\begin{split}
f(x)-f(x_0)&\equiv c_0-c_0+c_1(x-x_0)+c_2(x^2-x_0^2)\cdots +c_n(x^n-x_0^n)\\
&\equiv c_1(x-x_0)+c_2(x-x_0)(x+x_0)\cdots +c_n(x-x_0)(x^{n-1}+x^{n-2}x_0+\cdots +x_0^{n-1})\\
&\equiv 0\pmod {x-x_0}
\end{split}\end{equation}
$$
即 $f(x_0)\equiv f(x)\pmod {x-x_0}$,于是如果能快速计算 $f(x)\bmod {x-x_0}$,就可以得到 $f(x_0)$。
记 $f_{l,r}(x)\equiv f(x)\pmod {\prod_{i=l}^r (x-a_i)}$,于是有 $f_{l,r}(x)\equiv f_{l,m}(x)\pmod{\prod_{i=l}^m (x-a_i)},f_{l,r}(x)\equiv f_{m+1,r}(x)\pmod{\prod_{i=m+1}^r (x-a_i)}$。
考虑 $O(m\log^2 m)$ 自底向上建立线段树,每个节点存储 $\prod_{i=l}^r (x-a_i)$ 的多项式。
然后 $O(m\log^2 m)$ 自顶向下进行带余除法,跑到叶子节点就可以得到每个 $f(a_i)$ 的值。
注意根节点需要提前进行带余除法,同时该算法常数较大,考虑常数优化。
不妨令 $r-l$ 小于某个固定值 $L$ 后采用 $O(L^2)$ 暴力秦九韶展开,秦九韶复杂度为 $O(\cfrac mLL^2)=O(mL)$。
于是总时间复杂变为 $O(n\log n+m\log m(\log m-\log L)+mL)$,经检验 $m=64000$ 时取 $L=640$ 效果较佳。
const int MAXN=64005,MINL=640,Mod=998244353;
int quick_pow(int a,int b){
int ans=1;
while(b){
if(b&1)
ans=1LL*ans*a%Mod;
a=1LL*a*a%Mod;
b>>=1;
}
return ans;
}
namespace Poly{
const int G=3;
int rev[MAXN<<2],Pool[MAXN<<3],*Wn[30];
void init(){
int lg2=0,*pos=Pool,n,w;
while((1<>=1;
}
}
int build(int k){
int n,pos=0;
while((1<>1]>>1)|((i&1)<<(pos-1));
return n;
}
void NTT(int *f,int n,bool type){
_for(i,0,n)if(i>1);
int n=build((_n-1)<<1);
_for(i,(_n+1)>>1,n)g[i]=0;
_for(i,0,_n)temp[i]=f[i];_for(i,_n,n)temp[i]=0;
NTT(g,n,true);NTT(temp,n,true);
_for(i,0,n)g[i]=(2-1LL*temp[i]*g[i]%Mod)*g[i]%Mod;
NTT(g,n,false);
_for(i,_n,n)g[i]=0;
}
void Div(const int *f,int _n,const int *g,int _m,int *r){
static int temp1[MAXN<<2],temp2[MAXN<<2];
if(_n<_m){
_rep(i,0,_n)r[i]=f[i];
return;
}
_rep(i,0,_m)temp1[i]=g[_m-i];
Inv(temp1,temp2,_n-_m+1);
_rep(i,0,_n)temp1[i]=f[_n-i];
Mul(temp2,_n-_m+1,temp1,_n+1,_n-_m+1);
for(int i=0,j=_n-_m;i>1;
if(L==R)return g[k][0]=Mod-a[M],g[k][1]=1,void();
build(k<<1,L,M);build(k<<1|1,M+1,R);
Poly::Mul2(g[k<<1],M-L+2,g[k<<1|1],R-M+1,g[k]);
}
void query(int k,int L,int R,int *f){
if(R-L>1;pos+=R-L+1;
Poly::Div(f,R-L,g[k<<1],M-L+1,temp);
query(k<<1,L,M,temp);
Poly::Div(f,R-L,g[k<<1|1],R-M,temp);
query(k<<1|1,M+1,R,temp);
}
int main()
{
Poly::init();
int n=read_int(),m=read_int();
_rep(i,0,n)c[i]=read_int();
_for(i,0,m)a[i]=read_int();
build(1,0,m-1);
int *f=pos;pos+=m;
Poly::Div(c,n,g[1],m,f);
query(1,0,m-1,f);
_for(i,0,m)enter(b[i]);
return 0;
}
===== 多项式快速插值 =====
==== 算法简介 ====
给定 $n$ 个点 $(x_i,y_i)$,求次数不超过 $n-1$ 次的多项式 $f(x)$ 满足 $f(x_i)=y_i$。时间复杂度 $O(n\log^2 n)$,空间复杂度 $O(m\log m)$。
==== 算法实现 ====
[[https://www.luogu.com.cn/problem/P5158|洛谷p5158]]
根据拉格朗日插值法,有
$$f(x)=\sum_{i=1}^n y_i\prod_{j=1,j\neq i}^n \frac {x-x_j}{x_i-x_j}=\sum_{i=1}^n \cfrac {y_i}{\prod_{j=1,j\neq i}(x_i-x_j)}\prod_{j=1,j\neq i}^n x-x_j$$
