FFT之串行+MPI并行实现（C语言版）

---

前言

FFT(Fast Fourier Transformation)，能够在时间复杂度为O(nlogn)的时间内将多项式的系数表示法转换成点值表示法。

---

一、系数表示法和点值表示法

1.1、系数表示法

$f(x)=\sum _{i=0}^{n-1}{a}_i{x}_i$ 可以用每一项的系数表示，即：

$f(x)=(a_0,a_1,...,a_{n-1})$

就是平常最常使用的方法

1.2、点值表示法

  把 n 个不同的 $x$ 代入$f(x)$，会得出 n 个不同的值，根据插值法原理可知这 n 个点可以唯一确定一个多项式，即$f(x)$，所以：

$f(x)=((x_0,f(x_0),(x_1,f(x_1)...(x_{n-1},f(x_{n-1}))$

1.3、多项式相乘时的时间复杂度

当两个 n-1 次多项式$f(x),g(x)$相乘时：
  $\cdot$系数表示法的复杂度：$O(n^2)$;
  $\cdot$点值表示法的复杂度：$O(nlogn)$;
所以：将系数表示法转换成点值表示法，可以有效降低复杂度;

但是 不能直接代入 n 个任意不同的$x$值，因为从系数表示法转换到点值表示法还是$O(n^2)$，而FFT就能够在$O(nlogn)$的条件下完成这项任务；

二、FFT预备知识

2.1、复数

  在复数范围内令${\omega }^n=1$，可以得到 n 个不同的复数根{ ${\omega }_n^0,{\omega }_n^1,...,{\omega }_n^{n-1}$}，且均匀分布在模长为1的圆上，
单位根的性质:

  1)${\omega }_n^m={\omega }_{2n}^{2m}$;

  2)${\omega }_n^m=-{\omega }_n^{m+\frac{n}{2}}$;

  3)$({\omega }_n^m{)}^2={\omega }_n^{2m}$;

  4)${\omega }_n^m=cos\frac{m}{n}2\pi +isin\frac{m}{n}2\pi$;

2.2、蝶形变换

对于$A(x)=\sum _{i=0}^{n-1}{a}_i{x}_i=a_0+a_1{x}^1+a_2{x}^2+...+a_{n-1}{x}^{n-1}:$

按 $A(x)$ 下标的奇偶性把 $A(x)$分成两半，右边再提一个 $x:$

   A ( x ) = ( a 0 ​ + a 2 ​ x 2