Численное дифференцирование

редактировать

В численном анализе, численное дифференцирование описывает алгоритмы для оценки производной от в математической функции или функции подпрограммы с использованием значения функции и, возможно, другие знаний о функции.

СОДЕРЖАНИЕ

1 Конечные различия
2 Размер шага
3 Другие методы
- 3.1 Методы высшего порядка
- 3.2 Высшие производные
4 Методы комплексных переменных
5 Дифференциальная квадратура
6 См. Также
7 ссылки
8 Внешние ссылки

Конечные различия

Дополнительная информация: Конечные различия

Самый простой метод - использовать конечно-разностные аппроксимации.

Простая двухточечная оценка заключается в вычислении наклона ближайшей секущей линии через точки ( x, f ( x)) и ( x + h, f ( x + h)). Выбирая небольшое число h, h представляет собой небольшое изменение x, и оно может быть как положительным, так и отрицательным. Наклон этой линии равен

{\ displaystyle {\ frac {f (x + h) -f (x)} {h}}.}

{\ displaystyle {\ frac {f (x + h) -f (x)} {h}}.}

Это выражение Ньютон «ы разницы фактор (также известный как первый порядок разделенной разность ).

Наклон этой секущей линии отличается от наклона касательной на величину, примерно пропорциональную h. Когда h приближается к нулю, наклон секущей линии приближается к наклону касательной. Следовательно, истинная производная f в точке x является пределом значения коэффициента разности по мере того, как секущие линии становятся все ближе и ближе к касательной:

{\ displaystyle f '(x) = \ lim _ {h \ to 0} {\ frac {f (x + h) -f (x)} {h}}.}

{\ displaystyle f '(x) = \ lim _ {h \ to 0} {\ frac {f (x + h) -f (x)} {h}}.}

Поскольку немедленная замена 0 на h приводит к неопределенной форме, вычисление производной напрямую может быть неинтуитивным. ${\ displaystyle {\ frac {0} {0}}}$ ${\ frac {0} {0}}$

Точно так же наклон можно оценить, используя положения ( x - h) и x.

Другая двухточечная формула - вычислить наклон ближайшей секущей линии через точки ( x - h, f ( x - h)) и ( x + h, f ( x + h)). Наклон этой линии равен

{\ displaystyle {\ frac {f (x + h) -f (xh)} {2h}}.}

{\ displaystyle {\ frac {f (x + h) -f (xh)} {2h}}.}

Эта формула известна как коэффициент симметричной разности. В этом случае ошибки первого порядка аннулируются, поэтому наклон этих секущих линий отличается от наклона касательной на величину, приблизительно пропорциональную. Следовательно, для малых значений h это более точное приближение к касательной, чем односторонняя оценка. Однако, хотя наклон вычисляется в x, значение функции в x не участвует. ${\ displaystyle h ^ {2}}$ $ч ^ {2}$

Ошибка оценки определяется выражением

{\ displaystyle R = {\ frac {-f ^ {(3)} (c)} {6}} h ^ {2}}

{\ displaystyle R = {\ frac {-f ^ {(3)} (c)} {6}} h ^ {2}}

где какая-то точка между и. Эта ошибка не включает ошибку округления из-за представленных чисел и выполнения вычислений с ограниченной точностью. ${\ displaystyle c}$ $c$ ${\ displaystyle xh}$ ${\ displaystyle xh}$ ${\ displaystyle x + h}$ ${\ displaystyle x + h}$

Фактор симметричной разности используется в качестве метода аппроксимации производной в ряде калькуляторов, включая TI-82, TI-83, TI-84, TI-85, все из которых используют этот метод с h = 0,001.

Размер шага

См. Также: Адаптивный размер шага

Пример, показывающий сложность выбора из-за ошибки округления и ошибки формулы

{\ displaystyle h}

час

Важным моментом на практике, когда функция вычисляется с использованием арифметики с плавающей запятой, является выбор размера шага h. Если выбрано слишком маленькое значение, вычитание приведет к большой ошибке округления. Фактически, все формулы конечных разностей плохо обусловлены и из-за отмены будут давать нулевое значение, если h достаточно мало. Если оно слишком велико, расчет наклона секущей линии будет более точным, но оценка наклона касательной с использованием секущей может быть хуже.

Для основных центральных различий оптимальным шагом является кубический корень машинного эпсилона. Для формулы численной производной, оцениваемой в x и x + h, выбор h, который является малым без большой ошибки округления, равен (хотя и не при x = 0), где машинный эпсилон ε обычно имеет порядок 2,2 × 10 ⁻¹⁶ для двойной точности. Формула для h, которая уравновешивает ошибку округления с ошибкой секущей для оптимальной точности: ${\ Displaystyle {\ sqrt {\ varepsilon}} х}$ ${\ Displaystyle {\ sqrt {\ varepsilon}} х}$

{\ displaystyle h = 2 {\ sqrt {\ varepsilon \ left | {\ frac {f (x)} {f '' (x)}} \ right |}}}

