多项式是非常有用的数学工具,因为它们定义简单,可以在计算机系统上快速计算,并代表各种函数。多项式可以很容易进行微分和积分,并且可以拼接在一起形成样条曲线,该曲线可以逼近任何函数,达到所需的任何精度。我们在小学四年级就已经学过多项式的相关知识,让我们来回顾一下
p
(
t
)
=
a
n
t
n
+
a
n
−
1
t
n
−
1
+
⋯
+
a
1
t
+
a
0
(1)
p(t)=a_nt^n+a_{n-1}t^{n-1}+\cdots+a_1t+a_0 \tag{1}
p(t)=antn+an−1tn−1+⋯+a1t+a0(1)
上式表示某些初等多项式的
{
1
,
t
,
t
2
,
…
,
t
n
}
\{1,t,t^2,\dots,t^n\}
{1,t,t2,…,tn}的线性组合。
通常来说,次数小于 n n n的多项式函数都可以写成式(1)这种形式,原因很简单
- 次数小于或等于 n n n的一组多项式构成一个向量空间:多项式可以相加,可以乘以一个标量,且所有向量空间的性质都保持不变。
- { 1 , t , t 2 , … , t n } \{1,t,t^2,\dots,t^n\} {1,t,t2,…,tn}这组函数可以作为此向量空间的基,也就是说,任何次数小于或等于 n n n的多项式都可以被这组基唯一的线性表示出来。
这组基通常称为幂基(power basis),其只是多项式空间无穷多个基中其中的一个。
下面我们开始讨论多项式空间中的另一种常用的基——伯恩斯坦基(Bernstein basis),并讨论其性质。
伯恩斯坦多项式(Bernstein Polynomials)
n
n
n次伯恩斯坦多项式定义为
B
i
,
n
(
t
)
=
(
n
i
)
t
i
(
1
−
t
)
n
−
i
(2)
B_{i, n}(t)=\left(\begin{array}{l} n \\ i \end{array}\right) t^{i}(1-t)^{n-i} \tag{2}
Bi,n(t)=(ni)ti(1−t)n−i(2)
i
=
0
,
1
,
⋯
,
n
i=0,1,\cdots,n
i=0,1,⋯,n,其中
(
n
i
)
=
n
!
i
!
(
n
−
i
)
!
\left(\begin{array}{l} n \\ i \end{array}\right) = \frac{n!}{i!(n-i)!}
(ni)=i!(n−i)!n!
从定义我们可以看出,共有
n
+
1
n+1
n+1个
n
n
n次的伯恩斯坦多项式。为了方便,当
i
<
0
i<0
i<0或
i
>
n
i>n
i>n时,我们令
B
i
,
n
=
0
B_{i,n}=0
Bi,n=0
-
一次的伯恩斯坦多项式为
B 0 , 1 ( t ) = 1 − t B 1 , 1 ( t ) = t \begin{array}{l} B_{0,1}(t)=1-t \\ B_{1,1}(t)=t \end{array} B0,1(t)=1−tB1,1(t)=t
当 0 ≤ t ≤ 1 0\leq t \leq 1 0≤t≤1时,我们可以画出其图像 -
二次伯恩斯坦多项式为
B 0 , 2 ( t ) = ( 1 − t ) 2 B 1 , 2 ( t ) = 2 t ( 1 − t ) B 2 , 2 ( t ) = t 2 \begin{array}{l} B_{0,2}(t)=(1-t)^2 \\ B_{1,2}(t)=2t(1-t) \\ B_{2,2}(t)=t^2 \end{array} B0,2(t)=(1−t)2B1,2(t)=2t(1−t)B2,2(t)=t2
当 0 ≤ t ≤ 1 0\leq t \leq 1 0≤t≤1时,我们可以画出其图像 -
三次伯恩斯坦多项式为
B 0 , 3 ( t ) = ( 1 − t ) 3 B 1 , 3 ( t ) = 3 t ( 1 − t ) 2 B 2 , 3 ( t ) = 3 t 2 ( 1 − t ) B 3 , 3 ( t ) = t 3 \begin{array}{l} B_{0,3}(t)=(1-t)^3 \\ B_{1,3}(t)=3t(1-t)^2 \\ B_{2,3}(t)=3t^2(1-t) \\ B_{3,3}(t)=t^3 \end{array} B0,3(t)=(1−t)3B1,3(t)=3t(1−t)2B2,3(t)=3t2(1−t)B3,3(t)=t3
当 0 ≤ t ≤ 1 0\leq t \leq 1 0≤t≤1时,我们可以画出其图像
伯恩斯坦多项式的递归定义
n
n
n阶伯恩斯坦多项式可以定义为两个
n
−
1
n-1
n−1阶伯恩斯坦多项式的混合。也就是说第
k
k
k个
n
n
n阶伯恩斯坦多项式可以写成
B
k
,
n
(
t
)
=
(
1
−
t
)
B
k
,
n
−
1
