多项式乘积本质是卷积，即结果第k项系数为∑aᵢ×bⱼ（i+j==k）；用std::vector存系数时需预分配大小为A.size()+B.size()-1，双层循环累加到result[i+j]，避免push_back导致索引错位。
用 std::vector 存储系数，手动实现乘法逻辑最直接
多项式乘积本质是卷积：若 A(x) = a₀ + a₁x + ... + aₙxⁿ，B(x) = b₀ + b₁x + ... + bₘxᵐ，则结果的第 k 项系数为 ∑ aᵢ × bⱼ（其中 i + j == k）。C++ 没有内置多项式类型，所以用 std::vector<double></double> 或 std::vector<int></int> 存系数（下标即幂次）最稳妥。
常见错误是忽略结果长度——两个长度为 n+1 和 m+1 的向量相乘，结果长度应为 n + m + 1，不是 max(n, m) + 1。初始化时必须清零，否则残留值会污染结果。
- 结果向量大小设为
A.size() + B.size() - 1 - 双层循环：外层遍历
A索引i，内层遍历B索引j，累加到result[i + j] - 别用
push_back动态扩展——会导致索引错位；必须预分配并用下标赋值
用 std::valarray 能简化但不推荐用于生产
std::valarray 支持广播运算和切片，理论上可模拟卷积，比如用 shift 和逐元素乘加。但实际中问题明显：
-
valarray在 C++20 后已被标记为“可能弃用”，主流项目基本不用 - 没有原生卷积函数，仍需手写循环或嵌套
apply，可读性反而更差 - 调试困难：报错信息常指向内部模板，而非你的逻辑位置
除非在极受限嵌入式环境且编译器不支持 vector，否则跳过它。
立即学习“C++免费学习笔记（深入）”；
遇到高精度或大系数，别硬刚 int/double
如果系数可能溢出（比如 100 项多项式乘积后系数超 2³¹），或需要精确整数除法、模运算，long long 也撑不住。这时要换类型：
- 用
__int128（GCC/Clang 支持）临时过渡，但不可跨平台 - 上
boost::multiprecision::cpp_int——真正任意精度，且 API 接近原生整数 - 若只需模
M（如 NTT 场景），全程用int配合% M，避免中间溢出
注意：double 会丢失整数精度（>2⁵³ 后无法表示所有整数），哪怕系数当前看着小，乘积过程也可能越界。
想加速？先确认瓶颈再上 FFT
朴素算法时间复杂度 O(nm)，对几千项以内完全够用。真要优化，得看场景：
- 系数是整数且规模 ≥ 10⁴ 项？考虑
NTT（数论变换），比 FFT 更稳，无浮点误差 - 已有 FFT 库（如 FFTW）且接受浮点误差？可用复数 FFT，但最后要四舍五入取整
- 别自己手写 FFT——边界条件（逆变换缩放、位逆序重排）极易出错，且现代 CPU 上
O(n²)对n 反而更快
实际项目里，90% 的多项式乘法根本用不到 FFT。先跑个 std::chrono 测下朴素版本耗时，再决定要不要动。
