歡迎來到數值方法！
你有沒有遇過在解數學題時，發現根本沒有「漂亮」的公式可以算出答案？別擔心，即使是最頂尖的數學家也會遇到這種情況！這時候，數值方法 (Numerical Methods) 就是你的救星。你可以把這一章當作你的「數學急救箱」。與其尋求一個可能根本不存在的完美精確解，我們利用聰明的捷徑和重複性的步驟，得出一個在實際應用上「足夠接近」的答案。
在進階數學 (Further Mathematics) 的這部分內容中，我們將學習如何利用這些強大的「近似」技巧來求根、計算面積以及求解微分方程。讓我們開始吧！
1. 方程求根
求一個根 (root)，其實就是找出 \(x\) 的值，使得 \(f(x) = 0\)。從圖形來看，這就是曲線與水平 \(x\)-軸相交的位置。
根的位置
在計算根之前，我們得先知道它在哪裡！一個簡單的方法是符號改變法則 (Sign Change Rule)。如果一個連續函數 \(f(x)\) 在 \(x = a\) 和 \(x = b\) 之間符號發生了改變（一個為正，一個為負），那麼在這兩點之間必然至少存在一個根。
比喻：如果你原本在二樓，突然到了地下室，那你一定在某個時刻經過了地面層（即根）！
線性插值法 (Linear Interpolation)
此方法假設曲線在兩點 \((a, f(a))\) 和 \((b, f(b))\) 之間是一條直線。我們在兩點間連成一線，並觀察這條線與 \(x\)-軸相交的位置。求出下一個近似值 \(x_1\) 的公式為：
\(x_1 = a - f(a) \cdot \frac{b - a}{f(b) - f(a)}\)
牛頓-拉弗森法 (Newton-Raphson Method)
這是一種利用切線快速求根的方法。我們先選擇一個起始猜測值 \(x_n\)，在該點畫出切線，觀察切線與 \(x\)-軸的交點。該交點即為下一個猜測值 \(x_{n+1}\)。
公式：
\(x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}\)
重點複習：牛頓-拉弗森法何時會失效？
1. 當 \(f'(x_n) = 0\) 時：切線為水平線，永遠不會與 \(x\)-軸相交！（這會導致除以零）。
2. 當起始猜測值離根太遠時：此方法可能會「跳」到另一個根，或者發散（趨向無窮大）。
核心要點： 牛頓-拉弗森法雖然快，但需要一個良好的起始猜測值以及非零的導數！
2. 迭代法：重複的力量
有時我們會將方程 \(f(x) = 0\) 改寫為 \(x = F(x)\) 的形式。然後利用起始值 \(x_0\)，不斷地將結果代回公式中：
\(x_{n+1} = F(x_n)\)
這有效嗎？（收斂性）
並非每個 \(F(x)\) 都能導向正確的根。為了讓迭代收斂 (converge)（即穩定在一個答案上），函數 \(F(x)\) 在根附近的「陡峭程度」必須較小。
法則： 如果在根附近滿足 \(|F'(x)| < 1\)，則迭代會收斂。
迭代的可視化
我們使用階梯圖 (Staircase diagram) 或蛛網圖 (Cobweb diagram) 來觀察：
- 階梯圖： 當 \(F'(x)\) 為正時發生。數值會穩定地「踏」向根。
- 蛛網圖： 當 \(F'(x)\) 為負時發生。數值會像蜘蛛網一樣圍繞著根「旋轉」或反彈。
你知道嗎？ 電腦最喜歡迭代法！因為電腦每秒能進行數百萬次計算，它們可以使用非常簡單的迭代公式，為 GPS 或工程問題找到極其精確的答案。
3. 數值積分：計算面積
當你無法使用標準規則積分函數 \(f(x)\) 時，可以將曲線下的區域分成多個條狀，以此估算面積。
梯形法則 (Trapezium Rule)
我們將每個條狀區域視為一個梯形（頂部為直線斜邊的形狀）。
公式： 面積 \(\approx \frac{h}{2} [y_0 + y_n + 2(y_1 + y_2 + ... + y_{n-1})]\)
其中 \(h\) 為每個條狀的寬度：\(h = \frac{b - a}{n}\)。
辛普森法則 (Simpson's Rule)
這是梯形法則的「進階版」。它不使用直線，而是使用拋物線來擬合條狀區域的頂部。通常準確度更高！
公式： 面積 \(\approx \frac{h}{3} [y_0 + y_n + 4(y_{odd}) + 2(y_{even})]\)
關鍵規則： 辛普森法則僅在你有偶數個條狀區域（\(n\) 必須為偶數）時才適用。
常見錯誤： 不要把縱坐標 (ordinates)（即 \(y\) 值）與條狀區域 (strips) 搞混了。如果你有 4 個條狀區域，實際上會有 5 個 \(y\) 值（\(y_0\) 到 \(y_4\)）。
核心要點： 想快速估算就用梯形法則，但若想要更好的精確度，記得只要區間數目是偶數，就首選辛普森法則！
4. 數值求解微分方程
如果你遇到一階微分方程 \(\frac{dy}{dx} = f(x, y)\) 且無法以一般方法求解，我們可以透過小步長「前進」來尋找解的軌跡。
歐拉法 (Euler Method)
這就像是跟著指南針的方向行走，走一小段路後就停下來重新確認方向。
公式： \(y_{n+1} = y_n + h \cdot f(x_n, y_n)\)
其中 \(h\) 為你的步長 (step size)。
\(h\) 越小，路徑越精確，但你需要走的步驟就越多！
改良歐拉法 (Improved Euler Method)
標準的歐拉法因為只參考步長起點的斜率，容易迅速偏離軌道。改良歐拉法（亦稱預測-校正法，Predictor-Corrector method）則取步長起點斜率與步長終點估算斜率的平均值。
步驟 1（預測）： 找出臨時值 \(y^*_{n+1} = y_n + h \cdot f(x_n, y_n)\)。
步驟 2（校正）： 利用該值計算平均斜率：
\(y_{n+1} = y_n + \frac{h}{2} [f(x_n, y_n) + f(x_{n+1}, y^*_{n+1})]\)
鼓勵一下： 這些公式看起來很嚇人，但在計算機或電腦上，它們只是一個重複的循環。只要記住核心概念：我們只是在曲線上「一步步地」前進！
總結清單
考前請確保你能：
- 使用符號改變法則解釋根的存在性。
- 執行牛頓-拉弗森法並識別其失效的情境。
- 使用 \(|F'(x)| < 1\) 檢查迭代法的收斂性。
- 應用梯形法則和辛普森法則（記得辛普森法則中 \(n\) 必須為偶數！）。
- 使用歐拉法和改良歐拉法逐步求解微分方程。
最後小貼士： 在中間計算步驟中，盡量保留所有小數位！過早四捨五入是數值方法的大忌。