{
  "id": "spline-mathematics",
  "title": "样条（数学）",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "样条是各段按指定光滑性条件衔接的分段多项式函数，广泛用于逼近、统计建模和几何设计。",
  "category": "mathematics",
  "subcategory": "applied",
  "type": "concept",
  "aliases": [
    "样条函数",
    "多项式样条"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/spline-mathematics/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/spline-mathematics/",
      "json": "https://aiwiki.page/en/spline-mathematics.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "样条是由相邻区间或区域上的多项式片段拼接而成的函数，各段在衔接处须满足规定的光滑性条件。在经典的一维情形中，三次样条由次数不超过三次的多项式组成，各段在称为节点的衔接点处，函数值、一阶导数和二阶导数分别相等。更一般地，多项式次数、节点位置、节点重数以及连续性条件共同确定一个样条函数族。\n\n样条兼具低次多项式的简单性与分段构造的灵活性，是插值、逼近论、统计曲线拟合和计算机辅助几何设计中的基本工具。样条的局部表示形式既便于高效计算，也便于对拟合曲线或设计形状进行可控的修改。其推广包括有理样条、多元样条，以及通过最小化粗糙度度量来定义的变分样条。"
    },
    {
      "heading": "多项式分段、节点与光滑性",
      "text": "设\n\n\\[a=\\xi_0<\\xi_1<\\cdots<\\xi_K<\\xi_{K+1}=b\\]\n\n为一个区间的划分。次数不超过 \\(p\\) 的多项式样条，是指在每个子区间 \\([\\xi_j,\\xi_{j+1}]\\) 上的限制都是次数不超过 \\(p\\) 的多项式的函数。在内部节点 \\(\\xi_1,\\ldots,\\xi_K\\) 处，对函数施加光滑性条件。记号 \\(C^r\\) 表示函数直至 \\(r\\) 阶的各阶导数均连续；因此，\\(C^2\\) 三次样条的函数值、斜率和二阶导数均连续，但三阶导数在节点处可以发生跳跃。\n\n当节点、次数及齐次衔接条件固定时，样条构成一个有限维向量空间。在施加连续性条件之前，\\(K+1\\) 段多项式共有 \\((K+1)(p+1)\\) 个系数。要求 \\(0,\\ldots,r\\) 阶导数在衔接处一致，会在 \\(K\\) 个节点中的每一个节点处施加 \\(r+1\\) 个独立条件。因此，当 \\(0\\leq r\\leq p-1\\) 时，该空间的维数为\n\n\\[(K+1)(p+1)-K(r+1) =p+1+K(p-r).\\]\n\n所以，在常用的 \\(r=p-1\\) 情形下，维数为 \\(K+p+1\\)。每增加一个单重内部节点，就增加一个自由度。\n\n区分次数与阶数十分重要。按照一种常见约定，次数为 \\(p\\) 的样条，其阶数为 \\(p+1\\)：三次样条的次数为三，阶数为四。不同软件和文献中的术语并不完全统一，因此，未经说明的“三阶”可能存在歧义。在采用节点向量的表述中，当 \\(1\\leq m\\leq p\\) 时，一个重复 \\(m\\) 次的节点通常会使该处所要求的连续性降为 \\(C^{p-m}\\)。重数为 \\(p+1\\) 时，则允许函数不连续。通过特定的系数选择，函数的光滑性可以高于节点重数所要求的程度。\n\n对于具有单重节点且满足 \\(C^{p-1}\\) 连续性的样条，一种有用的代数表示为\n\n\\[s(x)=\\sum_{j=0}^{p}a_jx^j+ \\sum_{k=1}^{K}c_k(x-\\xi_k)_+^p, \\qquad u_+=\\max(u,0).