快速傅里叶变换（FFT）算法学习

前言

人生如逆旅，我亦是行人。

一、介绍

算法的世界多么广大，我们可以将算法大致分为两类：

• 第一类是较为有用的算法：比如一些经典的图算法，像 DFS 和 BFS（深度 / 广度优先算法），这些算法应用在很多方面，他们非常高效，
  

• 第二类算法是那些极具美感的算法：例如当我们第一次看到汉诺塔的递归实现算法时的状态，你肯定会觉得这个算法贼牛逼，甚至会被它的美感所震撼到，但这些算法或许并没有那么有用或者高效，不过我们还是会研究它，就像没事干了我们还是会看小说；
  

这些伟大而精妙的算法会激发我们的灵感，促使我们发散性思考，下面介绍一种同时属于以上两类的算法：快速傅里叶变换（FFT）。

FFT 算法毫无疑问是上个世纪发明的最伟大的算法之一。很多我们现代生活所依赖的科技，比如无线通讯和 GPS ，以至于任何和信号处理有关的算法，都依赖于 FFT 的深刻洞见。

人们常常不能感知 FFT 的美感，因为它常常有很长很长的前置知识要求， 比如离散傅里叶变换、时域/频域转换、甚至更多。

yysy（有一说一），想要真正搞清 FFT 的应用，你也不得不把这些前置要求都学好。

快速傅里叶变换 ( fast Fourier transform ), 即利用计算机计算离散傅里叶变换（DFT)的高效、快速计算方法的统称，简称 FFT 。

二、学习

• 简单的问题：给定两个多项式，计算二者的乘积。
• 我们的任务就是设计高效的算法解决这个问题。
  

1. 数学上，这个问题可以直接通过重复使用乘法分配律解决。
   
   但是在计算机中，首先需要解决的问题是，如何存储一个多项式？

• 显然，最自然的做法就是储存多项式的系数。我们只需要把系数映射到一个数组中。

系数应该按如下图所示的顺序储存。

因为这样一来数组的第 k 个数字正好对应多项式的 k 阶项系数。

这种表示方法为多项式的系数表示方法。

一般情况下，给定两个 d 阶多项式，二者乘积应为 2d 阶多项式。

并且这一算法，如果用