牛顿迭代法求解平方根

一个实例

//java实现的sqrt类和方法
public class sqrt {
    public static double sqrt(double n)
    {
        if (n<0) return Double.NaN;
        double err = 1e-15;
        double t = n;
        while (Math.abs(t - n/t) > err*t)
            t = (n/t + t)/2;
        return t;
    }
    public static void main(String[] args)
    {
        sqrt a  = new sqrt();
        System.out.println(a.sqrt(2));
    }
}
//2的平方根的求解结果
>>1.414213562373095

迭代简介

迭代,是一种数值方法,具体指从一个初始值,一步步地通过迭代过程,逐步逼近真实值的方法。
与之相对的是直接法,也就是通过构建解析解,一步求出问题的方法。

通常情况下,我们总是喜欢一步得到问题的结果,因此直接法总是优先考虑的。
但是,当遇到复杂的问题时,特别在未知量很多,方程非线性时,无法得到直接解法(例如五次方程并没有解析解)。
这时候,我们需要使用迭代算法,一步步逼近,得到问题的答案。

迭代算法,通常需要考虑如下问题:
- 确定迭代变量
- 确定迭代关系式
- 确定迭代终止条件

牛顿迭代法

牛顿迭代法简介

牛顿迭代法,求解如下问题的根x

f(x)=0

求解方法如下:

xn+1=xnf(xn)f(xn)

方法中,迭代变量是根x,迭代关系式如上,迭代终止条件是|f(xn)0|<error

牛顿迭代法需要满足的条件是:
f(x)是连续的,并且待求的零点x是孤立的。
那么,在零点x周围存在一个区域,只要初始值x0位于这个邻域内,那么牛顿法必然收敛。
并且,如果f(x)不为0,那么牛顿法将具有平方收敛的特性,也就是,每迭代一次,其结果的有效倍数将增加一倍。

简单推导

这里写图片描述


f(xn)=dydx=f(xn)xnxn+1


xn+1=xnf(xn)f(xn)

对于平方根问题,假设f(x)=x2n,代入上式,有

xn+1=12(xn+nxn)

其图像含义是:通过对接近零点的领域点做切线,不断逼近零点,最终十分靠近零点。

泰勒公式推导

上面的式子,同样,可以用泰勒公式推导出来。

f(xn+ϵ)=f(xn)+f(xn)ϵ+12f(x)ϵ2+...

只取等号右边的前两项,有
ϵ=f(xn+ϵ)f(xn)f(xn)

两边同时加上xn,有
xn+1=xn+ϵ=xn+f(xn+ϵ)f(xn)f(xn)=xn+f(xn+1)f(xn)f(xn)

最终,f(xn+1=0),假设f(x)=x2n,上式同样可以化成
xn+1=12(xn+nxn)

本质上,牛顿迭代法就是利用了泰勒公式的前两项和,是泰勒公式的简化。

延伸与应用

同样的,牛顿迭代法同样可以求n次方根,对于f(x)=xmn

xn+1=xnxnm(1axnm)

阅读更多
上一篇PCA的浅析与深入
下一篇统计学中的区间估计
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

关闭
关闭
关闭