FFT学习笔记<理论篇>

前言：

下了好大决心，花了一个晚上的时间，终于看懂了FFT的理论与流程，然后又花了一个晚上实现代码，做了几道模板题。
FFT理论很深，却又很实用，一个很常用的用法就是加速多项式乘法，使得原来O(n^2)的复杂度减小到O(nlogn)。
下面我来大概讲述一下FFT的基本理论与算法流程，帮助初学者了解FFT，同时也是自己的复习。

---

<1> 介绍：

FFT，全称快速傅里叶变换(fast Fourier transform)，是用来计算离散傅里叶变换(DFT)及其逆变换(IDFT)的快速算法。对于DFT，迷一点讲就是说它把时域信号转化为频域信号（不明白也没关系，并不影响学习算法）。在算法竞赛中，我们经常用FFT来加速卷积，做一些多项式乘法或是高精度乘法之类的。

我主要基于多项式乘法来介绍FFT，下面也都是用多项式乘法来讲的~

---

<2>一些定义：

我们将一个以x为变量的多项式A(x)表示为:

$$A(x) = \sum _{j=0}^{n-1}a_jx^j\\$$
若多项式 $A(x)$的最高次的非零系数为 $a^k$，则称这是一个k次多项式，而它的次数界为>k的任意一个整数（一般取k+1）。
若有两个以x为变量的n次多项式 $A(x)$， $B(x)$，则它们的积可表示为：
$$C(x) = \sum_{j=0}^{2n-2}c_jx^j\\$$
其中
$$c_j = \sum_{k=0}^ja_kb_{j-k}\\$$
$C(x)$是一个次数界为2n-1的多项式。
另外，下面还大量提到了复数，并用专用符号 $i$ 来表示虚数单位， $i^2=-1$。

---

<3>系数表达与点值表达：

对一个次数界为n的多项式$A(x)$而言，其系数表达是一个由系数组成的向量$a=(a_0,a_1,...,a_{n-1})$。
而它的点值表达是一个由n个点值对组成的集合

$$(x_0,y_0),(x_1,y_1),...,(x_{n-1},y_{n-1})\\$$
使得对 $k = 0, 1, ..., n - 1$，所有的 $x_k$各不相同，
$$y_k = A(x_k)\\$$
对于点值表达，我们可以看成是把多项式 $A(x)$当做一个以 $x$为自变量的函数，并把 $y$作为因变量，从其图像中取n个点，取其坐标，就得到点值表示。
我们可以看到，求出这个多项式的n个点值复杂度为 $O(n^2)$，后面可以看到，如果我们巧妙地选取点 $x_k$，就可加速这一过程，使复杂度降至 $O(nlogn)$。
我们将求值运算的逆称为插值（就是通过点值表达来求出系数表达），有一个 定理（差值多项式的唯一性）：对于任意n个点值对组成的集合，其中所有的$x_k$都不同，那么存在唯一的多项式$A(x)$,满足$y_k = A(x_k), k = 0, 1, ..., n - 1$。证明不再赘述，我们大概可以从两点确定一条直线，三点确定一条抛物线来大概认定这个定理吧。
对于多项式乘法，点值表达是十分方便的。若 C(x