快速数论变换NTT

最新推荐文章于 2023-04-29 11:43:51 发布
最新推荐文章于 2023-04-29 11:43:51 发布
阅读量549 收藏 4
点赞数
分类专栏： 数学;数论 # 快速傅里叶变换FFT 文章标签： 算法
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/niiick/article/details/120750934
版权

FFT与NTT

学习NTT首先需要一些前置知识，原根及其求解和FFT快速傅里叶变换

NTT与FFT的理论基础完全一样
FFT中求值与插值使用了n次单位根，而NTT则选择了原根

由此与FFT相比，NTT可以取模、避免浮点精度误差、且运算常数小
但也同时因此不能计算浮点系数，且模数也有限制

NTT的膜数一般是 P = r 2 k + 1 P=r2^k+1 P=r2k+1，常取P=998244353，其一个原根为g=3
可以证明， g P − 1 n g^{\frac{P-1}{n}} gnP−1​与 w n = e 2 π i n w_n=e^{\frac{2\pi i}{n}} wn​=en2πi​具有相同的性质
因此直接修改FFT代码中的wn为相应原根即可

const lt P=998244353, G=3, Ginv=332748118;
const int maxn=4000010;
int n,m;
lt A[maxn],B[maxn];
int lim=1,L,R[maxn];

lt qpow(lt a,lt k,lt mod)
{
	lt res=1;
	while(k){
		if(k&1) res=(res*a)%mod;
		a=(a*a)%mod; k>>=1;
	}
	return res;
}

void NTT(lt *a,int opt)
{
	for(int i=0;i<lim;++i)
	if(i<R[i]) swap(a[i],a[R[i]]);
	
	for(int i=1;i<lim;i<<=1)
	{
		lt gn=qpow(opt==1?G:Ginv, (P-1)/(i<<1), P);
		for(int j=0;j<lim;j+=(i<<1))
		{
			lt g=1;
			for(int k=0;k<i;++k)
			{
				lt nx=a[j+k],ny=g*a[i+j+k]%P;
				a[j+k]=(nx+ny)%P;
				a[i+j+k]=(nx-ny+P)%P;
				g=g*gn%P;
			}
		}
	}
}

int main()
{
	n=read(); m=read();
	for(int i=0;i<=n;++i) A[i]=read();
	for(int i=0;i<=m;++i) B[i]=read();
	
	while(lim<=n+m) lim<<=1,L++;
	for(int i=0;i<lim;++i)
	R[i]=(R[i>>1]>>1)|((i&1)<<(L-1));
	
	NTT(A,1); NTT(B,1);
	
	for(int i=0;i<lim;++i) 
	A[i]=A[i]*B[i]%P;
	
	NTT(A,-1);
	
	lt inv=qpow(lim,P-2,P);
	for(int i=0;i<=n+m;++i)
	printf("%d ",A[i]*inv%P);
	
	return 0;
}

NTT的应用

多项式求逆

洛谷P4238 【模板】多项式乘法逆
题意：给定一个多项式F(x)，请求出一个多项式G(x)， 满足 F ( x ) ∗ G ( x ) ≡ 1 ( m o d x n ) F(x) * G(x) \equiv 1 \pmod{x^n} F(x)∗G(x)≡1(modxn)，系数对 998244353取模。

假设已知 B ′ B' B′满足 A ( x ) B ′ ( x ) ≡ 1 ( m o d x k ) A(x)B'(x)\equiv 1\pmod{x^k} A(x)B′(x)≡1(modxk)，欲求 A ( x ) B ( x ) ≡ 1 ( m o d x 2 k ) A(x)B(x)\equiv 1\pmod{x^{2k}} A(x)B(x)≡1(modx2k)

则有 A ( x ) ( B ( x ) − B ′ ( x ) ) ≡ 0 ( m o d x k ) A(x)(B(x)-B'(x))\equiv 0\pmod{x^{k}} A(x)(B(x)−B′(x))≡0(modxk)

即 B ( x ) − B ′ ( x ) ≡ 0 ( m o d x k ) B(x)-B'(x)\equiv 0\pmod{x^{k}} B(x)−B′(x)≡0(modxk)

两边同时平方得 B ( x ) 2 − 2 B ( x ) B ′ ( x ) + B ′ ( x ) 2 ≡ 0 ( m o d x 2 k ) B(x)^2-2B(x)B'(x)+B'(x)^2\equiv 0\pmod{x^{2k}} B(x)2−2B(x)B′(x)+B′(x)2≡0(modx2k)

