用兩個樣本估計導數
定義 11.1.1
(中心差分)
對 , 在 處的中心差分為
它在兩側各用一個函數值。較小的 可以改善數學上的近似,但除以 可能放大兩個函數值的誤差。我們把這兩種效應分開處理。下述誤差界是確定性的,依賴明確列出的假設,並不聲稱涵蓋每種浮點計算。
截斷誤差界
定理 11.1.2
(中心差分的截斷誤差)
設 於包含 的區間上,且該處 。則
若可用的函數值為 ,其中 ,並假設相減與相除是精確的,則算得的商 滿足
證明
(兩個 Taylor 展開與三角不等式)
在 處對兩個方向分別用 Taylor 定理,各取自己的中間點,得
相減後常數項與二次項抵消:。除以 ,
第二個陳述:分子的誤差是 ,大小至多為 ,而分母是 ,所以 。三角不等式把兩個界相加。兩個中間點不必相同;兩個餘項各自受界就足夠。這是絕對誤差界,不是對 的相對誤差界。
證明透視
兩種誤差、一個和,以及界不是甚麼
這個證明把兩個獨立的誤差來源分開,並用各自適用的假設去界定: 控制函數偏離其切線加拋物線模型的程度(截斷項), 控制函數值本身(樣本項)。關鍵的抵消發生在 Taylor 一步:兩個展開式的偶次項相等而消去,因此誤差是 ,而不是單側差分的 。除數 把大小為 的樣本誤差變成 ,所以樣本項隨 縮小而增大,截斷項則縮小。結論是對每一項的上界;在某次具體計算中,兩個帶符號的誤差可以部分抵消,所以這個界可能高估實際誤差。把界極小化,只是在模型下得出一個站得住腳的步長,並不證明實際誤差在該處最小。模型假設相減與相除是精確的;完整的浮點分析還要加上捨入項。
在模型下選步長
設 、 為定值,且導數界在所有候選步長的共同鄰域上成立。對 ,對 求導得
其唯一的正臨界點是 ;導數在此點之前為負,之後為正,所以它在正的 上使這個界極小。若定義域或已知的導數界只容許 ,則只有在 時才可用此結論;否則界在容許區間內一直遞減,其極小值在 。若 ,則當 時界趨向零,這個正臨界點公式並不適用。
計算例子
例題 11.1.3
(函數值精確的三次式)
取 、。則 ,且 處處成立。直接展開得
取 、,函數值精確時的截斷誤差是 ,樣本誤差的貢獻以 為界。在所述模型下,總誤差至多為 。當 、 固定時,使界極小的步長是 ,該處的界約為 ;這個數值是使界最優,並不一定使觀察到的誤差最優。
例題 11.1.4
(零點處的指數函數)
設 、,則 ,。取 ,其值為 ,所以函數值精確時的誤差約為 。在 上 ,所以界為 。這個界成立,而且相差約一成,因為 在這個區間上變化極小。
例題 11.1.5
(二次式:截斷項消失)
對 ,,所以允許 。事實上對每個 都有 。此時界化為 ,隨 增大而遞減:沒有內部極小點,而正臨界點公式 亦不適用,因為它要求 。對這類 ,步長越大越好,直至函數值仍可取得的最大區間為止。
常見錯誤
(除以 h 而不是 2h)
對 、、,分子為 。除以 得 ,誤差為 的量級。若除以 ,得 ,是導數的兩倍。中心差分跨越的寬度是 ,不是 。
反例模式
較小的步長未必改善誤差界
在這個模型中,把 換成 ,截斷界由 縮小到 ,但樣本誤差界由 增大到 1。如果沒有隨 變化的樣本誤差界,把 任意縮小並不保證得到更好的總誤差界。
練習與解答
快速檢查
(對三次例子,使用精確函數值時 是多少?)
使用 。
解答 · 答案
。
快速檢查
(若 、,在 時所述的截斷界是多少?)
使用 。
解答 · 答案
,即 。
快速檢查
(為何樣本誤差界用 ,而不是 ?)
分別數一數分子與分母。
解答 · 答案
分子的誤差至多為 ,而分母是 ,所以比值至多為 。
快速檢查
(模型有沒有計入最後一次除法的捨入?)
重讀所述的假設。
解答 · 答案
沒有;相減與相除已明確假設為精確。