文章目錄

• 一、基本原理
• 二、原理深入講解
• • 1 、切線是曲線的線性逼近
  • 2、 牛頓-拉夫遜法
  • 3 、牛頓-拉夫遜法是否總是收斂（總是可以求得足夠近似的根）？
• 三、pythons實例
• 總結

---

一、基本原理

????對于一個方程 f ( x ) = 0 ，我們將函數 f ( x )單獨考慮。
????若函數 f ( x ) (n+1)階可導，則我們在初始值 x = x ₀ 處進行泰勒展開，可得：

????令 x ? x ₀= Δ x ，然后將上述泰勒公式一階展開，忽略余項可得：

???令其等于 f ( x ) = 0，可得：

???從而求出：

二、原理深入講解

1 、切線是曲線的線性逼近

???要講牛頓迭代法之前我們先說一個關鍵問題：切線是曲線的線性逼近。
???這個是什么意思呢？我們來看一看，下面是 f(x)=x^2 的圖像：

???我們隨便選一點f(x) 上的一點(a,f(a))作它的切線：

???我們在A點處放大圖像：

???上圖中，紅色的線是f(x)，黑色的是A點處的切線，可以看出放大之后切線和f(x)非常接近了。很明顯，如果我們進一步放大圖像，A點切線就越接近f(x)。

???因為切線是一條直線（也就是線性的），所以我們可以說，A點的切線是f(x)的線性逼近。離A點距離越近，這種逼近的效果也就越好，也就是說，切線與曲線之間的誤差越小。所以我們可以說在A點附近，“切線約等于 f(x) ”。

2、 牛頓-拉夫遜法

???牛頓-拉夫遜法提出來的思路就是利用切線是曲線的線性逼近這個思想。
???牛頓、拉夫遜們想啊，切線多簡單啊，研究起來多容易啊，既然切線可以近似于曲線，我直接研究切線的根不就成了。
然后他們觀察到這么一個事實：

???隨便找一個曲線上的A點（為什么隨便找，根據切線是切點附近的曲線的近似，應該在根點附近找，但是很顯然我們現在還不知道根點在哪里），做一個切線，切線的根（就是和x軸的交點）與曲線的根，還有一定的距離。牛頓、-拉夫遜們想，沒關系，我們從這個切線的根出發，做一根垂線，和曲線相交于B點，繼續重復剛才的工作：

???之前說過，B點比之前A點更接近曲線的根點，牛頓、拉弗森們很興奮，繼續重復剛才的工作：

???第四次就已經很接近曲線的根了

???經過多次迭代后會越來越接近曲線的根（下圖進行了50次迭代，哪怕經過無數次迭代也只會更接近曲線的根，用數學術語來說就是，迭代收斂了）：

3 、牛頓-拉夫遜法是否總是收斂（總是可以求得足夠近似的根）？

我們來看看收斂的充分條件：
若
f(x)
二階可導，那么在待求的零點
x
周圍存在一個區域，只要起始點
x_0
位于這個鄰近區域內，那么牛頓-拉弗森方法必定收斂。

???也就是說，在這個區域內，用切線代替曲線這個直覺是合理的。但是，因為我們不知道根點到底在哪里，所以起始點 x_0 選擇就不一定在這個區域內，那么這個直覺就不可靠了。
駐點

???起始點不幸選擇了駐點，從幾何上看切線根本沒有根。
從代數上看，x_{n+1}=x_n-f(x_n)/f’(x_n)沒有意義。
越來越遠離的不收斂

循環震蕩的不收斂

不能完整求出所有的根

三、pythons實例

???牛拉法主要流程

???以 x ² ? 4 x - 4 = 0 為例，設計 Python 程序：

import numpy as np import pandas as pd import matplotlib.pyplot as pltdef fun(x):y = x ** 2 - 4 * x - 1return ydef fun_diff(x):y = 2 * x - 4return ydef Netwon(x0, func, dfunc):# 迭代條件e = 1e-5x = np.zeros(2)x[0] = x0x[1] = x0 - func(x[0]) / dfunc(x[0])while abs(func(x[0])) > e:#在0附近x[0] = x[1]x[1] = x[0] - func(x[0]) / dfunc(x[0])return x[1]if __name__ == '__main__':x=np.arange(-5,5,0.1)y=fun(x)x1=Netwon(0, fun, fun_diff) #牛拉法求得的點plt.plot(x,y)plt.xlim(-5, 5)plt.ylim(-10, 50)plt.scatter(x1,fun(x1),color='red')plt.show()

總結

應用牛頓-拉夫遜方法，要注意以下問題：
函數在整個定義域內最好是二階可導的
起始點對求根計算影響重大，可以增加一些別的判斷手段進行試錯

作者：電氣-余登武

總結

以上是生活随笔為你收集整理的牛顿-拉夫逊法 原理讲解以及python算例实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。