\\]\n\n每个截断幂项在其节点左侧均为零，并使 \\(p\\) 阶导数在跨过该节点进入右侧时可能发生变化。这种表示使维数和衔接条件一目了然。不过，与局部基相比，它通常不太适合数值计算，因为其基函数的支撑范围覆盖区间的很大一部分，而且各基函数的数值尺度可能相差悬殊。\n\n样条不一定是插值函数，也不一定是三次的。分段线性连续函数是一次样条；分段常数函数则可以视为不要求连续的零次样条。反过来，单个定义在整个区间上的多项式，在任意划分下都是样条；不过，只有允许各段采用不同的多项式时，引入节点才能带来有用的灵活性。"
    },
    {
      "heading": "力学起源与数学发展",
      "text": "“样条”一词最初指绘图员用来绘制经过指定位置的光滑曲线的柔性薄条。绘图时，用重物或其他约束将薄条固定就位。薄条沿全长逐渐弯曲，而不会在约束位置形成尖角。这种实物作图方法启发了一条数学原则：在满足指定条件的曲线中，选取弯曲能量较小的一条。\n\n在精确的平面弹性杆模型中，弯曲能量涉及曲率平方对弧长的积分。在小斜率近似下，曲率可用函数图像的二阶导数近似，弧长则可用水平坐标近似。由此得到的泛函为\n\n\\[E(f)=\\int_a^b [f''(x)]^2\\,dx.\\]\n\n在插值约束下使这一泛函最小的函数，就是自然三次样条。因此，两者的对应关系体现在变分原理上，而非形状上的完全等同：自由弯曲的实体薄条，其形状一般并不恰好是分段三次多项式的图像。\n\n艾萨克·雅各布·舍恩伯格在1946年关于样条函数逼近及相关平滑问题的研究中，奠定了现代样条理论的核心部分。他的研究将分段多项式逼近与等距节点插值及特殊基函数联系起来。此后，舍恩伯格及其他逼近论学者进一步研究了样条的结构性质，使其成为一个独立的数学研究领域，而不再仅仅是对绘图方法的类比。\n\n数字计算机的普及，催生了对既灵活又在数值计算上可靠的表示方法的需求。20世纪60至70年代，卡尔·德布尔及其他数值分析学者开发了计算和处理B样条的实用方法。莫里斯·考克斯与德布尔各自独立提出了如今称为考克斯—德布尔公式的递推关系，而德布尔求值算法则提供了一种直接根据系数高效计算样条的方法。德布尔于1978年出版的《样条实用指南》成为数值分析领域的经典参考书。\n\n与此同时，工业造型设计领域也取得了进展。保罗·德卡斯特里奥和皮埃尔·贝塞尔为汽车应用开发了多项式曲线方法，随后，B样条方法实现了对较长曲线及曲面的局部控制。有理扩展则使精确表示圆锥曲线成为可能。在统计学中，包括格蕾丝·瓦赫巴的工作在内的平滑样条研究，将样条拟合与惩罚估计及希尔伯特空间方法联系起来。这些发展使“样条”一词形成了几种相关用法：视语境而定，它可以指一个数学函数、一种几何表示，或一个拟合得到的统计模型。"
    },
    {
      "heading": "三次插值与边界条件",
      "text": "设在互不相同且依次排列的节点\n\n\\[x_0<x_1<\\cdots<x_n.\\]\n\n处给定函数值 \\(y_i\\)。三次插值样条满足 \\(s(x_i)=y_i\\)，且在内部节点处具有连续的一阶和二阶导数。仅凭这些条件还无法唯一确定一个样条。以这些内部节点为结点的三次 \\(C^2\\) 样条空间有 \\(n+3\\) 个自由度，但插值方程只有 \\(n+1\\) 个，因此还需要两个额外的端点条件或全局条件。\n\n对于自然三次样条，附加条件为\n\n\\[s''(x_0)=s''(x_n)=0.\\]\n\n对于夹持三次样条，也称完全三次样条，则改为指定端点斜率 \\(s'(x_0)\\) 和 \\(s'(x_n)\\)。非结点条件要求三阶导数在第一个和最后一个内部结点的两侧分别相等；这实际上使最前面的两段成为同一个三次多项式，最后面的两段也成为另一个三次多项式。周期样条则要求一个周期两端的函数值及相应的各阶导数相等。这些选择体现了不同的假设，并可能使样条在边界附近呈现明显不同的表现。