Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Fast Fourier Transform Algorithm

Fast Fourier Transform Algorithm

A Introduction to FFT (Fast Fourier Transform) Algorithm with its application in competitive programming. This talk was given in the 2012 SNUPS (Seoul National University Problem Solving Group) Algorithm seminar.

Febb583da7bcf5c93e52a73bf56e9f19?s=128

Jongwook Choi

August 04, 2012
Tweet

More Decks by Jongwook Choi

Other Decks in Programming

Transcript

  1. Fast Fourier Transform Jongwook Choi 2012 SNUPS Seminar Seoul National

    University August 4, 2012 Jongwook Choi Fast Fourier Transform
  2. Fourier Transform ? Jongwook Choi Fast Fourier Transform

  3. !?!?!?!?!??? Jongwook Choi Fast Fourier Transform

  4. !?!?!?!?!??? F[x(t)] = ∞ −∞ x(t)e−jωtdt = 2 1 0

    (1 − t) cos(ωt)dt = 2 1 0 cos(ωt)dt − 1 0 t cos(ωt)dt = 2 ω sin(ω) − 1 0 t d sin(ωt) = 2 ω sin(ω) − t sin(ωt) 1 0 − 1 0 sin(ωt)dt = 2 ω2 cos(ωt) 0 1 = 2 ω2 (1 − cos(ω)) = 2 ω 2 sin2 ω 2 = sin2 (πf) (πf)2 = · · · Jongwook Choi Fast Fourier Transform
  5. Jean Baptiste Joseph Fourier (1768 – 1830) Jongwook Choi Fast

    Fourier Transform
  6. 다항식 곱 두 다항식 A(z), B(z) 의 곱 C(z) =

    A(z)B(z)을 구하고 싶다. A(z) = a0 + a1z + a2z2 + · · · + an−1zn−1 = n−1 j=0 ajzj B(z) = b0 + b1z + b2z2 + · · · + bn−1zn−1 = n−1 j=0 bjzj Jongwook Choi Fast Fourier Transform
  7. 다항식 곱 두 다항식 A(z), B(z) 의 곱 C(z) =

    A(z)B(z)을 구하고 싶다. A(z) = a0 + a1z + a2z2 + · · · + an−1zn−1 = n−1 j=0 ajzj B(z) = b0 + b1z + b2z2 + · · · + bn−1zn−1 = n−1 j=0 bjzj =⇒ C(z) = A(z)B(z) = c0 + c1z + · · · + c2n−2z2n−2, where ci = a0bi + a1bi−1 + · · · + aib0 Jongwook Choi Fast Fourier Transform
  8. 평범한 방법 O(n2) C(z) = A(z)B(z) = c0 + c1z

    + · · · + c2n−2x2n−2, where ci = a0bi + a1bi−1 + · · · + aib0 Jongwook Choi Fast Fourier Transform
  9. 평범한 방법 O(n2) C(z) = A(z)B(z) = c0 + c1z

    + · · · + c2n−2x2n−2, where ci = a0bi + a1bi−1 + · · · + aib0 좀 더 빠르게 하고 싶습니다. FFT! (Fast Fourier Transform) Jongwook Choi Fast Fourier Transform
  10. 신묘한 방법 Idea. m − 1차 다항식은 m개의 점에서의 함수값이

    결정되면 유일하게 결정된다 (Lagrange’s Interpolation). Jongwook Choi Fast Fourier Transform
  11. 신묘한 방법 Idea. m − 1차 다항식은 m개의 점에서의 함수값이

    결정되면 유일하게 결정된다 (Lagrange’s Interpolation). C(z) 의 degree 는 (at most) 2n − 2 이므로, 서로 다른 2n − 1 개의 점에 대해 C 의 함수값만 알면 되겠다. Jongwook Choi Fast Fourier Transform
  12. 신묘한 방법 Idea. m − 1차 다항식은 m개의 점에서의 함수값이

