欢迎来到方程数值解法 (Numerical Solution of Equations)！
在你之前的数学学习中，你已经学过如何用代数方法解 \(2x + 4 = 10\) 或 \(x^2 - 5x + 6 = 0\) 这一类的方程。但当你遇到 \(x^3 + 5x - 3 = 0\) 这种方程时，该怎么办呢？对于大多数高次方程，并没有一个简单的“公式”可以直接求解。
在本章中，我们将探索数值方法 (numerical methods)。当我们难以求出精确解时，这些巧妙的技巧能帮助我们找到“足够精确”的答案（近似值）。你可以把它想象成一个“寻宝游戏”，我们就像在玩“冷热”游戏一样，不断靠近藏在隐蔽处的宝藏（即根）！
1. 基础：定位根的位置
在我们锁定解的精确位置之前，需要先知道它大约在哪里。我们可以通过寻找符号变化 (sign change) 来做到这一点。
规则：如果函数 \(f(x)\) 是连续的 (continuous)（即函数图形没有间断或跳跃），且你找到两个数 \(a\) 和 \(b\)，使得 \(f(a)\) 和 \(f(b)\) 的符号相反（一个为正，一个为负），那么在这两个数之间必定至少存在一个根 (root)。
类比：想象你正从河的一岸走到另一岸。如果你从南岸（负数）出发，最后到达北岸（正数），你必然在某个时刻踩在河床上（零点）！
快速回顾：
- \(f(x) > 0\) 表示图形位于 x 轴上方。
- \(f(x) < 0\) 表示图形位于 x 轴下方。
- \(f(x) = 0\) 就是根所在的位置！
避免常见错误：务必检查题目是否说明函数是连续的。如果函数存在渐近线 (asymptote)（即图形无法跨越的“墙”，例如 \(y = \frac{1}{x}\)），那么即使出现符号变化，图形也可能根本没有碰到零点！
重点总结：\(f(a)\) 和 \(f(b)\) 之间的符号变化，通常代表在区间 \([a, b]\) 内存在一个根。
2. 方法一：二分法 (Interval Bisection)
这是最直观的方法。我们找到一个包含根的区间，然后不断地将其对半切分，直到找到足够接近的答案为止。
步骤流程：
1. 找出一个发生符号变化的区间 \([a, b]\)。
2. 计算中点 (midpoint)：\(m = \frac{a + b}{2}\)。
3. 计算 \(f(m)\)。
4. 观察 \(f(m)\) 的符号：
- 如果 \(f(m)\) 的符号与 \(f(a)\) 不同，则根现在位于新的区间 \([a, m]\)。
- 如果 \(f(m)\) 的符号与 \(f(b)\) 不同，则根现在位于新的区间 \([m, b]\)。
你知道吗？电脑非常喜欢这个方法，因为它编程简单，尽管对人类手算来说可能会慢一些！
重点总结：二分法通过重复将搜索范围减半，从而“困住”根的位置。
3. 方法二：线性插值法 (Linear Interpolation)
二分法虽然稳健，但有点“盲目”——它不考虑根到底是偏向哪一端。线性插值法则更聪明；它假设两点之间的曲线是一条直线，从而更准确地估计根的位置。
我们使用估计根 \(x\) 的公式：
\( \frac{x - a}{b - x} = \left| \frac{f(a)}{f(b)} \right| \)
别担心，这看起来可能有点复杂！其实你只是在运用相似三角形 (similar triangles) 的原理，也可以把它视为一种加权平均。
操作步骤：
1. 确定发生符号变化的区间 \([a, b]\)。
2. 画出两个三角形，或直接代入上面的比例公式。
3. 解出 \(x\)。这个 \(x\) 就是你得到的更精确的近似值。
4. 检查 \(f(x)\) 的符号，如有必要，使用更小的区间重复此过程。
小贴士：简单画出两个点 \((a, f(a))\) 和 \((b, f(b))\) 并将它们连成一条直线，能帮你直观地看出估计出的根 \(x\) 是从哪里来的。
重点总结：线性插值法利用函数值（它们离零有多“远”）来做出比单纯取中点更好的估计。
4. 方法三：牛顿-拉弗森法 (Newton-Raphson Process)
这通常是最快的方法。我们不使用两个点来困住根，而是取一个初始猜测值 (initial guess) (\(x_0\))，并利用曲线在该点的斜率 (gradient) 向下滑动，直接奔向根。
公式：
\( x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)} \)
步骤流程：
1. 对函数进行微分以求出 \(f'(x)\)。
2. 将你的初始猜测值 (\(x_0\)) 代入公式以得到 \(x_1\)。
3. 将 \(x_1\) 再代入公式得到 \(x_2\)，以此类推。
4. 当数值不再有显著变化（收敛）时即可停止。
记忆口诀：记住“减去函数除以函数微分”来回忆分数部分：\( - \frac{f}{f'} \)。
何时会失败？
牛顿-拉弗森法非常出色，但它有一个弱点：
- 如果你的猜测值位于驻点 (stationary point)（即斜率 \(f'(x) = 0\) 的地方），公式就会失效，因为你不能除以零！
- 在现实中，这就像试图在一个完全平坦的屋顶上向下滑——你哪里也去不了。
鼓励一下：微分有时是这部分最难的地方。在 FP1 中，你只需要使用 P1 和 P2 学过的微分法则（如幂法则）。如果你会对 \(x^n\) 微分，那你就能掌握牛顿-拉弗森法！
重点总结：牛顿-拉弗森法使用切线向根“冲刺”，但必须确保斜率不为零才能运作。
总结检查清单
1. 符号变化：检查 \(f(a)\) 和 \(f(b)\)。符号相反 = 存在根（前提是函数连续）。
2. 二分法：不断找中点。慢但稳健。
3. 线性插值：使用相似三角形/比例。比二分法更聪明。
4. 牛顿-拉弗森：使用 \(x - \frac{f(x)}{f'(x)}\)。速度最快，但要注意避开斜率为零的点！
5. 精度：如果题目要求保留 2 位小数，为了确保万无一失，请计算到你的 \(x\) 值在小数点后第 3 位都保持一致为止。