算术平方根解法

第一种方法，使用二分法。在一个区间内每次拿中间数的平方来试，如果大了就左移中间数，如果小了就右移。当结果逼近真实值的时候取精度最高的结果。

//二分法求平方根，首尾两端不断逼近 
float Sqrt(float m){
	const float eps = 1e-11;
	//eps用于控制结果的精度 
	if(m<0){
		cerr<<"无法求根"<<endl;
		return -1;
	}
	float mid,low,up,last;
	low = 0,up = m;
	mid = (low + up)/2;
	do{
		if(mid * mid > m)
			up = mid;
		else
			low = mid;
		last = mid;
		mid = (low + up)/2;			
	}while(fabs(last - mid) > eps); 
	//不能使用abs，会提示函数有歧义 ,fabs可以直接传float参数 
	return mid;	
}

第二种方法，牛顿迭代法。↓↓↓↓↓↓↓↓以下描述取自百度百科

设r是

的根，选取

作为r的初始近似值，过点

做 曲线

的切线L，L的方程为

，求出L与x轴交点的横坐标

，称x ₁为r的一次近似值。过点

做曲线

的切线，并求该切线与x轴交点的横坐标

，称

为r的二次近似值。重复以上过程，得r的近似值序列，其中，

称为r的

次近似值，上式称为牛顿 迭代公式。

用牛顿迭代法解非线性方程，是把非线性方程

线性化的一种近似方法。把

在点

的某邻域内展开成 泰勒级数

，取其线性部分（即泰勒展开的前两项），并令其等于0，即

，以此作为非线性方程

的近似方程，若

，则其解为

， 这样，得到牛顿迭代法的一个迭代关系式：

。

简单来说就是，如要求A的算术平方根，先假设一个值x，然后不断求（x+a/x)/2=x，不断迭代。

float SqrtByNt(float m){
	const float eps = 1e-11;
	float x = m; 
	float last;//用于记录上一次迭代的值 
	do{
		last = x;
		x=(x+m/x)/2;		
	}while(fabs(x-last)>eps);
	return x;
} 

接下来是卡马克的神奇平方根算法，其实也是用了牛顿迭代法，但他设置了一个神奇的常数0x5f3759df来计算那个猜测值。

float InvSqrt (float x) {
	float xhalf = 0.5f*x;
	int i = *(int*)&x;
	i = 0x5f3759df - (i>>1);
	x = *(float*)&i;
	x = x*(1.5f - xhalf*x*x);
	x = x*(1.5f - xhalf*x*x);
	x = x*(1.5f - xhalf*x*x);
	return 1/x;
}