Learning:拉格朗日插值

问题: 已知点$(x_0,y_0),(x_1,y_1),...,(x_n,y_n)$，求一个经过这n个点的n次多项式。
一种做法是设出这个多项式，然后将n个点带入得到n个方程，然后用高斯消元在$O(n^3)$的时间求出。
但是复杂度太高了，所以就有了拉格朗日插值这种优秀算法。
注意，部分定义不保证严谨性，但是不影响拉格朗日插值法的应用

设$l_j(x)$为$j$的拉格朗日基本多项式，表示一个在$x=x_j$处等于1且在$x=x_i(i\ne j)$处等于0的多项式。
这个多项式很好构造，即${\prod }_{i=0,i\ne j}^n\frac{x-x_i}{x_j-x_i}$
那么要满足所有点，只需将所有拉格朗日基本多项式乘上$y_j$再加起来就是最终的n次多项式。
即$f(x)={\sum }_{j=0}^n{l}_j(x)y_i$
但是直接做好像还是$n^3$？
考虑进行优化（叫重心拉格朗日插值法）
我们设$w_j={\prod }_{i=0,i\ne j}^n\frac{1}{x_j-x_i},g(x)={\prod }_{i=0}^{n+1}x-x_i$
我们先在插值前预处理出$g(x)$，然后在枚举$j$时每次$O(n)$计算$w$，即$l_j(x)$的分母部分,然后$O(n)$用$g(x)$暴力除以$x-x_j$得到$l_j(x)$的分子部分，即可在$O(n)$的时间内求出$l_j(x)$，加上枚举j的复杂度，总复杂度为$O(n^2)$
注意如果是单点求值，则只需要直接替换$x$即可，时间复杂度仍为$O(n^2)$
代码：

void lagrange(int *f,int n){
	memset(l,0,sizeof(l));
	l[0]=1;
	f[0]=0;
	for(int i=0;i<=n;i++){
		f[i]=0;
		for(int j=i+1;j>0;j--)
			l[j]=Minus(l[j-1],1ll*l[j]*x[i]%mod);
		l[0]=Minus(0,1ll*l[0]*x[i]%mod);
	}//求g
	for(int i=0;i<=n;i++){
		int w=y[i];
		for(int j=0;j<=n;j++)
			if(i!=j)
				w=1ll*w*inv[x[j]>x[i]][abs(x[j]-x[i])]%mod;//inv[0/1][j]分别表示1~n和mod-n~mod-1的逆元，如在实数范围则可直接取倒数
		t[n]=1;
		f[n]=(f[n]+1ll*t[n]*w)%mod;
		for(int j=n-1;j>=0;j--){
			t[j]=(l[j+1]+1ll*t[j+1]*x[i])%mod;//暴力除法
			f[j]=(f[j]+1ll*t[j]*w)%mod;//累加答案
		}
	}
	return;
}

也可以利用分治和多项式相关知识得到一个$O(nlo{g}^{2}n)$的快速插值算法，但比较复杂，博主写快速插值距今已久，刚中考完回归复习拉格朗日插值，故目前能力不足以讲它。

接下来有一个技巧
在部分求解多项式的题目中，$x_i$是连续的（相差1），这时如果需要进行单点求值，我们可以将拉格朗日插值公式稍微变形之后得到一种$O(n)$的算法。
如$x\in [0,n]$
$$f(x)=\sum _{j=0}^{n}f(j)\prod _{i=0,i\ne j}^n\frac{x-i}{j-i}$$
$$=\sum _{j=0}^{n}f(j)\frac{x(x-1)(x-2)...(x-n)}{j(j-1)(j-2)...\cdot 2\cdot 1\cdot (-1)\cdot (-2)\cdot ...(j-n+2)(j-n+1)(j-n)}$$
$$=\sum _{j=0}^{n}f(j)\frac{{\prod }_{i=0}^{n}x-i}{(-1{)}^{n-j}(j-1)!(n-j)!}$$
$$=\sum _{j=0}^n(-1{)}^{n-j}f(j)\frac{{\prod }_{i=0}^{n}x-i}{(j-1)!(n-j)!}$$
预处理一下阶乘和${\prod }_{i=0}^{n}x-i$的值，然后就可以$O(n)$求解了。
如果$x\in [d,d+n]]$(d为任意实数)，则可令$x\in [0,n]$求出f，然后将函数在水平方向上平移即可。

这个技巧可以用于很多构造点值求解多项式的题，最经典的一种是求单点自然数幂求和$({\sum }_{i=1}^n{i}^k)$
经过推导可知这是一个$k+1$次多项式（推导过程需用到斯特林数（或伯努利数？），这里放一下TJY大佬利用斯特林数的一种推导方法）
于是我们就可以枚举0到k求值，然后得到k+1个横坐标连续的点值，再把n代入用刚刚的技巧$O(n)$单点求值即可。