(
t
)
+
t
B
k
−
1
,
n
−
1
(
t
)
(3)
B_{k,n}(t)=(1-t)B_{k,n-1}(t)+tB_{k-1,n-1}(t) \tag{3}
Bk,n(t)=(1−t)Bk,n−1(t)+tBk−1,n−1(t)(3)
为了证明式(3)成了,我们只需用到伯恩斯坦多项式的定义和一些简单的代数:
(
1
−
t
)
B
k
,
n
−
1
(
t
)
+
t
B
k
−
1
,
n
−
1
(
t
)
=
(
1
−
t
)
(
n
−
1
k
)
t
k
(
1
−
t
)
n
−
1
−
k
+
t
(
n
−
1
k
−
1
)
t
k
−
1
(
1
−
t
)
n
−
1
−
(
k
−
1
)
=
(
n
−
1
k
)
t
k
(
1
−
t
)
n
−
k
+
(
n
−
1
k
−
1
)
t
k
(
1
−
t
)
n
−
k
=
[
(
n
−
1
k
)
+
(
n
−
1
k
−
1
)
]
t
k
(
1
−
t
)
n
−
k
=
(
n
k
)
t
k
(
1
−
t
)
n
−
k
=
B
k
,
n
(
t
)
\begin{aligned} (1-t) B_{k, n-1}(t)+t B_{k-1, n-1}(t) &=(1-t)\left(\begin{array}{c} n-1 \\ k \end{array}\right) t^{k}(1-t)^{n-1-k}+t\left(\begin{array}{l} n-1 \\ k-1 \end{array}\right) t^{k-1}(1-t)^{n-1-(k-1)} \\ &=\left(\begin{array}{c} n-1 \\ k \end{array}\right) t^{k}(1-t)^{n-k}+\left(\begin{array}{c} n-1 \\ k-1 \end{array}\right) t^{k}(1-t)^{n-k} \\ &=\left[\left(\begin{array}{c} n-1 \\ k \end{array}\right)+\left(\begin{array}{l} n-1 \\ k-1 \end{array}\right)\right] t^{k}(1-t)^{n-k} \\ &=\left(\begin{array}{l} n \\ k \end{array}\right) t^{k}(1-t)^{n-k} \\ &=B_{k, n}(t) \end{aligned}
(1−t)Bk,n−1(t)+tBk−1,n−1(t)=(1−t)(n−1k)tk(1−t)n−1−k+t(n−1k−1)tk−1(1−t)n−1−(k−1)=(n−1k)tk(1−t)n−k+(n−1k−1)tk(1−t)n−k=[(n−1k)+(n−1k−1)]tk(1−t)n−k=(nk)tk(1−t)n−k=Bk,n(t)
伯恩斯坦多项式是非负的
如果一个函数 f ( t ) f(t) f(t)在区间 [ a , b ] [a,b] [a,b]上满足 f ( t ) ≥ 0 f(t) \geq 0 f(t)≥0,则这个函数就是非负的。每一个 n n n次的伯恩斯坦多项式在区间 [ 0 , 1 ] [0,1] [0,1]上都是非负的。我们可以通过递归定义来证明此性质。
很容易,我们可以知道一次伯恩斯坦多项式
B
0
,
1
(
t
)
=
1
−
t
B_{0,1}(t)=1-t
B0,1(t)=1−t和
B
1
,
1
(
t
)
=
t
B_{1,1}(t)=t
B1,1(t)=t在
0
≤
t
≤
1
0 \leq t \leq 1
0≤t≤1上是非负的。我们假设所有不大于
k
k
k次的伯恩斯坦多项式都是非负的,则我们使用递归定义
B
i
,
k
(
t
)
=
(
1
−
t
)
B
i
,
k
−
1
(
t
)
+
t
B
i
−
1
,
k
−
1
(
t
)
B_{i,k}(t)=(1-t)B_{i,k-1}(t)+tB_{i-1,k-1}(t)
Bi,k(t)=(1−t)Bi,k−1(t)+tBi−1,k−1(t)
由于等式右边所有的项在
0
≤
t
≤
1
0 \leq t \leq 1
0≤t≤1上都是非负的,则我们可以认为
B
i
,
k
(
t
)
B_{i,k}(t)
Bi,k(t)在
0
≤
t
≤
1
0 \leq t \leq 1
0≤t≤1上也是非负的。通过数学归纳法,我们就可以证明所有的伯恩斯坦多项式在
0
≤
t
≤
1
0 \leq t \leq 1
0≤t≤1上是非负的。
伯恩斯坦多项式拥有单位剖分性
如果一组函数,当自变量取值为 t t t时相加等于1,则称该组函数具有单位剖分性。 k + 1 k+1 k+1个 k k k次多项式具有单位剖分性质,因为他们相加等于1.
