一些关于FFT和优化多项式操作的资料（持续更新）

声明和一些性质

本文中$i,j$只作为循环变量用，并不表示$\sqrt{-1}$。

若无特殊说明，下文中$f(x),g(x)$均为关于$x$的不超过$(n-1)$次的多项式，$h(x)$为关于$x$的不超过$[2(n-1)]$次的多项式，且$n$是$2$的正整数次幂。$f(x{)}_a$表示多项式$f(x)$的$x^a$项的系数（若$f(x)$中$x^a$项不存在则$f(x{)}_a=0$）。

定义单位根${\omega }_x=\cos (\frac{2\pi }{x})+\sin (\frac{2\pi }{x})\sqrt{-1}$即${\omega }_x=e^{\frac{2\pi \sqrt{-1}}{x}}$（其中$x\in {\mathbb{Z}}_{+}$），它满足$({\omega }_x{)}^x=1$，$({\omega }_{2x}{)}^x=-1$，$({\omega }_{2x}{)}^{2x-y}=-({\omega }_{2x}{)}^y$，$({\omega }_{2x}{)}^{2y}=({\omega }_x{)}^y$。

定义复数$z=a+b\sqrt{-1}$的共轭复数$\overline{z}=a-b\sqrt{-1}$。可以发现$\forall z_1,z_2\in \mathbb{C},\overline{z_1+z_2}=\overline{z_1}+\overline{z_2}且\overline{z_1{z}_2}=\overline{z_1}\times \overline{z_2}$。对于任意单位根${\omega }_x$，有$\overline{({\omega }_x{)}^y}=\frac{1}{({\omega }_x{)}^y}=({\omega }_x{)}^{-y}$。

定义关于$x$的$(n-1)$次（$n\in {\mathbb{Z}}_{+}$）多项式$f(x)$的离散傅里叶变换（Discrete Fourier Transform (DFT)）$X_f(a)=f[({\omega }_n{)}^a]$即$X_f(a)={\sum }_{i=0}^{n-1}({\omega }_n{)}^{ai}f(x{)}_i$（$a\in \mathbb{Z}$，但由于$({\omega }_n{)}^{n+a}=({\omega }_n{)}^a({\omega }_n{)}^n=({\omega }_n{)}^a$，故一般只讨论$a\in ([0,n)\cap \mathbb{N})$的情况，$a\notin ([0,n)\cap \mathbb{N})$时需要转换到上述范围内）。同时，可得$X_{f\times g}(a)=X_f(a)X_g(a)$，$f(x{)}_a=\frac{1}{n}{\sum }_{i=0}^{n-1}({\omega }_n{)}^{-ai}{X}_f(i)=\frac{1}{n}{\sum }_{i=0}^{n-1}({\omega }_n{)}^{(n-a)i}{X}_f(i)$，这个通过$X_f$求$f$的过程也被称为IDFT。考虑到DFT和IDFT时间复杂度差异极小，故下文讨论时间复杂度时不区分DFT和IDFT。

关于FFT

一般的（Radix-2 DIT(Decimation in Time)）FFT

考虑将$f(x)$拆分。令$f(x)=A(x^2)+xB(x^2)$（其中$A(x),B(x)$均为关于$x$的$(\frac{n}{2}-1)$次多项式），则可知
X f ( a ) = ∑ i = 0 n − 1 ( ω n ) a i f ( x ) i = ∑ i = 1 n 2 − 1 ( ( ω n ) 2 a i A ( x