【学习笔记】快速傅里叶变换(FFT)
【学习笔记】快速傅里叶变换
学习之前先看懂这个
浅谈范德蒙德(Vandermonde)方阵的逆矩阵的求法以及快速傅里叶变换(FFT)中IDFT的原理——gzy
hhh开个玩笑。
讲一下\(FFT\) 的流程,我也不准备长篇大论地分析\(FFT...\)
- 将系数表示法转换为点值表示法 \(O(n \log n)\)
- 对于点值表示法直接进行操作 \(O(n)\)
- 将点值表示法转换为系数表示法 \(O(n \log n)\)
这样的流程,最终复杂度是\(O(n \log n)\) 的,现在我们从最简单的点值表示法讲起。
对于点值表示法直接进行操作 :
- 一个\(n\)次多项式可以被\(n+1\)个点唯一确定。
证明:显然。设\(f(x)=\Sigma_i^{n+1} a_ix^{i-1}\),直接通过待定系数法解即可。
- 将两个多项式相加,(从函数的角度上理解),就是\(x\)不变,\(y\)相加,减法同理
- 将两个多项式相乘,(从函数的角度上理解),就是\(x\)不变,\(y\)相乘。除法求逆
那么假如我们已经有了多项式的点值表示法了,怎么办乘起来呢?
for(register int t=0;t< len;++t) A[t]*=B[t];
就是这样简单。
将系数表示法转换为点值表示法 \((DFT)\)
朴素的想法是带入\(O(n^2)\)求值,还是用了秦六韶的情况下...
为什么我们不能考虑优化,是因为不同的\(x\)的值是不一样的(不然呢)
但是考虑一种特殊情况:
\]
是不是就一样了这为我们优化复杂度创造了条件,引入复数的概念。利用复数中的"单位负根"的性质我们可以直接分治求值。
详细证明我最后放连接。
将点值表示法转换为系数表示法\((IDFT)\)
还记得开头提到的范德蒙德(Vandermonde)方阵吗...
如果不知道请转到《工程数学——线性代数(第六版)》高等教育出版社第\(18\)面,或者浅谈范德蒙德(Vandermonde)方阵的逆矩阵的求法以及快速傅里叶变换(FFT)中IDFT的原理——gzy。
{1}&{1}&{\cdots}&{1}\\
{x_{0}}&{x_{1}}&{\cdots}&{x_{n-1}}\\
{x_{0}^2}&{x_{1}^2}&{\cdots}&{x_{n-1}^2}\\
{\vdots}&{\vdots}&{}&{\vdots}\\
{x_{0}^{n-1}}&{x_{1}^{n-1}}&{\cdots}&{x_{n-1}^{n-1}}\\
\end{pmatrix}
\]
考虑拿个系数右乘这个矩阵
{a_0}\\
{a_1}\\
{a_2}\\
{\vdots}\\
{a_{n-1}}\\
\end{pmatrix}
}^T\begin{pmatrix}
{1}&{1}&{\cdots}&{1}\\
{x_{0}}&{x_{1}}&{\cdots}&{x_{n-1}}\\
{x_{0}^2}&{x_{1}^2}&{\cdots}&{x_{n-1}^2}\\
{\vdots}&{\vdots}&{}&{\vdots}\\
{x_{0}^{n-1}}&{x_{1}^{n-1}}&{\cdots}&{x_{n-1}^{n-1}}\\
\end{pmatrix}={
\begin{pmatrix}
{y_0}\\
{y_1}\\
{y_2}\\
{\vdots}\\
{y_{n-1}}
\end{pmatrix}}^T
\]
实际上就是把\(x_0->x_{n-1}\)这么多变量带入式子。
范德蒙德这个矩阵是可逆的,于是我们有
{a_0}\\
{a_1}\\
{a_2}\\
{\vdots}\\
{a_{n-1}}\\
\end{pmatrix}}^T
={\begin{pmatrix}
{y_0}\\
{y_1}\\
{y_2}\\
{\vdots}\\
{y_{n-1}}
\end{pmatrix}}^T
\begin{pmatrix}
{1}&{1}&{\cdots}&{1}\\
{x_{0}}&{x_{1}}&{\cdots}&{x_{n-1}}\\
{x_{0}^2}&{x_{1}^2}&{\cdots}&{x_{n-1}^2}\\
{\vdots}&{\vdots}&{}&{\vdots}\\
{x_{0}^{n-1}}&{x_{1}^{n-1}}&{\cdots}&{x_{n-1}^{n-1}}\\
\end{pmatrix}^{-1}
\]
假如我们可以快速求出范德蒙德矩阵的逆矩阵,然后顺便对于这个特殊的矩阵乘法快速求值,这样我们就可以得到原来的系数是吧。
同样利用上面\(IDT\)的方法,可以做到\(n\log n\),甚至只要在某个地方把\(1->-1\),数学是不是很神奇?所以最后的代码很短,大概是这样的:
FFT(A,1);
FFT(B,1);
for(register int t=0;t<=len;++t) A[t]*=B[t];
FFT(A,-1);
是不是很神奇?
