math-skill 2.1.0 → 3.0.1

package/skills/transformation/SKILL.md

@@ -1,124 +0,0 @@
----
-name: transformation
-description: |
-  触发：数学推导、方程求解、信号处理等问题在当前表示下难处理，需通过数学变换转为更简单的等价问题；或为算法/算子设计寻找等价但更 GPU 友好的表示（如卷积→GEMM、谱变换）时调用。
-  English: Trigger when a problem is intractable in its current representation and needs a mathematical transform into an equivalent simpler problem; or finding an equivalent but more GPU-friendly representation (e.g. convolution→GEMM, spectral transform) for algorithm/operator design.
----
-
-> **语言路由**：若用户消息为英文，请读取并遵循同目录下的 `SKILL.en.md`，按其操作规程以英文输出；中文消息则继续使用本文件。
-
-# 🔄 变换思想 / Transformation
-
-> "复杂问题→等价简单问题，关键是找到合适的变换和逆变换。"
-> "Complex problem → equivalent simple problem; the key is finding the right transformation and its inverse."
->
-> —— 傅里叶变换、拉普拉斯变换、坐标变换 / Fourier, Laplace, Coordinate Transform
-
-## 核心原则 / Core Principle
-
-**同一个问题可以有不同的表示方式。选择一个好的表示（或变换），可以让困难的问题变得简单。** 变换的精髓不是改变问题本身，而是改变看问题的视角。
-
-> **数学形式化 / Mathematical Formalization**
->
-> 设变换 T: D₁ → D₂，T 有用当且仅当三条件同时成立：① **可计算**：T(x) 可显式求出；② **简化性**：问题在 D₂ 中更易处理（如微分→乘法、卷积→乘法）；③ **T⁻¹ 存在**：可从 D₂ 的解恢复 D₁ 原解。
->
-> 核心追问：**T⁻¹ 在什么条件下存在？** 存在性决定等价性，收敛域决定有效性。性质：等价性（信息不丢失，需 T⁻¹ 存在）、简化性、可逆性（T⁻¹ 存在且可计算时为等价而非近似）。
-
-## GPU 友好性 / GPU-Friendliness（横切检查）
-
-变换的价值在算法设计中常体现为「把不友好的运算变成 GPU 友好的运算」——过 `../../references/gpu-friendly-math.md` 八维：
-
-- **卷积→GEMM**（im2col/Winograd）：把不规则卷积变成矩阵乘，吃满 Tensor Core（友好，但注意显存扩张）。
-- **谱变换（FFT/DCT）**：O(N²)→O(N log N)，可批量并行；但 butterfly 通信模式需注意访存。
-- **对偶变换（Legendre/Fenchel）**：把约束优化变成对偶问题——若对偶更易 GEMM 化则友好。
-- **变换作为压缩**：频域稀疏→只存显著系数（KV/激活压缩，友好）。
-- **反模式**：变换本身需 O(n²) 全局重排且不可融合→"美但不可算"；逆变换不可数值稳定（病态）。
-
-八维最低判定（正式术语）：**张量化**看变换/逆变换是否可批量；**GEMM 可映射**看能否改写为 GEMM/conv/FFT/batched solve；**复杂度**要求变换后降阶而非升阶；**显存与 KV-Cache**检查 im2col、频域缓存、块摘要是否省而不是爆；**低精度稳定**检查逆变换、正交化、归一化；**并行与通信**看 butterfly/scan/分块通信；**稀疏结构**看频域/块稀疏是否结构化；**算子融合**看变换-核心算子-逆变换能否融合或重计算。
-
-> 配合 `../../references/books/matrix-analysis.md`（谱/低秩）、`optimization-ml.md`（对偶）。
-
-## 不适用场景 / When NOT to Use
-
-- **问题已足够简单**——不需要变换。
-- **变换会丢失关键信息**（不可逆且丢失的正是关心的）——选保信息的变换。
-- **只需定性理解**——变换通常是定量工具。
-- **收敛条件不满足**——强行变换产生无意义结果。
-
-## 何时使用 / When to Use
-
-- 问题在当前形式下难分析或求解；揭示数据隐藏结构（周期信号→频谱）。
-- 将复杂运算简化为简单运算（卷积→乘法）；非线性问题线性化；解耦耦合变量。
-- **为算子寻找等价但更 GPU 友好的表示**（卷积→GEMM、稀疏→结构化、频域压缩）。
-
-## 方法流程 / Method
-
-### 第一步：分析当前表示的困难
-为什么当前形式难处理？运算复杂（如 ODE 直接求解难）？结构不清晰（时域看不出周期）？变量耦合？明确"困难在哪"是选择变换的前提，不诊断就选变换是盲目操作。
-
-### 第二步：选择变换
-根据困难类型选择，每种检查公式、域映射、收敛条件、简化效果：
-
-| 变换 | 公式 | 域映射 | 收敛/有效性 | 简化效果 |
-|---|---|---|---|---|
-| 傅里叶 Fourier | F(ω)=∫f(t)e⁻ⁱωᵗdt | t∈ℝ→ω∈ℝ | Dirichlet：绝对可积、有限极值/间断点 | 微分→乘法，卷积→乘法 |
-| 拉普拉斯 Laplace | F(s)=∫₀∞f(t)e⁻ˢᵗdt | t∈[0,∞)→s∈ℂ, Re(s)>α | ∃α: ∫|f(t)|e⁻αᵗdt<∞ | 常系数ODE→代数方程，含初值 |
-| Z 变换 | F(z)=Σf[n]z⁻ⁿ | n∈ℕ→z∈ℂ, |z|>R | ∃R: Σ|f[n]|R⁻ⁿ<∞ | 差分方程→代数方程 |
