1. 有限差分 Taylor Table
这是在数值微分中常用的技巧。可以用等距网格中给定几个点的线性组合表示某一点处的微分,乃至高阶微分,并可顺便求出该差分方法的精度。
我们知道前向差分,后向差分和中心差分,以二阶导数的中心差分为例:
从主误差项可知,以上数值微分为2阶精度。
现在问题来了:
- 有时我们并不满足于已有公式的精度,想要在等式右边加入更多点,以推导出精度更高的公式;
- 在网格的边界处,例如
是否有一种方法,能方便地推导有限差分公式呢?我们引入 Taylor Table,以下例子中可以看到,表中的每一行都是一个泰勒展开。通过将尽可能多的低阶误差项系数(列元素之和)变为0,我们可以的得到理论上精度最高的有限差分公式。
e.g. find most accurate formula for
let
![f01ad874120847b015f10b4836b68bcc.png](https://i-blog.csdnimg.cn/blog_migrate/d1dc52157a02953389be36bae43b7888.png)
To get the highest accuracy, we must set as many of the low-order terms to zero as possible. We have 4 free coefficients; therefore, we can set the coefficients of the first 4 terms to zero.
Thus, the leading error term is:
Formula:
The order of the term is 3.
2. 分式的泰勒展开
这是我自己总结的一个小技巧。
问题:有分式
以上问题中虽然要在0处展开,但很容易扩展到在任意处的泰勒展开。
解决问题的传统步骤是分别计算
- 分别计算
的泰勒展开,假设展开为:
- 如要将
展开至第
项,则构造下三角矩阵
如下:
- 解方程组
,其中
- 可得
在0处的泰勒展式:
举个例子:
所以有:
这和直接对