\n\n标准方程可以用节点处的二阶导数 \\(M_i=s''(x_i)\\) 来表示。令 \\(h_i=x_{i+1}-x_i\\)，由一阶导数的连续性可得，对 \\(i=1,\\ldots,n-1\\)，\n\n\\[h_{i-1}M_{i-1} +2(h_{i-1}+h_i)M_i +h_iM_{i+1} = 6\\left( \\frac{y_{i+1}-y_i}{h_i} -\\frac{y_i-y_{i-1}}{h_{i-1}} \\right).\\]\n\n自然边界条件规定 \\(M_0=M_n=0\\)。其余方程构成一个三对角线性方程组，求解所需时间与数据节点的数量成正比。\n\n二阶导数确定后，区间 \\([x_i,x_{i+1}]\\) 上的多项式为\n\n\\[\\begin{aligned} s(x)={}& \\frac{M_i(x_{i+1}-x)^3}{6h_i} +\\frac{M_{i+1}(x-x_i)^3}{6h_i}\\\\ &+\\left(y_i-\\frac{M_i h_i^2}{6}\\right)\\frac{x_{i+1}-x}{h_i} +\\left(y_{i+1}-\\frac{M_{i+1}h_i^2}{6}\\right)\\frac{x-x_i}{h_i}. \\end{aligned}\\]\n\n这个表达式将端点值与曲率信息分开，使求导和积分都很方便。\n\n插值条件必须与形状约束条件区分开来。即使数据均为正值或递增，穿过这些数据点的普通三次样条也可能在观测点之间变为负值或出现下降。分段三次埃尔米特方法则通过指定或估计节点斜率来构造插值函数，有时还会施加不等式约束，以保持单调性。这类构造通常具有连续的一阶导数，但二阶导数并不连续。\n\n同样，各局部段均为多项式，并不意味着插值过程完全具有局部性。改变一个观测值，通常会改变线性方程组的解，进而改变整个区间上的插值样条。基函数的局部性与从观测值到拟合系数这一映射的局部性，是两种不同的性质。"
    },
    {
      "heading": "B 样条基与局部表示",
      "text": "B 样条提供了一组与节点和次数相适应的基。给定非递减节点向量 \\(t_0,\\ldots,t_M\\)，零次函数定义为\n\n\\[N_{i,0}(x)= \\begin{cases} 1,&t_i\\leq x<t_{i+1},\\\\ 0,&\\text{otherwise}. \\end{cases}\\]\n\n更高次的函数通过递推定义：\n\n\\[N_{i,p}(x)= \\frac{x-t_i}{t_{i+p}-t_i}N_{i,p-1}(x) + \\frac{t_{i+p+1}-x}{t_{i+p+1}-t_{i+1}}N_{i+1,p-1}(x).\\]\n\n分母为零的项按零处理。参数域的右端点则按适当的端点约定处理。\n\n每个 \\(N_{i,p}\\) 都非负，且在 \\([t_i,t_{i+p+1}]\\) 之外为零。在标准参数域上，相关基函数之和为一：\n\n\\[\\sum_iN_{i,p}(x)=1.\\]\n\n这种单位分解性质意味着常数可以被精确再现。在非零长度节点区间的严格内部，任一点处至多有 \\(p+1\\) 个 \\(p\\) 次 B 样条非零。因此，样条可表示为\n\n\\[s(x)=\\sum_i c_iN_{i,p}(x)\\]\n\n其中，只有少数系数会影响它在任一特定点处的取值。\n\n系数向量通常并不是由被插值函数的取值组成的向量，而是指定了样条空间的一组基中的权重。这一区别在几何设计中尤为有用：改变一个系数，只会影响相应基函数支集内的函数值。由于基函数非负且和为一，标量样条的取值介于该点处起作用的系数的最小值与最大值之间。对应的向量值结论则赋予样条曲线局部凸包性质。\n\nB 样条的求导也很简便。对于\n\n\\[s(x)=\\sum_{i=0}^{n}c_iN_{i,p}(x),\\]\n\n采用适当缩短的节点向量，其导数可以用一组 \\(p-1\\) 次基表示，系数为\n\n\\[d_i=\\frac{p(c_{i+1}-c_i)} {t_{i+p+1}-t_{i+1}}, \\qquad i=0,\\ldots,n-1,\\]\n\n因此，导数由相邻系数之差经缩放后决定。