第2章 数学基础回顾：多项式插值、拉格朗日插值、牛顿插值、高次插值的龙格现象

各位同学，欢迎来到《样条插补算法原理与实战》的第二讲。

做数控插补，说白了就是在离散的点之间“猜”出一条连续的路径。怎么猜得准？这就得靠插值。今天咱们把数学基础打牢，聊聊多项式插值、拉格朗日插值、牛顿插值，还有那个让人头疼的龙格现象。

我个人习惯，讲理论之前先问个问题：给你几个点，你能画出一条光滑曲线吗？能，但画法有很多种。哪种最靠谱？嗯，这就是我们今天要解决的。

2.1 多项式插值：用一条曲线穿过所有点

多项式插值的想法很朴素：给定 n+1 个点，找一个 n 次多项式，让它刚好穿过这些点。

比如，两个点确定一条直线（1次多项式），三个点确定一条抛物线（2次多项式）。

数学上，我们想求一个多项式 P(x) = a₀ + a₁x + a₂x² + ... + aₙxⁿ，使得 P(xᵢ) = yᵢ 对所有 i 成立。

这其实是个线性方程组求解问题。把每个点代入，得到 n+1 个方程，解出 n+1 个系数 a₀, a₁, ..., aₙ。

我在项目中遇到过这种情况：用矩阵直接求解，当点数多了，矩阵会变得非常病态。说白了，就是稍微改一点点数据，结果就天翻地覆。所以实际工程中，我们很少直接用这种方法。

2.2 拉格朗日插值：构造法，简单直观

拉格朗日插值换了个思路。它不直接解方程组，而是构造一组基函数。

公式长这样：

L(x) = Σ yᵢ · lᵢ(x)

其中 lᵢ(x) = Π (x - xⱼ) / (xᵢ - xⱼ)，j ≠ i

你看，每个 lᵢ(x) 在 xᵢ 处等于1，在其他点处等于0。这样一组合，L(x) 自然就穿过了所有点。

拉格朗日的好处是公式对称、好理解。但缺点也很明显：每增加一个点，所有基函数都得重新算一遍。你想想看，如果现场调试时频繁加测试点，这计算量就上去了。

我记得有一次做轨迹规划，临时加了两个测量点，拉格朗日插值整个重算，CPU占用率直接飙到90%。后来我就换方案了。

2.3 牛顿插值：增量更新，工程更友好

牛顿插值解决了拉格朗日的痛点。它用差商（divided difference）来构造多项式。

公式是：

N(x) = f[x₀] + f[x₀,x₁](x-x₀) + f[x₀,x₁,x₂](x-x₀)(x-x₁) + ...

这里的 f[x₀,x₁] 就是一阶差商，f[x₀,x₁,x₂] 是二阶差商，以此类推。

牛顿插值最大的好处是：增加一个新点，只需要在多项式末尾加一项，前面的项完全不用动。这在工程里太实用了。

我曾经在数控系统里做实时插补，传感器会不断返回新的位置点。用牛顿插值，每次只需要算一个新差商，然后加到多项式末尾。计算量几乎不变，实时性杠杠的。

方法	优点	缺点	工程适用性
直接求解	理论清晰	矩阵病态，计算量大	低（点数少时可用）
拉格朗日	公式对称，易理解	增删点需全量重算	中（适合固定点集）
牛顿	增量更新，计算高效	差商表需维护	高（适合实时系统）

2.4 高次插值的龙格现象：一个深刻的教训

讲到这里，你可能会想：既然多项式次数越高，能穿过的点越多，那是不是次数越高越好？

嗯，这里有个大坑。

德国数学家龙格（Runge）发现了一个现象：用高次多项式插值等距节点时，在区间两端会出现剧烈的振荡。次数越高，振荡越严重。

经典的例子是函数 f(x) = 1/(1+25x²)，在 [-1,1] 区间上取等距点做插值。当次数超过10次，两端就开始“跳舞”，误差大得离谱。

为什么会这样？说白了，高次多项式太“灵活”了。为了穿过所有点，它会在端点处剧烈弯曲。你想想看，一根细长的铁丝，你硬要它穿过十几个点，它肯定会在两端扭来扭去。

所以，工程上我们很少用超过7次的多项式做插值。那怎么办？用分段低次插值，也就是后面要讲的样条插值。这是后话，先记住这个教训。

2.5 本章知识体系：一张图看懂

下面我用一张SVG图，把今天讲的核心逻辑串起来。你看完应该能明白：为什么我们要从多项式插值，一步步走到样条插值。

从这张图可以看得很清楚：多项式插值、拉格朗日、牛顿，它们本质上都是用一个高次多项式去拟合所有点。但高次带来的龙格现象，逼着我们寻找新路——分段低次插值，也就是样条插值。

好了，数学基础就讲到这里。下一章我们正式进入样条插值的世界，看看它是怎么解决龙格现象的。

---

公众号:蓝海资料掘金营，微信deep3321