1 打ち切り誤差の基本概念
有限の情報で厳密な対象（無限級数、無限回の項、連続的な微分方程式の厳密解など）を近似する際、残る未計算分が生む差を打ち切り誤差という。解析学では無限和を有限和へ、計算科学では無限次の近似表現を有限次数の計算式に置き換える過程で必然的に現れる。打ち切り誤差は近似の設計条件だけでなく、対象の性質（滑らかさや大域的挙動）と評価点（区間内の位置）にも強く依存する。
1.1 近似による誤差の分類
近似に伴う誤差は、打ち切りに起因するものと、演算の有限精度に起因するものに大別されることが多い。前者は理想的に計算を行っても残り項が残る点に特徴があり、後者は丸めや打捨てによって導入される。さらに、離散化やサンプリングに起因する誤差、モデル化誤差などが加わる場合がある。
1.1.1 打ち切り誤差と丸め誤差の違い
打ち切り誤差は「項数や次数を有限にした」ことにより系統的に生じる。次数を増やせば一般に減る方向へ振る舞うが、対象の収束領域外では逆転することもある。丸め誤差は計算機の数値表現の有限性に起因し、同じ近似式でも桁数・アルゴリズム・条件数により変動する。両者は独立に存在し、最終的な観測誤差は合成される。
1.1.2 近似誤差の全体像（総合誤差）
総合誤差は、打ち切り誤差・丸め誤差・離散化や観測手順による誤差を含む概念として扱われる。実務上は、理論的な残差見積りで打ち切り分を抑え、数値計算では丸めの増幅を抑える設計を行う。結果として、目標精度に対する計算コストと頑健性のバランスが問題となる。
1.2 残差としての表現
打ち切り誤差は、近似に対する「残り」を表す量として書き下されることが多い。典型的には、厳密な表現が満たすべき関係から、有限項近似が満たす関係を差し引いて得る誤差項が残差に対応する。これにより、誤差評価を理論的に行う道筋が得られる。
1.2.1 形式的残差と実数値残差
形式的残差は、変数記号のまま誤差の構造を表す量であり、例えば級数の「残りの項」や、展開の「余り項」の形で記述される。実数値残差は、具体の点や条件で評価された誤差量を指し、推定値として数値的に扱われる。実際の計算では、形式的な残差をそのまま評価できない場合が多く、推定・上界・経験則を用いる。
1.2.2 一般に用いられる「残りの項」考え方
「有限まで足したあとに残る成分」を単位として誤差を捉える考え方は汎用的である。テイラー展開では未使用の高次項の和が残りに相当し、数値微分では理想的な微分と差分近似との差が残りに相当する。重要なのは、残りの大小を支配する支え（滑らかさ、導関数の大きさ、ステップ幅、評価点の位置）がどこにあるかを識別することである。
1.3 打ち切りの対象
打ち切りの対象は多岐にわたるが、計算の観点では「無限の情報を有限の計算に落とす場面」が共通点となる。級数・展開、近似多項式や差分、数値積分・数値微分、常微分方程式の離散化などが代表例である。
1.3.1 級数・テイラー展開
級数の打ち切りでは、部分和と厳密な和の差が誤差となる。テイラー展開はその特別な場合で、点まわりの局所情報から多項式近似を作る。誤差は未取の高次項、あるいは余り項として与えられる評価式で整理される。
1.3.2 近似多項式・差分近似
微分演算や関数値を多項式や差分で近似する際、理想の演算と差分演算の差が打ち切り誤差に相当する。前進差分・後退差分・中央差分のように、離散化の選び方により主要誤差の次数や打ち切りの構造が変わる。
1.3.3 数値積分・数値微分の打ち切り
数値積分では、積分を格子点の組み合わせで近似し、暗黙に「積分公式の次数を有限にする」ことが起こる。数値微分も同様に、有限差分で微分を置き換えるため、ステップ幅に応じた残り項が誤差として出る。これらの誤差はしばしば滑らかな関数に対して高階の導関数を通じて表現される。
2 テイラー展開における打ち切り誤差
テイラー展開は、滑らかな関数をある点まわりで多項式として表す理論的枠組みである。次数を有限にすると、未使用の高次項の総和が打ち切り誤差となる。余り項の評価を通じて、どの条件で近似が保証されるか、また近似精度がどの程度改善されるかを見通すことができる。
2.1 テイラーの定理と余り
テイラーの定理は、ある次数までの多項式近似に対し、残りの誤差項を具体的な形で表す道具を与える。余りの表現には複数の流派があり、評価のしやすさや仮定の置き方が異なる。
2.1.1 ラグランジュの形（余り項）
ラグランジュの余り項は、誤差がある点と評価点の間に存在する未知の中間点での高次導関数に比例する形で書ける。これにより、高次導関数の上界がわかれば一様な誤差評価が得られる。未知点は直接計算できないが、最大値評価やノルム評価により実用上の上界へ変換される。
2.1.2 コーシーの形・積分形の余り