对于任意的
k
k
k,
k
+
1
k+1
k+1个
k
k
k次伯恩斯坦多项式的在
t
t
t处的和等于
k
k
k个
k
−
1
k-1
k−1次伯恩斯坦多项式的在
t
t
t处的和,即
∑
i
=
0
k
B
i
,
k
(
t
)
=
∑
i
=
0
k
−
1
B
i
,
k
−
1
(
t
)
\sum_{i=0}^k B_{i,k}(t) = \sum_{i=0}^{k-1} B_{i,k-1}(t)
i=0∑kBi,k(t)=i=0∑k−1Bi,k−1(t)
单位划分的性质在几何建模和计算机图形学上非常的重要。特别的,对于三维空间中任何一组点
P
0
,
P
1
,
⋯
,
P
n
P_0,P_1,\cdots,P_n
P0,P1,⋯,Pn对于任意的
t
t
t,表达式
P
(
t
)
=
P
0
B
0
,
n
(
t
)
+
P
1
B
1
,
n
(
t
)
+
⋯
+
P
n
B
n
,
n
(
t
)
P(t)=P_0B_{0,n}(t)+P_1B_{1,n}(t)+\cdots+P_nB_{n,n}(t)
P(t)=P0B0,n(t)+P1B1,n(t)+⋯+PnBn,n(t)
是这组点的仿射组合,且如果
0
≤
t
≤
1
0 \leq t \leq 1
0≤t≤1则它是这组点的凸组合。
升阶
任意一个低阶的伯恩斯坦多项式(次数
<
n
<n
<n)都可以表达成
n
n
n次伯恩斯坦多项式的线性组合。特别的,
n
−
1
n-1
n−1次伯恩斯坦多项式可以写成
n
n
n次伯恩斯坦多项式的线性组合。首先我们注意到
t
B
i
,
n
(
t
)
=
(
n
i
)
t
i
+
1
(
1
−
t
)
n
−
i
=
(
n
i
)
t
i
+
1
(
1
−
t
)
(
n
+
1
)
−
(
i
+
1
)
=
(
n
i
)
(
n
+
1
i
+
i
)
B
i
+
1
,
n
+
1
(
t
)
=
i
+
1
n
+
1
B
i
+
1
,
n
+
1
(
t
)
\begin{aligned} t B_{i, n}(t) &=\left(\begin{array}{c} n \\ i \end{array}\right) t^{i+1}(1-t)^{n-i} \\ &=\left(\begin{array}{c} n \\ i \end{array}\right) t^{i+1}(1-t)^{(n+1)-(i+1)} \\ &=\frac{\left(\begin{array}{c} n \\ i \end{array}\right)}{\left(\begin{array}{c} n+1 \\ i+i \end{array}\right)} B_{i+1, n+1}(t) \\ &=\frac{i+1}{n+1} B_{i+1, n+1}(t) \end{aligned}
tBi,n(t)=(ni)ti+1(1−t)n−i=(ni)ti+1(1−t)(n+1)−(i+1)=(n+1i+i)(ni)Bi+1,n+1(t)=n+1i+1Bi+1,n+1(t)
且
(
1
−
t
)
B
i
,
n
(
t
)
=
(
n
i
)
t
i
(
1
−
t
)
n
+
1
−
i
=
(
n
i
)
(
n
+
1
i
)
B
i
,
n
+
1
(
t
)
=
n
−
i
+
1
n
+
1
B
i
,
n
+
1
(
t
)
\begin{aligned} (1-t) B_{i, n}(t) &=\left(\begin{array}{c} n \\ i \end{array}\right) t^{i}(1-t)^{n+1-i} \\ &=\frac{\left(\begin{array}{c} n \\ i \end{array}\right)}{\left(\begin{array}{c} n+1 \\ i \end{array}\right)} B_{i, n+1}(t) \\ &=\frac{n-i+1}{n+1} B_{i, n+1}(t) \end{aligned}
(1−t)Bi,n(t)=(ni)ti(1−t)n+1−i=(n+1i)(ni)Bi,n+1(t)=n+1n−i+1Bi,n+1(t)
最后
1
(
n
i
)
B
i
,
n
(
t
)
+
1
(
n
i
+
1
)
B
i
+
1
,
n
(
t
)
=
t
i
(
1
−
t
)
n
−
i
+
t
i
+
1
(
1
−
t
)
n
−
(
i
+
1
)
=
t
i
(
1
−
t
)
