利用快速傅里叶变换计算多项式乘法.ppt

离散傅里叶变换(DFT) 定义结果： 就是系数向量 的离散傅里叶变换 采用普通乘法进行计算，时间复杂度为 离散傅里叶变换与快速傅里叶变换(FFT) 有必要利用单位复数根的特殊性质，降低时间复杂度 引入快速傅里叶变换 计算离散傅里叶变换 利用快速傅里叶变换计算多项式乘法 Written by szh. 问题引入：整数加法 n位数与n位数相加 7 8 1 2 5 ＋ 1 6 3 8 4 9 4 5 0 9 逐位相加 加法计算次数 =n位数的位数 (进位与当前位的加法 算作1次运算) 时间复杂度 问题引入：整数乘法 1.n位数与1位数相乘 7 8 1 2 5 × 8 0 0 0 5 2 6 逐位相乘 乘法计算次数 =n位数的位数 时间复杂度 问题引入：整数乘法 2.n位数与n位数相乘 7 8 1 2 5 × 1 6 3 8 4 3 1 2 5 0 0 6 2 5 0 0 0 2 3 4 3 7 5 4 6 8 7 5 0 1 2 8 0 0 0 0 0 0 0 7 8 1 2 5 (2)中每一位 同(1)逐位相乘 (1) (2) 乘法计算次数 n项 2n位(最多) 加法计算次数 总计算次数 时间复杂度 问题引入：整数乘法 两个n位数相乘的时间复杂度为 当n非常大时(如n10000时)，利用计算机 直接计算两个n位数的乘积将十分低效。 为了高效进行大整数乘法，需要一种更高效的算法。 利用快速傅里叶变换计算n位大整数乘法，其时间复杂度为 一、多项式的两种表达形式 1、系数表达 多项式： 其系数为： 将系数写为向量形式： 系数向量 称为多项式 的系数表达形式。 系数表达式下两个n次多项式的乘法 的系数向量 的系数向量 令 将 与 中的系数两两相乘。 其时间复杂度为 计算C(x)系数 2、点值表达 对于n次多项式 任取n+1个不同的点 根据n+1个点唯一确定n次多项式系数 :未知量 :已知量 n+1元一次方程组 矩阵形式的方程组 = 系数矩阵行列式不为0 证明方程具有唯一解 只需证明 证明系数矩阵行列式不为0 = 由于当 时，必有 ，所以 ≠ 矩阵满秩 因此，方程组 具有唯一解。 Vandermonde行列式 点值表达 任取n+1个不同的点 ，可确定唯一 n次多项式。 换句话说，对于： 可以作为n次多项式的一种表述形式。 点值表达： 点值表达下n次多项式 , 的加法 ： ： 的点值表达为： ： 注意A(x),B(x)在相同的n+1个位置取值 点值表达为： 时间复杂度为 需要将A(x),B(x)点值表达扩展到2n+1对 ： ： 点值表达下n次多项式的乘法 点值表达为： 可以得到C(x)中n+1对点值： 而C(x)是2n次多项式 表示C(x) ： ： 点值表达下n次多项式的乘法 扩展点值表达为： 可以得到C(x)点值表达： 时间复杂度为 2n+1次乘法运算 系数表达与点值表达是等价的 系数表达： 点值表达： 求值 插值 拉格朗日 插值公式 定义完备，互逆运算 系数表达与点值表达比较及转换 系数表达 点值表达 求值 插值 普通乘法 时间 点值乘法 时间 时间 时间 假设存在 一种快速计算多项式乘法的算法(系数表示) 1、对A,B进行求值，时间复杂度 算法描述： 在上述假设下，求值与插值时间复杂度均为 2、对A,B进行点值乘法，时间复杂度 3、对结果进行插值，时间复杂度 A,B为多项式的系数表达形式 假设确实成立,借助FFT能够实现 二、快速求值 求值 时间 若任取2n+1个点直接求值， 计算 所需时间: 计算加法所需时间: 在每一个点处求值时间 对所有点求值时间: 需要降为: 二、快速求值 求值 时间 适当选取2n+1个点与算法， 每个点求值时间可以降为: 对所有点求值时间将为: 特殊取值： 2n+1次单位复数根 单位复数根 定义： n次单位复数根是满足 的复数. n次单位复数根恰好有n个 求解 由欧拉公式知, 单位复数根 主n次单位根： n次单位复数根几何意义 k=1 左图为8次单位根 在复平面上的分布。 n次单位根 在复平面上均匀分布 其他n次单位根都是 的幂次 0(8) 1 3 4 5 7 2 6 单位复数根的性质 n个n次单位复数根 乘法意义下构成群： 在乘法意义下构成群。 该群与群 (整数模n)同构，即 单位复数根的性质 消去引理： 对于偶数n0： 单位复数根的性质 折半引理： n为偶数 n个n次单位复数根的平方的集合，就是n/2个n/2次单位复数根的集合。 单位复数根的性质 折半引理的几何意义： 8次单位复数根 在复