快速傅里叶变换(FFT)(学习笔记)
学习了一波FFTFFTFFT,只是浅浅的入门。还有很多前置知识,有一些还不是太了解,完了深入学习之后再补博客qwqqwqqwq
以下内容大部分参考秦岳学长的课件
多项式
形如A(x)=∑k=0n−1ak×xkA(x)=\sum_{k=0}^{n-1}a_k\times x^kA(x)=∑k=0n−1ak×xk,其中aka_kak为多项式系数
C(x)=A(x)+B(x)C(x)=A(x)+B(x)C(x)=A(x)+B(x) : ck=ak+bkc_k=a_k+b_kck=ak+bk
C(x)/A(x)=B(x)C(x)/A(x)=B(x)C(x)/A(x)=B(x) : cn=∑ak×bn−kc_n=\sum a_k\times b_{n-k}cn=∑ak×bn−k
多项式的表示法:
系数表达式:上面说的
点值表达式:给出N+1N+1N+1个不同的xxx代入A(x)A(x)A(x)的点值,这样的N+1N+1N+1个元素构成的集合{(x0,y0),(x1,y1),…,(xn,yn)}\{(x0,y0),(x1,y1),…,(xn,yn)\}{(x0,y0),(x1,y1),…,(xn,yn)},其中yiy_iyi=A(xi)A(x_i)A(xi),称为点值表示法。
唯一性定理:证明可用范德蒙矩阵行列式
系数与点值:
系数表示法的nnn次多项式A(x),B(x)A(x),B(x)A(x),B(x)可以O(n)O(n)O(n)快速求得A(x)+B(x)A(x)+B(x)A(x)+B(x),但是卷积通常需要O(n2)O(n^2)O(n2)计算
点值表示法的nnn次多项式卷积也可以O(n)O(n)O(n)计算,只需将值域yyy对应相乘即可{(xi,yi)}×{(xi,zi)}={(xi,yi∗zi)}\{(xi,yi)\}×\{(xi,zi)\}=\{(xi,yi*zi)\}{(xi,yi)}×{(xi,zi)}={(xi,yi∗zi)} (由于nnn项确定次数界为nnn的多项式,故计算卷积是至少保留2n2n2n项)
实际上点值表示法的卷积计算的是圆周卷积
点值与系数的转化:
1.1.1.系数表示法→→→点值表示法
朴素计算O(n3)O(n^3)O(n3)
秦九韶算法/霍纳法则O(n2)O(n^2)O(n2)
2.2.2.点值表示法→→→系数表示法
高斯消元O(n3)O(n^3)O(n3)
拉格朗日插值法O(n2)O(n^2)O(n2):A(x)=∑0<=k<=nyk∗Π(j≠k)(x−xj)/(xk−xj)A(x)=∑_{0<=k<=n}y_k*Π(j≠k)(x-x_j)/(x_k-x_j)A(x)=∑0<=k<=nyk∗Π(j̸=k)(x−xj)/(xk−xj)
(原理:构造求和式当x=xkx=x_kx=xk时只有一项为yky_kyk,其余全为000)
(霍纳法则不会qwqqwqqwq,等以后补
而FFTFFTFFT可以在O(nlogn)O(nlogn)O(nlogn)时间内求出多项式卷积
复数
单位复数i=sqrt(−1)i=sqrt(-1)i=sqrt(−1),复数表示为(a+b×i)(a+b\times i)(a+b×i)的形式,运算和实数类似。
其实复数就相当于向量,复数的计算可以用向量计算来解决
struct complex{double x,y;complex(double xx=0,double yy=0) {x=xx,y=yy;}
}a[maxn],b[maxn];
complex operator +(complex a,complex b) {return complex(a.x+b.x,a.y+b.y);}
complex operator -(complex a,complex b) {return complex(a.x-b.x,a.y-b.y);}
complex operator *(complex a,complex b) {return complex(a.x*b.x-a.y*b.y,a.x*b.y+a.y*b.x);}
证明用向量推一推
欧拉公式:eix=cos(x)+isin(x)e^{ix}=cos(x)+isin(x)eix=cos(x)+isin(x) (泰勒级数)
NNN次单位根:11/n1^{1/n}11/n,在复数域中有nnn个解:e2πik/ne^{2πik/n}e2πik/n
主NNN次单位根:ωn=e2πi/nω_n=e^{2πi/n}ωn=e2πi/n
由于NNN次单位根的循环性质,若将其作为点值的xix_ixi将会简化计算至O(nlogn)O(nlogn)O(nlogn)
欧拉公式的证明可以把公式化一化很容易推
主NNN次单位根可以几何意义来理解,就是复平面上转nnn次可以回到xxx轴
complex Wn(cos(2.0*Pi/lim),1.0*type*sin(2.0*Pi/lim));
快速傅里叶变换
(公式不好打直接贴图)
有点值表达式变回系数表达式是快速傅里叶逆变换,又叫IFFTIFFTIFFT
图解快速傅里叶变换:
代码实现的时候FFTFFTFFT分递归版和非递归版,递归版就是上面介绍的最基础的,而非递归的要用到蝴蝶变换。
