利用牛顿迭代法求浮点数的平方根

话不多说，先上代码

class Solution {
    public int mySqrt(int x) {
        double x0 = x/2 ;
        double x1 = (x0 + x / x0) / 2 ;
        while(Math.abs(x1 - x0) > 0.01){
            x0 = x1;
            x1 = (x0 + x / x0) / 2; 
        }
        return x1;
    }
}

代码中有两个重要的点

1 x1 = (x0 + x / x0) / 2

2 Math.abs(x1 - x0) > 0.01

看第一个⾸先我们来简单推导⼀下第⼀条公式的由来。⽜顿迭代法的思想就是在⼀条曲线上从某⼀点的切线开始，⾸先求其与横轴的交点，之后再确定曲线上和该交点横坐标相同的点，并重复求该点的切线与横坐标的交点的⽅式，不断逼近真实解的过程。⽹上相关的讲解很多，我这⾥就简单总结⼀下⽜顿迭代法的步骤：

1.确定我们需要求解的函数y=f(x)，在求平⽅根中该函数为f(x)=x^2-c;
2.假设给定初始点的横坐标为x0，则其对应的切线⽅程为Q(x)=f '(x0)(x-x0) + f(x0),在求平⽅根的算法中该切线⽅程为Q(x) =2x0*(x - x0) + x0^2-c;
3.根据切线⽅程与横坐标的交点得到下⼀个迭代点的横坐标，若前⼀迭代点的横坐标记为Xn，则下⼀迭代点的横坐标记为Xn+1，令第⼆条中的x0=Xn,Q(x) = 0可以得到Xn+1的表达式：
Xn+1 = (c/Xn + Xn) / 2上式便是算法源代码中使⽤的迭代公式。

Math.abs(x1 - x0) > 0.01` 最为直观的误差形式，直接带⼊⽅程得到与所求函数值的差值，我姑且在这⾥称其为“绝对误差”，我在⼀些⽹上的博⽂中看到了使⽤这个误差的代码