我尝试从一篇科学论文中编写一个算法，他们使用傅里叶变换求解微分方程。在论文中，他们使用 FT 约定$\rho(x_i) = \sum_{k=-m}^m r_k e^{i2\pi kx_i}$， 在哪里$x_i$是第 i 个数据点。

Numpy 使用 fft常规文档中描述的约定。

这两者应该是完全等价的（负$k$在一个公约中对应于最高$k$在另一个公约中）。

现在，在论文中，它们经常成倍增加$r_k$具有取决于此的功能$k$， IE$r_k f(k)$. 这应该和我写的一样$A_k\cdot f(k)$在 Numpy 的约定中。和$A_k$简单地由A[k]if给出A=numpy.fft(ρ, N)。它是否正确？

我被声明弄糊涂了

并且 A[n/2+1:] 包含负频率项

但这只是引用了另一个约定，不应该改变我计算的方式$A_k\cdot f(k)$，不应该吗？