各种神奇的插值法（坑）

插值

告诉你一个函数会经过 $n$ 个点（$n$个点各不相同），然后让你计算其余几个位置的取值。（应该吧，个人理解）

一般情况下可能会用在一些数据统计中函数的拟合。（不然为什么会有这么多乱七八糟的拟合啊QAQ）

当然，这里主要涉及的是多项式插值，即利用经过这$n$个点的最高次项次数小于$n$的关于$x$的那个多项式，通过代入或者其他方法求出这几个位置的取值。

当然，这里给出一道模板题，在拉格朗日插值和牛顿插值时就是用这个模板题的。

模板题

当然，这种题目暴力用高斯消元也是能做的，可惜A不了，毕竟时间复杂度时$O(n^3)$

下文都认为给出的是$n+1$个点，点的标号从$0$开始，同时设第$k$个点为$(x_k,y_k)$。

拉格朗日插值法

普通拉格朗日插值法

观察模板题和高斯消元，你会发现我们把这个多项式解出来真的太浪费啦。

有没有不用求出多项式也能求值的方法呢？

有！

拉格朗日发表了这么一个方法：

$L(x)=\sum _{i=0}^n{\ell }_i(x)y_i$

其中${\ell }_i(x)$叫 拉格朗日基本多项式 ，$L(n)$叫 拉格朗日插值多项式 。

${\ell }_i(x)=\prod _{j=0,j\ne i}^n\frac{(x-x_j)}{(x_i-x_j)}$

这个多项式有个非常NB的性质（其实也非常显然）

就是${\ell }_i(x)$在$x_j(j\ne i)$处为$0$，在$x_i$处为$1$。

那么显然，$L(x)$经过这$n$个点。

这样，我们就只需要把$k$代入，就可以在$O(n^2)$的时间内求解了。

显然，我们节省的是求出这个多项式的时间。

当然，可以证明的是，这个拉格朗日插值多项式是唯一一个次数≤$n$的经过这$n+1$个点的多项式。

唯一性

假设存在两个$n$次多项式，都经过这$n+1$个点，假设这两个多项式为$P_1,P_2$

$P_3=P_2-P_1$

那么$P_3$显然$\ne 0$。

而且因为都经过$n+1$个点，所以有$n+1$个根，所以$P_3$的次数为$n$。

而且可以写成

那么$P_3$可以写成$k\prod _{i=0}^n(x-x_i)$

但是这样次数是$n+1$的，显然不对，矛盾，证毕。

所以最多存在这样唯一一个多项式。

存在性

首先，不一定存在次数为 $n$ 的多项式，举个例子：

$(1,1),(2,2),(3,3)$就不能被一个二次方程经过。

当然，能经过这$n+1$个点的也不一定要是个次数大于$0$的多项式，比如你给$n+1$个$y$值相等的点，怎么可能存在一个$n$次多项式能够经过$n+1$个$y$值相同的点啊（因为这和一个多项式能有$n+1$个点的命题是等价的，这个命题先让错误，不然可以写成$(x-x_i)$的形式，证明这个形式次数大于$n$）。

所以下面假定至少存在两个点 $y$ 值不同。

在这个条件下，我们可以证明$L(x)$是一个次数大于$0$的多项式。

我们假设存在一组$a_0,a_1,a_2,...a_{n+1}$系数，使得：

$P(x)=\sum _{i=0}^n{a}_i\ell (i)=a_{n+1}$

首先，因为${\ell }_i(x)$函数只有在$x_i$处为$1$，其余$x_j$处都是为$0$的，所以显然$P(x_i)=a_i$，但是呢，这个函数的值又是恒定的，所以$a_0=a_1=a_2=....=a_{n+1}$。

又因为$y_i$并不相同，所以证毕。

代码

当然，这道题目我还是有🐎代码的。

时间复杂度$O(n^2)$

#include<cstdio>
#include<cstring>
#define  N  2100
using  namespace  std;
typedef  long  long  LL;
const  LL  mod=998244353;
inline  LL  ksm(LL  x,LL  y)
{
   
	x%=mod;
	LL  ans=1;
	while(y)
	{
   
		if(y&1)ans=ans*x%mod;
		x=x*x%mod;y>>=1;
	}
	return  ans;
}
LL  n,k;
LL  xx[N],yy[N];
void  calc()
{
   
