Параметрический кубический сплайн

Параметрический кубический сплайн — это математическая конструкция, используемая для интерполяции и аппроксимации кривых, заданных набором точек в двумерном или трёхмерном пространстве. В отличие от обычного (функционального) сплайна, который описывает зависимость \(y = f(x)\) и не может представлять замкнутые или многозначные кривые (например, окружность или петлю), параметрический сплайн представляет каждую координату как отдельную функцию от общего параметра \(t\). Наиболее распространённым является кубический сплайн, где каждая координатная функция является кубическим многочленом, что обеспечивает непрерывность первой и второй производных (гладкость класса \(C^2\)) на всём интервале.

История и происхождение

Термин «сплайн» происходит от английского spline — гибкой линейки, которую использовали чертёжники для проведения плавных кривых через заданные точки. Математическая формализация началась в середине XX века. В 1946 году американский статистик Исаак Шёнберг опубликовал работу, заложившую основы теории сплайнов. Параметрические сплайны, в частности кубические, получили широкое распространение с развитием компьютерной графики в 1960–1970-х годах, когда возникла необходимость описывать сложные кривые (например, контуры автомобилей или шрифты) с помощью ЭВМ. В России и СССР исследования в этой области велись в рамках вычислительной математики и САПР (систем автоматизированного проектирования).

Определение и математическая формулировка

Пусть задан набор точек \((x_i, y_i, z_i)\) (в двумерном случае — \((x_i, y_i)\)), \(i = 0, 1, \dots, n\), через которые должна пройти кривая. Параметрический кубический сплайн вводит параметр \(t\), который принимает значения \(t_0 < t_1 < \dots < t_n\) (обычно \(t_i = i\) или \(t_i\) пропорционально длине хорды между точками). На каждом отрезке \([t_i, t_{i+1}]\) координатные функции \(x(t)\), \(y(t)\) (и \(z(t)\)) представляются в виде кубических многочленов:

\[ \begin{aligned} x(t) &= a_{x,i} + b_{x,i}(t - t_i) + c_{x,i}(t - t_i)^2 + d_{x,i}(t - t_i)^3, \\ y(t) &= a_{y,i} + b_{y,i}(t - t_i) + c_{y,i}(t - t_i)^2 + d_{y,i}(t - t_i)^3, \\ z(t) &= a_{z,i} + b_{z,i}(t - t_i) + c_{z,i}(t - t_i)^2 + d_{z,i}(t - t_i)^3 \quad (\text{для 3D}). \end{aligned} \]

Коэффициенты \(a, b, c, d\) для каждой координаты определяются из условий:

• Прохождение через заданные точки: \(x(t_i) = x_i\), \(y(t_i) = y_i\).
• Непрерывность первой и второй производных на стыках отрезков.
• Дополнительные граничные условия (например, «естественные» — нулевая вторая производная на концах; или «зажатые» — заданные первые производные).

Решение сводится к системе линейных уравнений (обычно трёхдиагональной), что позволяет эффективно вычислять коэффициенты.

Классификация и виды

Параметрические кубические сплайны классифицируют по нескольким признакам:

По типу параметризации

• Равномерная параметризация: \(t_i = i\). Проста, но может приводить к неравномерному распределению скорости движения вдоль кривой.
• Хордовая параметризация: \(t_i\) пропорционально длине отрезков между точками. Даёт более естественное распределение.
• Центростремительная параметризация: \(t_i\) пропорционально корню из длины хорды. Уменьшает «перекручивание» кривой.

По граничным условиям

• Естественный сплайн: вторая производная на концах равна нулю (\(c = 0\)).
• Зажатый (clamped) сплайн: заданы первые производные на концах.
• Периодический сплайн: первая и вторая производные на концах совпадают (для замкнутых кривых).

По размерности

• Двумерный (плоский): \(x(t), y(t)\).
• Трёхмерный: \(x(t), y(t), z(t)\).

