🔥 方程的數值解法 (FP1) 🔥

各位未來的數學家，大家好！歡迎來到進階純數 (Further Pure Mathematics) 最實用且迷人的章節之一。在本章中，我們將暫時放下追求完美、整齊的代數解，轉而面對現實：在物理、金融或工程等真實世界中，大部分遇到的方程都無法僅透過代數手段精確求解。

取而代之的是，我們會使用數值方法 (Numerical Methods) 來尋找極高精度的近似值。這就像是一個聰明的計算機，不斷地放大目標答案，使其越來越精確。學完這些筆記後，你將能夠定位根的位置，並運用迭代法找到高精確度的解！


1. 根的定位：變號法 (The Sign Change Method)

在尋找根（即 \(f(x) = 0\) 的解）之前，我們首先需要知道它大約位於何處。變號法 (Sign Change Method) 是數值分析的基礎。

什麼是根？

方程 \(f(x) = 0\) 的根，就是 \(y = f(x)\) 的圖象與 \(x\)-軸相交時的 \(x\) 值。

變號原理

如果你有一個連續函數 \(f(x)\)（意指其圖象沒有中斷或跳躍），且你在兩個點 \(x = a\) 和 \(x = b\) 分別求值：

  • 若 \(f(a)\) 為正數 (+)
  • 且 \(f(b)\) 為負數 (-)
  • 或者相反，

那麼，該函數在 \(a\) 與 \(b\) 之間必定至少穿過 \(x\)-軸一次。因此，在區間 \([a, b]\) 內存在一個根。

🧠 類比：山脈

想像 \(x\)-軸是海平面。如果你站在點 \(a\)（對應 \(f(a)\)），且你位於海平面之上 (+)，當你走到點 \(b\) 時位於海平面之下 (-)，那麼你一定在兩者之間的某處穿過了海平面（即根）。

步驟說明：使用變號法

  1. 定義函數： 確保方程已整理為 \(f(x) = 0\) 的形式。
  2. 選擇區間： 使用給定的區間（例如 \([1, 2]\)），或找出函數符號發生變化的較小整數值。
  3. 計算數值： 分別計算 \(f(a)\) 和 \(f(b)\)。
  4. 得出結論： 清晰地陳述區間內是否存在根。

範例：證明 \(e^x - 5x = 0\) 在 \(x=0.2\) 至 \(x=0.3\) 之間存在一個根。

設 \(f(x) = e^x - 5x\)。
當 \(x = 0.2\) 時：\(f(0.2) = e^{0.2} - 5(0.2) \approx 1.2214 - 1.0 = 0.2214\) (正數)
當 \(x = 0.3\) 時：\(f(0.3) = e^{0.3} - 5(0.3) \approx 1.3499 - 1.5 = -0.1501\) (負數)

由於符號發生了改變且 \(f(x)\) 是連續的，因此在 \(0.2\) 與 \(0.3\) 之間存在一個根。

⚠️ 應避免的常見錯誤
  • 不連續陷阱： 若函數在區間內不連續（例如存在漸近線），變號法會失效。務必檢查函數是否包含如 \(\frac{1}{x}\) 等可能導致中斷的項。
  • 遺漏多個根： 若 \(f(a)\) 和 \(f(b)\) 同為正數，並不代表區間內沒有根；這只代表在 \([a, b]\) 內可能存在零個、兩個、四個或任何偶數個根。

縮小區間以提升準確度

變號法也可用於將根找至指定的小數位數 (d.p.)。

步驟說明：將根找至小數點後 1 位

如果你知道根位於 \(2.4\) 和 \(2.5\) 之間：

  1. 我們需要檢查中間點，看看根位於哪一側。檢查 \(x = 2.45\)。
  2. 若 \(f(2.45)\) 為正，則根必在 \(2.4\) 與 \(2.45\) 之間。該根四捨五入至小數點後 1 位為 2.4。
  3. 若 \(f(2.45)\) 為負，則根必在 \(2.45\) 與 \(2.5\) 之間。該根四捨五入至小數點後 1 位為 2.5。
  4. 關鍵提示： 最終答案（例如 2.4）必須與邊界值（例如 2.45）的符號變化保持一致。
🔑 第一部分重點總結

只要函數是連續的，變號法便是證明根存在於特定狹窄區間內的可靠工具。


2. 不動點迭代法：\(x_{n+1} = g(x_n)\)

定位根告訴我們它在哪裡，但迭代法 (Iterative Methods) 能幫助我們進行「放大」，將根的值精確到多位小數。這在 FP1 中通常被稱為不動點迭代 (Fixed Point Iteration)。

迭代公式

核心概念是將方程 \(f(x) = 0\) 重寫為以下形式： $x = g(x)$

一旦整理成這個形式，我們就可以建立迭代關係：

$$x_{n+1} = g(x_n)$$

這意味著我們將當前的估算值 (\(x_n\)) 代入函數 \(g\)，從而得到一個更精確的新估算值 (\(x_{n+1}\))。

我們從一個初始估算值 \(x_0\) 開始，不斷重複此過程，直到數值收斂（不再改變）至所需的準確度。


重寫公式的重要性

求解 \(f(x) = 0\) 時，公式通常可以有多種重寫方式，從而導出不同的 \(g(x)\) 公式。但只有部分形式能夠真正運作（即收斂到根）。

範例：若方程為 \(x^3 - 4x - 1 = 0\)，以下為兩種可能的重寫方式：

重寫 A（收斂）：
\(x^3 = 4x + 1\)
\(x = \sqrt[3]{4x + 1}\)
$$x_{n+1} = \sqrt[3]{4x_n + 1}$$

