【PAT-A】1002. A+B for Polynomials 写题记录

思路:

第一次输入原样输入,第二次输入时,直接将相同指数的系数相加,并查找有没有已存在的指数,统计系数为0的个数。

因为队列无法直接删除系数为0的项,故0项最后输出的时候再处理。

注意最后的格式

PS.题目有个瑕疵,未说明指数是否按降序输入与输出,因此最开始构思时想的是用优先队列。

#include <cstdio>
#include <vector>
#include <queue>
using namespace std;
const int MAXN = 1010;

int main(){
	int K1, K2, p=0;
	priority_queue<int> b;  //b存放指数 
	double a[MAXN] = {0};  //a存放系数 
	bool vis[MAXN] = {false};  //vis用于判断指数是否重复出现 
	scanf("%d",&K1);
	for (int i=0; i<K1; i++){
		int n;
		double x;
		scanf("%d%lf",&n,&x);
		b.push(n);  //把n压入优先队列 
		a[n]=x;   //以指数为下标记录系数 
		vis[n] = true;  //设置flag,true表示此指数已经出现 
	}
	scanf("%d",&K2);
	for (int i=0; i<K2; i++){
		int n;
		double x;
		scanf("%d%lf",&n,&x);
		a[n]+=x;  //系数先相加 
		if (vis[n] == false){  //判断此指数是否重复出现,若未出现过 
			vis[n] = true;  //设置flag 
			b.push(n); //将指数压入优先队列 
		}
		if(a[n]==0){
			p++; 
		} 
	}
	int t=b.size();  //记录此时共有多少个不同的指数  
	int q=1;
	if (t-p == 0){
		printf("0");
	}else printf("%d ",t-p); 
	for (int i=0;i<t;i++){
		if (a[b.top()]!=0){
			if (q<t-p) {
				printf("%d %.1f ",b.top(),a[b.top()]);  //依指数从大到小输出指数与系数 
				q++;
			} else{
				printf("%d %.1f",b.top(),a[b.top()]);
			}		

