【LuoguP5383】[模板]普通多项式转下降幂多项式

【模板】普通多项式转下降幂多项式 题目 下降幂多项式×ex\times e^x×ex就是其点值多项式的EGFEGFEGF。 所以多点求值后乘e−xe^{-x}e−x即可。 AC Code\mathrm{AC \ Code}AC Code #include<bits/stdc++.h> #define maxn 300005 #define mod 998244353 #define rep(i,j,... 阅读详情

传送门

Sol

(怎么老是有人喜欢出新的多项式毒瘤板子,懒得整到一起了)

核心就是把 幂用下降幂来代替。

使用斯特林数展开幂为下降幂:

x n = ∑ i = 0 n ( x i ) i ! S ( n , i ) = ∑ i = 0 n S ( n , i ) x i ‾ x^n=\sum_{i=0}^n{x\choose i}i!S(n,i)=\sum_{i=0}^nS(n,i)x^{\underline i} xn=i=0∑n​(ix​)i!S(n,i)=i=0∑n​S(n,i)xi​

那么要求的多项式:

∑ i = 0 n − 1 a i x i = ∑ i = 0 n − 1 a i ∑ j = 0 j S ( i , j ) x j ‾ \sum_{i=0}^{n-1}a_ix^i=\sum_{i=0}^{n-1}a_i\sum_{j=0}^jS(i,j)x^{\underline j} i=0∑n−1​ai​xi=i=0∑n−1​ai​j=0∑j​S(i,j)xj​
交换求和顺序:
∑ j = 0 n − 1 x j ‾ ∑ i = j n − 1 a i S ( i , j ) \sum_{j=0}^{n-1}x^{\underline j}\sum_{i=j}^{n-1} a_iS(i,j) j=0∑n−1​xj​i=j∑n−1​ai​S(i,j)

那么求出后面那个东西就行了。由于当 i &lt; j i&lt;j i<j时 S ( i , j ) = 0 S(i,j)=0 S(i,j)=0,所以 i i i 可以从 0 0 0 开始枚举。这个就是一个要求一列的斯特林数的模型。

把斯特林数拆开:
∑ i = 0 n − 1 a i j ! ∑ k = 0 j ( − 1 ) j − k ( j k ) k i \sum_{i=0}^{n-1}\frac{a_i}{j!}\sum_{k=0}^j (-1)^{j-k}{j\choose k}k^i i=0∑n−1​j!ai​​k=0∑j​

洛谷P5393 【模板】下降幂多项式转普通多项式(多项式快速插值) 传送门 已知下降幂多项式A(x)=∑i=0naixi‾A(x)=\sum_{i=0}^na_ix^{\underline i}A(x)=∑i=0n​ai​xi​ 现在求普通多项式B(x)=∑i=0nbixiB(x)=\sum_{i=0}^nb_ix^iB(x)=∑i=0n​bi​xi使得A(x)=B(x)A(x)=B(x)A(x)=B(x) 思路: 考虑先ffpffpffp转点值,然后快速插值即可... 阅读详情

相关推荐

STM32G474多通道ADC电压采集:软件触发与单次转换实战

本文详细介绍了STM32G474多通道ADC电压采集的实战方法,重点讲解了软件触发与单次转换的实现技巧。通过硬件设计、HAL库配置、多通道轮询采集及数据处理等环节的详细解析,帮助开发者高效完成精确电压采集任务。文章还提供了常见问题调试技巧和性能优化建议,适用于需要高精度电压监测的嵌入式应用场景。

weixin_28720767的博客 462

OpenBullet2 学习研究2-Conditions条件之KeyCheck的使用

上一节我们学习了如何安装Openbullet2以及如何新建一个配置,最后我们再配置里面新建一个Http的请求块,帮助我们发送了第一个请请求。这一节我们来学习check块。当我们发送请求以后,请求返回的内容是否是我们想要的,或者请求发送正确没有,这个我们怎么判断呢?这个时候就要用到check块了。

958

SAR成像系列:【9】合成孔径雷达(SAR)成像算法-波数域(omega-K)成像算法[也叫距离徙动(RM)算法](附Matlab代码)

合成孔径雷达(SAR)波数域(wK)成像算法也称为距离徙动(RM)算法,它不存在近似条件,可以对整个成像区域基于散射点模型进行精确聚焦。有的文章中称它为SAR成像的最佳实现。

zr2006_7的专栏 1万+

上机笔试题目:取出指定条件二维数组的子数组

取出指定条件二维数组的子数组: 1)传入参数为: 参数一:String[][]sArray2字符串二维数组 参数二:Stringkey字符串 参数三:StringkeyFormat含匹配符的字符串,如下:%0-%1,其中%x含义如为:一维数据列序号为x的值。 keyFormat 可以为 %0-%1-%2,%0-%3-%8-%x...... 例子如下...

91奔跑的蜗牛 636

STK传感器配置全攻略:从光学到雷达的7种视场类型详解(附避坑指南)

本文详细解析了STK软件中传感器的7种视场类型,从基础的Simple Conic、Complex Conic到高级的SAR与EOIR,提供了完整的配置步骤与实战避坑指南。重点阐述了雷达、光学等不同物理设备的建模选择逻辑,并针对常见的“No Access”等报错问题给出了系统性的排查方案,帮助工程师高效完成卫星系统设计与任务分析。

weixin_29232507的博客 228

Matlab实战:水声信号DEMON谱分析从入门到精通(附完整源码)

本文详细介绍了使用Matlab进行水声信号DEMON谱分析的完整流程,从基础理论到实战应用,涵盖信号预处理、包络提取、频谱分析等关键步骤,并附完整源码。特别针对水声通信中的低信噪比环境,提供了多种优化方案和性能提升技巧,帮助读者快速掌握这一水下目标检测的核心技术。

gamma的博客 295

【YOLO11改进 - 检测头】Detect_LSCD检测头:量化的检测头,进一步提升模型的检测效率和精度

【YOLO11改进 - 检测头】Detect_LSCD检测头:量化的检测头,进一步提升模型的检测效率和精度

专注于图像领域,主要研究内容包括计算机视觉和深度学习,特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。 4094

华为MetaERP的交易计税模块(即“税务引擎”)在设计上确实受到Oracle E-Business Tax(EBTax)等国际先进税务架构理念的影响,但结合了华为自身全球化运营、多准则合规、高并发处

华为MetaERP税务引擎在借鉴Oracle EBTax三层架构基础上,创新升级为五层智能税务架构,实现从"税码驱动"到"场景+规则+AI驱动"的转变。该模块采用云原生微服务架构,支持全球190+国家税务规则动态加载,具备实时计税、多准则并行处理、AI风险预警等核心能力,深度适配金税工程等国内合规要求。通过税务数字孪生、RPA机器人等创新,形成自主可控的智能税务中枢,为跨国企业提供全栈国产化税务解决方案,重新定义ERP税务管理范式。

金牌架构师 114

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

上一篇: 【UOJ#37】 [清华集训2014] 主旋律
下一篇: 【LuoguP4081】[USACO17DEC]Standing Out from the Herd
NeosKnight
博客等级 码龄9年 21粉丝 151原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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