多项式:
多项式？不会
多项式加法：
同类项系数相加；
多项式乘法：
A*B=C
$A=a_0x^0+a_1x^1+a_2x^2+...+a_ix^i+...+a_{n-1}x^{n-1}$
$B=b_0x^0+b_1x^1+b_2x^2+...b_ix^i+...+b_{m-1}x^{m-1}$
则
$C=c_0x^0+c_1x^1+c_2x^2+...c_ix^i+...+c_{m+n-2}x^{m+n-2}$
其中
$$c_k=\sum_{i+j=k}^{i<n,j<m}a[i]b[j]$$
我们又称其为多项式的卷积运算。
使用定义法，直接进行卷积运算的期望效率为$O(n^2)$
离散傅里叶变换（DFT）：
一个n次多项式（这里定义为最高项指数为n-1）可以被其图像上n个不重复的点表示（当然大于n个点也可）
于是这N个有序数对被称为一个多项式的点值表达式
多项式上任意N个不重复的有序数对皆可
随便找N个X坐标，依次求其Y坐标，使用（数学必修2称秦九韶算法|算导称霍纳法则）可得到单次$O(n)$整体$O(n^2)$的效率
这一过程被称作DFT；
插值（IDFT）：
一种通过多项式的点值表达式求其系数的方法；
常用的是拉格朗日插值法；
设多项式A的点值表达式为点集
{$(x_0,y_0),(x_1,y_1),...,(x_{n-1},y_{n-1})$}
则：
$$A(x)=\sum_{k=0}^{x-1}y_k{{\Pi_{j!=k}(x-x_j)}\over{\Pi_{j!=k}(x_k-x_j)}}$$
拉格朗日插值法的构造无疑是正确的，然而观察上式即可发现其效率也是$O(n^2)$的；
（不用仔细研究上面的式子，今天她不重要）
差值是DFT的逆变换
FFT与NTT：
FFT与NTT是在$O(nlog_2n)$的时间内解决多项式卷积的算法；
（NTT可以用于模意义下的多项式卷积——模某些大费马数）
直接运用定义在已知系数的前提下进行卷积，其效率是$O(n^2)$的
然而在点值表达式下，求得卷积多项式的点值表达式的效率是$O(n)$的
那么如何在$O(nlog_2n)$的时间那进行求值和差值呢
FFT（快速傅里叶变换Fast Fourier Transform）
下面介绍FFT是如何求值的；
由于多项式的点值表达不限制找到的是哪些点
于是FFT是通过找到一组相互之间有联系的X坐标来优化求值过程的；
复数：
fft找的X坐标是一堆复数，所以先讲复数；
定义-1的二次方根为i;
i无法通过任何线性变换（扩大缩小实数倍）变为实数；
然而$i^2$=-1;
于是形如a+b*i的数称为复数；
复平面
由于i的实数倍不可能是实数；
那么如何把复数a+b*i与图形结合呢？（用图形表示复数）
虚拟一种数学工具
建立平面直角坐标系，显然该坐标系两轴中的一个可与实数(a)一一对应
那么另一个与b*i对应即可
是为复平面：
当然，比较横向和纵向的距离大小毫无意义
复平面上点与复数一一对应；
如1+i与点(1,i)对应
复数的运算
从代数上看，复数的加法相当于合并同类项，复数的乘法则是逐项相乘，注意i*i=-1
从图形上看，复数的加法相当于向量首尾相连，复数的乘法则是两项量模长相乘，与x轴的夹角相加
(计算一个(cos(u)+sin(u)i)*(cos(v)+sin(v)i)看看复数运算的代数意义与几何意义的关系，注意i*i=-1)
复单位圆
考虑枚举弧度X，则所有cos(x)+sin(x)*i的点构成复单位圆
如果强行认为i的长度等于1的长度，则复单位圆的确仿佛是一个圆
于是有了一个欧拉公式
$$e^{u*i}=cos(u)+sin(u)i$$
函数:$f(u)=e^{u*i}$的图像可以看作是三维的，一个轴是枚举u，剩下的是复平面，她在复平面上的投影即是复单位圆。
挂个链接，感受一下。
证明：
上帝公式怎么需要证明呢（不会，孩子，自己去导吧）
单位复根
设$w_n^k=cos({2k\pi\over n})+sin({2k\pi\over n})i$
其中n，k，一般取为正整数
我们称之为n次单位复根
- $w_n^1$简记为$w_n$
- $w_n^k$在n一定，k不定时只有n中取值，$w_n^k=w_n^{n+k}$
- 用数形结合的观点看
如下图：
几个引理：
- 消去引理：$w_{xn}^{xk}=w_n^k$ ——带单位复根的定义式即可得证
- 折半引理：$w_n^k=-w_n^{k+{n \over 2}}$ ——$w_n^{n \over 2}=-1$，然后带欧拉公式得证，也可根据图像得出；
实现DFT与IDFT
DFT
当我们求n次多项式乘m次多项式的结果时，要得到一个n+m-1次多项式；
于是需要求原来两个多项式中的n+m-1个点，再使之对应相乘；
事实上，如果在一个n次多项式上写出大于n次的项，但使其系数为0的话，一来她与原式等价，二来她的次数可以变成任意大于n次的值
我们期望在O(nlog2n)时间内求所有点值
可以猜测我们使用分治算法；
于是我们干脆把输入多项式与结果多项式都扩展为一个2s次多项式，使其次数大于n+m-1且最小（最小只是为了常数小）
那么我们求哪些x对应的y值呢
我们求所有x∈A:{$x=w_n^k$|k∈Z，0≤k<n，n=$2^s$}对应的y值；
