=====拉格朗日插值===== ====简介==== 在数值分析中，拉格朗日插值法是以法国18世纪数学家约瑟夫·拉格朗日命名的一种多项式插值方法。如果对实践中的某个物理量进行观测，在若干个不同的地方得到相应的观测值，拉格朗日插值法可以找到一个多项式，其恰好在各个观测的点取到观测到的值。上面这样的多项式就称为拉格朗日（插值）多项式。 ====拉格朗日插值法==== 众所周知， $n + 1$ 个 $x$ 坐标不同的点可以确定唯一的最高为 $n$ 次的多项式。在算法竞赛中，我们常常会碰到一类题目，题目中直接或间接的给出了 $n+1$ 个点，让我们求由这些点构成的多项式在某一位置的取值 一个最显然的思路就是直接高斯消元求出多项式的系数，但是这样做复杂度巨大 $(n^3)$ 且根据算法实现不同往往会存在精度问题 而拉格朗日插值法可以在 $n^2$ 的复杂度内完美解决上述问题 假设该多项式为 $f(x)$ , 第 $i$ 个点的坐标为 $(x_i, y_i)$ ，我们需要找到该多项式在 $k$ 点的取值 根据拉格朗日插值法 $$f(k) = \sum_{i = 0}^{n} y_i \prod_{i \not = j} \frac{k - x[j]}{x[i] - x[j]}$$ 乍一看可能不是很好理解，我们来举个例子理解一下 假设给出的三个点为 $(1, 3)(2, 7)(3, 13)$ 直接把 $f(k)展开$ $f(k) = 3 \frac{(k - 2)(k - 3)}{(1 - 2)(1 - 3)} + 7\frac{(k-1)(k-2)}{(2 - 1)(2-3)} + 13\frac{(k-1)(k-2)}{(3 -1)(3-2)}$ 观察不难得到，如果我们把 $x_i$ 带入的话，除第 $i$ 项外的每一项的分子中都会有 $x_i - x_i$ ，这样其他的所有项就都被消去了 因此拉格朗日插值法的正确性是可以保证的 下面说一下拉格朗日插值法的拓展 > 在 $x$ 取值连续时的做法 在绝大多数题目中我们需要用到的 $x_i$ 的取值都是连续的，这样的话我们可以把上面的算法优化到 $O(n)$ 复杂度 首先把 $x_i$ 换成 $i$ ，新的式子为 $f(k) = \sum_{i=0}^n y_i \prod_{i \neq j} \frac{k - j}{i - j}$ 考虑如何快速计算 $\prod_{i \neq j} \frac{k - j}{i - j}$ 对于分子来说，我们维护出关于 $k$ 的前缀积和后缀积，也就是 $$pre_i = \prod_{j = 0}^{i} k - j$$ $$suf_i = \prod_{j = i}^n k - j$$ 对于分母来说，观察发现这其实就是阶乘的形式，我们用 $fac[i]$ 来表示 $i!$ 那么式子就变成了 $$f(k) = \sum_{i=0}^n y_i \frac{pre_{i-1} * suf_{i+1}}{fac[i] * fac[N - i]}$$ 注意:分母可能会出现符号问题，也就是说，当 $N - i$ 为奇数时，分母应该取负号 > 重心拉格朗日插值法 再来看一下前面的式子 $$f(k) = \sum_{i = 0}^{n} y_i \prod_{i \neq j} \frac{k - x[j]}{x[i] - x[j]}$$ 设 $g = \prod_{i=0}^n k - x[i]$ $$f(k) = g\sum_{i = 0}^{n} \prod_{i \neq j} \frac{y_i}{(k - x[i])(x[i] - x[j])}$$ 设 $t_i = \frac{y_i}{\prod_{j \neq i} x_i - x_j}$ $$f(k) = g\sum_{i = 0}^{n} \frac{t_i}{(k - x[i])}$$ 这样每次新加入一个点的时候只需要计算它的 $t_i$ 即可 >应用 首先讲一个经典应用：计算 $\sum_{i=1}^n i^k (n \leqslant 10^{15}, k \leqslant 10^6)$ 老祖宗告诉我们，这个东西是个以 $n$ 为自变量的 $k + 1$ 次多项式，具体证明可以看第二份参考资料 然后直接带入 $k+1$ 个点后用拉格朗日插值算即可，复杂度 $O(k)$ 以上内容引自洛谷大佬博客： https://www.luogu.com.cn/blog/attack/solution-p4781 ==== 下面是例题 ==== * [[洛谷P4781]] https://www.luogu.com.cn/problem/P4781 * 洛谷P4593 https://www.luogu.com.cn/problem/P4593