数学基础回顾：多项式的基本概念

说实话，很多人一听到「多项式」三个字就头疼。我当年刚接触曲面建模时也一样，觉得这东西太抽象了。但后来我发现，搞懂多项式其实没那么难——你只需要抓住几个核心概念就行。

这一章，咱们就把多项式的基础过一遍。别担心，我不会扔一堆公式就跑。我会结合我做项目时踩过的坑，帮你把这些概念真正吃透。

什么是多项式？

先给个最直白的定义：多项式就是由常数和变量，通过加减乘运算组合起来的式子。注意，这里没有除法，没有根号，也没有三角函数。

举个例子：

3x² + 2x + 1   → 这是一个多项式
1/x + 2        → 这不是多项式（有除法）
√x + 1         → 这不是多项式（有根号）

嗯，就这么简单。你想想看，咱们后面要做的曲面建模，本质上就是在用多项式去拟合那些复杂的曲面形状。

一元多项式 vs 二元多项式

这两个概念，说白了就是「一个变量」和「两个变量」的区别。

一元多项式

只有一个变量，通常用 x 表示。形式长这样：

P(x) = a₀ + a₁x + a₂x² + a₃x³ + ... + aₙxⁿ

其中 a₀, a₁, a₂, ..., aₙ 是系数，可以是任意实数。n 是多项式的次数。

我在做一维曲线拟合时，经常用到一元多项式。比如给一组温度传感器的数据点，用一元多项式去拟合温度随时间的变化曲线。

二元多项式

有两个变量，通常用 x 和 y。形式长这样：

P(x,y) = a₀₀ + a₁₀x + a₀₁y + a₂₀x² + a₁₁xy + a₀₂y² + ...

每个项里，x 和 y 的指数加起来就是这一项的总次数。比如 xy² 这一项，x 是 1 次，y 是 2 次，总次数就是 3。

二元多项式才是咱们曲面建模的主角。你想啊，一个曲面在三维空间里，需要两个方向（x 和 y）才能描述它的形状。所以二元多项式天然适合干这个活。

类型	变量数	典型形式	应用场景
一元多项式	1（x）	3x² + 2x + 1	曲线拟合、一维插值
二元多项式	2（x, y）	x² + 2xy + y²	曲面建模、地形生成

多项式的次数与项数

这两个概念，我建议你一次搞清楚。因为后面选模型时，它们直接决定了曲面的复杂度和计算量。

次数（Degree）

多项式的次数，就是所有项中，指数最大的那个值。

• 一元多项式：次数就是最高次项的指数。比如 3x⁴ + 2x² + 1，次数是 4。
• 二元多项式：次数是各项中 x 和 y 指数之和的最大值。比如 x³ + x²y + y²，次数是 3（因为 x³ 的指数和是 3，x²y 的指数和也是 3）。

项数（Number of Terms）

项数就是多项式里有多少个「单项式」加起来。

对于一元 n 次多项式，项数最多是 n+1（从 0 次到 n 次各一项）。

对于二元 n 次多项式，项数就复杂一些了。我直接给你公式：

项数 = (n+1)(n+2) / 2

比如二元 3 次多项式，项数 = (3+1)(3+2)/2 = 10 项。

你想想看，次数每增加 1，项数不是线性增长，而是平方级增长。这就是为什么高次曲面建模的计算量会爆炸。

次数 n	一元多项式项数	二元多项式项数
1	2	3
2	3	6
3	4	10
4	5	15
5	6	21

知识结构总览

下面这张图，把本章的核心知识点串起来了。你可以把它当作一个「思维导图」来看。

为什么这些概念对曲面建模很重要？

我直接说结论：你选的次数和项数，直接决定了曲面长什么样。

• 次数太低（比如 1 次）：曲面太平滑，拟合不了复杂形状。就像用直尺画曲线，怎么画都不像。
• 次数太高（比如 8 次以上）：曲面太「灵活」，容易在数据点之间乱抖。而且参数多到没法解释。
• 项数太多：计算量成倍增加。我做过测试，二元 5 次多项式比二元 3 次多项式的计算时间多了 5 倍。

好了，这一章的基础概念就这些。你只要记住：多项式就是常数和变量的加减乘组合；一元管曲线，二元管曲面；次数和项数决定了模型的复杂度和计算量。后面咱们就要用这些工具，去搭建真正的曲面模型了。