### 二分法和牛顿法简介 #### 二分法 二分法是一种简单有效的数值解算法，适用于连续函数在一个区间内有唯一零点的情况。其基本思想是将区间的中点作为试探值，并通过不断缩小搜索范围逼近目标根。 #### 牛顿法 牛顿法（也称切线法）利用了导数的信息，在每次迭代过程中用一条切线代替原曲线并找到该切线的交点作为新的估计值。它的收敛速度通常比二分法快得多，但在初始猜测不佳的情况下可能会发散。 以下是Python代码实现： ```python import sympy as sp # 定义方程 f(x) = x^3 - 2x - 5 和 导数 df/dx x = sp.symbols('x') f = x**3 - 2*x - 5 df_dx = sp.diff(f, x) def bisection_method(func, a, b, tol=1e-6): """ 使用二分法求解 """ fa = func(a) fb = func(b) if fa * fb > 0: raise ValueError("函数在两端同号，请检查输入") iterations = 0 while abs(b-a) >= tol: c = (a + b) / 2.0 fc = func(c) if fa * fc < 0: # 左半边包含根 b = c fb = fc else: # 右半边包含根 a = c fa = fc iterations += 1 return (a+b)/2, iterations def newton_method(func, deriv_func, initial_guess, tol=1e-6, max_iter=100): """ 使用牛顿法求解 """ xn = initial_guess iter_count = 0 for n in range(max_iter): fxn = func(xn) Dfxn = deriv_func(xn) if Dfxn == 0: print("Zero derivative encountered.") break next_xn = xn - fxn/Dfxn iter_count += 1 if abs(next_xn - xn) <= tol: return next_xn, iter_count xn = next_xn print("Exceeded maximum number of iterations.") return None, iter_count if __name__ == "__main__": from math import fabs def f_py(x): return x**3 - 2*x - 5 # 将sympy表达式转成普通函数形式 def dfdx_py(x): return 3*x**2 - 2 root_bisect, iters_bisect = bisection_method(f_py, 2, 3) root_newton, iters_newton = newton_method(f_py, dfdx_py, 2) print(f"二分法得到的根约为 {root_bisect:.8f}，共进行了{iters_bisect}次迭代") print(f"牛顿法得到的根约为 {root_newton:.8f}，共进行了{iters_newton}次迭代") ``` 运行结果示例如下： ``` 二分法得到的根约为 2.09455179，共进行了20次迭代 牛顿法得到的根约为 2.09455148，共进行了4次迭代 ``` 可以看到，尽管两者都能准确地接近真值 `x ≈ 2.094...` ，但牛顿法明显需要更少的步骤才能达到同样精度的结果。 --- ###