1 後退差分の概念
1.1 差分近似の基本
差分近似とは、連続的に定義された量（たとえば関数の微分）を、離散点における関数値の組合せとして近似する方法である。微分の代表的な目的は「変化の速さ」を表すことであるが、離散データではその変化をそのまま計算できないため、近い点どうしの値の差を用いて推定する。差分近似は、どの点の値を選ぶか（前か後か、左右どちらを使うか）と、どの程度の幅（何点分）を使うかにより精度と計算コストが決まる。
1.2 後退差分の定義
後退差分（backward difference）とは、評価したい点よりも「前側」（時間なら過去側、空間なら小さい座標側）にある点の関数値を用いて、差分で導関数（変化率）を近似する公式を指す。一般的に、対象点 \(x\)（あるいは時刻 \(t\)）に対して、\(x\) そのものより小さい位置の値を組み合わせて近似を構成するため、自然な呼称として「後退」や「背後（backward）」が用いられる。
1.2.1 一次後退差分
最も基本の一次後退差分は、刻み幅（格子間隔）を \(h\) とすると、点 \(x\) における導関数を \[ f'(x)\approx \frac{f(x)-f(x-h)}{h} \] のように近似する形で与えられる。これは「右側の変化」を「左側の差」によって測るため、片側（片側差分）に基づく近似となる。一次後退差分は実装が容易で、数値計算の土台として頻繁に利用される。
1.2.2 二次後退差分と拡張の考え方
精度を高めるには、より多くの過去（あるいは左側）点を使って差分を組み立てる。代表例として二次後退差分では、評価点より 1 と 2 つ前の値を用い、 \[ f'(x)\approx \frac{3f(x)-4f(x-h)+f(x-2h)}{2h} \] のような形が得られる。ここで重要なのは、係数が恣意的ではなく、滑らかな関数に対する局所的な多項式近似や級数展開により決定される点である。さらに高次へ拡張する場合も同様に、過去側の複数点を用いて係数を設計することで、誤差の次数を上げられる。
1.3 前進差分・中央差分との関係
差分には後退のほかに前進や中央がある。前進差分は評価点より「後側」の値を用いるため、構造は後退差分と鏡像の関係にある。一方中央差分は左右両側の点を利用するため、対称性が入りやすく、同じ段数でも誤差が小さくなる傾向がある。もっとも、中央差分は計算に必要なデータが左右に揃っている場合に限られ、境界近傍では使いづらいことがある。このため実務では、内部点は中央、境界近傍は片側（後退または前進）といった使い分けが行われる。
2 数学的表現
2.1 一変数関数の導関数近似
2.1.1 近似式の導出方針
後退差分の公式は、局所的に関数を多項式で近似し、その多項式の微分値を真の導関数の近似として採用することで系統的に導ける。特に、評価点の周りでテイラー級数が成立する前提のもと、導関数に一致する項と誤差に回る項が分離されるよう係数が定まる。
2.1.1.1 テイラー展開による誤差評価
評価点 \(x\) の近傍で \[ f(x-kh)=\sum_{m=0}^{\infty}\frac{(-kh)^m}{m!}f^{(m)}(x) \] のように展開し、一次後退差分の係数を未定として代入すると、導関数に対応する一次の係数だけが残り、それ以外の次数の項が誤差として現れる。たとえば一次後退差分では、導関数に対応する項のほかに \(h\) の一次に比例する残差が主要誤差となり、結果として誤差が \(O(h)\) の次数を持つことが分かる。二次後退差分では \(h\) の係数が打ち消され、主要誤差が \(O(h^2)\) として現れる。
2.2 差分演算子としての見方
差分公式は、単なる係数の表としてではなく「差分演算子」として扱うと数学的な性質が整理できる。たとえば前進側と後退側はシフト（座標の移動）を表す演算と結びつけられ、導関数のように線形な作用を示す場合が多い。これにより、合成や線形結合、安定性解析などを進めやすくなる。
2.2.1 差分演算子の性質（線形性など）
