用牛顿迭代法求方程 的根，精度要求为10-4。用python代码

牛顿迭代法是一种常用的数值优化算法，用于寻找函数零点。对于方程f(x) = 0，它通过不断逼近初始猜测值x0，直到满足精度要求。以下是Python中使用牛顿迭代法求解非线性方程`f(x)`的一个基本步骤：

def newton_raphson(f, f_prime, x0, tolerance=1e-4):
    """
    使用牛顿迭代法求解方程的根
    :param f: 目标函数
    :param f_prime: 函数的一阶导数
    :param x0: 初始猜测值
    :param tolerance: 精度要求，默认为1e-4
    :return: 方程的近似根
    """
    while True:
        x_new = x0 - f(x0) / f_prime(x0)
        if abs(x_new - x0) < tolerance:
            break  # 当新旧值之差小于给定的容忍度时停止迭代
        x0 = x_new
    return x_new

# 假设我们要找的是函数y = x^3 + 2x - 5的根，首先需要提供它的导数
def func(x):
    return x**3 + 2*x - 5

def derivative_func(x):
    return 3 * x**2 + 2

# 调用函数并设置初始猜测值
root = newton_raphson(func, derivative_func, 1.0)  # 或者其他合理的猜测值

print(f"根的近似值为: {root}")