-| 生成函数 | G(x)=Σaₙxⁿ | n∈ℕ→x, |x|<ρ | ∃ρ: Σ|aₙ|ρⁿ收敛 | 递推→微分方程 |
-| Legendre | f*(p)=supₓ(px−f(x)) | x→p=f'(x) | f 凸可微时 p↔x 一一对应 | 凸优化→对偶，Lagrange→Hamilton |
-| 小波 Wavelet | W(a,b)=∫f(t)ψₐᵇ(t)dt | t∈ℝ→(a,b) | f∈L², ψ 容许 | 时频局部化，多尺度 |
-
-### 第三步：执行变换
-将问题变换到新表示空间，严格按公式执行。变换不是逃避问题，是用更有效的语言重新表达同一问题。
-
-### 第四步：验证收敛与域条件
-**应用变换结果前必须验证收敛条件**：傅里叶检查 Dirichlet（∫|f|dt<∞）；拉普拉斯定收敛域 Re(s)>α，域外 F(s) 无定义；Z 变换定 |z|>R（逆变换依赖收敛域选择）；生成函数定收敛半径 ρ；小波验证母小波容许条件。跳过此步是最大错误来源。
-
-### 第五步：在变换空间求解
-在新表示下问题往往更简单，所有运算须在变换有效域内进行。变换空间的价值在于让原本隐蔽的结构可见。
-
-### 第六步：逆变换回原空间
-将解逆变换回原问题语言，逆变换存在性需条件：傅里叶逆 f(t)=(1/2π)∫F(ω)eⁱωᵗdω（需 F 绝对可积）；拉普拉斯逆 Bromwich 积分 f(t)=(1/2πi)∫F(s)eˢᵗds（γ>α 在收敛域右侧）；Z 逆 f[n]=(1/2πi)∮F(z)zⁿ⁻¹dz（围道在收敛域内）；生成函数 aₙ=G⁽ⁿ⁾(0)/n! 或 [xⁿ]G(x)。变换只是手段，最终答案必须在原空间。
-
-### 第七步：验证等价性
-确认变换未丢关键信息、逆变换结果确是原问题解：逆变换是否在收敛域内执行？原函数是否满足前置条件？边界/初值条件是否正确编码？等价性是变换思想的底线——变换必须是可验证的等价操作，而非近似或逃避。
-
-## 常见错误 / Common Errors
-
-| 错误 / Error | 批评 / Critique | 正确做法 / Correct Approach |
-|---|---|---|
-| 选择不合适的变换 | 没简化反而增加复杂度 | 根据问题特征选择变换 |
-| 用不可逆变换且丢信息 | 变换后无法回到原问题 | 检查可逆性或确认丢失信息不重要 |
-| 忘记逆变换 | 新空间得解后忘记变回来 | 最终答案必须在原空间 |
-| 变换后忽略定义域变化 | 变换可能改定义域或引入奇点 | 检查变换后定义域与边界条件 |
-| 把变换当魔法 | 变换只换表示，不改问题本质 | 变换是工具，理解力才是核心 |
-| 对不可积函数用傅里叶 | ∫|f|dt=∞ 时 F(ω) 可能无意义 | 先检查 Dirichlet，不满足用广义函数或 Laplace |
-| 忽略 Laplace 收敛域 | F(s) 仅 Re(s)>α 有定义 | 所有运算限制在收敛域内 |
-| 假设所有变换可逆 | 部分变换特定条件下不可逆（如非凸 Legendre） | 验证可逆条件后再逆变换 |
-| 忽略离散变换 DFT/FFT | 连续变换不适用离散数据 | 离散数据用 DFT: X[k]=Σx[n]e⁻ⁱ2πkn/N |
-| 变换后不可算/不可融合 | 变换需 O(n²) 全局重排或病态逆 | 评估 GPU 八维，必要时选可融合/数值稳定的等价变换 |
-
-## 操作规程 / Operating Procedure
-
-输出必须包含：
-
-1. **当前表示的困难**：`[困难]: [描述]`
-2. **变换选择**：`[变换]: [选择] 因 [理由]，公式 [公式]，收敛条件 [条件]，预期简化 [效果]`
-3. **变换执行**：变换后的问题形式
-4. **收敛与域条件验证**：`[验证]: [条件是否满足，收敛域]`
-5. **变换空间求解**：新表示下的解法
-6. **逆变换**：解翻译回原空间，注明逆变换条件
-7. **等价性验证**：是否可逆、是否丢信息、收敛域是否正确
-8. **[GPU 可行性]**（若用于算子设计）— 变换是否把运算变成 GEMM/可融合/数值稳定，过八维门
-
-**输出不得只给分析而无结论。**
-
-## 与其他 skill 的关系 / Relations to Other Skills
-
-- **抽象化思想**：变换也是一种抽象——在新结构中表示同一对象。
-- **对称与不变性**：变换下保持不变的性质就是对变换的对称性。
-- **优化思想**：变换到对偶空间有时使优化更容易。
-- **建模思想**：变换常是模型求解的关键步骤。
-- **算法思想**：FFT 将 DFT 的 O(N²) 降为 O(N log N)，是变换思想在计算效率上的体现。
-- **信息论思想**：编码即变换——信源编码变换为高效表示，信道编码变换为抗干扰表示。
-- **现代数学激活**：`../../references/books/matrix-analysis.md`（谱/低秩变换）、`algebraic-geometry-rising-sea.md`（Plücker 坐标压缩 KV、热带门控）、`optimization-ml.md`（对偶变换）。

package/skills/transformation/original-texts.en.md

@@ -1,204 +0,0 @@
-# Mathematical Sources and Classic Texts
-
-## Fourier Transform (1822)
-
-> "Any periodic function can be expressed as an infinite series of sine and cosine functions."
-
-Fourier series: f(x) = a₀/2 + Σ[aₙcos(nx) + bₙsin(nx)]
-
-Fourier transform: F(ω) = ∫f(t)e^(-iωt)dt
-
