学习FFT（快速傅里叶变化）小记-CSDN博客

（话说这是1年前的坑啊）

楔子

话说最近被什么“初三不会SAM就退役”等鬼话给迷惑了。
左学右学了好久。
~~还是不会SAM啊~~
symbol说不可以信这些鬼话。
然后又有这么一句话“初三不会FFT就退役”
就被诱惑去学FFT了。

正文

注：这些内容是在多项式专题讲师的指导下学的，不全也别怪我，

复数

引用一下定义

我们把形如a+bi（a,b均为实数）的数称为复数.
其中a称为实部，b称为虚部，i称为虚数单位.
当虚部等于0时，这个复数是实数。
实部等于0时，常称z为纯虚数。
i=√-1

有了复数的定义之后，我们再看看另外的东西——
复平面

复平面是一个坐标系
横轴表示实数，纵轴表示虚数
复平面上的点都能表示所有的复数
点(x,y)表示复数x+iy
一个复数z=a+bi在复平面上到原点的距离为 $a2+b2\sqrt{a^2+b^2}$ ,称此为复数z的模长r，记作 $∣ z ∣$

这里有一个神奇的图可以帮助理解：
这里写图片描述
你问我什么可以画这么个坐标轴？
因为i为虚数，所以可以在x坐标上表示，也就是把每个单位长换做是i就差不多了。
~~打死也不说是数学老师上函数课无聊时讲的~~
然后我们来找找其中的一些神奇的性质。

首先，当Z不在原点的时候，即Z<>0 ~~（讲师PPT上是Z!=0吓得我以为是阶乘）~~ $OZ→\overrightarrow {OZ}$ 与x轴的夹角记作是Arg Z
那么Z就可以表示为
$Z = ∣ z ∣ * (c o s (A r g Z) + i * s i n (A r g Z))$
什么意思呢？
这里写图片描述
首先，看看sin与cos
sin表示a/c
cos表示b/c
然后上面的式子就为：
$Z = ∣ z ∣ * (a / ∣ z ∣ + i * b / ∣ z ∣)$
$Z = a + i * b$
符合原来的定义。
然后这个就叫做是三角表示。

然后我们有这个东东了之后，是否可以大胆地想：“把两个复数的乘积用三角表示表示出来？”
$Z1=r1∗(cos(φ)+i∗sin(φ))//φ=ArgZ1,r1=∣z1∣Z1=r1*(cos(\varphi)+i*sin(\varphi))// \varphi=Arg Z1,r1=|z1|$
$Z2=r2∗(cos(θ)+i∗sin(θ))//θ=ArgZ2,r2=∣z2∣Z2=r2*(cos(\theta)+i*sin(\theta))// \theta=Arg Z2,r2=|z2|$
合并起来：
$Z1Z2=r1∗r2∗((cos(φ)cos(θ)−sin(φ)sin(θ))+i∗(cos(φ)sin(θ)+cos(θ)sin(φ)))Z1Z2=r1*r2*((cos(\varphi)cos(\theta)-sin(\varphi)sin(\theta))+i*(cos(\varphi)sin(\theta)+cos(\theta)sin(\varphi)))$
$∵三角恒等式，也就是下面的东东\because三角恒等式，也就是下面的东东$
这里写图片描述
证明？必修四上似乎有讲，当然，和百度百科是一样的。
（自百度百科）
取直角坐标系，作单位圆；取一点A，连接OA，与X轴的夹角为α，取一点B，连接OB，与X轴的夹角为β，则OA与OB的夹角即为α-β
$∵ A (c o s (α), s i n (α)), B (c o s (β), s i n (β))$
$∴OA→=(cos(α),sin(α)),OB→=(cos(β),sin(β))∴\overrightarrow{OA}=(cos(α),sin(α)),\overrightarrow{OB}=(cos(β),sin(β))$
$∴OA→⋅OB→=∣OA→∣∣OB→∣cos(α−β)=cos(α)cos(β)+sin(α)sin(β)∴\overrightarrow{OA}·\overrightarrow{OB}=|\overrightarrow{OA}| |\overrightarrow{OB}|cos(α-β)=cos(α)cos(β)+sin(α)sin(β)$
$∵∣OA→∣=∣OB→∣=1∵|\overrightarrow{OA}| = |\overrightarrow{OB}| = 1$
$∴ c o s (α - β) = c o s (α) c o s (β) + s i n (α) s i n (β)$
取 $β = - β$ ，可得 $c o s (α + β) = c o s (α) c o s (β) - s i n (α) s i n (β)$
下面那条式子是同理。

然后根据上面的三角恒等式，可以发现——
$Z1Z2=r1∗r2∗(cos(φ+θ)+i∗sin(φ+θ))Z1Z2=r1*r2*(cos(\varphi+\theta)+i*sin(\varphi+\theta))$
这样好！
那么总结一下就是——
我们得到了两个复数相乘的运算法则：模长相乘，幅角相加。

