{
  "id": "bisection-method",
  "title": "二分法",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "二分法通过反复平分端点函数值异号的区间，确定连续实值函数的零点。",
  "category": "mathematics",
  "subcategory": "applied",
  "type": "concept",
  "aliases": [
    "二分求根法",
    "区间二分法",
    "对分法"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/bisection-method/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/bisection-method/",
      "json": "https://aiwiki.page/en/bisection-method.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "二分法是一种数值算法，用于求闭区间上连续函数的零点。它从函数值异号的两个端点出发，计算中点处的函数值，并保留仍然夹住零点的半区间。反复执行这一过程，就会得到包含解的、逐渐缩小的区间。其主要优点是在简单的假设下保证收敛，并能给出明确的误差界；主要缺点是收敛较慢，而且需要预先给定一个夹住零点的区间。"
    },
    {
      "heading": "数学基础",
      "text": "设 \\(f:[a,b]\\to\\mathbb{R}\\) 是连续函数，其中 \\(a<b\\)，并假设\n\n\\[f(a)f(b)<0.\\]\n\n根据介值定理，至少存在一点 \\(r\\in(a,b)\\)，使得\n\n\\[f(r)=0.\\]\n\n这样的点称为 \\(f\\) 的根或零点。因此，求方程 \\(g(x)=h(x)\\) 的解，可以转化为求 \\(f(x)=g(x)-h(x)\\) 的零点。\n\n区间的中点为\n\n\\[m=\\frac{a+b}{2}.\\]\n\n若 \\(f(m)=0\\)，就已经找到了一个根。否则，\\(f(m)\\) 与两个端点函数值中的一个且仅一个异号。相应的半区间，即 \\([a,m]\\) 或 \\([m,b]\\)，与原区间一样满足连续性条件和端点函数值异号条件。\n\n端点函数值异号只能保证根的存在性，不能保证唯一性。一个区间内可能有多个根，而二分法通常只会分离出其中一个。若 \\(f\\) 在该区间上是严格单调函数，则根唯一。"
    },
    {
      "heading": "算法",
      "text": "迭代前先检查端点函数值：若 \\(f(a)=0\\) 或 \\(f(b)=0\\)，则相应端点已经是一个解。否则，要求两个端点的函数值异号。\n\n采用绝对位置容差 \\(\\varepsilon>0\\) 的一种算法如下：\n\n计算 fa = f(a) 和 fb = f(b)。\n\n若 fa = 0，返回 a。\n若 fb = 0，返回 b。\n若 fa 和 fb 同号，则拒绝该夹根区间。\n\n重复：\n    m = midpoint(a, b)\n\n    若 (b - a)/2 <= ε：\n        返回 m 以及夹根区间 [a, b]\n\n    fm = f(m)\n\n    若 fm = 0：\n        返回 m\n\n    若 fa 和 fm 异号：\n        b = m\n        fb = fm\n    否则：\n        a = m\n        fa = fm\n\n这段伪代码描述的是精确算术下的过程。实际实现还需要处理舍入、非有限函数值以及迭代次数限制。\n\n初次计算两个端点的函数值之后，每缩小一次区间，只需计算一个新的函数值，已存储的端点函数值可以重复使用。该方法不需要计算导数。"
    },
    {
      "heading": "收敛性与误差界",
      "text": "设初始区间为 \\(I_0=[a_0,b_0]\\)，宽度为 \\(L=b_0-a_0\\)。经过 \\(n\\) 次区间缩减后，保留的区间 \\(I_n=[a_n,b_n]\\) 的宽度为\n\n\\[b_n-a_n=\\frac{L}{2^n}.\\]\n\n这些区间相互嵌套，每个区间都包含一个根。它们的端点收敛于同一个实数 \\(r\\)；由连续性可知，\\(f(r)=0\\)。\n\n若 \\(m_n\\) 是 \\(I_n\\) 的中点，则\n\n\\[|m_n-r|\\leq \\frac{L}{2^{n+1}}.\\]\n\n因此，无需知道根的值，也无需计算任何导数，就能给出误差界。要保证中点误差不超过 \\(\\varepsilon\\)，只需进行\n\n\\[n\\geq \\max\\left\\{ 0,\\, \\left\\lceil \\log_2\\left(\\frac{L}{2\\varepsilon}\\right) \\right\\rceil \\right\\}\\]\n\n次区间缩减。\n\n每缩减一次，区间宽度和可保证的误差界都减半。这种几何式递减通常称为线性收敛。更准确地说，二分之一这一因子适用于夹根区间的宽度及其对应的误差界；相邻中点的实际误差不一定每一步都按这一比例减小。\n\n对于固定的初始区间，用大O记号表示，所需缩减次数按 \\(O(\\log(1/\\varepsilon))\\) 增长。每缩减一次，绝对位置的分辨精度大约增加一个二进制位。"
    },
    {
      "heading": "示例",
