數值解方程簡介
歡迎來到數值方法 (Numerical Methods) 的世界！在你的數學學習旅程中，過去可能花了很多時間去尋求方程的「精確解」——例如解 \(x^2 - 4 = 0\) 得到確切的 \(2\) 和 \(-2\)。但如果方程變得複雜，例如 \(x^3 - x - 4 = 0\) 時該怎麼辦呢？這時候並不一定有簡單的公式可以直接套用。
在本章中，我們將學習如何「搜捕」根（root）。我們不是一步到位找出答案，而是利用巧妙的技巧，讓結果一步步趨近於真實值。如果起初覺得這些概念有些抽象也不用擔心，只要看懂了其中的規律，你會發現這簡直就像當一名數學偵探！
1. 定位根：符號改變法 (Change of Sign Method)
在精確找出根之前，我們需要先知道它大致在哪個位置。函數 \(f(x)\) 的一個根（或零點）其實就是使 \(f(x) = 0\) 的 \(x\) 值。
運作原理
想像你在走山路。如果你在某一點時處於海平面以下（負高度），隨後又到了海平面以上（正高度），那麼在這兩點之間，你必然經過了海平面（零點）。
數學上，如果一個連續函數 (continuous function) \(f(x)\) 在 \(x = a\) 和 \(x = b\) 之間出現符號改變，那麼在區間 \([a, b]\) 內至少存在一個根。
逐步操作：尋找區間
1. 選取兩個 \(x\) 值，例如 \(x=1\) 和 \(x=2\)。
2. 計算 \(f(1)\) 和 \(f(2)\)。
3. 如果其中一個為正，另一個為負，你就成功找到一個包含根的區間了！如果符號相同，就嘗試其他數值。
此方法的局限性
注意！符號改變是一個很好的線索，但它並非萬能。在以下情況它可能會失效：
• 曲線僅與 x 軸相切而沒有穿過它（例如 \(y = x^2\)）。
• 存在垂直漸近線 (vertical asymptote)（圖形出現「斷層」），函數從負值跳到正值，但過程中並沒有觸及零點。
• 區間內存在多個根，導致符號改變被視覺上「抵消」了。
快速複習：
• 根 (Root)： \(f(x) = 0\) 的點。
• 符號改變 (Sign Change)： 如果 \(f(a)\) 和 \(f(b)\) 符號不同，它們之間很可能有根。
• 必要條件： 函數必須是連續的（沒有斷層）。
重點總結：符號改變是我們的「起跑槍」。它告訴我們該從哪裡開始深入探索。
2. 不動點迭代法：\(x = g(x)\) 方法
一旦我們對根的位置有了大致概念，就可以使用迭代法 (iteration)——這是一個透過反覆運算來取得更精確結果的過程。
變形處理
要使用此方法，我們必須將原始方程 \(f(x) = 0\) 改寫為 \(x = g(x)\) 的形式。
例子：要解 \(x^3 - x - 4 = 0\)，我們可以將其變形為 \(x^3 = x + 4\)，然後得到 \(x = \sqrt[3]{x + 4}\)。在這裡，我們的 \(g(x)\) 就是 \(\sqrt[3]{x + 4}\)。
如何進行迭代
1. 從一個初始估計值 \(x_0\) 開始。
2. 將 \(x_0\) 代入 \(g(x)\) 以獲得下一個值：\(x_1 = g(x_0)\)。
3. 再將 \(x_1\) 代入以獲得 \(x_2 = g(x_1)\)。
4. 持續操作！如果數值趨於穩定（即收斂 (converge)），你就找到了根。
你知道嗎？你可以使用計算機上的 ANS 鍵來極速完成這個過程！輸入起始值並按 `=`，然後輸入包含 `ANS` 鍵的 \(g(x)\) 公式（取代 \(x\)）。接著不斷按 `=`，就能看著根逐漸浮現！
視覺化迭代：階梯圖與蛛網圖
我們可以在 \(y = x\) 和 \(y = g(x)\) 的圖形上畫出這些迭代過程：
• 階梯圖 (Staircase Diagram)： 數值從一側逼近根，看起來像一組階梯。
• 蛛網圖 (Cobweb Diagram)： 數值呈現螺旋狀向根收斂（若方法失效則會向外發散！）。
重點總結：迭代法將一個變形後的方程轉化為循環迴圈，（若運氣好）會像放大鏡一樣鎖定答案。
3. 牛頓-拉弗森法 (Newton-Raphson Method)
這通常是數值方法中的「重砲」。它利用微分 (differentiation)，比不動點迭代法更快速地找到根。
公式
其迭代公式為：
\(x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}\)
類比理解
想像你正站在霧濛濛的山丘（曲線）上，想要找到山谷底部（x 軸）。你觀察腳下的坡度（切線），沿著這條線直線向下走，直到它碰到地面。那個點就是你下一個更精準的估計值！
牛頓-拉弗森法的失敗情況
牛頓-拉弗森法雖然快，但有時會「搞混」：
• 如果你的估計值接近駐點 (stationary point)（即梯度 \(f'(x) = 0\) 的地方），公式就會涉及除以零。此時「切線」變成了水平線，永遠無法與 x 軸相交！
• 如果起始值離目標太遠，它可能會跳到完全不同的根，或是直接發散到無限大。
快速複習：
• 牛頓-拉弗森法： 利用切線來定位根。
• 公式： \(x - \frac{f}{f'}\)。
• 風險： 小心轉折點（駐點）！
重點總結：牛頓-拉弗森法效率極高，但前提是你需要一個好的起始值，且該處的梯度不能為零。
4. 收斂性：方法會成功嗎？
並非所有數值方法每次都能成功。當數值越來越接近根時，我們稱之為收斂 (converge)。當數值飛離目標或在過程中循環而不穩定時，則稱為發散 (diverge)。
常見錯誤避坑指南
• 弧度 vs. 角度： 涉及三角函數的微積分方法（如牛頓-拉弗森法）務必使用弧度 (radians)。
• 變形選擇： 在不動點迭代中，某些 \(x = g(x)\) 的變形有效，有些則會失效。通常 \(g(x)\) 的圖形在根附近越「平坦」，效果越好。
• 起始值： 如果方法失效，嘗試使用在符號改變階段找到的、更接近根的數值作為起始點。
本章核心：數值方法是反覆運算的工具。我們從符號改變找到區間，選用不動點迭代法或牛頓-拉弗森法，然後不斷重複過程，直到答案精確到我們需要的程度為止！