-**Core idea**: A complex signal in the time domain may be simple in the frequency domain. The power of the transform lies in changing the representation of the problem.
-
-**The magic of the transform**:
-- Convolution in the time domain = multiplication in the frequency domain
-- Differentiation in the time domain = multiplication (by iω) in the frequency domain
-- This allows differential equations to be converted into algebraic equations
-
-**Source**: Joseph Fourier, *Théorie analytique de la chaleur* (1822) — originally developed for heat conduction problems, its influence extends far beyond thermodynamics.
-
-## Fast Fourier Transform — Cooley-Tukey Algorithm (1965)
-
-> O(n log n) vs O(n²): Fourier transform went from theoretical tool to engineering reality.
-
-**Core idea**: Exploiting a divide-and-conquer strategy, the complexity of the discrete Fourier transform (DFT) is reduced from O(n²) to O(n log n). For n = 10⁶ data points, this yields a speedup of approximately 10⁶/log(10⁶) ≈ 50,000×.
-
-**Historical background**: Cooley & Tukey (1965) popularized the FFT, although the same idea can be traced back to Gauss (1805). It is widely regarded as the most important numerical algorithm of the 20th century.
-
-**Applications**: Signal processing, image compression (JPEG), spectral analysis, large-integer multiplication, numerical solution of partial differential equations.
-
-## Laplace Transform (1780s)
-
-> L{f(t)} = ∫₀^∞ f(t)e^(-st)dt
-
-**Core idea**: Convert differential equations into algebraic equations, solve them, and then apply the inverse transform to recover the solution. Compared with the Fourier transform, the Laplace transform can handle functions that do not converge (by introducing the convergence factor e^(-st)).
-
-**Source**: Laplace developed this transform in the 1780s for probability theory; it was later systematically applied to circuit analysis by Heaviside.
-
-## Wavelet Transform — Morlet (1980s), Daubechies (1988)
-
-> Fourier tells you "what frequencies exist"; wavelets also tell you "when they exist."
-
-**Core idea**: The Fourier transform has frequency resolution but no time resolution; the wavelet transform achieves time-frequency localization through scalable and translatable basis functions.
-
-**History**: Morlet (1982) introduced the continuous wavelet transform in seismic signal analysis; Daubechies (1988) constructed compactly supported orthogonal wavelet bases, making the discrete wavelet transform a practical reality.
-
-**Mathematical significance**: Wavelet bases are not a single family of trigonometric functions but are generated from a single mother wavelet ψ through scaling and translation: ψ_{a,b}(t) = |a|^(-1/2) ψ((t-b)/a). Multiresolution analysis (MRA) provides the unifying mathematical framework.
