参数设置
固定：x_i = 0,1,2,3,4,5；y_0 = 0；y_5 = 25。默认值为 y = x² 上的点，可与理论曲线对比。
数据点与插值曲线
黑点=数据点 / 蓝破线=线性插值 / 红实线=自然三次样条 / 绿实线=理论曲线 y=x²（默认值时参考）
理论与主要公式
在每个区间 $[x_i, x_{i+1}]$ 上，样条表示为三次多项式：
$$S_i(x) = a_i + b_i(x-x_i) + c_i(x-x_i)^2 + d_i(x-x_i)^3$$
由函数值、一阶导数、二阶导数的连续性，以及自然条件 $S''(x_0)=S''(x_n)=0$，可得关于 $M_i = S''(x_i)$ 的三对角系统（其中 $h_i = x_{i+1} - x_i$）：
$$h_{i-1}M_{i-1} + 2(h_{i-1}+h_i)M_i + h_i M_{i+1} = 6\!\left(\frac{y_{i+1}-y_i}{h_i} - \frac{y_i-y_{i-1}}{h_{i-1}}\right)$$
求得 $M_i$ 后，反算各区间的系数 $a_i,b_i,c_i,d_i$：
$$a_i = y_i,\quad c_i = \tfrac{M_i}{2},\quad d_i = \tfrac{M_{i+1}-M_i}{6h_i},\quad b_i = \tfrac{y_{i+1}-y_i}{h_i} - \tfrac{h_i(2M_i+M_{i+1})}{6}$$
该联立方程为三对角形式，只有对角线及其上下两条非零，可用Thomas算法以O(n)复杂度求解。
自然三次样条插值模拟器简介
🙋
用线段连接数据点不就行了吗？为什么一定要光滑？
🎓
很好的问题。线性插值（蓝色破线）只是用直线连接点，结果在节点处会有尖角。自然三次样条（红色实线）在每个区间用三次函数表示，并在节点处保证函数值、一阶导数、二阶导数都连续，所以曲线很光滑。从图上看，蓝线在数据点处有明显的"拐点"，而红线光滑连接。
🎓
在机械设计中很关键。二阶导数代表曲率。如果曲率在某点不连续，物理上对应的是加速度突变，在光学反射中会产生条纹。CAD术语中的"C²连续"就是指这种二阶导数连续的性质。自然三次样条是满足C²连续的最简单方法，所以在CAD和CAE中被广泛使用。
🙋
我注意到默认值时，S(2.5) 非常接近 6.25，几乎相同！这是 2.5²的值。
🎓
观察很敏锐！看似相等，但实际上有微小偏差。自然三次样条在两端应用了"自然"条件：$S''=0$。但理论曲线 $y=x^2$ 的二阶导数是常数 2，不为零。所以两端附近会有误差。右边显示的"M_2"会接近理论值 2.0，但两端会偏离。这就是"自然"边界条件的含义。
🙋
我拖动 y_3 的滑块，不仅附近的曲线变化，远处的曲线也动了！
🎓
对，这说明了自然三次样条的"全局性"。改动一个点时，Thomas算法需要重新求解整个三对角方程组，所有的 M_i 值都会改变，导致全区间的曲线联动。在CAD编辑中，如果只想移动一个控制点而不影响其他区间，需要用B样条或Bezier曲线，它们有"局部性"。用什么方法取决于应用需求。
常见问题
"自然"是指两端二阶导数为零的条件，优点是计算简单。但如果数据的真实函数在两端的二阶导数不为零（如 $y=x^2$），则端点附近误差会较大。可选择其他边界条件：已知端点一阶导数时用"钳制边界条件"，周期数据用"周期边界条件"，要求两端三阶导数连续可用"not-a-knot条件"。MATLAB的spline函数默认使用not-a-knot。
