Algorithmes rapides

Entrée a0, . . . , an−1∈ A vérifiant (H) et b0, . . . , bn−1dans A.

Sortie L’unique polynôme P ∈ A[X] de degré strictement inférieur à n tel que P(a_i) = b_i pour tout i.

1. Initialiser A à 1, et P à 0. 2. Pour i = 0, . . . , n − 1 faire A = A · (X − a_i). 3. Pour i = 0, . . . , n − 1 faire A_i = A/(X − a_i) q_i= A_i(a_i) P = P + b_iA_i/q_i. 4. Renvoyer P.

Algorithme 5.1 – Algorithme de Lagrange pour l’interpolation polynomiale.

pour i = 0, . . . , n − 1. On a donc les relations A(a_i) = 0 et pour j , i, Ai(a_j) = 0. On obtient alors l’écriture

P = n−1 X i=0 b_i^Ai(X) Ai(ai)^.

Une approche directe pour l’interpolation revient à calculer tout d’abord les poly-nômes A_i, puis leurs valeurs en les points a_i, et enfin à effectuer les combinaisons linéaires nécessaires. Le seul point non trivial est le calcul des A_i : si on n’y fait pas attention, on risque de sortir des bornes en O(n²) (par exemple, si on les calcule tous indépendamment, et chacun de manière quadratique). Pour faire mieux, on partage le gros des calculs, en calculant d’abord le polynôme A.

Proposition 5.4 L’Algorithme 5.1 utilise O(n²) opérations dans A.

Démonstration. La multiplication d’un polynôme de degré d par un polynôme de

degré 1 prend un temps linéaire en d, disons Cd opérations, C étant une constante. Calculer A demande donc C(1 + 2 + · · · + (n − 1)) = O(n²) opérations. Ensuite, chaque passage dans la seconde boucle prend un temps linéaire en n. Il y a n passages, d’où à nouveau un coût quadratique. 

5.4 Algorithmes rapides

Les idées

L’idée fondamentale de l’algorithme d’évaluation multipoint rapide est d’utiliser une technique de type « diviser pour régner ». Supposons pour simplifier que n soit pair et séparons l’ensemble des points a₀, . . . , a_n−1en deux paquets, a₀, . . . , a_n/2−1et

a_n/2, . . . , a_n−1. Il est naturel d’associer à P deux polynômes P₀et P₁de degrés strictement inférieurs à n/2, tels que :

X− a0 .. . B0=!n/2−1 i=0 (X− ai) (X− a0)(X− a1) (X− an−2)(X− an−1) X− a1 .. . · · · A =!n−1 i=0(X− ai) X− an−2 .. . B1=!n−1 i=n/2(X− ai) X− an−1 .. . 1

Figure5.2 – Arbre des sous-produits.

Entrée a₀, . . . , a_n−1dans A, avec n de la forme n = 2κ(κ ∈ N). Sortie L’arbre B des sous-produits associé aux points a_i.

1. Si n = 1, renvoyer X − a₀.

2. Calculer récursivement l’arbre B₀des sous-produits associé à a₀, . . . , a_n/2−1.

3. Calculer récursivement l’arbre B₁des sous-produits associé à an/2, . . . , an−1.

4. Calculer A = B0B1, où B0et B1sont respectivement les ra-cines de B0et de B1.

5. Renvoyer l’arbre de racine A et dont les fils sont B0et B1.

Algorithme 5.3 – Algorithme rapide pour le calcul de l’arbre des sous-produits. Pour effectuer cette construction, le choix suivant s’impose :

P0= P mod (X − a0) · · · (X − a_n/2−1), P1= P mod (X − a_n/2) · · · (X − a_n−1). On a donc ramené le calcul en degré n à deux calculs en degré n/2, plus deux divisions euclidiennes ; on va ensuite itérer ce processus. En bout de course, on retrouve les valeurs P(a_i), car celles-ci peuvent également s’écrire P mod (X − a_i).

Remarquons que les polynômes par lesquels on effectue les divisions euclidiennes ne sont pas « gratuits » : on doit les (pré)calculer. Pour cela, l’idée est de les empiler dans une structure d’arbre binaire, dont les nœuds internes sont étiquetés par des polynômes.