		}	
		b.pop();		
	}
	/* 
	int t=b.size();  
	printf("%d",t-p); 
	for (int i=0;i<t;i++){
		if (a[b.top()]!=0){
			printf(" %d %.1f",b.top(),a[b.top()]);  
		}	
		b.pop();		
	}
	*/
	return 0;
} 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,以下是关于多项式加法的解答: 多项式是一种数学表达式,其中包含了一个或多个变量的项,每个项包括了一个系数和指数。多项式的加法是将两个多项式相加,使得同一指数的项相加并合并同类项。 例如,考虑以下两个多项式: a = 3x^2 + 2x + 1 b = 5x^3 + 2x^2 - 3x + 4 它们的和为: a + b = 5x^3 + 5x^2 - x + 5 为了实现多项式加法,我们可以使用类似于整数加法的算法。首先,我们按照指数从高到低的顺序将两个多项式的项进行排列,并合并同类项。然后,将同一指数的项的系数相加,并创建一个新的多项式来表示它们的和。 以下是一个用 Python 实现多项式加法的示例代码: ```python def add_polynomials(a, b): result = {} for exponent, coefficient in a.items(): result[exponent] = coefficient + result.get(exponent, 0) for exponent, coefficient in b.items(): result[exponent] = coefficient + result.get(exponent, 0) return {k: v for k, v in sorted(result.items(), reverse=True)} ``` 在这个函数中,我们使用一个字典来表示多项式。字典的键是多项式中每个项的指数,而值是该项的系数。我们首先遍历多项式 a 的每个项,并将其系数添加到结果字典中相应指数的项中。然后,我们再遍历多项式 b 的每个项,并将其系数添加到结果字典中相应指数的项中。最后,我们将结果字典按照指数从高到低的顺序排序,并返回结果。 例如,我们可以使用以下代码来测试上面的函数: ```python a = {2: 3, 1: 2, 0: 1} b = {3: 5, 2: 2, 1: -3, 0: 4} print(add_polynomials(a, b)) # 输出:{3: 5, 2: 5, 1: -1, 0: 5} ``` 这个例子中,我们将多项式 a 和 b 传递给 `add_polynomials` 函数,并打印函数的返回值。函数返回的结果是一个字典,其中包含了相加后的多项式的各项系数。 希望这可以回答你的问! ### 回答2: 我们考虑两个多项式P(x)和Q(x),并给予它们各自的次数a和b。那么,首先我们要确定它们的乘积,也就是P(x)乘以Q(x)。我们可以通过分配律将乘积展开,得到一个系数为c_i的新多项式R(x): P(x) * Q(x) = R(x) = c_0 + c_1x + c_2x^2 + ... + c_{a+b}x^{a+b} 其中,c_i表示x的i次项的系数。为了计算出这些系数,我们需要对所有次数小于或等于a+b的i进行求和。具体来说,我们可以使用下面这个公式: c_i = sum(j=0 to i) P(j) * Q(i-j) 也就是说,第i项的系数是将第一个多项式中次数小于或等于j的项和第二个多项式中次数等于i-j的项相乘,并且对所有j求和。我们可以使用循环来计算这些系数。 需要注意的是,由于两个非零多项式的乘积的次数至少为a+b,因此我们需要为求和循环的上界设置一个适当的值。具体来说,可以将循环的上界设置为a+b,这样就能保证所有的系数都会被计算。此外,如果某个系数为0,则可以将它省略掉,以减少计算量。 在实现时,还需要注意多项式乘法中的一些细节。例如,当某个多项式的系数为0时,我们可以假定它的所有次数都对应了一个系数为0的项。此外,我们需要考虑多项式乘法的精度,以避免出现浮点数误差。具体来说,可以使用一些特殊的技巧来避免浮点数误差,例如将系数表示为有理数,或者使用任意精度计算库。 总之,多项式乘法是非常基础的数学问,也是很多算法和应用程序的核心部分。通过合理地选择算法和编高效的代码,我们可以在计算多项式乘法时获得比较优秀的性能。 ### 回答3: 意: 给定两个多项式 $A(x)$ 和 $B(x)$,请求出它们的乘积 $C(x)$ 思路: 多项式乘法非常简单,就是按照手算乘法的规则将每一项相乘然后相加。但是对于两个多项式相乘,需要循环枚举每一项相乘,最终将结果相加。如果直接按照手算乘法来做会有很多重复的计算,因此需要使用一些技巧来优化计算过程。下面给出两种常见的优化方法: 方法一:常规乘法过程 对于两个多项式 $A(x) = a_0 x^0 + a_1 x^1 + ... + a_n x^n$ 和 $B(x) = b_0 x^0 + b_1 x^1 + ... + b_m x^m$,它们的乘积可以表示为 $$C(x) = A(x) \cdot B(x) = c_0 x^0 + c_1 x^1 + ... + c_{n+m} x^{n+m}$$ 其中 $c_k$ 是 $A(x)$ 中所有次数为 $i$ 的项和 $B(x)$ 中所有次数为 $k-i$ 的项的乘积之和,即 $$c_k = \sum_{i=0}^{k} a_i b_{k-i}$$ 对于每一个 $k$,需要循环枚举 $i$ 的值,这样时间复杂度就是 $O(nm)$,无法通过本。 方法二:多项式快速幂 快速幂是一种用来计算 $a^n$ 的算法,可以将计算次数从 $O(n)$ 优化到 $O(\log n)$,非常高效。对于两个多项式 $A(x)$ 和 $B(x)$,它们的乘积可以表示为 $$C(x) = A(x) \cdot B(x)$$ 令 $A(x) = A_0(x) + A_1(x) x^{\frac{n}{2}}, B(x) = B_0(x) + B_1(x) x^{\frac{n}{2}}$,其中 $n$ 是 $A(x)$ 和 $B(x)$ 最高次项次数加一并且是 $2$ 的幂次方,$A_0(x)$ 和 $B_0(x)$ 是 $A(x)$ 和 $B(x)$ 中次数不大于 $\frac{n}{2}$ 的项组成的多项式,$A_1(x)$ 和 $B_1(x)$ 是 $A(x)$ 和 $B(x)$ 中次数大于 $\frac{n}{2}$ 的项组成的多项式,即 $$A(x) = A_0(x) + x^{\frac{n}{2}} A_1(x)$$ $$B(x) = B_0(x) + x^{\frac{n}{2}} B_1(x)$$ 则有 $$C(x) = A(x) \cdot B(x) = A_0(x) B_0(x) + x^n A_1(x) B_1(x) + x^{\frac{n}{2}} (A_0(x) B_1(x) + A_1(x) B_0(x))$$ 我们可以首先递归计算以下三个多项式: $$C_0(x) = A_0(x) \cdot B_0(x)$$ $$C_1(x) = A_1(x) \cdot B_1(x)$$ $$C_2(x) = (A_0(x) + A_1(x)) \cdot (B_0(x) + B_1(x))$$ 然后将它们合并成最终结果,即 $$C(x) = C_0(x) + x^n C_1(x) + x^{\frac{n}{2}} (C_2(x) - C_0(x) - C_1(x))$$ 这样可以将时间复杂度优化到 $O(n \log n)$,可以通过本。 AC CODE:
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值