修正牛顿法及其matlab实现

牛顿法是一种非常简单而有效的数值优化算法，它可以求解多维非线性方程组的根。下面是该算法的标准形式：

给定一个初始点 $x_0$ 和一个函数 $f(x)$，我们可以通过以下迭代来逐步逼近方程 $f(x)=0$ 的根：

$$x_{k+1}=x_k-\frac{f(x_k)}{f'(x_k)}$$

其中，$f'(x_k)$ 表示 $f(x)$ 在 $x_k$ 处的导数。

该迭代可以进行任意多次，直到满足收敛条件为止。通常的收敛条件是当 $|f(x_k)|$ 的值小于一个预定的精度时停止迭代。

下面是一个简单的 Matlab 实现：

function [x, fx, n] = newton(f, df, x0, tol, maxiter)
% f: 目标函数
% df: 目标函数的一阶导数
% x0: 初始点
% tol: 精度要求
% maxiter: 最大迭代次数

n = 0;
while n < maxiter
    fx = f(x0);
    if abs(fx) < tol
        break;
    end
    
    dfx = df(x0);
    if abs(dfx) < eps
        error('导数过小，可能会导致除 0 错误');
    end
    
    x = x0 - fx / dfx;
    if abs(x - x0) < tol
        break;
    end
    
    x0 = x;
    n = n + 1;
end

if n == maxiter
    warning('迭代次数达到最大值，可能未收敛');
end
if isnan(x) || isinf(x)
    error('计算错误，x 无限大或未定义');
end

其中，f 表示目标函数，df 表示目标函数的一阶导数，x0 表示初始点，tol 表示精度要求，maxiter 表示最大迭代次数。输入参数都是函数句柄，可以用 Matlab 内置的函数 @(x) ... 来表示。

函数返回值包括最终的迭代结果 x，目标函数在该点的值 fx，以及实际迭代次数 n。

需要注意的是，在实际使用时，必须对输入参数进行谨慎的选择和处理，以避免计算错误和无限循环等问题。