    결정되면 유일하게 결정된다 (Lagrange’s Interpolation). C(z) 의 degree 는 (at most) 2n − 2 이므로, 서로 다른 2n − 1 개의 점에 대해 C 의 함수값만 알면 되겠다. 서로 다른 2n − 1 개의 점 z0, z1, · · · , z2n−2 에 대해, A(z0), A(z1), · · · , A(z2n−2) 와 B(z0), B(z1), · · · , B(z2n−2) 를 안다면, C(z0), C(z1), · · · , C(z2n−2) 를 빠르게 계산할 수 있지 않을까? Jongwook Choi Fast Fourier Transform
  13. Multiplication by FFT 서로 다른 2n − 1 개의 점

    z0, z1, · · · , z2n−2 에 대해, A(z0), A(z1), · · · , A(z2n−2) 와 B(z0), B(z1), · · · , B(z2n−2) 를 안다면, C(z0), C(z1), · · · , C(z2n−2) 를 빠르게 계산할 수 있지 않을까? Jongwook Choi Fast Fourier Transform
  14. Multiplication by FFT 서로 다른 2n − 1 개의 점

    z0, z1, · · · , z2n−2 에 대해, A(z0), A(z1), · · · , A(z2n−2) 와 B(z0), B(z1), · · · , B(z2n−2) 를 안다면, C(z0), C(z1), · · · , C(z2n−2) 를 빠르게 계산할 수 있지 않을까? C(zk) = A(zk) · B(zk) k = 0, 1, · · · , 2n − 2 Jongwook Choi Fast Fourier Transform
  15. Discrete Fourier Transform 다항식 A(x) = a0 + a1x +

    · · · + an−1xn−1 을 생각하자. ω ∈ C 을 primitive root of unity (ωn = 1 라는 말) 라고 할 때, n개의 점 ω0, ω1, ω2, · · · , ωn−1 에서의 함수값 A(ωi) = n−1 j=0 aj(ωi)j 들을 모으면 n 개의 수가 얻어진다. Jongwook Choi Fast Fourier Transform
  16. Discrete Fourier Transform 다항식 A(x) = a0 + a1x +

    · · · + an−1xn−1 을 생각하자. ω ∈ C 을 primitive root of unity (ωn = 1 라는 말) 라고 할 때, n개의 점 ω0, ω1, ω2, · · · , ωn−1 에서의 함수값 A(ωi) = n−1 j=0 aj(ωi)j 들을 모으면 n 개의 수가 얻어진다. 이 때 transform Cn → Cn (a0, a1, · · · , an−1) → (A(a0), A(a1), · · · , A(an−1)) 를 DFT (이산 푸리에 변환) 이라고 한다. Jongwook Choi Fast Fourier Transform
  17. ω : primitive n-th root of unity ωn = 1

    Jongwook Choi Fast Fourier Transform
  18. ω : primitive n-th root of unity ωn = 1

    ω = e2πi n = cos(2π/n) + i sin(2π/n) Jongwook Choi Fast Fourier Transform
  19. ω : primitive n-th root of unity ωn = 1

    ω = e2πi n = cos(2π/n) + i sin(2π/n) Jongwook Choi Fast Fourier Transform
  20. Multiplication by DFT (a0, a1, · · · , an−1)

    →   n−1 j=0 aj(ω0)j, · · · , n−1 j=0 aj(ωn−1)j   (a0, · · · , an−1 을 계수로하는 다항식에 ω0, · · · , ωn−1을 넣음) Jongwook Choi Fast Fourier Transform
  21. Multiplication by DFT (a0, a1, · · · , an−1)

    →   n−1 j=0 aj(ω0)j, · · · , n−1 j=0 aj(ωn−1)j   (a0, · · · , an−1 을 계수로하는 다항식에 ω0, · · · , ωn−1을 넣음) 그러면, C(z) = A(z)B(z)일 때, A(ωj) · B(ωj) = C(ωj) 인가? Jongwook Choi Fast Fourier Transform
  22. Multiplication by DFT (a0, a1, · · · , an−1)

