二分法求根计算器

Q: 二分法和二分查找是一回事吗？

同一思想的不同应用：二分查找在有序数组中找特定值（离散），二分法在连续区间中找函数零点（连续）。都是「每次砍掉一半」的对数时间哲学。

Q: 误差为什么能精确预告？

每步区间长度严格减半：第 n 步后含根区间长度 (b−a)/2ⁿ，根与近似值之差必小于它。这是数值分析中少有的「先验误差界」——不用算就知道要几步。

Q: 异号条件不满足怎么办？

先扫描：把大区间切成小段，逐段检查端点符号，找到异号段再二分。或者用不依赖符号的方法（牛顿法、弦截法），但它们可能发散——包围法与速度不可兼得。

Q: 二分法一定收敛吗？

在满足两个前提时一定收敛：函数连续、初始区间端点异号。这是它区别于一切快速方法的核心价值——不存在「不收敛」的可能，只有「收敛得慢」的代价。所以工程上常说：二分法是求根问题的安全带，先用它兜底，再想办法加速。

Q: 试位法（false position）比二分法快吗？

试位法用连接两端点的直线与 x 轴交点代替中点，对「曲线形状明显」的函数通常更快。但它有个隐患：区间一端可能长期不动（停滞），极端情况下比二分法还慢。Illinois 变体通过给不动的端点函数值减半权重解决了这个问题，实践效果优于朴素的两种方法。

Q: 区间里如果有多个根怎么办？

二分法只会收敛到其中一个（具体哪个取决于区间和中点落点，无法预知）。要找出所有根，通常先做网格扫描（把大区间切成小区间逐个检查变号），每个变号子区间跑一次二分。这也是本工具推荐的用法——先粗扫，再精收。

Q: 误差估计 (b−a)/2ⁿ 是保守还是精确？

这是严格上界：n 步后区间长度恰为 (b−a)/2ⁿ，取中点作为近似根，误差不超过区间半长 (b−a)/2^(n+1)。实际误差往往小得多（运气好中点恰好踩中根），但这个上界与函数无关、百分之百可靠，这就是它作为精度预算依据的价值。

Q: 离散数据（没有函数表达式）能用二分法吗？

只要你能对任意输入获得输出符号（哪怕来自实验测量、查表插值或黑箱仿真），二分法就能用——它只需要函数值，不需要表达式、不需要导数。这正是它在工程调试（如二分定位引入 bug 的提交，git bisect 的思想源头）中大放异彩的原因。

Q: git bisect 和数值二分法有什么关系？

git bisect 把「已知好的旧版本」和「已知坏的新版本」看作区间两端，每次检出中间提交测试，把含 bug 的范围减半——这正是二分法在离散版本序列上的直接应用。n 个提交最多 log₂n 次测试定位罪魁祸首，1000 个提交只需约 10 次。同一个数学思想，跨界统治了两个领域。

Q: 为什么教材都先讲二分法再讲牛顿法？

教学逻辑上，二分法建立了三个核心概念：收敛性（序列逼近真根）、收敛速度（误差如何衰减）、停机准则（何时算够准）。这些概念在牛顿法那里全部重现但变得微妙（可能不收敛、速度是二次、判据有陷阱）。先在最简单可靠的二分法上把概念学扎实，再面对快速方法的不确定性，是由浅入深的经典路径。

什么是二分法求根计算器？

二分法基于零点定理：连续函数在 [a,b] 两端异号（f(a)f(b)<0）则区间内必有根。每次取中点，根据符号保留含根的一半——区间长度每步减半，n 步后精度 (b−a)/2ⁿ。

求 √2（f(x)=x²−2，区间 [1,2]）：中点 1.5 → f=0.25>0 取左半 → 中点 1.25 → f<0 取右半……20 步后精度达 10⁻⁶。慢而稳——这是它的性格。

二分法的思想朴素到近乎原始：如果连续函数在区间两端异号，中间必有根（介值定理）；取中点判断符号，根必然藏在仍然异号的那一半里，于是区间长度每步减半。这个「对半砍」的过程不依赖函数的任何光滑性，只要连续且能算函数值就行——它是所有求根方法中收敛保证最强的一个，也因此成为所有「兜底」策略的核心。

收敛速度是二分法唯一被诟病的地方：每步只把区间减半，相当于每步获得 1 个二进制位精度，约 3.3 步才换来 1 位十进制精度。但换个角度看，这个速度是完全可预测的——开始迭代前就能精确算出需要多少步（n≥log₂((b−a)/ε)），不存在牛顿法那种「可能不收敛」的不确定性。可靠与可预测，正是工程安全攸关场景（飞行控制、医疗设备）偏爱二分法的原因。

