数值积分简介
你好！欢迎来到 A Level 课程中最实用的一部分。在你的微积分 (Calculus) 旅程中，你可能已经花了不少时间通过代数积分来求取曲线下的准确面积。但如果遇到函数过于复杂，以至于无法直接积分该怎么办？或者当你手头上只有现实实验中的几个数据点时，又该如何处理呢？
这时候，数值方法 (Numerical Methods) 就能派上用场了！与其苦苦追求可能并不存在的“精确”答案，我们可以使用巧妙的技巧来求得一个非常接近的估算值。在这一章，我们将学习如何将曲线转化为简单的图形（如长方形和梯形），从而找出它们下方的面积。如果一开始觉得很难也不用担心——这其实比你之前做的代数运算直观得多！
1. 梯形法则 (The Trapezium Rule)
梯形法则是用来估算定积分 \( \int_a^b f(x) dx \) 值的一种方法。与其直接看曲线，我们将该面积分割成数条垂直的带状区域。我们将每一条带状区域的顶部视为一条直线，从而将每一部分转化为一个梯形 (trapezium)。
运作原理（步骤教学）
要使用梯形法则求面积，请按照以下步骤进行：
1. 找出带状宽度 (\(h\))： 决定你想要多少条带状区域 (\(n\))。每条带状区域的宽度为：
\( h = \frac{b - a}{n} \)
2. 建立数值表： 计算出 \(x\) 的数值（从 \(a\) 开始，每次增加 \(h\)）并找出对应的 \(y\) 值（即高度）。
3. 代入公式：
\( \text{Area} \approx \frac{1}{2}h [y_0 + y_n + 2(y_1 + y_2 + \dots + y_{n-1})] \)
记忆小撇步： 可以将公式记作：
“宽度的一半乘以（首项 + 末项 + 2 倍的所有中间项）”
估算值是偏高还是偏低？
考试经常会问你的答案是过高还是过低。这取决于曲线的凹凸性 (concavity)：
- 向上凹（像杯子 \(\cup\)）： 梯形的顶部直线位于曲线上方，因此该法则会得出一个过高的估算值 (over-estimate)。
- 向下凹（像盖子 \(\cap\)）： 顶部直线位于曲线下方，因此该法则会得出一个偏低的估算值 (under-estimate)。
小提示： 如果你不确定，随手画一条弯曲的线，并在两点之间连一条直线（弦）。你会立刻看到曲线与直线之间是否有空隙，从而判断是高估还是低估！
重点总结： 梯形法则通过取带状区域高度的平均值来估算面积。增加带状区域的数量 (\(n\)) 通常意味着更精确的估算！
2. 使用长方形来定义界限
有时候，我们不使用梯形，而是使用长方形。这是一种更简单的方法，用于找出曲线下方面积的上界 (upper bound) 和下界 (lower bound)。
上界与下界
想像一条持续上升（上坡）的曲线。如果我们利用每个带状区域的左端高度来绘制长方形，这些长方形会全部位于曲线内部。这给了我们一个下界（偏低估算）。如果我们使用右端高度，长方形会突出于曲线上方，这给了我们一个上界（过高估算）。
类比： 想像要把箱子塞进一个有斜度的阁楼里。如果你让箱子保持在天花板下方，你就会有剩余的空间（下界）。如果箱子够高，能触碰到天花板的最高点，它们就必须穿透屋顶（上界）！
长方形法则
- 下界： 所有“较短”长方形面积的总和。
- 上界： 所有“较高”长方形面积的总和。
- 真实面积永远位于这两个数值之间。
你知道吗？ 这种使用长方形的方法其实正是积分最初的定义方式！它被称为黎曼和 (Riemann Sum)。当长方形变得越来越薄时，上界与下界之间的差距就会消失，最终得到精确的面积。
重点总结： 长方形提供了一个“安全范围”。通过计算上界和下界，你可以确定真实面积一定介于两者之间。
3. 常见陷阱与技巧
即使是最优秀的学生在数值方法中也可能犯错。以下是需要注意的事项：
- 弧度 (Radians) 与角度 (Degrees)： 如果你的函数涉及 \( \sin(x) \)、\( \cos(x) \) 或任何三角函数，计算器必须设定为弧度模式 (Radians)。这是考试中最常见的失分原因！
- 带状区域 (Strips) 与坐标点 (Ordinates)： 如果题目要求“4 个带状区域”，你将会有 5 个 \(y\) 值 (\(y_0, y_1, y_2, y_3, y_4\))。高度的数量永远比带状区域的数量多一个。
- 凹凸性改变： 如果曲线在区间中间从向上凹变为向下凹，梯形法则可能会非常准确，因为一部分的过高估算可能会抵消另一部分的偏低估算。
快速复习盒：
- 梯形公式： \( \frac{h}{2}(\text{首末项总和} + 2 \times \text{中间项总和}) \)
- 向上凹： 过高估算。
- 向下凹： 偏低估算。
- 更多带状区域： 更高的准确度。
总结：为什么要这样做？
在纯粹数学：数值方法中，我们承认自己并不总是能得到完美的结果。无论你是使用梯形法则还是长方形和，你都在学习如何提供一个可靠的“最佳猜测”，更重要的是，学习如何根据曲线的形状来判断该猜测的可信度。这些方法正是现代电脑和工程软件计算复杂物理模型与金融模型的核心支柱！