-
-## Legendre Transform
-
-> The duality transform in convex analysis: describes a convex function by its slopes instead of its values.
-
-f*(p) = sup_x [px - f(x)]
-
-**Core idea**: For a convex function, "function values" and "derivatives (slopes)" carry the same information — they are dual descriptions. This is a central instance of **duality** in mathematics.
-
-**Dual roles in physics**:
-- **Thermodynamics**: Entropy S ↔ Free energy F (dual via temperature T); Internal energy ↔ Gibbs energy
-- **Mechanics**: Lagrangian L(v,q) ↔ Hamiltonian H(p,q) (dual via v ↔ p)
-- **Optimization**: Primal problem ↔ Dual problem (Lagrangian duality)
-
-**Source**: Legendre (1787) introduced it in the context of minimal surface problems; it has since become a cornerstone of convex analysis and the calculus of variations.
-
-## Generating Functions — Euler (1748), Laplace
-
-> Encode a sequence as coefficients of a power series; convolution becomes multiplication.
-
-G(x) = Σ aₙxⁿ
-
-**Core idea**: An infinite sequence {a₀, a₁, a₂, ...} is compressed into a single function G(x). Recurrence relations of the sequence become differential equations of the function; the convolution of two sequences becomes the product of two functions.
-
-**Classical applications**:
-- **Combinatorial counting**: Euler used generating functions to solve the integer partition problem
-- **Probability theory**: Moment generating function M(t) = E[e^(tX)], characteristic function φ(t) = E[e^(itX)]
-- **Number theory**: The Riemann ζ function is essentially the generating function of the prime distribution
-- **Solving recurrences**: Fibonacci recurrence → generating function → closed-form solution
-
-**Source**: Euler, *Introductio in analysin infinitorum* (1748); Laplace made systematic use of generating functions in probability theory.
-
-## Conformal Mapping — Riemann Mapping Theorem (1851)
-
-> Any simply connected domain can be conformally mapped onto the unit disk.
-
-**Core idea**: Conformal mappings preserve angles and local shapes but may distort sizes and global shapes. Under a complex analytic function f(z), infinitesimal circles remain circles, merely scaled and rotated.
-
-**Mathematical foundation**: The Riemann mapping theorem (1851) — one of the most profound results in complex analysis — guarantees the existence of such a mapping.
-
-**Applications**:
-- **2D boundary value problems**: Map a complex boundary region to a simple region (disk / half-plane), solve there, and map back
-- **Fluid mechanics**: Classical solution method for potential flow problems
-- **Aerodynamics**: Airfoil design (Joukowski transform z → z + 1/z)
-- **Electrostatics**: Potential computation in complex geometries
-
-## Z-Transform — Discrete Counterpart of Laplace
-
-> X(z) = Σ x[n]z^(-n) — the Laplace transform for the sampled world.
-
-**Core idea**: The Laplace transform handles continuous-time signals s = σ + iω; the Z-transform handles discrete-time signals z = re^(iω). The two are related by setting z = e^(sT).
-
-**Central role in digital signal processing**:
-- System stability analysis: the unit circle |z| = 1 corresponds to the frequency axis; poles inside the circle = stable
-- Digital filter design: transfer functions of FIR / IIR filters are expressed directly in terms of the Z-transform
-- Difference equations → algebraic equations (exactly analogous to how the Laplace transform converts differential equations → algebraic equations)
-
-**History**: Introduced in 1947 by Hurewicz et al. in the context of sampled-data control systems; the name "Z-transform" was coined by Ragazzini & Zadeh (1952).
-
-## Plancherel Theorem / Parseval's Theorem — Transforms Preserve Information
-
-> ∫|f(t)|²dt = ∫|F(ω)|²dω — energy is conserved between time domain and frequency domain.
-
-**Core idea**: A good transform does not lose information — the total energy (the square of the L² norm) is exactly the same before and after the transform. This means the transform is an **isometry**.
-
-**Parseval's theorem** (1799): Fourier series form — Σ|aₙ|² + Σ|bₙ|² = (1/π)∫|f(x)|²dx
-
-**Plancherel theorem** (1910): Fourier transform form — ∫|f|² = ∫|F|², establishing the unitarity of the transform on L² space.
-
-**Philosophical implication**: Invertible transforms guarantee conservation of information — we can freely switch perspectives without losing anything. This is the mathematical foundation of "reversibility" in the theory of transforms.
-
-## Mellin Transform — Scaling Analysis
-
-> M{f}(s) = ∫₀^∞ f(t)t^(s-1)dt — the Fourier transform under scaling changes.
-
-**Core idea**: Substituting t = e^(-x), the Mellin transform becomes a Fourier transform. It is naturally dual to the **scaling** operation — scaling f(at) merely multiplies by a^(-s) in the Mellin domain.