可以看出A中正好有$2^s$个元素，当然她们是互不相同的
为什么用这些东西呢？
我们求解多项式：
$$A=a_0x^0+a_1x^1+a_2x^2+...+a_ix^i+...+a_{n-1}x^{n-1}$$
在$x=x_s$时的取值，即：
$$A(x_s)=a_0x_s^0+a_1x_s^1+a_2x_s^2+...+a_ix_s^i+...+a_{n-1}x_s^{n-1}$$
设：
$$A_0=a_0x^0+a_2x^1+a_4x^2+...+a_{2i}x^i+...+a_{n-2}x^{{n \over 2}-1}$$
$$A_1=a_1x^0+a_3x^1+a_5x^2+...+a_{2i+1}x^i+...+a_{n-1}x^{{n \over 2}-1}$$
则：
$$A(x_s)=A_0(x_s^2)+x_sA_1(x_s^2)$$
若把$x_s$分别带为$w_n^s$
则由于折半引理
$$A(w_n^{s+{n \over 2}})=A_0((w_n^s)^2)-w_n^sA_1((w_n^s)^2)$$
于是$A_0$,$A_1$分别只有n/2项，要求解的w也只有n/2个；
运用消去引理
$$(w_n^s)^2=w_{n \over 2}^s$$
$$A(w_n^s)=A_0((w_n^s)^2)+x_sA_1((w_n^s)^2)=A_0(w_{n \over 2}^s)+w_n^sA_1(w_{n \over 2}^s)$$
于是对于$A_0$与$A_1$的求解情况变得与A类似了（只是由n变为n/2——问题规模减半）
再递归下去即可；
递归版代码：
//not found;
有非递归版谁写递归版啊！
找一个项数为8的多项式，逐层模拟其递归分治过程，观察其多项式的系数；
发现其最后一层的序列中排第i的多项式的唯一的系数的下标是i的二进制串，不到8的01串这么长就补0，然后翻过来得到的数；
有了这个规律直接求出最后一层的结果，然后逐层上推即可；
（显然最后一层的系数是常数项的）
代码：
//f[]开始时盛放系数，最后盛放函数值 //t输入1时，为DFT，输入-1时，为IDFT，之后再讲 void FFT(Complex_num f[],int t){ int i,j,k,lim; Complex_num f0,f1; ra(f); //交换系数，使之变成最后一层的情况 for(k=2;k<=len;k<<=1){//每个k对应一层，k是该层单个多项式的系数个数，从倒数第二层开始 lim=(k>>1); w[0].generate(1,0); w[1].generate(cos(2*Pi*t/k),sin(2*Pi*t/k)); for(i=2;i<lim;i++) w[i]=w[i-1]*w[1]; for(i=0;i<len;i+=k){//枚举每层的每个多项式 for(j=i;j<i+lim;j++){//计算 f0=f[j];f1=w[j-i]*f[j+lim]; f[j]=f0+f1;f[j+lim]=f0-f1; } } } if(t<0) for(i=0;i<len;i++) f[i].R/=len; }
IDFT
把多项式的n个系数看做n维向量，函数值看做n维向量
构造DFT矩阵V：
（来自Yveh学长的课件）
构造其逆矩阵D,即是IDFT的矩阵：
（来自Yveh学长的课件）
讲这么多其实就是之前FFT的代码，t=1时求对应系数下的DFT，t=-1时求对应函数值下的IDFT
NTT（快速数论变换Fast Number-Theoretic Transform）
NTT解决的是模意义下的多项式卷积——只是模了常数，不是模了x的多少次方；（系数取模，不是多项式模）
下面介绍NTT是如何求值的；
由于多项式的点值表达不限制找到的是哪些点
于是NTT是通过找到一组相互之间有联系的X坐标来优化过程的；
生成子群与原根
与模数互质的数集的原根的某些次方具有和单位复根相似的性质，于是NTT取原根的某些次方为x；
定义有限群（A，·）的原根g，为<g>=A的g(g是单个元素)，<g>是g的生成子群
既然这样：A={x|x=$g^k$,k∈$Z_+$}
可以看出，1≤k≤|A|时$g^k$各不相同（否则提前出现了循环，就会使A集合中元素个数不到|A|个）
既然，$g^k$在1≤k≤|A|中必有一个单位元，那么只能是$g^{|A|}$了；
给定一个正整数P，与其互质的小于她的数的集合，在乘法下构成一个群；
这里只讨论P为质数；
她是一个有限群，（只有P-1个元素）；
于是她是有限群的一个例子；
她的原根也是有限群原根的一个例子；
正题
于是在模P意义下，
取原根的所有次方可以有P-1个不同取值，
在多项式求值时取她们的话，
应该比我们需要的点数多不少
然而我们只需要原根的某些次方，还希望她们满足与单位复根类似的性质
——这样只要把FFT模板中的单位复根换成原根的某些次方，且把复数运算换成模运算就好了
这里讨论在$P=C2^k+1$且$2^k$大于我们需要的点数时的解法
（一种常见的情况,P这时被称作费马数）
设需要点数为n（这里的n已经被扩展为2的某次方）;
设$g_n^0=g_n^n=g^{P-1}=g^{C2^k}=1$
