快速莫比乌斯变换（FMT）和快速沃尔什变换（FWT）

这篇博客是上篇博客的补充，重点在于如何正确构造变换的函数。

---

先考虑或卷积的较简单的情况：

[a_n=sum_{i|j=n}b_ic_j ]

考虑我们现在要构造函数 (F(x))，满足：

[hat a_n=F(a_n)=hat b_ncdothat c_n ]

考虑到需要满足变换前后的次数不变，于是我们可以肯定 (F) 一定是一种线性变换，于是我们可以先将变换表示成：

[hat a_n=sum_{i=0}^NF_{n,i}a_i ]

那么：

[sum_{i=0}^NF_{n,i}a_i=sum_{i=0}^NF_{n,i}b_isum_{i=0}^NF_{n,i}c_i ]

这时，我们代入需要变换的函数（或函数）：

[sum_{i=0}^NF_{n,i}sum_{j|k=i}b_jc_k=sum_{i=0}^NF_{n,i}b_isum_{i=0}^NF_{n,i}c_i ]

化简：

[sum_{j=0}^Nsum_{k=0}^NF_{n,j|k}b_jc_k=sum_{j=0}^Nsum_{k=0}^NF_{n,j}F_{n,k}b_jc_k ]

比较系数，我们有：

[F_{n,j}F_{n,k}=F_{n,j|k} ]

在更普遍的情况下，这就是：

[a_n=sum_{f(j,k)=n}b_jc_kLeftrightarrow F_{n,j}F_{n,k}=F_{n,f(j,k)} ]

回归正题，这种情况下，一种显然成立的函数就是 (F(n,i)=[n|i=n])，这就是上一篇文章中的构造来源。

---

考虑完了或变换，我们来考虑与变换：

[F_{n,j}F_{n,k}=F_{n,j&k} ]

一种显然的构造就是 (F_{n,j}=[n&j=n])，也就是说，这是一个超集的和。

那么我们可以倒着做高维前缀和，也就是说，我们实际做的是一个高维后缀和：

void FMT(int *a, int N, int op) {
    for(int i = 1; i < N; i <<= 1)
      	for(int j = 0; j < N; ++j)
            if(j & i) a[j - i] += op * a[j];
}

这里并不需要倒着枚举每一个数，是因为每一维都只可能是 1 向 0 转移，也就是说我们假想的无向图当中没有长度大于 1 的链。

---

让我们考虑一种更复杂的情况：异或卷积。也就是说，我们要求：

[F_{n,j}F_{n,k}=F_{n,joplus k} ]

什么函数满足异或等于乘法呢？答案是 (1) 的个数的奇偶性。也就是说，(F_{n,j}=(-1)^{|j|}) 是可行的，是对的吗？

按照上述的理论，(F_{n,j}=(-1)^{|j|}) 是完全没有问题的，但是问题在于这个函数不具有逆变换！也就是说，有很多不同的 (a_n) 可以对应到同一个 (hat a_n)。

考虑如何构造一个可行的函数，这就要求 (F_{n,j}) 同时与 (n,j) 有关，这才能保证它具有可逆性（事实上还需要线性无关，但一般都可以）。那么考虑到异或对与运算有特殊的分配率：

[(i&j)otimes(i&k)=i&(jotimes k) ]

于是可以构造函数 (F_{n,j}=(-1)^{|n&j|})，也即：

[hat a_n=sum_{i=0}^N(-1)^{|n&i|}a_i ]

这不能再像 FMT 一样做高维前缀和，而是需要使用特别的分治技巧，这就是快速沃尔什变换（FWT）。

我们考虑分治这个过程，以下均假设下标从 (0) 到 (n-1)，(n) 是 (2) 的幂。那么假定我们已经得到了只考虑前半部分的结果 (hat a_0) 和只考虑后半部分的结果 (hat a_1)（这两者都是长为 (frac n2) 的数列，且不考虑当前的最高位），现在需要合并成 (hat a)。那么根据柿子，(hat a) 的前半部分显然二者均可以贡献 1，而后半部分前者的可以贡献 (1)，后者可以贡献 (-1)，这是因为后者的最高位现在变成了 (1)，这是可以进行贡献的。也就是说：

[hat a=(hat a_0+hat a_1,hat a_0-hat a_1) ]

那么其逆变换就是：

[a=(frac{a_0+a_1}{2},frac{a_0-a_1}{2}) ]

这个式子也是像之前的柿子一样，不需要特意反着做，这可以通过数学归纳法得到。

void FWT(int *a, int N, double op) {
	for(int len = 1; len < n; len <<= 1)
		for(int i = 0; i < n; i += 2 * len)
			for(int k = i; k < i + len; ++k) {
				int g = a[k], h = a[k + len];
				a[k] = (g + h) * op, a[k + len] = (g - h) * op;
			}
}

或卷积和与卷积也可以使用同样的方法得出，且常数是直接高维前缀和的一半（是因为每一次都是找到了恰好有贡献的位置，高位前缀和也可以稍微改一下减小常数）。

通过同样的方法也可以得到 FFT 的卷积系数。而借此也可以得到一些其他奇奇怪怪的卷积的系数。