FFT——傅里叶变换

KaiserWilheim

已于 2022-07-07 11:40:48 修改

阅读量1k

点赞数

分类专栏： OI 算法文章标签：算法 c++

于 2022-03-28 20:55:10 首次发布

本文链接：https://blog.csdn.net/kaiserwilheim/article/details/123805604

版权

更多文章可以在本人的个人小站：https://kaiserwilheim.github.io 查看。
转载请注明出处。

引入

今天AJ给大家留了一个作业：

多项式相乘。

$\begin{gathered} f(x) = (x^2 + 3x - 1) \\ g(x) = (2x^2 + x - 5) \\ f(x) \times g(x) = ? \end{gathered}$

大家都很认真、很用心地做了出来。

$\begin{aligned} f(x) \times g(x) & = (x^2 + 3x - 1) (2x^2 + x - 5) \\ & = x^2 \times g(x) + 3x \times g(x) - g(x) \\ & = (2x^4 + x^3 - 5x^2) + (6x^3 + 3x^2 - 15x) + (2x^2 + x - 5) \\ & = 2x^4 + x^3 - 5x^2 + 6x^3 + 3x^2 - 15x + 2x^2 + x - 5 \\ & = 2x^4 + 7x^3 - 4x^2 - 16x + 5 \end{aligned}$

看起来很复杂，对吗？

但是，精通数学的王哥在纸上写写画画几十秒钟之后，得出来的答案跟正确答案也是一样的。
惊呆了的tüe问王哥他用的是什么办法。
王哥回答：“ 傅里叶变换 。”

多项式乘法的本质

王哥说：“我们知道，所有多项式都拥有如下的形式：

$a_0 x^n + a_1 x^{n-1} + a_2 x^{n-2} + \cdots + a_{n-2} x^2 + a_{n-1} x +a_n$

我们也可以把一个多项式写成这样的形式：

$\sum_{i=0}^n a_i x^{n-i}$

而两个多项式相乘 $\times g(x) = h(x)$ 的时候，相乘的结果的第 $k$ 项系数 $h_{k-1}$ 等于所有 $f_{i}$ 与 $g_{k-i}$ 乘积之和。
所以，

$h_k = \sum_{i=0}^{k-1} f_i \times g_{k-1-i}$

这样的方法算出的结果是与两个多项式的次数相关的。”

或者（对于OIer）通俗一点来说，假设两个多项式的次数分别为 $n$ 和 $m$ ，那么这个算法的时间复杂度是 $O (n m)$ 的。

给个模板题的44分代码：

#include<bits/stdc++.h>
const int N = 100010;
#define ll long long
using namespace std;
inline int read()
{
   
	register int X = 0;
	register char ch = 0;
	while((ch < 48) || (ch > 57))ch = getchar();
	while((ch >= 48) && (ch <= 57))X = X * 10 + (ch ^ 48), ch = getchar();
	return X;
}
int n, m;
ll f[N], g[N], s[N];
void mul(ll *s, ll *f, ll *g)
{
   
	f_or(int k = 0; k < n + m - 1; k++)
		f_or(int i = 0; i <= k; i++)
			s[k] += f[i] * g[k - i];
}
int main()
{
   
	scanf("%d%d", &n, &m); n++; m++;
	f_or(int i = 0; i < n; i++)f[i] = read();
	f_or(int i = 0; i < m; i++)g[i] = read();
	mul(s, f, g);
	f_or(int i = 0; i < n + m - 1; i++)printf("%lld ", s[i]);
	return 0;
}

DFT

多项式的点值表达

为了简便表达，我们使用 $f_k$ 来代表多项式 $f (x)$ 的第 $k + 1$ 项系数。

今天AJ的作业是昨天的延伸：
给定一个 $n$ 次多项式的 $n + 1$ 个点值，要求我们求出这个多项式。
（还让武嘉给了样例，而武嘉给的样例是1,3,5,7,9,114514）
全班只有王哥和某盒子做了出来。广告：CoolHezi
他们用的是什么方法呢？

拉格朗日插值。

想要了解拉格朗日插值，可以参考我的这个博客：拉格朗日插值

现在我们只需要知道，给定了 $n + 1$ 个任意点值，可以求出来经过这几个点的一个 $n$ 次多项式。
如果两个多项式 $f (x)$ 和 $g (x)$ 在相同纵坐标上取点（设其分别为 $f (x)$ 与 $g (x)$ ）后相乘所得的结果（ $\times g(x)$ ）等于两函数相乘后对应纵坐标处的点值（ $h (x)$ ）。