Newton迭代法是利用Taylor展开将f(x)线性化,忽略二次导及以上的高阶项,得到x*=x0-f(x0)/f’(x0),令x*=x(k+1),x0=x(k),重复迭代
Newton又称切线法
Newton下山法是在考虑到Newton法在区间内可能是发散的,因而增加一项参数l,要求abs(f(x(k)))在迭代时具有单调性,若不具有单调性,则令l减半
例子同前
利用向后差商估计导数
代码如下
# -*- coding: utf-8 -*-
"""
Created on Sat Feb 16 20:06:57 2019
@author: Minghua Chen
"""
#牛顿迭代法
def f(x):
return x**3-x-1
def df(x):
df=(f(ans[-1])-f(ans[-1]-(ans[-1]-ans[-2])/(1000000000)))/(ans[-1]-(ans[-1]-(ans[-1]-ans[-2])/(1000000000)))
return df
ans=[1.0,2.0]
def roll(x,l):
f1=f(x)
df1=df(f1)
x1=x-l*f1/df1
return x1
def main(x,a,b,e):
l=1
a=float(a)
b=float(b)
ans=[a,b]
while abs(f(ans[-1]))>e:
x=roll(x,l)
ans.append(x)
if abs(f(ans[-1]))>abs(f(ans[-2])):
l=l/2
x=ans[-2]
ans.pop
else:
pass
return ans[-1]
a=1
b=2
e=0.0000001
x=ans[-1]
print main(x,a,b,e)