欢迎来到数值方法！
在你学习 A Level 数学的过程中，你已经花了很多时间使用代数方法（如因式分解或使用二次方程公式）来解方程。但这里有一个小秘密：现实世界中大多数的方程都无法精确求解！
数值方法就像一套“聪明猜测”策略的工具箱。当代数方法失效时，它们能帮助我们找出工程学、物理学和计算机科学中“足够好”的答案。别担心这看起来和你习惯的方法有点不同；这一切都是为了通过逻辑步骤，逐步逼近真相。
1. 定位根：符号改变法 (Change of Sign Method)
在我们解方程如 \(f(x) = 0\) 之前，我们首先需要知道答案（即根）大致在哪里。根就是图形与 x 轴相交时的 x 值。
运作原理
如果一个函数是连续的（意味着你可以在不提起笔的情况下画出它），且在某个区间内从负值变为正值，那么它在中间的某个点一定穿过了 x 轴（零点）。
类比：想象你正在穿过一个田野。下午 1:00 时你位于篱笆南面 5 米处，下午 1:05 时你位于篱笆北面 5 米处。即使你没有低头看，你也确定在 1:00 到 1:05 之间的某个时间点，你一定穿过了那条篱笆线！
方法的局限性
你需要小心！符号改变并不总是保证只有一个根：
- 多重根： 如果区间太宽，可能会存在两个（或任何偶数个）根。你可能开始和结束都在“正”侧，但在中间却两次跌至零以下。
- 不连续性（渐近线）： 如果图形有垂直渐近线（例如 \(y = \frac{1}{x}\)），符号可能会改变，因为图形是“跳过”了轴，而不是穿过它。这就是为什么我们要求函数必须表现良好 (well-behaved) 或连续。
快速回顾： 若要证明根存在于 \(x=a\) 和 \(x=b\) 之间，请计算 \(f(a)\) 和 \(f(b)\)。如果一个是正数而另一个是负数，那么它们之间很可能存在一个根。
重点总结： 在小区间内 \(f(x)\) 出现符号改变，通常表示存在一个根（前提是该函数是连续的）。
2. 迭代法：不动点法 (Fixed Point Method)
当我们找到一个区间后，我们想要更精确地找到根。一种方法是将 \(f(x) = 0\) 重排为 \(x = g(x)\) 的形式，然后使用公式 \(x_{n+1} = g(x_n)\)。
步骤流程
- 从一个初始“猜测值”\(x_0\) 开始。
- 将 \(x_0\) 代入公式得到 \(x_1\)。
- 再将 \(x_1\) 代回公式得到 \(x_2\)，以此类推。
计算器小贴士： 使用 ANS 键！输入你的第一个猜测值并按下 [=]。然后使用 [ANS] 而不是 \(x\) 输入公式。不断按下 [=]，观察数值逐渐趋近于根。
阶梯图 (Staircase) 与蜘蛛网图 (Cobweb)
我们可以透过绘制 \(y = x\) 直线与 \(y = g(x)\) 曲线来视觉化这个过程。它们的交点即为根。
- 阶梯图： 当数值从一侧接近根时出现（例如 2.1, 2.2, 2.25...），看起来像一组阶梯。
- 蜘蛛网图： 当数值在根周围“螺旋式”或来回跳动时出现（例如 2, 3, 2.1, 2.9...）。
常见错误： 并非所有的重排都能奏效！如果你的数值变得极大或趋向无穷大，说明迭代正在发散 (diverging)。你可能需要尝试原始方程的另一种重排方式。
重点总结： 迭代利用递归关系来“锁定”根。成功与否取决于 \(g(x)\) 的选择以及起始值。
3. 牛顿-拉弗森法 (Newton-Raphson Method)
这是一种利用切线求根的高速方法，通常比简单迭代快得多。
公式
你需要掌握的标准公式是：
\(x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}\)
几何原理
牛顿-拉弗森法取你的猜测值，对应到曲线上并画出一条切线。这条切线与 x 轴的交点就是你的下一个、更准确的猜测值。它沿着曲线的斜率向下逼近根。
方法的局限性
这方法非常出色，但有一个主要弱点：驻点 (stationary points)。
你知道吗？ 如果你的猜测值位于转折点（斜率为零的地方），切线将是水平的，永远不会碰到 x 轴！在公式中，\(f'(x_n)\) 将为零，而除以零是不可能的。你的计算器将会显示错误。
重点总结： 牛顿-拉弗森法利用微分来快速求根，但如果你的猜测点处的斜率为零或接近零，该方法就会失效。
4. 数值积分：梯形法则 (Trapezium Rule)
有时我们无法使用常规法则对函数进行积分。我们改为将曲线下的面积分成垂直的条状，并将每一条视为一个梯形来估算面积。
公式
\(Area \approx \frac{1}{2}h [y_0 + y_n + 2(y_1 + y_2 + ... + y_{n-1})]\)
其中 \(h\) 是每一条的宽度：\(h = \frac{b - a}{n}\)。
记忆口诀：“端点与中间”法则
要记住这个公式，请记住：“宽度的一半，乘以（两个端点高度之和 + 中间所有高度的两倍）。”
高估 vs 低估
你可以通过观察曲线的凸性 (convexity) 来判断你的答案是偏大还是偏小：
- 凸形（曲线“向下”弯，像山谷）： 梯形的顶部直线会保持在曲线上方，因此这是高估 (over-estimate)。
- 凹形（曲线“向上”弯，像小山）： 梯形的顶部直线会保持在曲线下方，因此这是低估 (under-estimate)。
重点总结： 梯形法则用于近似曲线下的面积。增加条状数量 (\(n\)) 会使估算更加准确。
总结检查清单
- 我能利用符号改变证明根的存在吗？
- 我能解释为什么符号改变法有时会失效（渐近线/偶数个根）吗？
- 我会使用 ANS 键进行迭代计算吗？
- 我掌握了牛顿-拉弗森公式及其失效条件吗？
- 我能应用梯形法则并判断答案是高估还是低估吗？
别担心，如果这些公式一开始看起来很吓人！经过练习，你会发现数值方法往往是纯数学中最“简单”的部分，因为它遵循非常可预测的步骤模式。继续加油！