快速傅里叶变换fft_快速傅里叶变换（FFT）求解多项式乘法

本篇笔记的目的是尽量通过简洁的方式说明FFT算法的过程，各种概念能不用就不用，也不涉及其物理意义，仅仅局限于算法这一块来讨论FFT

求解多项式乘法，那么首先明确，多项式是什么，例如下面一个多项式：

这是一个n-1次多项式（最高次项是

），

是它各项的系数，该多项式也可以写成以下形式：

不过无论是哪种形式，一个多项式都可以通过一组系数所确定，而这组系数所组成的向量也叫做系数向量（例如上面

的系数向量为：

），通过系数向量表示一个多项的方式也叫做

系数表示法

上面简单介绍一下多项式，接下来回到问题：多项式乘法。例如，已知两个多项式

，分别是n-1次多项式和m-1次多项式（n和m可以相等）：

现在将这两个多项式相乘，得到一个最高n+m-1次多项式：

那么要求解

也就是求出它的

系数向量：

问题是怎么求？如果直接遍历

的每一项去计算就太慢了，时间复杂度最好也是

，所以需要更快的算法，也就是下面要讨论的：快速傅里叶变换（FFT）算法

关于下面这一节介绍的概念，与FFT并没有直接的联系，可以顺带看一下就当是从不同的角度去理解，当然也可以直接跳过去

---

点值表示法

对于一个已知的多项式

，将

代进去可以得到一个确定的值

，如：

，并且，可以将

看作是坐标系上的一个点。进一步的，可以将任意多（互不相等）的自变量（

）代入到

中，从而得到更多的点：

我们知道，通过两个（不同的）点，可以解析一次多项式（如

），通过三个不同的点可以解析二次多项式（

），所以可以进一步的推出，通过n+1个不同的点，可以解析n次多项式

通过n+1个不同的点

，唯一确定一个n次多项式，该方式也叫做

多项式的点值表示法

---

在详细讨论FFT的具体步骤之前，先从整体上概括一下。FFT主要使用了两种数学方法，离散傅里叶变换（DFT）以及离散傅里叶变换逆变换（IDFT），公式如下：

（DFT）

（IDFT）

上面两个式子中

是虚数根（即

），关于这两个式子的证明这里就不展开了，可以参见附录

回到我们的问题，可以通过设置一些变量，将这两个公式代入到我们之前的问题中。首先，设

其中

，关于变量

的性质会在后面详细讨论，这里不展开，然后令

，

将这些变量代入到DFT的公式中，得到：

通过上式将DFT与我们的目标多项式

关联起来了，自然也就可以通过IDFT来计算多项式的系数

：

但是，由于不知道

的具体值（知道问题就解决了），所以也就无法使用DFT计算

不过，我们知道：

，而且多项式

的系数是已知的，所以可以“曲线救国”：

通过该式计算

，然后再使用IDFT计算

。以上是FFT的概括，下面详细的展开来讨论

N次单位根

为了更好的讨论

，还是先从

欧拉公式开始说起（很久很久以前，有一个……）：

关于该公式的证明详见结尾附录，

是一个

复数，它 实部的值为

，

虚部的值为

，所以，

对应到

复数平面上的点与原点之间的距离恒为1，如下图所示：

因为

是

周期函数（周期为

），所以可以得出：

并且，无论

取何值，

都是分布在复平面的

单位圆上

由于是单位圆，所以

此时就等于是从1（起点）到

在圆上的

弧长

以上简要的介绍了欧拉公式，下面回到我们定义的变量：

，需要说明的一点就是，前面的概述中，为了简单起见，

没有加任何上下标，所以更清楚的表示会给

加一个下标：

从前面欧拉公式的讨论中可以知道，

，相当于在单位圆上绕了一圈又回到了起点，而

相当于是将这个单位圆分成了

n等分，而

就对应单位圆上第

个

等分点（

）

n=18

上图是一个n=18的例子，并使用大红色标注了三个值

。通过前面的讨论以及这个栗子，应该对

有了一个比较直观的认识，说了这么多，应该能猜到N次单位根就是指的它了，关于N次单位根的就不展开了，下面介绍一下它的几个性质：

性质一：

性质二：

性质三：

上面的性质一叫做消去引理，性质二叫做折半引理，性质三。。。还没找到名字，希望知道的大佬能告诉一声。这些性质如果光看公式感觉不够直观的话，可以对照前面的那个图例来理解

计算

首先，定义

（

分别是多项式

的系数数量）。前面已经说过，无法直接使用DFT计算

，需要先计算

但是如果直接把

朴（cu）素（bao）的代进去的话，时间复杂度还是

，所以后面的计算再怎么快，也无法降低整个算法的复杂度了，因此，需要使用一些方法，来降低计算

的时间花费

先来看一个栗子，假设有这样一个多项式：

我们可以将它的奇数项与偶数项分开，并化简为下面的形式：

并且

还可以递归的计算下去，将该方法用到

上就是：

这样时间复杂度就变成了：

除此之外，还可以利用前面讨论的单位根的性质来降低计算量，例如，

：

这样，仅仅计算

一半的取值范围就可以得到其整个取值范围的结果，这样，将

计算完毕之后，就可以通过简单的乘法来计算

：

求解

系数

计算到这一步基本已经完成一大半了，只需要使用IDFT公式来求解

的各项系数就可以了：

上面式子中

。另外，为了表示更方便，同时也为了代码的复用，通常还会再构建一个N-1次多项式

，它的系数就是各个

的值：

所以，最终

的计算公式可以写成：

上式第二步使用了单位根的性质三，并且特别的交代一下：

总结

1. 取N个单位根：
2. 将它们分别代入到多项式
   中
3. 计算
4. 构造一个新的多项式
5. 计算
6. 计算多项式
   的系数

附录

• 欧拉公式证明

首先，构造一个函数

：

， 然后，对该函数求导：

一个函数的导数为0，说明这个函数是一个常数函数，所以随便代一个

的值（例如0）进去就可以解析该函数：

以上是使用求导的证明方法，简单直接，还有一种方法是使用了

的

麦克劳林公式来证明的，下面简单的贴一下公式：

• DFT与IDFT的证明

首先，还是令

（上面为了方便

并没有加下标

，这里加上以便下面证明的可读性），然后离散傅里叶公（逆）变换式：

为了证明(1)(2)式成立，接下来把它们写成矩阵形式：

其中

是

的矩阵，同样(2)式：

结合(3)(4)，可以得到：

(5)式说明只要

（N阶单位矩阵），(1)(2)式就成立，下面来证明这里一点

令

，有

当

（即

）时，显然这是一个等比数列，由等比数列求和公式得到：

而当

（即

）时：

综合(7)(8)得到：

(1)(2)式成立，证毕

参考资料：

[1] 算法设计与分析（北京大学）

[2] 从多项式乘法到快速傅里叶变换