算法学习FFT系列（1）：初习快速傅里叶变换

算法学习FFT系列（1）：初习快速傅里叶变换

引入

这个坑已经在我脑海里占了很久了，但是一直没有水平写，今天尝试着写写看FFT的算法学习。
FFT在OI中最大的作用是加速卷积。理论上背板子是没毛病的，但是仍然遇到了一些考定义的毒瘤题，所以还是理解比较好。

多项式乘法

定义

多项式$A(x)=\sum\limits_i^n a_i*x^i,B(x)=\sum\limits_i^nb_i*x^i$
多项式乘法就是

$C(x)=\sum\limits_i^{2n-1} (\sum\limits_j^i a_j*b_{i-j})x^i$

显然，多项式乘法需要$O(n^2)$的复杂度。

表示方法

普通的多项式表示方法把n阶多项式$A(x)$表示为向量$A$
这里需要引入一种全新的表示方法——点值表示法。
也就是$A(x)$表示为$A(A(x_0),A(x_1),A(x_2) \cdots A(x_n))$
n阶多项式和n个互不相同的点值表示一一对应。
这样的表示方法的优点是什么？考虑多项式乘法的过程。

$C(x)=\sum\limits_i^{2n-1} (\sum\limits_j^i a_j*b_{i-j})x^i$
$=\sum\limits_i^{2n-1} \sum\limits_j^i (a_j*x^j)*(b_{i-j}*x^{i-j})$
$=\sum\limits_j^{2n-1} (a_j*x^j)*\sum\limits_i^{2n-1} (b_i*x^i)$

转化成点值表示的两个式子，不难发现，其乘法复杂度是$O(n)$的

FFT的总路线：系数表达式->点值表达式->乘法->点值表达式->系数表达式

插值（*）

这个东西是顺便一提，FFT中系数表达式<->点值表达式过程并不是FFT的专属，但是确是FFT的关键。这一过程被称之为插值。证明插值的唯一性（也就是n阶多项式和n个互不相同的点值表示一一对应。）需要通过范德蒙德矩阵的可逆性。
⎡⎣⎢⎢⎢⎢11…1x0x1…xnx20x21…x2n…⋯…⋯xn0xn1…xnn⎤⎦⎥⎥⎥⎥⎡⎣⎢⎢⎢a0a1…an⎤⎦⎥⎥⎥=⎡⎣⎢⎢⎢y0y1…yn⎤⎦⎥⎥⎥ [ 1 x 0 x 0 2 … x 0 n 1