然后我们继续看看其他神奇的东西：
考虑一个方程：
$x^n=1$
求x的复数解。
直接告诉你结论——
$有n个解，第i个解为:xi=cos(2πin)+i∗sin(2πin)有n个解，第i个解为:xi=cos(\frac{2\pi i}{n})+i*sin(\frac{2\pi i}{n})$
证明？
由于模长为1，然后可以画一个圆，每次就把圆的一条边旋转那么n次，然后回到0。
很好理解对吧？

好的，复数的一些内容大致到此结束。
这么快？因为这些都是为后文做铺垫滴~~~

FFT

其实就是这么个问题——
给出两个多项式A(x)，B(x)
要求快速求出C(x)=A(x)*B(x)

一些定义：
1、次数界：最高次数+1即为次数界。
然后对于一个次数界为n的多项式A(x)可以表示为： $A(x)=∑i=0n−1ai∗xiA(x)=\sum_{i=0}^{n-1} a_i*x^i$
$a_i$ 表示每一项的系数。
2、点值与点值表达：
一个次数界为n的多项式 $A(x)=∑i=0n−1ai∗xiA{(x)}=\sum_{i=0}^{n-1}a_i*x^i$ 的点值表达就是一个由n个点值对所组成的集合：{ ${(x_0,y_0),(x_1,y_1),...,(x_{n-1},y_{n-1})}$ }
$y_k=A(x_k)$
举个例子：
比如 $A(x)=x^2+3x+5$
那么任意一个点值表达为： $(- 1, 3) (0, 5) (1, 10)$
第一个的意义是当x=-1时，A(x)=3
3、差值表达：
插值运算是根据多项式的点值表示确定多项式系数表示中的系数，是点值运算的逆运算
意思就是把一个点值表达式变成差值表达。

注意：任意一个点值表达只能表示一种多项式，这叫做：多项式插值的唯一性
这是个定理，至于证明的话，我不会~

那么我们就可以知道FFT的工作原理——
注意：提示：对于次数界为n的多项式A与次数界为m的多项式B，AB的多项式C的次数界为n+m-1*
第1步:点值运算 构造长度为n+m-1的点值,求得A与B的点值表示
A表示为：{ ${(x_0,y_0),(x_1,y_1),...,(x_{n+m-2},y_{n+m-2})}$ }
B表示为：{ $(x0,y0′),(x1,y1′),...,(xn+m−2,yn+m−2′){(x_0,y'_0),(x_1,y'_1),...,(x_{n+m-2},y'_{n+m-2})}$ }
第2步:逐点相乘 那我们可以得知C的点值表示
C表示为：{ $(x0,y0∗y0′),(x1,y1∗y1′),...,(xn+m−2,yn+m−2∗yn+m−2′){(x_0,y_0*y'_0),(x_1,y_1*y'_1),...,(x_{n+m-2},y_{n+m-2}*y'_{n+m-2})}$ }
第3步:插值运算 通过C的点值表示求出多项式C的每项系数

具体流程：
第1步：根据霍纳法则可得： $A(x)=a_0+x_0(a_1+x_0(a_2+x_0(...(a_{n-2}+x_0*a_{n-1})...)))$
不会的点这里
https://baike.baidu.com/item/霍纳法则/4822190?fr=aladdin
第2步：使用lu分解。时间复杂度为 $O(n^3)$
不会的点这里
https://baike.baidu.com/item/lu分解/764245?fr=aladdin
第2.5步：使用拉格朗日。时间复杂度 $O(n^2)$
不会的点这里
https://baike.baidu.com/item/拉格朗日公式#3
当然，上述的都不重要，重点在后。

N次单位根的性质——
我们称为 $ωn\omega_n$ = $ωn1\omega_n^1$ 主n次的单位根
别看它那么深奥，则其实就是之前方程中的x。
我们可以发现，n的单位根的模长都为1，且两两相临的单位根的夹角都相等。
那么： $ωni=ωn∗ωni−1\omega_n^i=\omega_n*\omega_n^{i-1}$
所以说这是一个等比数列。公比p=主n次的单位根
这里写图片描述
这张图是复平面上 主8次的单位根 的图。
我们找找一些性质——
1、 $ωnn=ωn0=1\omega_n^n=\omega_n^0=1$
2、 $ωnxωny=ωnx+y=ωn(x+y)modn\omega_n^x\omega_n^y=\omega_n^{x+y}=\omega_n^{(x+y)mod n}$
因为两个相乘就相当于两个相加（显然），然后就相当于旋转了(x+y)次。如果mod一下，那么就相当于转了很多圈回到了原来的一个值。
3、 $ωnx=ωnn+x\omega_n^x=\omega_n^{n+x}$
证明与上面的一样。
4、群的性质：满足 $ωnx<>ωny\omega_n^x<>\omega_n^y$ 当且仅当x mod n<>y mod n
5、消去引理： $ωdndx=ωnx\omega_{dn}^{dx}=\omega_n^x$
6、折半引理： $(ωni)2=(ωni+n2)2=ωn2i(当2∣n时)({\omega_n^i})^2=(\omega_n^{i+ \frac n2 })^2=\omega_n^{2i} (当2|n时)$
证明：
$∵(ωni)2=ωn2i\because({\omega_n^i})^2=\omega_n^{2i}$
$∵ωn2i=ωn2i+n=(ωni+n2)2\because\omega_n^{2i}=\omega_n^{2i+n}=(\omega_n^{i+ \frac n2 })^2$
$∴(ωni)2=(ωni+n2)2\therefore({\omega_n^i})^2=(\omega_n^{i+ \frac n2 })^2$
事实上： $ωni=−ωni+n2\omega_n^i=-\omega_n^{i+ \frac n2 }$
很好理解恩？
7、求和引理：对于任意正整数n和非负整数k，且n不是k的倍数时，满足： $∑i=0n−1(ωnk)i=0\sum_{i=0}^{n-1}(\omega^k_n)^i=0$
证明：
运用等比数列：
$∑i=0n−1(ωnk)i=1−(ωnk)n1−ωnk=1−(ωnn)k1−ωnk=1−1k1−ωnk=0\sum_{i=0}^{n-1}(\omega^k_n)^i=\frac{1-(\omega_n^k)^n}{1-\omega_n^k}=\frac{1-(\omega_n^n)^k}{1-\omega_n^k}=\frac{1-1^k}{1-\omega_n^k}=0$
8、不知道什么引理或定理：
$ωnk+n2=−ωnk\omega_n^{k+\frac n2}=-\omega_n^k$
至于为什么，就是根据它在图像上的向量求的。