我在这里讲得很省略,主要是为了给自己梳理思路(方便记忆),\(FFT\)有许多有趣的数学推理,大家可以自己去查阅资料,限于篇幅和笔者水平这里就略去了咕咕咕。
注意!如果你就看了我的解析你绝对看不懂下面的代码,除非你是神仙(那你还是看吧,这位神仙)
#include<bits/stdc++.h>
using namespace std; typedef long long ll;
template < class ccf > inline ccf qr(ccf ret){ ret=0;
register char c=getchar();
while(c<48||c>57) c=getchar();
while(c>=48&&c<=57) ret=ret*10+c-48,c=getchar();
return ret;
}
inline int qr(){return qr(1);}
const int maxn=1<<21|1;
const double pi=acos(-1.0);
const double eps=1e-5;
int n,m,len(1);
typedef complex<double> is;
is A[maxn];
is B[maxn];
int r[maxn];
inline void FFT(is*a,double ty){
is w,temp,wn,*a1,*a0;
for(register int t=0;t< len;++t)
if(t<r[t]) swap(a[t],a[r[t]]);
for(register int t=1;t<len;t<<=1){
wn=is(cos(pi/t),sin(pi/t)*ty);
for(register int j=0;j<len;j+=t<<1){
a1=t+(a0=a+j); w=is(1,0);
for(register int k=0;k<t;++k,++a0,++a1,w*=wn)
temp=*a1*w, *a1=*a0-temp, *a0=*a0+temp;
}
}
}
int main(){
#ifndef ONLINE_JUDGE
freopen("in.in","r",stdin);
freopen("out.out","w",stdout);
#endif
n=qr();m=qr();
int cnt=0;
while(len<=n+m)len<<=1,++cnt;
for(register int t=0;t<=n;++t) A[t]=qr();
for(register int t=0;t<=m;++t) B[t]=qr();
for(register int t=0;t< len;++t) r[t]=(r[t>>1]>>1)|((t&1)<<(cnt-1));
FFT(A,1); FFT(B,1);
for(register int t=0;t< len;++t) A[t]*=B[t];
FFT(A,-1);
for(register int t=0;t<=m+n;++t) printf("%.0lf%c",fabs((A[t].real())/len+eps),t==m+n?'\n':' ');
return 0;
}
参考资料
假如你不想看那些具体而不够抽象也不够严谨的讲解并且想一次完全明白FFT(数学基础要好)
浅谈范德蒙德(Vandermonde)方阵的逆矩阵的求法以及快速傅里叶变换(FFT)中IDFT的原理——gzy
【学习笔记】快速傅里叶变换(FFT)的更多相关文章
- 学习笔记 - 快速傅里叶变换 / 大数A * B的另一种解法
转: 学习笔记 - 快速傅里叶变换 / 大数A * B的另一种解法 文章目录 前言 ~~Fast Fast TLE~~ 一.FFT是什么? 二.FFT可以干什么? 1.多项式乘法 2.大数乘法 三.F ...
- [学习笔记] 多项式与快速傅里叶变换(FFT)基础
引入 可能有不少OIer都知道FFT这个神奇的算法, 通过一系列玄学的变化就可以在 $O(nlog(n))$ 的总时间复杂度内计算出两个向量的卷积, 而代码量却非常小. 博主一年半前曾经因COGS的一 ...
- 快速傅里叶变换(FFT)学习笔记
定义 多项式 系数表示法 设\(A(x)\)表示一个\(n-1\)次多项式,则所有项的系数组成的\(n\)维向量\((a_0,a_1,a_2,\dots,a_{n-1})\)唯一确定了这个多项式. 即 ...
