牛顿迭代法的可视化详解
牛顿迭代法(Newton's method)又称为牛顿-拉夫逊(拉弗森)方法(Newton-Raphson method),它是牛顿在17世纪提出的一种在实数域和复数域上近似求解方程的方法。
以 Isaac Newton 和 Joseph Raphson 命名的 Newton-Raphson 方法在设计上是一种求根算法,这意味着它的目标是找到函数 f(x)=0 的值 x。在几何上可以将其视为 x 的值,这时函数与 x 轴相交。
Newton-Raphson 算法也可以用于一些简单的事情,例如在给定之前的连续评估成绩的情况下,找出预测需要在期末考试中获得 A 的分数。其实如果你曾经在 Microsoft Excel 中使用过求解器函数,那么就使用过像 Newton-Raphson 这样的求根算法。另外一个复杂用例是使用 Black-Scholes 公式反向求解金融期权合约的隐含波动率。
Newton-Raphson公式
虽然公式本身非常简单,但如果想知道它实际上在做什么就需要仔细查看。
首先,让我们回顾一下整体方法:
1、初步猜测根可能在哪里
2、应用 Newton-Raphson 公式获得更新后的猜测,该猜测将比初始猜测更接近根
3、重复步骤 2,直到新的猜测足够接近真实值。
这样就足够了吗?Newton-Raphson 方法给出了根的近似值,尽管通常它对于任何合理的应用都足够接近!但是我们如何定义足够接近?什么时候停止迭代?
一般情况下Newton-Raphson 方法有两种处理何时停止的方法。1、如果猜测从一个步骤到下一步的变化不超过阈值,例如 0.00001,那么算法将停止并确认最新的猜测足够接近。2、如果我们达到一定数量的猜测但仍未达到阈值,那么我们就放弃继续猜测。
从公式中我们可以看到,每一个新的猜测都是我们之前的猜测被某个神秘的数量调整了🔮。如果我们通过一个例子来可视化这个过程,它很快就会清楚发生了什么!
作为一个例子,让我们考虑上面的函数,并做一个 x=10 的初始猜测(注意这里实际的根在 x=4)。Newton-Raphson 算法的前几个猜测在下面的 GIF 中可视化👇
我们最初的猜测是 x=10。为了计算我们的下一个猜测,我们需要评估函数本身及其在 x=10 处的导数。在 10 处求值的函数的导数只是简单地给出了该点切线曲线的斜率。该切线在 GIF 中绘制为 Tangent 0。
看下一个猜测相对于前一个切线出现的位置,你注意到什么了吗?下一个猜测出现在前一个切线与 x 轴相交的位置。这就是 Newton-Raphson 方法的亮点!
事实上, f(x)/f'(x) 只是给出了我们当前猜测与切线穿过 x 轴的点之间的距离(在 x 方向上)。正是这个距离告诉我们每次更新的猜测是多少,正如我们在 GIF 中看到的那样,随着我们接近根本身,更新变得越来越小。
完整文章:
https://www.overfit.cn/post/37cdf43c67df46bbb1ac52418a4237ef