n
−
i
−
1
(
(
1
−
t
)
+
t
)
=
t
i
(
1
−
t
)
n
−
i
−
1
=
1
(
n
−
1
i
)
B
i
,
n
−
1
(
t
)
\begin{aligned} \frac{1}{\left(\begin{array}{c} n \\ i \end{array}\right)} B_{i, n}(t)+\frac{1}{\left(\begin{array}{c} n \\ i+1 \end{array}\right)} B_{i+1, n}(t) &=t^{i}(1-t)^{n-i}+t^{i+1}(1-t)^{n-(i+1)} \\ &=t^{i}(1-t)^{n-i-1}((1-t)+t) \\ &=t^{i}(1-t)^{n-i-1} \\ &=\frac{1}{\left(\begin{array}{c} n-1 \\ i \end{array}\right)} B_{i, n-1}(t) \end{aligned}
(ni)1Bi,n(t)+(ni+1)1Bi+1,n(t)=ti(1−t)n−i+ti+1(1−t)n−(i+1)=ti(1−t)n−i−1((1−t)+t)=ti(1−t)n−i−1=(n−1i)1Bi,n−1(t)
使用最后这个公式,我们就可以根据高阶的伯恩斯坦多项式写出任意的伯恩斯坦多项式,即
B
i
,
n
−
1
(
t
)
=
(
n
−
1
i
)
[
1
(
n
i
)
B
i
,
n
(
t
)
+
1
(
n
i
+
1
)
B
i
+
1
,
n
(
t
)
]
=
(
n
−
i
n
)
B
i
,
n
(
t
)
+
(
i
+
1
n
)
B
i
+
1
,
n
(
t
)
\begin{aligned} B_{i, n-1}(t) &=\left(\begin{array}{c} n-1 \\ i \end{array}\right)\left[\frac{1}{\left(\begin{array}{c} n \\ i \end{array}\right)} B_{i, n}(t)+\frac{1}{\left(\begin{array}{c} n \\ i+1 \end{array}\right)} B_{i+1, n}(t)\right] \\ &=\left(\frac{n-i}{n}\right) B_{i, n}(t)+\left(\frac{i+1}{n}\right) B_{i+1, n}(t) \end{aligned}
Bi,n−1(t)=(n−1i)⎣⎢⎢⎡(ni)1Bi,n(t)+(ni+1)1Bi+1,n(t)⎦⎥⎥⎤=(nn−i)Bi,n(t)+(ni+1)Bi+1,n(t)
这说明了
n
−
1
n-1
n−1次的伯恩斯坦多项式可以有
n
n
n次的伯恩斯坦多项式线性组合表示。于是我们可以说任何
k
k
k次(小于
n
n
n)的伯恩斯坦多项式都可以写成
n
n
n次伯恩斯坦多项式的线性组合。例如,
n
−
2
n−2
n−2次的伯恩斯坦多项式可以表示为两个
n
−
1
n−1
n−1次伯恩斯坦多项式的线性组合,而每个
n
−
1
n-1
n−1次的伯恩斯坦多项式,又可以表示为两个
n
n
n次伯恩斯坦多项式的线性组合,依此类推。
伯恩斯坦多项式基与幂基的转换
由于幂基
{
1
,
t
,
t
2
,
⋯
,
t
n
}
\{1,t,t^2,\cdots,t^n\}
{1,t,t2,⋯,tn}构成了次数小于或等于
n
n
n的多项式空间的基,所以任何一个
n
n
n次伯恩斯坦多项式都可以用幂基表示。我们可以通过伯恩斯坦多项式的定义和二项式定理得到
B
k
,
n
(
t
)
=
(
n
k
)
t
k
(
1
−
t
)
n
−
k
=
(
n
k
)
t
k
∑
i
=
0
n
−
k
(
−
1
)
i
(
n
−
k
i
)
t
i
=
∑
i
=
0
n
−
k
(
−
1
)
i
(
n
k
)
(
n
−
k
i
)
t
i
+
k
=
∑
i
=
k
n
(
−
1
)
i
−
k
(
n
k
)
(
n
−
k
i
−
k
)
t
i
=
∑
i
=
k
n
(
−
1
)
i
−
k
(
n
i
)
(
i
k
)
t
i