递归版:
void FFT(complex *F,int lim,int type){if(lim==1) return;complex a1[(lim>>1)+5],a2[(lim>>1)+5];for(int i=0;i<=lim;i+=2) a1[i>>1]=F[i],a2[i>>1]=F[i+1];//拆成奇数项和偶数项 FFT(a1,lim>>1,type); FFT(a2,lim>>1,type);complex Wn(cos(2.0*Pi/lim),1.0*type*sin(2.0*Pi/lim)),w(1,0);for(int i=0;i<(lim>>1);i++,w=w*Wn){F[i]=a1[i]+w*a2[i];F[i+(lim>>1)]=a1[i]-w*a2[i];}
}
蝴蝶变换
(不知为什么像素如此渣,将就着看qwq)
实现的时候要预处理一个revrevrev数组(说实话只要记住就好原理什么的不重要 )
while(limit<=n+m) limit<<=1,l++;for(int i=0;i<limit;i++)rev[i]=(rev[i>>1]>>1)|((i&1)<<(l-1));
非递归版FFTFFTFFT:
void fft(complex *F,int type){for(int i=0;i<limit;i++)if(i<rev[i]) swap(F[i],F[rev[i]]);for(int mid=1;mid<limit;mid<<=1){complex Wn(cos(Pi/mid),type*sin(Pi/mid));//单位根for(int r=mid<<1,j=0;j<limit;j+=r){//r是区间长度,j是位置complex w(1,0);//幂for(int k=0;k<mid;k++,w=w*Wn){complex x=F[j+k],y=w*F[j+mid+k];F[j+k]=x+y; F[j+mid+k]=x-y;}}}
}
因为非递归版比递归版常数小所以现在常用非递归版的
例题
luogu3803模板题
#include<iostream>
#include<cstdio>
#include<cmath>
using namespace std;
const int maxn=4e6+10;
const double Pi=acos(-1.0);inline int rd(){int x=0,f=1;char c=' ';while(c<'0' || c>'9') f=c=='-'?-1:1,c=getchar();while(c<='9' && c>='0') x=x*10+c-'0',c=getchar();return x*f;
}struct complex{double x,y;complex(double xx=0,double yy=0){x=xx,y=yy;}
}a[maxn],b[maxn];
complex operator +(complex a,complex b) {return complex(a.x+b.x,a.y+b.y);}
complex operator -(complex a,complex b) {return complex(a.x-b.x,a.y-b.y);}
complex operator *(complex a,complex b) {return complex(a.x*b.x-a.y*b.y,a.x*b.y+a.y*b.x);}int n,m,l,rev[maxn],limit=1;void fft(complex *F,int type){for(int i=0;i<limit;i++)if(i<rev[i]) swap(F[i],F[rev[i]]);for(int mid=1;mid<limit;mid<<=1){complex Wn(cos(Pi/mid),type*sin(Pi/mid));//单位根for(int r=mid<<1,j=0;j<limit;j+=r){//r是区间长度,j是位置complex w(1,0);//幂for(int k=0;k<mid;k++,w=w*Wn){complex x=F[j+k],y=w*F[j+mid+k];F[j+k]=x+y; F[j+mid+k]=x-y;}}}
}int main(){n=rd(); m=rd();for(int i=0;i<=n;i++) a[i].x=rd();for(int i=0;i<=m;i++) b[i].x=rd();while(limit<=n+m) limit<<=1,l++;for(int i=0;i<limit;i++)rev[i]=(rev[i>>1]>>1)|((i&1)<<(l-1));fft(a,1); fft(b,1);for(int i=0;i<=limit;i++) a[i]=a[i]*b[i];fft(a,-1);for(int i=0;i<=n+m;i++)printf("%d ",(int)(a[i].x/limit+0.5));return 0;
