首页/文章/ 详情

数值微分|向前差分和向后差分

7月前浏览4161

中心差分法详见:

数值微分|中心差分法(Central Finite Difference Approximations)

求区间端点的导数时,不能用中心差分法。考虑在    个离散点    给出函数的情况,由于中心差分在    的两侧使用函数的值,因此我们将无法计算导数    。显然,需要只在    的一侧求值的差分表达式。这些表达式称为向前和向后有限差分(forward and backward finite difference approximations)。

  • 一阶向前和向后差分

由泰勒公式可得到:

 
 
 
 

由(1)可得

 

或者

 

同理,由(2)可得

 

(6)称为求     的一阶向前差分公式。(7)称为求     的一阶向后差分公式。

由(1)(3)可得求     的一阶向前差分公式:

 

一阶向前差分法的系数见下表。

一阶向后差分法的系数见下表。

  • 二阶向前和向后差分

由(1)(3)消去    可得

 

 

或者

 

(10)称为求     的二阶向前差分公式。二阶向前差分法的系数见下表。

二阶向后差分法的系数见下表。

★★★★往期相关★★★★

数值微分|多项式的导数计算C++版

数值微分|多项式的导数计算

通过案例学Python之定义函数类

数值积分|第二类反常积分

数值积分|第一类反常积分

数值积分|中点法则(Midpoint Rule)

数值积分|龙贝格公式

数值积分|自适应辛普森积分公式

数值积分|自适应梯形积分

数值积分|牛顿-柯特斯公式

数值积分|高斯积分

数值积分|泰勒(Taylor)公式求积分

数值积分| 辛普森公式

Python实现辛普森公式



来源:数值分析与有限元编程
python
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-04-02
最近编辑:7月前
太白金星
本科 慢慢来
获赞 5粉丝 13文章 325课程 0
点赞
收藏
作者推荐

数值微分|中心差分法

利用泰勒(Taylor)公式将函数 展开: 令 ,则有 同理 相加可得 相减可得 相加可得 相减可得 注意到 仅包含偶数阶导数,而 仅包含奇数阶导数。由 可得 或者 就是求 的中心差分法(Central Finite DifferenceApproximations ), 表示截断误差(h是比较小的数)。由于截断误差是二阶,故又称二阶中心差分法。由 可得 或者 就是求 的二阶中心差分法。 表示截断误差。 仅包含偶数阶导数,而 仅包含奇数阶导数。利用这个特点,还可以得到求 的二阶中心差分法 二阶中心差分法的系数见下表。★★★★往期相关★★★★数值微分|多项式的导数计算C++版数值微分|多项式的导数计算通过案例学Python之定义函数类数值积分|第二类反常积分数值积分|第一类反常积分数值积分|中点法则(Midpoint Rule)数值积分|龙贝格公式数值积分|自适应辛普森积分公式数值积分|自适应梯形积分数值积分|牛顿-柯特斯公式数值积分|高斯积分数值积分|泰勒(Taylor)公式求积分数值积分| 辛普森公式Python实现辛普森公式来源:数值分析与有限元编程

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