歡迎來到數值解法的世界！
在你過往的數學學習中，你已經學過如何透過因式分解或公式解來求解 \(x^2 - 5x + 6 = 0\) 這類方程。但如果遇到像 \(x - \cos(x) = 0\) 這種「怪獸級」方程，該怎麼辦呢？這時就沒有簡單的代數技巧能直接算出答案了！
這正是數值方法 (Numerical Methods) 大顯身手的時候。我們不再追求精確的代數解，而是利用聰明的「猜測」技巧，讓答案一步步逼近真實值。在本章中，我們將探討五種主要的解根方法。如果一開始覺得抽象也不用擔心——你可以把它想像成數字版的「猜數字遊戲」！
1. 二分法 (Bisection Method)：「大點還是小點」遊戲
二分法是尋找根最簡單也最可靠的方法。它依賴於符號變號 (Change of Sign) 原則：如果一個連續函數在某區間的兩個端點之間從負值變為正值，那麼它在兩點之間一定穿過了零點！
運作步驟：
1. 找出兩個數 \(a\) 與 \(b\)，使得 \(f(a)\) 與 \(f(b)\) 的符號相反（一正一負）。
2. 計算中點 (Midpoint)：\(m = \frac{a + b}{2}\)。
3. 檢查 \(f(m)\) 的符號。
4. 用 \(m\) 取代 \(a\) 或 \(b\)，確保新的區間依然包含符號變號。
5. 重複以上步驟，直到區間小到足以達到你需要的精確度為止！
類比：想像你在書中找特定頁碼。你把書從中間翻開，看看那一頁的頁碼是大了還是小了？接著把「錯誤」的那一半撕掉，不斷重複這個過程。最後你一定能找到那一頁！
重點回顧：二分法速度較慢但很穩健。只要函數是連續的，且起始區間存在符號變號，它一定能找到根。
2. 試位法與正割法 (False Position and the Secant Method)
雖然二分法總是取中間點，但試位法 (False Position，又稱線性插值法) 顯得更聰明。它將兩個端點連成一條直線，觀察這條直線與 x 軸的交點在哪裡。
試位法 vs. 正割法
• 試位法：總是將根「鎖定」在兩個符號相反的點之間，非常安全。
• 正割法 (Secant Method)：與試位法類似，但它不強求將根鎖定在兩點之間，而是直接使用最近的兩次猜測值來繪製直線。
常見錯誤：由於正割法不會「鎖定」根的位置，有時它可能會偏離得太遠而找不到答案（即發生發散 (divergence)）。
你知道嗎？「線性插值 (Linear Interpolation)」其實就是一種高級說法，意指「假設兩點之間的圖形是一條直線」。
3. 不動點迭代法 (Fixed Point Iteration)：\(x_{n+1} = g(x_n)\)
這個方法就像數學上的回聲。我們將方程 \(f(x) = 0\) 重新整理成 \(x = g(x)\) 的形式。選定一個起始值代入，算出結果後，再將該結果代回同一個公式中繼續計算。
視覺化狩獵：蛛網圖與階梯圖
將這些迭代繪製在圖形上時，會出現兩種不同的規律：
• 蛛網圖 (Cobweb Diagrams)：當數列在根的兩側震盪（來回跳躍）時會出現這種圖形。看起來就像蜘蛛網向內（或向外）盤旋！
• 階梯圖 (Staircase Diagrams)：當數列從單側逼近根時會出現，看起來就像通往答案的階梯。
記憶小撇步：如果 \(g(x)\) 在根附近的斜率（梯度）太大——特別是當 \(|g'(x)| > 1\) 時——該方法就會失敗。因為「網」會向外螺旋發散，而不是向內收斂！
4. 牛頓-拉弗森法 (The Newton-Raphson Method)
這堪稱數值方法中的「法拉利」。它速度極快，因為它使用了當前猜測值處的切線 (tangent line，即斜率) 來尋找下一個值。
公式：
\(x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}\)
強大之處：它通常具有二階收斂 (second-order convergence)。這意味著正確的小數位數在每一步幾乎都會翻倍！
何時會失敗：
1. 如果你的猜測值靠近駐點 (stationary point，即斜率為零處)，公式會導致除以零。這就糟了！
2. 如果曲線非常複雜，它可能會跳到完全不同的另一個根上。
關鍵總結：不動點迭代法是「一階」的（較慢），而牛頓-拉弗森法則是「二階」的（極快）。
5. 利用鬆弛法 (Relaxation) 提升成功率
有時，不動點迭代的數列收斂得慢到讓人抓狂，甚至會發散（遠離根）。我們可以使用一種稱為鬆弛法 (Relaxation) 的技巧來修正它。
鬆弛公式：
與其直接使用 \(x_{n+1} = g(x_n)\)，我們改用：
\(x_{n+1} = (1 - \lambda)x_n + \lambda g(x_n)\)
這裡的 \(\lambda\) (lambda) 是「加權」係數。
• 如果方法發散，我們用較小的 \(\lambda\) 來「拉回」它，強制收斂。
• 如果速度太慢，我們可以選擇一個能加速收斂的 \(\lambda\)。
不用擔心這看起來很複雜：在考試中，鬆弛法的公式通常會直接提供給你。你的任務是代入數字，觀察它是否越來越接近根即可！
總結：選擇你的武器
• 需要保證找到答案？ 用二分法。
• 方程有清晰的導數？ 用牛頓-拉弗森法以追求速度。
• 迭代失敗了？ 試試鬆弛法，或檢查 \(g(x)\) 的斜率。
• 使用試算表？ 這些方法非常適合用拖曳公式的方式，即時觀察「收斂」過程！
常見考題：你可能會被要求「驗證答案的精確度」。要做到這一點，請檢查你的四捨五入後的答案，在其上下分別代入函數確認符號。如果符號發生改變，那麼根一定就在那個極小的區間內！