然后就是fft的关键：

考虑多项式
$A(x)=∑i=0n−1ai∗xi=a0∗x0+a1∗x1+a2∗x2+……+an−1∗xn−1A(x)=\sum_{i=0}^{n-1}a_i*x^i=a_0*x^0+a_1*x^1+a_2*x^2+……+a_{n-1}*x^{n-1}$
我们把这个玩意按照下标奇偶性来分个类。
$a_0*x^0+a_2*x^2+……+a_{n-2}*x^{n-2})+(a_1*x^1+a_3*x^3+……+a_{n-1}*x^{n-1})$
$a_0*x^0+a_2*x^2+……+a_{n-2}*x^{n-2})+x*(a_1*x^0+a_3*x^2+……+a_{n-1}*x^{n-2})$
设
$A1(x)=a0∗x0+a2∗x+a4∗x2+……+an−2∗xn−22A1(x)=a_0*x^0+a_2*x+a_4*x^2+……+a_{n-2}*x^\frac{n-2}2$
$A2(x)=a1∗x0+a3∗x+a5∗x2……+an−1∗xn−22A2(x)=a_1*x^0+a_3*x+a_5*x^2……+a_{n-1}*x^\frac{n-2}2$
则
$A(x)=A1(x^2)+x*A2(x^2)$
设 $k<=n2k<=\frac n 2$ ，然后把 $ωnk\omega_n^k$ 代入 $x$ 得到：
$A(ωnk)=A1((ωnk)2)+ωnk∗A2((ωnk)2)A(\omega_n^k)=A1((\omega_n^k)^2)+\omega_n^k*A2((\omega_n^k)^2)$
根据折半引理：
$A(ωnk)=A1(ωn2k)+ωnk∗A2(ωn2k)A(\omega_n^k)=A1(\omega_n^{2k})+\omega_n^k*A2(\omega_n^{2k})$
根据消去引理：
$A(ωnk)=A1(ωn2k)+ωnk∗A2(ωn2k)A(\omega_n^k)=A1(\omega_\frac n2^k)+\omega_n^k*A2(\omega_\frac n2^k)$
然后再把 $ωnk+n2\omega_n^{k+\frac n 2}$ 代入得到
$A(ωnk+n2)=A1((ωnk+n2)2)+ωnk+n2∗A2((ωnk+n2)2)A(\omega_n^{k+\frac n 2})=A1((\omega_n^{k+\frac n 2})^2)+\omega_n^{k+\frac n 2}*A2((\omega_n^{k+\frac n 2})^2)$
$A(ωnk+n2)=A1(ωn2k+n)−ωnk∗A2(ωn2k+n)A(\omega_n^{k+\frac n 2})=A1(\omega_n^{2k+n})-\omega_n^k*A2(\omega_n^{2k+n})$
$A(ωnk+n2)=A1(ωn2k)−ωnk∗A2(ωn2k)A(\omega_n^{k+\frac n 2})=A1(\omega_n^{2k})-\omega_n^k*A2(\omega_n^{2k})$
$A(ωnk+n2)=A1(ωn2k)−ωnk∗A2(ωn2k)A(\omega_n^{k+\frac n 2})=A1(\omega_\frac n2^k)-\omega_n^k*A2(\omega_\frac n2^k)$
继而发现，上面两坨玩意儿只有一个符号变了。
意味着，求出 $A1(ωn2k)A1(\omega_\frac n2^k)$ 和 $A2(ωn2k)A2(\omega_\frac n2^k)$ 的答案，即可求出 $A(ωnk)A(\omega_n^k)$ 与 $A(ωnk+n2)A(\omega_n^{k+\frac n 2})$