-
-**Key applications**:
-- **Analytic number theory**: The Mellin transform representation of the Riemann ζ function is the bridge to the prime counting function
-- **Asymptotic analysis**: Mellin transform techniques can extract asymptotic expansions of functions (leading term + correction terms)
-- **Fractals and self-similarity**: Self-similar functions have particularly simple representations in Mellin space
-
-**Source**: Hjalmar Mellin (1904) developed it systematically; earlier roots can be traced to Euler's work on the ζ function.
-
-## Radon Transform (1917) — Mathematical Basis of CT Scanning
-
-> Integrate a function along lines to get "projections"; inverse transform reconstructs the original from projections.
-
-R{f}(θ, s) = ∫ f(x·nθ + tnθ⊥)dt (line integral along direction θ)
-
-**Core idea**: Projections of an object in all directions contain sufficient information to completely reconstruct the object. This is the mathematical foundation of **tomography**.
-
-**History and applications**:
-- **Radon** (1917): A pure mathematics paper proving the existence and uniqueness of the inverse transform
-- **Cormack** (1963-64): Independently rediscovered the result and applied it to medical imaging
-- **Hounsfield** (1971): Invented the CT scanner; Cormack and Hounsfield shared the 1979 Nobel Prize in Medicine
-- **Seismology**: Velocity reconstruction from reflection seismic data
-
-## Coordinate Transformation
-
-**Polar coordinates**: (x, y) → (r, θ), suited to problems with rotational symmetry
-**Spherical coordinates**: (x, y, z) → (r, θ, φ), suited to problems with spherical symmetry
-**Fourier space**: Time signal → frequency representation
-
-**Core idea**: Choosing the right coordinate system can turn a complex problem into a simple one.
-
-## Diagonalization (Linear Algebra)
-
-> For a diagonalizable matrix A, there exists an invertible matrix P such that P⁻¹AP = D (a diagonal matrix).
-
-**Core idea**: In the eigenvector basis, a linear transformation becomes as simple as possible — each coordinate direction is scaled independently.
-
-## Jordan Normal Form — Non-Diagonalizable Matrices
-
-> What if a matrix cannot be diagonalized? Jordan form is the closest thing to diagonal.
-
-A = PJP⁻¹, J = diag(J₁, J₂, ...), Jₖ = λₖI + Nₖ (λₖ is an eigenvalue, Nₖ is a nilpotent matrix)
-
-**Core idea**: When a matrix does not have enough independent eigenvectors (geometric multiplicity < algebraic multiplicity), Jordan blocks introduce "approximate eigenvectors" — chains of generalized eigenvectors. The nilpotent part Nₖ allows the behavior of iterates Aⁿ to be computed exactly.
-
-**Source**: Camille Jordan (1870), *Traité des substitutions et des équations algébriques*.
-
-**Applications**: Solutions of linear ODE systems (especially with repeated roots), computation of the matrix exponential e^(At), explicit solutions of linear recurrences.
-
-## Eigenvalue Theory & Spectral Theory — Mathematical Heart of Transformation
-
-> Eigenvalues are the "DNA" of a transformation — they determine its essential behavior.
-
-Av = λv
-
-**Spectral theorem** (Hilbert, 1909-1912): Self-adjoint operators have real spectra and can be spectrally decomposed — "diagonalization" in continuous dimensions.
-
-**Core ideas**:
-- **Finite dimensions**: The eigenvalues of a matrix determine stability (|λ|<1 implies convergence), oscillatory behavior (imaginary part of λ), and growth rate (real part of λ)
-- **Infinite dimensions**: Spectral theory generalizes eigenvalues to self-adjoint operators on Hilbert spaces; in quantum mechanics, observables = self-adjoint operators, and their spectra = possible measurement outcomes
-- **Stability analysis**: The stability of any dynamical system reduces to the location of its spectrum
-
-**Key theorems**:
-- **Gershgorin circle theorem** (1931): Geometric localization of eigenvalues
-- **Courant-Fischer min-max theorem**: Variational characterization of eigenvalues
-- **Weyl inequalities**: Continuity of the spectrum under matrix perturbations
-
-## Philosophical Implications of Transforms
-
-> "Look at a problem from a different angle, and it may already be solved."
