Построение кубического сплайна

#include <cstdlib> 
#include <cmath> 
#include <limits> 
 
class cubic_spline 
{ 
private: 
// Структура, описывающая сплайн на каждом сегменте сетки 
struct spline_tuple 
{ 
double a, b, c, d, x; 
}; 
 
spline_tuple *splines; // Сплайн 
std::size_t n; // Количество узлов сетки 
 
void free_mem(); // Освобождение памяти 
 
public: 
cubic_spline(); //конструктор 
~cubic_spline(); //деструктор 
 
// Построение сплайна 
// x - узлы сетки, должны быть упорядочены по возрастанию, кратные узлы запрещены 
// y - значения функции в узлах сетки 
// n - количество узлов сетки 
void build_spline(const double *x, const double *y, std::size_t n); 
 
// Вычисление значения интерполированной функции в произвольной точке 
double f(double x) const; 
}; 
 
cubic_spline::cubic_spline() : splines(NULL) 
{ 
 
} 
 
cubic_spline::~cubic_spline() 
{ 
free_mem(); 
} 
 
void cubic_spline::build_spline(const double *x, const double *y, std::size_t n) 
{ 
free_mem(); 
 
this->n = n; 
 
// Инициализация массива сплайнов 
splines = new spline_tuple[n]; 
for (std::size_t i = 0; i < n; ++i) 
{ 
splines[i].x = x[i]; 
splines[i].a = y[i]; 
} 
splines[0].c = 0.; 
 
// Решение СЛАУ относительно коэффициентов сплайнов c[i] методом прогонки для трехдиагональных матриц 
// Вычисление прогоночных коэффициентов - прямой ход метода прогонки 
double *alpha = new double[n - 1]; 
double *beta = new double[n - 1]; 
double A, B, C, F, h_i, h_i1, z; 
alpha[0] = beta[0] = 0.; 
for (std::size_t i = 1; i < n - 1; ++i) 
{ 
h_i = x[i] - x[i - 1], h_i1 = x[i + 1] - x[i]; 
A = h_i; 
C = 2. * (h_i + h_i1); 
B = h_i1; 
F = 6. * ((y[i + 1] - y[i]) / h_i1 - (y[i] - y[i - 1]) / h_i); 
z = (A * alpha[i - 1] + C); 
alpha[i] = -B / z; 
beta[i] = (F - A * beta[i - 1]) / z; 
} 
 
splines[n - 1].c = (F - A * beta[n - 2]) / (C + A * alpha[n - 2]); 
 
// Нахождение решения - обратный ход метода прогонки 
for (std::size_t i = n - 2; i > 0; —i) 
splines[i].c = alpha[i] * splines[i + 1].c + beta[i]; 
 
// Освобождение памяти, занимаемой прогоночными коэффициентами 
delete[] beta; 
delete[] alpha; 
 
// По известным коэффициентам c[i] находим значения b[i] и d[i] 
for (std::size_t i = n - 1; i > 0; —i) 
{ 
double h_i = x[i] - x[i - 1]; 
splines[i].d = (splines[i].c - splines[i - 1].c) / h_i; 
splines[i].b = h_i * (2. * splines[i].c + splines[i - 1].c) / 6. + (y[i] - y[i - 1]) / h_i; 
} 
} 
 
double cubic_spline::f(double x) const 
{ 
if (!splines) 
return std::numeric_limits<double>::quiet_NaN(); // Если сплайны ещё не построены - возвращаем NaN 
 
spline_tuple *s; 
if (x <= splines[0].x) // Если x меньше точки сетки x[0] - пользуемся первым эл-том массива 
s = splines + 1; 
else if (x >= splines[n - 1].x) // Если x больше точки сетки x[n - 1] - пользуемся последним эл-том массива 
s = splines + n - 1; 
else // Иначе x лежит между граничными точками сетки - производим бинарный поиск нужного эл-та массива 
{ 
std::size_t i = 0, j = n - 1; 
while (i + 1 < j) 
{ 
std::size_t k = i + (j - i) / 2; 
if (x <= splines[k].x) 
j = k; 
else 
i = k; 
} 
s = splines + j; 
} 
 
double dx = (x - s->x); 
return s->a + (s->b + (s->c / 2. + s->d * dx / 6.) * dx) * dx; // Вычисляем значение сплайна в заданной точке. 
} 
 
void cubic_spline::free_mem() 
{ 
delete[] splines; 
splines = NULL; 
}