數值積分簡介
你好！歡迎來到 A Level 課程中最實用的一部分。在你的微積分 (Calculus) 旅程中，你可能已經花了不少時間透過代數積分來求取曲線下的準確面積。但如果遇到函數過於複雜，以至於無法直接積分該怎麼辦？又或者當你手頭上只有現實實驗中的幾個數據點時，又該如何處理呢？
這時候，數值方法 (Numerical Methods) 就能派上用場了！與其苦苦追求可能並不存在的「精確」答案，我們可以使用巧妙的技巧來求得一個非常接近的估算值。在這一章，我們將會學習如何將曲線轉化為簡單的圖形（如長方形和梯形），從而找出它們下方的面積。如果一開始覺得很難也不用擔心——這其實比你之前做的代數運算直觀得多！
1. 梯形法則 (The Trapezium Rule)
梯形法則是用來估算定積分 \( \int_a^b f(x) dx \) 值的一種方法。與其直接看曲線，我們將該面積分割成數條垂直的帶狀區域。我們將每一條帶狀區域的頂部視為一條直線，從而將每一部分轉化為一個梯形 (trapezium)。
運作原理（步驟教學）
要使用梯形法則求面積，請按照以下步驟進行：
1. 找出帶狀寬度 (\(h\))： 決定你想要多少條帶狀區域 (\(n\))。每條帶狀區域的寬度為：
\( h = \frac{b - a}{n} \)
2. 建立數值表： 計算出 \(x\) 的數值（從 \(a\) 開始，每次增加 \(h\)）並找出對應的 \(y\) 值（即高度）。
3. 代入公式：
\( \text{Area} \approx \frac{1}{2}h [y_0 + y_n + 2(y_1 + y_2 + \dots + y_{n-1})] \)
記憶小撇步： 可以將公式記作：
「寬度的一半乘以（首項 + 末項 + 2 倍的所有中間項）」
估算值是偏高還是偏低？
考試經常會問你的答案是過高還是過低。這取決於曲線的凹凸性 (concavity)：
- 向上凹（像杯子 \(\cup\)）： 梯形的頂部直線位於曲線上方，因此該法則會得出一個過高的估算值 (over-estimate)。
- 向下凹（像蓋子 \(\cap\)）： 頂部直線位於曲線下方，因此該法則會得出一個偏低的估算值 (under-estimate)。
小提示： 如果你不確定，隨手畫一條彎曲的線，並在兩點之間連一條直線（弦）。你會立刻看到曲線與直線之間是否有空隙，從而判斷是高估還是低估！
重點總結： 梯形法則透過取帶狀區域高度的平均值來估算面積。增加帶狀區域的數量 (\(n\)) 通常意味著更精確的估算！
2. 使用長方形來定義界限
有時候，我們不使用梯形，而是使用長方形。這是一種更簡單的方法，用於找出曲線下方面積的上界 (upper bound) 和下界 (lower bound)。
上界與下界
想像一條持續上升（上坡）的曲線。如果我們利用每個帶狀區域的左端高度來繪製長方形，這些長方形會全部位於曲線內部。這給了我們一個下界（偏低估算）。如果我們使用右端高度，長方形會突出於曲線上方，這給了我們一個上界（過高估算）。
類比： 想像要把箱子塞進一個有斜度的閣樓裡。如果你讓箱子保持在天花板下方，你就會有剩餘的空間（下界）。如果箱子夠高，能觸碰到天花板的最高點，它們就必須穿透屋頂（上界）！
長方形法則
- 下界： 所有「較短」長方形面積的總和。
- 上界： 所有「較高」長方形面積的總和。
- 真實面積永遠位於這兩個數值之間。
你知道嗎？ 這種使用長方形的方法其實正是積分最初的定義方式！它被稱為黎曼和 (Riemann Sum)。當長方形變得越來越薄時，上界與下界之間的差距就會消失，最終得到精確的面積。
重點總結： 長方形提供了一個「安全範圍」。透過計算上界和下界，你可以確定真實面積一定介於兩者之間。
3. 常見陷阱與技巧
即使是最優秀的學生在數值方法中也可能犯錯。以下是需要注意的事項：
- 弧度 (Radians) 與角度 (Degrees)： 如果你的函數涉及 \( \sin(x) \)、\( \cos(x) \) 或任何三角函數，計算機必須設定為弧度模式 (Radians)。這是考試中最常見的失分原因！
- 帶狀區域 (Strips) 與座標點 (Ordinates)： 如果題目要求「4 個帶狀區域」，你將會有 5 個 \(y\) 值 (\(y_0, y_1, y_2, y_3, y_4\))。高度的數量永遠比帶狀區域的數量多一個。
- 凹凸性改變： 如果曲線在區間中間從向上凹變為向下凹，梯形法則可能會非常準確，因為一部分的過高估算可能會抵消另一部分的偏低估算。
快速複習盒：
- 梯形公式： \( \frac{h}{2}(\text{首末項總和} + 2 \times \text{中間項總和}) \)
- 向上凹： 過高估算。
- 向下凹： 偏低估算。
- 更多帶狀區域： 更高的準確度。
總結：為什麼要這樣做？
在純粹數學：數值方法中，我們承認自己並不總是能得到完美的結果。無論你是使用梯形法則還是長方形和，你都在學習如何提供一個可靠的「最佳猜測」，更重要的是，學習如何根據曲線的形狀來判斷該猜測的可信度。這些方法正是現代電腦和工程軟體計算複雜物理模型與金融模型的核心支柱！