Устройство и алгоритмы построения

Построение параметрического кубического сплайна включает несколько этапов:

1. Выбор параметризации: присвоение значения \(t_i\) каждой точке. Наиболее распространённый метод — хордовая параметризация, где \(t_0 = 0\), а \(t_{i+1} = t_i + \sqrt{(x_{i+1} - x_i)^2 + (y_{i+1} - y_i)^2}\).
2. Формирование системы уравнений: для каждой координаты независимо решается система с трёхдиагональной матрицей. Например, для \(x(t)\):

• Неизвестные — вторые производные \(M_i = x''(t_i)\).
• Уравнения непрерывности первой производной дают связь \(M_{i-1} + 4M_i + M_{i+1} = \frac{6}{h^2}(x_{i-1} - 2x_i + x_{i+1})\), где \(h\) — шаг параметра.

1. Решение системы: методом прогонки (алгоритм Томаса) за \(O(n)\) операций.
2. Вычисление коэффициентов: после нахождения \(M_i\) коэффициенты \(a, b, c, d\) выражаются через \(x_i\) и \(M_i\).

Аналогичные действия выполняются для \(y(t)\) и \(z(t)\).

Применение

Параметрические кубические сплайны широко используются в различных областях:

Компьютерная графика и САПР

• Построение гладких кривых по опорным точкам (например, в программах AutoCAD, Blender, Adobe Illustrator).
• Создание шрифтов (TrueType, PostScript) — кривые Безье и сплайны.
• Анимация: интерполяция траекторий движения объектов.

Численные методы и обработка данных

• Сглаживание экспериментальных данных (например, в метеорологии или геофизике).
• Восстановление формы объекта по дискретным замерам (реконструкция 3D-моделей).

Робототехника и управление

• Планирование траекторий движения манипуляторов и мобильных роботов с обеспечением непрерывности скорости и ускорения.

Машиностроение

• Проектирование кузовов автомобилей, лопаток турбин, корпусов судов — поверхностей, задаваемых сетками сплайнов.

Примеры

Пример 1: Интерполяция трёх точек на плоскости

Даны точки: (0,0), (1,2), (3,1). При хордовой параметризации \(t = [0, \sqrt{5}, \sqrt{5} + \sqrt{5}]\) получается система уравнений, решение которой даёт два кубических сегмента. Кривая проходит через все точки, имеет непрерывную первую и вторую производные.

Пример 2: Замкнутая кривая (окружность)

Для аппроксимации окружности задаются 4 точки: (1,0), (0,1), (-1,0), (0,-1). С помощью периодического сплайна строится замкнутая кривая, близкая к окружности (погрешность уменьшается при увеличении числа точек).

Интересные факты

• Параметрические кубические сплайны являются частным случаем кривых Безье более высокого порядка, но в отличие от них проходят через все заданные точки (интерполяция, а не аппроксимация).
• В системе компьютерной алгебры Wolfram Mathematica для построения сплайнов используется функция Interpolation с опцией Method -> "Spline".
• В российской вычислительной математике значительный вклад в теорию сплайнов внёс академик С.Л. Соболев, разработавший методы решения краевых задач с их помощью.

Критика и ограничения

• Параметрические кубические сплайны чувствительны к выбору параметризации: неудачный выбор может привести к «перекручиванию» кривой (например, при резких изменениях расстояний между точками).
• При большом числе точек (более 100) система уравнений может стать плохо обусловленной, что требует использования численно устойчивых методов (например, с двойной точностью).
• Для задач, где требуется контроль формы (например, в дизайне), чаще применяют кривые Безье или B-сплайны, которые позволяют локально изменять форму без пересчёта всей системы.

Источники

• Шёнберг И. Дж. «Contributions to the problem of approximation of equidistant data by analytic functions» (1946).
• Де Бур К. «Практическое руководство по сплайнам» (рус. пер. 1985).
• Корн Г., Корн Т. «Справочник по математике для научных работников и инженеров» (раздел «Сплайн-интерполяция»).
• Завьялов Ю.С., Квасов Б.И., Мирошниченко В.Л. «Методы сплайн-функций» (М.: Наука, 1980).