Numerical solution of equations

方程的数值解法 (Paper 2, 专题 2.6)

各位数学家好！欢迎来到纯数学 2 (Pure Mathematics 2) 中最实用的章节之一：方程的数值解法。

在现实世界中，许多复杂的方程（特别是那些包含混合函数的方程，如 \(e^x = \sin x\) 或 \(x^3 + \ln x = 5\)）无法通过代数方法求得精确解。本章将向我们介绍一些强大的数值技术，用于寻找这些方程根的精确近似值。你将学习如何确定根的大致位置，并通过迭代过程逐步细化结果。让我们开始吧！

关键术语回顾

• 根 (Root)：方程 \(f(x) = 0\) 的解。在图像上，这是曲线与 \(x\) 轴相交的点。
• 数值方法 (Numerical Method)：一种通过重复计算来寻找问题近似解的数学技术。

1. 近似定位根的位置

在寻找根的近似值之前，我们需要先确定它大致在哪里。教学大纲要求掌握两种主要的定根方法：图象法和变号法。

1.1 图象法 (Graphical Method)

这种方法通过将复杂的方程转化为两个简单的函数图像，并观察它们的交点，来帮你找到根的粗略估计值。

步骤：

1. 从方程 \(f(x) = 0\) 开始。
2. 将其重写为 \(g(x) = h(x)\) 的形式，其中 \(g(x)\) 和 \(h(x)\) 是你容易绘制的简单函数。
3. 在同一个坐标系中画出 \(y = g(x)\) 和 \(y = h(x)\) 的图像。
4. 交点的 \(x\) 坐标即为原方程的近似根。

示例： 要求 \(x^3 + 2x - 1 = 0\) 的根。
你可以将其整理为 \(x^3 = 1 - 2x\)。
绘制 \(y = x^3\) 和 \(y = 1 - 2x\)。你会发现它们在 \(x=0.5\) 附近相交。这就是你的起始值。

1.2 变号法 (Sign Change Method)

这是一种形式化、严谨的方法，用于证明根存在于特定区间内。

原理： 如果函数 \(f(x)\) 在区间 \([a, b]\) 上是连续的（意味着函数图像没有断点、跳跃或渐近线），且 \(f(a)\) 和 \(f(b)\) 异号，那么在该区间内必然至少存在一个根。

类比： 想象你正在翻越一座山。如果你从海平面以下出发 (\(f(a) < 0\))，最后到达海平面以上 (\(f(b) > 0\))，而且在此过程中你没有把脚抬离地面（即函数连续），那你必然在某个位置跨越了海平面 (\(f(x) = 0\))！

操作流程：

1. 根据方程 \(f(x)=0\) 定义函数 \(f(x)\)。
2. 确定你要测试的区间 \([a, b]\)（例如，在 \(x=1\) 和 \(x=2\) 之间）。
3. 计算 \(f(a)\) 和 \(f(b)\)。
4. 清晰陈述结论：
   • 如果 \(f(a)\) 和 \(f(b)\) 异号（一个正，一个负），陈述：“因为存在符号变化 (change of sign) 且 \(f(x)\) 是连续的，所以方程的根位于 \(a\) 和 \(b\) 之间。”

! 常见误区提醒 !
永远不要忘记提及连续 (continuous) 这个词。如果函数不连续（例如 \(y = \frac{1}{x}\) 在 \(x=0\) 附近），即使符号发生了改变，这两个点之间也不一定存在根。在考试中，除非函数明确是不连续的（比如有渐近线），否则通常可以假设它是连续的。

2. 使用 \(x_{n+1} = F(x_n)\) 进行迭代

一旦知道了根的大致位置，迭代法就能通过重复计算让你无限逼近精确值。

2.1 迭代公式

近似值序列由以下规则定义：
$$x_{n+1} = F(x_n)$$
其中 \(x_n\) 是第 \(n\) 次近似值，\(x_{n+1}\) 是下一次（通常更准确）的近似值。