设 $g(x)=\prod_{i=1}^n x-x_i$,根据洛必达法则,有
$$\prod_{j=1,j\neq i}^n x_i-x_j=\lim_{x\to x_i}\frac {g(x)}{x-x_i}=g'(x_i)$$
于是有 $f(x)=\sum_{i=1}^n \cfrac {y_i}{g'(x_i)}\prod_{j=1,j\neq i}^n x-x_j$。
考虑 $O(n\log^2 n)$ 分治乘法计算出 $g(x)$,再通过 $O(n\log^2 n)$ 多项式多点求值计算出所有 $g'(x_i)$。
设 $f_{l,r}(x)=\sum_{i=l}^r \cfrac {y_i}{g'(x_i)}\prod_{j=l,j\neq i}^r x-x_j$。考虑分治,有
$$
\begin{equation}\begin{split}
f_{l,r}(x)&=\left(\sum_{i=l}^m \cfrac {y_i}{g'(x_i)}\prod_{j=l,j\neq i}^m x-x_j\right)\left(\prod_{j=m+1}^r x-x_j\right)+\left(\sum_{i=m+1}^r \cfrac {y_i}{g'(x_i)}\prod_{j=m+1,j\neq i}^r x-x_j\right)\left(\prod_{j=l}^m x-x_j\right)\\
&=f_{l,m}(x)\left(\prod_{j=m+1}^r x-x_j\right)+f_{m+1,r}(x)\left(\prod_{j=l}^m x-x_j\right)
\end{split}\end{equation}
$$
于是可以 $O(n\log^2 n)$ 完成分治,总时间复杂度 $O(n\log^2 n)$。
const int MAXN=1e5+5,MINL=640,Mod=998244353;
int quick_pow(int a,int b){
int ans=1;
while(b){
if(b&1)
ans=1LL*ans*a%Mod;
a=1LL*a*a%Mod;
b>>=1;
}
return ans;
}
namespace Poly{
const int G=3;
int rev[MAXN<<2],Pool[MAXN<<3],*Wn[30];
void init(){
int lg2=0,*pos=Pool,n,w;
while((1<>=1;
}
}
int build(int k){
int n,pos=0;
while((1<>1]>>1)|((i&1)<<(pos-1));
return n;
}
void NTT(int *f,int n,bool type){
_for(i,0,n)if(i>1);
int n=build((_n-1)<<1);
_for(i,(_n+1)>>1,n)g[i]=0;
_for(i,0,_n)temp[i]=f[i];_for(i,_n,n)temp[i]=0;
NTT(g,n,true);NTT(temp,n,true);
_for(i,0,n)g[i]=(2-1LL*temp[i]*g[i]%Mod)*g[i]%Mod;
NTT(g,n,false);
_for(i,_n,n)g[i]=0;
}
void Div(const int *f,int _n,const int *g,int _m,int *r){
static int temp1[MAXN<<2],temp2[MAXN<<2];
if(_n<_m){
_rep(i,0,_n)r[i]=f[i];
return;
}
_rep(i,0,_m)temp1[i]=g[_m-i];
Inv(temp1,temp2,_n-_m+1);
_rep(i,0,_n)temp1[i]=f[_n-i];
Mul(temp2,_n-_m+1,temp1,_n+1,_n-_m+1);
for(int i=0,j=_n-_m;i>1;
if(L==R)return t[k][0]=Mod-x[M],t[k][1]=1,void();
build(k<<1,L,M);build(k<<1|1,M+1,R);
Poly::Mul2(t[k<<1],M-L+2,t[k<<1|1],R-M+1,t[k]);
}
void query(int k,int L,int R,int *f){
if(R-L>1;pos+=R-L+1;
Poly::Div(f,R-L,t[k<<1],M-L+1,temp);
query(k<<1,L,M,temp);
Poly::Div(f,R-L,t[k<<1|1],R-M,temp);
query(k<<1|1,M+1,R,temp);
}
void query2(int k,int L,int R,int *f){
int M=L+R>>1;
if(L==R)return f[0]=1LL*y[M]*quick_pow(gy[M],Mod-2)%Mod,void();
int *temp=pos;pos+=R-L+1;
query2(k<<1,L,M,f);query2(k<<1|1,M+1,R,temp);
Poly::Mul3(f,M-L+1,t[k<<1|1],R-M+1);Poly::Mul3(temp,R-M,t[k<<1],M-L+2);
int n=R-L+1;
_for(i,0,n)f[i]=(f[i]+temp[i])%Mod;
}
int main()
{
Poly::init();
int n=read_int();
_for(i,0,n)x[i]=read_int(),y[i]=read_int();
build(1,0,n-1);
int *g=pos;pos+=n;
memcpy(g,t[1],sizeof(int)*(n+1));
_for(i,0,n)g[i]=1LL*g[i+1]*(i+1)%Mod;
query(1,0,n-1,g);
int *f=pos;pos+=n;
query2(1,0,n-1,f);
_for(i,0,n)space(f[i]);
return 0;
}