Numerical solution of equations

方程的数值解法（Paper 2，课题 2.6）

各位数学家好！欢迎来到纯数学 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（特别是涉及混合函数的，如 \(e^x = \sin x\) 或 \(x^3 + \ln x = 5\)）无法仅通过代数运算求得精确解。本章将教导大家强大的数值技巧，用以找出这些方程根的精确近似值。你将学会如何定位根的位置，并通过迭代过程（iterative process）来优化答案。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，这就是曲线与 \(x\) 轴相交的点。
• 数值方法 (Numerical Method)：一种用于求得问题近似解的数学技巧，通常依赖重复性的计算。

1. 近似定位根的位置

在估算根之前，我们需要知道它大致的范围。课程大纲要求掌握两种主要的定位方法：图解法和变号法（Sign Change Rule）。

1.1 图解法 (Graphical Method)

此方法通过将复杂的方程拆解为两个较简单的函数图像，并找出它们的交点，从而估算出根的近似值。

步骤：

1. 由方程 \(f(x) = 0\) 开始。
2. 将其重组成 \(g(x) = h(x)\) 的形式，其中 \(g(x)\) 和 \(h(x)\) 是你容易绘制的函数。
3. 在同一个坐标系上绘制 \(y = g(x)\) 和 \(y = h(x)\) 的图像。
4. 交点的 \(x\) 坐标即为原方程的近似根。

例子： 若要找出 \(x^3 + 2x - 1 = 0\) 的根。
你可以将其重组成 \(x^3 = 1 - 2x\)。
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)

这是正式且准确地证明根存在于特定区间内的方法。

概念： 若函数 \(f(x)\) 在区间 \([a, b]\) 上是连续的（即图像没有断点、跳跃或渐近线），且 \(f(a)\) 与 \(f(b)\) 的符号相反，则该区间内必定存在一个根。

比喻： 想象你正跨越一座山丘。如果你从海拔以下出发（\(f(a) < 0\)），最后到达海拔以上（\(f(b) > 0\)），而且过程中脚从未离开地面（即函数是连续的），那么你必定在某处跨越了海平面（即 \(f(x) = 0\)）！

操作步骤：

1. 根据你的方程 \(f(x)=0\) 定义函数 \(f(x)\)。
2. 确定你要测试的区间 \([a, b]\)（例如：\(x=1\) 和 \(x=2\) 之间）。
3. 计算 \(f(a)\) 和 \(f(b)\)。
4. 清晰地写出结论：
• 若 \(f(a)\) 和 \(f(b)\) 符号相反（一正一负），请写下：“由于存在符号变换且 \(f(x)\) 是连续的，因此根位于 \(a\) 与 \(b\) 之间。”

! 常见错误提醒 !
千万别忘了提及“连续”(continuous) 这个关键词。如果函数不是连续的（例如 \(y = \frac{1}{x}\) 在 \(x=0\) 附近），即使出现符号变换，两个点之间也不一定存在根。在考试中，除非函数明显是不连续的（例如有渐近线），否则通常可以假设其连续性。

2. 使用 \(x_{n+1} = F(x_n)\) 公式进行迭代

一旦你知道了根的大致位置，迭代法就能让你通过重复计算，逐步逼近准确数值。

2.1 迭代公式

近似值序列由以下规则定义：
\(x_{n+1} = F(x_n)\)
这里，\(x_n\) 是第 \(n\) 次近似值，而 \(x_{n+1}\) 是下一个（通常更准确的）近似值。

关键在于理解函数 \(F(x)\) 是从何而来的。

2.2 重组方程

要使用迭代法，方程 \(f(x) = 0\) 必须重组成 \(x = F(x)\) 的形式。

例子： 假设你想解 \(x^3 + 2x - 1 = 0\)。

重组 A（简单式）：
\(2x = 1 - x^3\)
\(x = \frac{1 - x^3}{2}\)
因此，\(F(x) = \frac{1 - x^3}{2}\)，迭代公式为：
\(x_{n+1} = \frac{1 - (x_n)^3}{2}\)

重组 B（立方根式）：
\(x^3 = 1 - 2x\)
\(x = \sqrt[3]{1 - 2x}\)
因此，\(F(x) = \sqrt[3]{1 - 2x}\)，迭代公式为：
\(x_{n+1} = \sqrt[3]{1 - 2x_n}\)

你知道吗？
方程可以有许多不同的重组方式，但并非每一种都能求得解！有些重组会导致迭代过程发散（离根越来越远）。在考试中，通常会给你特定的迭代公式，或清楚指示该如何重组。

3. 迭代过程的实际应用

迭代过程是专为计算器操作而设计的。以下步骤指南将确保你高效地运用计算器。

目标： 将根精确到规定的准确度（例如：3 位小数）。

迭代步骤：

1. 找出起始值 (\(x_1\))： 这通常由题目给出，或是从变号法推导出来（例如：若根在 1.5 和 1.6 之间，一个好的起始值可能是 \(x_1 = 1.55\)）。
2. 计算 \(x_2\)： 将 \(x_1\) 代入公式 \(x_{n+1} = F(x_n)\)。
计算器小技巧： 输入 \(x_1\)，按 "="，然后输入你的公式，使用“ANS”按钮来代表 \(x_n\)。
3. 计算后续数值： 反复按 "=" 键即可产生 \(x_3, x_4, x_5, \dots\)。计算机会自动将上一个答案 (ANS) 代入公式。
4. 检查收敛与准确度： 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）下完全相同。

收敛检查例子（目标：3 位小数）：

• \(x_5 = 1.23456\)
• \(x_6 = 1.23481\) (3 位小数不同)
• \(x_7 = 1.23490\)
• \(x_8 = 1.23491\)
• \(x_9 = 1.23491\) (第 4 位小数仍在变动，但在 5 位小数处数值已一致，足以确定 3 位小数无误)

由于 \(x_8\) 和 \(x_9\) 四舍五入后均为 1.235（3 位小数），因此根确认为 1.235。

准确度小贴士

在迭代步骤中，务必保留至少四到五位小数，只有在计算最后答案时，才根据题目要求的精度进行四舍五入。如果过早四舍五入，可能会导致最终答案错误。

4. 理解收敛与发散

虽然你不需要知道收敛的数学判定条件（课程大纲特别排除了这一点！），但你必须理解成功迭代与失败迭代之间的区别。

4.1 收敛迭代 (Convergent Iteration)

若序列中的数值越来越接近一个定值（根），该序列即为收敛。

当你在计算器上进行成功的迭代时：

• \(x_n\) 的数值会开始趋于平稳。
• 它们可能呈现振荡（来回跳动，但每次都更接近根——“蛛网式”模式）。
• 它们可能单调地接近根（一直增加或一直减少——“阶梯式”模式）。

4.2 发散迭代（未能收敛）(Divergent Iteration)

若序列中的数值离根越来越远，或是跳动剧烈且无法稳定下来，该序列即为发散。

如果你的序列开始发散，意味着你选择或被给予的重组式 \(x = F(x)\) 不适合求该特定根。

发散在计算器上的表现：

• 数值变得越来越大（例如：\(x_5 = 10, x_6 = 50, x_7 = 200\)）。
• 数值在两个或多个数值间剧烈跳动而无法稳定（例如：2.1, -5.8, 12.5, -30.9...）。

别担心，刚开始觉得复杂是很正常的！ 大多数 Paper 2 的试题都会提供一个收敛的公式和合适的起始值，让你可以专注于精确地执行计算过程。核心技能在于：通过变号法确认根的位置，以及精确地在计算器上完成迭代步骤。