牛顿法求平分根（newton's method）

牛顿法又称牛顿迭代法。

最近看machine learning中的线性回归（linear regression）中的梯度下降法（gradient descent）时候，我立刻回想起了学习C语言的时候课堂讲的牛顿迭代法求函数的零点。细想想这两者还是有一定联系的。他们都用到了导数，利用导数无限逼近最优解。数学啊数学，万物之宗也！好了，废话不多说，言归正传。

上面的函数是任意的，我们的任务是求出x使等式成立。

用牛顿迭代法解决：

1）首先随便猜一个数x_{0 很可能不是解，除非你是神人}

_{2）更新x0，得到x1，使他更接近于解}

_{3）迭代：}

最终xn就逼近与解了。

下面用牛顿法解决求平方根的问题，看下面问题：

的值是多少？

显然，需要对2.5求平方根。问题转化为求方程x^2-2.5=0的解了。好了用牛顿法：

f(x)=x^2-2.5

f(x)导数：2x

利用上面的公式更新就可以了，下面编程实现以下看看效果如何。

double sqrt(int a)
{
    double x1=a;// 猜的值，索性就为a吧
    double x2=x1-(x1*x1-a)/(2*x1);//第一次逼近就是这么算的。参考我上边解释的公式

    while(x1-x2 > 5e-7)// 精度控制，循环结束条件
    {
        x1=x2;
        x2=x2-(x2*x2-a)/(2*x2);
    }
    return x1;
}

int main()
{
    printf("2.5^0.5=%.6lf\n",sqrt(2.5));
    return 0;
}