L’arbre des sous-produits

Pour simplifier, dans tout ce qui suit, on suppose que le nombre de points est une puissance de 2, n = 2κ. Quand ce n’est pas le cas, on adapte toutes les constructions (on fabrique toujours un arbre binaire, mais il lui manque alors des nœuds internes

5.4 Algorithmes rapides 101 P mod (X− a0) .. . P mod B0 P mod (X− a0)(X− a1) P mod (X− an−2)(X− an−1) P mod (X− a1) .. . P P mod (X− an−2) .. . P mod B1 P mod (X− an−1) .. . mod(·, B0) mod(·, B1)

mod mod mod mod

mod mod mod mod

1

Figure5.4 – Parcours descendant de l’arbre des sous-produits.

à certains niveaux). On peut donner la définition récursive suivante pour cet arbre (noté B), représenté dans la Figure 5.2 :

— Si κ = 0, B se réduit à un nœud unique qui contient le polynôme X − a₀. — Sinon, soient B₀et B₁les arbres associés respectivement aux points a₀, . . . , a₂κ−1−1

et a₂κ−1, . . . , a₂κ−1. Soient B₀et B₁les polynômes présents aux racines de B₀et B₁. Alors B est l’arbre dont la racine contient le produit B₀B₁et dont les fils sont B₀ et B₁.

L’intérêt de cette structure d’arbre est double : d’une part, il contient tous les poly-nômes par lesquels on va diviser lors de l’algorithme d’évaluation, d’autre part, le coût de son calcul s’amortit, et devient essentiellement linéaire en le degré.

Proposition 5.5 L’Algorithme 5.3 calcule tous les polynômes apparaissant dans l’arbre B en O(M(n) log n) opérations arithmétiques dans A.

Démonstration. Soit T(n) le coût du calcul de l’arbre pour n points. La définition

récursive implique l’inégalité suivante pour T(n) : T(n) ≤ 2T n 2  + M n 2  .

Le résultat s’ensuit en invoquant le théorème « diviser pour régner ».  Évaluation multipoint rapide

L’algorithme d’évaluation multipoint devient simple à écrire de manière récursive, si on s’autorise un peu de souplesse dans l’écriture, en supposant précalculés tous les nœuds de l’arbre. Comme illustré dans la Figure 5.4, cela correspond à fairedescendre

les restes de divisions euclidiennes dans l’arbre des sous-produits. Or, la division avec reste par un polynôme unitaire de degré n peut s’effectuer en O(M(n)) opérations de A (Chapitre 4). Nous obtenons le résultat de complexité suivant :

Entrée a0, . . . , an−1 dans A, avec n de la forme n = 2^κ (κ ∈ N), l’arbre B des sous-produits associé aux points ai, P dans A[X], avec deg P < n.

Sortie P(a₀), . . . , P(a_n−1). 1. Si n = 1, renvoyer P.

2. P₀= P mod (X − a₀) · · · (X − a_n/2−1). 3. P₁= P mod (X − a_n/2) · · · (X − a_n−1).

4. Calculer (par un appel récursif) L₀= P₀(a₀), . . . , P₀(a_n/2−1). 5. Calculer (par un appel récursif) L₁= P₁(a_n/2), . . . , P₁(a_n−1). 6. Renvoyer L₀, L₁.

Algorithme 5.5 – Algorithme rapide d’évaluation multipoint par division répétée.

Proposition 5.6 La complexité de l’Algorithme 5.5 est de O(M(n) log n) opérations arithmétiques dans A.

Démonstration. Soit T(n) le coût du calcul pour n points. L’algorithme ci-dessus

im-plique la récurrence suivante pour T(n) : T(n) ≤ 2 T

n

2 

+ O(M (n)),

et le résultat en découle grâce au théorème « diviser pour régner ».  Exercice 5.2 Si ω ∈ A est une racine principale n-ième de l’unité, montrer que l’algorithme FFT vu au Chapitre 2 est un cas particulier de l’Algorithme 5.5. 

Exercice 5.3 Estimer la complexité de la variante de l’Algorithme 5.5 dans laquelle l’arbre des sous-produits n’est pas précalculé, les polynômes modulo lesquels s’effec-tuent les divisions étant calculés à la volée. 

