二分法

我们使用二分法来求解方程的根。二分法的基本思想是：对于连续函数f(x)，如果在区间[a, b]上f(a)和f(b)异号，那么区间内至少存在一个根。通过不断将区间一分为二，然后选择包含根的子区间，逐步缩小区间范围，直到满足精度要求。步骤： 1. 确定初始区间[a, b]，使得f(a) * f(b) < 0。 2. 计算中点c = (a + b) / 2。 3. 计算f(c)的值。 4. 判断：如果f(c)等于0（或者非常接近0，达到精度要求），则c就是所求的根。 5. 否则，检查f(a) * f(c)的符号：如果f(a) * f(c) < 0，则根在区间[a, c]内，令b = c。如果f(a) * f(c) > 0，则根在区间[c, b]内，令a = c。 6. 重复步骤2-5，直到区间长度小于给定的精度要求。注意：我们通常使用一个循环，当区间长度（即|b - a|）小于某个很小的数（例如1e-6）时停止。下面我们用一个具体的例子来实现二分法。假设我们要求解方程f(x)=x^3 - x - 1 = 0在区间[1,2]上的根。我们将编写一个函数来实现二分法，并输出每次迭代的区间和近似根。

二分法（Bisection Method）是一种求解方程根的数值方法，适用于连续函数在给定区间内存在单根的情况。其核心思想是通过不断缩小区间范围逼近方程的根。以下是详细步骤：

算法原理

前提条件
- 函数 ( f(x) ) 在闭区间 ([a, b]) 上连续。
- ( f(a) ) 与 ( f(b) ) 异号（即 ( f(a) \cdot f(b) < 0 )），由介值定理可知区间内至少有一个根。
迭代过程
- 步骤1：计算中点 ( c = \frac{a + b}{2} )。
- 步骤2：计算函数值 ( f(c) )。
- 步骤3：判断根的位置：
  - 若 ( f(c) = 0 )，则 ( c ) 为根，停止迭代。
  - 若 ( f(a) \cdot f(c) < 0 )，则根在 ([a, c]) 内，更新 ( b = c )。
  - 若 ( f(b) \cdot f(c) < 0 )，则根在 ([c, b]) 内，更新 ( a = c )。
- 步骤4：重复上述步骤，直到区间长度小于预设精度 ( \epsilon )。
终止条件
- 区间长度 ( |b - a| < \epsilon )（(\epsilon) 为允许误差，如 ( 10^{-6} )）。
- 此时近似根为最终区间的中点 ( c )。

示例：求解 ( f(x) = x^3 - x - 1 = 0 )

初始区间：( [1, 2] )（因 ( f(1) = -1 < 0 )，( f(2) = 5 > 0 )）。
精度要求：( \epsilon = 0.001 )。

迭代次数	( a )	( b )	( c )	( f(c) )	新区间
1	1.0	2.0	1.5	( 0.875 > 0 )	([1, 1.5])
2	1.0	1.5	1.25	( -0.297 < 0 )	([1.25, 1.5])
3	1.25	1.5	1.375	( 0.224 > 0 )	([1.25, 1.375])
...	...	...	...	...	...
10	1.3242	1.3252	1.3247	≈0	停止

结果：近似根为 ( x \approx 1.3247 )（误差 ( < 0.001 )）。

Python 代码实现

def bisection(f, a, b, tol=1e-6, max_iter=100):
    if f(a) * f(b) >= 0:
        raise ValueError("区间两端点函数值需异号！")
    for i in range(max_iter):
        c = (a + b) / 2
        if abs(b - a) < tol:  # 达到精度要求
            return c
        if f(c) == 0:         # 恰好找到根
            return c
        if f(a) * f(c) < 0:   # 根在左半区间
            b = c
        else:                 # 根在右半区间
            a = c
    return (a + b) / 2         # 返回最终中点

# 示例函数
def f(x):
    return x**3 - x - 1

# 调用二分法
root = bisection(f, 1, 2)
print(f"方程的近似根为: {root:.6f}")