Spline-Approximation

Splines sind stückweise-polynomielle Funktionen, die an sogenannten Knotenpunkten glatt verbunden sind; sie approximieren und interpolieren Funktionen präzise, während sie die Oszillationen von Polynomen höheren Grades vermeiden.

Definition

Ein Spline vom Grad k ist eine Funktion, die auf jedem Teilintervall zwischen aufeinanderfolgenden Knoten ein Polynom vom Grad höchstens k ist und zusammen mit ihren Ableitungen bis zur Ordnung k-1 über die Knoten hinweg stetig ist.

Scope

Dieses Thema behandelt polynomielle Splines und ihre Glattheitsbedingungen, den kubischen interpolierenden Spline und seine Randbedingungen, die B-Spline-Basis, die eine stabile und lokale Darstellung ermöglicht, sowie die Verwendung von Splines für Interpolation, Glättung und Kurven- und Flächendesign.

Core questions

• Wie erreichen stückweise Polynome globale Glattheit bei gleichzeitig niedrigem Grad?
• Was bestimmt den kubischen interpolierenden Spline, und welche Rolle spielen Randbedingungen?
• Warum wird die B-Spline-Basis zur Darstellung und Berechnung mit Splines bevorzugt?
• Wie gleichen Splines in Glättungsanwendungen die Datentreue mit der Glattheit aus?

Key theories

Kubischer interpolierender Spline

Unter allen zweimal differenzierbaren Interpolanten gegebener Daten minimiert der natürliche kubische Spline das Integral der quadrierten zweiten Ableitung, was ihn in diesem Sinne zum glattesten Interpolanten macht und seine weite Verbreitung erklärt.

B-Spline-Basis

B-Splines bilden eine Basis von lokal unterstützten, nicht-negativen Funktionen für den Raum der Splines auf einer gegebenen Knotenfolge; sie bieten eine numerisch stabile Darstellung, eine Partition der Einheit und eine effiziente rekursive Auswertung und Verfeinerung.

Mechanisms

Ein kubischer interpolierender Spline wird gefunden, indem ein tridiagonales lineares System für die zweiten Ableitungen (oder Steigungen) an den Knoten gelöst wird, wobei die Stetigkeit von Wert, erster und zweiter Ableitung sowie zwei Randbedingungen wie natürliche oder geklemmte Grenzen erzwungen werden. B-Splines werden durch die Cox-de Boor-Rekursion berechnet, die Basisfunktionen höheren Grades aus solchen niedrigeren Grades aufbaut; da jeder B-Spline nur auf wenigen Intervallen ungleich Null ist, sind die resultierenden Kollokations- und Kleinste-Quadrate-Systeme bandförmig und effizient lösbar.

Clinical relevance

Splines sind in der computergestützten geometrischen Konstruktion und Computergrafik (wo NURBS, die auf B-Splines aufbauen, Kurven und Flächen modellieren), in der Datenglättung und nichtparametrischen Regression, in der Trajektorien- und Pfadplanung sowie in der Finite-Elemente- und Isogeometrischen Analyse allgegenwärtig, da sie lokale Kontrolle, Glattheit und rechnerische Effizienz kombinieren.

History

Die mathematische Theorie der Splines wurde in den 1940er Jahren von Isaac Schoenberg begründet; die Entwicklung der stabilen B-Spline-Darstellung und ihrer rekursiven Auswertung durch Cox und de Boor in den frühen 1970er Jahren machte Splines zu einem praktischen Rechenwerkzeug und legte den Grundstein für ihre dominierende Rolle in der geometrischen Modellierung.

Key figures

• Isaac Schoenberg
• Carl de Boor
• Maurice Cox

Seminal works

• deboor2001
• powell1981

Frequently asked questions

Warum werden Splines anstelle eines einzelnen Polynoms hohen Grades verwendet?

Ein einzelnes Polynom hohen Grades kann zwischen Datenpunkten stark oszillieren, während Splines jedes Stück von niedrigem Grad halten und sie glatt verbinden, was auch bei vielen Datenpunkten genaue, gutartige Approximationen liefert.

Was ist der Vorteil der B-Spline-Basis?

B-Splines sind lokal unterstützt, sodass eine Änderung eines Koeffizienten die Kurve nur in der Nähe beeinflusst, und sie sind numerisch stabil und bilden eine Partition der Einheit. Diese lokale Kontrolle und Stabilität machen sie ideal für das Design und für die effiziente Lösung von Spline-Systemen.