二分法的历史可以追溯到古代巴比伦和中国的《九章算术》「开方术」中的区间逼近思想，但作为严格的数值方法由 19 世纪随介值定理的严格化而确立。它的现代变体极为繁荣：试位法（false position）用线性插值代替中点、Illinois 改进防止一侧停滞、Brent 方法把它与快速方法熔于一炉。理解二分法，就理解了「可靠性优先」这一数值分析哲学。

中点 c = (a+b)/2；f(a)f(c)<0 则 b=c，否则 a=c；n 步后误差 ≤ (b−a)/2ⁿ；达到精度 ε 需 n ≥ log₂((b−a)/ε) 步。

示例：f(x)=x³−x−2 在 [1,2] 上 f(1)=−2、f(2)=4 异号。中点 1.5：f(1.5)=−0.125<0，根在 [1.5,2]；再取 1.75：f(1.75)≈1.61>0，根在 [1.5,1.75]。每步区间减半，10 步后精度约 (2−1)/2¹⁰≈0.001。

达到目标精度所需的二分次数（初始区间长 1）
目标误差 ε	所需步数 n	直观理解
0.01（两位小数）	7 步	1/2⁷≈0.0078
0.001（三位小数）	10 步	1/2¹⁰≈0.00098
0.0001（四位小数）	14 步	1/2¹⁴≈0.000061
1e-6	20 步	每 10 步约精确 3 位十进制
1e-9	30 步	双精度浮点的实用极限附近

如何使用二分法求根计算器

1
选择预设函数并输入区间 [a,b]（确保两端异号）。
2
输入目标精度或最大迭代次数。
3
点击「计算」，查看每步区间与最终根。

计算示例

例 1f(x) = x²−2，[1,2]，精度 0.001

f(1)=−1, f(2)=2 异号 ✓；约 10 步后收敛到 1.4142±0.001——每一步确定性减半。

例 2步数预估

区间长 1，要求精度 10⁻⁶：n ≥ log₂(10⁶) ≈ 19.9，即 20 步——可以精确预告计算成本。

例 3例 1：经典求根（手把手三步）

f(x)=x²−2 在 [1,2]：f(1)=−1、f(2)=2 异号。中点 1.5，f(1.5)=0.25>0，根在 [1,1.5]；中点 1.25，f(1.25)=−0.4375<0，根在 [1.25,1.5]；中点 1.375，f(1.375)=−0.109<0，根在 [1.375,1.5]。三步已从长度 1 缩到 0.125，中点 1.4375 与真值 1.41421 的误差已在 0.03 内。

例 4例 2：预算精度对应的迭代次数

在 [0,1] 上要求误差不超过 1e-6：n≥log₂(1/1e-6)=6/log₁₀2≈19.9，即 20 步。这个预算在动手前就能算好——这正是二分法在自动化系统中被偏爱的原因，收敛时间和精度都是契约式的。

例 5例 3：非光滑函数的唯一可靠选择

f(x)=|x³|−0.001 在 x=0 处导数为零且函数平坦，牛顿法可能震荡；但二分法只要 [−1,1] 异号（f(−1)=0.999>0、f(1)=0.999>0——同号！需先找变号区间 [−1,0]），一旦锁定变号区间，多粗糙的函数都照收敛不误。

注意事项

前提：f 连续且 f(a)f(b)<0（异号），偶数重根处不变号会漏检。
收敛是线性的（每步误差减半），比牛顿法慢，但永不发散。
区间内若有多个根，二分法只找到其中一个。
实际软件（如 Excel 单变量求解）常把二分与牛顿结合：二分包围 + 牛顿冲刺。
一切的前提是「端点异号」f(a)·f(b)<0。同号不代表无根（可能有偶数个根），异号保证至少一个根（奇数个）。实践前先扫描或画图找变号区间，这一步错了后面全白算。
二分法无法处理「偶重根」——比如 f(x)=(x−1)² 的根 x=1 两侧函数同号，永远找不到变号区间。这类根要用其他手段（如最小化 |f|）处理。
编程实现时中点公式要写 c=a+(b−a)/2 而不是 c=(a+b)/2——后者在 a、b 很大时可能浮点溢出。这是数值计算教材中的经典防御性编程案例。

常见问题