{\ displaystyle h = 2 {\ sqrt {\ varepsilon \ left | {\ frac {f (x)} {f '' (x)}} \ right |}}}

(но не когда), и для его использования потребуется знание функции. ${\ displaystyle f '' (x) = 0}$ $е '' (х) = 0$

Для одинарной точности проблемы усугубляются, потому что, хотя x может быть представимым числом с плавающей запятой, x + h почти наверняка не будет. Это означает, что x + h будет изменено (округлением или усечением) на ближайшее машинно-представимое число, в результате чего ( x + h) - x не будет равно h ; две оценки функции не будут находиться точно через h. В этом отношении, поскольку большинство десятичных дробей являются повторяющимися последовательностями в двоичной системе (точно так же, как 1/3 в десятичной системе), кажущийся округлым шагом, такой как h = 0,1, не будет округлым числом в двоичной системе; это 0,000110011001100... 2 Возможный подход:

 h := sqrt(eps) * x; xph := x + h; dx := xph - x; slope := (F(xph) - F(x)) / dx;

Однако в случае с компьютерами средства оптимизации компилятора могут не учитывать детали реальной компьютерной арифметики и вместо этого применять математические аксиомы для вывода, что dx и h одинаковы. В C и подобных языках директива о том, что xph является изменчивой переменной, предотвратит это.

Другие методы

Методы высшего порядка

Дополнительная информация: Коэффициент конечной разности

Существуют методы высшего порядка для приближения производной, а также методы для высших производных.

Ниже приведен пятиточечный метод для первой производной ( пятиточечный шаблон в одном измерении):

{\ displaystyle f '(x) = {\ frac {-f (x + 2h) + 8f (x + h) -8f (xh) + f (x-2h)} {12h}} + {\ frac {h) ^ {4}} {30}} f ^ {(5)} (c),}

{\ displaystyle f '(x) = {\ frac {-f (x + 2h) + 8f (x + h) -8f (xh) + f (x-2h)} {12h}} + {\ frac {h) ^ {4}} {30}} f ^ {(5)} (c),}

где. ${\ displaystyle c \ in [x-2h, x + 2h]}$ ${\ displaystyle c \ in [x-2h, x + 2h]}$

Для других конфигураций шаблонов и производных порядков Калькулятор коэффициентов конечных разностей - это инструмент, который можно использовать для создания методов производной аппроксимации для любого шаблона с любым производным порядком (при условии, что решение существует).

Высшие производные

Используя коэффициент разности Ньютона,

{\ displaystyle f '(x) = \ lim _ {h \ to 0} {\ frac {f (x + h) -f (x)} {h}}}

{\ displaystyle f '(x) = \ lim _ {h \ to 0} {\ frac {f (x + h) -f (x)} {h}}}

может быть показано следующее (для n gt; 0):

{\ displaystyle f ^ {(n)} (x) = \ lim _ {h \ to 0} {\ frac {1} {h ^ {n}}} \ sum _ {k = 0} ^ {n} ( -1) ^ {k + n} {\ binom {n} {k}} f (x + kh)}

{\ displaystyle f ^ {(n)} (x) = \ lim _ {h \ to 0} {\ frac {1} {h ^ {n}}} \ sum _ {k = 0} ^ {n} ( -1) ^ {k + n} {\ binom {n} {k}} f (x + kh)}

Методы комплексных переменных

Классические конечно-разностные приближения для численного дифференцирования плохо обусловлены. Однако, если это голоморфная функция, действительная на вещественной прямой, которая может быть вычислена в точках на комплексной плоскости рядом, то существуют стабильные методы. Например, первая производная может быть вычислена по формуле комплексной производной: ${\ displaystyle f}$ $ж$ ${\ displaystyle x}$ $Икс$

{\ displaystyle f ^ {\ prime} (x) = {\ frac {\ Im (f (x + \ mathrm {i} h))} {h}} + O (h ^ {2}), \ quad \ mathrm {i ^ {2}}: = - 1.}

{\ displaystyle f ^ {\ prime} (x) = {\ frac {\ Im (f (x + \ mathrm {i} h))} {h}} + O (h ^ {2}), \ quad \ mathrm {i ^ {2}}: = - 1.}

Эта формула может быть получена путем разложения в ряд Тейлора :

{\ displaystyle f (x + \ mathrm {i} h) = f (x) + \ mathrm {i} hf ^ {\ prime} (x) -h ^ {2} f '' (x) / 2! - \ mathrm {i} h ^ {3} f ^ {(3)} (x) / 3! + \ cdots.}

{\ displaystyle f (x + \ mathrm {i} h) = f (x) + \ mathrm {i} hf ^ {\ prime} (x) -h ^ {2} f '' (x) / 2! - \ mathrm {i} h ^ {3} f ^ {(3)} (x) / 3! + \ cdots.}

Формула комплексной производной действительна только для вычисления производных первого порядка. Обобщение вышеизложенного для вычисления производных любого порядка использует многокомплексные числа, что приводит к многокомплексным производным.