    →   n−1 j=0 aj(ω0)j, · · · , n−1 j=0 aj(ωn−1)j   (a0, · · · , an−1 을 계수로하는 다항식에 ω0, · · · , ωn−1을 넣음) 그러면, C(z) = A(z)B(z)일 때, A(ωj) · B(ωj) = C(ωj) 인가? · · · · · · · · · 너무 당연하다. Jongwook Choi Fast Fourier Transform
  23. 그래서 우리의 관심은 DFT 구하는 것, 즉 ω0, · ·

    · , ωn−1 에서의 함수값 A(ω0), · · · , A(ωn−1) 을 모두 알아낼 수 있으면 OK. 얼마나 빨리? Jongwook Choi Fast Fourier Transform
  24. 그래서 우리의 관심은 DFT 구하는 것, 즉 ω0, · ·

    · , ωn−1 에서의 함수값 A(ω0), · · · , A(ωn−1) 을 모두 알아낼 수 있으면 OK. 얼마나 빨리? O(n log n) naive 하게 계산하면 O(n2) 인데 그러면 하나마나. Jongwook Choi Fast Fourier Transform
  25. Divide-And-Conquer 다항식 A(x)가 있을 때, A(ω0), · · · ,

    A(ωn−1)을 구하고 싶다. A(x) = a0 + a1x + a2x2 + · · · + an−1xn−1 Jongwook Choi Fast Fourier Transform
  26. Divide-And-Conquer 다항식 A(x)가 있을 때, A(ω0), · · · ,

    A(ωn−1)을 구하고 싶다. A(x) = a0 + a1x + a2x2 + · · · + an−1xn−1 = (a0 + a2x2 + a4x4 + · · · ) + (a1x + a3x3 + a5x5 + · · · ) = (a0 + a2x2 + a4x4 + · · · ) + x(a1 + a3x2 + a5x4 + · · · ) Jongwook Choi Fast Fourier Transform
  27. Divide-And-Conquer 다항식 A(x)가 있을 때, A(ω0), · · · ,

    A(ωn−1)을 구하고 싶다. A(x) = a0 + a1x + a2x2 + · · · + an−1xn−1 = (a0 + a2x2 + a4x4 + · · · ) + (a1x + a3x3 + a5x5 + · · · ) = (a0 + a2x2 + a4x4 + · · · ) + x(a1 + a3x2 + a5x4 + · · · ) = Aeven(x2) + xAodd(x2) n이 짝수면.. Aeven(x) = a0 + a2x + a4x2 + · · · + an−2xn/2−1 Aodd(x) = a1 + a3x + a5x2 + · · · + an−1xn/2−1 Jongwook Choi Fast Fourier Transform
  28. Divide-And-Conquer 다항식 A(x)가 있을 때, A(ω0), · · · ,

    A(ωn−1)을 구하고 싶다. A(x) = Aeven(x2) + xAodd(x2) Jongwook Choi Fast Fourier Transform
  29. Divide-And-Conquer 다항식 A(x)가 있을 때, A(ω0), · · · ,

    A(ωn−1)을 구하고 싶다. A(x) = Aeven(x2) + xAodd(x2) 1 n/2개의 점 (ω0, ω2, · · · , ωn−2) 에서 두 다항식 Aeven, Aodd 에서의 함수값을 각각 구한다 (즉, DFT 한다). 원래와 동일한 모양의 문제: ω를 ω2로 두고 재귀ㄱㄱㄱ1 Aeven (ω0), Aeven (ω2), · · · , Aeven (ωn−2) Aodd (ω0), Aodd (ω2), · · · , Aodd (ωn−2) 1n/2 차 다항식에 대하여 (ω2)n/2 = 1 이므로 ω2가 primitive root of unity. Jongwook Choi Fast Fourier Transform
  30. Divide-And-Conquer 다항식 A(x)가 있을 때, A(ω0), · · · ,

