一个奇妙的科技
定义卷积矩阵(M=)
[egin{matrix}
a_0&0&0&...\
a_1&a_0&0&...\
a_2&a_1&a_0&...\
...&...&...&...\
end{matrix}]
显然，我们把多项式系数(a_0,a_1...)拿下来放到这个方阵中，另一个多项式写成列向量的形式，用此矩阵乘向量即是对另一个多项式模(x^n)意义下的多项式乘法
幂和矩阵：(A=)
[egin{matrix}
1&1&1&...\
x_0&x_1&x_2&...\
x_0^2&x_1^2&x_2^2&...\
...&...&...&...\
end{matrix}]
多点求值矩阵(B=A^T)
幂和可以分治FFT，通分即可
我们把分治FFT的过程拆开来看，我们令(C_i)为分治过程中(i)节点（看成线段树的结构）中所有多项式的乘积（即(prod_{i=l}^r(x-a_i))）（写成方阵的形式）
幂和矩阵按分治FFT拆开：
[M_i=M_{2i}C_{2i+1}+M_{2i+1}C_{2i}
]
(M_i)表示我们幂和通分后只考虑(lsim r)的(a_j)时的分子的多项式（写成方阵的形式），叶节点的(M_i)就是常数多项式(F(x)=1)对应方阵
(A=QM_1)，Q是逆元多项式写成的卷积矩阵
我们把幂和的n个变量写成列向量x的形式
(Ax)则是幂和的答案
然后一步神仙操作，我们发现幂和多项式的转置就是多点求值多项式，于是(A^Tx)是我们要的
我们有((AB)^T=B^TA^T)
直接整个转置即可（把分治FFT的过程全反过来）
这时我们把矩阵展开，重新写成多项式，卷积多项式矩阵的转置乘向量写成卷积形式就是差卷积
只要求一次逆即可
复杂度依然(O(nlog^2n))，可以5e5多点求值~~~