Use numerical methods in context

歡迎來到數值分析的世界！

在你的數學學習旅程中，你可能已經花了很多時間尋找精確的答案——例如 \(x = 2\) 或 \(x = \frac{1}{2}\)。但在現實世界中，自然科學和工程學往往會產生一些「棘手」的方程式，無法用簡單的公式直接求解。

這就是數值方法 (Numerical Methods) 發揮作用的時候了！這些巧妙的技巧是用來尋找難題的「足夠好」的近似解。可以把它想像成使用 GPS：它可能不會告訴你正精確站在哪個原子上，但它能帶你到達足以找到大門的位置！在本章中，我們將學習如何定位根、使用重複步驟（迭代）來逼近答案，以及估算曲線下的面積。

1. 定位根：符號改變規則 (The Sign Change Rule)

根 (Root) 簡單來說就是函數 \(f(x) = 0\) 時的 \(x\) 值。從圖形上看，這就是曲線穿過 x 軸的位置。

如何尋找根

如果函數 \(f(x)\) 是連續的（意味著圖形沒有中斷或跳躍），而且你找到了兩個數 \(a\) 和 \(b\)，使得其中一個代入後的結果為正，另一個為負，那麼它們之間必定存在一個根。

類比：跨越邊境
想像你在走一條直線。下午 1:00，你在法國（負值）。下午 2:00，你在西班牙（正值）。即使你沒盯著路標，你也知道在 1:00 到 2:00 之間的某個時刻，你一定剛好踩在邊界（零）上！

避免常見錯誤：
務必檢查函數是否連續。如果圖形存在「洞」或垂直漸近線（例如在 \(y = \frac{1}{x}\) 中），符號可能會改變，那是因為圖形跳過了軸，而不是真的穿過了它！

快速複習：驗證

要驗證一個根準確到小數點後兩位（例如 \(x = 1.45\)），請檢查該數上下界（\(1.445\) 和 \(1.455\)）處函數的符號。如果符號發生了改變，那麼根絕對就在這極小的區間內！

重點總結： 如果 \(f(a)\) 和 \(f(b)\) 的符號不同，則 \(a\) 和 \(b\) 之間很可能存在一個根。

2. 逐步求解：迭代法 (Iteration)

有時我們無法直接解出 \(x\)，但我們可以將方程式重寫為 \(x = g(x)\) 的形式。然後我們使用一個起始值 (\(x_1\)) 並將其「代入」公式以得到更精確的值 (\(x_2\))，如此反覆進行。

其公式如下： \(x_{n+1} = g(x_n)\)。

視覺化迭代：蛛網圖與階梯圖

當我們在圖表上繪製這些步驟時，會產生兩種明顯的圖案：
1. 蛛網圖 (Cobweb Diagrams)： 當數列向根「螺旋」靠攏時出現。
2. 階梯圖 (Staircase Diagrams)： 當數列以「階梯狀」從一側接近根時出現。

你知道嗎？
迭代只有在函數 \(g(x)\) 的斜率不太陡峭時才會「平穩下來」(收斂, converge) 到根。具體來說，在根附近，梯度 \(|g'(x)|\) 必須小於 1。如果太陡峭，數值會變得越來越大並遠離答案（發散, divergence）。

重點總結： 迭代就像電腦程式中的迴圈——你執行的次數越多，答案通常就越準確！

3. 牛頓-拉弗森法 (The Newton-Raphson Method)

這是一種利用切線快速尋找根的高級方法。它不再是胡亂猜測，而是利用曲線的斜率來「指向」根可能存在的位置。

公式為： \(x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}\)

何時會失效？

別擔心這看起來很複雜；考試通常會給你這個公式！但你必須知道它為何可能會失效：
- 駐點 (Stationary Points)： 如果你的起始值位於最大值或最小值，梯度 \(f'(x)\) 為零。你無法除以零，因此該方法失效！
- 起點太遠： 如果你的第一次猜測距離根太遠，切線可能會把你引向一個完全不同的根，或是導向無限遠。

記憶小撇步：
把牛頓-拉弗森法想像成「滑梯」。你從某個點開始，沿著切線滑到 x 軸，跳回曲線，然後再滑一次。你很快就會到達底部（根）！

重點總結： 牛頓-拉弗森法非常快，但它討厭圖形中「平坦」的部分（梯度為零的地方）。

4. 數值積分：梯形法則 (The Trapezium Rule)

有時我們需要求曲線下的面積，但該方程式難以使用常規積分規則處理。我們透過將面積分割成梯形（頂部為斜線的條狀）來估算面積。

計算過程

1. 將總寬度分成相等的條狀。
2. 計算每個邊界處的曲線高度（稱為縱座標, ordinates）。
3. 使用公式： \(Area \approx \frac{1}{2}h [y_0 + y_n + 2(y_1 + y_2 + ... + y_{n-1})]\)

h 是每條窄條的寬度。\(y_0\) 和 \(y_n\) 是「兩端」的高度，其他的則是「中間」的高度。

高估 vs. 低估

怎麼知道你的答案是太大還是太小？看看曲線的「彎曲度」(凹凸性)：
- 如果曲線是凸的 (Convex)（像 U 型彎曲），梯形會位於曲線上方。這會導致高估 (Over-estimate)。
- 如果曲線是凹的 (Concave)（像倒 U 型彎曲），梯形會位於曲線下方。這會導致低估 (Under-estimate)。

快速提示：
你也可以使用簡單的矩形來尋找面積的下界和上界。真實面積會被夾在「小矩形之和」與「大矩形之和」之間。

重點總結： 分割條數越多 = 準確度越高。凸 = 高估；凹 = 低估。

5. 融入情境

在考試中，你不會只是被要求「做數學題」。你將會得到一個情境 (context)——一個現實生活中的狀況。

範例情境：
- 物理： 當空氣阻力公式過於複雜而無法手算時，求拋射體落地的時間。
- 生物： 使用指數模型預測細菌數量何時達到特定上限。
- 經濟： 為複雜的生產模型尋找成本等於營收的「損益平衡點」。

情境題的解題步驟：
1. 明確目標： 你是在找根（某個數等於零時）還是面積（總距離、總功等）？
2. 翻譯： 將文字轉化為函數，例如「利潤為零」變為 \(P(x) = 0\)。
3. 選擇武器： 如果題目要求「根」，使用符號改變法或牛頓-拉弗森法。如果要求「總量」或「面積」，使用梯形法則。
4. 反思： 你的答案合理嗎？（例如：時間不可能是負數！）。

重點總結： 數值方法是數學界的「瑞士軍刀」——當標準公式失效時，它們幾乎能解決任何問題。