两边同时乘A并化简得 B ( x ) − 2 B ′ ( x ) + A ( X ) B ′ ( x ) 2 ≡ 0 ( m o d x 2 k ) B(x)-2B'(x)+A(X)B'(x)^2\equiv 0\pmod{x^{2k}} B(x)−2B′(x)+A(X)B′(x)2≡0(modx2k)

得 B ( x ) ≡ 2 B ′ ( x ) − A ( X ) B ′ ( x ) 2 ( m o d x 2 k ) B(x)\equiv 2B'(x)-A(X)B'(x)^2\pmod{x^{2k}} B(x)≡2B′(x)−A(X)B′(x)2(modx2k)

时间复杂度满足 T ( n ) = T ( n 2 ) + O ( n log ⁡ n ) = O ( n log ⁡ n ) T(n)=T(\frac{n}{2})+O(n\log n)=O(n\log n) T(n)=T(2n​)+O(nlogn)=O(nlogn)

const lt P=998244353, Grt=3, Ginv=332748118;
const int maxn=500010;
lt F[maxn],G[maxn],t[maxn];
int lim,R[maxn];

lt qpow(lt a,lt k,lt mod)
{
	lt res=1;
	while(k){
		if(k&1) res=(res*a)%mod;
		a=(a*a)%mod; k>>=1;
	}
	return res;
}

void NTT(lt *a,int opt)
{
	for(int i=0;i<lim;++i)
	if(i<R[i]) swap(a[i],a[R[i]]);
	
	for(int i=1;i<lim;i<<=1)
	{
		lt gn=qpow(opt==1?Grt:Ginv, (P-1)/(i<<1), P);
		for(int j=0;j<lim;j+=(i<<1))
		{
			lt g=1;
			for(int k=0;k<i;++k)
			{
				lt nx=a[j+k],ny=g*a[i+j+k]%P;
				a[j+k]=(nx+ny)%P;
				a[i+j+k]=(nx-ny+P)%P;
				g=g*gn%P;
			}
		}
	}
	
	lt inv=qpow(lim,P-2,P);
	if(opt==-1)
	{
		for(int i=0;i<lim;++i)
		a[i]=a[i]*inv%P;
	}
}

void polyInv(lt *A,lt *B,int n)
{
	if(n==1)
	{
		B[0]=qpow(A[0],P-2,P);
		return;
	}
	
	polyInv(A,B,(n+1)>>1);
	
	lim=1; int L=0;
	while(lim<(n<<1)) lim<<=1,L++;
	for(int i=0;i<lim;++i)
	R[i]=(R[i>>1]>>1)|((i&1)<<(L-1));
	
	for(int i=0;i<n;++i) t[i]=A[i];
	for(int i=n;i<lim;++i) t[i]=0;
	
	NTT(t,1); NTT(B,1);
	
	for(int i=0;i<lim;++i)
	{
		B[i]=(((2ll-t[i]*B[i])%P+P)%P) * B[i];
		B[i]=(B[i]%P+P)%P;
	}
	
	NTT(B,-1);
	for(int i=n;i<lim;++i) B[i]=0;
}


int main()
{
	int n=read();
	for(int i=0;i<n;++i) 
	F[i]=read();
	
	solve(F,G,n);
	
	for(int i=0;i<n;++i)
	printf("%d ",G[i]);
	return 0;
}
多项式除法

洛谷P4512 【模板】多项式除法
题意：给定一个 n 次多项式 F(x) 和一个 m 次多项式 G(x) ，请求出多项式 Q(x), R(x)，满足以下条件：
Q(x) 次数为 n-m，R(x) 次数小于 m
F(x) = Q(x) * G(x) + R(x)
所有的运算在模998244353意义下进行

