插值（一）

拉格朗日插值

插值与拟合不同，插值要求严格的经过已经确定的函数节点，而拟合并不需要，拟和更多的是一个寻找全局最优。下面我们简单介绍一下拉格朗日插值：
我们在这里先确定一个基本思路，插值是为了解决函数的拟合问题，我们想用一个多项式去拟合出一个过n个点的平滑函数，那么多项式的个数也必然是n个，否者变量个数，少于等式个数，必然会导致无解。于是确定拉格朗日插值，实际上也就是去解方程。
但是，这样去处理的话，并不是很方便，我们希望能够去构造一种更加简单的形式，于是我们这样去构造：

严格的数理推导这里不再赘述，其本质上就是一个可以理解为积化和差的数理处理形式，这样我们在求解拉格朗日插值就方便了很多，拉格朗日插值matlab构建函数如下：

function y=lagrange(x0,y0,x);
n=length(x0);m=length(x);
for i=1:m
z=x(i);
s=0.0;
for k=1:n
p=1.0;
for j=1:n
if j~=k
p=p*(z-x0(j))/(x0(k)-x0(j));
end
end
s=p*y0(k)+s;
end
y(i)=s;
end

上述是matlab的代码格式，不是python哈。

牛顿插值

要理解牛顿插值，首先要理解什么是差商，我们先把差商的计算和牛顿插值多项式的推导过程列在这里：
实际差商的计算过程如下：
可见，每次增加一个节点，不需要重新计算所有差商了，牛顿插值的好处慢慢凸显出来了
推导牛顿插值公式：
列出（1）到（n）式，然后反着代入上式，就可以得到f(x)的插值公式。

带有插值余项的公式如下：
从上式可知，如果多加一个节点，只需要多计算一个差商，在牛顿插值多项式中多添加一项就可以了。

不必重新开始，这是牛顿插值的优势。
到这里，是不是还是感觉不是很清晰，那我们就再进一步，我们很容易发现，当牛顿插值多项式，在步长相等且无限小的时候，该公式成为了泰勒公式。那么我们在从解题的角度上去考虑，假如我们就碰到这样一个数学题，给我们n个点，让我们进行函数的拟合，像拉格朗日那样，直接利用点，我们能够拟合出函数，现在我们想，除了直接用点的坐标外，我们还能怎么用这些点，于是我们想到了斜率，我们利用n阶导数去建立等式求解，于是我们得到了牛顿插值公式（基本直观感受是这样的）

参考：https://blog.csdn.net/reborn_lee/article/details/80920078