- 中文名
- 牛顿迭代法
- 外文名
- Newton's method
- 别 名
- 牛顿-拉夫逊（拉弗森）方法
- 提出时间
- 17世纪
多数方程不存在求根公式，因此求精确根非常困难，甚至不可解，从而寻找方程的近似根就显得特别重要。方法使用函数
设
用牛顿迭代法解非线性方程，是把非线性方程
已经证明，如果是连续的，并且待求的零点是孤立的，那么在零点周围存在一个区域，只要初始值位于这个邻近区域内，那么牛顿法必定收敛。 并且，如果不为0, 那么牛顿法将具有平方收敛的性能. 粗略的说，这意味着每迭代一次，牛顿法结果的有效数字将增加一倍。
迭代法也称辗转法，是一种不断用变量的旧值递推新值的过程，跟迭代法相对应的是直接法（或者称为一次解法），即一次性解决问题。迭代算法是用计算机解决问题的一种基本方法。它利用计算机运算速度快、适合做重复性操作的特点，让计算机对一组指令（或一定步骤）重复执行，在每次执行这组指令（或这些步骤）时，都从变量的原值推出它的一个新值。
利用迭代算法解决问题，需要做好以下三个方面的工作：
一、确定迭代变量
在可以用迭代算法解决的问题中，至少存在一个可直接或间接地不断由旧值递推出新值的变量，这个变量就是迭代变量。
二、建立迭代关系式
三、对迭代过程进行控制
在什么时候结束迭代过程是编写迭代程序必须考虑的问题。不能让迭代过程无休止地执行下去。迭代过程的控制通常可分为两种情况：一种是所需的迭代次数是个确定的值，可以计算出来；另一种是所需的迭代次数无法确定。对于前一种情况，可以构建一个固定次数的循环来实现对迭代过程的控制；对于后一种情况，需要进一步分析得出可用来结束迭代过程的条件。
function y=f(x)
y=f(x)；%函数f(x)的表达式
end
function z=h(x)
z=h(x)；%函数h(x)的表达式，函数h(x)是函数f(x)的一阶导数
end
x=X;%迭代初值
i=0;%迭代次数计算
while i
x0=X-f(X)/h(X);%牛顿迭代格式
if abs(x0-X)＞0.01；%收敛判断
X=x0;
else break
end
i=i+1;
end
fprintf('\n%s%.4f\t%s%d'，'X='，X，'i='，i) %输出结果
求一元3次方程3个解的程序：
public static double sqrt(double c) {
if (c < 0) {
return Double.NaN;
}
double err = 1e-15;
double t = c;
while (Math.abs(t - c/t) > err * t) {
t = (c/t + t) / 2.0;
}
return t;
}
program newton
定理：gcd(a,b) = gcd(b,a mod b)
证明：a可以表示成a = kb + r，则r = a mod b。假设d是a,b的一个公约数，则有 a%d==0,b%d==0，而r = a - kb，因此r%d==0 ，因此d是(b,a mod b)的公约数
同理，假设d 是(b,a mod b)的公约数，则 b%d==0,r%d==0 ，但是a = kb +r ，因此d也是(a,b)的公约数。
因此(a,b)和(b,a mod b)的公约数是一样的，其最大公约数也必然相等，得证。
从上面的程序我们可以看到a，b是迭代变量，迭代关系是temp = a % b；根据迭代关系我们可以由旧值推出新值，然后循环执a = b; b = temp；直到迭代过程结束（余数为0）。在这里a好比那个胆小鬼，总是从b手中接过位置，而b则是那个努力向前冲的先锋。
还有一个很典型的例子是斐波那契（Fibonacci）数列。斐波那契数列为：0、1、1、2、3、5、8、13、21、…，即 fib⑴=0; fib⑵=1;fib(n)=fib(n-1)+fib(n-2) （当n＞2时）。
在n＞2时，fib(n)总可以由fib(n-1)和fib(n-2)得到，由旧值递推出新值，这是一个典型的迭代关系，所以我们可以考虑迭代算法。
