2013年高中数学论文图形计算器应用能力测试活动学生用快速傅立叶变换实现多项式乘法.doc

PAGE  PAGE 3 辽宁省沈阳市第十五中学2013年高中数学论文 图形计算器应用能力测试活动学生 用快速傅立叶变换实现多项式乘法 宁波效实中学 1502班 周杨 Input:Expand((x+2)(x+3)) Output:x2+5·x+6在CLASSPAD330中，main模块中Interactive栏目Transformation中的expand一直是广大高中生喜闻乐见的好功能。用法简洁易懂。 但是，当你需要算两个很长很长的多项式的乘积的时候，我相信你一定会被冗长的表达式输入问题伤透脑筋（我*，怎么要输这么多的“xm”……各种残念）。今天，我就带大家认识一种高贵冷艳的计算多项式乘法的方法。 在进入正式介绍之前，我们先要普及一些前提知识。那就是FFT。 FFT。俗称“法法塔”。学名快速傅立叶变换。FFT有什么用呢？它可以在O(nlogn)的时间复杂度内完成一个函数对n个单位虚根的求值，比朴素的O(n2)要厉害得多。下面的几段是关于FFT具体操作过程的介绍，如果没有兴趣可以跳过，因为对我们的实际操作没有太大影响,CLASSPAD330将会为我们完成它的具体工作的。 单位根定义n次单位根为满足wn=1的复数w。恰好有n个单位根e2πik/n(k=0, 1, ...,n-1)，其中i是虚数单位(i2=-1)，而eiu = cos u + i sin u 定义wn=e2πik/n，称为n次主单位根(principal nth root of unity)，则所有其他单位 根都是它的幂。这样，n个单位根可以写成wn0,wn1,...,wnn-1 ，它们在乘法下构成群，且结构和加法群Zn一样。容易看出，wnk=-wnk+n/2。 设多项式为，那么我们将奇数项和偶数项分开处理。 A[0](x)=a0+a2x+...+an-2xn/2-1 A[0](x)=a1+a3x+...+an-1xn/2-1 那么A(x) = A[0](x2) + xA[1](x2)。前面提到过wnk=-wnk+n/2，因此(wnk)2=(wnk+n/2)2这样，我们可以同时计算A(x)在这两个点的值。这样，计算A(x)在n个点上值的任务被转化成了计算A[0](x)和A[1](x)在n/2个点上值的任务了。 上式的操作实际上是用y[0]k和y[1]k 算yk和yk+n/2，这样的操作称为蝴蝶操作(butterfly operation) ，如下图： 这样，只需要花O(n)的时间就可以把序列y[0]和y[1]合并成序列y了。递归方程为T(n)=2T(n/2)+O(n)，因此解为T(n)=O(nlogn)。远低于O(n2)。实际操作的时候可以用迭代来完成，这样就可以避开傲娇卖萌极慢无比的系统栈了。唯一可惜的是CLASSPAD330上的program无法使用数组，所以暂时无法在CLASSPAD330上手动实现一个FFT（包括后面要讲的IFFT）。读者可以自己用C++或其他高级语言在电脑上实现一下。难度应该不大。 为了能够更好的解决问题我们还需要IFFT，即FFT的逆操作。因为是逆操作，所以我们可以不加思索地推出只需要把上面计算过程中的w换为-w即可。 接下来让我们切入正题。也许你会觉得这个高贵冷艳的FFT和我们要用的多项式乘法八竿子打不着。但是它的确可以在实践中加速多项式乘法的操作，从O(n2)到O(nlogn)。 对于一个多项式，我们有两种表示法。系数表示法和点值表示法。 系数表示法就是记录系数向量a=(a0,a1,...,an-1)。注意要用列向量。这样若两个多项式的系数向量为a,b。那么多项式加法就相当于a+b（这应该是非常直观的），而多项式乘法就对应于向量卷积a?b。 点值表示法是一个点-值对的集合{(x0,y0),(x1,y1),...,(xn-1,yn-1)}，其中所有xi两两不相等且yk=A(xk)。这就意味着一个多项式有无穷多种点值表示法。但是如果限定多项式的次数小于n，那么点值表示法和多项式就一定是一一对应的了。 那么我们可以这样进行多项式乘法的计算： 将两个多项式的系数表示法高位补0，得到两个次数为2n的多项式。 将两个多项式的系数表示法转换为点值表示法。 把两个点值对应的对应点的数值即yk相乘得到C即结果的点值表示法。 再把C的点值表示法转换为系数表示法。 这也是应用FFT进行多项式计算的原理。 为了应用FFT，我们不妨将点都取单位虚根，这样第2步就变成了FFT，第4步也就编程了IFFT。 那么我们重新表述一下上述过程 将两个多项式的系数表示法高位补0，得到两个次数为2n的多项式。 把2n次单位根作为求值点，用FFT计算两个多项式的点值表示法。 把两个点值对应的对应点的数值即yk相乘得到C即结果的点值表示法。 用IFFT把