{\ displaystyle f ^ {(n)} (x) \ приблизительно {\ frac {{\ mathcal {C}} _ ​​{n ^ {2} -1} ^ {(n)} (f (x + \ mathrm {i } ^ {(1)} h + \ ldots + \ mathrm {i} ^ {(n)} h))} {h ^ {n}}}}

{\ displaystyle f ^ {(n)} (x) \ приблизительно {\ frac {{\ mathcal {C}} _ ​​{n ^ {2} -1} ^ {(n)} (f (x + \ mathrm {i } ^ {(1)} h + \ ldots + \ mathrm {i} ^ {(n)} h))} {h ^ {n}}}}

где обозначают многокомплексные мнимые единицы;. Оператор извлекает й составляющую мультикомплекса числа уровня, например, извлекает реальный компонент и извлекает последнюю «большую мнимую» составляющую. Метод может применяться к смешанным производным, например к производной второго порядка. ${\ Displaystyle \ mathrm {я} ^ {(к)}}$ ${\ Displaystyle \ mathrm {я} ^ {(к)}}$ ${\ Displaystyle \ mathrm {я} ^ {(1)} \ эквив \ mathrm {я}}$ ${\ Displaystyle \ mathrm {я} ^ {(1)} \ эквив \ mathrm {я}}$ ${\ displaystyle {\ mathcal {C}} _ {k} ^ {(n)}}$ ${\ displaystyle {\ mathcal {C}} _ {k} ^ {(n)}}$ ${\ displaystyle k}$ $k$ ${\ displaystyle n}$ $п$ ${\ displaystyle {\ mathcal {C}} _ {0} ^ {(n)}}$ ${\ displaystyle {\ mathcal {C}} _ {0} ^ {(n)}}$ ${\ Displaystyle {\ mathcal {C}} _ {п ^ {2} -1} ^ {(п)}}$ ${\ Displaystyle {\ mathcal {C}} _ {п ^ {2} -1} ^ {(п)}}$

{\ displaystyle {\ frac {\ partial ^ {2} f (x, y)} {\ partial x \, \ partial y}} \ приблизительно {\ frac {{\ mathcal {C}} _ ​​{3} ^ { (2)} (е (х + \ mathrm {i} ^ {(1)} h, y + \ mathrm {i} ^ {(2)} h))} {h ^ {2}}}}

{\ displaystyle {\ frac {\ partial ^ {2} f (x, y)} {\ partial x \, \ partial y}} \ приблизительно {\ frac {{\ mathcal {C}} _ ​​{3} ^ { (2)} (е (х + \ mathrm {i} ^ {(1)} h, y + \ mathrm {i} ^ {(2)} h))} {h ^ {2}}}}

Доступна реализация мультикомплексной арифметики на C ++.

В общем случае производные любого порядка можно вычислить с помощью интегральной формулы Коши :

{\ displaystyle f ^ {(n)} (a) = {\ frac {n!} {2 \ pi i}} \ oint _ {\ gamma} {\ frac {f (z)} {(za) ^ { п + 1}}} \, \ mathrm {d} z,}

{\ displaystyle f ^ {(n)} (a) = {\ frac {n!} {2 \ pi i}} \ oint _ {\ gamma} {\ frac {f (z)} {(za) ^ { п + 1}}} \, \ mathrm {d} z,}

где интегрирование производится численно.

Использование комплексных переменных для численного дифференцирования было начато Лайнессом и Молером в 1967 году. Их алгоритм применим к производным более высокого порядка.

Метод, основанный на численном обращении комплексного преобразования Лапласа, был разработан Абате и Дубнером. Алгоритм, который можно использовать, не требуя знания метода или характера функции, был разработан Форнбергом.

Дифференциальная квадратура

Дифференциальная квадратура - это приближение производных с использованием взвешенных сумм значений функций. Дифференциальная квадратура представляет практический интерес, поскольку позволяет вычислять производные по зашумленным данным. Название аналогично квадратуре, что означает численное интегрирование, где взвешенные суммы используются в таких методах, как метод Симпсона или правило трапеций. Существуют различные методы определения весовых коэффициентов, например, фильтр Савицкого-Голея. Дифференциальная квадратура используется для решения уравнений в частных производных. Существуют и другие методы вычисления производных на основе зашумленных данных.

Смотрите также

использованная литература

внешние ссылки

http://mathworld.wolfram.com/NumericalDifferentiation.html
Ресурсы по числовой дифференциации: заметки из учебников, PPT, рабочие листы, аудиовизуальные лекции на YouTube по численным методам для студентов STEM
ftp://math.nist.gov/pub/repository/diff/src/DIFF Код на Фортране для численного дифференцирования функции с использованием процесса Невилла для экстраполяции из последовательности простых полиномиальных приближений.
Подпрограммы численного дифференцирования библиотеки NAG
http://graphulator.com Онлайн-калькулятор числовых графиков с функцией исчисления.
Увеличение. Математическое численное дифференцирование, включая конечное дифференцирование и комплексную ступенчатую производную
Комплексная ступенчатая дифференциация
Дифференциация без различия, Николас Хайэм, SIAM News.
проект findiff Python