    A(ωn−1)을 구하고 싶다. A(x) = Aeven(x2) + xAodd(x2) 1 n/2개의 점 (ω0, ω2, · · · , ωn−2) 에서 두 다항식 Aeven, Aodd 에서의 함수값을 각각 구한다 (즉, DFT 한다). 2 그러면 O(n) time 에 n개의 함수값 A(ωj)를 모조리 구할 수 있다.1 A(ωj) = Aeven(ω2j) + ωj · Aodd(ω2j) A(ωj+n/2) = Aeven(ω2j+n) + ωjωn/2 · Aodd(ω2j+n) = Aeven(ω2j) − ωj · Aodd(ω2j) for 0 ≤ j < n/2. 1Note that ωn = 1, ωn/2 = −1. Jongwook Choi Fast Fourier Transform
  31. Divide-And-Conquer 다항식 A(x)가 있을 때, A(ω0), · · · ,

    A(ωn−1)을 구하고 싶다. A(x) = Aeven(x2) + xAodd(x2) 1 n/2개의 점 (ω0, ω2, · · · , ωn−2) 에서 두 다항식 Aeven, Aodd 에서의 함수값을 각각 구한다 (즉, DFT 한다). 2 그러면 O(n) time 에 n개의 함수값 A(ωj)를 모조리 구할 수 있다. T(n) = 2T(n/2) + O(n) =⇒ T(n) = O(n log n) Jongwook Choi Fast Fourier Transform
  32. 역변환 거꾸로, DFT의 결과를 알고 있을 때 원래 다항식을 구하는

    방법은? 즉, 최대 2n차 다항식 C에 대해 C(ω0), C(ω1), · · · , C(ω2n−1) 를 알고 있을 때 (ω2n = 1) C의 계수 c0, c1, · · · , c2n−1 를 구하려면 어떻게 하는가? Jongwook Choi Fast Fourier Transform
  33. DFT 역변환 n − 1차 다항식 A(x) 에 대해 wn

    = 1이고, yk = A(wk) 를 모두 알고 있다고 하자. (k = 0, 1, 2, · · · , n − 1) yk = A(wk) = n−1 j=0 aj(wk)j Jongwook Choi Fast Fourier Transform
  34. DFT 역변환 n − 1차 다항식 A(x) 에 대해 wn

    = 1이고, yk = A(wk) 를 모두 알고 있다고 하자. (k = 0, 1, 2, · · · , n − 1) yk = A(wk) = n−1 j=0 aj(wk)j        y0 y1 y2 . . . yn−1        =        1 1 1 · · · 1 1 ω ω2 · · · ωn−1 1 ω2 ω4 · · · ω2(n−1) . . . . . . . . . ... . . . 1 ωn−1 ω2(n−1) · · · ω(n−1)(n−1)               a0 a1 a2 . . . an−1        Jongwook Choi Fast Fourier Transform
  35. DFT 역변환 역행렬을 구해서 풀면..     

      y0 y1 y2 . . . yn−1        =        1 1 1 · · · 1 1 ω ω2 · · · ωn−1 1 ω2 ω4 · · · ω2(n−1) . . . . . . . . . ... . . . 1 ωn−1 ω2(n−1) · · · ω(n−1)(n−1)               a0 a1 a2 . . . an−1               a0 a1 a2 . . . an−1        = 1 n        1 1 1 · · · 1 1 ω−1 ω−2 · · · ω−(n−1) 1 ω−2 ω−4 · · · ω−2(n−1) . . . . . . . . . ... . . . 1 ω−(n−1) ω−2(n−1) · · · ω−(n−1)(n−1)               y0 y1 y2 . . . yn−1       
  36. DFT 역변환 역행렬을 구해서 풀면..     

      y0 y1 y2 . . . yn−1        =        1 1 1 · · · 1 1 ω ω2 · · · ωn−1 1 ω2 ω4 · · · ω2(n−1) . . . . . . . . . ... . . . 1 ωn−1 ω2(n−1) · · · ω(n−1)(n−1)               a0 a1 a2 . . . an−1               a0 a1 a2 . . . an−1        = 1 n        1 1 1 · · · 1 1 ω−1 ω−2 · · · ω−(n−1) 1 ω−2 ω−4 · · · ω−2(n−1) . . . . . . . . . ... . . . 1 ω−(n−1) ω−2(n−1) · · · ω−(n−1)(n−1)               y0 y1 y2 . . . yn−1        Jongwook Choi Fast Fourier Transform
  37. DFT 역변환 즉, (y0, y1, · · · , yn−1)