类似地，积分也可以通过各段多项式或相关的样条表示精确计算。\n\n节点向量有几种常见的约定。均匀节点的间距相等；非均匀节点则允许在选定区域集中提高分辨率。开放或夹持节点向量将每个端点重复 \\(p+1\\) 次，使所得曲线通过其首尾控制点。这里的“夹持”描述的是端点节点的重数，不应与三次插值样条中指定端点斜率的边界条件混淆。重复的内部节点可以有意降低光滑性，例如在几何曲线上形成角点。"
    },
    {
      "heading": "求值、节点插入与数值计算",
      "text": "对样条求值时，可以先确定自变量所在的节点区间，再计算相应的多项式或 B 样条组合。当节点很多时，二分查找可以在对数时间内定位区间；若求值点有序，则可以依次遍历各区间。对于固定的次数，定位区间后所需的算术运算量与节点总数无关。\n\n德布尔算法通过在 \\(p+1\\) 个相关系数或控制点之间反复进行局部插值，计算 \\(p\\) 次 B 样条曲线的值。它所需的算术运算量为 \\(p^2\\) 量级，无须构造全局多项式的系数。其构造与用于贝塞尔曲线的德卡斯特里奥算法密切相关。在有效的节点区间内，其插值权重介于零与一之间，这有助于解释它为何具有良好的数值稳定性。不过，对输入扰动的敏感性以及拟合问题的条件性，仍是需要另行考察的问题。\n\n节点插入是在不改变所表示函数的情况下添加节点。它用适当的加权平均值替换一小组系数，并扩大表示该函数的样条空间。反复插入节点，可以使每个内部节点的重数达到 \\(p\\)，从而显露出各个独立的贝塞尔曲线段。因此，节点插入既是一种表示形式转换，也是细化的基础。相比之下，只有当系数满足额外的相容性条件时，才能在不改变函数的情况下移除节点；近似节点移除则允许引入可控的误差。\n\n进行拟合时，需构造设计矩阵或配点矩阵\n\n\\[A_{ji}=N_{i,p}(x_j).\\]\n\n由于每一行只有少数非零元素，该矩阵是稀疏的；当数据点有序且采用通常的一维配置时，它还具有带状结构。插值需要求解 \\(Ac=y\\)；最小二乘拟合则需要求解超定问题。对于方形 B 样条配点矩阵，舍恩伯格–惠特尼条件通过数据点与基函数支集的相对位置，刻画矩阵的非奇异性。仅仅使方程数与系数个数相同，并不能保证插值函数唯一。\n\n在最小二乘法计算中，构造法方程可能使设计矩阵的条件数平方。因此，当各列的尺度差异很大或接近线性相关时，QR分解或其他稳定的分解方法尤为重要。局部支撑性改善了计算结构，但并不能避免所有病态配置，尤其是在节点选择不当或存在导数约束时。\n\n应根据所要执行的运算选择表示形式。分段多项式的系数便于重复求值、求根，以及在单个节点区间内进行精确积分。B 样条系数则适用于拟合、细化和形状调整。两种表示之间的转换是常规操作，但通常无法将整个样条转换为一个高次多项式：节点处导数的变化本来就是该函数自身的一部分。"
    },
    {
      "heading": "逼近精度与保形性",
      "text": "样条解决了全局多项式逼近中的一个核心难题：提高次数虽能增强灵活性，却也可能产生剧烈振荡。龙格现象表明，即使目标函数是解析函数，在等距节点上进行多项式插值也不一定收敛。样条提供了另一种细化策略：保持较低的次数，同时缩短各子区间的长度，从而不必用单个多项式兼顾数据的全部特征。\n\n设 \\(h\\) 为最大的节点间距。在适当的网格、光滑性和边界条件假设下，用 \\(p\\) 次样条逼近可使误差达到与 \\(h^{p+1}\\) 成正比的量级。对于足够光滑的函数以及条件设置恰当的三次插值样条，一个典型的误差界为\n\n\\[\\|f-s\\|_\\infty \\leq C h^4\\|f^{(4)}\\|_\\infty,\\]\n\n其中，\\(\\|\\cdot\\|_\\infty\\) 为最大范数，\\(C\\) 不依赖于 \\(h\\)。通常，每求一次导数，导数误差估计中 \\(h\\) 的幂次就降低一次。