歡迎來到數值方法！
在你學習 A Level 數學的過程中，你已經花了很多時間使用代數方法（如因式分解或使用二次方程公式）來解方程。但這裡有一個小秘密：現實世界中大多數的方程都無法精確求解！
數值方法就像一套「聰明猜測」策略的工具箱。當代數方法失效時，它們能幫助我們找出工程學、物理學和計算機科學中「足夠好」的答案。別擔心這看起來和你習慣的方法有點不同；這一切都是為了通過邏輯步驟，逐步逼近真相。
1. 定位根：符號改變法 (Change of Sign Method)
在我們解方程如 \(f(x) = 0\) 之前，我們首先需要知道答案（即根）大致在哪裡。根就是圖形與 x 軸相交時的 x 值。
運作原理
如果一個函數是連續的（意味著你可以在不提起筆的情況下畫出它），且在某個區間內從負值變為正值，那麼它在中間的某個點一定穿過了 x 軸（零點）。
類比：想像你正在穿過一個田野。下午 1:00 時你位於籬笆南面 5 米處，下午 1:05 時你位於籬笆北面 5 米處。即使你沒有低頭看，你也確定在 1:00 到 1:05 之間的某個時間點，你一定穿過了那條籬笆線！
方法的局限性
你需要小心！符號改變並不總是保證只有一個根：
- 多重根： 如果區間太寬，可能會存在兩個（或任何偶數個）根。你可能開始和結束都在「正」側，但在中間卻兩次跌至零以下。
- 不連續性（漸近線）： 如果圖形有垂直漸近線（例如 \(y = \frac{1}{x}\)），符號可能會改變，因為圖形是「跳過」了軸，而不是穿過它。這就是為什麼我們要求函數必須表現良好 (well-behaved) 或連續。
快速回顧： 若要證明根存在於 \(x=a\) 和 \(x=b\) 之間，請計算 \(f(a)\) 和 \(f(b)\)。如果一個是正數而另一個是負數，那麼它們之間很可能存在一個根。
重點總結： 在小區間內 \(f(x)\) 出現符號改變，通常表示存在一個根（前提是該函數是連續的）。
2. 迭代法：不動點法 (Fixed Point Method)
當我們找到一個區間後，我們想要更精確地找到根。一種方法是將 \(f(x) = 0\) 重排為 \(x = g(x)\) 的形式，然後使用公式 \(x_{n+1} = g(x_n)\)。
步驟流程
- 從一個初始「猜測值」\(x_0\) 開始。
- 將 \(x_0\) 代入公式得到 \(x_1\)。
- 再將 \(x_1\) 代回公式得到 \(x_2\)，依此類推。
計算機小貼士： 使用 ANS 鍵！輸入你的第一個猜測值並按下 [=]。然後使用 [ANS] 而不是 \(x\) 輸入公式。不斷按下 [=]，觀察數值逐漸趨近於根。
階梯圖 (Staircase) 與蜘蛛網圖 (Cobweb)
我們可以透過繪製 \(y = x\) 直線與 \(y = g(x)\) 曲線來視覺化這個過程。它們的交點即為根。
- 階梯圖： 當數值從一側接近根時出現（例如 2.1, 2.2, 2.25...），看起來像一組階梯。
- 蜘蛛網圖： 當數值在根周圍「螺旋式」或來回跳動時出現（例如 2, 3, 2.1, 2.9...）。
常見錯誤： 並非所有的重排都能奏效！如果你的數值變得極大或趨向無窮大，說明迭代正在發散 (diverging)。你可能需要嘗試原始方程的另一種重排方式。
重點總結： 迭代利用遞迴關係來「鎖定」根。成功與否取決於 \(g(x)\) 的選擇以及起始值。
3. 牛頓-拉弗森法 (Newton-Raphson Method)
這是一種利用切線求根的高速方法，通常比簡單迭代快得多。
公式
你需要掌握的標準公式是：
\(x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}\)
幾何原理
牛頓-拉弗森法取你的猜測值，對應到曲線上並畫出一條切線。這條切線與 x 軸的交點就是你的下一個、更準確的猜測值。它沿著曲線的斜率向下逼近根。
方法的局限性
這方法非常出色，但有一個主要弱點：駐點 (stationary points)。
你知道嗎？ 如果你的猜測值位於轉折點（斜率為零的地方），切線將是水平的，永遠不會碰到 x 軸！在公式中，\(f'(x_n)\) 將為零，而除以零是不可能的。你的計算機將會顯示錯誤。
重點總結： 牛頓-拉弗森法利用微分來快速求根，但如果你的猜測點處的斜率為零或接近零，該方法就會失效。
4. 數值積分：梯形法則 (Trapezium Rule)
有時我們無法使用常規法則對函數進行積分。我們改為將曲線下的面積分成垂直的條狀，並將每一條視為一個梯形來估算面積。
公式
\(Area \approx \frac{1}{2}h [y_0 + y_n + 2(y_1 + y_2 + ... + y_{n-1})]\)
其中 \(h\) 是每一條的寬度：\(h = \frac{b - a}{n}\)。
記憶口訣：「端點與中間」法則
要記住這個公式，請記住：「寬度的一半，乘以（兩個端點高度之和 + 中間所有高度的兩倍）。」
高估 vs 低估
你可以通過觀察曲線的凸性 (convexity) 來判斷你的答案是偏大還是偏小：
- 凸形（曲線「向下」彎，像山谷）： 梯形的頂部直線會保持在曲線上方，因此這是高估 (over-estimate)。
- 凹形（曲線「向上」彎，像小山）： 梯形的頂部直線會保持在曲線下方，因此這是低估 (under-estimate)。
重點總結： 梯形法則用於近似曲線下的面積。增加條狀數量 (\(n\)) 會使估算更加準確。
總結檢查清單
- 我能利用符號改變證明根的存在嗎？
- 我能解釋為什麼符號改變法有時會失效（漸近線/偶數個根）嗎？
- 我會使用 ANS 鍵進行迭代計算嗎？
- 我掌握了牛頓-拉弗森公式及其失效條件嗎？
- 我能應用梯形法則並判斷答案是高估還是低估嗎？
別擔心，如果這些公式一開始看起來很嚇人！經過練習，你會發現數值方法往往是純數學中最「簡單」的部分，因為它遵循非常可預測的步驟模式。繼續加油！