什么是牛頓-拉夫遜方法？

牛頓其人：Isaac Newton（1642年12月25日– 1727年3月20日）是一位英國(guó)數(shù)學(xué)家，物理學(xué)家，天文學(xué)家，神學(xué)家和作家，被公認(rèn)為有史以來(lái)最有影響力的科學(xué)家之一，并且是科學(xué)革命的關(guān)鍵人物。他的書(shū)《自然哲學(xué)的數(shù)學(xué)原理》于1687年首次出版，奠定了古典力學(xué)的基礎(chǔ)。牛頓還為光學(xué)做出了開(kāi)創(chuàng)性的貢獻(xiàn)，并與戈特弗里德·威廉·萊布尼茲（Gottfried Wilhelm Leibniz）發(fā)展了無(wú)窮微積分的學(xué)科。

拉弗森Joseph Raphson 生卒不詳，其最著名的著作是1690年出版的《通用分析方程》。它包含一種方法，現(xiàn)在稱(chēng)其為牛頓-拉夫森方法，用于近似方程式的求根。艾薩克·牛頓（Isaac Newton）在1671年寫(xiě)的《通量法》中開(kāi)發(fā)了一個(gè)非常相似的公式，但是這項(xiàng)工作要到1736年才出版，這是拉夫森分析之后近50年。但是，該方法的Raphson版本比Newton方法更簡(jiǎn)單，因此通常被認(rèn)為是更好的方法。

所以，牛頓迭代法（簡(jiǎn)寫(xiě)）就是一種近似求解實(shí)數(shù)域與復(fù)數(shù)域求解方程的數(shù)學(xué)方法。那么這個(gè)方法是具體是什么原理呢？

牛頓迭代如何迭代？

直接看數(shù)學(xué)公式描述如何迭代不直觀，先來(lái)看動(dòng)圖就很容易理解牛頓迭代法為什么叫迭代法以及怎樣迭代的：

牛頓迭代法是原理是根據(jù)一個(gè)初始點(diǎn)在該點(diǎn)做切線，切線與X軸相交得出下一個(gè)迭代點(diǎn)的坐標(biāo)，再在處做切線，依次類(lèi)推，直到求得滿足精度的近似解為止。

由前面描述知道，牛頓迭代法是用來(lái)近似求解方程的，這里有兩個(gè)點(diǎn)需要說(shuō)明：

為啥要近似求解？很多方程可能無(wú)法直接求取其解

迭代法非常適合計(jì)算機(jī)編程實(shí)現(xiàn)，實(shí)際上計(jì)算機(jī)編程對(duì)于牛頓迭代法廣為應(yīng)用

啥時(shí)候停止迭代呢？

如何編碼呢？

由于牛頓迭代法主要目的是解方程，當(dāng)然也有可能用于某一個(gè)數(shù)學(xué)函數(shù)求極值，所以無(wú)法寫(xiě)出通用的代碼，這里僅僅給出一個(gè)編代碼的思路。相信掌握了思路，對(duì)于各種實(shí)際應(yīng)用應(yīng)該能很快的寫(xiě)出符合實(shí)際應(yīng)用的代碼。

假定一函數(shù)為

其波形圖如下：

從圖上大致可以知道有兩個(gè)根，如果直接解方程，則很難求出其根，可以編個(gè)代碼試試：

#include
#include
#include

/*假定待求根函數(shù)如下*/
#defineF(x)(2*(x)*(x)-10*cos(x)+(x)-80)

/*其一階導(dǎo)數(shù)為*/
#defineDF(x)(4*(x)+10*sin(x)+1)

floatnewton_rooting(floatx0,floatprecision,floatmin_deltax,intmax_iterations)
{
floatxn,xn1,fn,fn1,dfn;
floatdeltax;
intstep=0;
xn=x0;
xn1=x0;
do{
xn=xn1;
fn=F(xn);
dfn=DF(xn);
/*判0*/
if(fabs(dfn)<1e-6?)
???????{
????????????if(?fabs(fn)>precision)
returnNAN;
else
returnfn;
}

xn1=xn-fn/dfn;
fn1=F(xn1);
deltax=fabs(xn1-xn);

step++;
if(step>max_iterations)
{
if(fabs(fn1)precision||deltax>min_deltax);

returnxn1;
}

voidmain()
{
floatroot_guess=23.0f;
floatprecision=0.00001f;
floatmin_deltax=0.001f;
floatroot;
intstep=7;

root=newton_rooting(root_guess,precision,min_deltax,step);
printf("根為:%f,函數(shù)值為：%f
",root,F(root));

root_guess=-23;
root=newton_rooting(root_guess,precision,min_deltax,step);
printf("根為:%f,函數(shù)值為：%f
",root,F(root));
}

結(jié)果：

根為:6.457232, 函數(shù)值為：0.000004
根為:-6.894969,函數(shù)值為：-0.000008

函數(shù)值已經(jīng)很接近于0了，如果還需要更為精確的值，則可以選擇在此基礎(chǔ)上進(jìn)一步求解，比如利用二分法逼近。

需要注意些啥？

求斜率可能為0，如為0時(shí)，則可能找到了函數(shù)的極值，比如：

如果選擇的初值不合適，可能會(huì)跳掉一些根，比如：

所以實(shí)際應(yīng)用時(shí)，需要知道自己待求解模型的大致情況，在合理的加以調(diào)整。

有哪些應(yīng)用？

比如知道某系統(tǒng)的傳遞函數(shù)，求解傳函的參數(shù)，可以將上述方法推而廣之，求解多維變量方程組，求導(dǎo)就變成求偏導(dǎo)了

又比如設(shè)計(jì)一電路測(cè)量某物質(zhì)的阻抗

....

總結(jié)一下

牛頓迭代法在解決實(shí)際問(wèn)題時(shí)，利用迭代求方程近似根的數(shù)學(xué)原理，在工程中有著很好的實(shí)用價(jià)值。比如求一個(gè)趨勢(shì)的極值，傳遞函數(shù)參數(shù)辨識(shí)等都有廣泛的實(shí)際應(yīng)用。

審核編輯：劉清