定义 A R ( x ) = x n A ( 1 x ) A_R(x)=x^nA(\frac{1}{x}) AR​(x)=xnA(x1​)，也即将数组翻转
F ( x ) = Q ( x ) G ( x ) + R ( x ) F(x) = Q(x)G(x) + R(x) F(x)=Q(x)G(x)+R(x) F ( 1 x ) = Q ( 1 x ) G ( 1 x ) + R ( 1 x ) F(\frac{1}{x}) = Q(\frac{1}{x})G(\frac{1}{x}) + R(\frac{1}{x}) F(x1​)=Q(x1​)G(x1​)+R(x1​) x n F ( 1 x ) = x n − m Q ( 1 x ) x m G ( 1 x ) + x n − m + 1 x m − 1 R ( 1 x ) x^nF(\frac{1}{x}) = x^{n-m}Q(\frac{1}{x})x^mG(\frac{1}{x}) + x^{n-m+1}x^{m-1}R(\frac{1}{x}) xnF(x1​)=xn−mQ(x1​)xmG(x1​)+xn−m+1xm−1R(x1​) F R ( x ) = Q R ( x ) G R ( x ) + x n − m + 1 R R ( x ) F_R(x) = Q_R(x)G_R(x) + x^{n-m+1}R_R(x) FR​(x)=QR​(x)GR​(x)+xn−m+1RR​(x) F R ( x ) ≡ Q R ( x ) G R ( x ) + x n − m + 1 R R ( x ) ( m o d x n − m + 1 ) F_R(x) \equiv Q_R(x)G_R(x) + x^{n-m+1}R_R(x) \pmod { x^{n-m+1}} FR​(x)≡QR​(x)GR​(x)+xn−m+1RR​(x)(modxn−m+1) Q R ( x ) ≡ F R ( x ) G R − 1 ( x ) ( m o d x n − m + 1 ) Q_R(x) \equiv F_R(x)G_R^{-1}(x) \pmod { x^{n-m+1}} QR​(x)≡FR​(x)GR−1​(x)(modxn−m+1)
到此可以用多项式求逆求出 G R − 1 ( x ) G_R^{-1}(x) GR−1​(x)，然后用多项式乘法计算 Q R ( x ) Q_R(x) QR​(x)
然后 R ( x ) = Q ( x ) G ( x ) − F ( x ) R(x) = Q(x)G(x) - F(x) R(x)=Q(x)G(x)−F(x)

const lt P=998244353, Grt=3, Ginv=332748118;
const int maxn=500010;
lt F[maxn],G[maxn],FR[maxn],GR[maxn];
lt GR_inv[maxn],t[maxn],Q[maxn],R[maxn];
int lim,L,rev[maxn];

lt qpow(lt a,lt k,lt mod)
{
	lt res=1;
	while(k){
		if(k&1) res=(res*a)%mod;
		a=a*a%mod; k>>=1;
	}
	return res;
}

void NTT(lt *a,int opt)
{
	for(int i=0;i<lim;++i)
	if(i<rev[i]) swap(a[i],a[rev[i]]);
	
	for(int i=1;i<lim;i<<=1)
	{
		lt gn=qpow(opt==1?Grt:Ginv, (P-1)/(i<<1), P);
		for(int j=0;j<lim;j+=(i<<1))
		{
			lt g=1;
			for(int k=0;k<i;++k)
			{
				lt nx=a[j+k],ny=g*a[i+j+k]%P;
				a[j+k]=(nx+ny)%P;
				a[i+j+k]=(nx-ny+P)%P;
				g=g*gn%P;
			}
		}
	}
	
	lt inv=qpow(lim,P-2,P);
	if(opt==-1)
	{
		for(int i=0;i<lim;++i)
		a[i]=a[i]*inv%P;
	}
}

void polyInv(lt *A,lt *B,int n)
{
	if(n==1)
	{
		B[0]=qpow(A[0],P-2,P);
		return;
	}
	
	polyInv(A,B,(n+1)>>1);
	
	lim=1; int L=0;
	while(lim<(n<<1)) lim<<=1,L++;
	for(int i=0;i<lim;++i)
	rev[i]=(rev[i>>1]>>1)|((i&1)<<(L-1));
	
	for(int i=0;i<n;++i) t[i]=A[i];
	for(int i=n;i<lim;++i) t[i]=0;
	
	NTT(t,1); NTT(B,1);
	
	for(int i=0;i<lim;++i)
	{
		B[i]=(((2ll-t[i]*B[i])%P+P)%P) * B[i];
		B[i]=(B[i]%P+P)%P;
	}
	
	NTT(B,-1);
	for(int i=n;i<lim;++i) B[i]=0;
}

void polyMul(lt* A,lt* B,int n,int m,lt* ans)
{
	lim=1; L=0;
	while(lim<=n+m) lim<<=1,L++;
	for(int i=0;i<lim;++i)
	rev[i]=(rev[i>>1]>>1)|((i&1)<<(L-1));
	
