Polynomial ADT

对于一个多项式，需要处理的数据有每一项的幂级数，以及该项的系数。

1. 数组实现

这是比较简单的一种方法，先看多项式的数据结构：

typedef struct _polynomial
{
    int high_power;
    /* +1 because there is constant term. */
    int coff_array[MAX_DEGREE + 1]; 
} *Polynomial;

在上述数据结构中：

1. high_power是该多项式的最高项的次数；
2. coff_array是系数数组，且下标对应次数

有了上面的数据结构，多项式的加法、减法、乘法都可以一一实现了，伪代码如下：

add_polynomial(poly1, poly2, poly_sum):
	max_power = max{poly1.high_power, poly2.high_power}.
	for i from 0 to max_power:
		poly_sum.coff_array[i] = 
		poly2.coff_array[i] + poly1.coff_array[i]

multi_polynomial(poly1, poly2, poly_prod):
	for i from 0 to poly1.high_power:
		for j from 0 to poly2.high_power:
			poly_sum.coff_array[i * j] += 
			poly1.coff_array[i] * poly2.coff_array[j]

因为减法与加法几乎完全一样，不再赘述。
可以注意到的是，由于使用下标作为系数，所以无法表示$2^{\frac{2}{3}}$一类的项。这也是无法实现除法的主要原因。

算法复杂度：
add_polynomial()从0遍历到high_power，取决于两个poly中较大的high_power。
multi_polynomail()两重遍历，都是从0遍历到high_power，为$O(mn)$，其中$m$与$n$分别是两个乘数多项式的最高次幂。

2. 链表实现

除了不能使用除法，数组实现还有一些小的问题，比如有最高次幂的限制。最重要的一点是，如果多项式的大多数次幂的系数都为0，即coff_array中的大多数元素值都为0，那么在系数为0的数据上会花费很多时间。比如$p_1=x^{2001}+7x^{1000}+5$，$p_2=10x^{2308}+66$，那么$p_1\times p_2$的计算过程中会有大量的$0\times 0$的操作。
如果采用链表的方式，那么上述问题都可以解决了，先来看一下节点的数据结构：

typedef struct Node *Ptr_Node;
typedef Ptr_Node Polynomial;
typedef Polynomial List;

struct Node
{
	int coffient;
	int degree;
	Ptr_Node next_node;
};

其中coffient表示当前节点的系数，degree表示当前节点的次幂。然后加法和乘法的伪代码如下所示：

add_polynomial(poly1, poly2, poly_sum):
	for n1 in poly1 and n2 in poly2:
		if n1.degree < n2.degree:
			poly_sum.append(n1)
			n1 = n2->next
		else if n1.degree > n2.degreee:
			poly_sum.append(n2)
			n2 = n2.next
		else if n1.degree == n2.degree:
			n3.degree = n1.degree
			n3.coffient = n1.coffient + n2.coffient
			poly_sum.append(n3)
			n1 = n1.next
			n2 = n2.next

multi_polynomail(poly1, poly2, poly_prod):
	for n1 in poly1:
		for n2 in poly2:
			n3.degree = n1.degree + n2.degreee
			n3.coffient = n1.coffient * n2.coffient
			for np in prod:
				if np.degree == n3.degree:
					np.coffient += ne.coffient
			if didn't find np.degree = n3.degree:
				insert n3 to appropriate position of poly_prod	

减法与除法依旧是与加法和乘法类似的操作，不再赘述。

算法复杂度：
add_polynomial()复杂度为$O(m+n)$，其中$m$与$n$分别是两个加数多项式项的个数，一般多数情况下，多项式个数小于最高次幂。
multi_polynomial()外部是两层循环，复杂度为$O(mn)$；内部的for循环次数从1开始，最多增长到m * n，复杂度为
$$1+2+3+..+mn=\sum _{i=1}^{mn}i=\frac{mn(mn+1)}{2}=O(m^2{n}^2)$$
所以总的时间复杂度为$O(m^3{n}^3)$。
乘法的复杂度感觉算得有点问题，如果有哪位大佬能算出准确界，还望告知。