\begin{aligned} B_{k, n}(t) &=\left(\begin{array}{l} n \\ k \end{array}\right) t^{k}(1-t)^{n-k} \\ &=\left(\begin{array}{l} n \\ k \end{array}\right) t^{k} \sum_{i=0}^{n-k}(-1)^{i}\left(\begin{array}{c} n-k \\ i \end{array}\right) t^{i} \\ &=\sum_{i=0}^{n-k}(-1)^{i}\left(\begin{array}{l} n \\ k \end{array}\right)\left(\begin{array}{c} n-k \\ i \end{array}\right) t^{i+k} \\ &=\sum_{i=k}^{n}(-1)^{i-k}\left(\begin{array}{c} n \\ k \end{array}\right)\left(\begin{array}{c} n-k \\ i-k \end{array}\right) t^{i} \\ &=\sum_{i=k}^{n}(-1)^{i-k}\left(\begin{array}{c} n \\ i \end{array}\right)\left(\begin{array}{l} i \\ k \end{array}\right) t^{i} \end{aligned}
Bk,n(t)=(nk)tk(1−t)n−k=(nk)tki=0∑n−k(−1)i(n−ki)ti=i=0∑n−k(−1)i(nk)(n−ki)ti+k=i=k∑n(−1)i−k(nk)(n−ki−k)ti=i=k∑n(−1)i−k(ni)(ik)ti
其中,我们使用了二项式定理对
(
1
−
t
)
n
−
k
(1-t)^{n-k}
(1−t)n−k进行展开。
对于幂基转换成伯恩斯坦基,我们可以使用升阶公式
t
k
=
t
(
t
k
−
1
)
=
t
∑
i
=
k
−
1
n
(
i
k
−
1
)
(
n
k
−
1
)
B
i
,
n
−
1
(
t
)
=
∑
i
=
k
n
(
i
−
1
k
−
1
)
(
n
−
1
k
−
1
)
t
B
i
−
1
,
n
−
1
(
t
)
=
∑
i
=
k
−
1
n
−
1
(
i
k
−
1
)
(
n
k
−
1
)
i
n
B
i
,
n
(
t
)
=
∑
i
=
k
−
1
n
−
1
(
i
k
)
(
n
k
)
B
i
,
n
(
t
)
\begin{aligned} t^{k} &=t\left(t^{k-1}\right) \\ &=t \sum_{i=k-1}^{n} \frac{\left(\begin{array}{c} i \\ k-1 \end{array}\right)}{\left(\begin{array}{l} n \\ k-1 \end{array}\right)} B_{i, n-1}(t) \\ &=\sum_{i=k}^{n} \frac{\left(\begin{array}{c} i-1 \\ k-1 \end{array}\right)}{\left(\begin{array}{c} n-1 \\ k-1 \end{array}\right)} t B_{i-1, n-1}(t) \\ &=\sum_{i=k-1}^{n-1} \frac{\left(\begin{array}{c} i \\ k-1 \end{array}\right)}{\left(\begin{array}{c} n \\ k-1 \end{array}\right)} \frac{i}{n} B_{i, n}(t) \\ &=\sum_{i=k-1}^{n-1} \frac{\left(\begin{array}{l} i \\ k \end{array}\right)}{\left(\begin{array}{c} n \\ k \end{array}\right)} B_{i, n}(t) \end{aligned}
tk=t(tk−1)=ti=k−1∑n(nk−1)(ik−1)Bi,n−1(t)=i=k∑n(n−1k−1)(i−1k−1)tBi−1,n−1(t)=i=k−1∑n−1(nk−1)(ik−1)niBi,n(t)=i=k−1∑n−1(nk)(ik)Bi,n(t)
在第二步中我们使用了归纳假设。
伯恩斯坦多项式的矩阵表达
在许多应用场景中,使用矩阵形式的伯恩斯坦多项式是方便的。我们写出一个由伯恩斯坦基函数线性组合得到的多项式
B
(
t
)
=
c
0
B
0
,
n
(
t
)
+
c
1
B
1
,
n
(
t
)
+
⋯
+
c
n
B
n
,
n
(
t
)
