1 基本概念
1.1 定义
截断误差是指在用有限步、有限项或有限精度的方法近似原本需要无限过程或连续过程时，由“截断”所引入的误差。它反映了计算方法并未完整保留原始数学对象，而是将其替换为可计算的近似形式。
在数值分析中，这类误差十分常见。例如，泰勒级数只取前若干项、积分用有限个采样点近似、微分方程用离散步长推进时，都会产生截断误差。其核心特征是误差来源于方法本身的近似结构，而不是计算机运算时的四舍五入。
1.2 产生原因
截断误差的产生，通常是因为连续对象难以直接计算，必须改写为离散或有限形式。典型原因包括：
因此，截断误差本质上是“用近似模型代替原模型”时不可避免的偏差。
1.3 与近似计算的关系
近似计算的目标通常不是得到精确值，而是以可接受的代价获得足够准确的结果。截断误差正是衡量这种近似程度的重要指标之一。
在实际算法设计中，是否保留更多项、是否采用更小步长、是否提高离散格式阶数，都会直接影响截断误差的大小。也就是说，近似计算与截断误差之间并非附属关系，而是彼此紧密相连：前者决定计算方式，后者刻画该方式与原问题之间的差距。
1.4 与其他误差类型的区别
截断误差常与其他误差并存，但它强调的重点不同。它关注的是“公式被截断后带来的理论偏差”，而不是数值表示、模型抽象或数据采集环节中的偏差。
1.4.1 舍入误差
舍入误差来自有限精度表示和浮点运算。即便公式完全正确，只要计算机无法精确表示某些数，也会出现舍入偏差。与之相比，截断误差来自方法近似本身，通常在数值精度无限高的理想环境下仍然存在。
1.4.2 模型误差
模型误差源于数学建模时对真实系统的简化。例如忽略摩擦、假设线性关系或采用理想边界条件，都会引入模型误差。这类误差属于“现实到数学模型”的差异，而截断误差属于“数学模型到数值算法”的差异。
1.4.3 观测误差
观测误差是由测量仪器、采样过程或实验环境造成的偏差，常见于实验数据分析。它与截断误差的区别在于，前者来自数据获取过程，后者来自计算过程。二者都可能影响最终结果，但产生阶段不同。
2 数学表达
2.1 一般形式
设精确值为 \(x\)，近似值为 \(x_h\)，则截断误差通常可写为 \[ E = x - x_h. \] 当近似过程依赖某个参数，如步长 \(h\) 或离散尺度 \(n\) 时，误差也常写成 \[ E(h)=x-x_h \quad \text{或} \quad E(n)=x-x_n. \] 若该误差随 \(h \to 0\) 而趋于 0，则说明该近似方案在极限意义下可逼近原问题。
2.2 误差项表示法
截断误差在表达时，往往不直接写出完整误差，而是保留一项主导误差或给出数量级描述，以便分析其变化规律。
2.2.1 余项形式
在泰勒展开或积分近似中，截断误差常写成余项。比如泰勒公式可写为“前若干项 + 余项”，其中余项就是未保留部分对结果的贡献。余项形式的优点是较为精确，便于构造误差上界。
2.2.2 大O记号表示
当只关心误差的数量级时，常用大O记号表示。例如 \[ E(h)=O(h^p) \] 表示当 \(h\) 足够小时，误差与 \(h^p\) 同阶或更小。这种写法在分析算法阶数时非常常见，简洁而有概括性。
2.3 绝对截断误差与相对截断误差
绝对截断误差是精确值与近似值之差的绝对值，即 \[
| x-x_h | . |
|---|
\] 它直接反映偏差大小，适合衡量实际误差。
相对截断误差则定义为 \[
| \frac{ | x-x_h | }{ | x | } |
|---|
\] （在 \(x\neq 0\) 时）。它强调误差相对于真值的比例，更适合比较不同量级问题中的精度水平。若真值接近零，相对误差的解释需要格外谨慎。
3 常见来源
3.1 泰勒展开截断
泰勒展开是截断误差最典型的来源之一。将函数在某点展开为无穷级数时，若仅保留前几项，就会忽略后续高阶项，从而产生截断误差。
3.1.1 拉格朗日余项
