歡迎來到數值微分的世界！
在標準的 A Level 數學課程中，你已經學過如何利用代數方法來微分像 \(x^2\) 或 \(\sin(x)\) 這類函數。但如果遇到太過複雜而無法直接微分的函數，又或者手上只有一堆數據點而沒有方程式時，該怎麼辦呢？
這時候就是數值微分 (Numerical Differentiation) 大顯身手的時候了！在這個章節，你將學會如何利用簡單的算術來估算曲線上某點的斜率。這過程就像偵探辦案一樣——透過觀察周圍的點，來推斷出你感興趣的那個點發生了什麼事。
核心概念：回歸基礎
在我們深入探討之前，先來快速複習一個必備概念。還記得兩點 \((x_1, y_1)\) 與 \((x_2, y_2)\) 之間直線斜率的公式嗎？
\( \text{斜率} = \frac{y_2 - y_1}{x_2 - x_1} \)
數值微分正是運用了這個邏輯。我們採取一個微小的步長，稱為 \(h\)，並利用它來求出兩個極近點之間的「斜率」。
你知道嗎？這正是你的手機或 GPS 計算你速度的方式！它並沒有什麼神奇的「速度方程式」；它只是根據你現在的位置與一秒前的位置，來算出你的變化率。
1. 前向差分法 (Forward Difference Method)
前向差分法是估算導數最簡單的方法。顧名思義，它是從你感興趣的點往「前」看。
公式
為了估算導數 \(f'(x)\)，我們使用：
\( f'(x) \approx \frac{f(x+h) - f(x)}{h} \)
運作方式（步驟解析）
1. 從你的目標點 \(x\) 開始。
2. 往前邁出一小步到達 \(x + h\)。
3. 求出 \(y\) 值的差：\(f(x+h) - f(x)\)。
4. 將該差值除以步長 \(h\)。
範例：若 \(f(x) = x^3\)，且我們想求 \(x=2\) 時的斜率，步長 \(h=0.1\)：
\( f(2) = 2^3 = 8 \)
\( f(2.1) = 2.1^3 = 9.261 \)
\( f'(2) \approx \frac{9.261 - 8}{0.1} = 12.61 \)
（正確答案是 12，所以這是一個還不錯的估算值！）
重點提示：前向差分法雖然簡單易用，但並不總是那麼精準，因為它只考慮了該點的一側。
2. 中心差分法 (Central Difference Method)
如果說前向差分法是「好」的估算，那麼中心差分法就是「極佳」的估算。它不僅僅向前看，而是同時向後看半步、向前看半步，將我們的目標點夾在中間。
公式
\( f'(x) \approx \frac{f(x+h) - f(x-h)}{2h} \)
常見錯誤警告！請注意分母是 \(2h\)。因為你從 \(-h\) 走到 \(+h\)，總步長是兩個 \(h\)。千萬別忘了那個 2！
生活中的類比
想像你正站在山坡上，試圖找出該處的「平均」斜率。
- 前向差分：你看著你的腳下以及前方 1 公尺處。
- 中心差分：你看著身後 1 公尺處以及前方 1 公尺處。這通常能更公平地呈現你正站立位置的斜率。
重點提示：在相同的 \(h\) 值下，中心差分法通常比前向差分法精準得多。
3. 精確度與方法的「階」(Order)
在數值方法中，我們常提到精確度階數 (Order of Accuracy)。它告訴我們當步長 \(h\) 變小時，誤差消失的速度有多快。
- 前向差分法是一階方法 (First Order Method)，寫作 \(O(h)\)。這意味著如果你將步長減半 (\(h \to 0.5h\))，誤差大約會減半。
- 中心差分法是二階方法 (Second Order Method)，寫作 \(O(h^2)\)。這就是「魔法」所在：如果你將步長減半 (\(h \to 0.5h\))，誤差大約會變成原來的四分之一 (\(0.5^2 = 0.25\))！
快速複習箱：
- 較小的 \(h\) = 更高的精確度（通常如此）。
- 中心差分法勝出，因為它是更高階的方法。
重點提示：選擇像中心差分法這樣的二階方法，讓你無需使用極小的步長就能得到非常精確的結果。
4. 使用科技工具與精確度限制
在考試中，你可能會被要求查看試算表的輸出結果。當使用試算表計算這些差分時，你會發現隨著 \(h\) 越來越小，估算值會越來越好……直到一個臨界點。
平衡的藝術
如果這聽起來有點反直覺，別擔心，因為 \(h\) 確實可能過小。
電腦和計算機儲存小數點後位數的能力有限（這稱為精度/浮點數限制）。如果 \(h\) 太小，\(f(x+h)\) 與 \(f(x)\) 的值會變得極其相似，導致電腦可能將差值四捨五入為零。這是數值運算中常見的錯誤！
試算表策略步驟
1. 建立一個 \(h\) 欄（例如：0.1, 0.05, 0.025...）。
2. 使用上述公式為你的估算建立欄位。
3. 觀察收斂 (Convergence)：當 \(h\) 變小時，如果答案的數字不再改變，就代表你已經找到了達到該位數精確度的解。
重點提示：若要證明結果的精確度，請展示當你使用更小的 \(h\) 時，答案的前幾位小數已不再改變。
總結檢查清單
1. 前向差分： \( \frac{f(x+h) - f(x)}{h} \)（一階）
2. 中心差分： \( \frac{f(x+h) - f(x-h)}{2h} \)（二階）
3. 精確度： 中心差分通常更好；將 \(h\) 減半會使中心差分的誤差降為四分之一。
4. 收斂： 不斷減小 \(h\) 直到答案穩定，但若 \(h\) 過小，請留意計算機的捨入誤差！
你一定做得到的！數值微分其實就只是找到極小割線的斜率而已。繼續練習那些公式吧！