灾难性抵消

在数值分析中，灾难性抵消（英語：catastrophic cancellation）^[1][2]是指两个大小相近的数值的近似值相减，得到的差值可能和原始数值相减得到的真实的差值有很大差异，因而近似值的差值不能用作真实值差值的近似值。

例如，如果有两个螺柱，一个长${\displaystyle L_{1}=254.5\,{\text{cm}}}$，另一个长${\displaystyle L_{2}=253.5\,{\text{cm}}}$，用厘米刻度的尺子测量其长度，得到的近似值为${\displaystyle {\tilde {L}}_{1}=255\,{\text{cm}}}$和${\displaystyle {\tilde {L}}_{2}=253\,{\text{cm}}}$。在相对误差方面，它们是真实长度的良好的近似值：近似值的误差小于真实长度的2%，即${\displaystyle |L_{1}-{\tilde {L}}_{1}|/|L_{1}|<2\%}$ 。

但是，如果用这些近似长度相减，则差值为${\displaystyle {\tilde {L}}_{1}-{\tilde {L}}_{2}=255\,{\text{cm}}-253\,{\text{cm}}=2\,{\text{cm}}}$，而长度之间的真实差值是${\displaystyle L_{1}-L_{2}=254.5\,{\text{cm}}-253.5\,{\text{cm}}=1\,{\text{cm}}}$。用近似值算出的差${\displaystyle 2\,{\text{cm}}}$，和用真实值算出的差${\displaystyle 1\,{\text{cm}}}$相比，偏离了100%。

即使差值计算本身是精确的，灾难性抵消仍然有可能发生，如上例所示——它不是哪种类型的运算（如浮点运算）的属性；当输入值本身是近似值时，进行减法运算就必有灾难性抵消。实际上，根据Sterbenz引理（英语：Sterbenz lemma），浮点运算中，当输入值足够接近时，浮点差可以精确计算——浮点减法运算本身并未引入捨入誤差。

形式分析

形式上，发生灾难性抵消是因为减法运算对邻近数值的输入是病态的：即使近似值${\displaystyle {\tilde {x}}=x(1+\delta _{x})}$ 和${\displaystyle {\tilde {y}}=y(1+\delta _{y})}$ 与真实值${\displaystyle x}$ 和${\displaystyle y}$  相比，相对误差${\displaystyle |\delta _{x}|=|x-{\tilde {x}}|/|x|}$ 和${\displaystyle |\delta _{y}|=|y-{\tilde {y}}|/|y|}$ 不大，近似值差${\displaystyle {\tilde {x}}-{\tilde {y}}}$ 的与真实值差相对误差也会与真实值差${\displaystyle x-y}$ 成反比：

${\displaystyle {\begin{aligned}{\tilde {x}}-{\tilde {y}}&=x(1+\delta _{x})-y(1+\delta _{y})=x-y+x\delta _{x}-y\delta _{y}\\&=x-y+(x-y){\frac {x\delta _{x}-y\delta _{y}}{x-y}}\\&=(x-y){\biggr (}1+{\frac {x\delta _{x}-y\delta _{y}}{x-y}}{\biggr )}\end{aligned}}}$ 

因此，两个近似值的精确差值${\displaystyle {\tilde {x}}-{\tilde {y}}}$ 与真实数字差值${\displaystyle x-y}$ 的相对误差为：

${\displaystyle \left|{\frac {x\delta _{x}-y\delta _{y}}{x-y}}\right|}$ 

如果真实输入${\displaystyle x}$ 和${\displaystyle y}$ 很接近，结果可能会非常大。

参考文献

1. Muller, Jean-Michel; Brunie, Nicolas; de Dinechin, Florent; Jeannerod, Claude-Pierre; Joldes, Mioara; Lefèvre, Vincent; Melquiond, Guillaume; Revol, Nathalie; Torres, Serge. Handbook of Floating-Point Arithmetic 2nd. Gewerbestrasse 11, 6330 Cham, Switzerland: Birkhäuser. 2018: 102. ISBN 978-3-319-76525-9. doi:10.1007/978-3-319-76526-6. 
2. Goldberg, David. . ACM Computing Surveys (New York, NY, United States: Association for Computing Machinery). March 1991, 23 (1): 5–48 [2020-09-17]. ISSN 0360-0300. S2CID 222008826. doi:10.1145/103162.103163. （原始内容存档于2019-03-09）.