具体定理取决于插值方案、端点条件以及允许的网格几何结构。\n\n边界条件会影响这些收敛阶。自然三次插值样条要求两端的二阶导数均为零。如果目标函数不满足这些条件，边界误差就可能使整个区间上的最大范数误差无法达到四阶收敛。例如，二阶导数为非零常数的二次函数本身不可能是自然三次插值样条。使用正确端点斜率的夹持边界条件，或适当的非扭结条件，可以避免这种特定的不匹配。\n\n还需区分插值与拟插值。拟插值利用局部函数值、导数或平均值来确定系数，而不求解完整的插值方程组。设计得当的拟插值算子能够精确再现低次多项式，并在保持更强局部性的同时达到较高的逼近阶。这类算子可用于逼近论、微分方程数值求解以及大规模数据处理。\n\n形状约束可以通过系数不等式引入。由于样条的导数可用经比例缩放的系数差分表示，在通常的节点配置下，B 样条系数非递减是样条函数非递减的一个充分条件。类似地，适当的二阶差分非负条件可给出凸性的充分条件。这些条件很方便，但并不总是必要条件：即使系数不满足最简单的单调性规则，函数仍可能是单调的。\n\n自适应逼近会在目标函数曲率较大、变化较快或光滑性较低的区域布置更多节点。如果函数确实存在角点，那么插入一个连续性阶数较低的节点，可能比保持最高光滑性并在附近添加大量节点更有效。在节点固定时选取系数，往往是一个线性问题；如果还要同时选取节点位置，就会形成一个非线性的数学优化问题，其中可能存在多个局部极小值，以及几乎冗余的节点。"
    },
    {
      "heading": "回归样条、平滑与统计推断",
      "text": "在统计学中，样条通常用于表示预测变量与响应变量之间的未知关系。给定一组固定的基函数，有\n\n\\[y_j=\\sum_{i=1}^{q}c_iB_i(x_j)+\\varepsilon_j.\\]\n\n这是一个关于系数 \\(c_i\\) 的线性回归模型，尽管拟合关系可以是 \\(x\\) 的非线性函数。回归样条通常采用一组选定的节点，并通过最小二乘法或适当的基于似然的方法估计系数。其灵活性在很大程度上由节点的数量和位置决定。\n\n平滑样条则源于一个带有粗糙度惩罚的变分问题。对于互不相同的数据点位置和正权重，经典的三次平滑样条准则为\n\n\\[\\sum_{j=1}^{n}w_j\\{y_j-f(x_j)\\}^2 +\\lambda\\int_a^b[f''(x)]^2\\,dx, \\qquad \\lambda>0.\\]\n\n优化是在由具有足够正则性的函数构成的无限维函数类中进行的，而不是在预先选定的少量样条基函数所张成的空间中进行的。尽管如此，使该准则最小的函数仍是一个自然三次样条，其节点位于各个不同的数据点位置。这种有限维刻画是该方法在计算上切实可行的重要原因。\n\n平滑参数 \\(\\lambda\\) 控制着偏差-方差权衡。当 \\(\\lambda\\) 趋于零时，若观测位置互不相同，拟合曲线便趋于自然三次插值样条。当 \\(\\lambda\\) 趋于无穷大时，拟合曲线则趋于加权最小二乘直线，因为线性函数构成了二阶导数惩罚项的零空间。更一般地，在标准假设下，对 \\(m\\) 阶导数的平方施加惩罚会得到次数为 \\(2m-1\\) 的样条，而次数不超过 \\(m-1\\) 的多项式不受惩罚。\n\n采用有限个基函数时，该准则变为\n\n\\[(y-Ac)^{\\mathsf T}W(y-Ac)+\\lambda c^{\\mathsf T}\\Omega c, \\qquad \\Omega_{ik}=\\int_a^b B_i''(x)B_k''(x)\\,dx.\\]\n\n惩罚矩阵是半正定的。当组合后的系统可识别时，\n\n\\[\\widehat c= (A^{\\mathsf T}WA+\\lambda\\Omega)^{-1}A^{\\mathsf T}Wy.\\]\n\n这是一种正则化形式，与岭回归有关，但其惩罚矩阵具有特定结构，且通常是奇异的。惩罚 B 样条也可以改用相邻系数的差分来构造粗糙度惩罚，以便于计算。\n\n当节点和平滑参数固定时，拟合值是观测值的线性变换，即 \\(\\widehat y=S_\\lambda y\\)。矩阵的迹 \\(\\operatorname{tr}(S_\\lambda)\\) 通常用作有效自由度。平滑参数可以通过交叉验证、广义交叉验证或基于似然的方法选择。不确定性的计算方式取决于平滑参数被视为固定值还是估计值。\n\n样条项也用于广义加性模型：将多个预测变量的平滑效应相加，再通过连接函数与响应变量的分布联系起来。中心化约束将平滑项与截距项区分开来，而惩罚项则控制平滑项的复杂度。仅凭灵活拟合得到的关联，本身并不能确立因果关系。"
