1 内挿の概要
1.1 内挿の定義と補間・外挿との関係
1.1.1 内挿と補間の違い
内挿（interpolation）は、既知のデータ点の間に位置する評価点での値を推定する考え方を指すことが多い。補間（interpolation）も同様に、既知点を結ぶ曲線や関数を構成し、その関数の値で間の点を与えるため、実務では両者が近い意味で使われる。ただし厳密には、補間が「既知点に必ず一致する関数の構成」を強く意識するのに対し、内挿は「既知範囲の内部での推定」という運用上の範囲設定を重視する傾向がある。
たとえば、観測データが厳密な関数値に対応しているとは限らない場合、既知点への完全一致を強制せず、モデル化と近似によって内部推定を行う枠組みとして内挿が語られることがある。このとき、数学的には補間型の手法を含み得るが、誤差や統計的性質を扱う文脈が前面に出る。
1.1.2 内挿と外挿の違い
内挿は既知データ点の範囲の「内部」での評価に焦点を当てるのに対し、外挿（extrapolation）はその範囲外での推定を行う。外挿では、モデルが未観測領域の挙動に対して強い仮定を置くことになりやすく、誤差が急増しやすい。特に多項式のように全域で定義される近似は、端点付近で急激な変化を示しやすく、外挿との組み合わせで不安定さが目立つ。
一方内挿では、データが与える情報を評価点が共有できるため、比較的予測が安定しやすい。もちろん内挿でも手法選択やデータの配置によって精度は大きく変わるが、「未観測領域の仮定」よりも影響が小さいのが一般的な位置づけである。
1.2 基本的な設定（データ点・評価点）
1.2.1 一変数の内挿問題
一変数の内挿では、入力軸上の既知点として \(x_0, x_1, \dots, x_n\) と、対応する関数値 \(y_0, y_1, \dots, y_n\) が与えられる。目的は、区間 \([ \min x_i, \max x_i ]\) の内部にある評価点 \(x\) に対し、未知量 \(f(x)\) の近似 \(p(x)\) を計算することである。
最も基本的な設定では、既知点での一致条件 \(p(x_i)=y_i\) を満たす近似関数を探す。近似関数として多項式やスプライン、局所近似などを採用し、次数や区分の仕方を調整することで、滑らかさと誤差のバランスを取る。
1.2.2 多変数・格子データの内挿
多変数の場合、データ点は空間内の座標 \(\mathbf{x}_i \in \mathbb{R}^d\) と値 \(y_i\) の組として与えられる。解の定義には幾何学的な工夫が必要で、単純な「一次元の区間」ではなく、「近傍点の選び方」「領域の分割」「距離の尺度」などが計算設計に直結する。
格子データでは、各次元に沿った離散点の直積としてサンプルが並ぶことが多い。この場合は、次元ごとに区間を同定し、各セル内での局所内挿を合成する手法が用いられる。たとえば線形内挿は次元を跨いでも実装が比較的容易で、計算量と精度の折り合いが取りやすい。高次の方法は滑らかさを高められる一方、データ配置によっては振動的な挙動が増えるため注意が要る。
1.3 用途と応用領域
1.3.1 数値解析での役割
数値解析において内挿は、離散データを連続的な近似に置き換えるための基盤技術である。たとえば、数値積分や微分、方程式の反復法では、評価点が格子やサンプル位置と一致しないことが多く、その都度値が必要になる。内挿はその不足を補い、計算を進める部品として働く。
また、差分方程式や境界値問題の離散化では、境界条件や係数の扱いに内挿が関わることがある。さらに誤差評価の観点でも、内挿誤差が全体の精度に与える影響を分解して議論する枠組みが整備されている。
1.3.2 データ解析・信号処理での利用
データ解析では、測定値が不均一に取得された場合に時系列や空間分布を整える目的で内挿が使われる。信号処理では、サンプル点間の波形再構成、サンプリング周波数の変更、欠損データの補填などが典型例である。
手法選択は、信号の性質（滑らかさ、帯域特性、急峻さ）と要件（忠実度、計算速度、リアルタイム性）に依存する。多項式や高次近似は理論上の次数増加で精度が伸びる可能性がある一方、ノード配置により余計な振動が生じることがあるため、信号の見え方を優先してスプラインや局所的手法を選ぶ運用が多い。
2 多項式内挿
2.1 ラグランジュ内挿
2.1.1 基本式と意味
ラグランジュ内挿は、既知点 \((x_i, y_i)\) を通る次数最大 \(n\) の多項式 \(L(x)\) を構成する方法である。基本形は次の形で表される。 \[ L(x)=\sum_{i=0}^{n} y_i \,\ell_i(x) \] ここで \(\ell_i(x)\) はラグランジュ基底多項式であり、 \[ \ell_i(x)=\prod_{\substack{j=0\\ j\ne i}}^{n}\frac{x-x_j}{x_i-x_j} \] で定義される。基底は \(\ell_i(x_k)=1\)（\(k=i\)）かつ \(\ell_i(x_k)=0\)（\(k\ne i\)）を満たすため、全体の和が既知点で \(L(x_i)=y_i\) を保証する。
