1 基本概念
1.1 定义
线性插值是一种在两个已知数据点之间估计中间值的数值方法。它假定在所考察的区间内，变量变化可以近似看作沿直线进行，因此只需利用端点信息即可推算区间内任意位置的对应数值。
1.2 核心思想
其基本思想是“以直代曲”。当函数在局部范围内变化不剧烈时，便可将相邻两点连成直线，并用这条直线上的点来近似真实函数值。由于方法简单、直观，线性插值常被作为更复杂插值技术的入门模型。
1.3 适用条件
线性插值通常适用于数据变化平缓、采样点较密、对精度要求不极端的场景。若目标函数在区间内接近线性，或仅需要快速得到合理估计，则该方法往往足够有效。若数据存在明显弯曲、突变或强烈波动，则其适用性会明显下降。
1.4 几何解释
从几何上看，线性插值就是在平面上取两个点，并在它们之间画出一条直线。已知点之间的任意中间位置，都可通过这条直线上的对应高度来表示。换言之，它是在点与点之间建立一种最简单的线性连接关系。
2 数学表达
2.1 一维线性插值公式
设已知两点为 \((x_0, y_0)\) 和 \((x_1, y_1)\)，且 \(x_0 \neq x_1\)。当 \(x\) 位于区间 \([x_0, x_1]\) 内时，线性插值可用端点值按比例求得。
2.1.1 点斜式表示
一种常见写法是通过直线方程表示： \[ y = y_0 + \frac{y_1 - y_0}{x_1 - x_0}(x - x_0) \] 其中斜率由两点决定，\(x\) 与 \(x_0\) 的差值则给出当前位置相对左端点的偏移量。
2.1.2 参数式表示
也可引入参数 \(t\)，令 \[ t = \frac{x - x_0}{x_1 - x_0} \] 则有 \[ y = (1-t)y_0 + ty_1 \] 这种写法强调了“加权平均”的含义，其中 \(t\) 反映当前位置在区间中的相对比例。
2.2 区间归一化形式
在线性插值中，常将区间 \([x_0, x_1]\) 归一化到 \([0,1]\)。设归一化变量为 \(u\)，则可将插值过程理解为从左端点到右端点的平滑过渡： \[ y(u) = (1-u)y_0 + uy_1,\quad 0 \le u \le 1 \] 这种形式便于计算，也常用于图形和程序实现。
2.3 多变量中的线性插值
线性插值的思想可以推广到多个维度。在多维空间中，通常不是在一条线段上取值，而是在矩形、长方体等规则区域内逐步插值。
2.3.1 双线性插值
双线性插值用于二维平面，常见于图像缩放和网格数据估算。它先沿一个方向做一次线性插值，再沿另一个方向继续插值，从而在四个角点已知的情况下估计内部任一点的值。
2.3.2 三线性插值
三线性插值是双线性插值在三维空间中的扩展，适用于体数据、三维纹理以及规则立方体网格。它利用八个角点的值，按三个坐标方向逐层插值，得到体内任一点的近似结果。
3 性质与特点
3.1 计算简便性
线性插值的主要优点之一是计算过程直接明了，只涉及加减乘除，几乎不需要复杂运算。因此，它在实时系统、嵌入式环境以及大规模批处理任务中都十分常见。
3.2 连续性
该方法在插值区间内给出的结果是连续的，不会在两个端点之间产生跳跃。对于分段应用时，只要拼接方式得当，整体曲线也能保持连续。不过，连续并不意味着平滑，折点处仍可能出现斜率突变。
3.3 误差特征
线性插值的误差大小与原函数的弯曲程度密切相关。函数越接近直线，误差通常越小；曲线越陡峭、越弯折，近似效果就越有限。
3.3.1 局部误差来源
局部误差主要来源于真实函数与直线近似之间的偏离。当区间跨度较大时，这种偏离会被放大；当采样点较稀疏时，误差也更容易积累。
3.3.2 与函数曲率的关系
若函数在插值区间内曲率较小，线性模型往往能较好地贴合真实趋势。反之，当曲率增大时，直线近似很难捕捉中间段的弯折变化，误差便会明显上升。
3.4 单调性保持
在端点值单调变化的情况下，线性插值通常能够保持这种单调趋势，不会人为制造局部峰谷。这一特性使其在某些需要稳定过渡的场景中较受青睐，例如渐变数据和顺序量测值。
4 相关方法
4.1 与线性回归的区别
线性插值关注的是在已知相邻点之间“补出中间值”，属于局部估计；线性回归则是利用整体数据拟合出一条最佳直线，更强调趋势建模与参数估计。前者不要求全局最优，后者则常带有统计意义上的误差最小化目标。
4.2 与最近邻插值的区别
