使用 newton迭代方法计算方程某一区间的值代码_方程求根-二分法、牛顿法、割线法（Python）...

课堂笔记整理：方程求根-二分法、牛顿法、割线法。

内容来自周善贵老师的《计算物理》课程。

二分法

数学基础：对于连续函数

构成的方程：

，如果在区间

上满足：

，则区间

内至少存在一点

，使得

。

基本思想：取区间中点

，如果

，则根位于区间

内；否则根位于区间

内。对根存在的区间继续取中点，以此类推，直到当前根（cur_root）的函数值小于可接受误差为止。

对于方程

，使用二分法求根的Python代码如下：

import math

def func(cur_root):
    func = math.exp(cur_root) * math.log(cur_root) - cur_root ** 2
    return func

def binary(convergence, left, right):
    print('current acceptable error: ' + str(convergence) + 'n')
    error = convergence + 1  # 循环开始条件
    cur_root = left
    count = 1
    while error > convergence:
        if abs(func(left)) < convergence:
            print('root = ' + str(left))
        elif abs(func(right)) < convergence:
            print('root = ' + str(left))
        else:
            print(str(count) + ' root = ' +str(cur_root))
            middle = (left + right) / 2
            if (func(left) * func(middle)) < 0:
                right = middle
            else:
                left = middle
            cur_root = left
        error = abs(func(cur_root))
        count += 1
convergence = float(input("your acceptable error:"))
left = float(input('left: '))
right = float(input('right: '))
binary(convergence, left, right)

要求误差不高于

，区间取

：

left: 1
right: 4
current acceptable error: 1e-06

第21步后误差满足条件：

21 root = 1.6945991516113281

牛顿法

将函数在根附近泰勒展开：

取线性阶近似，可得：

可以解得：

即为牛顿法迭代公式。

在迭代公式中，每一个

都是由

减去

得到的。

对于方程

，使用牛顿法求根的Python代码如下：

import math

def newton(convergence, ini_root):
    print('current acceptable error: ' + str(convergence) + 'n')
    error = convergence + 1  #循环开始条件
    cur_root = ini_root
    count = 1  # 迭代计数
    while error > convergence:
        print(str(count) + ' root = ' +str(cur_root))
        func = math.exp(cur_root) * math.log(cur_root) - cur_root**2 
        dif_func = math.exp(cur_root) * ((1 / cur_root) + math.log(cur_root)) - 2 * cur_root
        cur_root = cur_root - func / dif_func # 进行迭代
        error = abs(func)  # 计算误差
        count += 1

convergence = float(input("your acceptable error:"))
ini_root = float(input('your initial root '))
newton(convergence, ini_root)

依然要求误差不高于

，从4开始迭代：

your initial root 4
current acceptable error: 1e-06

只需迭代7次即可结束，比二分法效率高很多：

8 root = 1.6946010436031655

割线法（分立牛顿法）

在牛顿法中，每一步都需要计算当前点的导数值，需要手动求导。如果不想人工求导，可以使用两点割线来代替切线，从而得到割线法，因此割线法又称分立牛顿法。

使用

和

两点计算的割线斜率为：

用

代替牛顿法中的

，可得割线法迭代式：

import math

def func(cur_root):
    func = math.exp(cur_root) * math.log(cur_root) - cur_root ** 2
    return func

def secant(convergence, x_0, x_1):
    print('current acceptable error: ' + str(convergence) + 'n')
    error = convergence + 1
    cur_root = x_1
    count = 1
    while error > convergence:
        print(str(count) + ' root = ' + str(cur_root))
        sect = (func(x_1) - func(x_0)) / (x_1 - x_0)
        cur_root = cur_root - func(x_1) / sect
        error = abs(func(cur_root))
        x_0 = x_1
        x_1 = cur_root
        count += 1

convergence = float(input("your acceptable error:"))
x_0 = float(input('x_0: '))
x_1 = float(input('x_1: '))
secant(convergence, x_0, x_1)

继续要求误差不高于

，从4开始迭代：

x_0: 4
x_1: 3
current acceptable error: 1e-06

可以在8次迭代之后结束：

9 root = 1.694602010833161

可以看到，牛顿法及其变种割线法，相对于二分法是十分高效的，但是牛顿法也有局限。牛顿法在某些情况下并不收敛，例如牛顿法求方程

的根，每一次取切线进行迭代都会使当前

更加远离方程的根，最终跑到无穷大溢出报错：

1023 root = (inf-1.2158939983623275e+294j)
OverflowError: complex exponentiation

Reference：

周善贵，《计算物理》课程讲义