この構成の意味は、各データ点の寄与が「ほかの点との相対位置」で重み付けされることにある。評価点がどの位置にあるかに応じて、基底多項式が滑らかに重みを変える。
2.1.2 計算上の特徴
ラグランジュ形式は概念が明快である反面、素直に実装すると基底ごとに積が必要になり、評価コストが増えやすい。多くの計算では、各評価点ごとに全ての基底を作るのではなく、事前計算や共通部分の再利用によって負荷を抑える工夫がされる。
また、数値計算では \((x_i-x_j)\) の差が小さい場合に丸め誤差が増幅されることがある。そこで、計算順序やスケーリング、あるいは評価に適した別形式（後述の差分型）を選ぶことで、安定性を改善する場合がある。
2.2 ニュートン内挿
2.2.1 差分の考え方
ニュートン内挿は、基底を直積の形で組み、差分（差分商）を用いて多項式を段階的に構成する方法である。次数を 0 から増やすように見通し良く記述できる点が利点である。
代表的な形は、 \[ P_n(x)=a_0+a_1(x-x_0)+a_2(x-x_0)(x-x_1)+\cdots+a_n\prod_{k=0}^{n-1}(x-x_k) \] のように書け、係数 \(a_i\) は差分商から得られる。差分商は「与えられた点列から導かれる高次の変化量」であり、データの変動の形状に対応して係数が決まる。
この枠組みでは、基底が \(x-x_0\) から順に増えるため、評価点がある区間で動いても計算は組み立てやすい。特に既知点が増える場面では、追加情報をどこに反映するかが明確になる。
2.2.2 挿入点が増える場合の利点
ニュートン内挿の実務上の強みは、新しいデータ点を追加する際に、これまで計算した情報を活かしやすい点にある。追加点の高次差分商だけを求め直し、既存の係数列に対して拡張することで、多項式を更新できる。
ラグランジュ形式でも全体を作り直すことは可能だが、ニュートン形式は逐次更新の設計がしやすい。特にオンラインで観測が増える環境や、段階的に近似精度を高めたい状況で採用されることがある。
2.3 テイラー展開による内挿（局所近似）
2.3.1 微分可能性と近似次数
テイラー展開に基づく内挿は、評価点の近傍で関数が十分に微分可能であると仮定し、局所的に多項式近似を構成する考え方である。ある基準点 \(x_0\) の近くで \[ f(x)\approx f(x_0)+f'(x_0)(x-x_0)+\cdots \] と展開し、切り捨てた次数に応じて近似の精度が決まる。
次数を上げれば理論上の近似は改善し得るが、微分値（あるいは差分から推定する高次量）が必要になり、データノイズがあると高次の見積もりが不安定になりやすい。したがって実装では、使う次数を要求精度とデータ品質の両方から決めるのが一般的である。
2.3.2 誤差の概念
テイラー近似の誤差は、通常「未使用の高次項」によって表される。厳密には余剰項の形（ラグランジュの余剰項など）により評価できる場合があるが、実務では概ね「評価点が基準点から離れるほど誤差が増える」「関数が滑らかでないほど誤差が見積もりにくい」といった傾向で捉えられる。
内挿として使う場合、評価点が基準点からどれだけ離れているかが重要な設計変数になる。広い範囲を一つの基準点で近似すると誤差が膨らみやすいため、区間を分割して局所近似を行う戦略につながる。
3 スプライン内挿
3.1 有理・多項式スプラインの基本
3.1.1 連続性（滑らかさ）の条件
スプライン内挿は、区間を複数の部分に分け、それぞれの部分で低次多項式（または有理関数）を用いながら全体を滑らかにつなぐ方法である。連続性の条件は、点列の接合箇所で関数値だけでなく、導関数の一致もどの程度要求するかとして定義される。
一般に、連続性が高いほど見た目の滑らかさや微分可能性は向上するが、条件数や計算の複雑さも増え得る。したがって、用途に応じて必要最低限の滑らかさ（例：一次連続、二次連続など）を狙う設計が行われる。
3.1.2 区分多項式としての構成
スプラインは「区分的な多項式」であり、各区間 \([x_i,x_{i+1}]\) に対して別の係数で多項式が定められる。節点（ノード）での条件（接続条件、境界条件）により係数が一意に決まる。
この構成の長所は、局所的な挙動を局所的に制御しやすい点である。ある部分に異常があっても、全域での多項式より影響を限定できることが多い。また高次の全域多項式が引き起こしやすい振動が抑えられる場合がある。
3.2 有名なスプライン手法（例）
3.2.1 自然スプライン
自然スプラインは、代表的な三次スプラインの一種で、端点で二階導関数がゼロになるように条件付けされる。直観的には、両端で曲がり具合（曲率に関わる量）を最小化するような形状になりやすい。
データ点の両端付近で過剰に折れ曲がる挙動を避けたいときに用いられることがある。実装では、節点における連続性条件を満たす方程式系に対して、端点条件を加えて解く形になる。
3.2.2 クランプド／境界条件付きスプライン