	NTT(A,1); NTT(B,1);
	for(int i=0;i<lim;++i) 
	{
		ans[i]=A[i]*B[i]%P;;
		A[i]=A[i]*B[i]%P;
	}
	
	NTT(A,-1);
	NTT(ans,-1);
}  

int main()
{
	int n=read(),m=read();
	for(int i=0;i<=n;++i) F[i]=FR[n-i]=read();
	for(int i=0;i<=m;++i) G[i]=GR[m-i]=read();
	
	for(int i=n-m+1;i<=m;++i) GR[i]=0; // mod x^{n-m+1}意义下
	
	polyInv(GR,GR_inv,n-m+1);
	polyMul(FR,GR_inv,n,n-m,t);
	
	for(int i=0;i<=n-m;++i)
	Q[i]=t[n-m-i];
	
	for(int i=0;i<=n-m;++i)
	printf("%lld ",Q[i]);
	
	polyMul(G,Q,m,n-m,t);
	
	for(int i=0;i<m;++i)
	R[i]=((F[i]-t[i])%P+P)%P;
	
	printf("\n");
	for(int i=0;i<m;++i)
	printf("%lld ",R[i]);
	
	return 0;
}
niiick
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
快速数论变换(NTT)
Starry__Night的博客
07-08 4301
题面很简单，就懒得贴了，那不是我要说的重点。 重点是NTT，也称快速数论变换。 在很多问题中，我们可能会遇到在模意义下的多项式乘法问题，这时传统的快速傅里叶变换可能就无法满足要求，这时候快速数论变换就派上了用场。 考虑快速傅里叶变换的实现，利用单位复根的特殊性质来减少运算，而利用的，就是dft变换的循环卷积特性。于是考虑在模意义下同样具有循环卷积特性的东西。 考虑在模p意义下(pp为特定的质
【学习笔记】超简单的快速数论变换（NTT）（FFT的优化）（含全套证明）
繁凡さん的博客
12-28 5135
整理的算法模板合集： ACM模板 目录一、前置知识二、快速数论变换（NTT）三、NTT证明（和FFT的关系）四、NTT模板 点我看多项式全家桶(●’◡’●)（全家桶还没写完，待更链接hhh ） 一、前置知识 快速傅里叶变换FTT（学完FFT再看NTT哈，） 原根（链接待更，下面有原根的基础说明，足够今天的NTT使用了） 二、快速数论变换（NTT） 三、NTT证明（和FFT的关系） 我们发现FFT里的大多操作，都跟单位根没有什么关系，（例如选点插值，奇偶分治），我们随便选择一个n个点v,v2
快速数论变换（NTT）
YY_Tina的博客
03-09 825
开头 NTT就是对FFT进行了改进，上一篇中讲了FFT，可以看到FFT所用的单位根 wnkw_n^kwnk​ 的实部和虚部都是通过正弦和余弦函数计算而来的，所以不可避免地会有很多浮点数运算 所以NTT就是在整数范围内寻找和单位根有相同性质的那些数，可以提升计算的精度 这种整数被找到了，就是原根 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 欧拉函...
[模板] NTT快速数论变换
HT008的Blog
04-15 420
题目分析： emmm，求两个多项式卷积 题目分析： FFT能做哇，然而精度和速度… NTT相对于FFT就是变换了原根。 本博客木有讲解，只有板子qwq 题目链接： UOJ #34 Luogu 3803 Ac 代码： #include &lt;iostream&gt; #include &lt;cstdio&gt; #include &lt;algorithm&g...
NTT.rar_NTT_NTT c++_NTT%20c%2B%2B_nttc++_快速数论变换
09-20
快速数论变换（Fast Number Theoretic Transform, NTT）是一种在数论背景下进行的高效算法，主要用于在有限域上进行大规模的线性运算，如乘法、卷积等。与快速傅里叶变换（FFT）类似，NTT在计算速度上具有显著优势，...
NTT（快速数论变换）学习
StaroForgin的博客
12-19 1315
NTT（快速数论变换） NTT是一个与FFT一样想看吐的算法，一个模板，调了一天。 关于FFT的部分我就不过多赘述了，可以参考这篇博客：~~~（还未完工）。 FFT虽然跑得快，但是因为是浮点数运算，终究还是有 精度、常数 等问题。 ------Tiw_Air_OAO 如上面那位巨佬所说，FFT的却存在许多问题，而且处理模数还比较麻烦于是就引入了 NTT，在——模的意义下（多项式的系...
