FFT temp

FFT

在多项式乘法中的应用。

• 如果用传统的系数表示法来表示多项式(比如:f(x) = x^2 + 2x + 1,g(x) = 2x + 1,求f(x) * g(x)), 那么最暴力的做法是两个for循环，遍历多项式的每一项并相乘，这样做的时间复杂度是O(n^2)。

• 前置知识1：多项式还有另一种表达方式：点值表示法。也就是长度为n的多项式需要n个不同点，就能确定唯一表示（举个例子：(1,2), (3,4) 两点确定一条直线）

  比如有个多项式f(x) = x^2 + 2x + 1，将x = 0, x = 1, x = 2分别代入，就可以得到三个点(0, 1), (1, 4), (2, 9)，通过这三个点就可以确定多项式各项的系数。
  如果知道了两个多项式的点值表示，那么在O(n)的时间内将他们分别相乘，就可以得到两个多项式相乘得到多项式的点值表示，最后由点值表示就可以确定多项式各项的系数。
  

• 前置知识2：数学上，n次单位根是n次幂为1的复数，它们位于复平面的单位圆上。
  
  每一个n次单位根可以通过欧拉公式算出来。(因为复数的相乘为模长相乘，幅角相加)

（前置知识有点多。。感觉放组会上讲不太合适。。有讲课而不是讨论的感觉

(看到某位大佬写的很好，就直接盗上来了https://www.cnblogs.com/flashhu/p/9323521.html

DFT把多项式由系数表达式转化为了点值表达式，然后就可以两个点值表达式相乘，在通过IDFT转化成系数表达式，就得到多项式相乘后每个项的系数。

#include <bits/stdc++.h>
using namespace std;
const int N = 4.2e6;
const double PI = acos(-1);
complex<double> f[N],g[N];
void FFT(complex<double> *a, int n, int op){//同上
    if(!n) return;
    complex<double> a0[n], a1[n];
    for(int i = 0; i < n; ++i)
        a0[i] = a[i<<1], a1[i] = a[i<<1|1];
    FFT(a0, n>>1, op); FFT(a1, n>>1, op);
    complex<double>W(cos(PI/n), sin(PI/n) * op), w(1, 0);
    for(int i = 0; i < n; ++i, w *= W)
        a[i] = a0[i] + w * a1[i], a[i+n] = a0[i] - w * a1[i];
}
int main(){
    ios::sync_with_stdio(false); cin.tie(0);

    int n,m;
    scanf("%d%d",&n,&m);
    for(int i = 0; i <= n; ++i) cin >> f[i];
    for(int i = 0; i <= m; ++i) cin >> g[i];
    for(m + =n,n = 1; n <= m; n <<= 1);//把长度补到2的幂，不必担心高次项的系数
    FFT(f, n>>1, 1);FFT(g, n>>1, 1);//DFT
    for(i = 0; i < n; ++i) f[i] *= g[i];//点值直接乘
    FFT(f, n>>1, -1);//IDFT
    for(i = 0; i <= m; ++i) printf("%.0f ",fabs(f[i].real()) / n);
    puts("");
    return 0;
}