クランプド（clamped）スプラインは、端点での一次導関数、すなわち傾きに関する条件を与えるタイプである。端点の傾きが物理的に分かっている、あるいは要件として指定したい場合に適する。
一般の境界条件付きスプラインでは、端点の導関数次数や値の与え方を柔軟に変えることができる。その結果、端点近傍の形状を目的に合わせて制御しやすい一方、指定が不適切だと全体の曲線が期待とずれることがある。境界データの信頼性が設計に直結する。
3.3 スプライン内挿の利点と注意点
3.3.1 形状保持と振動の抑制
スプラインは区分構成のため、局所の変化をその局所に閉じ込めやすい。とりわけ全域多項式で起こりやすい端点近傍の振動が抑えられることがある。結果として、データが持つ傾向に沿った滑らかな曲線が得られやすい。
ただし、スプラインにも「単調性」や「極値の形状維持」を保証するとは限らない。用途によっては、形状保持を強く意識した変種（例：単調性制約を持つ手法など）が検討対象になることがある。目的に対する要求を確認した上で選ぶ必要がある。
3.3.2 境界近傍での挙動
境界条件は端点付近の挙動を大きく左右する。端点の傾きや曲率に関する仮定がデータの実態と異なると、接合部分で曲線の形が不自然に見える場合がある。特に端点近傍では、データに基づく自由度が制限されるため、境界条件の影響が相対的に大きい。
内挿として評価したい点が端点に近い場合は、境界条件の選択が精度と見た目の双方に直結する。必要なら境界条件のバリエーションを試し、誤差指標や残差の挙動から妥当性を確認するのが実務的である。
4 誤差評価と数値安定性
4.1 内挿誤差の一般的見方
4.1.1 近似関数と真値の差
内挿誤差は、理想的には「真の関数値」と「近似した値」の差として定義される。観測がノイズを含まないなら、厳密な意味での差は近似モデル化（多項式次数やスプライン自由度）の限界によって生じる。ノイズが含まれるなら、既知値 \(y_i\) 自体の誤差も一緒に影響するため、測定誤差とモデル誤差が混在した形で評価される。
このため、誤差評価では「理論上の近似誤差」と「データ不確かさ」の区別を意識するのが重要である。前者は関数の滑らかさや次数に、後者はデータ配置や丸め誤差の増幅にも結び付く。
4.1.2 誤差項の直感
誤差項は一般に、（1）評価点がデータから離れている度合い、（2）近似の表現力（次数や区分数）、（3）関数の滑らかさ、（4）ノード配置の質、の影響を受ける。直感として、区間内で評価するほど入力情報を活かせるが、過度に高次の全域近似は不要な揺れを招き得る。
またスプラインのような局所表現では、区分内の挙動が支配的になり、局所的なノード間隔が誤差の大きさに反映される傾向がある。したがってノード間隔の設計は、誤差低減に直結する。
4.2 ノード選択の影響
4.2.1 等間隔ノードの問題
等間隔のノードで全域多項式内挿を高次数まで行うと、端点付近で誤差や振動が増大することがある。これは、ノードがどのような重み付けで基底を作るかに関わり、特に端点に向かうにつれて誤差が増えやすい状況を生む場合がある。
そのため実務では、全域多項式の次数を増やし続ける方針より、分割やスプラインへの切り替え、あるいはノード配置の改善で問題を緩和することが多い。
4.2.2 チェビシェフ点などの工夫
チェビシェフ点のような工夫されたノード配置は、全域多項式の内挿誤差を抑える方向で知られている。基本的な考え方は、端点近傍により多くのノードを置くことで、基底多項式の最大値が暴れにくい配置にすることにある。
ただし、ノードがどのような意味で「端点近くほど良い」のかは区間と関数特性に依存する。さらに、ノードを変えることでデータ取得や評価の都合が変わる場合もあるため、理論的利得と実装上の制約の両方を確認する必要がある。
4.3 数値安定性の観点
4.3.1 因子化・評価の工夫
数値安定性は、同じ理論式でも計算手順で大きく変わり得る。たとえば、多項式の係数計算や基底評価を素直に行うと、桁落ちやオーバーフロー、丸め誤差の増幅が起きる可能性がある。そこで、因子化や差分の形を活かした評価順序、スケーリング、条件数の観点での設計が行われる。
特に評価には、計算機上での丸め誤差を抑える多項式評価法（たとえばネストした積として計算する構成）が有効な場合が多い。実際には、使用する内挿方式やデータのスケールに応じて最適な手順が変わるため、実装上の検証が欠かせない。
4.3.2 計算量と誤差のトレードオフ
計算量は、ノード数の増加、次元の増加、次数の増加などで増大する。精度を上げるために高次の近似や多くの区分を使うと、誤差低減が期待できる一方で、計算コストと数値誤差の両方が増える場合がある。したがって、要求される誤差水準と処理時間の制約の間で最適化を行う必要がある。
内挿では、理論誤差を下げるだけでなく、丸め誤差やデータノイズの影響も含めた「実測の誤差」を基準に手法とパラメータを決めるのが現実的である。目的に対して過剰な複雑化を避け、必要十分な構成を選ぶことが、安定性と効率の両面で重要になる。