Sommes de fractions

Un problème intermédiaire à traiter avant de résoudre efficacement le problème d’interpolation est celui du calcul rapide d’une somme de fractions. Rappelons les définitions introduites dans la Section 5.3. À partir des points a_i, nous y avions défini les polynômes A =^Y j (X − a_j) et A_i =^Y j,i (X − a_j) = ^A X − a_i^.

Il était apparu que pour effectuer l’interpolation, il suffisait de savoir effectuer la tâche suivante : étant données des valeurs ci, calculer le numérateur et le dénominateur de la fraction rationnelle n−1 X i=0 c_i X − a_i^{. (5.1)}

5.4 Algorithmes rapides 103

Entrée a₀, . . . , a_n−1∈ A et c0, . . . , c_n−1dans A, avec n de la forme

n = 2κ(κ ∈ N).

Sortie N, P ∈ A[X] tels que P = (X − a0) · · · (X − a_n−1) et ^N_P =Pn−1

i=0 c_i

X−a_i.

1. Si n = 1, alors renvoyer c0et X − a0.

2. Appeler récursivement l’algorithme avec a0, . . . , an/2−1

et c₀, . . . , cn/2−1. On note N₁et P₁les polynômes renvoyés. 3. Appeler récursivement l’algorithme avec a_n/2, . . . , a_n−1

et c_n/2, . . . , c_n−1pour obtenir en sortie N₂et P₂. 4. Renvoyer N₁P₂+ N₂P₁et P₁P₂.

Algorithme 5.6 – Somme de fractions.

C’est à cette question que nous allons répondre maintenant ; à nouveau, on utilise une idée de type « diviser pour régner » : par deux appels récursifs, on calcule

S₁= n/2−1 X i=0 c_i X − a_i ^{et S2=} n X i=n/2 c_i X − a_i

et on renvoie S = S₁+ S₂. Soit T(n) le coût du calcul pour n points. La méthode est résumée dans l’Algorithme 5.6. Son coût satisfait à la récurrence :

T(n) ≤ 2T n

2 

+ O(M (n)),

d’où l’on déduit le résultat suivant, en faisant encore une fois appel au théorème « diviser pour régner ».

Proposition 5.7 L’Algorithme 5.6 calcule le dénominateur et le numérateur de la fraction rationnelle (5.1) en O(M(n) log n) opérations dans A.

Interpolation

À ce stade, l’interpolation ne pose plus de réelle difficulté. Au vu des formules de la Section 5.3, le polynôme interpolant les valeurs bi aux points ai est donné par :

P(X) = n−1 X i=0 b_i^Ai(X) A_i(a_i) ^{= A(X) ×} n−1 X i=0 b_i/A_i(a_i) X − a_i ^.

D’après les paragraphes précédents, on sait comment calculer rapidement la fraction rationnelleP c_i/(X − a_i) ; il ne reste plus qu’à calculer les constantes c_i= b_i/A_i(a_i). Le calcul itératif des constantes c_ireviendrait à évaluer n polynômes différents, chacun en un point, et aurait donc une complexité trop élevée, quadratique en n. La proposition suivante permet de remplacer ces n évaluations par une évaluation multipoint d’un unique polynôme en n points, ce qui mène à un gain de complexité.

Entrée a0, . . . , an−1∈ A vérifiant (H) et b0, . . . , bn−1dans A.

Sortie L’unique polynôme P ∈ A[X] de degré strictement inférieur à n tel que P(a_i) = b_i pour tout i.

1. Calculer l’arbre des sous-produits associé aux points a_i(de racine A).

2. Calculer d_i = A0

(a_i) pour tout 0 ≤ i ≤ n − 1, avec l’Algo-rithme 5.5.

3. (c₀, . . . , c_n−1) = (b₀/d₀, . . . , b_n−1/d_n−1). 4. Calculer la somme R de fractions

c₀/(X − a₀) + · · · + c_n−1/(X − a_n−1) avec l’Algorithme 5.6.

5. Renvoyer le numérateur de R.

Algorithme 5.7 – Algorithme d’interpolation rapide.

Proposition 5.8 Pour tout i = 0, . . . , n − 1, on a Ai(ai) = A⁰(ai).