    },
    {
      "heading": "参数曲线、贝塞尔曲线段与有理样条",
      "text": "在几何应用中，样条不一定是标量函数的图像。参数样条曲线可写为\n\n\\[\\mathbf C(u)=\\sum_iN_{i,p}(u)\\mathbf P_i,\\]\n\n其中，控制点 \\(\\mathbf P_i\\) 位于二维或三维欧几里得空间中。各个坐标都随参数变化，因此曲线可以折返、形成环或具有竖直切线，而作为参数化对象仍保持单值性。控制多边形引导曲线的形状，但大多数控制点并不在曲线上。\n\n贝塞尔曲线是只有一个曲线段的情形，可用伯恩斯坦基表示：\n\n\\[\\mathbf C(u)=\\sum_{i=0}^{p} \\binom{p}{i}(1-u)^{p-i}u^i\\mathbf P_i, \\qquad 0\\leq u\\leq1.\\]\n\n它也是一种没有内部节点、两个端点节点的重复度均为 \\(p+1\\) 的 B 样条曲线。因此，分段贝塞尔曲线与 B 样条曲线描述的是密切相关的对象；对于包含许多曲线段的情形，B 样条能够高效地表达衔接条件和局部支撑性质。\n\n必须区分几何连续性与参数连续性。在给定的参数化下，如果两个曲线段的一阶导数向量相等，就称它们具有 \\(C^1\\) 连续性。如果它们的切向方向一致且朝向相容，即使导数的大小不同，也称它们具有一阶几何连续性，通常记为 \\(G^1\\)。改变参数化可以保持曲线的可见形状不变，同时改变它对参数的导数。这一区别在曲面设计、运动规划以及对表观光滑性的理解中十分重要。\n\n多项式样条无法精确表示所有有用的几何形状。特别是，采用多项式参数化的非恒定平面曲线无法描出精确的圆弧。有理样条克服了这一限制。非均匀有理B样条，简称 NURBS，其形式为\n\n\\[\\mathbf C(u)= \\frac{\\sum_iw_iN_{i,p}(u)\\mathbf P_i} {\\sum_iw_iN_{i,p}(u)}.\\]\n\n当权重均为正时，分母在通常的参数域上为正，归一化后的有理基函数仍然非负，且总和为一。\n\n取控制点 \\((1,0)\\)、\\((1,1)\\) 和 \\((0,1)\\)，并分别赋予权重 \\(1\\)、\\(1/\\sqrt2\\) 和 \\(1\\)，就可以用一条有理二次贝塞尔曲线表示单位圆的四分之一圆弧。更一般地，有理二次曲线段可以精确表示适当的圆锥曲线弧。有理曲线可以理解为以齐次坐标表示的多项式曲线的投影，从而将其构造与射影几何联系起来。\n\nNURBS 成为计算机辅助设计的核心工具，是因为同一种表示方式既能处理自由形状，也能精确表示圆锥曲线。正权重保留了有用的凸包性质；零权重或负权重则需要额外谨慎处理，并可能产生奇点。此外，参数值的变化不一定与沿曲线距离的变化成正比：要实现匀速运动，还需要额外计算弧长或进行重新参数化。"
    },
    {
      "heading": "多元样条与微分方程方法",
