文章目录
牛顿法是线性化的一个有用的应用,可以用来求 f ( x ) = 0 f(x)=0 f(x)=0的近似解。
1 线性化
简单说一说线性化。对于一个函数
f
(
x
)
f(x)
f(x),以及一点
a
a
a,当
x
x
x与
a
a
a点比较接近时,我们可以将
f
(
x
)
f(x)
f(x)的值近似为:
f
(
x
)
=
f
(
a
)
+
f
′
(
a
)
(
x
−
a
)
f(x)=f(a)+f'(a)(x-a)
f(x)=f(a)+f′(a)(x−a)
当然前提要
f
(
x
)
f(x)
f(x)在
a
a
a点可导。
2 牛顿法
那么再来看牛顿法是如何求
f
(
x
)
=
0
f(x)=0
f(x)=0的近似解的。
如上图所示,我们不知道
f
(
x
)
=
0
f(x)=0
f(x)=0的点是哪个,但是我们可以当做
a
a
a点是一个近似,将它看作近似的第一次尝试。牛顿法的基本思想是:通过使用
f
(
x
)
f(x)
f(x)在
x
=
a
x=a
x=a点处的线性化来改善估算(前提
f
(
x
)
f(x)
f(x)在
a
a
a点可导)。
如上图所示,
f
(
x
)
f(x)
f(x)在
a
a
a点的线性化为:
L
(
x
)
=
f
(
a
)
+
f
′
(
a
)
(
x
−
a
)
L(x)=f(a)+f'(a)(x-a)
L(x)=f(a)+f′(a)(x−a)
它与
x
x
x轴的截距为点
b
b
b,那么
b
b
b是由
L
(
x
)
=
0
L(x)=0
L(x)=0得来:
b
=
a
−
f
(
a
)
f
′
(
a
)
b=a-\frac{f(a)}{f'(a)}
b=a−f′(a)f(a)
这样
b
b
b就是一个比
a
a
a更好的近似,如果将
b
b
b当做第二次近似的尝试,依次类推则近似的次数较多时,我们就能够得到很不错的近似值。
牛顿法:假设
a
a
a是对方程
f
(
x
)
=
0
f(x)=0
f(x)=0的解的一个近似,如果令:
b
=
a
−
f
(
a
)
f
′
(
a
)
b=a-\frac{f(a)}{f'(a)}
b=a−f′(a)f(a)
则在很多情况下,
b
b
b是一个比
a
a
a更好的近似。
3 牛顿法失效的情况
有时候牛顿法也会不起作用,具体有四种不同的情况。
(1)
f
′
(
a
)
f'(a)
f′(a)的值接近于0。如下图所示,在这种情况下应该确保初始猜测值不在
f
f
f的临界点附近。
(2)如果
f
(
x
)
=
0
f(x)=0
f(x)=0有不止一个解,可能得到的不是你想要的那个解。如下图所示。
(3)近似可能变得越来越糟。例如
f
(
x
)
=
x
1
3
f(x)=x^\frac{1}{3}
f(x)=x31,可以自行尝试。
(4)可能陷入一个循环。如下图所示。这种情况的一个具体例子是:
f
(
x
)
=
(
x
2
−
4
+
3
π
4
−
π
)
t
a
n
−
1
(
x
)
f(x)=(x^2-\frac{4+3\pi}{4-\pi})tan^{-1}(x)
f(x)=(x2−4−π4+3π)tan−1(x)
本文参考及图片来源:《普林斯顿微积分读本》Adrian Banner