【常用算法：进阶篇】14.牛顿迭代法全解析：从数学推导到工程优化的平方根极速求解秘籍

一、数学原理：从切线逼近到二次收敛的理论基石

1. 核心思想：用切线迭代逼近方程根

牛顿迭代法是求解非线性方程 (f(x)=0) 的高效数值方法，其核心思想是通过切线逼近逐步迭代更新解的近似值。对于目标函数 (f(x))，在当前近似解 (x_n) 处作切线，切线与 (x) 轴的交点即为下一个近似解 (x_{n+1})。迭代公式为：
[
x_{n+1} = x_n - \frac{f(x_n)}{f’(x_n)}
]
该公式通过函数值 (f(x_n)) 和导数值 (f’(x_n)) 动态调整搜索方向，具有二次收敛性——每轮迭代后，有效数字位数约翻倍，收敛速度远超线性收敛的二分法。

2. 平方根问题的数学建模

求正实数 (a) 的平方根等价于求解方程 (f(x) = x^2 - a = 0) 的正根。代入牛顿迭代公式，可得：
[
x_{n+1} = x_n - \frac{x_n^2 - a}{2x_n} = \frac{1}{2} \left( x_n + \frac{a}{x_n} \right)
]
几何意义：每次迭代通过计算当前值 (x_n) 与 (a/x_n) 的算术平均数，逐步逼近真实平方根。例如，计算 (\sqrt{2}) 时，初始值 (x_0=2)，迭代过程如下：
[
\begin{align*}
x_1 &= \frac{1}{2} \left( 2 + \frac{2}{2} \right) = 1.5 \
x_2 &= \frac{1}{2} \left( 1.5 + \frac{2}{1.5} \right) \approx 1.4167 \
x_3 &= \frac{1}{2} \left( 1.4167 + \frac{2}{1.4167} \right) \approx 1.4142
\end{align*}
]
仅需5次迭代即可达到 (10^{-6}) 精度，而二分法需约20次迭代，效率提升显著。

3. 收敛性与误差分析

• 收敛条件：当初始值 (x_0 > 0) 时，迭代序列 ({x_n}) 单调递减且收敛于 (\sqrt{a})（证明略）。
• 误差估计：设真实根为 (r)，第 (n) 次迭代误差为 (\epsilon_n = |x_n - r|)，则二次收敛性满足 (\epsilon_{n+1} \approx \frac{\epsilon_n^2}{2r})，即误差随迭代次数呈平方级缩小。

二、算法实现：从基础迭代到工程优化的代码实践

1. 基础实现：浮点数平方根计算

（1）C++ 版本（高精度迭代）

#include <cmath> // 用于fabs函数
float newton_sqrt(float x, float eps = 1e-6) {
   
   
    if (x < 0) return NAN; // 处理负数
    if (x == 0) return 0.0f;
    float y = x; // 初始值设为x
    float last = 0.0f;
    while (fabs(y - last) > eps) {
   
    // 当误差大于阈值时继续迭代
        last = y;
        y = 0.5f * (y + x / y); // 核心迭代公式