退化根查找问题：如何用SciPy/NumPy高效逼近临界值c？

你的问题核心是退化根场景：函数在临界值c左侧全为0，右侧才输出非零值，普通根查找工具（比如scipy.optimize.root_scalar默认方法）要求区间两端函数值符号相反，自然会触发f(a)和f(b)必须符号不同的错误。

不用自己写二分法，用SciPy的现有工具就能解决，核心思路是构造一个辅助函数，让它在临界值两侧符号相反，适配现有根查找算法：

具体步骤 #

1. 构造辅助函数：把原函数的0/非零输出转换成符号相反的数值，用极小阈值避免浮点精度问题：

   def helper(x):
       return 1 if func(x) > 1e-12 else -1
   

2. 确定有效区间：先找一个右边界b，确保func(b)非零（原函数x足够大时肯定满足），这里用翻倍法，调用次数极少：

   b = 1.0  # 初始值可根据函数实际情况调整
   while func(b) == 0:
       b *= 2
   

3. 用SciPy的brentq方法查找：brentq是优化过的二分变种算法，专门适配有明确符号变化的场景，函数调用效率很高：

   from scipy.optimize import brentq
   
   def func(x):
       return max(x**2 - 2, 0) if x > 0 else 0
   
   # 执行临界值查找
   c = brentq(helper, 0, b)
   print(round(c, 4))  # 输出1.4142，符合预期
   

效率说明 #

• 找右边界的过程仅需log2(b/c)次func调用，次数极少
• brentq本身就是为减少函数调用设计的，比手写二分法效率更高
• 辅助函数每次仅调用一次func，不会额外增加计算成本

如果你的函数在临界值右侧输出为负，只需把辅助函数的返回值反过来即可。

内容的提问来源于stack exchange，提问作者normanius