FFT入门学习

简介

FFT（快速傅里叶变换Fast Fourier Transformation）是DFT（离散傅里叶变换Discrete Fourier Transform）的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。
FFT是用来进行多项式乘法运算，对于多项式加法，我们只需要将次数相同的数的系数相加即可。然而乘法会复杂很多，对于两个n-1次多项式，算出他们的乘积的复杂度为$O(N^2)$，这显然不是特别优秀，所以我们的数学家就想出了FFT，可以将复杂度优化到$O(Nlog_2N)$

---

预备知识：

---

多项式的点值表示

多项式的点值表示也就是把不同的数值带入多项式，然后算出结果。

定理：一个 n−1 次多项式在 n 个不同点的取值唯一确定了该多项式。
证明：假设命题不成立，存在两个不同的$n-1$ 次多项式$A(x)、B(x)$满足对于任何$i∈[0,n-1]$都存在$A(xi)=B(xi)$。
令$C(x)=A(x)-B(x)$，则$C$也是一个$n-1$次多项式，并且对于任何$i∈[0,n-1]$，$C(xi)=0$。所以$C$有$n$个根。
这与代数基本定理矛盾，所以证明完毕。

于是我们就有了把多项式转化为点值，然后让点值相称，最终再重新插值，求出最终的多项式这样一种思路。但是这种方法的朴素时间复杂度依旧为$O(N^2)$

---

弧度制

弧度制也就是用弧度来表示角度，我们定义$πrad=180°$
这里介绍弧度制主要是因为C++三角函数库是使用弧度制的。

---

复数

复数域是目前已知最大的数域，我们知道在实数的时候$sqrt(-1)$是不存在意义的，但是在复数域下，$sqrt(-1)=i$，并且我们对复数的定义与$i$有关，复数的通式为$a+bi$

---

复平面

既然复数的定义是$a+bi$，那么我们将点(a,b)放在直角坐标系里面，则复数就转化为了一些点。我们让复平面上点$(0,0)$到点$(a,b)$的向量代表这个复数。则将$(0,0)$到$(a,b)$的长度成为模长，将从x轴转到向量的角度大小成为幅角。
那么在这个复平面上，两个复数相加就代表着两个向量按照平行四边形法则相加；两个复数相乘就代表着两个向量模长相乘，幅角相加。

---

单位根

在复平面上以圆心为起点，以1为半径画圆。这个圆称为单位圆。那么选圆上的点有什么用呢？因为我们发现，复数相乘是模长相乘，幅角相加。那么我们选取单位圆上的点，也就保证了模长一直是1。再进行复数乘积时，就不许要考虑模长，只要相加幅角即可。
我们设$n=2^x,x∈N$。那么我们将单位圆从(1,0)开始划分为n等份(令$w_n$为到(0,1)的向量，称为n次单位根)，则沿着逆时针方向的向量刚好对应着$w_n^1,w_n^2……$

---

关于单位根的三个重要性质

1.$w_{2n}^{2k}=w_{n}^{k}$ 这个可以根据单位圆图像的性质来证明。
2.$w_{n}^{k}=cos\ k\frac{2π}{n}+i\ sin\ k\frac{2π}{n}$这个根据三角函数即可
3.$w_{n}^{k+\frac{n}{2}}=-w_{n}^{k}$

$w_{n}^{k+\frac{n}{2}}=w_{n}^{k}*w_{n}^{\frac{n}{2}}$
$w_{n}^{\frac{n}{2}}=cos\ π+i\ sin\ π=-1$
$w_{n}^{k+\frac{n}{2}}=w_{n}^{k}*-1=-w_{n}^{k}$

---

快速傅里叶变换：

---

离散傅里叶变换

我们考虑用点值表示多项式$A(x)$。我们将n次单位根0~n-1代入多项式，得到点值向量
(A(w0n),A(