这样的话$g_n^1=g^{C2^k \over n}$
$g_n^s=g^{Cs2^k \over n}$
在s取0到n-1时互不相同；
且满足消去，折半引理；（这里的减号是模意义下的减号）
非递归代码如下：
void NTT(LL f[],int t){ int i,j,k,lim; LL f0,f1,inv; ra(f); for(k=2;k<=len;k<<=1){ lim=k>>1; g[0]=1; g[1]=rc[k]; for(i=2;i<lim;i++) g[i]=g[i-1]*g[1]%mod; for(i=0;i<len;i+=k) for(j=i;j<i+lim;j++){ f0=f[j];f1=g[j-i]*f[j+lim]%mod; f[j]=(f0+f1)%mod;f[j+lim]=(f0-f1+mod)%mod; } } if(t<0){ for(i=1;i<len>>1;i++) swap(f[i],f[len-i]); inv=Sqr(len,mod-2); for(i=0;i<len;i++) (f[i]*=inv)%=mod; } }
t=1时求对应系数下的DFT，t=-1时求对应函数值下的IDFT
NTT中DFT与IDFT的关系与FFT中类似，只是除len改为乘其逆元，然而上面这个是优化过的代码，看起来IDFT与FFT的IDFT部分不太一样。
不再赘述；
给一个总模板：
uoj #34（NTT也可解决整数系数却没模数的问题，自己取个大费马数做模数即可）
#include<cmath> #include<cstdio> #include<cstdlib> #include<algorithm> #define LL long long using namespace std; const LL mod=104857601; const LL C=25; const LL K=22; const LL G=3; LL N,M,len; LL a[3000010],b[3000010],g[3000010],rc[3000010]; int rat[3000010]; inline void in(LL &ans) { ans=0;bool p=false;char ch=getchar(); while((ch>'9' || ch<'0')&&ch!='-') ch=getchar(); if(ch=='-') p=true,ch=getchar(); while(ch<='9'&&ch>='0') ans=ans*10+ch-'0',ch=getchar(); if(p) ans=-ans; } void Init(); int get_len(int ,int ); void pol_mul(); void NTT(LL f[],int t); void ra(LL f[]); LL Sqr(LL ,int ); int main() { int i; Init(); pol_mul(); for(i=0;i<N+M-1;i++) printf("%lld ",a[i]); return 0; } void Init(){ int i; in(N),in(M); N++,M++; for(i=0;i<N;i++) in(a[i]); for(i=0;i<M;i++) in(b[i]); len=get_len(N,M); rat[0]=0; for(i=1;i<len;i++) rat[i]=rat[i>>1]>>1|((i&1)*(len>>1)); rc[i=len]=Sqr(G,(mod-1)/len); while(i){ rc[i>>1]=rc[i]*rc[i]%mod; i>>=1; } } int get_len(int n,int m){ int k=max(n,m),ret=1; while(ret<(k<<1)) ret<<=1; return ret; } void pol_mul(){ int i; NTT(a,1);NTT(b,1); for(i=0;i<len;i++) (a[i]*=b[i])%=mod; NTT(a,-1); } void NTT(LL f[],int t){ int i,j,k,lim; LL f0,f1,inv; ra(f); for(k=2;k<=len;k<<=1){ lim=k>>1; g[0]=1; g[1]=rc[k]; for(i=2;i<lim;i++) g[i]=g[i-1]*g[1]%mod; for(i=0;i<len;i+=k) for(j=i;j<i+lim;j++){ f0=f[j];f1=g[j-i]*f[j+lim]%mod; f[j]=(f0+f1)%mod;f[j+lim]=(f0-f1+mod)%mod; } } if(t<0){ for(i=1;i<len>>1;i++) swap(f[i],f[len-i]); inv=Sqr(len,mod-2); for(i=0;i<len;i++) (f[i]*=inv)%=mod; } } void ra(LL f[]){ int i; for(i=0;i<len;i++) if(rat[i]>i) swap(f[i],f[rat[i]]); } LL Sqr(LL x,int n){ LL ret=1; while(n){ if(n&1)(ret*=x)%=mod; n>>=1;(x*=x)%=mod; } return ret; }
