警惕数值计算过程的误差传播，以一个实例说明

  最近在工程实践中，遇到一个数值计算精度丢失与误差传播的问题，折腾了许久。在此，记录下该问题，时刻警惕数值计算过程的精度丢失与误差传播的问题。关于数值计算的四种误差参见博文: 模型误差、观测误差、截断误差(或称方法误差)、舍入误差。

一、问题描述

  现有函数表达式$f(x_0,x_1,x_2)=x_0^2+x_1^2-x_2^2$，其中自变量$x_0,x_1,x_2$是根据其他表达式(包含三角函数、平方根函数等)计算而来。发现问题：在不同的平台下$x_0,x_1,x_2$的值略有不同，误差很小，但是计算所得$f$的值却大为不同！
  在平台1上(所计算值存在误差)，$x_0=-226300.537317,x_1=-728435.474466,x_2=-762777.937573,f(x_0,x_1,x_2)=-8397.6499023437500$。
  在平台2上(可以认为所计算值为精确的)，$x_0=-226300.5077347187,x_1=-728435.4269486722,x_2=-762777.8319934641,f(x_0,x_1,x_2)=70054.236328125000$。
  自变量较小的绝对误差与很小的相对误差，经过简单的函数映射后，因变量计算结果竟然差距这么大。失之毫厘，谬以千里。

二、代码实例

#include <stdio.h>
void main(void)
{
	double x_[3] = { -226300.537317,     -728435.474466,     -762777.937573 };     //平台1带误差计算值
	double x[3] = { -226300.5077347187, -728435.4269486722, -762777.8319934641 };  //平台2计算值(认为是精确的)
	double absoluteErrorX[3], relativeErrorX[3], f_, f, absoluteErrorF, relativeErrorF;

	for (int i = 0; i < 3; i++)
	{
		absoluteErrorX[i] = x_[i] - x[i];
		relativeErrorX[i] = absoluteErrorX[i] / x[i];
	}

	f_ = x_[0] * x_[0] + x_[1] * x_[1] - x_[2] * x_[2];
	f = x[0] * x[0] + x[1] * x[1] - x[2] * x[2];
	absoluteErrorF = f_ - f;
	relativeErrorF = absoluteErrorF / f;

	printf("三个自变量绝对误差:%.7f %.7f %.7f\n", absoluteErrorX[0], absoluteErrorX[1], absoluteErrorX[2]);
	printf("三个自变量相对误差:%.7f%% %.7f%% %.7f%%\n", relativeErrorX[0] * 100, relativeErrorX[1] * 100, relativeErrorX[2] * 100);
	printf("因变量绝对误差:%.7f\n", absoluteErrorF);
	printf("因变量相对误差:%.7f%%\n", relativeErrorF * 100);
}