数值微分|理查森外推法

fem178

发布于 2020-09-10 16:23:43

5.4K0

文章被收录于专栏：数值分析与有限元编程数值分析与有限元编程

理查森外推法( Richardson extrapolation)是一种提高某些数值过程精度的简单方法，在数值方法中广泛应用。

对于

f^{\prime}(x) = \frac{f(x+h)-f(x-h)}{2h}-\frac{h^2}{6}f^{\prime\prime\prime}(x)+\cdots \qquad(1)

f^{\prime\prime}(x) = \frac{f(x+h)-2f(x)+f(x-h)}{h^2}-\frac{h^2}{12}f^{(4)}(x)+\cdots \qquad(2)

等公式可将其抽象概括为

G = g(h) + E(h) \qquad(3)

其中

为待求数值，结果依赖于参数

。

g(h)

表示

的近似值，

E(h)

是误差。

E(h)=ch^p

,现在令

h = h_1

开始计算

G = g(h_1) + ch_1^p \qquad(4)

令

h = h_2

G = g(h_2) + ch_2^p \qquad(5)

由(4)(5)消去

G= \frac{(h_1/h_2)^pg(h_2)-g(h_1)}{(h_1/h_2)^p-1} \qquad(6)

(6)就是理查森外推公式，通常做法是

h_2=h_1/2

G= \frac{2^pg(h_1/2)-g(h_1)}{2^p-1} \qquad(7)

[算例1] 根据下表用理查森外推公式来求

f^{\prime}(0)

h=0.1和h=0.2

分别用二阶向前差分公式求

f^{\prime}(0)

的近似值

g(0.1)和g(0.2)

g(0.1)= \frac{−3f(0) + 4f(0.1) − f(0.2)}{2(0.1)}= 0.8918

g(0.2)= \frac{−3f(0) + 4f(0.2) − f(0.4)}{2(0.2)}= 0.9675

有限差分法的误差

E(h)=c_1h^2 +c_2h^4 +c_3h^6 + \cdots

，用理查森外推法消除产生误差的主项

c_1h^2

f^{\prime}(0) \approx G=\frac{2^2g(0.1)-g(0.2)}{2^2-1} = 0.9927

结果的误差是

O(h^4)

。

[算例2] 用理查森外推公式来求

e^{-x}

在

x=1

处的二阶导数。取不同的h值,用中心差分法计算如下

精度为

10^{-6}

时，

g(0.64) = 0.380610 ，g(0.32) = 0.371035

(g是近似值)。

取p = 2,h_1 = 0.64

可得到

G=\frac{2^2g(0.32)-g(0.64)}{2^2-1} = 0.367843

它与表中的精度为

10^{-8}

时计算所获得的最佳结果一样。此处参见前文

数值微分|有限差分法的误差分析

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2020-09-07，如有侵权请联系 cloudcommunity@tencent.com 删除

数值微分|理查森外推法

数值微分|理查森外推法

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