#include<cmath> #include<cstdio> #include <cstring> using namespace std; const double Pi=acos(-1.0); struct Complex_num{ double R,I; void generate(double r,double i){ R=r;I=i; } }; Complex_num a[3050000],b[3050000],w[3050000]; int len; int rat[3050000]; Complex_num operator + (const Complex_num a,const Complex_num b){ Complex_num ret; ret.generate(a.R+b.R,a.I+b.I); return ret; } Complex_num operator - (const Complex_num a,const Complex_num b){ Complex_num ret; ret.generate(a.R-b.R,a.I-b.I); return ret; } Complex_num operator * (const Complex_num a,const Complex_num b){ Complex_num ret; ret.generate(a.R*b.R-a.I*b.I,a.R*b.I+a.I*b.R); return ret; } int get_len(int ,int ); void ra(Complex_num f[]); void FFT(Complex_num f[],int t); void swap(Complex_num&a,Complex_num&b){ Complex_num c; c=a;a=b;b=c; } inline void in(int &ans) { ans=0;bool p=false;char ch=getchar(); while((ch>'9' || ch<'0')&&ch!='-') ch=getchar(); if(ch=='-') p=true,ch=getchar(); while(ch<='9'&&ch>='0') ans=ans*10+ch-'0',ch=getchar(); if(p) ans=-ans; } int main() { int n,m,i; int xs; in(n),in(m); n++;m++; len=get_len(n,m); for(i=0;i<n;i++) in(xs),a[i].generate(xs,0); for(i=0;i<m;i++) in(xs),b[i].generate(xs,0); for(i=n;i<=len;i++) a[i].generate(0,0); for(i=m;i<=len;i++) b[i].generate(0,0); memset(rat,0,sizeof(rat)); for(i=0;i<len;i++) rat[i]=rat[i>>1]>>1|((i&1)*(len>>1)); FFT(a,1);FFT(b,1); for(i=0;i<len;i++) a[i]=a[i]*b[i]; FFT(a,-1); for(i=0;i<n+m-1;i++) printf("%d ",int(a[i].R+0.5)); return 0; } int get_len(int n,int m){ int ret=1,k=n>m?n:m; while(ret<(k<<1)) ret<<=1; return ret; } void ra(Complex_num f[]){ int i; for(i=0;i<len;i++) if(rat[i]>i) swap(f[i],f[rat[i]]); } void FFT(Complex_num f[],int t){ int i,j,k,lim; Complex_num f0,f1; ra(f); for(k=2;k<=len;k<<=1){ lim=(k>>1); w[0].generate(1,0); w[1].generate(cos(2*Pi*t/k),sin(2*Pi*t/k)); for(i=2;i<lim;i++) w[i]=w[i-1]*w[1]; for(i=0;i<len;i+=k){ for(j=i;j<i+lim;j++){ f0=f[j];f1=w[j-i]*f[j+lim]; f[j]=f0+f1;f[j+lim]=f0-f1; } } } if(t<0) for(i=0;i<len;i++) f[i].R/=len; }
最后帮同学刷访问量：
其实都写得挺好的
然而，这个东西真的只是背模板即可啊
409
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