重寫 B（發散）：
\(4x = x^3 - 1\)
\(x = \frac{x^3 - 1}{4}\)
$$x_{n+1} = \frac{x_n^3 - 1}{4}$$

在 FP1 中，主要的挑戰往往在於選擇正確的重寫方式，使其能夠收斂。

步驟說明：執行迭代

讓我們使用公式 \(x_{n+1} = \sqrt[3]{4x_n + 1}\) 以及初始估算值 \(x_0 = 2\)。

  1. 從 \(n=0\) 開始： 設 \(x_0 = 2\)。
  2. 計算 \(x_1\)： \(x_1 = \sqrt[3]{4(2) + 1} = \sqrt[3]{9} \approx 2.080084\)
  3. 計算 \(x_2\)： \(x_2 = \sqrt[3]{4(2.080084) + 1} \approx 2.100650\)
  4. 計算 \(x_3\)： \(x_3 = \sqrt[3]{4(2.100650) + 1} \approx 2.105828\)
  5. ... 重複此過程，直到達到所需的精確度。

🔥 計算機小撇步（FP1 必備）：
為了節省時間並避免捨入誤差，請使用計算機的 ANS（上一個答案）功能：

  1. 輸入初始值 (\(x_0\)) 並按下 =。
  2. 輸入迭代公式，將 \(x_n\) 以 ANS 代替。（例如 \(\sqrt[3]{4 \times \text{ANS} + 1}\)）
  3. 重複按下 = 即可產生 \(x_1, x_2, x_3, \ldots\)
🔑 第二部分重點總結

迭代法將解方程變成了連續逼近的過程：\(x_{n+1} = g(x_n)\)。關鍵步驟在於將 \(f(x)=0\) 整理為能收斂的 \(x=g(x)\) 形式。


3. 視覺化迭代與收斂

為什麼有些重寫方式有效，而有些卻失敗了？答案在於 \(y = x\) 和 \(y = g(x)\) 的圖象。

不動點

根 \(\alpha\) 是 \(x = g(x)\) 的點。在圖象上，這就是直線 \(y = x\) 與曲線 \(y = g(x)\) 的交點。

當我們進行迭代時，我們是在創造一條路徑，讓我們越來越靠近（或遠離）這個交點。

階梯圖與蛛網圖 (Staircase and Cobweb Diagrams)

我們可以在圖象上追蹤迭代過程：

  1. 從 \(x\)-軸上的 \(x_n\) 開始。
  2. 垂直移動至 \(y = g(x)\) 以找到 \(g(x_n)\) 的值（即 \(x_{n+1}\)）。
  3. 從 \(y = g(x)\) 水平移動至直線 \(y = x\)。這將 \(x_{n+1}\) 的值映射到 \(x\)-軸上，以便進行下一步。

重複此過程會形成獨特的規律：

類型 1：階梯式收斂 (Staircase Convergence)

數值穩步趨近於根，如同爬樓梯。當 \(g(x)\) 在根附近的斜率為正且平緩時會發生。

類型 2：蛛網式收斂 (Cobweb Convergence)

數值在根周圍震盪，如同蜘蛛網般向內螺旋。當 \(g(x)\) 在根附近的斜率為負且平緩時會發生。

類型 3：發散 (Divergence)

數值距離交點越來越遠。這意味著所選擇的 \(g(x)\) 重寫方式無法找到該根。


收斂條件（進階見解）

若要使迭代過程 \(x_{n+1} = g(x_n)\) 收斂於根 \(\alpha\)，必須在根的附近滿足以下條件：

$$|\ g'(\alpha)\ | < 1$$

其中 \(g'(x)\) 是 \(g(x)\) 的導數（斜率）。

概念簡化：斜率是關鍵！

原則是：\(y=g(x)\) 的斜率必須比 \(y=x\) 的斜率更平緩。

  • 因為 \(y = x\) 的斜率恰為 1，所以 \(g(x)\) 的斜率必須介於 \(-1\) 和 \(+1\) 之間。
  • 若斜率 \(|g'(x)| > 1\)，迭代步長會變大，數值將發散（遠離根）。
  • 若斜率 \(|g'(x)| < 1\)，步長會變小，數值將收斂（靠近根）。

在考試題目中，通常會要求你對 \(g(x)\) 求導，並證明在給定區間內 \(|g'(x)| < 1\)，以證明迭代法可行。

你知道嗎？此方法有時被稱為不動點定理 (Fixed Point Theorem)，它是電腦解決複雜非線性系統的基礎！

🔑 第三部分重點總結

迭代法透過追蹤 \(y=g(x)\) 與 \(y=x\) 之間的步驟來視覺化。只有當 \(g(x)\) 在根附近的斜率介於 -1 與 1 之間（\(|g'(\alpha)| < 1\)）時，才會發生收斂。


速查盒：數值解法基本要點

根的定位（變號法）：
  • 測試 \(f(a)\) 與 \(f(b)\)。若符號不同，則根存在於 \([a, b]\) 內。
  • 必須假設 \(f(x)\) 是連續的。
迭代法 (\(x_{n+1} = g(x_n)\))：
  • 需將 \(f(x)=0\) 整理成適當的 \(x=g(x)\) 形式。
  • 使用計算機上的 ANS 鍵！
收斂性：
  • 迭代過程必須指向 \(y=x\) 與 \(y=g(x)\) 的交點。
  • 若 \(g(x)\) 在根附近的斜率大小小於 1，即 \(|g'(x)| < 1\)，則保證收斂。