复数fft的时间复杂度_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）

&