Démonstration. On dérive A, ce qui fournit l’égalité :

A⁰= n−1 X i=0 Y j,i (X − a_j) = n−1 X i=0 A_i.

On a vu précédemment que A_i(a_j) = 0 pour j , i, ce qui donne le résultat.  L’algorithme d’interpolation et l’estimation de son coût s’en déduisent facilement.

Proposition 5.9 La complexité de l’Algorithme 5.7 est O(M(n) log n) opérations de A.

Démonstration. C’est une conséquence des Propositions 5.5, 5.6 et 5.7.  Évaluation et interpolation sur une suite géométrique

Dans cette section nous montrons que tout polynôme de degré n peut être évalué et interpolé sur des points en progression géométrique {1, q, . . . , qⁿ⁻¹} en O(M(n)) opérations.

Proposition 5.10 Soit q un élément inversible de A, et ai = qⁱ pour 0 ≤ i < n. Alors :

1. On peut évaluer tout polynôme P ∈ A[X] de degré strictement inférieur à n sur les points a0, . . . , an−1en O(M(n)) opérations dans A.

2. Si les points (ai) vérifient l’hypothèse (H) on peut effectuer l’interpolation en les points a0, . . . , an−1en O(M(n)) opérations dans A.

5.4 Algorithmes rapides 105

Démonstration. Soit P = p₀+ p₁X + · · · + p_n−1Xn−1. Pour i = 0, . . . , 2n − 2, on introduit les nombres triangulaires t_i= i(i − 1)/2 et la suite β_i = qt_i; pour i = 0, . . . , n − 1 on construit γ_i = p_i/β_i. Tous les éléments q^ti, γ_i et β_i peuvent être calculés en O(n) opérations, en utilisant l’égalité q^ti+1 = qⁱq^ti. L’observation clé est que ij = t_i+j−t_i−t_j et donc

q^ij= β⁻_i¹β⁻_j¹β_i+j. L’algorithme d’évaluation repose alors sur la formule

P(qⁱ) = n−1 X j=0 p_jq^ij= β⁻_i¹· n−1 X j=0 γ_jβ_i+j,

qui montre que les valeurs P(qi) sont, à des facteurs constants près, données par les coefficients de Xn−1, . . . , X²ⁿ⁻²dans le produit dePn−1

i=0γ_iXⁿ⁻ⁱ⁻¹etP2n−2

i=0 β_iXⁱ.

Pour l’interpolation, on adapte l’Algorithme 5.7, de façon à économiser un facteur log en tirant parti de la structure des points a_i= qⁱ.

On commence par remarquer quela racine A(X) de l’arbre des sous-produits peut

être calculée en O(M(n)) opérations dans A, par un algorithme qui ne nécessite pas la

construction de tout l’arbre des sous-produits, donc différent de l’Algorithme 5.3. En effet, puisque les points a_iforment une suite géométrique, il est possible de calculer récursivement A =Qn−1

i=0(X − ai) parun seul appel récursif calculant B0=Qn/2−1

i=0 (X − ai), suivi du calcul de B₁=Qn−1

i=n/2(X − a_i) à partir de B₀par une homothétie de coût O(n), et enfin du calcul du produit A = B₀B₁.

Par ailleurs, observons que dans l’Algorithme 5.7, le calcul de tout l’arbre des sous-produits a été utiliséuniquement pour l’évaluation multipoint de A⁰. Or, par la première partie de la Proposition 5.10, l’évaluation de A⁰ sur les points a_i peut s’effectuer en O(M(n)) opérations.

Il nous reste à prouver que la somme des fractions (5.1), qui devient ici N A⁼ n−1 X i=0 c_i X − qi (5.2) peut également être déterminée pour le même coût.

On adopte la stratégie suivante : on calcule le développement en série à l’ordre n de la fraction (5.2). Celui-ci suffit pour en déduire son numérateur N(X). Pour ce faire, on utilise la formule 1/(a − X) =P

j≥0a^−j−1X^jvalable dans A[[X]] pour tout a ∈ A inversible. On obtient : n−1 X i=0 ci X − qi mod Xⁿ= − n−1 X i=0         n−1 X j=0 ciq^−i(j+1)X^j         = − n−1 X j=0 C(q^−j−1)X^j,

où C(X) est le polynômePn−1

i=0ciXⁱ. Or, les points q⁻¹, q⁻², . . . , q⁻ⁿétant en progression géométrique, on sait évaluer C sur ces points en O(M(n)).  Exercice 5.4 Montrer que tout l’arbre des sous-produits associé aux points a_i = qⁱ,

i = 0, . . . , n − 1, peut être calculé en M(n) + O(n log n) opérations dans A. 