拉格朗日余项给出了泰勒公式截断后的误差表示。它通常写成某个高阶导数在中间点处的值乘以幂函数因子，因此可以直接用于估计误差上界。该形式的优点是结构清晰，常用于证明近似公式的精度。
3.1.2 佩亚诺余项
佩亚诺余项更强调极限意义下的高阶小量关系，常写作 \(o(h^n)\) 一类形式。它适合描述当自变量趋于某个极限时，误差比某个主项更快消失的情形，常用于局部渐近分析。
3.2 数值积分中的截断
将积分用有限个函数值来近似，本质上就是把连续积分过程离散化，因此会引入截断误差。不同求积公式对应的误差阶数不同。
3.2.1 矩形公式
矩形公式用若干矩形面积近似曲线下方面积，思想直观，但精度通常较低。其误差与函数的光滑程度以及步长大小密切相关。对于变化较快的函数，误差可能较为明显。
3.2.2 梯形公式
梯形公式用相邻采样点连线构成梯形来近似积分，通常比矩形公式更准确。若函数足够光滑，其截断误差可以通过二阶导数进行估计，因此常被视作一种较基础而实用的求积方法。
3.2.3 辛普森公式
辛普森公式用二次插值曲线近似被积函数，精度通常更高。由于采用更高阶的插值结构，它的截断误差往往比梯形公式更小，因此在要求较高精度时应用广泛。
3.3 数值微分中的截断
数值微分通常用差分商近似导数，例如前向差分、后向差分和中心差分。由于导数本质上是极限，而差分只能取有限步长，因此不可避免地产生截断误差。
步长过大时，近似过粗，截断误差较明显；步长过小时，虽然截断误差可能减小，但舍入误差又可能上升，因此需要综合权衡。
3.4 常微分方程离散化
常微分方程的数值解法通常通过离散时间步来逐步推进。每一步都只是对真实解的局部近似，因此会引入局部截断误差。
3.4.1 欧拉法
欧拉法是最基础的显式时间推进方法。它利用切线方向近似下一步值，计算简单，但精度有限。其局部截断误差通常为较低阶，因此在步长较大时误差积累较快。
3.4.2 龙格-库塔法
龙格-库塔法通过在一步内多次取样来改进近似，典型形式如四阶龙格-库塔法。与欧拉法相比，它能显著降低截断误差，因此在工程计算和科学模拟中应用非常广泛。
3.5 偏微分方程差分格式
偏微分方程常通过空间离散与时间离散构造差分格式。由于空间和时间都被网格化，离散格式对原方程的逼近就会产生截断误差。其大小与网格尺度、格式阶数以及问题光滑性有关。
在偏微分方程中，截断误差还可能影响稳定性与收敛性，因此格式设计往往需要兼顾精度、稳定与计算成本。
4 误差分析方法
4.1 局部截断误差
4.1.1 定义与计算
局部截断误差是指在单个步骤中，假设前一步结果完全精确时，该步离散格式与真实解之间的偏差。它主要用于衡量单步近似的理论精度。
计算局部截断误差时，常将精确解代入数值格式，再比较左右两侧差值。若差值随步长按某个幂次衰减，则可判断格式的局部误差阶。
4.1.2 阶数分析
局部截断误差的阶数描述了误差随步长缩小的速度。若误差为 \(O(h^{p+1})\)，通常意味着该格式在单步意义上具有 \(p+1\) 阶局部精度。阶数越高，单步近似越细致。
4.2 全局截断误差
4.2.1 累积效应
全局截断误差是多步计算后得到的总误差。由于每一步都会产生局部偏差，这些偏差在迭代过程中可能不断累积，从而形成最终的全局误差。
4.2.2 与局部误差的关系
全局误差并不简单等于局部误差的逐项相加，还会受到方法稳定性、问题本身性质以及误差传播机制的影响。一般而言，在稳定条件满足时，全局误差阶数通常比局部误差低一阶，但具体关系需结合算法分析。
4.3 渐近分析
渐近分析关注当步长趋于零、网格趋于密集时误差的主导行为。通过保留主导项并忽略高阶小量，可以判断算法的收敛速度和精度极限。这种方法在理论推导中非常常见。
4.4 误差上界估计
误差上界估计用于给出误差不超过某一量的保证。通常结合函数导数的有界性、积分区间长度或步长大小来构造估计式。上界估计在工程应用中特别重要，因为它能为参数选择提供依据。
5 收敛性与阶
5.1 收敛阶的定义
