Processing math: 100%

数値解析 第5回 (2) 1階微分

前進差分・後退差分

 まずは1階微分の近似式から。
アイデア 微分の定義は
\dpsy(x)=limt0y(x+t)y(x)t
でした。刻み幅 h>0 が十分小さければ、t=h として
y(x)\dpsy(x+h)y(x)h
であろうと考えられます。また t=h とすれば
y(x)\dpsy(xh)y(x)h=y(x)y(xh)h
とも考えられます。
 そこで、y(x) の近似式として、
Def.1
\dpsΔyΔx=y(x+h)y(x)h (1)
を前進差分 ( 前方差分 )、
\dpsyx=y(x)y(xh)h (2)
を後退差分 ( 後方差分 )と呼ぶ。
 h を大き目にして誇張して描けば図のようになります:
青い線分 の傾きが真の y(x), 赤い線分 (1) の傾きが前進差分、(2) の傾きが後退差分です。

前進差分・後退差分の誤差評価

Prop.2  \dpsΔyΔx, \dpsyx の近似誤差は、いずれもおおよそ
\dps|12y(x)h|
であり、刻み幅 h の 1 乗オーダー O(h) になる。
証明 x での y(x) のテイラー展開から
\dpsy(x+h)=y(x)+y(x)h+12y(x)h2+O(h3)
従って
\dpsΔyΔx=y(x+h)y(x)h=y(x)+12y(x)h+O(h2) (3)
高次の項 O(h2) は小さいので、前進差分の誤差は
\dps|ΔyΔxy(x)|=|12y(x)h+O(h2)|\dps|12y(x)h|.
h の代わりに h を入れた式
\dpsy(xh)=y(x)y(x)h+12y(x)h2+O(h3)
からは
\dpsyx=y(x)y(xh)h=y(x)12y(x)h+O(h2) (4)
となって同様です。(証明終)

中心差分

 前進差分・後退差分はいまいち精度が良くありません。そこで
次のアイデア (3)(4) の平均を取ると y の項が消えます:
\dps12(ΔyΔx+yx)=y(x+h)y(xh)2h=y(x)+O(h2) (5)
 名前を付けて
Def.3  \dpsδyδx=y(x+h)y(xh)2h を中心差分と呼ぶ。
 中心差分は h が多少大きくてもかなり y(x) に近いことが図からもわかります:
赤い線分 の傾きが中心差分で、多少 h が大きくてもかなり真の y(x) に近いことが見て取れます。

 そして、テイラー展開を h3 の項まで書けば誤差評価ができます。
Prop.4  \dpsδyδx の近似誤差はおおよそ
\dps|16y(x)h2|
であり、刻み幅 h の 2 乗オーダー O(h2) になる。