      "text": "推广到多个变量的最简单方法，是对一维基函数取张量积。二元样条曲面可写为\n\n\\[s(x,y)=\\sum_i\\sum_jc_{ij}N_{i,p}(x)M_{j,q}(y).\\]\n\n这种构造可以分别控制各坐标方向上的次数和光滑性。将标量系数替换为三维空间中的控制点，就得到参数曲面。张量积 B 样条曲面和 NURBS 曲面广泛用于工业产品的形状设计，以及结构化区域上的场的逼近。\n\n张量积结构计算高效，却要求采用矩形布局。在某一坐标方向上插入一个节点，会在相应参数域中引入一整条细化线，而不是只影响一个孤立的小区域。系数的数量也随维数迅速增长：若每个坐标方向有 \\(m\\) 个基函数，则 \\(d\\) 个变量的完整张量积共有 \\(m^d\\) 个系数。这是维数灾难的一种表现。层次样条和其他局部细化构造力求在不细化整个网格的情况下，将分辨能力集中于所需区域。\n\n分段多项式也可以定义在三角剖分或更一般的剖分上。此时的连续性比一维情形更为复杂，因为相邻的多项式片必须在公共边或公共面上相互吻合，而且各项相容性条件会在顶点处交汇。即使只是确定一个高光滑性样条空间的维数，也可能需要考虑剖分的几何形态，而不能仅凭顶点数和边数来判断。由一组方向向量构造的箱样条，为构建多元分段多项式函数提供了另一条途径，并与反复卷积及基于格点的逼近有着自然的联系。\n\n通过变分方法得到的推广不一定是分段多项式。二维薄板样条与下述弯曲泛函相关：\n\n\\[\\iint_{\\mathbb R^2} \\left(f_{xx}^2+2f_{xy}^2+f_{yy}^2\\right)\\,dx\\,dy.\\]\n\n在标准的插值或平滑问题表述下，其表示式包含与 \\(r^2\\log r\\) 成正比的径向项、一个仿射多项式，以及附加约束。因此，广义的样条族不仅包括由多项式片拼接而成的函数，也包括由变分原理定义的函数。该惩罚泛函的零空间由仿射函数组成。\n\n样条还与有限元法密切相关。网格上的连续分段线性函数既是最基本的样条，也是标准的有限元形函数。对于能量涉及二阶导数的问题，例如某些薄板弯曲模型，较高的光滑性使得直接构造协调离散格式成为可能。经典有限元通常侧重于简单的局部单元和灵活的网格划分；相比之下，样条空间可以在跨越多个单元的范围内保持光滑性。\n\n在等几何分析中，用于几何建模的样条表示同时也用作物理场的逼近空间。“等几何分析”这一名称由托马斯·休斯、约翰·科特雷尔和尤里·巴济列夫斯于 2005 年提出。节点插入可以在不改变所表示几何形状的情况下细化空间，而次数提升和连续性的可控调整则提供了其他细化策略。在将几何模型与偏微分方程数值解相衔接的过程中，裁剪曲面、复杂拓扑、局部细化以及几何形状复杂的区域上的积分，仍是重要的技术问题。"
    }
  ],
  "links": [
    "polynomial",
    "mathematical-function",
    "interpolation",
    "derivative",
    "vector-space",
    "numerical-analysis",
    "system-of-linear-equations",
    "basis-linear-algebra",
    "convex-hull",
    "numerical-stability",
    "matrix",
    "least-squares",
    "qr-decomposition",
    "runge-phenomenon",
    "norm-mathematics",
    "mathematical-optimization",
    "statistics",
    "linear-regression",
    "bias-variance-tradeoff",
    "regularization",
    "ridge-regression",
    "degrees-of-freedom",
    "cross-validation",
    "euclidean-space",
    "homogeneous-coordinates",
    "tensor-product",
    "curse-of-dimensionality",
    "finite-element-method",
    "partial-differential-equation"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}