FWT

另一种卷积

多项式乘法的卷积是这样的：

$$C_i=\sum_{j+k=i}A_jB_k$$
然而还有种神奇的卷积（ $\oplus$ 是位运算）：
$$C_i=\sum_{j\oplus k=i}A_jB_k$$
FWT可以快速求这种卷积。

快速沃尔什变换

因为FFT用了系数 $\to$ 点值，用点值快速求卷积，再点值 $\to$ 系数的方法，所以我们也想让沃尔什变换具有这样的特点，于是开始构造。

离散沃尔什变换

定义 $DWT(A)$ 是向量 $A$ 经过离散沃尔什变换得到的向量，令变换系数为 $f(i,j)$ ，那么：

$$DWT(A)_i=\sum_{j=0}^{n-1}A_jf(i,j)\\ DWT(A)_iDWT(B)_i=DWT(C)_i$$
这样没法求 $f(i,j)$ 啊，我们来推一下：
$$DWT(A)_iDWT(B)_i=DWT(C)_i\\ \sum_{j=0}^{n-1}A_jf(i,j)\sum_{k=0}^{n-1}B_kf(i,k)=\sum_{t=0}^{n-1}C_tf(i,t)\\ \sum_{j=0}^{n-1}\sum_{k=0}^{n-1}A_jB_kf(i,j)f(i,k)=\sum_{t=0}^{n-1}\sum_{j\oplus k=t}A_jB_kf(i,t)=\sum_{t=0}^{n-1}\sum_{j\oplus k=t}A_jB_kf(i,j\oplus k)\\ \sum_{j=0}^{n-1}\sum_{k=0}^{n-1}A_jB_kf(i,j)f(i,k)=\sum_{j=0}^{n-1}\sum_{k=0}^{n-1}A_jB_kf(i,j\oplus k)\\ $$
也就是说 $f(i,j)f(i,k)=f(i,j\oplus k)$ 。

然后就可以对不同的位运算求出不同的变换系数，直接上结论：

$and:f(i,j)=[i\ and\ j=i]\\or:f(i,j)=[i\ and\ j=j]\\xor:f(i,j)=(-1)^{count(i\ and\ j)}$

其中 $count(i)$ 表示 $i$ 在二进制下 $1$ 的个数。这些怎么得到的？翰爷表示：

并不知道是怎么来的，但是容易验证是对的。

这里就说明一下比较神奇的 $xor$（ $and$ 和 $or$ 很容易验证）：

$f(i,j)f(j,k)=(-1)^{count(i\ and\ j)+count(i\ and\ k)}\\f(i,j\ xor\ k)=(-1)^{count(i\ and\ (j\ xor\ k))}$

$count(i\ and\ j)+count(i\ and\ k)$ 求的是 $i$ 和 $j$ 共有的 $1$ 的数量加上 $i$ 和 $k$ 共有的 $1$ 的数量，我们再考虑下面那个式子表示什么。因为异或相同为 $0$ ，不同为 $1$ ，那么只有当 $j$ 和 $k$ 某位上不同时才有贡献，和上面的式子相比，消去了 $j$ 和 $k$ 某位上均为 $1$ 的贡献，即 $-2k$ ，不改变奇偶性，所以是相等的。

$f(i,j)$ 有一个很重要性质：可以二进制拆分。用 $i_k$ 表示 $i$ 二进制下的第 $k+1$ 高位，则：

$f(i,j)=f(i_0,j_0)f(i_1,j_1)f(i_2,j_2)\cdots f(i_{len-1},j_{len-1})$

接下来开始考虑离散沃尔什变换（ $n$ 补到 $2^k$ ）：

$$DWT(A)_i=\sum_{j=0}^{n-1}A_jf(i,j)=\sum_{j=0}^{{n\over 2}-1}A_jf(i,j)+\sum_{j={n\over 2}}^{n-1}A_jf(i,j)\\ =\sum_{j=0}^{{n\over 2}-1}A_jf(i_0,j_0)f(i_{[1,len-1]},j_{[1,len-1]})+\sum_{j={n\over 2}}^{n-1}A_jf(i_0,j_0)f(i_{[1,len-1]},j_{[1,len-1]})\\ =f(i_0,0)\sum_{j=0}^{{n\over 2}-1}A_jf(i_{[1,len-1]},j_{[1,len-1]})+f(i_0,1)\sum_{j={n\over 2}}^{n-1}A_jf(i_{[1,len-1]},j_{[1,len-1]})$$
喜闻乐见的规模减半了，于是( $i\in[0,{n\over 2})$ )：
$$DWT(A)_i=f(0,0)DWT(A_L)_i+f(0,1)DWT(A_R)_i\\ DWT(A)_{i+{n\over 2}}=f(1,0)DWT(A_L)_i+f(1,1)DWT(A_R)_i$$
和FFT很像啊，只不过FFT是奇偶拆半，而FWT是左右拆半。正因为FWT是左右拆半，直接迭代就可以了，不需要和FFT一样二进制翻转。

逆沃尔什变换

根据离散沃尔什变换得到的递归式，我们发现只需要解一下二元一次方程就可以了。

模板

inline void FWT(int *a,int n,int f){
    for (int k=1;k<n;k<<=1)
        for (int i=0;i<n;i+=(k<<1))
            for (int j=0;j<k;j++)
                if (f==1){
                    int x=a[i+j],y=a[i+j+k];
                    //and:a[i+j]+=a[i+j+k];
                    //or :a[i+j+k]+=a[i+j];
                    //xor:a[i+j]=x+y;a[i+j+k]=x-y;
                } else{
                    int x=a[i+j],y=a[i+j+k];
                    //and:a[i+j]-=a[i+j+k];
                    //or :a[i+j+k]-=a[i+j];
                    //xor:a[i+j]=(x+y)/2;a[i+j+k]=(x-y)/2;
                }
}