3. 数值精度基础

在动力系统仿真中，“算出来了”与“算对了”是两件不同的事。数值精度研究的就是计算结果与真实解之间的偏离程度，以及这种偏离如何随计算过程被放大或抑制。要判断一条仿真曲线是否可信，必须同时理解四类基本概念：舍入误差、截断误差、条件数与稳定性，以及它们共同决定的误差传播规律。

一、两类最基本的误差来源

舍入误差来自计算机只能用有限位二进制表示实数。例如双精度浮点数约有 15～16 位有效十进制数字，任何一次加法、乘法都可能引入约 10⁻¹⁶ 量级的相对误差。单次舍入误差极小，但在迭代成千上万步后可能累积。更隐蔽的是“大数吃小数”：当两个量级相差悬殊的数相加时，小量会被直接舍去。

截断误差则来自数值方法对数学模型的近似。以显式欧拉法求解 ẋ = f(x) 为例，其局部截断误差为 O(h²)，全局误差为 O(h)，其中 h 为步长。步长减半，全局误差约减半；而四阶龙格–库塔法的全局误差为 O(h⁴)，步长减半误差约降为 1/16。截断误差是方法本身固有的，与浮点精度无关。

二、条件数与稳定性：问题本身与算法各自的责任

条件数刻画问题本身对输入扰动的敏感程度，是问题固有的属性，与所用算法无关。对动力系统而言，若初值的小扰动随时间被指数放大，则问题本身是病态的。以 ẋ = λx 为例，其解为 x(t) = x₀e^{λt}。当 λ > 0 时，初值相对误差 δ 会被放大为 δ·e^{λt}；当 λ < 0 时扰动反而衰减。因此对不稳定系统，长期预测在原理上就不可靠，这不是换一个更精确的算法能解决的。

稳定性则是算法自身的属性，指数值解是否会在迭代中产生非物理的振荡或发散。仍以显式欧拉法求解 ẋ = λx 为例，迭代格式为 x_{n+1} = (1 + λh)x_n，稳定条件要求 |1 + λh| ≤ 1。当 λ = −100、h = 0.05 时，1 + λh = −4，模长大于 1，数值解会以交替符号迅速发散，尽管真实解是快速衰减的。此时必须把步长压到 h < 0.02 以内，或改用隐式方法（如隐式欧拉，无条件稳定）。

三、误差传播的基本规律

把上述因素串起来，可以得到误差传播的直观规律。设第 n 步的误差为 e_n，对 ẋ = λx 用显式欧拉法，误差近似满足 e_{n+1} ≈ (1 + λh)e_n + τ_n + ε_n，其中 τ_n 为局部截断误差，ε_n 为舍入误差。这个递推式说明：

• 当 |1 + λh| > 1 时，历史误差被逐级放大，即使每步新增误差很小，总误差也会指数增长；
• 当 |1 + λh| < 1 时，历史误差被压缩，总误差趋于由每步新增误差决定的稳态水平；
• 对刚性系统（λ 为大的负数），显式方法的稳定步长被压得极小，此时应优先考虑隐式方法而非一味减小 h。

四、精度与效率的权衡：一个可操作的实例

考虑简单动力系统 ẋ = −50x，x(0) = 1，真解为 x(t) = e^{−50t}。要求在 t = 0.5 时得到 x ≈ e^{−25} ≈ 1.39×10⁻¹¹。用显式欧拉法，稳定条件要求 h < 2/50 = 0.04。若取 h = 0.01，需 50 步，数值解应接近真解；若取 h = 0.05，则 1 + λh = −1.5，数值解会以交替符号发散，结果完全失真。这说明稳定性是精度的前提：不稳定的格式再小心的舍入控制也无济于事。

若改用四阶龙格–库塔法，稳定域更大，可取 h = 0.02 甚至更大，在保证精度的同时减少步数。实际工程中常用的判断流程是：先用两种步长（如 h 与 h/2）各算一遍，比较结果差异；若差异随步长减小按预期阶数收敛，说明截断误差占主导且结果可信；若差异不收敛或出现振荡，则需检查稳定性或改用隐式方法。对守恒系统，还应监测能量等守恒量的长期漂移，作为独立于步长收敛性之外的第二重判据。

综上，判断数值结果可信度应形成三层检查：一看问题条件数，明确长期预测的原理性上限；二看算法稳定性，确认步长落在稳定域内；三看步长收敛性，用 h 与 h/2 的对比验证截断误差是否按阶收敛。三者结合，才能在精度与效率之间做出有依据的取舍。