- 再探快速傅里叶变换(FFT)学习笔记(其三)(循环卷积的Bluestein算法+分治FFT+FFT的优化+任意模数NTT)
再探快速傅里叶变换(FFT)学习笔记(其三)(循环卷积的Bluestein算法+分治FFT+FFT的优化+任意模数NTT) 目录 再探快速傅里叶变换(FFT)学习笔记(其三)(循环卷积的Blueste ...
- 快速傅里叶变换(FFT)学习笔记(其一)
再探快速傅里叶变换(FFT)学习笔记(其一) 目录 再探快速傅里叶变换(FFT)学习笔记(其一) 写在前面 为什么写这篇博客 一些约定 前置知识 多项式卷积 多项式的系数表达式和点值表达式 单位根及其 ...
- 快速傅里叶变换(FFT)学习笔记(其二)(NTT)
再探快速傅里叶变换(FFT)学习笔记(其二)(NTT) 目录 再探快速傅里叶变换(FFT)学习笔记(其二)(NTT) 写在前面 一些约定 前置知识 同余类和剩余系 欧拉定理 阶 原根 求原根 NTT ...
- 多项式 之 快速傅里叶变换(FFT)/数论变换(NTT)/常用套路【入门】
原文链接https://www.cnblogs.com/zhouzhendong/p/Fast-Fourier-Transform.html 多项式 之 快速傅里叶变换(FFT)/数论变换(NTT)/ ...
- 快速傅里叶变换(FFT)
扯 去北京学习的时候才系统的学习了一下卷积,当时整理了这个笔记的大部分.后来就一直放着忘了写完.直到今天都腊月二十八了,才想起来还有个FFT的笔记没整完呢.整理完这个我就假装今年的任务全都over了吧 ...
- 图像傅里叶变换(快速傅里叶变换FFT)
学习DIP第7天,图像傅里叶变换 转载请标明出处:http://blog.csdn.net/tonyshengtan,欢迎大家转载,发现博客被某些论坛转载后,图像无法正常显示,无法正常表达本人观点,对 ...
随机推荐
- java 之webmagic 网络爬虫
webmagic简介: WebMagic是一个简单灵活的Java爬虫框架.你可以快速开发出一个高效.易维护的爬虫. http://webmagic.io/ 准备工作: Maven依赖(我这里用的Mav ...
- Akka之Actor生命周期
我们首先来看一下官方给出的Actor的声明周期的图: 在上图中,Actor系统中的路径代表一个地方,其可能会被活着的Actor占据.最初路径都是空的.在调用actorOf()时,将会为指定的路径分配根 ...
- Linux基础学习5
程序管理与SELinux初探 process&program 程序 (program):通常为 binary program ,放置在储存媒体中 (如硬盘.光盘.软盘.磁带等), 为实体档案 ...
- Android Retrofit RxJava实现缓存
RxJava如何与Retrofit结合参考:http://blog.csdn.net/jdsjlzx/article/details/52015347 缓存配置 app网络数据的离线缓存实现有很多种办 ...
- weblogic的集群与配置图文
一.Weblogic的集群 还记得我们在第五天教程中讲到的关于Tomcat的集群吗? 两个tomcat做node即tomcat1, tomcat2,使用Apache HttpServer做请求派发 ...
- hdu3591The trouble of Xiaoqian 多重背包+全然背包
//给出Xiaoqian的钱币的价值和其身上有的每种钱的个数 //商家的每种钱的个数是无穷,xiaoqian一次最多付20000 //问如何付钱交易中钱币的个数最少 //Xiaoqian是多重背包 / ...
- 转: IO设计模式:Reactor和Proactor对比
转: https://segmentfault.com/a/1190000002715832 平时接触的开源产品如Redis.ACE,事件模型都使用的Reactor模式:而同样做事件处理的Proact ...
- Log4cplus入门
Log4cplus使用指南 1. Log4cplus简单介绍 log4cplus是C++编写的开源的日志系统,前身是java编写的log4j系统.受Apache Software License保护 ...
- sql server 数据库系统整理——数据表的创建和管理
注意: 1. 固定长度字符类型比非固定长度字符类型占用空间要大,可是因为进行字段值设置的时候固定长度字符类型无需进行长度处理就能够进行,因此它的处理速度更快. 所以 对于长度相对固 ...
- docker创建私有仓库及存储image
Docker官方的Docker hub尽管提供了有非常多image,也基本上包括了我们须要使用的,可是其訪问起来比較慢.假设自己要定制image.多台server之间的共享使用此image非常不方便. ...