我需要找到向上舍入的巨大（5k位左右）数字的立方根。 我该怎么做？
答案 0 :(得分：5)
如果GNU bc适合你，可能会这样做：
http://phodd.net/gnu-bc/bcfaq.html#bccbrt
编辑：
它基本归结为：
$ bc -l
define cbrt(x) { return e(l(x)/3) }
您需要增加scale变量才能获得必要的精度：
$ bc -l
bc 1.06.95
Copyright 1991-1994, 1997, 1998, 2000, 2004, 2006 Free Software Foundation, Inc.
This is free software with ABSOLUTELY NO WARRANTY.
For details type `warranty'.
define cbrt(x) { return e(l(x)/3) }
cbrt(10000000000000000000000000000000000000000000000000000000000000000000)^3
9999999999999999999845725361475980907263179272258247094885777761435.\
89049462743995306310
scale=1000
cbrt(10000000000000000000000000000000000000000000000000000000000000000000)^3
9999999999999999999999999999999999999999999999999999999999999999999.\
99999999999999999999999999999999999999999999999999999999999999999999\
99999999999999999999999999999999999999999999999999999999999999999999\
99999999999999999999999999999999999999999999999999999999999999999999\
99999999999999999999999999999999999999999999999999999999999999999999\
99999999999999999999999999999999999999999999999999999999999999999999\
99999999999999999999999999999999999999999999999999999999999999999999\
99999999999999999999999999999999999999999999999999999999999999999999\
99999999999999999999999999999999999999999999999999999999999999999999\
99999999999999999999999999999999999999999999999999999999999999999999\
99999999999999999999999999999999999999999999999999999999999999999999\
99999999999999999999999999999999999999999999999999999999999999999999\
99999999999999999999999999999999999999999999999999999999999999999999\
99999999999999999999999999999999999999999999999999999999999999999999\
99999999999999999999999999999999999999999999999978254573198390239858\
069738839057154871628814670160708326688382280410
正如您可能已经注意到的那样，在不增加比例变量的情况下（在我的系统上它默认为20），结果远不及您所需的精度。
答案 1 :(得分：0)
这是straightforward iterative algorithm。请注意，他们提到了special case of square roots：
特殊情况是熟悉的 平方根算法。通过设置n = 2，步骤2中的迭代规则 成为平方根迭代规则
可以将相同的技术应用于立方体根：设置n = 3并迭代直到达到所需的precision。
对于注释中的规范“它需要四舍五入到最接近的整数并且是精确的”，这只适用于具有整数或有理数立方根的数字。也就是说，您可以使用引用的算法通过迭代找到这个精度水平的答案，直到一次迭代的结果与下一次迭代的结果之间的差异小于0.5。这足够接近，以确保未来的迭代不会远离那个近似。
这是一个数值分析课的练习吗？如果是这样，我怀疑这正是为什么问题是这样提出的：教师希望你将一般规则应用于具体问题。