- A+
所属分类：.NET技术
折腾不少时间
牛顿插值法主要是在于差商，三次样条主要矩阵，发现自己不会，又回头整矩阵的，什么线性方程的解法..简直头大
牛顿的差商，其实就是递归，虽然计算一次是可以用数组存起来，但是写出来的时候是递归感觉很爽，就灭有存储各阶段的结果，导致计算量大增，应该有个N方的时间把...
剩下就是三次样条，对于公式来看起来也是很简单，但是坑不少，到计算的时候发现自己不会矩阵，回头整了矩阵，发现解法不是求逆或者伴随矩阵这样的计算量极大的方法，而是三角分解，LUP分解或者追赶法等。
所以三次样条除去自身对边界条件的处理，剩下就是矩阵计算了。特别的，三次样条在用的时候不是按段输入值，而是直接输入值，所以做了下对输入值的进行查找段的方法，就是判断输入的值属于哪两个相邻的X点之间。
简单弄了demo。代码上没什么好说的，有不对请指出
示例图片
控制代码
public ICommand DrawTypeCommand { get { return new ParameterCommand<InterpolationFunction>((a) => { IsDrawing = true; //筛选为鼠标创建的点 var pointlist = MainData.Where(x => x.UIType == CoorDinateUIType.Point).ToList(); var copyarry = new CoorDinate[pointlist.Count()]; pointlist.CopyTo(copyarry, 0); //创建对应的插值方法 interpolation = InterpolationOperate.Function(copyarry.ToList(), a); //是否添加过直线 if (!MainData.Any(x => x.UIType == CoorDinateUIType.Line)) { MainData.Add(new CoorDinate(CreateLine(copyarry.ToList()), CoorDinateUIType.Line)); } //依次删除插值方法产生的点 for (int i = 0; i < MainData.Count; i++) { if (MainData[i].UIType == CoorDinateUIType.MethodPoint) { MainData.RemoveAt(i); i = 0; continue; } } switch (a) { case InterpolationFunction.拉格朗日插值法: case InterpolationFunction.牛顿多项式插值法: for (double i = copyarry[0].X; i < copyarry.Last().X; i++) { MainData.Add(new CoorDinate(i, interpolation.GetValueByFunction(i), CreateEllipse2(), CoorDinateUIType.MethodPoint)); } break; case InterpolationFunction.三次样条自然条件插值法: for (int i = 0; i < copyarry.Length - 1; i++) { var now = copyarry[i].X; var next = copyarry[i + 1].X; for (double z = now; z < next; z++) { MainData.Add(new CoorDinate(z, interpolation.GetValueByFunction(z), CreateEllipse2(), CoorDinateUIType.MethodPoint)); } } break; default: break; } IsDrawing = false; ReDraw = true; }, (a) => !IsDrawing && MainData.Count > 3); } }
