任意模长DFT

离散傅里叶变换（DFT）

首先引入DFT式：
$V(j)={\sum }_{i=0}^{n-1}{a}_i{\omega }_n^{ij}$
其中，$a_i$ 为一长度为 $n$ 的多项式 $A(x)$ 的各项系数，即 $A(x)={\sum }_{i=0}^{n-1}{a}_i{x}^i$，$n$ 也是DFT的模长。$V(x)$ 为多项式经过DFT后的多项式。${\omega }_n$ 为 $n$ 次单位根，即 ${\omega }_n=\cos (\frac{2\pi }{n})+i\sin (\frac{2\pi }{n})$，$i$ 为虚数单位，即 $i^2=-1$。此过程可以看做一个向量与范德蒙矩阵相乘。
类似的还有IDFT式：
$V(j)=\frac{1}{n}{\sum }_{i=0}^{n-1}{a}_i{\omega }_n^{-ij}$
根据定义，可以用时间复杂度为 $O(n^2)$ 的算法解决。
当 ${\log }_{2}n\in \mathbb{Z}$ 时，可以用FFT解决该问题。时间复杂度 $O(n{\log }_{2}n)$，空间复杂度 $O(n)$。

#include<stdio.h>
#include<cmath>
#define R register int
#define D double
#define I inline
#define N 131072
#define PIE 3.141592653589793
struct Complex{
   
	D Real,Image;
	I void Read(){
   
		int x;
		scanf("%d",&x);
		Real=x;
	}
};
I Complex Pair(D A,D B){
   
	Complex res;
	res.Real=A;
	res.Image=B;
	return res;
}
I Complex operator+(Complex A,Complex B){
   
	return Pair(A.Real+B.Real,A.Image+B.Image);
}
I Complex operator-(Complex&A,Complex&B){
   
	return Pair(A.Real-B.Real,A.Image-B.Image);
}
I Complex operator*(Complex A,Complex B){
   
	return Pair(A.Real*B.Real-A.Image*B.Image,A.Image*B.Real+A.Real*B.Image);
}
I void Swap(Complex&A,Complex&B){
   
	Complex Tem;
	Tem=A;
	A=B;
	B=Tem;
}
I void FFT(Complex*A,const int len,const short type){
   
	int tem=0;
	for(R i=0;i!=len;i++){
   
		if(i<tem){
   
			Swap(A[i],A[tem]);
		}
		R j=len;
		do{
   
			j>>=1;
			tem^=j;
		}while(tem<j);
	}
	static Complex w[N];
	w[0]=Pair(1,0);
	for(R i=1;i!=len;i<<=1){
   
		Complex omg;
		omg=Pair(cos(PIE/i),sin(PIE/i)*type);
		for(R j=i-2>>1;j!=-1;j--){
   
			w[j<<1]=w[j];
			w[j<<1|1]=w[j]*omg;
		}
		for(R j=0;j!=len;j+=i<<1){
   
			for(R k=j;k!=i+j;k++){
   
				Complex T1=A[k],T2=A[i+k]*w[k-j];
				A[k]=T1+T2;
				A[i+k]=T1-T2;
			}
		}
	}
	if(type==-1){
   
		D t=1.0/len;
		for(R i=0;i!=len;i++){
   
			A[i].Real*=t;
			A[i].Image*=t;
		}
	}
}
int main(){
   
	return 0;
}

当 ${\log }_{2}n\notin \mathbb{Z}$ 时，FFT不再适用。以下有两种解决方法：

1. 卷积

根据计数原理，有 $ij=\left(\genfrac{}{}{0ex}{}{i+j}{2}\right)-\left(\genfrac{}{}{0ex}{}{i}{2}\right)-\left(\genfrac{}{}{0ex}{}{j}{2}\right)$，带回DFT式，则有：
${\omega }_n^{\left(\genfrac{}{}{0ex}{}{j}{2}\right)}V(j)={\sum }_{i=0}^{n-1}{a}_i{\omega }_n^{-\left(\genfrac{}{}{0ex}{}{i}{2}\right)}{\omega }_n^{\left(\genfrac{}{}{0ex}{}{i+j}{2}\right)}$
因此利用FFT减法卷积即可。求解IDFT时同理。
时间复杂度 $O(n{\log }_{2}n)$，空间复杂度 $O(n)$
若将 $ij$ 拆为 $-\frac{(i-j{)}^2-i^2-j^2}{2}$ 也可以卷积，但存在指数为分数，非常麻烦，甚至有时不存在或无意义。

2. 分治

设 $d$ 为 $n$ 的最小非$1$约数，设 $m=\frac{n}{d},j=pd+q$，其中 $0⩽p<m,0⩽q<d$。带入DFT式，有：
$V(pd+q)={\sum }_{i=0}^{n-1}{a}_i{\omega }_n^{i(pd+q)}$
将括号展开，由于 ${\omega }_{md}^d={\omega }_m$，所以：
$V(pd+q)={\sum }_{i=0}^{n-1}$