Thomas算法是专为三对角（三重对角）矩阵设计的求解器，是高斯消去法的特化版本。前进消去阶段消去下对角线元素，上三角化矩阵；后退代入阶段从最后一个方程逐步回代求解。一般高斯消去是O(n³)复杂度，Thomas算法利用稀疏结构只需O(n)，在样条插值、热传导的隐式格式（Crank-Nicolson）等CAE问题中广泛应用。
应用很广：CAD曲线/曲面设计、有限元网格生成中的边界曲线、实验数据内插、时间序列缺失值补完、机器人轨迹规划、光学非球面镜片的描述等。飞机机翼（NACA翼型）的表示、汽车车身A级曲面（外观品质要求高的表面）的检查验证都用到样条。只要需要"光滑曲线"的地方，样条都有用武之地。
自然三次样条"必须经过每一个数据点"。如果数据含有噪声，样条会被迫追踪噪声，造成不自然的波动。遇到这种情况，应该用"平滑样条（smoothing spline）"放弃完全通过所有点，只要求曲线在某种意义上接近点；或用最小二乘法将数据拟合到B样条。选择是"经过点"还是"接近点"，取决于你的目标。
实际应用
CAD/CAM曲线设计：机械部件和汽车车身的光滑曲线用三次样条表示，是最基础的方法。现代CAD中的NURBS和B样条等高级方法都是在三次样条理论的基础上扩展的。无论是自由曲面造型、干涉检查还是五轴加工刀具路径生成，三次样条的理论都是基石。
实验数据内插与可视化：有限个传感器测量点，需要估算中间的值。风洞实验中的翼面压力分布、CT扫描断层数据的3D重建、温度剖面内插等场景中，样条都是标准工具。MATLAB的spline函数、SciPy的CubicSpline、Excel的三次曲线拟合等主流软件都内置了样条算法。
轨迹规划与控制：机械臂关节角度、数控机床刀具路径、无人机飞行轨迹等需要平滑变化的控制信号，都用样条生成。二阶导数连续保证加速度不会跳变，避免机械冲击和振动。动画关键帧插值也广泛应用样条。
金融与科学计算：利率曲线（YieldCurve）的构建、药物浓度随时间的变化规律、气象数据的时间序列等离散观测点，都用样条内插得到连续曲线。三次样条因为"简单、光滑、可预测"，常作为复杂模型的基线进行对比。
常见误区与注意事项
最常见的误区是认为"经过所有点的插值总是最好的"。样条的特点确实是"精确经过数据点"，但如果点本身含有测量误差或异常值，曲线会被迫追踪这些误差，产生不自然的波形。实务中必须先判断是应该用"插值"（必须经过点）还是"近似"（只需接近点）。观测噪声大的数据更适合用平滑样条或最小二乘拟合。
第二个常见误解是把"自然边界条件"当万能。"自然"这个名字听起来像最自然的选择，但它强制两端二阶导数为零。对于 $y=x^2$ 这样两端曲率非零的函数，端点附近会有较大偏差。本模拟器用默认值（$y=x^2$ 上的6个点）演示时，RMSE不为零，原因就在这里。实际应用中，MATLAB的默认not-a-knot或用户给定端点导数的钳制条件精度往往更高。
第三个误解是以为三次样条有"局部性"。拖动 y_3 时会看到整条曲线都在动，这是因为求解三对角方程组是全局操作。若要"只改一个控制点、其他不动"的局部控制，应该用B样条或Bezier曲线。样条插值和曲线编辑是两个不同的需求，要用不同的工具。
具体计算示例
输入数据点(0,1), (1,2.5), (2,2.0), (3,3.5), (4,3.2), (5,4.1)，求解三对角方程组后，区间[1,2]的三次样条系数为 a₂=1, b₂=-0.45, c₂=0.95, d₂=-0.15，x=2.5 处的插值值 S(2.5)=2.34，二阶导数 M₂=S''(2)=0.67，全6个区间的 RMSE=0.082