    를 DFT 하는데 Jongwook Choi Fast Fourier Transform
  38. DFT 역변환 즉, (y0, y1, · · · , yn−1)

    를 DFT 하는데 ω를 ω−1 로 replace 하고 최종 결과를 n 으로 나누면 Jongwook Choi Fast Fourier Transform
  39. DFT 역변환 즉, (y0, y1, · · · , yn−1)

    를 DFT 하는데 ω를 ω−1 로 replace 하고 최종 결과를 n 으로 나누면 (a0, a1, a2, · · · , an−1) 이 얻어진다. 즉 FFT 함수가 있으면 역변환 하는것도 바로 된다. O(n log n) Jongwook Choi Fast Fourier Transform
  40. FFT로 O(n log n) 곱셈하는 알고리즘 정리 A(z) = a0

    +a1z+· · ·+an−1zn−1, B(z) = b0 +b1z+· · ·+bn−1zn−1 (image from Introduction to Algorithms; Corment et al.) Jongwook Choi Fast Fourier Transform
  41. FFT로 O(n log n) 곱셈하는 알고리즘 정리 (Cooley–Tukey FFT algorithm)

    A(z) = a0 +a1z+· · ·+an−1zn−1, B(z) = b0 +b1z+· · ·+bn−1zn−1 1 A, B를 2n − 1차 다항식으로 생각해서, (a0, a1, · · · , a2n−1)의 DFT (p0, p1, · · · , p2n−1)을 구하고 (b0, b1, · · · , b2n−1)의 DFT (q0, q1, · · · , q2n−1)을 구한다. FFT 두번 하므로 O(n log n) 걸린다. 2 구한 두 DFT 벡터의 pointwise 곱 (p0q0, · · · , p2n−1q2n−1)을 구한다. O(n) 3 이 녀석을 다시 DFT 하면, (2n · c0, 2n · c1, · · · , 2n · c2n−1) 이 얻어진다. O(n log n) 4 c0, c1, · · · , c2n−1 이 C(z) = A(z)B(z)의 계수이다. Jongwook Choi Fast Fourier Transform
  42. Remark DFT 를 구할 때, FFT 계산 시 n을 2의

    power라고 가정하고 있음. 실수 연산을 해야하기 때문에 실수 오차가 발생할 수 있다. (input 다항식의 계수가 정수라고 가정하면) 최종적으로 얻어진 cj 계수들이 정수가 아닐 수도 있는데, 가장 가까운 integer로 반올림하면 된다. (오차 0.5 미만이면 OK) 실수 연산 없이, finite field Zp (n | p − 1) 에서 ω의 역할을 하는 primitive root of unity 를 쓰면 정수 연산만으로도 되는데 (Number Theoretic Transform), 뭔가 엄청 복잡하고 실제로도 나눗셈 연산때문에 더 느림. (CRLS Problem 30-6 참고) FFT는 팀노트에 넣어가면 좋다. Jongwook Choi Fast Fourier Transform
  43. 예제 문제. 두 n-length array A = (a0, · ·

    · , an−1), B = (b0, · · · , bn−1) 가 있다. 이 때 A와 B의 convolution C = A ∗ B = (c0, · · · , cn−1) cj = j k=0 akbj−k 를 구하시오. 단, n은 무지무지 큼. Jongwook Choi Fast Fourier Transform
  44. 예제 문제. 두 n-length array A = (a0, · ·