      "text": "考虑多项式\n\n\\[f(x)=x^3-x-2.\\]\n\n由于 \\(f(1)=-2\\)，而 \\(f(2)=4\\)，区间 \\([1,2]\\) 夹住了一个根。\n\n计算次数 | 中点 | 函数值 | 保留的区间\n1 | \\(1.5\\) | \\(-0.125\\) | \\([1.5,2]\\)\n2 | \\(1.75\\) | \\(1.609375\\) | \\([1.5,1.75]\\)\n3 | \\(1.625\\) | \\(0.666015625\\) | \\([1.5,1.625]\\)\n4 | \\(1.5625\\) | \\(0.252197265625\\) | \\([1.5,1.5625]\\)\n5 | \\(1.53125\\) | \\(0.059112548828125\\) | \\([1.5,1.53125]\\)\n\n根的近似值为 \\(1.5213797068\\)。经过五次缩减，夹根区间的宽度为 \\(1/32\\)，因此可以保证其中点的误差不超过 \\(1/64\\)，而这一保证并不依赖于上述更精确的根值。"
    },
    {
      "heading": "停止准则与有限精度算术",
      "text": "区间宽度与残差\n\n区间宽度准则控制的是根的位置不确定性。另一种准则使用残差 \\(|f(m)|\\)，当残差足够小时停止。这两种准则不能相互替代。\n\n例如，将函数乘以一个很小的正常数，就可以使残差变小，但这既不改变其根，也不改善当前近似值。只有在具备额外信息时，才能由残差得到位置误差界。若在整个夹根区间内都有\n\n\\[|f'(x)|\\geq \\mu>0\\]\n\n则由中值定理可得\n\n\\[|m-r|\\leq \\frac{|f(m)|}{\\mu}.\\]\n\n没有这类信息时，夹根区间的宽度能更直接地保证位置精度。\n\n实际实现通常结合绝对容差和相对容差，例如将区间半宽与下式比较：\n\n\\[\\varepsilon_{\\mathrm{abs}} +\\varepsilon_{\\mathrm{rel}}|m|.\\]\n\n在零附近，绝对容差部分仍然很重要，因为此时仅使用相对误差并不合适。\n\n舍入与可靠的符号判断\n\n在浮点运算中，若干细节会影响可靠性：\n\n- **中点计算：**即使中点可以表示，\\((a+b)/2\\) 也可能溢出。另一种写法 \\(a+(b-a)/2\\) 可以避免部分溢出情形，但并非全部；稳健的中点计算程序会考虑端点的符号和数值大小。\n- **符号比较：**通过显式相乘来判断是否满足 \\(f(a)f(m)<0\\)，可能导致上溢或下溢。直接比较符号可以避免这次乘法。\n- **停滞：**当两个端点之间不再有可表示的数时，算出的中点最终可能等于某个端点。此时，在当前工作精度下已无法继续细分。\n- **求值误差：**舍入、消去或近似函数求值可能产生错误的符号。精确算术下的保证不仅依赖于连续性，也依赖于符号判断的可靠性。\n- **计算得到的零：**浮点计算中的零值可能由下溢或消去造成，而不一定对应数学上的精确根。\n\n具有验证保证的实现可以使用区间算术包围函数值；当所得包围区间不包含零时，就能确认函数值的符号。"
    },
    {
      "heading": "局限性",
      "text": "**连续性必不可少。**仅凭端点函数值异号，并不能确定存在根。例如，\\(f(x)=1/x\\) 在 \\(-1\\) 和 \\(1\\) 处异号，却没有零点；它在中点处无定义。\n\n**有些根的两侧不发生符号变化。**函数 \\(f(x)=(x-1)^2\\) 在根的两侧均非负。对于一个包围该根且端点函数值均非零的区间，普通的基于异号夹根的二分法无法检测出这个根。这一问题常见于偶重根。\n\n**必须提供初始夹根区间。**寻找这样的区间可能需要采样、扩大搜索区间或利用解析信息。二分法本身并不保证能找到合适的初始区间。\n\n**基本不利用函数值的大小。**区间更新仅取决于符号，因此，那些可能支持更大步长或更精确步长的信息被舍弃了。这使该方法的行为易于预测，但也往往比其他方法更慢。"
    },
    {
      "heading": "相关方法与应用",
      "text": "牛顿法利用导数信息，在适当条件下可以在单根附近达到二次收敛。不过，若初始点选择不当，它可能失败，也可能离开所关注的区域。割线法无需显式计算导数，收敛速度可以快于二分法，但通常不保持夹根区间。\n\n布伦特法将二分法与割线步骤、逆二次插值步骤相结合。它在保持夹根区间的同时，所需函数求值次数往往远少于纯二分法。这类混合方法在加速步骤不合适时，会使用二分法作为可靠的后备方案。\n\n二分法与二分查找密切相关：两者都反复舍弃搜索区间的一半。二分查找通常在有序数据中定位目标或变化位置；数值二分法则利用连续性和端点异号条件，保留包含零点的区间。\n\n其应用包括求解物理模型中的标量方程、求单调函数的反函数，以及对于连续且具有合适夹根区间的累积分布函数，通过求解 \\(F(x)=p\\) 来确定分位数。对于存在跳跃的分布，需要采用广义逆的表述，而不能假定该方程一定有解。在数学优化中，当所需的连续性和符号条件成立时，二分法可以用于定位导数的零点；要将该零点判定为极小值点，还需要额外的假设。"
    }
  ],
  "links": [
    "numerical-analysis",
    "algorithm",
    "continuous-function",
    "mathematical-function",
    "intermediate-value-theorem",
    "equation",
    "monotonic-function",
    "derivative",
    "real-number",
    "big-o-notation",
    "polynomial",
    "mean-value-theorem",
    "floating-point-arithmetic",
    "interval-arithmetic",
    "newtons-method",
    "secant-method",
    "brents-method",
    "binary-search",
    "cumulative-distribution-function",
    "quantile",
    "mathematical-optimization"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}