高等数学 / 系统课时

截断误差

截断误差

把无穷级数用于实际计算时,必须在有限项处停止。本课将说明截断误差从何而来、怎样用余项估计误差上界,以及如何根据精度要求选择展开阶数,从而避免“近似公式正确但结果不够准”。

学习目标

  • 区分真实值、截断多项式与截断误差
  • 使用拉格朗日余项估计误差上界
  • 根据给定精度选择合适的展开阶数

截断误差的本质

设函数在 x=ax=a 附近展开,并保留到 nn 次项:

Pn(x)=∑k=0nf(k)(a)k!(x−a)k.P_n(x)=\sum_{k=0}^{n}\frac{f^{(k)}(a)}{k!}(x-a)^k.

真实函数值与截断多项式之差称为截断误差。

Rn(x)=f(x)−Pn(x).R_n(x)=f(x)-P_n(x).

误差同时受三个因素影响:展开阶数 nn、计算点与展开中心的距离 ∣x−a∣|x-a|,以及函数高阶导数的大小。阶数越高通常越准确,但距离展开中心过远时,低阶近似仍可能迅速失效。

泰勒多项式与截断误差示意

拉格朗日余项

若函数在展开区间内具有 n+1n+1 阶连续导数,则存在位于 aa 与 xx 之间的某个 ξ\xi,使得

Rn(x)=f(n+1)(ξ)(n+1)!(x−a)n+1.R_n(x)=\frac{f^{(n+1)}(\xi)}{(n+1)!}(x-a)^{n+1}.

由于 ξ\xi 的具体位置通常未知,实际使用时会寻找区间内的导数上界 MM:

∣f(n+1)(t)∣≤M.|f^{(n+1)}(t)|\leq M.

于是得到可计算的误差上界:

∣Rn(x)∣≤M(n+1)!∣x−a∣n+1.|R_n(x)|\leq \frac{M}{(n+1)!}|x-a|^{n+1}.

这个不等式给出的不一定是实际误差,而是“最坏情况下不会超过多少”。它适合验证近似是否满足精度要求。

用指数函数选择阶数

考虑用麦克劳林多项式近似 e0.2e^{0.2}。因为 f(m)(x)=exf^{(m)}(x)=e^x,在区间 [0,0.2][0,0.2] 上有 ex≤e0.2<1.23e^x\leq e^{0.2}<1.23,所以可取 M=1.23M=1.23。若保留到二次项,即 n=2n=2,误差满足

∣R2(0.2)∣≤1.233!(0.2)3=0.00164.|R_2(0.2)|\leq \frac{1.23}{3!}(0.2)^3=0.00164.

近似值为

P2(0.2)=1+0.2+0.222=1.22.P_2(0.2)=1+0.2+\frac{0.2^2}{2}=1.22.

因此可以写成 e0.2≈1.22e^{0.2}\approx 1.22,并确认绝对误差不超过 0.001640.00164。若目标精度要求小于 10−410^{-4},二次项不够,可检查三阶,此时上界为 1.23(0.2)4/4!=0.0000821.23(0.2)^4/4!=0.000082,小于 10−410^{-4},所以三阶已满足这一保证。

根据精度反推展开阶数

选择阶数时,不必先计算所有多项式项。可以直接从误差不等式出发,寻找使所选上界满足误差预算的最小阶数。对每个 nn 检查

M(n+1)!∣x−a∣n+1≤ε,\frac{M}{(n+1)!}|x-a|^{n+1}\leq \varepsilon,

其中 ε\varepsilon 是允许的绝对误差。

先确定展开中心与计算区间。每检查一个阶数 nn,就用相应的 n+1n+1 阶导数上界。上界大于预算只说明当前估计无法保证精度,实际误差可能更小。浮点计算还要另外考虑舍入误差。若计算点离展开中心较远,除了提高阶数,还可以更换更接近计算点的展开中心,这通常比盲目增加很多项更高效。

常见判断误区

把“下一项很小”直接当作误差上界,只对满足特定条件的交错级数可靠,不能替代一般的余项估计。另一个常见错误是只看阶数,不看 ∣x−a∣|x-a|;相同的三阶多项式,在 xx 接近 aa 时可能很准,在远处却可能明显偏离。

相对误差还会受到真实值大小影响。当函数值接近零时,即使绝对误差很小,相对误差也可能很大,因此应根据任务选择绝对误差或相对误差指标。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

截断误差

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通