【总结】FFT算法在信息竞赛中的应用

FFT算法本身就是一种优化，优化（类似）卷积运算的时间复杂度
（卷积：${\sum }_{i,j}{a}_i\ast b_{j-i}$）。
FFT的本质，其实是利用复数的一些特殊性质，将一个多项式快速地在点值和系数两种表示方法间来回切换。再利用两个多项式点值表示法相乘的复杂度为O(n)，来达到降时间的目的。

FFT算法的前导概念

首先介绍关于复数的一些定义及性质
复数：一种形如$a+bi$的数称为复数，其中$a$为实部，$b$为虚部，$i$为虚部单位$（i^2=-1）$

对于每个$a+bi$，$a-bi$为它的共轭复数

其实可以将复数看作一个二项式，其运算法则与实数概念上的二项式几乎相同，只需要注意i即可。

另外，复数也可以用向量来表示：表示为在复平面上(a,b)的向量。向量的模长为$\sqrt{a^2+b^2}$。
所以，同样地，复数还可以用三角函数来表示：即
$a+bi=\sqrt{a^2+b^2}\ast (cos\theta +sin\theta i)$
在这种表示方法下，两个复数相乘，就可以表示为其角度相加，模长相乘
$$p\ast (cos\alpha +sin\alpha i)\ast q\ast (cos\beta +sin\beta i)$$
$$=p\ast q\ast (sin\alpha \ast cos\beta i+cos\alpha \ast sin\beta i-sin\alpha \ast sin\beta +cos\alpha \ast cos\beta )$$
$$=p\ast q\ast (cos(\alpha +\beta )+sin(\alpha +\beta )i)$$

然后是多项式的一些概念：
首先我们将 A ( x ) = a n x n + a n − 1 x n − 1 + a n − 2 x n − 2 . . . a 1 x + a 0 A(x)=a_nx^n+a_{n-1}x^{n-1}+a_{n-2}x^{n-2}...a_1x+a_0 A(x)=an​x