jupytert Fibonacci法求解函数f(x)=x^3-2*x+1近似局部极小点

在Jupyter Notebook中，我们可以使用Python的科学计算库如NumPy和优化库如SciPy来求解函数f(x) = x^3 - 2x + 1的近似局部极小点。Fibonacci法通常不是用于此目的的标准方法，它更多地应用于序列生成或动态规划。对于寻找最小值，我们更倾向于使用梯度下降、牛顿法或拟牛顿法等数值优化算法。

以下是一个简单的示例，展示如何使用Scipy的`optimize.minimize`函数结合Brent's method（一种组合了二分法和Golden Section搜索的优化算法）：

import numpy as np
from scipy.optimize import minimize

# 定义目标函数
def f(x):
    return x**3 - 2*x + 1

# 求解局部极小点
initial_guess = 0.5  # 初始猜测点
result = minimize(f, initial_guess, method='Brent')

# 获取极小点和对应的函数值
local_min = result.x[0]
approximate_min_value = f(local_min)

print("Local minimum is approximately at:", local_min)
print("The value of the function at this point is:", approximate_min_value)