我尝试以自己的方式编写代码，但发现我得到了错误的答案。
我已阅读此页面。并尝试启动该过程：
f(x)=x^2-e
数学：
所以有我的代码：
def sqrtRootNR(num, count, epsl):
"""
for test
"""
num = float(num)
guess = num / 2.0
diff = guess ** 2.0 - num
_cnt = 0
while abs(diff) > epsl and _cnt < count:
guess = guess - (guess ** 2.0 + epsl) / (guess * 2.0)
diff = guess ** 2.0 - num
_cnt = _cnt +1
print guess, _cnt
sqrtRootNR(2, 100, 0.0001)
然而，我得到了错误的答案。
这个函数的输出是：
D:\poc>python sq.py
0.0595177826557 100
编程中的一项重要技能是知道哪些信息在哪里最有用。如果添加一些简单的调试信息：
while abs(diff) > epsl and _cnt < count:
guess = guess - (guess ** 2.0 + epsl) / (guess * 2.0)
diff = guess ** 2.0 - num
print guess, _cnt
_cnt = _cnt +1
print guess, _cnt
你可以看到你的程序很快就出错了：
$ ./sqrt.py
0.49995 0
0.249874989999 1
0.124737394941 2
0.0619678553654 3
0.0301770577385 4
0.0134316410297 5
0.00299326718803 6
-0.0152075217183 7
-0.00431591416548 8
0.00942707405618 9
-0.000590335594744 10
....
它似乎每次迭代都会将数字减半，直到它变为负数，此时行为变得很难一眼看出。但是你可以很明显地看出最初的几次迭代是错误的。
对我来说看起来很可疑的东西：(guess ** 2.0 + epsl)
在评估牛顿的平方根方法时，您实际上不应该使用 epsilon - 毕竟，您试图确保您的误差小于 epsilon。
看起来您正在寻找函数 f = x^2+eps1 的零点。如果 eps1 为正，则不会有实零。这意味着您的程序将在某个点之后永远在 0 附近振荡，如您所见。如果您将 eps1 设置为负值，我希望您会找到一个根。
牛顿的方法不是万无一失的，在某些情况下它可能会发散。
在你的等式中更改(guess ** 2.0 + epsl)为。(guess ** 2 - num)您希望每一步都按与您的错误成比例的量来调整您的估计，即。你的diff变量。
你也可以使用guess = 0.5 * (guess + num/guess)