差分演算子は一般に線形であり、関数の線形結合に対して演算結果も線形に分配される。さらに、単位変換や格子間隔のスケーリングを行っても、係数の構造が適切に調整されることで近似の性格が保たれる。加えて、近似次数に応じて、差分演算子が「微分演算子にどれだけ近いか」を、ある種の級数展開で比較できる。これは理論的な誤差評価の基盤となる。
2.3 離散データでの扱い
離散データでは、関数値は格子点（あるいは時刻点）の集合として与えられる。したがって導関数近似は、インデックス付きの数列 \(f_i\) と格子幅 \(h\) を用いて書き換えられ、実装の段階では「どのインデックスを参照するか」がそのまま計算パターンになる。
2.3.1 格子幅の役割とスケーリング
格子幅 \(h\) は誤差と計算値のスケールに直接関係する。差分は通常 \(1/h\) を含むため、刻みを小さくすると理論上は近似が鋭くなる一方で、丸め誤差の蓄積も増えやすくなる。したがって、理想的な収束（切捨て誤差の減少）と、数値誤差（丸め・打ち切りの影響）の妥協点が現実の設計では重要となる。
3 精度と誤差
3.1 打ち切り誤差（局所誤差）
3.1.1 精度次数と傾向
打ち切り誤差（局所誤差）は、テイラー展開により「残った高次の項」が支配する誤差である。一次後退差分は主要誤差が \(O(h)\) となり、刻み幅を半分にすると理想的には誤差もおよそ半分程度に減る傾向がある。二次後退差分では \(O(h^2)\) となるため、同じ操作で誤差がより急に減衰しやすい。高次化するほど次数は上がるが、参照点が増えるため計算量や境界処理の負担も増える。
3.2 表記誤差の影響
3.2.1 丸め誤差と数値安定性
丸め誤差は有限精度の演算に起因し、差分の構成によって増幅されることがある。特に \(f(x)\) と \(f(x-h)\) のように近い値の差を取ると、有効数字が失われやすい（いわゆる消去）ため、理論上の誤差減少が丸め誤差によって相殺されることがある。時間積分と結びつく場合、差分の選択は安定性（誤差の増大を抑える性質）にも影響し、安定性が悪いと局所的に小さな誤差が全体へ波及する。
3.3 近似の比較指針
3.3.1 いつ一次・二次・高精度を選ぶか
一次後退差分は必要なデータ点が少なく、実装が単純であるため、計算負荷が制約になる場面で選ばれることが多い。二次後退差分は精度向上と実装負担のバランスが良く、滑らかさが確保できる問題では有効である。高精度化は誤差次数を改善するが、参照点の増加、境界でのスキーム設計、さらには数値的な感度が問題になる場合があるため、格子設計や要求精度、計算資源を踏まえて決定するのが一般的である。
4 応用分野
4.1 数値微分
4.1.1 測定データへの適用
測定データから導関数を推定する場合、データ点は必ずしも等間隔とは限らないが、等間隔に近い場合や局所的に見る場合、差分公式が簡便な手段になる。後退差分は「過去側」の点だけで計算できるため、時系列のように因果的に取得されるデータでは扱いやすい。もちろんノイズの影響は無視できず、差分は高周波成分を強調する傾向があるため、平滑化やフィルタリングと併用されることが多い。
4.2 常微分方程式の時間離散化
4.2.1 後退差分が現れる典型的な場面
常微分方程式の時間発展を離散化すると、時間微分に後退差分が代入される形が自然に現れる。たとえば \[ \frac{dy}{dt}\approx \frac{y^{n}-y^{n-1}}{\Delta t} \] のように、時刻 \(t^n\) における変化を過去の値で近似することで、数値更新則が構成できる。後退型の離散化は暗黙性を持つ場合があり、条件によっては安定性が改善されることがあるため、時間刻みの選択が厳しい問題で採用されることがある。
4.3 境界近傍での差分スキーム
4.3.1 データが片側しかない場合の工夫
境界付近では、中央差分のように左右の点が同時に利用できないことがある。その場合、片側の情報のみから成立する差分公式として後退差分（または前進差分）が役立つ。さらに、境界条件（たとえば Dirichlet や Neumann）を差分式に組み込み、未知の境界値を補助変数として扱うことで、精度低下を抑えたスキームが設計できる。要点は、必要点が境界内に収まるように近似の次数と参照範囲を調整することである。