コーシー型や積分形では、余りが高次導関数の積分として表されるため、区間全体にわたる情報（例えば導関数の連続性や積分可能性）を用いた評価に向くことがある。特に数値解析では、余り項の積分構造を利用して推定や上界構成を行う。
2.1.3 最高次導関数による評価
余り項の評価は概ね「最高次の導関数の大きさ」と「打ち切りまでの次数」との積で特徴づけられる。次数を上げるほど高次導関数の因子は重くなるが、一般には級数の収束性や導関数の抑えにより誤差が低減する。結局は、導関数が評価点近傍でどれほど制御されるかが鍵になる。
2.2 具体例での評価
実例では、テイラー係数や高次導関数の性質がそのまま誤差の形に反映される。特定の関数では余り項が簡潔な評価に落ち、次数依存や領域依存が把握しやすい。
2.2.1 指数関数・三角関数の近似
指数関数はすべての高次導関数が同じ指数関数に比例し、絶対値評価が素直に行えるため、余り項の見積りが扱いやすい。三角関数も高次導関数が同様の形に戻るため、上界が明示的に与えられることが多い。結果として、次数を増やしたときの誤差減少の傾向を定量化しやすい。
2.2.2 有理関数の近似と収束半径の関係
有理型の関数はテイラー展開が分母の特異点に支配されやすい。テイラー級数の収束半径は、評価点を中心とした最も近い特異点までの距離と関係する。そのため、打ち切り誤差の挙動は「その距離内での近似として妥当か」をまず確認する必要がある。境界付近では誤差が見かけ上減らない、あるいは振る舞いが不安定になることがある。
2.3 収束性と誤差挙動
テイラー展開の打ち切り誤差は、次数を増やせば必ず小さくなるとは限らない。収束領域内での減衰と、境界や外側での不確実性を区別して捉えることが重要である。
2.3.1 次数を上げたときの減少傾向
収束半径の内側では、一般に高次項の寄与が減っていくため、余りも小さくなる傾向がある。誤差は多くの場合、(打ち切り次数+1)乗の距離因子と、最高次導関数の上界で支配される。したがって、同じ評価点で次数だけを上げる場合、理論的には減少速度の目安を設計に利用できる。
2.3.2 評価点が境界に近い場合の注意
評価点が収束半径の近くにあると、高次項の大きさが十分に抑えられず、打ち切り誤差の減少が鈍化する。さらに、係数の増大が起こると、丸め誤差の影響も相対的に大きくなりうる。理論上の収束だけでなく、実装したときの誤差の合成（打ち切りと丸めの両方）を確認する必要がある。
3 数値解析での打ち切り誤差の見積り
数値解析では、近似式の次数や離散化の選び方を通じて、打ち切り誤差を見積もる。ここで重要なのは「残差の構造」と「支配パラメータ」（ステップ幅、分割数、差分間隔など）を明確にする点である。
3.1 数値積分（台形・シンプソン等）
数値積分は、連続の積分を有限個の関数値から構成する。代表的な台形則やシンプソン則は、それぞれ特定の多項式次数を正確に積分できる性質を持ち、その正確性の範囲外が打ち切り誤差となる。
3.1.1 積分公式の残差評価の考え方
積分公式の残差評価は、理想的な積分と近似（格子点の重み付き和）の差を高次の導関数（あるいはそれに類する量）で表すことで行う。多くの公式は、ある次数以下の多項式を厳密に積分する性質を持つため、それ以上の成分が誤差を生む。誤差は分割幅のべきに比例する形で現れることが多い。
3.1.2 階数（精度次数）と誤差項
精度次数は、その公式がどの次数の多項式まで誤差ゼロ（厳密）かを示す指標である。次数を満たさない高次成分は、導関数の大きさと分割幅のべきの積として誤差に寄与する。したがって、分割数を増やす設計では、誤差項の支配するべき指数を根拠に見積りができる。
3.2 数値微分（差分近似）
数値微分では、微分を差分で近似するため、ステップ幅に応じた打ち切り誤差が支配的になる。差分公式ごとに主要な誤差項の次数が異なり、誤差の符号や大きさの見通しも変わる。
3.2.1 前進・後退・中央差分の誤差
前進差分や後退差分では、誤差が一次あるいはそれに準ずる次数で現れやすい一方、中央差分は対称性のために偶数次の誤差成分が打ち消され、より高次の誤差へ押し下げられることがある。これにより同じステップ幅でも精度が改善される場合があるが、境界点での扱いやデータ欠損に注意が必要となる。
3.2.2 ステップ幅と誤差のトレードオフ
ステップ幅を小さくすると打ち切り誤差は減る傾向があるが、丸め誤差が増幅されやすくなる。差分では割り算（間隔で割る）が入るため、数値誤差の相対的影響が強まることがある。したがって、最適な間隔は「打ち切り低減」と「丸め増幅」のバランスで決まる。理論推定と実測を組み合わせた探索が有効である。
3.3 差分法・常微分方程式の離散化