}
bzoj2179
其实就是A∗BproblemA*BproblemA∗Bproblem
#include<iostream>
#include<cstdio>
#include<algorithm>
#include<cstring>
#include<cmath>
#define maxn 240005
using namespace std;
int n,lena,lenb,limit=1,l,rev[maxn],ans[maxn];
char s1[maxn],s2[maxn];
const double Pi=acos(-1.0);struct complex{double x,y;complex(double xx=0,double yy=0){x=xx,y=yy;}
}a[maxn],b[maxn];
complex operator +(complex a,complex b){return complex(a.x+b.x,a.y+b.y);}
complex operator -(complex a,complex b){return complex(a.x-b.x,a.y-b.y);}
complex operator *(complex a,complex b){return complex(a.x*b.x-a.y*b.y,a.x*b.y+a.y*b.x);}void FFT(complex *F,int type){for(int i=0;i<limit;i++)if(i<rev[i]) swap(F[i],F[rev[i]]);for(int mid=1;mid<limit;mid<<=1){complex Wn(cos(Pi/mid),1.0*type*sin(Pi/mid));for(int r=mid<<1,j=0;j<limit;j+=r){complex w(1,0);for(int k=0;k<mid;k++,w=w*Wn){complex x=F[j+k],y=w*F[j+mid+k];F[j+k]=x+y,F[j+mid+k]=x-y;}}}
}int main(){scanf("%d%s%s",&n,s1,s2); lena=lenb=n-1;for(int i=0;i<n;i++) a[n-i-1].x=s1[i]-'0';for(int i=0;i<n;i++) b[n-i-1].x=s2[i]-'0';while(a[lena].x==0) lena--;while(b[lenb].x==0) lenb--;while(limit<=lena+lenb) limit<<=1,++l;for(int i=0;i<limit;i++)rev[i]=(rev[i>>1]>>1)|((i&1)<<(l-1));FFT(a,1);FFT(b,1);for(int i=0;i<=limit;i++) a[i]=a[i]*b[i];FFT(a,-1);for(int i=0;i<=lena+lenb;i++){ans[i]+=(int)(a[i].x/limit+0.5);if(ans[i]>9) ans[i+1]+=ans[i]/10,ans[i]%=10;}while(ans[lena+lenb+1]) lena++;int now;for(now=lena+lenb;now;now--)if(ans[now]) break;for(;now>=0;now--) printf("%d",ans[now]);return 0;
}
bzoj2194
也是非常裸的模板题了,了解性质就能知道把数组翻转一下就好了
#include<iostream>
#include<cstdio>
#include<cstring>
#include<cmath>
#define maxn 400005
using namespace std;
const double Pi=acos(-1.0);inline int rd(){int x=0,f=1;char c=' ';while(c<'0' || c>'9') f=c=='-'?-1:1,c=getchar();while(c<='9' && c>='0') x=x*10+c-'0',c=getchar();return x*f;
}struct complex{double x,y;complex(double xx=0,double yy=0){x=xx,y=yy;}
}a[maxn],b[maxn];
complex operator +(complex a,complex b){return complex(a.x+b.x,a.y+b.y);}
complex operator -(complex a,complex b){return complex(a.x-b.x,a.y-b.y);}
