计算一个浮点数的立方根,不使用库函数。
保留一位小数。
数据范围:
n = input()
if n < 0:
if n > -1:
l = -1
r = 0
else:
l = n
r = 0
else:
if n < 1:
l = 0
r = 1
else:
l = 0
r = n
while (r-l) > 0.001:
mid = l + (r-l) / 2.0
#print(mid, mid**3, n)
if mid ** 3 > n:
r = mid
elif mid ** 3 == n:
l = mid
break
else:
l = mid
print('%.1f'%l)
while True: try: input_ = input() if input_[0] == '-': input_ = float(input_[1:]) print(round(0-input_**(1./3.),1)) else: input_ = float(input_) print(round(input_**(1./3.),1)) except: break
while True: try: print(round(eval(input()+'**(1/3)'),1)) except: break
n=float(input()) op=-1 if n<0 else 1 n=op*n lr=0.0001 x=0.1 for i in range(1000000): delta=6*(x**2)*(x**3-n) x=x-lr*delta print(op*round(x,1))
# 牛顿迭代法求解立方根的思路:
# 令f(x) = x^3 - a,求解f(x) = x^3 - a = 0。
# 利用泰勒公式展开,即f(x)在x0处的函数值为:
# f(x) = f(x0) +f'(x0)(x-x0) = (x0^3-a) + (3x0^2)(x-x0) = 0,
# 解之得:x = x0 - (x0^3 - a) / (3x0^2)。
# 即 x = x - ((x*x*x - n) / (3*x*x));
# 拓展:求平方根用一个套路:
# 令f(x) = x^2 - a,求解f(x) = x^2 - a = 0。
# 利用泰勒公式展开,即f(x)在x0处的函数值为:
# f(x) = f(x0) +f'(x0)(x-x0) = (x0^2-a) + 2x0(x-x0) = 0,
# 解之得:x = x0 - (x0^2 - a) / 2x0
# 即 x = x - (x*x-a)/2x 可进一步化简为:=(x+a/x) / 2。
# 总结:
# 平方根与立方根的求解迭代公式:
# 新x = 旧x - f(x)/f'(x)
# 新x = 旧x - (x平方或者立方与输入数a的差)/f(x)求导数
# 法一:牛顿迭代法
a = float(input().strip()) # 获取输入的实数a
e = 0.0001 # 设定一个精度值
t = a # 初始化立方根t的值为输入的值a
while abs(t*t*t - a) > e: # 差值没有达到精度,便一直更新立方根
# x(i+1) = x(i) - f(xi)/f'(xi)
# 更新后的x = 原x - (原x的立方-a)/f(原x)导数
t = t - (t*t*t - a) * 1.0 / (3 * t*t)
print("%.1f" % t) # 当精度达到要求时,此时的立方根t便为输入实数的立方根解。
# 法二:二分法
a = float(input().strip())
epsilon = 0.0001
low = min(-1.0, a)
high = max(1.0, a)
ans = (low + high)/2
while abs(ans**3 - a) >= epsilon:
if ans**3 < a:
low = ans
else:
high = ans
ans = (low + high)/2.0
print('%.1f' % ans)
import sys def newton(n): pass def bin_search(n, l, r): if r-l < 0.01: return l mid = (l+r)/2 if mid**3 == n: return mid elif mid**3 < n: return bin_search(n, mid, r) else: return bin_search(n, l, mid) for i in sys.stdin: i = float(i) if i == 0: print(0.0) elif i > 0: l, r = (1, i) if 1<i else (i, 1) else: l, r = (-1, i) if -1<i else (i, -1) print(round(bin_search(i, l, r), 1))
while True: try: num = float(input()) if num >= 0: res = num ** (1/3) print(round(res,1)) else: res = (-1*num)**(1/3) print(round(-1*res,1)) except: break
# print('%0.1f' % ((float)(input())**(1/3)))
a = float(input())
x = 1
while 1: #迭代
x = x-(x*x*x-a)/(3*x*x) # 牛顿不动点迭代法
if x*x*x-a<1e-2:
break
print('%0.1f' % x) def gradient_descent(n): #最小二乘法 梯度
x = 1
alpha = 0.001 # 注意学习率不能太大,否则会引发震荡甚至发散
deta = 1
count = 1
while abs(deta) > 0.00001:
deta = 6 * x**2 * (x ** 3 - n)
x -= alpha * deta # 通过梯度更新x值
count += 1
return x
x = gradient_descent(int(input()))
print("%.1f" % x)
#牛顿法
def root(a, n=3): #n为n次方根
y = lambda x: x**n
dy_dx = lambda x:n*x**(n-1)
dx = lambda x: (a - y(x))/dy_dx(x)
x = 1
for _ in range(100):
x += dx(x)
return x
print('%.1f'%root(int(input())))