zoukankan      html  css  js  c++  java
  • 浅谈算法——拉格朗日插值

    拉格朗日插值法:是以法国十八世纪数学家约瑟夫·拉格朗日命名的一种多项式插值方法(摘自某度百科)

    首先我们需要知道,拉格朗日插值法有何用?


    举例子永远是最好的方法

    比如说,已知下面这几个点,我想找到一根穿过它们的曲线:

    (k+1)个点是肯定可以确定一个(k)次函数的,因为待定系数法啊,然后我们假设函数为(f(x)=a_0+a_1x+a_2x^2),然后我们就有

    [egin{cases}y_1=a_0+a_1x_1+a_2x_1^2 onumber\y_2=a_0+a_1x_2+a_2x_2^2 onumber\y_3=a_0+a_1x_3+a_2x_3^2 onumberend{cases} ]

    可是可以,但是扩展性不强……毕竟考场上没有可以解多元一次方程的机子……手动推通解的话……呵呵

    拉格朗日也是这样想的,但是他觉得:我可以通过三根二次曲线相加得到这个函数,那么是怎样的三根曲线嘞?

    第一根曲线(f_1(x)),满足(f_1(x_1)=1,f_1(x_2)=f_1(x_3)=0)

    然后第二、三根曲线类似

    我们可以发现

    • (y_1f_1(x))可以保证,在(x_1)处,取值为(y_1),其余两点取值为0
    • (y_2f_2(x))可以保证,在(x_2)处,取值为(y_2),其余两点取值为0
    • (y_3f_3(x))可以保证,在(x_3)处,取值为(y_3),其余两点取值为0

    那么

    [f(x)=y_1f_1(x)+y_2f_2(x)+y_3f_3(x) ]

    可以一一穿过这三个点

    当函数不是二次,而是多次的时候,这个方法同样成立

    于是前人根据这个方法,总结出了拉格朗日插值法的一般式,即

    [f(x)=sumlimits_{i=0}^ky_iprodlimits_{j ot =i}dfrac{x-x_j}{x_i-x_j} ]

    (因为1~k+1写起来很丑,所以这里写的是0~k,本质相同)

    我们可以发现,任意代入一个(x_k),都必然有(f(x_k)=y_k),过程留给读者自己推导

    这样我们就可以在(O(k^2))的时间内求出(f(x))


    我们再来考虑一些特殊的情况,比如(x_i)连续的情况

    我们先把式子抄一遍

    [f(x)=sumlimits_{i=0}^ny_iprodlimits_{j ot =i}dfrac{x-x_j}{x_i-x_j} ]

    由于(x_i)连续,所以我们可以把分子用前后缀积来表示

    [P_i=prodlimits_{j=0}^i(x-x_j),S_i=prodlimits_{j=i}^n(x-x_j) ]

    然后分母可以写成阶乘的形式,式子变成

    [f(x)=sumlimits_{i=0}^ny_idfrac{P_{i-1}·S_{i+1}}{(-1)^{n-i}i!(n-i)!} ]

    那么我们就可以在(O(k))的时间内算出(f(x))的值了


    至于一些应用,最常见的就是求(sumlimits_{i=1}^ni^k)的值,也就是求幂和,根据这里的式子可以得到

    [S_k(n)=sumlimits_{i=1}^ni^k=dfrac{(n+1)^{k+1}-sumlimits_{j=0}^{k-1}inom{k+1}{j}S_j(n)-1}{k+1} ]

    容易发现其为(k+1)次多项式,于是我们可以使用拉格朗日插值法

    其中(iin[0,k+1])的取值我们用线筛,对于每个素数我们暴力快速幂,这部分时间复杂度为(O(dfrac{k}{ln k}·log k)=O(k))

    所以总时间复杂度为(O(k))

  • 相关阅读:
    树线段hdu 4508 美素数(线段树)
    自定义context自定义Dialog之Progress(二)
    实现语言C语言简单实现五子棋
    调用博客paip.基于HTML gui界面的javascript JS实现SLEEP。。
    水印控件windows phone中,制作一个自定义的密码输入框控件,含图片,有水印,星号显示
    请求网络网络编程
    调试网页PAIP HTML的调试与分析工具
    输出流输入输入输出流
    标记协议http协议与XML书写规范及解析技术
    描述算法10673 Play with Floor and Ceil
  • 原文地址:https://www.cnblogs.com/Wolfycz/p/10624678.html
Copyright © 2011-2022 走看看