complex operator *(complex a,complex b){return complex(a.x*b.x-a.y*b.y,a.x*b.y+a.y*b.x);}int n,limit=1,l,rev[maxn];void FFT(complex *F,int type){for(int i=0;i<limit;i++)if(i<rev[i]) swap(F[i],F[rev[i]]);for(int mid=1;mid<limit;mid<<=1){complex Wn(cos(Pi/mid),1.0*type*sin(Pi/mid));for(int r=mid<<1,j=0;j<limit;j+=r){complex w(1,0);for(int k=0;k<mid;k++,w=w*Wn){complex x=F[j+k],y=w*F[j+mid+k];F[j+k]=x+y,F[j+mid+k]=x-y;}}}
}int main(){n=rd();for(int i=0;i<n;i++) a[n-i-1].x=rd(),b[i].x=rd();while(limit<2*n) limit<<=1,l++;for(int i=0;i<limit;i++)rev[i]=(rev[i>>1]>>1)|((i&1)<<(l-1));FFT(a,1);FFT(b,1);for(int i=0;i<=limit;i++) a[i]=a[i]*b[i];FFT(a,-1);for(int i=n-1;i>=0;i--) printf("%d\n",(int)(a[i].x/limit+0.5));return 0;
}
哦对了多说一句,FFTFFTFFT通常可以用来解决长这个样子的式子:
c(n)=∑i=0n−1a(i)×b(n−i)c(n)=\sum_{i=0}^{n-1}a(i)\times b(n-i)c(n)=∑i=0n−1a(i)×b(n−i)(这其实就是卷积)
也就是下标和为定值
然后是一些不那么裸的题(但其实还是很裸
ZJOI2014力
把分子和分母分别看成两个多项式然后前面后面分开算,只要翻转一个就好了
#include<iostream>
#include<cstdio>
#include<cmath>
#define maxn 400005
#define LL long long
using namespace std;
const double Pi=acos(-1.0);struct complex{double x,y;complex(double xx=0,double yy=0){x=xx,y=yy;}
}a1[maxn],a2[maxn],b[maxn];
complex operator +(complex a,complex b){return complex(a.x+b.x,a.y+b.y);}
complex operator -(complex a,complex b){return complex(a.x-b.x,a.y-b.y);}
complex operator *(complex a,complex b){return complex(a.x*b.x-a.y*b.y,a.x*b.y+a.y*b.x);}int n,rev[maxn],l,limit=1;inline void FFT(complex *F,int type){for(int i=0;i<limit;i++)if(i<rev[i]) swap(F[i],F[rev[i]]);for(int mid=1;mid<limit;mid<<=1){complex Wn(cos(Pi/mid),type*sin(Pi/mid));for(int r=mid<<1,j=0;j<limit;j+=r){complex w(1,0);for(int k=0;k<mid;k++,w=w*Wn){complex x=F[j+k],y=w*F[j+k+mid];F[j+k]=x+y,F[j+mid+k]=x-y;}}}
}int main(){scanf("%d",&n);for(int i=1;i<=n;i++) scanf("%lf",&a1[i].x),a2[n-i+1].x=a1[i].x;for(int i=1;i<=n;i++) b[i].x=1.0/i/i;while(limit<=2*n) limit<<=1,l++;for(int i=0;i<limit;i++) rev[i]=(rev[i>>1]>>1)|((i&1)<<(l-1));FFT(a1,1); FFT(b,1);for(int i=0;i<=limit;i++) a1[i]=a1[i]*b[i];FFT(a1,-1); FFT(a2,1);for(int i=0;i<=limit;i++) a2[i]=a2[i]*b[i];FFT(a2,-1);for(int i=1;i<=n;i++)printf("%.5lf\n",(a1[i].x-a2[n-i+1].x)/(double)limit);return 0;
}
HNOI2017礼物
bzoj3160fft+manacher
bzoj4503
再说一句这玩意卡精度会死人的。。掉精度掉的很厉害
所以看起来现在出题都用NTTNTTNTT?