关键在于理解函数 \(F(x)\) 是如何得到的。

2.2 方程的变形

为了使用迭代法，必须将方程 \(f(x) = 0\) 整理为 \(x = F(x)\) 的形式。

示例： 假设要解 \(x^3 + 2x - 1 = 0\)。

变形方案 A（简单）：
$$2x = 1 - x^3$$ $$x = \frac{1 - x^3}{2}$$
所以，\(F(x) = \frac{1 - x^3}{2}\)，迭代公式为： $$x_{n+1} = \frac{1 - (x_n)^3}{2}$$

变形方案 B（立方根）：
$$x^3 = 1 - 2x$$ $$x = \sqrt[3]{1 - 2x}$$
所以，\(F(x) = \sqrt[3]{1 - 2x}\)，迭代公式为： $$x_{n+1} = \sqrt[3]{1 - 2x_n}$$

你知道吗？
一个方程可以有多种变形方式，但并非所有方式都能导出解！有些变形会导致迭代发散 (diverge)（离根越来越远）。在考试中，通常会给出特定的迭代公式，或者给出明确的变形指令。

3. 实际迭代过程

迭代法是为计算器使用而设计的。以下步骤能确保你高效地使用计算器。

目标： 达到指定的精度（例如保留 3 位小数）。

迭代操作步骤：

1. 寻找起始值 (\(x_1\))： 通常题目会直接给出，或者根据变号法推导得出（例如，如果根在 1.5 到 1.6 之间，一个很好的起始值是 \(x_1 = 1.55\)）。
2. 计算 \(x_2\)： 将 \(x_1\) 代入公式 \(x_{n+1} = F(x_n)\)。
   计算器技巧： 输入 \(x_1\)，按 "="，然后输入你的公式，其中 \(x_n\) 使用 "ANS" 键代替。
3. 计算后续数值： 反复按 "=" 键来生成 \(x_3, x_4, x_5, \dots\)。计算器会自动将上一次的结果 (ANS) 代入公式。
4. 检查收敛性与精度： 继续计算，直到两个连续的近似值在要求的精度（小数位数或有效数字）上保持一致。

收敛检查示例（目标：3 位小数）：

• \(x_5 = 1.23456\)
• \(x_6 = 1.23481\) （在 3 位小数处不同）
• \(x_7 = 1.23490\)
• \(x_8 = 1.23491\)
• \(x_9 = 1.23491\) （第 4 位小数仍在变，但 3 位小数处已经一致）

因为 \(x_8\) 和 \(x_9\) 取整后都是 1.235（3 位小数），所以根确认为 1.235。

关于精度的重要建议

在迭代步骤中，始终保留至少 4 到 5 位小数，仅在最终答案处根据题目要求进行修约。如果过早修约，可能会导致最终答案不准确。

4. 理解收敛与发散

虽然你不需要掌握收敛的数学条件（教学大纲明确排除了这一点！），但你必须理解成功迭代与失败迭代的区别。

4.1 收敛迭代 (Convergent Iteration)

如果序列的项越来越接近一个固定数（根），则该序列收敛。

当你在计算器上进行成功的迭代时：

• \(x_n\) 的值会趋于稳定。
• 它们可能会振荡（反复跳跃，但每次都更接近目标——呈现“蛛网”模式）。
• 它们可能单调趋近于根（始终递增或始终递减——呈现“阶梯”模式）。

4.2 发散迭代 (Divergent Iteration)

如果序列的项越来越远离根，或者剧烈跳动而不趋于稳定，则该序列发散。

如果序列开始发散，说明你所选择（或题目给出）的变形 \(x = F(x)\) 不适合求该根。

发散在计算器上的表现：

• 数值变得越来越大（例如 \(x_5 = 10, x_6 = 50, x_7 = 200\)）。
• 数值在两个或多个值之间剧烈跳动，无法趋于稳定（例如 2.1, -5.8, 12.5, -30.9...）。

如果刚开始觉得有点难，别担心！ P2 考试中的大部分问题都会为你提供收敛的公式和合适的起始值，让你能够专注于精度过程。核心能力在于：通过变号法确定根的位置，并熟练、准确地在计算器上执行迭代步骤。