# --- Эту функцию программирует обучающийся!!! ----
def optfun(x0, k1=3, k2=20):
  # задаем вычисление оптимизируемой функции
  f=x0**4 + k1*x0**3 - k2*x0**2 + x0 - 1

  return f

def derivative(x0, k1=3, k2=20):
  df = 4*x0**3 + 3*k1*x0**2 - 2*k2*x0 + 1
  return df

# --- Эту функцию программирует обучающийся!!! ----
# maxiter - ограничивает кол-во итераций,
# т.е. список не должен превышать maxiter+1 элемент !
def gradsteps(x0, epsg=0.05, alfa=0.01, k1=3, k2=20, maxiter=100):
  # организуем градиентный спуск
  xlist = [x0]
  iter = 0
  while abs(derivative(x0, k1, k2)) >= epsg and iter < maxiter:
    x0 = x0 - alfa*derivative(x0, k1, k2)
    xlist.append(x0)
    iter+=1
  return xlist

def newtonstep(x0, epsg=0.05, k1=3, k2=20, maxiter=100):
  xlist = [x0]
  iter = 0
  while abs(derivative(x0, k1, k2)) >= epsg and iter < maxiter:
    alfa = 1/(derivative(x0, k1, k2))
    x0 = x0 - alfa*derivative(x0, k1, k2)
    xlist.append(x0)
    iter+=1
  return xlist

def dihotomia(epsg=0.05, a = -6, b = 0): # из лекций
  xlist = [x0]
  iter = 0
  delta = epsg/20
  while (b - a) > 2*epsg:
    x1 = (b+a)/2 - delta
    x2 = (b+a)/2 + delta
    if derivative(x1) > derivative(x2):
      a = x1
    if derivative(x1) < derivative(x2):
      b = x2
    if derivative(x1) == derivative(x2):
      a = x1
      b = x2
    xlist.append(a)
    xlist.append(b)
  return xlist

def dihotomia(epsg=0.05, a = -6, b = 0): # из mathsemestr
  xlist = [x0]
  iter = 0

x0 = 4
k1 = 3
k2 = 20

a = -6
b = 0
epsg = 0.05

print(gradsteps(x0))
print(newtonstep(x0))
print(dihotomia(epsg, a, b))