-
-The deeper meaning of the transform idea:
-- **Relativity of representation**: The same object has different appearances under different representations
-- **Invariance under transformation**: Some properties remain unchanged under transformation (this is symmetry)
-- **Choice of representation**: A good representation simplifies the problem; a poor one complicates it
-- **Reversibility**: Ideally, a transform loses no information — we can freely switch perspectives (the guarantee of the Plancherel theorem)
-
-## "Transforms" in Everyday Life
-
-- **Time-scale transform**: Current difficulties may be negligible when viewed on a 10-year timescale
-- **Perspective transform**: Seeing a problem from the other person's point of view (essentially a coordinate transformation)
-- **Scale transform**: Macro and micro perspectives may reveal different patterns (the intuition behind the Mellin transform)
-- **Domain transform**: A problem that is unsolvable in one domain may have a ready-made solution in another (Fourier: differential → algebraic; Legendre: mechanics → dual mechanics)

package/skills/transformation/original-texts.md

@@ -1,216 +0,0 @@
-# 数学出处与经典文献 / Mathematical Sources and Classic Texts
-
-## 傅里叶变换 / Fourier Transform (1822)
-
-> "任何周期函数都可以表示为正弦函数和余弦函数的无穷级数。"
-> "Any periodic function can be expressed as an infinite series of sine and cosine functions."
-
-傅里叶级数：f(x) = a₀/2 + Σ[aₙcos(nx) + bₙsin(nx)]
-
-傅里叶变换：F(ω) = ∫f(t)e^(-iωt)dt
-
-**核心思想**：时域中的复杂信号在频域中可能很简单。变换的力量在于改变了问题的表示方式。
-
-**变换的魔术效果**：
-- 时域中的卷积 = 频域中的乘法
-- 时域中的微分 = 频域中的乘法（乘以 iω）
-- 这使得微分方程可以转化为代数方程
-
-**出处**：Joseph Fourier, *Théorie analytique de la chaleur* (1822) — 最初为热传导问题而发展，其影响远远超出了热力学。
-
-## 快速傅里叶变换 / FFT — Cooley-Tukey Algorithm (1965)
-
-> O(n log n) vs O(n²)：从此，傅里叶变换从理论工具变为工程现实。
-> O(n log n) vs O(n²): Fourier transform went from theoretical tool to engineering reality.
-
-**核心思想**：利用分治策略将离散傅里叶变换(DFT)的复杂度从 O(n²) 降低到 O(n log n)。对于 n = 10⁶ 的数据，加速约 10⁶/log(10⁶) ≈ 50000 倍。
-
-**历史背景**：Cooley & Tukey (1965) 的论文使 FFT 广为人知，但相同思想可追溯至 Gauss (1805)。被广泛认为是 **20世纪最重要的数值算法** / the most important numerical algorithm of the 20th century。
-
-**应用**：信号处理、图像压缩(JPEG)、频谱分析、大整数乘法、偏微分方程数值解。
-
-## 拉普拉斯变换 / Laplace Transform (1780s)
-
-> L{f(t)} = ∫₀^∞ f(t)e^(-st)dt
-
-**核心思想**：将微分方程转化为代数方程，求解后再逆变换回来。与傅里叶变换相比，拉普拉斯变换能处理不收敛的函数（通过引入收敛因子 e^(-st)）。
-
-**出处**：Laplace 在 1780s 发展此变换用于概率论，后由 Heaviside 系统应用于电路分析。
-
-## 小波变换 / Wavelet Transform — Morlet (1980s), Daubechies (1988)
-
-> 傅里叶变换告诉你"有什么频率"，小波变换还告诉你"什么时候有"。
-> Fourier tells you "what frequencies exist"; wavelets also tell you "when they exist."
-
-**核心思想**：傅里叶变换只有频率分辨率没有时间分辨率；小波变换通过可缩放、可平移的基函数实现 **时频局部化** / time-frequency localization。
-
-**历史**：Morlet (1982) 在地震信号分析中提出连续小波变换；Daubechies (1988) 构造了紧支撑正交小波基，使离散小波变换成为现实。
-
-**数学意义**：小波基不是单一的三角函数族，而是由一个母小波 ψ 通过缩放和平移生成：ψ_{a,b}(t) = |a|^(-1/2) ψ((t-b)/a)。多分辨率分析(MRA)提供了统一的数学框架。
-
-## 勒让德变换 / Legendre Transform
-
-> 凸分析中的对偶变换：将一个凸函数的描述从"值"转为"斜率"。
-> The duality transform in convex analysis: describes a convex function by its slopes instead of its values.
-
-f*(p) = sup_x [px - f(x)]
-
-**核心思想**：对于凸函数，"函数值"和"导数（斜率）"携带相同信息——它们是对偶描述。这是数学中 **对偶性** / duality 的核心实例。
-
-**物理中的双重角色**：
-- **热力学**：熵 S ↔ 自由能 F（通过温度 T 对偶）；内能 ↔ 吉布斯能
-- **力学**：拉格朗日量 L(v,q) ↔ 哈密顿量 H(p,q)（通过 v ↔ p 对偶）
-- **优化**：原问题 ↔ 对偶问题（拉格朗日对偶）
-
-**出处**：Legendre (1787) 在最小曲面问题中引入；此后成为凸分析和变分学的基石。
-
-## 生成函数 / Generating Functions — Euler (1748), Laplace
-
-> 将序列编码为幂级数的系数，卷积运算变成乘法运算。
-> Encode a sequence as coefficients of a power series; convolution becomes multiplication.
