歡迎來到數值方法（Numerical Methods）！
在你目前的數學學習旅程中，你已經花了很多時間解像 \( 2x + 4 = 10 \) 或 \( x^2 - 5x + 6 = 0 \) 這類的方程式。這些方程式很棒，因為我們可以利用代數求出精確的答案。
但是，當你遇到像 \( x^3 + x - 1 = 0 \) 這樣的方程式時會發生什麼事呢？並沒有一個簡單的「二次公式」可以直接解它！這時候就是數值方法大顯身手的時候了。我們不再尋求絕對精確的答案，而是利用一些巧妙的技巧來獲得一個「足夠好」（非常接近真實值）的近似解。你可以把它想像成 GPS：它可能不會精確到顯示你所在的原子位置，但它足以帶你找到你家！
在本章中，我們將學習如何定位根（即方程式的解）的位置，然後利用三種不同的方法來「放大」鎖定它：區間平分法 (Interval Bisection)、線性插值法 (Linear Interpolation) 以及 牛頓-拉弗森法 (Newton-Raphson Process)。
1. 定位根：符號變號規則 (The Sign Change Rule)
在我們找到根之前，我們需要先知道它在哪裡。方程式 \( f(x) = 0 \) 的根，簡單來說就是函數圖像穿過 x 軸時的 x 值。
概念：如果一條連續的曲線在某一點位於 x 軸下方，而在另一點位於 x 軸上方，那麼它在兩點之間必定在某處穿過了 x 軸。
規則：如果 \( f(x) \) 在區間 \( [a, b] \) 上是連續的，且 \( f(a) \) 和 \( f(b) \) 的值符號相反（一個為正，一個為負），那麼在 \( a \) 和 \( b \) 之間至少存在一個根。
操作步驟：
1. 將第一個 x 值 \( (a) \) 代入函數得到 \( f(a) \)。
2. 將第二個 x 值 \( (b) \) 代入函數得到 \( f(b) \)。
3. 觀察結果。如果一個是 \( + \) 而另一個是 \( - \)，你就找到根所在的範圍了！
例子：證明 \( f(x) = x^3 + x - 1 \) 在 \( x = 0 \) 和 \( x = 1 \) 之間有一個根。
\( f(0) = (0)^3 + 0 - 1 = -1 \)（負值）
\( f(1) = (1)^3 + 1 - 1 = +1 \)（正值）
由於出現了符號改變，且函數是連續的，因此在 0 和 1 之間存在一個根。
避免常見錯誤：這個規則只有在函數連續（沒有間斷或跳躍）時才有效。如果圖像有漸近線（例如 \( y = \frac{1}{x} \)），符號可能會改變，但那是因為圖像在該處產生了跳躍，而不是因為它穿過了 x 軸！
重點總結：連續函數出現符號改變，代表附近必有根。
2. 方法一：區間平分法 (Interval Bisection)
這是最直接的方法。這就像玩「猜數字」遊戲。如果我心裡想一個 1 到 100 之間的數字，你猜 50。我說「高了」，你就知道數字在 50 到 100 之間。你不斷地將範圍切半，直到找到它為止。
逐步流程：
1. 從一個已知存在根的區間 \( [a, b] \) 開始（通過符號改變判斷）。
2. 求中點：\( m = \frac{a + b}{2} \)。
3. 計算 \( f(m) \)。
4. 判斷哪一半包含根：
- 如果 \( f(m) \) 與 \( f(a) \) 的符號相反，則根在前半段 \( [a, m] \)。
- 如果 \( f(m) \) 與 \( f(b) \) 的符號相反，則根在後半段 \( [m, b] \)。
5. 用新的、更小的區間重複上述過程，直到達到所需的精確度。
快速回顧：中點就是兩個端點的平均值。這個方法速度較慢，但非常可靠！
重點總結：平分法透過不斷將區間切半來「壓縮」根的範圍。
3. 方法二：線性插值法 (Linear Interpolation)
平分法很可靠，但有點「盲目」——它每次都只選中間點。線性插值法則更聰明一些。它會觀察區間的哪一端更接近零，並推測根可能更靠近那一端。
類比：想像有一條拉直的繩子連接 \( (a, f(a)) \) 和 \( (b, f(b)) \) 這兩點。這條直線與 x 軸的交點，就是我們對根的估算值。
公式：
要找到估算值 \( x \)，我們利用相似三角形的概念：
\( \frac{x - a}{b - a} = \frac{-f(a)}{f(b) - f(a)} \)
如果這看起來很複雜，別擔心！ 你也可以把它看作是一個比例：\( x \) 距離 \( a \) 的長度，取決於 \( f(a) \) 相對於從 \( f(a) \) 到 \( f(b) \) 的總「跳躍」幅度有多大。
操作步驟：
1. 選定你的區間 \( [a, b] \)。
2. 計算 \( f(a) \) 和 \( f(b) \)。
3. 將數值代入公式以找到你的估算值 \( x \)。
4. 為了提高精確度，檢查 \( f(x) \) 的符號並建立一個新的、更小的區間，然後重複步驟。
重點總結：線性插值法使用直線來「預測」根的位置，通常比平分法更快接近目標。
4. 方法三：牛頓-拉弗森法 (The Newton-Raphson Process)
這通常是最快的方法。它不使用兩個點，而是利用一個點以及該點處曲線的梯度（斜率）來「滑動」到 x 軸。
前置知識：
你需要記住 P1 和 P2 單元中的微分方法。
如果 \( f(x) = x^n \)，那麼 \( f'(x) = nx^{n-1} \)。
公式：
下一個估算值 \( x_{n+1} \) 的計算方式為：
\( x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)} \)
逐步流程：
1. 從一個初始猜測值 \( x_0 \) 開始（題目通常會給定）。
2. 對函數微分以求出 \( f'(x) \)。
3. 將 \( x_0 \) 代入牛頓-拉弗森公式以找到 \( x_1 \)。
4. 將 \( x_1 \) 代回同一個公式以找到 \( x_2 \)。
5. 重複操作直到數值不再有顯著變化（收斂）。
你知道嗎？牛頓-拉弗森法非常強大，大多數電腦和計算機都使用它的變體來計算平方根並解方程式！
牛頓-拉弗森法何時會失敗：
每位超級英雄都有弱點。在以下情況，牛頓-拉弗森法會失敗：
- 導數 \( f'(x_n) \) 為零（駐點）。公式中會出現除以零的情況，這是不可能的！
- 初始猜測值離根太遠，導致「切線滑動」把你帶離根的目標，而不是接近它。
重點總結：只要梯度不為零，牛頓-拉弗森法利用切線可以極快地縮小範圍找到根。
成功清單
- 精確度：務必檢查題目是否要求特定的小數點位數或有效數字。
- 弧度制：如果你的 \( f(x) \) 涉及三角函數（sin, cos, tan），請確保你的計算機設定在弧度 (Radians) 模式！這是考試中非常常見的錯誤。
- 連續性：在使用符號變號規則時，務必提到該函數是「連續的」，這樣可以確保拿到簡單的解釋分。
- 疊代法：對於牛頓-拉弗森法，請善用計算機上的 ANS 鍵。輸入第一個猜測值並按下 \( = \)。然後輸入公式，用 "Ans" 鍵代替 \( x \)。每次按下 \( = \)，它都會自動計算出下一步的結果！
你可以做到的！數值方法不過是一些邏輯步驟而已。多練習幾次，這些方法就會變成你的直覺。