数值分析-----不动点迭代和牛顿迭代（Python），阿里面试暗示

import numpy as np

import matplotlib.pyplot as plt

def f(x):

return (x+1)**(1/3)

def fun(x,tol,maxit):

x0=x

xk=x0

k=1

while (True):

xk=(x0+1)**(1/3)

if (xk-x0)(xk-x0)<toltol:

print(‘Tolerance condition is satisfied:’+str(tol))

return xk

if k>maxit:

print(‘Maxiteration is satisfied:’+ste(maxit))

return xk

print(“iter:”+str(k)+“,xk=”+str(xk))

x0=xk

k=k+1

def main():

x=1.5

maxit=20

tol=1.0*10**(-4)

result=fun(x,tol,maxit)

print(result)

x=np.arange(1,3,0.01)

y=x

x1=result

plt.plot(x,y,‘b’)

plt.scatter(x1,f(x1),color=‘red’)

plt.xlabel(‘x’)

plt.ylabel(‘y’)

plt.show()

if name ==‘main’:

main()

结果：

iter:1,xk=1.3572088082974532

iter:2,xk=1.3308609588014277

iter:3,xk=1.325883774232348

iter:4,xk=1.324939363401885

iter:5,xk=1.3247600112927027

Tolerance condition is satisfied:0.0001

result= 1.3247259452268871

3 牛顿迭代

---

3.1 基本思想

       牛顿-拉夫逊法提出来的思路就是利用切线是曲线的线性逼近这个思想。太佩服这两个大佬了，简直是顶礼膜拜，他们这脑袋瓜子怎么就那么聪明呢！上面我们的不动点迭代没有了导数和原函数的关系，但是我们这里的牛拉法不仅有原函数和导数的关系，还迭代速度特别快（不动点迭代是一阶的，牛-拉是二阶的），下面我们用图形来一起看看：

        

随便找一个曲线上的A点（为什么随便找，根据切线是切点附近的曲线的近似，应该在根点附近找，但是很显然我们现在还不知道根点在哪里），做一个切线，切线的根（就是和x轴的交点）与曲线的根，还有一定的距离。牛顿、-拉夫逊们想，没关系，我们从这个切线的根出发，做一根垂线，和曲线相交于B点，继续重复刚才的工作：

之前说过，B点比之前A点更接近曲线的根点，牛顿、拉弗森们很兴奋，继续重复刚才的工作：

第四次就已经很接近曲线的根了：

经过多次迭代后会越来越接近曲线的根（下图进行了50次迭代，哪怕经过无数次迭代也只会更接近曲线的根，用数学术语来说就是，迭代收敛了）

3.2 案例及实现

用牛顿迭代法求方程 )在[0，2]之间的根，要求：

代码（方法1）：

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

def fun(x):

y = x ** 3 - 2 * x - 2

return y

def fun_diff(x):

y = 3 * x **(2) - 2

return y

def Netwon(x0, func, dfunc,eps):

x0=1.5

x = np.zeros(2)

x[0] = x0

x[1] = x0 - func(x[0]) / dfunc(x[0])

while np.abs(func(x[0])) > eps: # 在0附近

x[0] = x[1]

x[1] = x[0] - func(x[0]) / dfunc(x[0])

return x[1]

def main():

eps=10**(-3)

x = np.arange(-5, 5, 0.1)

y = fun(x)

x1 = Netwon(0, fun, fun_diff,eps) # 牛拉法求得的点

print(“迭代值为:”,x1)

plt.plot(x, y)

plt.xlim(-5, 5)

plt.ylim(-10, 50)

plt.scatter(x1, fun(x1), color=‘red’)

plt.xlabel(‘X’)

plt.ylabel(‘Y’)

plt.show()

if name == ‘main’:

main()

结果：

迭代值为: 1.7692923542960053

代码（方法2）：

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

文末有福利领取哦~

👉一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉二、Python必备开发工具

👉三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉 四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（文末领读者福利）

👉五、Python练习题

检查学习结果。

👉六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

(https://img-blog.csdnimg.cn/a9d7c35e6919437a988883d84dcc5e58.png)

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
[外链图片转存中…(img-JM10QCuU-1712808506750)]