-
-G(x) = Σ aₙxⁿ
-
-**核心思想**：一个无穷序列 {a₀, a₁, a₂, ...} 被压缩为一个函数 G(x)。序列的递推关系变成函数的微分方程；两个序列的卷积变成两个函数的乘积。
-
-**经典应用**：
-- **组合计数**：Euler 用生成函数解决分割数问题； partitions of integers
-- **概率论**：矩生成函数 M(t) = E[e^(tX)]，特征函数 φ(t) = E[e^(itX)]
-- **数论**：Riemann ζ 函数本质上是素数分布的生成函数
-- **递推求解**：斐波那契递推 → 生成函数 → 闭式解
-
-**出处**：Euler, *Introductio in analysin infinitorum* (1748)；Laplace 在概率论中系统使用。
-
-## 保角映射 / Conformal Mapping — Riemann Mapping Theorem (1851)
-
-> 任何单连通区域都可以保角映射到单位圆盘。
-> Any simply connected domain can be conformally mapped onto the unit disk.
-
-**核心思想**：保角映射保持角度和局部形状，但可以扭曲大小和全局形状。在复解析函数 f(z) 下，无穷小圆仍为圆，只是缩放和旋转。
-
-**数学基础**：Riemann 映射定理 (1851) — 复分析中最深刻的结果之一，保证了映射的存在性。
-
-**应用**：
-- **2D 边值问题**：将复杂边界区域映射为简单区域（圆/半平面），在那里求解后映射回来
-- **流体力学**：势流问题的经典解法
-- **空气动力学**：翼型设计（Joukowski 变换 z → z + 1/z）
-- **静电学**：复杂几何下的电势计算
-
-## Z变换 / Z-Transform — Discrete Counterpart of Laplace
-
-> X(z) = Σ x[n]z^(-n) — 采样世界中的拉普拉斯变换。
-> X(z) = Σ x[n]z^(-n) — the Laplace transform for the sampled world.
-
-**核心思想**：拉普拉斯变换处理连续时间信号 s = σ + iω；Z变换处理离散时间信号 z = re^(iω)。令 z = e^(sT) 即可联系两者。
-
-**数字信号处理中的核心地位**：
-- 系统稳定性判断：单位圆 |z| = 1 对应频率轴，极点在圆内 = 稳定
-- 数字滤波器设计：FIR / IIR 滤波器的传递函数直接用 Z 变换表示
-- 差分方程 → 代数方程（与拉普拉斯变换将微分方程 → 代数方程完全类比）
-
-**历史**：1947年由 Hurewicz 等人在采样数据控制系统中引入；名称 "Z-transform" 由 Ragazzini & Zadeh (1952) 给出。
-
-## Plancherel 定理 / Parseval 定理 — Transforms Preserve Information
-
-> ∫|f(t)|²dt = ∫|F(ω)|²dω — 能量在时域和频域中守恒。
-> Energy is conserved between time domain and frequency domain.
-
-**核心思想**：好的变换不丢失信息——变换前后，总能量（L² 范数的平方）完全相等。这意味着变换是 **等距映射** / isometry。
-
-**Parseval 定理** (1799)：傅里叶级数形式 — Σ|aₙ|² + Σ|bₙ|² = (1/π)∫|f(x)|²dx
-
-**Plancherel 定理** (1910)：傅里叶变换形式 — ∫|f|² = ∫|F|²，给出变换在 L² 空间上的酉性 / unitarity。
-
-**哲学含义**：可逆变换保证信息守恒——我们可以自由切换视角而不丢失任何东西。这是变换思想中 "可逆性" 的数学基础。
-
-## Mellin 变换 / Mellin Transform — Scaling Analysis
-
-> M{f}(s) = ∫₀^∞ f(t)t^(s-1)dt — 尺度变换下的傅里叶变换。
-> The Fourier transform under scaling changes.
-
-**核心思想**：令 t = e^(-x)，Mellin 变换就变成傅里叶变换。它天然地与 **缩放** / scaling 运算对偶——函数 f(at) 在 Mellin 空间中仅乘以 a^(-s)。
-
-**核心应用**：
-- **解析数论**：Riemann ζ 函数的 Mellin 变换表示是素数计数函数的桥梁
-- **渐近分析**：Mellin 变换方法可提取函数的渐近展开（主项+修正项）
-- **分形与自相似性**：自相似函数在 Mellin 空间中有特别简单的表示
-
-**出处**：Hjalmar Mellin (1904) 系统发展；更早可追溯至 Euler 对 ζ 函数的研究。
-
-## Radon 变换 / Radon Transform (1917) — Mathematical Basis of CT Scanning
-
-> 将函数沿直线积分，得到其"投影"；逆变换从投影重建原函数。
-> Integrate a function along lines to get "projections"; inverse transform reconstructs the original from projections.