B(t)=c_0B_{0,n}(t)+c_1B_{1,n}(t)+\cdots+c_nB_{n,n}(t)
B(t)=c0B0,n(t)+c1B1,n(t)+⋯+cnBn,n(t)
我们很容易的将上式写成两个向量点乘的形式
B
(
t
)
=
[
B
0
,
n
(
t
)
B
1
,
n
(
t
)
⋯
B
n
,
n
(
t
)
]
[
c
0
c
1
⋮
c
n
]
B(t)=\left[\begin{array}{llll} B_{0, n}(t) & B_{1, n}(t) & \cdots & B_{n, n}(t) \end{array}\right]\left[\begin{array}{c} c_{0} \\ c_{1} \\ \vdots \\ c_{n} \end{array}\right]
B(t)=[B0,n(t)B1,n(t)⋯Bn,n(t)]⎣⎢⎢⎢⎡c0c1⋮cn⎦⎥⎥⎥⎤
进一步,可以写出
B
(
t
)
=
[
1
t
t
2
⋯
t
n
]
[
b
0
,
0
0
0
⋯
0
b
1
,
0
b
1
,
1
0
⋯
0
b
2
,
0
b
2
,
1
b
2
,
2
⋯
0
⋮
⋮
⋮
⋱
⋮
b
n
,
0
b
n
,
1
b
n
,
2
⋯
b
n
,
n
]
[
c
0
c
1
c
2
⋮
c
n
]
B(t)=\left[\begin{array}{llll} 1 & t & t^2 & \cdots & t^n \end{array}\right] \left[\begin{array}{c} b_{0,0} & 0 & 0 & \cdots & 0 \\ b_{1,0} & b_{1,1} & 0 & \cdots & 0 \\ b_{2,0} & b_{2,1} & b_{2,2} & \cdots & 0 \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ b_{n,0} & b_{n,1} & b_{n,2} & \cdots & b_{n,n} \end{array}\right] \left[\begin{array}{c} c_{0} \\ c_{1} \\ c_{2} \\ \vdots \\ c_{n} \end{array}\right]
B(t)=[1tt2⋯tn]⎣⎢⎢⎢⎢⎢⎡b0,0b1,0b2,0⋮bn,00b1,1b2,1⋮bn,100b2,2⋮bn,2⋯⋯⋯⋱⋯000⋮bn,n⎦⎥⎥⎥⎥⎥⎤⎣⎢⎢⎢⎢⎢⎡c0c1c2⋮cn⎦⎥⎥⎥⎥⎥⎤
其中
b
i
,
j
b_{i,j}
bi,j是用于确定相应伯恩斯坦多项式的幂基系数。可以看出,该矩阵是一个下三角矩阵。
对于二次多项式(
n
=
2
n=2
n=2)的情况,矩阵表示为
B
(
t
)
=
[
1
t
t
2
]
[
1
0
0
−
2
2
0
1
−
2
0
]
[
c
0
c
1
c
2
]
B(t)=\left[\begin{array}{llll} 1 & t & t^2 \end{array}\right] \left[\begin{array}{c} 1 & 0 & 0 \\ -2 & 2 & 0 \\ 1 & -2 & 0 \\ \end{array}\right] \left[\begin{array}{c} c_{0} \\ c_{1} \\ c_{2} \end{array}\right]
B(t)=[1tt2]⎣⎡1−2102−2000⎦⎤⎣⎡c0c1c2⎦⎤
对于三次(
n
=
3
n=3
n=3)的情况,矩阵表示为
B
(
t
)
=
[
1
t
t
2
t
3
]
[
1
0
0
0
−
3
3
0
0
3
−
6
3
0
−
1
3
−
3
1
]
[
c
0
c
1
c
2
c
3
]
B(t)=\left[\begin{array}{llll} 1 & t & t^2 & t^3 \end{array}\right] \left[\begin{array}{c} 1 & 0 & 0 & 0 \\ -3 & 3 & 0 & 0 \\ 3 & -6 & 3 & 0 \\ -1 & 3 & -3 & 1 \\ \end{array}\right] \left[\begin{array}{c} c_{0} \\ c_{1} \\ c_{2} \\ c_{3} \end{array}\right]
B(t)=[1tt2t3]⎣⎢⎢⎡1−33−103−63003−30001⎦⎥⎥⎤⎣⎢⎢⎡c0c1c2c3⎦⎥⎥⎤