    · , an−1), B = (b0, · · · , bn−1) 가 있다. 이 때 A와 B의 convolution C = A ∗ B = (c0, · · · , cn−1) cj = j k=0 akbj−k 를 구하시오. 단, n은 무지무지 큼. 앞에서 배운 Fast Polynomial Multiplication 과 거의 똑같이 하면 된다(!). Exercise. Jongwook Choi Fast Fourier Transform
  45. 예제 문제 (SRM 518 Div1 Hard) 두 n-length array A

    = (a0, · · · , an−1), B = (b0, · · · , bn−1) 가 있다. 이 때 A와 B의 xor-convolution C = A ⊕ B = (c0, · · · , cn−1) ck = i xor j=k aibj 를 구하시오. 단, n은 무지무지 큼. Jongwook Choi Fast Fourier Transform
  46. 예제 문제 (SRM 518 Div1 Hard) O(n log n) 에

    도전. FFT의 아이디어를 이용해서 풉니다. Jongwook Choi Fast Fourier Transform
  47. 예제 문제 (SRM 518 Div1 Hard) O(n log n) 에

    도전. FFT의 아이디어를 이용해서 풉니다. 어떤 DFT F : Zn → Zn 를 찾자. F(A), F(B) 를 구한다. F(A), F(B) 를 pointwise 로 곱해서 F(A ⊕ B) 를 구한다. F(A ⊕ B) 에 F의 역변환을 끼얹어서 A ⊕ B 를 구한다. Jongwook Choi Fast Fourier Transform
  48. 예제 문제 (SRM 518 Div1 Hard) O(n log n) 에

    도전. FFT의 아이디어를 이용해서 풉니다. 어떤 DFT F : Zn → Zn 를 찾자. F(A), F(B) 를 구한다. F(A), F(B) 를 pointwise 로 곱해서 F(A ⊕ B) 를 구한다. F(A ⊕ B) 에 F의 역변환을 끼얹어서 A ⊕ B 를 구한다. 그런 F 를 어떻게 찾지? Jongwook Choi Fast Fourier Transform
  49. 통밥의 정석 n = 2일 때를 가정해 보자. A =

    (a, b), B = (c, d) 라고 하면 A ⊕ B = (ac + bd, ad + bc) 이다. Jongwook Choi Fast Fourier Transform
  50. 통밥의 정석 n = 2일 때를 가정해 보자. A =

    (a, b), B = (c, d) 라고 하면 A ⊕ B = (ac + bd, ad + bc) 이다. F(a, b) · F(c, d) = F(ac + bd, ad + bc) 가 되어야 한다. Jongwook Choi Fast Fourier Transform
  51. 통밥의 정석 n = 2일 때를 가정해 보자. A =

    (a, b), B = (c, d) 라고 하면 A ⊕ B = (ac + bd, ad + bc) 이다. F(a, b) · F(c, d) = F(ac + bd, ad + bc) 가 되어야 한다. F(a, b) = (a − b, a + b) 라고 가정해보자(???). Jongwook Choi Fast Fourier Transform
  52. 통밥의 정석 n = 2일 때를 가정해 보자. A =

    (a, b), B = (c, d) 라고 하면 A ⊕ B = (ac + bd, ad + bc) 이다. F(a, b) · F(c, d) = F(ac + bd, ad + bc) 가 되어야 한다. F(a, b) = (a − b, a + b) 라고 가정해보자(???). F(a, b) · F(c, d) = (a − b, a + b) · (c − d, c + d) Jongwook Choi Fast Fourier Transform
  53. 통밥의 정석 n = 2일 때를 가정해 보자. A =

    (a, b), B = (c, d) 라고 하면 A ⊕ B = (ac + bd, ad + bc) 이다. F(a, b) · F(c, d) = F(ac + bd, ad + bc) 가 되어야 한다. F(a, b) = (a − b, a + b) 라고 가정해보자(???). F(a, b) · F(c, d) = (a − b, a + b) · (c − d, c + d) = ((a − b)(c − d), (a + b)(c + d)) Jongwook Choi Fast Fourier Transform
  54. 통밥의 정석 n = 2일 때를 가정해 보자. A =