	LL  ans=0;
	for(int  i=0;i<=n;i++)
	{
   
		LL  shit=1;
		for(int  j=0;j<=n;j++)if(i!=j)shit=(k-xx[j]+mod)*ksm(xx[i]-xx[j]+mod,mod-2)%mod*shit%mod;
		ans=(shit*yy[i]+ans)%mod;
	}
	printf("%lld\n",ans);
}
int  main()
{
   
	scanf("%lld%lld",&n,&k);n--;
	for(int  i=0;i<=n;i++)scanf("%lld%lld",&xx[i],&yy[i]);
	calc();
	return  0;
}

当然，这样🐎是$O(n^2\log n)$的，改进的方法也比较简单，分母乘起来最后求逆元就行了。

这样就可以到严格的$O(n^2)$了。

优点与缺点

这里直接照搬https://www.cnblogs.com/ECJTUACM-873284962/p/6833391.html的，因为我自己根本就不了解插值，OI中也基本上不会去处理数据拟合，下面是OI的貌似也不太需要的亚子。

拉格朗日插值法的公式结构整齐紧凑，在理论分析中十分方便，然而在计算中，当插值点增加或减少一个时，所对应的基本多项式就需要全部重新计算，于是整个公式都会变化，非常繁琐。这时可以用重心拉格朗日插值法或牛顿插值法来代替。此外，当插值点比较多的时候，拉格朗日插值多项式的次数可能会很高，因此具有数值不稳定的特点，也就是说尽管在已知的几个点取到给定的数值，但在附近却会和“实际上”的值之间有很大的偏差（如右下图）。这类现象也被称为龙格现象，解决的办法是分段用较低次数的插值多项式。

连续情况

当然，在给定的取值是连续的情况下（即等差数列），可以做到$O(n)$的插值。（当然，前提是你得花$n\log n$检验其是否是等差数列，当然，有时候是已知条件）

你可以通过函数的缩放，把$x$转变成：$x_i=i$的情况。

至于怎么做，照搬你谷日报：

而且，如果是在模运算的情况下，只要$O(n)$预处理逆元，也一样可以办到$O(n)$。

代码：

//你谷日报的代码
//当x_i=i时求L_n(k) 
double L_n_k=0;
for (int i=1;i<=n;i++)
    if ((n-i)%2) L_n_k+=y[i]*((pre[i-1]*suf[i+1])/(-fac[i]*fac[n-i]));
    else L_n_k+=y[i]*((pre[i-1]*suf[i+1])/(fac[i]*fac[n-i]));

重心型拉格朗日插值法

Ⅰ型

总所周知，普通拉格朗日插值法在新增加一个点的时候就需要重新$O(n^2)$计算一下。（雾

不是，为什么啊(・∀・(・∀・(・∀・*)，难道不是只要把${\ell }_i(x)$用数组存起来，计算不也是轻轻松松的事吗，当然，如果不用模运算的话时间复杂度是$O(n)$，如果要用模运算，计算逆元的时间就比较久了，会到达$O(n\log n)$。

如果是要另外求个点，求先把分子求出来，然后不断逆元乘法也能解决，复杂度跟上面同理。

为什么要$O(n^2)$。不过我没有去打代码验证

但是仔细想想上述的做法如果处理不好还是有一定弊端的，如果要另外求个点，而且是浮点数运算的话，这种做法可能掉精比较厉害，严重的可能精度直接起飞了，不过一般去到$10^3$一般也会加$\mathrm{m}\mathrm{o}\mathrm{d}$运算吧，不过也很好解决，只要处理出现在分子和新的分子的比值再乘，那么掉精问题估计也就没有那么严重了。

额，认真的讲一下你谷博客中的$Ⅰ$型吧。

如果我们改变一下上述的式子：

$L(n)=\sum _{i=0}^n{y}_i\frac{\prod _{j=0}^n(x-x_i)}{(x-x_i)\prod _{j=0,i\ne j}^n(x_i-x_j)}$

当然，这样插值的前提是要求$x\ne x_i$，否则式子就爆炸了啊。

设$\ell (x)=\prod _{i=0}^n(x-x_i),w_i$