Une approche évaluation-interpolation reposant sur la Proposition 5.10 permet d’ob-tenir un bon algorithme pour la multiplication des matrices polynomiales.

Corollaire 5.11 Soit K un corps possédant au moins 2d éléments. Il est possible de multiplier deux matrices polynomiales de Mn(K[X]) de degré au plus d en MM(n, d) = O(d MM(n) + n²M(d)) opérations dans K.

Exercices

Exercice 5.5 — Calcul rapide de sommes de puissances. Soient x1, x2, . . . , xndes éléments de K et soit Pk=Pn

i=1x_i^kpour k ≥ 1. Montrer que, à partir de la donnée des

x1, . . . , xn, il est possible de calculer :

1. tous les Pkdont les indices k ≤ n sont une puissance de 2 en O(n log n) opérations dans K.

2. tous les P₁, . . . , Pnen O(M(n) log n) opérations dans K.



Exercice 5.6 Estimer la complexité de l’algorithme direct pour évaluer un polynôme de degré au plus n et ses premières n dérivées en un point. Imaginer un algorithme de complexité quasi-linéaire résolvant ce problème. 

Exercice 5.7 Soient a, b, c, d ∈ A. Montrer qu’on peut évaluer tout polynôme de degré au plus n en {ba²ⁱ+ caⁱ+ d, 0 ≤ i < n}, en O(M(n)) opérations dans A. 

Exercice 5.8 Soit K un corps, m1, m2∈ K[X] des polynômes premiers entre eux, de degrés au plus n, et v1, v2 ∈ K[X] de degrés strictement inférieurs à n. Donner un algorithme de complexité O(M(n) log n) qui calcule f ∈ K[X] de degré strictement inférieur à 2n tel que f = v1mod m1et f = v2mod m2. [Indication : utiliser un pgcd étendu.]

En déduire un algorithme de type « diviser pour régner » pour l’interpolation polynomiale en degré n, de complexité O(M(n) log²n). 

Exercice 5.9 — Multiplication de polynômes à deux variables par substitution de Kronecker. Soient f et g dans K[X, Y] de degrés au plus dX en X et au plus d_Y en Y.

1. Montrer qu’il est possible de calculer tous les coefficients de h = f g avec un algorithme de complexité O(M(d_Xd_Y)) opérations dans K. Utiliser la substitution X ← Y^2dY+1pour se ramener à une multiplication de polynômes à une variable. 2. Améliorer ce résultat en donnant un schéma d’évaluation-interpolation qui

permette le calcul des coefficients de h en O(dXM(d_Y) + d_YM(d_X)) opérations de K si K est assez grand.



Notes

Pour évaluer un polynôme P(X) = p_n−1Xⁿ⁻¹+ · · · + p₀en un seul point a, le schéma

de Horner P(a) = (· · · ((p_n−1a + p_n−2)a + p_n−3)a + · · · + p₀) minimise le nombre d’opé-rations (additions ou multiplications). Cet algorithme effectue n − 1 additions et

5.4 Algorithmes rapides 107

n − 1 multiplications dans A, et on ne peut pas faire mieux en général (ceci, si les

coefficients du polynôme sont algébriquement indépendants — c’est-à-dire s’ils se comportent comme des indéterminées). Ce résultat d’optimalité a été conjecturé par Ostrowski [Ost54] et prouvé par Pan [Pan66]. Par contre, pour un polynôme donné, il peut être possible de faire mieux : l’évaluation de P(X) = Xⁿ⁻¹ se fait en temps logarithmique en n.

