多项式乘法

两个多项式相乘，若暴力计算，进行系数乘法，时间复杂度为

借助快速傅立叶变换FFT或NTT可以降至

原理大家可以看-->  点这里

多项式乘法本质上是对每一项进行精细的计算，所以我们也可以用它来求高精度乘法

以下是FFT模版

const int N=4e6+10;
struct Cmp{
    double x,y;
    Cmp(double xx=0,double yy=0){
        x=xx;
        y=yy;
    }
};

Cmp operator + (Cmp& a,Cmp& b){
    return Cmp(a.x+b.x,a.y+b.y);
}
Cmp operator - (Cmp& a,Cmp& b){
    return Cmp(a.x-b.x,a.y-b.y);
}
Cmp operator * (Cmp& a,Cmp& b){
    return Cmp(a.x*b.x-a.y*b.y,a.x*b.y+a.y*b.x);
}

int R[N];

void FFT(Cmp A[],int n,int op){
    for(int i=0;i<n;i++){
        if(i<R[i])
            swap(A[i],A[R[i]]);
    }
    for(int m=2;m<=n;m<<=1){
        Cmp w1({cos(2*PI/m),sin(2*PI/m)*op});
        for(int i=0;i<n;i+=m){
            Cmp wk({1,0});
            for(int j=0;j<m/2;j++){
                Cmp x=A[i+j],y=A[i+j+m/2]*wk;
                A[i+j]=x+y;
                A[i+j+m/2]=x-y;
                wk=wk*w1;
            }
        }
    }
}

Cmp A[N],B[N];
void solve(){
    int n,m;
    cin >> n >> m;
    for(int i=0;i<=n;i++){
        cin >> A[i].x;
    }
    for(int i=0;i<=m;i++){
        cin >> B[i].x;
    }
    for(m=m+n,n=1;n<=m;n<<=1);
    for(int i=0;i<n;i++){
        R[i]=R[i/2]/2+((i&1)?n/2:0);
    }
    FFT(A,n,1);
    FFT(B,n,1);//求点积
    for(int i=0;i<n;i++){
        A[i]=A[i]*B[i];
    }
    FFT(A,n,-1);//求系数
    for(int i=0;i<=m;i++){
        int x=(int)((A[i].x)/n+0.5);
        cout << x << ' ';
        //printf("%d ",(int)((A[i].x)/n+0.5));
    }
}

以下是NTT模版

#define int ll
const int N=4e6+10;
const int P=998244353;
int R[N];

int qpow(int a,int b){
    int res=1;
    while(b){
        if(b&1)
            res=(res*a)%P;
        b>>=1;
        a=(a*a)%P;
    }
    return res%P;
}

int g=3,gi=332748118;

void NTT(int A[],int n,int op){
    for(int i=0;i<n;i++){
        if(i<R[i]){
            swap(A[i],A[R[i]]);
        }
    }
    for(int i=2;i<=n;i<<=1){
        ll g1=qpow(op==1?g:gi,(P-1)/i);
        for(int j=0;j<n;j+=i){
            ll gk=1;
            for(int k=j;k<j+i/2;k++){
                ll x=A[k],y=gk*A[k+i/2]%P;
                A[k]=(x+y)%P,A[k+i/2]=(x-y+P)%P;
                gk=(gk*g1)%P;
            }
        }
    }
}
int A[N],B[N];
void solve(){
    int n,m;
    cin >> n >> m;
    for(int i=0;i<=n;i++){
        cin >> A[i];
    }
    for(int i=0;i<=m;i++){
        cin >> B[i];
    }
    for(m=m+n,n=1;n<=m;n<<=1);
    for(int i=0;i<n;i++){
        R[i]=R[i/2]/2+((i&1)?n/2:0);
    }
    NTT(A,n,1);
    NTT(B,n,1);
    for(int i=0;i<n;i++){
        A[i]=(A[i]*B[i])%P;
    }
    NTT(A,n,-1);
    int inv = qpow(n, P - 2);
    for(int i=0;i<=m;i++){
        cout << A[i]*inv%P << ' ';
    }
}

以下是FFT高精度

NTT同样也可以

和普通的高精度乘法一样，需要反转存储原始数据

在运算结束后需要进位和去除前导0

int ans[N];
void solve(){
    string s1,s2;
    cin >> s1 >> s2;
    int n=s1.size()-1,m=s2.size()-1;
    for(int i=0;i<=n;i++){
        A[i].x=s1[n-i]-'0';
    }
    for(int i=0;i<=m;i++){
        B[i].x=s2[m-i]-'0';
    }
    for(m=m+n,n=1;n<=m;n<<=1);
    FFT(A,n,1);
    FFT(B,n,1);//求点积
    for(int i=0;i<n;i++){
        A[i]=A[i]*B[i];
    }
    FFT(A,n,-1);//求系数
    int k=0;
    for(int i=0,t=0;i<n||t;i++){
        t+=A[i].x/n+0.5;
        ans[k++]=t%10;
        t/=10;
    }
    while(k>1&&ans[k-1]==0)
        k--;
    for(int i=k-1;i>=0;i--){
        cout << ans[i];
    }
}