快速傅里叶变换(FFT)(学习笔记)相关推荐
- 快速傅里叶变换 FFT 学习笔记
文章目录 FFT ( 快速傅里叶变换 ) 学习笔记 参考文章: 多项式 系数表示法 点值表示法 复数 前置芝士 向量 弧度制 定义 运算法则 单位根 快速傅里叶变换: 快速傅里叶逆变换 (IFFT): ...
- 【文文殿下】快速傅里叶变换(FFT)学习笔记
多项式 定义 形如\(A(x)=\sum_{i=0}^{n-1} a_i x^i\)的式子称为多项式. 我们把\(n\)称为该多项式的次数界. 显然,一个\(n-1\)次多项式的次数界为\(n\). ...
- FFT(快速傅里叶变换)学习笔记
简介 FFTFFTFFT (法法塔)是个什么玩意?他的全名叫快速傅里叶变换(然而貌似和傅里叶并没有太大关系),用来快速求出多项式的点值表示,这个东西一般用来解决多项式相乘的问题. 一般的高精度乘法,我 ...
- 快速傅里叶变换FFT学习小记
FFT学得还是有点模糊,原理那些基本还是算有所理解了吧,不过自己推这个推不动. 看的资料主要有这两个: http://blog.miskcoo.com/2015/04/polynomial-multi ...
- 【近万字】分数傅里叶变换课程学习笔记
学习自"课堂在线"平台,北京理工大学陶然教授的课程视频,讲解的非常详细全面,数学公式推导都有,以下为学习笔记,仅记录要点部分. 注:学习此课程,按重要程度排序,需要有信号与系统.数 ...
- OpenCV快速傅里叶变换(FFT)用于图像和视讯流的模糊检测
OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测 翻译自[OpenCV Fast Fourier Transform (FFT) for blur detection in images ...
- 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 ...
- 基于python的快速傅里叶变换FFT(二)
基于python的快速傅里叶变换FFT(二) 本文在上一篇博客的基础上进一步探究正弦函数及其FFT变换. 知识点 FFT变换,其实就是快速离散傅里叶变换,傅立叶变换是数字信号处理领域一种很重要的算 ...
- 基于python的快速傅里叶变换FFT(一)
基于python的快速傅里叶变换FFT(一) FFT可以将一个信号变换到频域.有些信号在时域上是很难看出什么特征的,但是如果变换到频域之后,就很容易看出特征了.这就是很多信号分析采用FFT变换的原因. ...
- MIT 线性代数 Linear Algebra 26:复矩阵,傅里叶矩阵, 快速傅里叶变换 FFT
这一讲我们来讲一下复矩阵.线性代数中,复矩阵是避免不了的话题,因为一个简单实矩阵都有可能有复数特征值. 复矩阵 我们着重看一下复矩阵和实矩阵在运算上的区别. 距离 首先,一个复数向量的的距离求法发生了 ...
最新文章
- 洛谷P4316 绿豆蛙的归宿(期望)
- C++ - 实现strcmp函数
- java 根据详细地址提取小区_Java分析/测试工具EJ Technologies JProfiler介绍及安装教程...
- 中石油训练赛 - 奎奎发红包(贪心)
- python 运算符重载_Python中类的运算符重载
- mac安装python3.7_MAC 安装Python3.7
- 记录一下2019年-2020年期间的学习、工作经历
- 如何使用pandas正确读取带有中文的cvs文件
- mysql 添加表索引_如何向MySQL表中添加索引?
- Mysql中慢查询Sql的记录查看
- Android 网络开发框架的选择
- Swift面向对象基础(中)——Swift中的方法
- 如何在 Pr 2020中使用音轨混合器?
- BatchPhoto Pro for Mac(照片批量处理软件)
- 天涯社区离线阅读器(实现只看楼主功能)
- IOS 开发 Cache文件夹缓存的清理封装(包括WebKit缓存/SDImageCache缓存),都提供了相应的接口.
- 解决dll load failed while importing qtgui
- 客服坐席聊天页面html,WebSocket实现简单客服聊天系统
- DGV下面加入合计功能
- 主流浏览器有哪些?这些浏览器的内核分别是什么?