牛顿-拉弗森方法
的牛顿迭代法(也称为牛顿方法)是一种快速找到实值函数根的良好近似的方法 .它使用的思想是,一个连续的和可微的函数可以被一条直线切线逼近。
工作原理
假设你需要求一个连续可微函数的根 ,你知道你要找的根在点附近 .牛顿法告诉我们根的更好近似是 这个过程可以根据需要重复多次,以获得所需的精度。一般来说,对于任何 价值 ,下一个值由
注意:术语“接近”使用松散,因为在本文中不需要精确的定义。然而, 应该比任何其他根更接近您需要的根(如果函数有多个根)。
几何表示法
下面这张图展示了牛顿方法的实际工作:
我们在图像上画一条切线 在这一点上 .这条直线有斜率 穿过这个点 .因此它有这个方程 .现在,我们通过设置求出这条切线的根 而且 对于新的近似。解这个方程得到新的近似,也就是 .
求方程的根 附近 精确到千分之一。
我们有 .为了使用牛顿法,我们还需要知道的导数 .在这种情况下, , .
利用牛顿法,我们得到了如下的近似序列:
我们可以停下来了,因为的千位数和万分位数 而且 都是一样的。如果我们继续,它们将保持不变,因为我们已经足够接近根源:
因此,我们最终的答案是5.317。
牛顿方法的局限性
如果周围有拐点、局部极大值或极小值,牛顿方法可能行不通 或者根。
例如,假设你需要找到的根
离这里很近
.
正确答案是
然而,牛顿的方法会给你以下结果:
这显然毫无帮助。这是因为函数在周围的图像 看起来是这样的:
正如你所看到的,这个图有一个局部最大值,一个局部最小值和一个拐点 .要了解为什么牛顿的方法在这里没有帮助,想象一下在两者之间随机选择一个点 而且 并在这一点处画出函数的切线。这条切线的斜率是负的,因此会与 -轴,在离根更远的点上。
在这种情况下,它会帮助我们得到一个更接近的起点,在那里这些临界点不会相互干扰。