Une forme particulière du théorème des restes chinois a été enoncée il y a plus de 2000 ans par le mathématicien chinois Sun Tsu. Le traitement moderne est dû à Gauss [Gau66]. Ce théorème admet une formulation très générale, en termes d’idéaux d’anneaux non nécessairement commutatifs : Si R est un anneau et I₁, . . . , I_r des idéaux (à gauche) de R mutuellement premiers (c’est-à-dire I_i + I_j = R pour i < j), alors l’anneau quotient R/ ∩iI est isomorphe à l’anneau produitQ R/Ii via l’isomorphisme

x mod I 7→ (x mod I1, . . . , x mod Ir). La formule d’interpolation de Lagrange est due à Waring [War79]. Les avantages pratiques de l’arithmétique modulaire et les pre-mières applications en informatique du théorème des restes chinois ont été mis en évidence dans les années 1950 par Svoboda et Valach [SV55], et indépendamment par Garner [Gar59] et Takahasi et Ishibashi [TI61].

Le premier algorithme sous-quadratique, de complexité arithmétique O(n1,91), pour l’évaluation multipoint est dû à Borodin et Munro [BM71] et repose sur une approchepas de bébés / pas de géants exploitant la multiplication sous-cubique des

matrices de Strassen [Str69]. Horowitz [Hor72] a étendu ce résultat à l’interpolation. La Proposition 5.5 calcule efficacement les fonctions symétriques élémentaires de n éléments a₀, . . . , a_n−1de A ; elle est due également à Horowitz [Hor72]. S’inspirant de la FFT, Fiduccia [Fid72b] eut l’idée d’un algorithme pour l’évaluation multipoint à base de division polynomiale récursive. Ne disposant pas de division de complexité sous-quadratique, son algorithme récursif reste quadratique. Borodin et Moenck corrigent ce point dans deux articles successifs [BM74 ; MB72], reposant sur des algorithmes quasi-optimaux pour la division [MB72 ; Str73]. Montgomery [Mon92] améliore la constante dans la complexité O^M(n) log n) de l’évaluation multipoint, sous l’hypothèse que la FFT est utilisée pour la multiplication polynomiale. L’algorithme d’évaluation sur une suite géométrique exposé dans ce chapitre provient des travaux de Rabiner, Schafer, Rader [RSR69], et Bluestein [Blu70]. À l’origine, cet algorithme a permis de montrer qu’une DFTω, pour ω racine primitive n-ième de l’unité, peut être effectuée en O(nlogn) opérations même si n n’est pas une puissance de 2. L’algorithme d’interpolation est une adaptation de celui de Mersereau [Mer74]. Les meilleures constantes actuellement connues dans les O(·) du Théorème 5.1 sont obtenus à l’aide du principe de transposition de Tellegen [BLS03 ; BS05].

On connaît peu de choses sur la complexité intrinsèque de l’évaluation multipoint et de l’interpolation en degré n. Strassen [Str73] a prouvé une borne inférieure de type

n log n. Shoup et Smolensky [SS97] ont montré que ces bornes restent essentiellement

vraies même dans un modèle où des précalculs en quantité illimitée sur les points d’évaluation sont permis. Cependant, l’optimalité des meilleurs algorithmes connus, de complexité O(n log²n), reste un problème ouvert. Même dans le cas particulier

où les points d’évaluation sont en progression arithmétique, on ne dispose d’aucun algorithme d’évaluation multipoint de complexité O(M(n)), ni d’une preuve qu’un tel algorithme n’existe pas. De même, pour des points quelconques a₀, . . . , a_n−1on ne

connaît pas d’algorithme de complexité O(M(n)) pour calculer le polynômeQ

i(X − a_i). Notons toutefois que de tels algorithmes existent dans les cas particuliers où les a_i forment une progression arithmétique ou géométrique [BS05]. L’Exercice 5.8 provient de [HH71] ; historiquement, ce fut le premier algorithme rapide pour les restes chinois. Les Exercices 5.6 et 5.7 sont tirés de [ASU75].

Bibliographie

ASU75 Aho, A. V., K. Steiglitz et J. D. Ullman (1975). « Evaluating polynomials at fixed sets of points ». In :SIAM Journal on Computing, vol. 4, n^◦4, p. 533– 539.

BLS03 Bostan, Alin, Grégoire Lecerf et Éric Schost (2003). « Tellegen’s principle into practice ». In :ISSAC’03 : International Symposium on Symbolic and Algebraic Computation. Éd. par J. R. Sendra. ACM Press, p. 37–44.