收敛阶描述当离散参数趋于极限时，近似解逼近精确解的速度。若误差满足 \[ E(h)=O(h^p), \] 则称该方法具有 \(p\) 阶收敛性。收敛阶越高，说明在相同步长下所能达到的精度通常越好。
5.2 高阶与低阶截断误差
高阶截断误差意味着误差项中含有更高次幂的步长，因此在步长足够小时衰减更快。低阶截断误差则衰减较慢，适合简单、粗略的计算，但在高精度场景中往往不够理想。
不过，高阶方法并不总是绝对优越，因为其计算量更大、实现更复杂，对稳定性也可能提出更高要求。
5.3 误差阶与步长的关系
一般来说，步长越小，截断误差越小，但这种关系并非线性，而是由误差阶决定。例如二阶方法中，步长减半后误差大约缩小到原来的四分之一。正因为这种幂次关系，步长控制在数值计算中极为关键。
5.4 提升精度的方法
5.4.1 加密网格
加密网格意味着减小步长或增加采样点，从而让离散结构更接近连续原型。该方法简单直接，但也会增加计算量与存储开销。
5.4.2 提高展开阶数
在泰勒展开、插值或求积公式中增加保留项，通常可以提高逼近精度。此法本质上是让近似模型更充分地保留原函数的信息。
5.4.3 外推技术
外推技术通过组合不同步长下的结果，消去主导误差项，从而提高有效精度。常见思路包括理查森外推等。此类方法在不显著增加基础算法复杂度的前提下，常能获得较好的精度提升。
6 典型应用
6.1 科学计算
在科学计算中，截断误差是评估算法可靠性的基本指标。无论是线性代数、积分求解还是方程迭代，研究误差阶都能帮助判断方法是否适合特定精度要求。
6.2 工程仿真
工程仿真常涉及流体、结构、热传导等复杂问题，通常依赖离散网格和数值迭代。截断误差直接影响仿真结果的可信度，因此常与网格收敛测试配合使用。
6.3 物理建模
在物理模型的数值实现中，微分方程的离散化几乎不可避免。截断误差会影响波动传播、能量守恒以及长期演化行为，因此在模型验证阶段通常需要专门分析。
6.4 金融数值分析
金融数值分析中的许多模型，如期权定价和风险评估，常依赖偏微分方程或随机过程离散化。截断误差会影响定价结果和敏感性指标，因此高精度离散方案具有实际价值。
6.5 计算机图形与信号处理
在图形渲染、曲线拟合、滤波和采样重建中，连续信号往往被离散数据替代。截断误差会表现为细节丢失、边缘偏差或频谱近似误差，因此在采样率与重建精度之间需要进行平衡。
7 实际计算中的影响
7.1 误差传播
截断误差一旦进入迭代过程，可能在后续步骤中继续传播。若算法对初始偏差敏感，这些误差会被放大，导致最终结果偏离较大。因此，误差传播分析是数值方法设计的重要环节。
7.2 稳定性问题
稳定性决定了算法是否会抑制还是放大误差。即便局部截断误差较小，如果格式不稳定，误差仍可能迅速累积。故在实际计算中，精度与稳定性必须同时考虑。
7.3 精度与效率的权衡
更高阶的方法往往能降低截断误差，但通常需要更多计算资源。相反，低阶方法虽然实现简便，却可能需要更细的网格才能达到同等精度。实际应用中，需要根据任务规模、容差要求和计算成本做出折中。
7.4 复杂系统中的误差控制
对于多尺度、非线性或耦合系统，截断误差的控制更加困难。常见做法包括自适应步长、局部加密、误差监测和多重校验等，以确保计算结果在可接受范围内。
8 相关定理与结论
8.1 泰勒定理
泰勒定理说明，满足一定光滑条件的函数可以表示为泰勒多项式加余项。它为截断误差的理论分析提供了基础，是推导局部误差表达式的重要工具。
8.2 余项估计定理
余项估计定理用于对截断后未保留部分进行定量界定。通过对高阶导数或积分余项进行估计，可以得到误差上界，从而判断近似公式是否满足精度要求。
8.3 收敛与一致收敛相关结论
在数值分析中，收敛性不仅与单点逼近有关，也与函数列或格式族的一致性有关。一致收敛相关结论有助于说明离散近似是否在整个区间内都保持良好表现，而不仅仅是在个别点上成立。
8.4 数值格式一致性定理
数值格式一致性定理说明，若离散格式的截断误差随步长趋于零，则该格式与原微分方程在局部意义上一致。它是研究数值方法收敛性的基础条件之一，常与稳定性结论结合使用。