浅谈FFT

eyuhaobanga

已于 2023-03-25 13:52:15 修改

阅读量409

点赞数 2

文章标签：算法机器学习矩阵 Powered by 金山文档

于 2023-03-25 11:37:55 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/eyuhaobanga/article/details/129758800

版权

假设有两个多项式

$\text{[math]}$

$\text{[math]}$

如果要算两个多项式的乘积

$\text{[math]}$

时间复杂度为O(n*m)，显然是不能接受的，随后就引入了快速傅里叶变换FFT

FFT是以时间复杂度为O(nlogn)级别计算两个多项式乘积的方法

FFT以时间复杂度为O(nlogn)级别计算两个多项式乘积的大致过程就是：第一步，先把两个多项式的系数表示法以时间复杂度O(nlogn)转化为点表示法，然后以O(n)得出两个多项式乘积的点表示法，第二步，把乘积的点表示法以时间复杂度O(nlogn)再转化为系数表示法

首先，我们知道n个点可以唯一确定一个n-1次多项式

即设n个点为

$\text{[math]}$

那么代入方程可得方程组

$\text{[math]}$

所以可以得到一个满秩矩阵，n个方程n个未知系数，最后可以得到n-1次的多项式

那么如何将系数表示转化为容易求乘积的点表示？

首先引入复数域的单位根，因为它可以更好的用来表示若干个点的坐标，假设有n个点，那么只需要把单位圆划分为n份，设每一个点为

$\text{[math]}$

易知的是

$\text{[math]}$

$\text{[math]}$

$\text{[math]}$

先讨论将 $\text{[math]}$ 转化为点表示法

将x的奇数次方和偶数次方分开

$\text{[math]}$

$\text{[math]}$

将H(x)化成与G(x)相同的形式,

$\text{[math]}$

再将x的系数缩小

$\text{[math]}$

$\text{[math]}$

那么可得

$\text{[math]}$

将 $\text{[math]}$ 带入方程

$\text{[math]}$

$\text{[math]}$

$\text{[math]}$

再将 $\text{[math]}$ 带入方程

$\text{[math]}$

$\text{[math]}$

$\text{[math]}$

$\text{[math]}$

从这两个方程能看出什么？

假设A(x)的系数分别为

$\text{[math]}$

将x的系数奇偶划分后就变成了

$\text{[math]}$

再看第一个方程 $\text{[math]}$ 发生了什么

可以带入方程发现

$\text{[math]}$

$\text{[math]}$

$\text{[math]}$

$\text{[math]}$

再看第二个方程 $\text{[math]}$

$\text{[math]}$

$\text{[math]}$

$\text{[math]}$

$\text{[math]}$

因此，就容易递归得到点表示法的纵坐标，即点就可以表示为 $\text{[math]}$

但递归的常数非常大，而且容易爆栈，再看看递归的时候有什么规律

$\text{[math]}$

$\text{[math]}$

$\text{[math]}$

$\text{[math]}$

再观察一下第一行和最后一行的二进制有什么规律

$\text{[math]}$

$\text{[math]}$

发现两行的二进制表示正好互为翻转，这个是可以O(n)递推出来

递推方程

$\text{[math]}$

其中bit是二进制表示的最长长度， $\text{[math]}$ 即为i的二进制翻转

B(x)同理也可得到点表示法

那么f(x)=A(x)B(x)就很容易得出来f(x)的点表示法

因为满足复数乘法

$\text{[math]}$

所以二者相乘得

$\text{[math]}$

所以以时间复杂度为O(n)即可得出f(x)在点表示法下得多项式，但这并没有结束，需要将f(x)转化为系数表示法，只需要再做一次FFT即可，时间复杂度为O(nlogn)

关注

2
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。