基于迭代序列求解double类型数值的平方根问题及实现

嘿，我来聊聊你这个平方根函数的实现～你用的是牛顿迭代法求平方根，思路完全在线！而且你选的初始值a/2其实比题目建议的x₁=1更实用，尤其是当a数值较大时，收敛速度会快不少呢！

先说说迭代逻辑的合理性 #

你用的迭代公式x[k+1] = 0.5*(x[k] + a/x[k])正是牛顿法求平方根的标准形式——通过不断用切线逼近函数曲线，快速收敛到真实的平方根值。初始值选a/2的好处是：

• 当a > 1时，a/2比1更接近真实平方根（比如a=100，真实根是10，a/2=5比1近多了）
• 当0 < a < 1时，虽然1离真实根更近，但a/2的收敛速度也不会慢太多，整体是个很稳妥的通用初始值

代码里的潜在问题：死循环风险 #

不过你的代码有个致命问题：while ((k - root) != 0)这个终止条件完全不可靠！因为浮点数在计算机中是近似存储的，迭代到后期k和root的差值会变得极小，但几乎不可能精确等于0。比如计算√2时，迭代几次后两者的差会是1e-15级别的数，永远满足k - root != 0，直接导致程序死循环！

优化后的代码 #

我帮你调整了终止条件，同时补充了特殊值的处理，避免报错：

public static double squareRoot(double a) {
    // 负数没有实数平方根，返回NaN符合浮点数规范
    if (a < 0) {
        return Double.NaN;
    }
    // 0的平方根直接返回0，避免后续除以0的异常
    if (a == 0) {
        return 0.0;
    }
    
    double k;
    double root = a / 2;
    // 用极小的阈值判断收敛，既保证精度又避免死循环
    do {
        k = root;
        root = 0.5 * (k + (a / k));
    } while (Math.abs(k - root) > 1e-10);
    
    return root;
}

关键修改点说明 #

• 特殊值处理：增加了负数和0的判断，避免除以0异常，同时符合数学定义
• 终止条件优化：用Math.abs(k - root) > 1e-10替代原条件，当两次迭代的差值小于1e-10时就停止——这个精度已经远超过绝大多数业务场景的需求，同时彻底解决了死循环问题

如果你需要更高的精度，可以把1e-10改成更小的数值（比如1e-15），不过迭代次数会稍微增加一点，整体影响不大。

内容的提问来源于stack exchange，提问作者madaimartin