非连续函数寻根中如何识别发散点（DPs）？

对于像f(x) = x**2 * np.tan(x)这类存在奇点的非连续函数，常规的f(x1)*f(x2) < 0符号变号判据会误将奇点识别为根。你之前用中点差值判断的方法依赖精度阈值，鲁棒性不足，这里提供几个无需外部库的更优识别策略：

1. 多采样点的奇点快速检测 #

通过在区间内取多个采样点，排查是否存在函数值突变或数值溢出，直接识别奇点区间：

import numpy as np

def has_singularity(f, x_left, x_right, sample_count=6):
    # 在区间内均匀采样
    x_samples = np.linspace(x_left, x_right, sample_count)
    f_values = [f(x) for x in x_samples]
    
    # 检查是否有无穷大、NaN或超大规模数值（溢出特征）
    for val in f_values:
        if np.isinf(val) or np.isnan(val) or abs(val) > 1e14:
            return True
    
    # 检查相邻采样点的函数值是否发生剧烈跳变
    for i in range(len(f_values)-1):
        delta = abs(f_values[i+1] - f_values[i])
        avg_mag = (abs(f_values[i]) + abs(f_values[i+1])) / 2
        # 跳变幅度超过平均量级的1000倍则判定为奇点
        if avg_mag > 1e-10 and delta > avg_mag * 1000:
            return True
    return False

这个方法通过多采样覆盖区间，避免了单一中点的偶然性，对数值精度的依赖更低。

2. 结合符号变号的根有效性验证 #

在符号变号的基础上，先排除奇点区间，再确认根的存在：

def validate_root_interval(f, x_left, x_right):
    f_left, f_right = f(x_left), f(x_right)
    
    # 无符号变号，直接排除
    if f_left * f_right >= 0:
        return False, None
    
    # 检测区间内是否存在奇点
    if has_singularity(f, x_left, x_right):
        return False, "singularity detected"
    
    # 确认是有效根区间，返回二分法起始中点
    return True, (x_left + x_right) / 2

3. 利用函数先验知识（可选） #

如果知道函数奇点的解析位置（比如tan(x)的奇点在x = π/2 + kπ，k为整数），可以直接预判并排除包含奇点的区间：

def contains_tan_singularity(x_left, x_right):
    # 计算区间内可能存在的奇点索引范围
    k_min = int(np.floor(x_left / np.pi - 0.5))
    k_max = int(np.ceil(x_right / np.pi - 0.5))
    
    for k in range(k_min, k_max + 1):
        sing_point = np.pi/2 + k * np.pi
        if x_left < sing_point < x_right:
            return True, sing_point
    return False, None

这种方法效率最高，前提是你对目标函数的奇点规律有明确认知。

使用示例 #

def target_func(x):
    return x**2 * np.tan(x)

# 测试包含奇点的区间
x1, x2 = 1.0, 2.0
is_valid, result = validate_root_interval(target_func, x1, x2)
print(is_valid, result)  # 输出 False, singularity detected

# 测试包含根的区间
x1, x2 = -0.5, 0.5
is_valid, result = validate_root_interval(target_func, x1, x2)
print(is_valid, result)  # 输出 True, 0.0

内容的提问来源于stack exchange，提问作者GioK