Python中指数函数泰勒近似计算结果异常原因排查

这是个非常经典的数值计算问题，核心原因在于交替级数的舍入误差累积和大数相消的数值缺陷，咱们具体分析：

1. 泰勒级数taylor1的问题：交替项的大数相消 #

taylor1直接展开e^(-x)的泰勒级数：

sum += (-x)**i / math.factorial(i)

当x较大时（比如x≥5），级数的前几项绝对值会先快速增大，再逐渐减小（因为阶乘的增长速度最终会超过x^i）。例如x=5时：

• i=5时，项为(-5)^5/5! = -3125/120 ≈ -26.04
• i=10时，项为(-5)^10/10! = 9765625/3628800 ≈ 2.69

这些大的正负项相加时，会出现大数相消：两个绝对值很大的数（一正一负）相加得到一个很小的结果，但浮点数的精度是有限的，在相加过程中，小量级的项会被大量级的项“覆盖”，舍入误差不断累积，最终导致结果完全偏离真实值（甚至出现负数，而e^(-x)永远是正数）。

2. 泰勒级数taylor2的优势：正项求和的稳定性 #

taylor2先计算e^{x的泰勒级数（所有项都是正数），再取倒数得到e}(-x)：

sum += x**i / math.factorial(i)
return 1/sum

e^{x的泰勒级数全为正项，相加过程中不会出现大数相消的问题，每一项的贡献都能被准确累加，得到的e}x近似值精度更高。再通过取倒数得到e^(-x)，这个过程的误差传递远小于taylor1的累积误差，因此结果更接近真实值。

3. 为什么x≤4时结果差异不大？ #

当x较小时，taylor1的各项绝对值都不会特别大，大数相消的问题不明显，舍入误差累积也有限，因此两个函数的计算结果大致一致。但随着x增大，taylor1的数值缺陷会被迅速放大，结果偏差越来越严重。

结合你给出的测试结果就能直观看到：taylor1在x=5时已经得到负数（完全错误），而taylor2的结果接近e^(-5)的真实值（≈0.0067379）；x越大，这种差异越显著。

内容的提问来源于stack exchange，提问作者Ach113