v多项式求和

编写算法求一元多项式的值Pn​(x)=∑i=0n​ai​xi的值Pn​(x0​)。

注意:不要使用内置的求幂函数,例如C中的pow()、Python中的**等

输入格式:

第一行为一个整数n和一个浮点数x0​。其中0≤n≤30,000,表示多项式次数;x0​为多项式中的变量x的取值。
第二行为空格分割的n+1个浮点数,由高到低表示多项式中项的系数。

可以假设输入总是合法的。

输出格式:

输出多项式的求值结果,保留三位小数,以换行结尾。

输入样例:

例如:

3 1.0
1 2 3 4

对应多项式为P(x)=x3+2x2+3x+4,自变量取值为x=1.0。

输出样例:

输出为

10.000

#include <iostream>
#include <cstdio>
using namespace std;
int main (){
	int n;
	double x, a[30010], b = 1.0, ans = 0.0;  
	scanf("%d %lf", &n, &x);
	for(int i = n; i >= 0; i --) scanf("%lf", &a[i]);
	for(int i = 0; i <= n; i ++){
		ans += a[i] * b;
		b *= x;
	}
	printf("%.3lf\n", ans);
	return 0; 
} 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
多项式插值是一种常用的插值方法,在数值计算中经常被使用。它的原理是通过已知数据点的函数值来构造一个多项式函数,将其作为近似函数来拟合数据。在Python中,实现多项式插值可以使用拉格朗日插值和牛顿插值两种方法。 对于拉格朗日插值,可以通过构造拉格朗日基函数和插值多项式来实现。首先,根据给定的数据点,求解每个拉格朗日基函数的系数,然后将这些基函数与对应的函数值相乘并求和,得到最终的插值多项式。在Python中,可以使用numpy库的polyfit函数来实现拉格朗日插值的计算,并使用matplotlib库进行曲线图的绘制。 牛顿插值是另一种常用的多项式插值方法。它基于差商的概念,通过递推计算差商表来得到插值多项式。在Python中,可以使用numpy库的polyfit函数来实现牛顿插值的计算,并使用matplotlib库进行曲线图的绘制。 通过实现这两种插值方法,并在给定的数据上进行插值计算,可以得到插值多项式的曲线图。这样可以直观地观察到插值多项式与原始数据之间的拟合效果,并验证Runge现象。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [数值计算——Python 实现拉格朗日插值以及牛顿插值](https://blog.csdn.net/weixin_47067425/article/details/127182964)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* [python实现各种插值法(数值分析)](https://download.csdn.net/download/weixin_38685832/12861101)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 1
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