常微分方程式の解法では、時間（あるいは空間）方向を刻み、微分方程式を差分方程式に変換する。ここでの打ち切り誤差は、離散化により生じる局所的なずれとして現れ、時間発展を通じて全体誤差へ累積する。
3.3.1 オイラー法や高次法の残差
オイラー法は低次の整合性に基づき、局所的な残差が比較的大きくなりやすい。高次のランゲ＝クッタ法などでは、より高い次数まで整合させることで局所残差を抑える。残差の性質は、局所誤差の次数だけでなく、実装された計算の順序や係数にも依存する。
3.3.2 局所誤差と全体誤差
局所誤差は一歩（一区間）での近似ずれを指し、全体誤差は複数ステップを経た結果として観測されるずれである。局所誤差が高次に小さくても、累積や誤差増幅のメカニズムにより全体誤差が単純に比例しない場合がある。安定性やLipschitz的性質の評価により、累積の勢いを見積もる必要がある。
4 実務的な誤差管理と計算設計
打ち切り誤差を扱う実務では、誤差評価式だけでなく、計算資源、データの取り扱い、数値安定性を含めた設計が必要である。次数や刻み幅を変えることで精度とコストがどう動くかを見積もり、目標に合う設定を決定する。
4.1 次数・刻み幅の選び方
目標精度を満たすために、近似の次数（あるいは離散化の粒度）を決める。基本方針は「誤差が次数や刻みによってどの程度下がるか」を見積り、逆算して候補を作ることである。
4.1.1 目標精度からの逆算
誤差が分割幅やステップ幅のべきで減ると仮定できる場合、目標値に合わせて必要な刻み幅を計算できる。テイラー余りや積分公式の残差、差分の打ち切り次数によりべき指数が得られ、それをもとに必要分割数や次数を決定する。未知の定数項は保守的に見積もるか、後述の経験的手法で補う。
4.1.2 実験的誤差推定（段階的増分）
理論上の定数が不明な場合は、刻み幅や分割数を段階的に変えた結果の差から誤差を推定する。例えば、同じ手順で刻みを半分にしたときの変化率を観察し、期待される収束次数と整合するかを確認する。推定結果に基づき、計算コストと精度の再調整を行う。
4.2 上界が得られない場合の推定
対象の導関数の上界を厳密に確保できない状況では、厳密上界ではなく実務的な見積りが中心となる。重要なのは、推定の信頼度をどの程度許容するかを明確にし、計算設計へ反映することである。
4.2.1 平均的挙動にもとづく見積り
導関数が局所的に大きい部分を除けば、平均的なスケールで誤差を近似することがある。例えば、差分や数値積分では、誤差に関与する高次導関数の典型的な大きさをサンプルから推定し、誤差係数を近似する。結果は保証ではなく推定に留まるが、効率よく設計を進められる。
4.2.2 保守的評価とその限界
保守的評価は、導関数の最大値や安全係数を用いて過大に見積もることで精度不足を避ける方法である。安全性の観点では有利だが、定数が過大だと計算量が不必要に増える。さらに、極端な値が数少ない領域でだけ現れる場合、実際には誤差が許容範囲に収まるのに過剰計算となる。
4.3 計算コストとの最適化
誤差を減らすほど一般に計算量は増える。打ち切り誤差の低減に必要なコストと、丸め誤差や安定性の観点で必要となるコストを同時に考えた最適化が実務上の要点になる。
4.3.1 精度向上に伴う計算量増加
次数を上げたり、刻み幅を小さくしたりすると、反復回数や評価回数が増え、計算時間やメモリ消費が増大する。特に高次の多項式や複雑な差分公式では、係数計算や演算の増加が効く。したがって、目標精度を超えて過剰に高い次数を選ぶことは、必ずしも合理的ではない。
4.3.2 丸め誤差を含めた最適点の探り方
丸め誤差は、精度を上げようとして計算を細かくしすぎると支配的になることがある。打ち切り低減の方向と、丸め増幅の方向が競合するため、ある範囲で誤差が最小化される可能性がある。実務では、倍精度や計算精度の切替、評価式の整理（桁落ち回避）なども含めて、誤差の実測最小点を探索する。
4.4 典型的な落とし穴
打ち切り誤差は単に「次数を増やせば良い」という単純な話ではなく、対象の性質や実装上の細部で挙動が変わる。代表的な失敗パターンを把握し、設計時のチェックリストとして活用することが望ましい。
4.4.1 滑らかさ不足（高階導関数の不在）
テイラー余りや多くの残差評価は、高次導関数の存在や連続性を前提とする。関数が十分に滑らかでない場合、理論上の誤差次数が期待通りに下がらない。さらに、高階導関数が発散しうる状況では、形式的に導かれる誤差見積りが実際に当てはまらないため注意が必要である。
4.4.2 収束半径外での打ち切り挙動
テイラー展開や関連する級数近似では、評価点が収束半径を超えると、部分和は収束しない。打ち切り誤差は「残り項が小さい」という前提が崩れ、次数を増やしても改善せず、場合によっては増大や振動を示す。収束領域の確認は理論と計算の両方の前提として重要である。