-
-R{f}(θ, s) = ∫ f(x·nθ + tnθ⊥)dt （沿方向 θ 的线积分）
-
-**核心思想**：一个物体的所有方向的投影包含了足够的信息来完全重建该物体。这是 **层析成像** / tomography 的数学基础。
-
-**历史与应用**：
-- **Radon** (1917)：纯数学论文，证明了逆变换的存在性和唯一性
-- **Cormack** (1963-64)：独立重新发现，应用于医学成像
-- **Hounsfield** (1971)：发明 CT 扫描仪，两人共获 1979 年诺贝尔医学奖
-- **地震学**：反射地震数据的速度重建
-
-## 坐标变换 / Coordinate Transformation
-
-**极坐标**：(x, y) → (r, θ)，适用于旋转对称问题
-**球坐标**：(x, y, z) → (r, θ, φ)，适用于球对称问题
-**傅里叶空间**：时间信号 → 频率表示
-
-**核心思想**：选择合适的坐标系，可以让复杂的问题变得简单。
-
-## 对角化 / Diagonalization (线性代数)
-
-> 对于一个可对角化的矩阵 A，存在可逆矩阵 P 使得 P⁻¹AP = D（对角矩阵）。
-
-**核心思想**：在特征向量基下，线性变换变得最简单——每个坐标方向独立缩放。
-
-## Jordan 标准形 / Jordan Normal Form — Non-Diagonalizable Matrices
-
-> 不可对角化的矩阵怎么办？Jordan 标准形是最接近对角化的形式。
-> What if a matrix cannot be diagonalized? Jordan form is the closest thing to diagonal.
-
-A = PJP⁻¹, J = diag(J₁, J₂, ...), Jₖ = λₖI + Nₖ（λₖ 为特征值，Nₖ 为幂零矩阵）
-
-**核心思想**：当矩阵没有足够的独立特征向量（几何重数 < 代数重数）时，Jordan 块引入了"近似特征向量"——广义特征向量链。幂零部分 Nₖ 使得迭代 Aⁿ 的行为可以被精确计算。
-
-**出处**：Camille Jordan (1870), *Traité des substitutions et des équations algéraiques*。
-
-**应用**：线性 ODE 系统的解（特别是有重根的情况）、矩阵指数 e^(At) 的计算、线性递推的显式解。
-
-## 特征值理论与谱理论 / Eigenvalue Theory & Spectral Theory — Mathematical Heart of Transformation
-
-> 特征值是变换的"DNA"——它们决定了变换的本质行为。
-> Eigenvalues are the "DNA" of a transformation — they determine its essential behavior.
-
-Av = λv
-
-**谱定理** (Hilbert, 1909-1912)：自伴算子有实谱，且可以被谱分解——连续维度的"对角化"。
-
-**核心思想**：
-- **有限维**：矩阵的特征值决定稳定性（|λ|<1 收敛）、振荡性（λ 虚部）、增长率（λ 实部）
-- **无限维**：谱理论将特征值推广到 Hilbert 空间上的自伴算子，量子力学中可观测量 = 自伴算子，其谱 = 可能的测量值
-- **稳定性分析**：所有动力系统的稳定性归结为谱的位置
-
-**关键定理**：
-- **Gershgorin 圆定理** (1931)：特征值的几何定位
-- **Courant-Fischer 极小-极大定理**：特征值的变分刻画
-- **Weyl 不等式**：矩阵扰动下谱的连续性
-
-## 变换的哲学含义
-
-> "换一个角度看问题，问题可能就解决了。"
-
-变换思想的深层含义：
-- **表示的相对性**：同一个对象在不同表示下有不同面貌
-- **变换的不变性**：有些东西在变换下保持不变（这就是对称性）
-- **表示的选择**：好的表示让问题简单，坏的表示让问题复杂
-- **可逆性**：理想情况下，变换不丢失信息——我们可以自由切换视角（Plancherel 定理的保证）
-
-## 日常生活中的"变换"
-
-- **时间视角变换**：当前的困难，放在 10 年的尺度上看可能微不足道
-- **角色视角变换**：站在对方的角度看问题（本质是坐标变换）
-- **尺度变换**：宏观和微观视角可能揭示不同的规律（Mellin 变换的直觉）
-- **领域变换**：一个问题在一个领域无解，换到另一个领域可能有现成方案（傅里叶：微分→代数；Legendre：力学→力学对偶）