本文是《電腦程序的構造和解釋》(SICP)第1.8題的試解。相較於第1.7題求平方根,本題求立方根其實只需替換improve函式中的演算法即可,其餘的迭代框架與收斂判斷大致沿用。
求立方根的牛頓迭代公式為:若目前猜測值為guess,則下一次的改良值為 (x / guess² + 2·guess) / 3。
(define (improve guess x)
(/ (+ (/ x (* guess guess))
(* 2 guess))
3))
(define (good-enough? oldguess guess)
(< (abs (/ (- guess oldguess) guess)) 0.001))
(define (cube-iter oldguess guess x)
(if (good-enough? oldguess guess)
guess
(cube-iter guess (improve guess x) x)))
(define (cube-root x)
(cube-iter 0.0 1.0 x))
這裡的good-enough?沿用第1.7題的相對誤差判斷——比較相鄰兩次猜測值的相對變化,而非絕對差值,藉此避開參數過大或過小時的誤差陷阱。improve則換成上面所述的立方根改良公式。
以下是在MzScheme環境下的實測輸出:
> (cube-root 0) 4.9406564584125e-324 > (cube-root 125) 5.000000000287929 > (cube-root 1000) 10.000000145265767 > (cube-root -27) -3.000000005383821
從結果可見,無論正數、負數或較大的數值,都能收斂到相當精確的立方根。這再次印證了:只要改良公式得當、收斂判斷穩健,同一套迭代框架就能輕鬆遷移到不同數值方法的求解上。