多项式全家桶——炫酷多项式变换

FFT

相信大家FFT已经掌握的很熟练了。

参考这一篇博客：浅谈算法——从多项式乘法到FFT

常数优化1——IDFT

若已知多项式$A(x)$的点值表示
$$<({\omega }_n^0,A({\omega }_n^0)),({\omega }_n^1,A({\omega }_n^1)),\cdots ,({\omega }_n^{n-1},A({\omega }_n^{n-1}))>$$
则多项式$A(x)$满足
$$[x^{rev(k)}]A(x)=\frac{1}{n}\sum _{i=0}^{n-1}{\omega }_n^{ki}A({\omega }_n^i)$$
其中
$$rev(k)=\{\begin{array}{ll}0& k=0\\ n-k-1& k̸=0\end{array}$$
就是说：IDFT只需要调用DFT函数然后std::reverse(a+1,a+n+1)，最后同时除以$n$即可。

证明：假设
$$A(x)=\sum _{i=0}^{n-1}{a}_i{x}^i$$
那么
$$[x^{rev(k)}]A(x)=\frac{1}{n}\sum _{i=0}^{n-1}{\omega }_n^{ki}\sum _{j=0}^{n-1}{a}_j{\omega }_n^{ij}$$
交换两个求和符号
$$[x^{rev(k)}]A(x)=\frac{1}{n}\sum _{i=0}^{n-1}{a}_i\sum _{j=0}^{n-1}{\omega }_n^{ij}{\omega }_n^{kj}$$
显然
$$[x^{rev(k)}]A(x)=\frac{1}{n}\sum _{i=0}^{n-1}{a}_i\sum _{j=0}^{n-1}{\omega }_n^{(i+k)j}$$
此时，若$i=rev(k)$，则$i+k=0(\mathrm{m}\mathrm{o}\mathrm{d}n)$，此时
$${\omega }_n^{(i+k)j}=1$$
即
$$\sum _{j=0}^{n-1}{\omega }_n^{(i+k)j}=n$$
否则由等比数列求和公式
$$\sum _{j=0}^{n-1}{\omega }_n^{(i+k)j}=\frac{1-{\omega }_n^{(i+k)n}}{1-{\omega }_n^{i+k}}=0$$
因此
$$[x^{rev(k)}]A(x)=$$