3.1. Представление кривых
В предыдущих двух главах изучались преобразования точек. Кривая может быть представлена совокупностью точек. Если точки расположены близко друг от друга, то, соединяя их отрезками прямой, мы получим изображение кривой. В результате получается довольно плохое представление кривой, особенно если мал радиус кривизны. Улучшить вид можно, увеличивая плотность точек в таких участках.
Хотя кривые могут быть достаточно хорошо представлены совокупностью точек, аналитическое представление во многих отношениях предпочтительнее. Его преимущества - это точность, компактность записи и простота вычисления промежуточных точек. Аналитическое представление позволяет определить наклон и радиус кривизны, а при точечном представлении для этого требуется численное дифференцирование - чрезвычайно неточная процедура. Сравните объем памяти для точечного представления окружности с 32 точками на ней и аналитическое представление - координаты центра и радиус. При аналитическом представлении кривой можно точно определить положение любой точки, а при точечном нужна интерполяция, причем в общем случае результат интерполяции не принадлежит кривой.
Опыт показывает, что аналитически представленные кривые легче изобразить на рисунке. Аналитическое представление выгоднее, когда для удовлетворения заданному критерию необходимо непрерывно изменять форму кривой. Ниже рассматриваются различные методы аналитического представления двумерных кривых.
Часто требуется аналитическое представление кривой, первоначально заданной точками. С математической точки зрения это проблема интерполяции. Для того чтобы провести кривую через все заданные точки, применяется метод кусочной полиномиальной аппроксимации. Для этого требуется определить коэффициенты полинома некоторой степени. Вид кривой в промежуточных точках зависит от степени полинома и граничных условий.
Если же точки - только приблизительные значения величин, например данные экспериментальных измерений или наблюдений, то нужна кривая, задающая верное направление изменения. В общем случае кривая может не проходить ни через одну точку данных. Здесь применяется метод наименьших квадратов. Метод наименьших квадратов дает кривую в виде y = f(x), которая минимизирует сумму квадратов отклонений по оси y между данными и полученной кривой. Вид y = f(x) выбирают, исходя из характера изучаемого процесса.
Обычно для метода наименьших квадратов используются полиномы, степенные и экспоненциальные функции: y = axb, y = aebx или y = c1 + с2х + c3х2 + ... + cn+1xn, где а, b и сi - константы. Независимо от выбора вида кривой метод требует решения системы линейных алгебраических уравнений для определения неизвестных констант.