Blu70 Bluestein, L. I. (1970). « A linear filtering approach to the computation of the discrete Fourier transform ». In :IEEE Trans. Electroacoustics, vol.

AU-18, p. 451–455.

BM71 Borodin, A. et I. Munro (1971). « Evaluating polynomials at many points ». In :Information Processing Letters, vol. 1, n^◦2, p. 66–68.

BM74 Borodin, A. et R. T. Moenck (1974). « Fast modular transforms ». In :

Journal of Computer and System Sciences, vol. 8, n^◦3, p. 366–386.

BS05 Bostan, Alin et Éric Schost (2005). « Polynomial evaluation and interpo-lation on special sets of points ». In :Journal of Complexity, vol. 21, n^◦4, p. 420–446.

Fid72b Fiduccia, C. M. (1972). « Polynomial evaluation via the division algorithm : the fast Fourier transform revisited. » In :STOC’72 : ACM Symposium on Theory of Computing, p. 88–93.

Gar59 Garner, Harvey L. (1959). « The residue number system ». In : IRE-AIEE-ACM’59 Western joint computer conference. San Francisco, California : ACM,

p. 146–153.

Gau66 Gauss, Carl Friedrich (1966).Disquisitiones arithmeticae. Translated into

English by Arthur A. Clarke, S. J. Yale University Press.

HH71 Heindel, L. E. et E. Horowitz (1971). « On decreasing the computing time for modular arithmetic ». In :12th symposium on switching and automata theory. IEEE, p. 126–128.

Hor72 Horowitz, E. (1972). « A fast method for interpolation using preconditio-ning ». In :Information Processing Letters, vol. 1, n^◦4, p. 157–163.

MB72 Moenck, R. T. et A. Borodin (1972). « Fast modular transforms via divi-sion ». In :Thirteenth Annual IEEE Symposium on Switching and Automata Theory, p. 90–96.

Mer74 Mersereau, Russell M. (1974). « An algorithm for performing an inverse chirp z-transform ». In : IEEE Transactions on Audio and Electroacoustics, vol. ASSP-22, n◦

5, p. 387–388.

Mon92 Montgomery, P. L. (1992). « An FFT extension of the elliptic curve method of factorization ». Thèse de doctorat. University of California, Los Angeles CA.

5.4 Algorithmes rapides 109

Ost54 Ostrowski, A. M. (1954). « On two problems in abstract algebra connected with Horner’s rule ». In :Studies in mathematics and mechanics presented to Richard von Mises. NY : Academic Press Inc., p. 40–48.

Pan66 Pan, V. Ya. (1966). « Methods of computing values of polynomials ». In :

Russian Mathematical Surveys, vol. 21, n^◦1, p. 105–136.

RSR69 Rabiner, L. R., R. W. Schafer et C. M. Rader (1969). « The chirp z-transform algorithm and its application ». In :Bell System Technical Journal,

vol. 48, p. 1249–1292.

SS97 Shoup, Victor et Roman Smolensky (1996/97). « Lower bounds for po-lynomial evaluation and interpolation problems ». In : Computational Complexity, vol. 6, n^◦4, p. 301–311.

Str69 Strassen, V. (1969). « Gaussian elimination is not optimal ». In : Nume-rische Mathematik, vol. 13, p. 354–356.

Str73 — (1972/73). « Die Berechnungskomplexität von elementarsym-metrischen Funktionen und von Interpolationskoeffizienten ». In :

Nume-rische Mathematik, vol. 20, p. 238–251.

SV55 Svoboda, A. et M. Valach (1955). « Operátorové obvody (Operational circuits) ». In :Stroje na Zpracování Informací (Information Processing Ma-chines), vol. 3, p. 247–295.

TI61 Takahasi, H. et Y. Ishibashi (1961). « A new method for exact calculation by a digital computer ». In :Information Processing in Japan, p. 28–42.

War79 Waring, E. (1779). « Problems concerning interpolations ». In : Philosophi-cal Transactions of the Royal Society of London, vol. 59, p. 59–67.

Dans le document Algorithmes Efficaces en Calcul Formel (Page 100-112)