牛顿迭代法求解平方根

• 一个实例
• 迭代简介
• 牛顿迭代法
  • 牛顿迭代法简介
  • 简单推导
  • 泰勒公式推导
  • 延伸与应用

一个实例

//java实现的sqrt类和方法
public class sqrt {
public static double sqrt(double n)
    {
if (n<0) return Double.NaN;
double err = 1e-15;
double t = n;
while (Math.abs(t - n/t) > err*t)
            t = (n/t + t)/2;
return t;
    }
public static void main(String[] args)
    {
        sqrt a  = new sqrt();
        System.out.println(a.sqrt(2));
    }
}
//2的平方根的求解结果
>>1.414213562373095

迭代简介

迭代，是一种数值方法，具体指从一个初始值，一步步地通过迭代过程，逐步逼近真实值的方法。
与之相对的是直接法，也就是通过构建解析解，一步求出问题的方法。

通常情况下，我们总是喜欢一步得到问题的结果，因此直接法总是优先考虑的。
但是，当遇到复杂的问题时，特别在未知量很多，方程非线性时，无法得到直接解法（例如五次方程并没有解析解）。
这时候，我们需要使用迭代算法，一步步逼近，得到问题的答案。

迭代算法，通常需要考虑如下问题：
- 确定迭代变量
- 确定迭代关系式
- 确定迭代终止条件

牛顿迭代法

牛顿迭代法简介

牛顿迭代法，求解如下问题的根 x

f(x)=0

求解方法如下：

xn+1=xn−f(xn)f′(xn)

方法中，迭代变量是根 x ，迭代关系式如上，迭代终止条件是 |f(xn)−0|<error 。

牛顿迭代法需要满足的条件是：
f′(x) 是连续的，并且待求的零点 x 是孤立的。
那么，在零点 x 周围存在一个区域，只要初始值 x0 位于这个邻域内，那么牛顿法必然收敛。
并且，如果 f′(x) 不为0，那么牛顿法将具有平方收敛的特性，也就是，每迭代一次，其结果的有效倍数将增加一倍。

简单推导

由
f′(xn)=dydx=f(xn)xn−xn+1

有
xn+1=xn−f(xn)f′(xn)

对于平方根问题，假设 f(x)=x2−n ，代入上式，有
xn+1=12(xn+nxn)

其图像含义是：通过对接近零点的领域点做切线，不断逼近零点，最终十分靠近零点。

泰勒公式推导

上面的式子，同样，可以用泰勒公式推导出来。
f(xn+ϵ)=f(xn)+f′(xn)ϵ+12f″(x)ϵ2+...
只取等号右边的前两项，有
ϵ=f(xn+ϵ)−f(xn)f′(xn)
两边同时加上 xn ，有
xn+1=xn+ϵ=xn+f(xn+ϵ)−f(xn)f′(xn)=xn+f(xn+1)−f(xn)f′(xn)
最终， f(xn+1=0) ，假设 f(x)=x2−n ，上式同样可以化成
xn+1=12(xn+nxn)

本质上，牛顿迭代法就是利用了泰勒公式的前两项和，是泰勒公式的简化。

延伸与应用

同样的，牛顿迭代法同样可以求n次方根，对于 f(x)=xm−n
有
xn+1=xn−xnm(1−axn−m)