歡迎來到數值方法：迭代法！
你有沒有試過解像 \(x^3 + x - 1 = 0\) 這樣的方程式，卻發現你常用的 GCSE 代數技巧完全行不通？別擔心，即使是數學家也會遇到這種瓶頸！在本章中，我們將探討數值方法 (Numerical Methods)——這是一組當我們無法輕鬆求出精確解時，用來找出「足夠好」的答案（近似值）的工具。可以把它想像成 GPS：它可能不會告訴你精確到原子級別的位置，但足以讓你找到你要去的那棟房子！
1. 簡單迭代法：\(x = g(x)\) 方法
迭代的核心概念是：先取出一個初始估算值，代入公式中算出新結果，然後重複這個過程，直到數值不再有顯著變化為止。
如何設定：
要使用此方法，我們必須先將原方程式 \(f(x) = 0\) 重組為 \(x = g(x)\) 的形式。
例子：如果我們有 \(x^2 - x - 1 = 0\)，我們可以將其重組為 \(x = \sqrt{x + 1}\)。這裡，我們的 \(g(x)\) 就是 \(\sqrt{x + 1}\)。迭代公式：
我們將其寫成遞迴關係 (recurrence relation)：\(x_{n+1} = g(x_n)\)。
- \(x_0\) 是你的初始值（你的第一次「最佳估算」）。
- \(x_1\) 是將 \(x_0\) 代入公式後得到的結果。
- \(x_2\) 是將 \(x_1\) 代入公式後的結果，依此類推。
快速溫習：下標（\(n, n+1\)）只是用來表示「步驟編號」。\(x_5\) 僅僅是序列中的第五個數值。
你知道嗎？電腦幾乎在所有事情上都會用到迭代！從渲染電子遊戲的圖形到計算天氣預報，它們都在不斷地「循環」運用公式來找出精確的結果。
2. 視覺化迭代：蛛網圖與階梯圖
OCR 考官很喜歡要求你繪製或辨識展示迭代行為的圖表。我們觀察的是直線 \(y = x\) 與曲線 \(y = g(x)\) 的交點。
兩種圖形：
1. 蛛網圖 (Cobweb Diagrams)： 當序列在根的兩側「來回跳動」時會產生這種圖形。它會形成一個類似蜘蛛網的方形螺旋。如果 \(g(x)\) 的斜率為負數，通常就會出現這種情況。
2. 階梯圖 (Staircase Diagrams)： 當序列從一側逼近根，形成一系列階梯時會產生這種圖形。如果 \(g(x)\) 的斜率為正數，通常就會出現這種情況。
繪圖步驟：
1. 從 x 軸上的 \(x_0\) 開始。
2. 垂直移動以接觸到曲線 \(y = g(x)\)。
3. 水平移動以接觸到直線 \(y = x\)。
4. 重複步驟！每次在直線 \(y = x\) 上的水平碰撞點都代表你的下一個值（\(x_1, x_2\) 等）。
關鍵點：如果「螺旋」或「階梯」向著交點移動，表示迭代正在收斂 (converging)（運作正常）。如果它背離交點，則表示正在發散 (diverging)（運作失敗）。
3. 牛頓-拉弗森法 (Newton-Raphson Method)
牛頓-拉弗森法是一種更強大的迭代類型。它不僅僅是「代入」公式，還利用切線 (tangents)（微分）來沿著曲線「滑」向 x 軸。
公式：
\(x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}\)
別擔心，如果看起來很複雜也沒關係！基本上它就是：新估算值 = 舊估算值 - (原函數 / 導數)。
步驟流程：
- 確保方程式為 \(f(x) = 0\) 的形式。
- 對函數進行微分以求出 \(f'(x)\)。
- 將你的 \(x_0\) 代入公式。
- 使用計算機上的 ANS 鍵來加快運算速度！
例子：解 \(x^2 - 2 = 0\)：
\(f(x) = x^2 - 2\)
\(f'(x) = 2x\)
公式：\(x_{n+1} = x_n - \frac{x_n^2 - 2}{2x_n}\)
避免常見錯誤：當使用牛頓-拉弗森法處理三角函數（例如 \(\sin(x)\) 或 \(\cos(x)\)）時，你的計算機必須設定為弧度 (Radians) 模式。如果你使用角度 (Degrees) 模式，微積分規則將會失效，導致答案錯誤！
4. 當迭代失敗時
數值方法很棒，但它們並非魔法。有時它們無法找到根。
為什麼 \(x = g(x)\) 會失敗：
迭代 \(x_{n+1} = g(x_n)\) 只有在曲線於根點處的斜率「足夠平緩」時才會收斂（找到答案）。
規則：如果 \(|g'(a)| < 1\)，其中 \(a\) 是根，則會收斂。
如果斜率大於 1（或小於 -1），數值會越來越大並遠離答案！這就像試圖在移動速度過快的跑步機上降落飛機一樣。
為什麼牛頓-拉弗森法會失敗：
如果初始值 (\(x_0\)) 是一個駐點 (stationary point)，牛頓-拉弗森法就會失敗。
為什麼？看看公式：\(x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}\)。如果你處於駐點，\(f'(x) = 0\)。你不能除以零！從幾何學角度來看，駐點處的切線是水平的，因此它永遠不會與 x 軸相交以找到根。
記憶小撇步：「平坦處讓牛頓失敗 (Flat fails for Newton)」。如果你的起始點位於「頂點」或「谷點」（駐點），該方法就無法進行任何運算。
總結檢查清單
快速溫習：
- 重組：你能否將 \(f(x)=0\) 轉換為 \(x=g(x)\)？
- 符號：記住 \(x_{n+1}\) 只是「下一個數字」。
- 圖表：蛛網圖 = 負斜率；階梯圖 = 正斜率。
- 牛頓-拉弗森：練習公式 \(x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}\)。
- 收斂：對於簡單迭代，檢查 \(|g'(a)| < 1\)。
- 失敗：牛頓-拉弗森法在駐點處（\(f'(x) = 0\)）會失效。
最後提示：在考試中，務必清晰地展示你的迭代過程。寫下 \(x_1, x_2, x_3\)，並保留至少 4 位小數，除非題目另有要求。即使你最後計算器按錯了一點點，考官也會因為你的計算過程而給分！