算法学习：快速傅里叶变换（FFT）

前置知识：

---

1.多项式

定义

形如：
$$f(x)=\sum _0^{n-1}ai\cdot x^i$$

多项式表示法：

系数表示法

就是上式的写法

点值表示法

在f(x)上取n个点，就能唯一确定的表示出这个多项式。
证明如下：
$\forall$n点集合c
定义集合A={ $a_0,a_1,a_2,...,a_{n-1}$}为某一个的ｎ点的集合c所表示的多项式的系数集合。
反证：
若不然，则$\exists$集合B，B$̸=$A，并且B也是c所表示多项式的系数集合。
此时，令Ci=Ai-Bi，那么带入c中的每一个元素，C所代表的多项式的值都会是0，也就是说，该n-1次多项式有n个零点，这显然与事实不符，所以证毕。

多项式相乘

如果用系数表示法直接相乘，那么计算的复杂度是O($n^2$)的。
但是如果用点值表示法相乘，由于函数的相乘是每一个点的两个函数值相乘，所以复杂度是O(n)的。

２.复数相关

1.复数定义

在数学上，我们定义i，满足$$i^2=-1$$也就是说$$i=\sqrt{-1}$$
定义一个复数为$$a+bi$$那么由此我们就把数的定义扩充到了更大的范围。

2.复平面

复数的定义$a+bi$,我们可以把a看成x轴，b看成y轴，那么每一个复数都可以看做在复平面上的一个点。当然，原本的实数就是复平面中x轴上的点。

3.复平面上的运算法则

复数的运算法则：$$(a_1+b_{1}i)\cdot (a_2+b_{2}i)=$$
$$a_1{b}_1+a_1{b}_{2}i+a_2{b}_{1}i+b_1{b}_2{i}^2=$$
$$a_1{b}_1-b_1{b}_2+(a_1{b}_2+a_2{b}_1)i$$

复平面上的复数可以看做向量，那么复平面上的复数可以表示为(辐角(与x轴的夹角大小)，长度)。对于这种表示方法，向量的相加的法则是：长度相乘，辐角相加。
证明：
假设两个复数$a_1+b_{1}i,a_2+b_{2}i$
那么两个复数的长度分别为$$\sqrt{{a_1}^2+{b_1}^2},\sqrt{{a_2}^2+{b_2}^2}$$
相乘等于
$$\sqrt{{a_1}^2{a_2}^2+{a_1}^2{b_2}^2+{b_1}^2{a_2}^2+{b_1}^2{b_2}^2}$$
而两个向量相乘后得到的向量$a_1{b}_1-b_1{b}_2+(a_1{b}_2+a_2{b}_1)i$的长度也等于上式的值。
辐角相加也类似可证，只不过需要用到定理$$\tan a+b=\frac{\tan a+\tan b}{1-\tan a\tan b}$$,这里就省略了。

单位根

定义

定义${\omega }_n$为在复平面上，以1为半径作圆，把圆等分成n份。
那么${\omega }_n^k$就表示这个n等分圆中，从x轴开始，逆时针数的第k条等分线所表示的复数。
我们规定x轴上的等分线为第0条，同时也是的n条，也就是说${\omega }_n^0={\omega }_n^n=1$，意思就是等分从x轴开始。
那么有一个显然的计算${\omega }_n^k$的方法:$${\omega }_n^k=\cos k\frac{2\pi }{n}+\sin k\frac{2\pi }{n}\cdot i$$

性质

性质1

$${\omega }_{2n}^{2k}={\omega }_n^k$$
这个可以感性理解一下，一个圆分成n份，取第k份，和一个圆分成2n份，取第2k份，实际上是相同的。

性质2

ω n k + n 2 = − ω n k \omega_{n}^{k+\frac{n}{2}}=-\omega_n^k