欢迎来到数值方法：迭代法！
你有没有试过解像 \(x^3 + x - 1 = 0\) 这样的方程，却发现你常用的 GCSE 代数技巧完全行不通？别担心，即使是数学家也会遇到这种瓶颈！在本章中，我们将探讨数值方法 (Numerical Methods)——这是一组当我们无法轻松求出精确解时，用来找出“足够好”的答案（近似值）的工具。可以把它想象成 GPS：它可能不会告诉你精确到原子级别的位置，但足以让你找到你要去的那栋房子！
1. 简单迭代法：\(x = g(x)\) 方法
迭代的核心概念是：先取出一个初始估算值，代入公式中算出新结果，然后重复这个过程，直到数值不再有显著变化为止。
如何设定：
要使用此方法，我们必须先将原方程 \(f(x) = 0\) 重组为 \(x = g(x)\) 的形式。
例子：如果我们有 \(x^2 - x - 1 = 0\)，我们可以将其重组为 \(x = \sqrt{x + 1}\)。这里，我们的 \(g(x)\) 就是 \(\sqrt{x + 1}\)。迭代公式：
我们将其写成递推关系 (recurrence relation)：\(x_{n+1} = g(x_n)\)。
- \(x_0\) 是你的初始值（你的第一次“最佳估算”）。
- \(x_1\) 是将 \(x_0\) 代入公式后得到的结果。
- \(x_2\) 是将 \(x_1\) 代入公式后的结果，以此类推。
快速温习：下标（\(n, n+1\)）只是用来表示“步骤编号”。\(x_5\) 仅仅是序列中的第五个数值。
你知道吗？电脑几乎在所有事情上都会用到迭代！从渲染电子游戏的图形到计算天气预报，它们都在不断地“循环”运用公式来找出精确的结果。
2. 可视化迭代：蛛网图与阶梯图
OCR 考官很喜欢要求你绘制或辨识展示迭代行为的图表。我们观察的是直线 \(y = x\) 与曲线 \(y = g(x)\) 的交点。
两种图形：
1. 蛛网图 (Cobweb Diagrams)： 当序列在根的两侧“来回跳动”时会产生这种图形。它会形成一个类似蜘蛛网的方形螺旋。如果 \(g(x)\) 的斜率为负数，通常就会出现这种情况。
2. 阶梯图 (Staircase Diagrams)： 当序列从一侧逼近根，形成一系列阶梯时会产生这种图形。如果 \(g(x)\) 的斜率为正数，通常就会出现这种情况。
绘图步骤：
1. 从 x 轴上的 \(x_0\) 开始。
2. 垂直移动以接触到曲线 \(y = g(x)\)。
3. 水平移动以接触到直线 \(y = x\)。
4. 重复步骤！每次在直线 \(y = x\) 上的水平碰撞点都代表你的下一个值（\(x_1, x_2\) 等）。
关键点：如果“螺旋”或“阶梯”向着交点移动，表示迭代正在收敛 (converging)（运作正常）。如果它背离交点，则表示正在发散 (diverging)（运作失败）。
3. 牛顿-拉弗森法 (Newton-Raphson Method)
牛顿-拉弗森法是一种更强大的迭代类型。它不仅仅是“代入”公式，还利用切线 (tangents)（微分）来沿着曲线“滑”向 x 轴。
公式：
\(x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}\)
别担心，如果看起来很复杂也没关系！基本上它就是：新估算值 = 旧估算值 - (原函数 / 导数)。
步骤流程：
- 确保方程为 \(f(x) = 0\) 的形式。
- 对函数进行微分以求出 \(f'(x)\)。
- 将你的 \(x_0\) 代入公式。
- 使用计算器上的 ANS 键来加快运算速度！
例子：解 \(x^2 - 2 = 0\)：
\(f(x) = x^2 - 2\)
\(f'(x) = 2x\)
公式：\(x_{n+1} = x_n - \frac{x_n^2 - 2}{2x_n}\)
避免常见错误：当使用牛顿-拉弗森法处理三角函数（例如 \(\sin(x)\) 或 \(\cos(x)\)）时，你的计算器必须设定为弧度 (Radians) 模式。如果你使用角度 (Degrees) 模式，微积分规则将会失效，导致答案错误！
4. 当迭代失败时
数值方法很棒，但它们并非魔法。有时它们无法找到根。
为什么 \(x = g(x)\) 会失败：
迭代 \(x_{n+1} = g(x_n)\) 只有在曲线于根点处的斜率“足够平缓”时才会收敛（找到答案）。
规则：如果 \(|g'(a)| < 1\)，其中 \(a\) 是根，则会收敛。
如果斜率大于 1（或小于 -1），数值会越来越大并远离答案！这就像试图在移动速度过快的跑步机上降落飞机一样。
为什么牛顿-拉弗森法会失败：
如果初始值 (\(x_0\)) 是一个驻点 (stationary point)，牛顿-拉弗森法就会失败。
为什么？看看公式：\(x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}\)。如果你处于驻点，\(f'(x) = 0\)。你不能除以零！从几何学角度来看，驻点处的切线是水平的，因此它永远不会与 x 轴相交以找到根。
记忆小撇步：“平坦处让牛顿失败 (Flat fails for Newton)”。如果你的起始点位于“顶点”或“谷点”（驻点），该方法就无法进行任何运算。
总结检查清单
快速温习：
- 重组：你能否将 \(f(x)=0\) 转换为 \(x=g(x)\)？
- 符号：记住 \(x_{n+1}\) 只是“下一个数字”。
- 图表：蛛网图 = 负斜率；阶梯图 = 正斜率。
- 牛顿-拉弗森：练习公式 \(x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}\)。
- 收敛：对于简单迭代，检查 \(|g'(a)| < 1\)。
- 失败：牛顿-拉弗森法在驻点处（\(f'(x) = 0\)）会失效。
最后提示：在考试中，务必清晰地展示你的迭代过程。写下 \(x_1, x_2, x_3\)，并保留至少 4 位小数，除非题目另有要求。即使你最后计算器按错了一点点，考官也会因为你的计算过程而给分！