牛顿法（Newton‘s Method）

牛顿法（Newton’s Method）是一种用于求解方程根或优化函数的迭代方法。在优化问题中，牛顿法通过二阶导数（Hessian矩阵）信息来更新参数，收敛速度较快。

下面是一个简单的Python示例，演示如何使用牛顿法求解函数的根。我们将使用牛顿法来解决方程x^2 - 5 = 0的根。

def newton_method(f, df, x0, tol=1e-6, max_iter=100):
    x = x0
    for i in range(max_iter):
        fx = f(x)
        dfx = df(x)
        
        if abs(fx) < tol:
            break
        
        x = x - fx / dfx
    
    return x

# 定义函数及其导数
def f(x):
    return x**2 - 5

def df(x):
    return 2*x

# 使用牛顿法求解方程的根
root = newton_method(f, df, x0=1.0)

print("方程的根为:", root)
print("方程的值为:", f(root))

在这个示例中，我们首先定义了函数f(x)及其导数df(x)。然后，使用牛顿法的迭代公式进行优化，直到满足收敛条件（函数值小于设定的容差tol）或达到最大迭代次数max_iter。

最后，我们得到了方程的根root，即满足方程x^2 - 5 = 0的解，以及方程在根处的值f(root)。

请注意，牛顿法的收敛性可能受到初始点x0的选择和函数的性质影响，对于某些函数，牛顿法可能会发散。在实际应用中，可能需要进行多次尝试，或结合其他优化方法来提高算法的稳定性和收敛性。