比FFT还容易明白的NTT（快速数论变换）
热门推荐
路人黑的纸巾
08-17 3万+
NTTNTTNTT相关 一种快速数论变换算法，这种算法是以数论为基础，对样本点为的数论变换，按时间抽取的方法，得到一组等价的迭代方程，有效高速简化了方程中的计算公式·与直接计算相比，大大减少了运算次数。（见快速傅里叶变换）。 在计算机实现多项式乘法中，我们所熟知的快速傅里叶变换(FFT)是基于n次单位根 (omega) 的优秀性质实现的，而由于其计算时会使用正弦函数和余弦函数，在不...
算法学习FFT系列(2):快速数论变换NTT &&bzoj3992: [SDOI2015]序列统计例题详解
maxtir的博客
01-31 835
bzoj3992: [SDOI2015]序列统计 Description 小C有一个集合S，里面的元素都是小于M的非负整数。他用程序编写了一个数列生成器，可以生成一个长度为N的数列，数列中的每个数都属于集合S。 小C用这个生成器生成了许多这样的数列。但是小C有一个问题需要你的帮助：给定整数x，求所有可以生成出的，且满足数列中所有数的乘积mod M的值等于x的不同的数列的有多少个。小C认为...
NTT快速数论变换
ruizhangj的博客
08-23 323
NTT NTTNTTNTT和FTTFTTFTT十分相似，在FTTFTTFTT中使用了单位复根ω\omegaω来取函数值，在NTTNTTNTT中则使用原根ggg来取函数值。在NTTNTTNTT中，所有的数都是模意义下的。 ggg​的一些性质 g1,g2,⋯ ,gp−1g^1,g^2,\cdots,g^{p-1}g1,g2,⋯,gp−1在模ppp意义下互不相同 根据欧拉定理可知gp−1≡1g^{p-1} \equiv 1gp−1≡1 用ggg来替换ω\omegaω实现FFTFFTFFT到NTTNTTNTT的
NTT——快速数论变换
china_xyc的博客
12-08 245
其实就是FFT 我真的觉得应该先学NTT，感觉比FFT中各种怪力乱神的复数运算好理解多了。。。 原根 对于一个质数ppp，如果存在一个qqq使得qimodp(1≤i<p)q^i mod p (1 \le i< p)qimodp(1≤i<p)互不相同，那么称qqq为ppp的原根。 然后这个玩意就可以像复数单位根一样使了。 ...
[模板]快速数论变换(NTT)
十飏 de FATMOUSE.
08-09 514
快速数论变换NTT
NTT学习笔记（快速数论变换）
tanjunming2020的博客
04-29 3544
在$FFT$中，我们选择$n$次单位复根作为$x$的值，因为他们满足消去引理、折半引理、求和引理，所以可以用分治的方法将时间复杂度变为$O(n\log n)$。但因为用了复数，所以在精度上有误差。而在一些题目要求的是带模的多项式乘法，所以$FFT$就用不了了。那么，我们能不能让$x$取整数值，使得这个值也能满足消去引理、折半引理、求和引理呢？
【模板】快速数论变换ntt
Summer_via的博客
10-13 405
转自http://blog.csdn.net/zz_1215/article/details/40430041 快速数论变换模板： #include <iostream> #include <string.h> #include <stdio.h> using namespace std; typedef long long L...
快速数论变换概述（NTT）
lvmaooi的博客
07-30 596
在学习了FFT之后，我们开始学习NTT，感觉在数论题当中，NTT的应用更广，因为不用考虑精度问题，我们可以做数域更广的计算。 下面看一下FFT和NTT的区别： FFT使用单位根作为点值，而NTT使用原根作为点值。原根在数论情况下和单位根的作用是一样的。但是很遗憾的是NTT对于模数有要求。只有在2的次幂足够大的情况下，我才能使用NTT。 code： #include&amp;lt;iostrea...
matlab实现快速数论变换（NTT）
最新发布
08-21
快速数论变换（Fast Number Theoretic Transform，简称FFT），在MATLAB中通常用于处理离散傅立叶变换（Discrete Fourier Transform，DFT）的效率问题，尤其是在模意义下的DFT，即数论相关的应用。MATLAB提供了一套...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值