计算机数学基础: sqrt平方根(函数零点)近似求解算法 - 根号2计算

计算机数学基础: sqrt平方根(函数零点)近似求解算法 - 根号2计算

一、背景介绍

根号2是个很常见的数, 并且是个无理数, 你知道他的数值是多少吗? 可能有大神直接开始1.414.....

(关于他还有个非常知名的数学故事, 但我们今天不聊故事)

但我们今天不考察记忆力, 而是简单的聊一聊关于他的计算方法

更准确的说是在数值计算 中关于平方根求解 又或者说是方程根(函数零点)近似求解的方法

即实现下面这个常用的函数

python 复制代码
sqrt(2)

二、对平方根问题进行数学建模

我们可以把根号2当成一个未知数X, 然后就获得了f(x)这个函数 , 也就对应上图中的函数图像

此时我们已经把一个a=2的平方根问题 转为了求解f(x)正零点(方程f(x)=0的正根) 问题

二、方法一 - 二分法求解

2.1 核心概念 - 二分查找

维基百科介绍

2.2 连续区间/函数 - 离散化

基于上面二分查找的基本概念, 我能可以简单理解一般能应用这个算法的问题, 具有一下特征:

  • 可存储到数组
  • 数组中的值是有序的(单调的)

首先我们可以轻易确定查找区间为[0, 2] , 以0.01为间隔对f(x)在区间[0, 2]进行离散化 (这里假设误差为0.01)

就可以得到一个

长度为200, index为索引对应f(index * tolerance)函数值的 -- 有序数组f(index * tolerance)_value[0,..,200]

2.3 求解过程

[补充视频]

通过二分查找, 每次都把问题规模将为原来的二分之一, 也就是logN的复杂度

其中这个N = 区间长度 / 误差

当达到容忍误差要求时即查找区间小于误差

就结束计算并返回对应结果(区间中的任意值), 这个结果就是根号2的近似值

2.4 代码实现

python 复制代码
def sqrt_binary_serach(target, tolerance=0.001):
    #assert target > 0
    interval = [0, target]

    def f(x):
        return x * x - target

    fx_value = f(target)

    while True:
        # 计算新的估计值 Xn+1 = Xn - F(Xn) / F'(Xn)
        mid = (interval[0] + interval[1]) / 2
        fx_value = f(mid)
        if fx_value == 0:
            return mid
        if fx_value > 0:
            interval[1] = mid # 更新区间右值
        else:
            interval[0] = mid # 更新区间左值
        # 计算误差, 符合要求误差就break出
        if abs(interval[0] - interval[1]) < tolerance:
            break

    return interval[0]

三、方法一 - 牛顿迭代法求解

实际应用: Fast inverse square root - 雷神之锤 III 竞技场 - Quake III Arena

3.1 核心概念 - 泰勒级数/函数近似

在一个"邻域"通过泰勒展开 对原函数做近似, 获得一个较好计算的近似函数表示

牛顿迭代为了求解方便, 只取了展开式的前两项 - 做线性近似

通过求解这个线性近似函数的(正)零点 , 进而获得原函数的零点的近似解

3.2 收敛条件及迭代法

由于只是线性近似, 上述展开式x0取值(常)很难足够接近零点, 导致零点(实际解)和x0的距离往往不是一个理想且足够小的"邻域"

这种情况下, 只做一次求解, 往往误差比较大, 但可以确定的是当在查找区间中原函数f(x)满足:

  • 一阶导数f'(x)不为0
  • 二阶导数f''(x)连续

此时牛顿法是向实际解收敛的

既然是收敛的, 我们就可以使用迭代法进行逐渐逼近 , 对上面这个基于x0展开的线性近似函数, 反解决出X

这个X就是X1, 同时这个表达是也就是牛顿迭代法的迭代公式

3.3 求解过程

[视频动画]

牛顿迭代法多数情况下都是二次收敛的 , 所以对于平方根求解问题其算法复杂度是通常是优于二法分logN的

3.4 代码实现

python 复制代码
# 计算平方根: f(x) = x^2 - a
def sqrt_newton(target, tolerance=0.0001):

    Xn = target # 牛顿迭代法的初始估计值

    while True:
        # 计算新的估计值 Xn+1 = Xn - F(Xn) / F'(Xn)
        new_Xn = Xn - (Xn * Xn - target) / (2 * Xn)

        # 检查新的估计值是否足够接近旧的估计值
        if abs(new_Xn - Xn) < tolerance:
            break

        # 更新估计值
        Xn = new_Xn

    return Xn

四、对应的数学动画视频

CSMathBase: 二分法计算平方根近似解 算法动画解析

www.bilibili.com/video/BV1MF...

计算机数学基础: 函数零点近似求解 牛顿迭代法 动画

www.bilibili.com/video/BV1px...

五、最后/Other

欢迎大家到评论区讨论, 如果你喜欢这个文章的话也欢迎点赞 收藏 和关注哦

我是 Sunrisepeak言峰 一个开源软件[开发/爱好]者 不定期更新 开源项目 / 技术 / Thinking 相关的文章和视频

Ref

相关推荐
沐霜枫叶42 分钟前
解决pycharm无法识别miniconda
ide·python·pycharm
途途途途1 小时前
精选9个自动化任务的Python脚本精选
数据库·python·自动化
蓝染然1 小时前
jax踩坑指南——人类早期驯服jax实录
python
许野平1 小时前
Rust: enum 和 i32 的区别和互换
python·算法·rust·enum·i32
问道飞鱼2 小时前
【Python知识】Python进阶-什么是装饰器?
开发语言·python·装饰器
AI视觉网奇2 小时前
Detected at node ‘truediv‘ defined at (most recent call last): Node: ‘truediv‘
人工智能·python·tensorflow
GuYue.bing2 小时前
网络下载ts流媒体
开发语言·python
牛顿喜欢吃苹果3 小时前
linux创建虚拟串口
python
-Mr_X-3 小时前
FFmpeg在python里推流被处理过的视频流
python·ffmpeg
一个不秃头的 程序员3 小时前
代码加入SFTP JAVA ---(小白篇3)
java·python·github