    (a, b), B = (c, d) 라고 하면 A ⊕ B = (ac + bd, ad + bc) 이다. F(a, b) · F(c, d) = F(ac + bd, ad + bc) 가 되어야 한다. F(a, b) = (a − b, a + b) 라고 가정해보자(???). F(a, b) · F(c, d) = (a − b, a + b) · (c − d, c + d) = ((a − b)(c − d), (a + b)(c + d)) = (ac − ad − bc + bd, ac + ad + bc + bd) Jongwook Choi Fast Fourier Transform
  55. 통밥의 정석 n = 2일 때를 가정해 보자. A =

    (a, b), B = (c, d) 라고 하면 A ⊕ B = (ac + bd, ad + bc) 이다. F(a, b) · F(c, d) = F(ac + bd, ad + bc) 가 되어야 한다. F(a, b) = (a − b, a + b) 라고 가정해보자(???). F(a, b) · F(c, d) = (a − b, a + b) · (c − d, c + d) = ((a − b)(c − d), (a + b)(c + d)) = (ac − ad − bc + bd, ac + ad + bc + bd) = ((ac + bd) − (ad + bc), (ac + bd) + (ad + bc)) Jongwook Choi Fast Fourier Transform
  56. 통밥의 정석 n = 2일 때를 가정해 보자. A =

    (a, b), B = (c, d) 라고 하면 A ⊕ B = (ac + bd, ad + bc) 이다. F(a, b) · F(c, d) = F(ac + bd, ad + bc) 가 되어야 한다. F(a, b) = (a − b, a + b) 라고 가정해보자(???). F(a, b) · F(c, d) = (a − b, a + b) · (c − d, c + d) = ((a − b)(c − d), (a + b)(c + d)) = (ac − ad − bc + bd, ac + ad + bc + bd) = ((ac + bd) − (ad + bc), (ac + bd) + (ad + bc)) = F(ac + bd, ad + bc) Olleh! Jongwook Choi Fast Fourier Transform
  57. 통밥의 정석 n = 4일 때에는? 좀 복잡한 듯. Jongwook

    Choi Fast Fourier Transform
  58. 통밥의 정석 n = 4일 때에는? 좀 복잡한 듯. n

    = 2일 때 F(a, b) = (a − b, a + b) 였으니까, Jongwook Choi Fast Fourier Transform
  59. 통밥의 정석 n = 4일 때에는? 좀 복잡한 듯. n

    = 2일 때 F(a, b) = (a − b, a + b) 였으니까, 느낌상 F(X Y ) = (F(X) − F(Y ) F(X) + F(Y )) 일 것 같다. (???) 세상은 원래 이렇게 아름다운 거에요 Jongwook Choi Fast Fourier Transform
  60. 통밥의 정석 n = 4일 때에는? 좀 복잡한 듯. n

    = 2일 때 F(a, b) = (a − b, a + b) 였으니까, 느낌상 F(X Y ) = (F(X) − F(Y ) F(X) + F(Y )) 일 것 같다. (???) 세상은 원래 이렇게 아름다운 거에요 사실 저 추측만 하면, 증명은 간단한 수학적 귀납법으로 어렵지 않다 (자세한 것은 editorial 참고). Jongwook Choi Fast Fourier Transform
  61. 역변환 F(X Y ) 가 주어질 때, X Y 를

    찾을 수 있는가? 즉, X, Y 를 찾을 수 있는가? F(X Y ) = (F(X) − F(Y ) F(X) + F(Y )) 를 알고 있으므로, F(X) 와 F(Y ) 를 알 수 있다. 길이가 반으로 줄었으므로 재귀적으로 풀어서 X, Y 를 얻는다. X, Y 를 concatenate 시키면 끝. Jongwook Choi Fast Fourier Transform
  62. FFT: 기타 응용 Fast Integer/Polynomial Multiplication Pattern Matching (Text Algorithms)

    Signal Processing Image Processing · · · Jongwook Choi Fast Fourier Transform
  63. The End Thank You Very Much Any Questions? Jongwook Choi

    Fast Fourier Transform