最近邻插值直接取距离目标点最近的已知样本值，不做平滑过渡，因此实现更简单，但结果可能出现明显台阶感。相比之下，线性插值会在相邻样本之间按比例变化，过渡更自然。
4.3 与高阶插值的关系
高阶插值方法通常使用更多数据点，并通过更高次多项式或更复杂模型提高精度。与之相比，线性插值结构最简单，但在平滑性和精确度上也较为有限。它常作为进一步理解高阶方法的基础。
4.4 与样条插值的关系
样条插值可视为对分段线性思想的改进版本之一，通常通过更高阶的局部多项式实现更好的平滑效果。若线性插值把各点用折线连接，样条则往往试图让连接曲线更圆滑、更接近原始函数形态。
5 应用领域
5.1 数值分析
在数值分析中，线性插值常用于函数值估算、积分预处理、误差分析以及构造简单近似模型。它也常作为复杂数值算法中的基础组件，用来快速获得中间状态的近似值。
5.2 计算机图形学
图形学中大量使用线性插值来处理颜色、纹理、坐标和运动参数。由于图像数据通常离散存储，插值能够帮助系统在有限采样下生成更平滑的视觉结果。
5.2.1 像素颜色过渡
在渐变色、抗锯齿和图像缩放中，线性插值常用于计算相邻像素之间的颜色过渡。它能够减弱边界突兀感，使画面看起来更自然。
5.2.2 动画缓动的基础思想
动画中的许多基础过渡效果都可以借助线性插值实现。虽然实际动效常会加入加速、减速等非线性控制，但线性变化仍是理解时间进度与位置变化关系的最基本模型。
5.3 信号处理
在信号处理中，线性插值可用于重采样、时间对齐和缺样补点。对于采样率转换或简单波形重建，它能提供一种快速而直接的近似方式。
5.4 地理信息系统
地理信息系统中常用插值估计地形高程、气温分布、污染浓度等空间量。线性插值在规则网格与局部区域估算中较为常见，尤其适合结构清晰、变化平稳的数据集。
5.5 工程与科学计算
在工程计算中，线性插值可用于查表、控制系统估算、实验数据处理和仿真中间变量求解。它适合快速给出工程上可接受的近似结果，因此在实际应用里十分普遍。
6 实现与算法
6.1 直接计算方法
直接计算通常依据两点坐标套用插值公式，先求出当前位置在区间中的比例，再按权重合成对应数值。这种方法步骤少，适合手工计算和简单程序实现。
6.2 表格数据查找
在查表型应用中，已知数据往往以离散表格形式存储。程序先定位目标值所在区间，再取左右邻点进行线性插值，从而得到介于表项之间的估计结果。
6.3 程序设计中的实现
在软件中，线性插值常被封装为一个通用函数，输入区间端点和值，输出目标位置的估算值。实现时通常还会考虑数据类型、精度控制和异常输入处理。
6.3.1 边界处理
当目标点落在区间外部时，程序可选择直接返回边界值、进行外推，或提示超界。具体策略取决于任务需求与精度要求，不同场景下处理方式并不相同。
6.3.2 缺失值补全
当数据序列中出现缺口时，可利用前后已知点进行线性补全。此类做法在时间序列、传感器数据和图像修复中较常见，但其有效性依赖于缺失区间内变化是否足够平缓。
6.4 计算复杂度
线性插值的时间复杂度通常为常数级，单次计算只需少量算术操作。若结合查找过程，整体复杂度还取决于数据存储结构与区间定位方式，但插值本身始终非常轻量。
7 局限性
7.1 对非线性变化的近似不足
当真实变化明显非线性时，线性插值容易低估或高估中间值，尤其在拐弯、振荡或局部突变区域表现较弱。此时，它只能提供粗略估计，难以满足高质量重建需求。
7.2 对噪声与离群点的敏感性
由于结果完全依赖相邻数据点，若端点本身含有噪声或异常值，插值结果也会受到直接影响。换言之，输入点越不稳定，中间估计越可能偏离真实趋势。
7.3 高精度任务中的误差累积
在需要反复插值或长链式计算的任务中，线性近似带来的小误差可能逐步累积，最终影响整体结果。对于要求高精度的科学计算、精密控制和复杂建模，往往需要更高级的方法配合使用。
8 扩展与推广
8.1 分段线性插值
分段线性插值将多个点依次用直线连接，形成折线近似。这种方式比单段插值更灵活，能够覆盖更长区间，也常用于函数采样、路径表示和简单曲线重建。
8.2 多维插值方法
在线性思想基础上，还可以推广出适用于更高维度的插值方法，例如双线性、三线性以及更一般的网格插值。维度增加后，计算结构会更复杂，但基本思想仍是利用局部已知信息估计未知位置。
8.3 插值与逼近的关系
插值强调“通过已知点”，即生成的曲线必须经过全部样本点；逼近则更关注整体趋势，允许结果与部分数据点存在偏差。线性插值属于严格意义上的插值方法，但在实际应用中，也常被当作一种简单的逼近工具。