FFT（理解+模板+例题）_fft计算多项式乘法例题-CSDN博客

本文链接：https://blog.csdn.net/birdmanqin/article/details/110877109

这篇博客介绍了如何使用快速傅里叶变换(FFT)来快速计算两个多项式的乘积。通过点值法和系数法的转换，FFT能够高效地将多项式表示并进行运算。提供了luogu3803的模板题作为实例，详细阐述了算法的实现过程，并给出了相关例题和题解链接，帮助读者深入理解FFT在解决实际问题中的应用。

摘要由CSDN通过智能技术生成

一、理解

快速求两个多项式相乘。朴素做法就是暴力枚举两个多项式的每一项【 $O(n^{2})$ 】。FFT，先用点值法（后面解释）把多项式表示出来（DFT过程）【 O(nlogn) 】，再计算点值相乘【 O(n) 】，然后再把点值法还原成系数法（后面解释）表示（IDFT过程）【】。

点值法：涉及线代，简单理解就是把多项式看为函数 $f(x)=a_{0}x^{0}+a_{1}x^{1}+a_{2}x^{2}+a_{3}x^{3}+...+a_{n}x^{n}$ 。中学知识告诉我们，n个未知数（这里的未知数是每一项的系数）至少要有n个方程才能有唯一解。（线代可以证明，有兴趣自己查。）那么，如果我们知道函数的n个不同的值。即n个 $(x_{i},f(x_{i}))$ ，我们就可以唯一的确定一个多项式。DFT就是巧妙的利用复数，将n个系数快速的转换为对应的n个点【 O(nlogn) 】。

系数法：系数法就是用 $(a_{0},a_{1},a_{2},...,a_{i},...,a_{n})$ 来表示多项式 $a_{0}x^{0}+a_{1}x^{1}+a_{2}x^{2}+a_{3}x^{3}+...+a_{n}x^{n}$ 。IDFT就是巧妙的利用复数，将n个点快速的转换为对应的n个系数【 O(nlogn) 】。

二、模板

以luogu 3803的模板题为例，用的kuangbin大神（没时间手敲了）的板子。

其中极坐标(r,i)，对应直角坐标系(x,y)。

#include <bits/stdc++.h>
#define ll long long
using namespace std;
const int N = 1e6+10;
const double PI = acos(-1.0);
struct Complex
{
    double r,i;
    Complex(double _r = 0,double _i = 0)
    {
        r = _r; i = _i;
    }
    Complex operator +(const Complex &b)
    {
        return Complex(r+b.r,i+b.i);
    }
    Complex operator -(const Complex &b)
    {
        return Complex(r-b.r,i-b.i);
    }
    Complex operator *(const Complex &b)
    {
        return Complex(r*b.r-i*b.i,r*b.i+i*b.r);
    }
};
void change(Complex* y,int len)
{
    int i,j,k;
    for(i = 1, j = len/2;i < len-1;i++)
    {
        if(i < j)swap(y[i],y[j]);
        k = len/2;
        while( j >= k)
        {
            j -= k;
            k /= 2;
        }
        if(j < k)j += k;
    }
}
void fft(Complex* y,int len,int on)
{
    change(y,len);
    for(int h = 2;h <= len;h <<= 1)
    {
        Complex wn(cos(-on*2*PI/h),sin(-on*2*PI/h));
        for(int j = 0;j < len;j += h)
        {
            Complex w(1,0);
            for(int k = j;k < j+h/2;k++)
            {
                Complex u = y[k];
                Complex t = w*y[k+h/2];
                y[k] = u+t;
                y[k+h/2] = u-t;
                w = w*wn;
            }
        }
    }
    if(on == -1)
        for(int i = 0;i < len;i++)
            y[i].r /= len;
}
Complex x1[N<<2];
Complex x2[N<<2];
int n,m,a[N],b[N];
int num[N<<1]; 
int main(void){
	scanf("%d%d",&n,&m);
	for(int i=0;i<=n;i++)
		scanf("%d",&a[i]);
	for(int i=0;i<=m;i++)
		scanf("%d",&b[i]);
	int len,len1;
	//len1=n+m+1;
	len=1;
	while(len < ((n+1)<<1) || len < ((m+1)<<1)) len <<= 1;
	for(int i = 0; i <= n; i++)
	   x1[i] = Complex(a[i],0);
	for(int i = n+1; i < len; i++)
	   x1[i] = Complex(0,0);
	for(int i = 0; i <= m; i++)
	   x2[i] = Complex(b[i],0);
	for(int i = m+1; i < len; i++)
	   x2[i] = Complex(0,0);
	fft(x1,len,1);
	fft(x2,len,1);
	for(int i = 0;i < len;i++)
            x1[i] = (x1[i]*x2[i]);
	fft(x1,len,-1);	
    for(int i = 0;i <= n+m;i++)
        num[i] = (x1[i].r+0.5);	
	for(int i=0;i<=n+m;i++)
		printf("%d%c",num[i],i==n+m?'\n':' ');
	
	return 0;	
}