牛顿迭代法（Newton’s Method）迭代求根的Python程序

最新推荐文章于 2026-06-22 15:49:17 发布

原创

最新推荐文章于 2026-06-22 15:49:17 发布 · 5.3w 阅读

584

标签

#python #牛顿迭代计算

本文详细介绍了牛顿迭代法的基本原理及其在求解方程根的应用，并通过具体实例展示了牛顿迭代法在不同场景下的使用过程，包括求解非线性方程组。

该文章已生成可运行项目，

迭代法的作用

许多复杂的求解问题，都可以转换成方程f(x)=0的求解问题。这一系列的解叫做方程的根。对于非线性方程的求解，在自变量范围内往往有多个解，我们将此变化区域分为多个小的子区间，对每个区间进行分别求解。我们在求解过程中，选取一个近似值或者近似区间，然后运用迭代方法逐步逼近真实解。
方程求根的常用迭代法有：二分法、不动点迭代、牛顿法、弦截法。

牛顿迭代法

牛顿迭代法（Newton’s method）又称为牛顿-拉弗森方法（Newton-Raphson method），它是一种在实数域和复数域上近似求解方程的方法。方法使用函数的泰勒级数的前面几项来寻找方程的根。

参考链接：
用python算微积分及牛顿迭代求解高阶方程

在这里插入图片描述

牛顿迭代法基本思想

考察一般形式的函数方程f(x)=0,首先运用校正技术建立迭代公式，设已知它的近似根xk,则自然要求校正值x(k+1)=xk+∆x能更好的满足所给方程,即 f(xk+∆x)≈0，将其左端用线性主部f(xk)+f’(xk)* ∆x代替,而令f(xk)+f’(xk)*∆x=0，这是关于增量∆x的线性方程，据此定出∆x=-f(xk)/f’(xk)，从而关于校正值x(k+1)=xk+∆x有如下计算公式：X(k+1)=xk-f(xk)/f’(xk)

这就是著名的牛顿公式。Newton法的突出优点是速度快，但它有个明显的缺点是每一步迭代需要提供导数值f’(xk),如果函数f(x)比较复杂，致使导数的计算比较困难，那么使用牛顿公式是不方便的。

牛顿迭代法优缺点

通常最高效的方法：牛顿法。它是求解方程f(x)=0的一种重要方法，它的最大优点是方程在单根附近具有较高的收敛速度，且算法逻辑简单。它还可以用于求代数方程的重根、复根。但是由于牛顿法是局部收敛的，它的收敛性依赖于初值x0的选取。并且每一步迭代除了需要计算f(Xk)外，还需要计算f(Xk)的导数，当f(x)比较复杂时（缺点明显），该方法是不方便的。

例题

求方程式：x = exp(-x)在0.5附近的根
即求方程式xexp(x)-1=0在0.5附近的根

约定一个误差，当误差小于某个数值的时候，迭代停止

代码如下：

from sympy import *
x = symbols('x')
x0 = 0.5
x_list = [x0]
i = 0

def f(x):
    f = x * exp(x) - 1
    return f

while True:   
    if diff(f(x),x).subs(x,x0) == 0:
        print('极值点：',x0)
        break
    else:
        x0 = x0 - f(x0)/diff(f(x),x).subs(x,x0)
        x_list.append(x0)
    if len(x_list) > 1:
        i += 1
        error = abs((x_list[-1] - x_list[-2]) / x_list[-1])
        if error < 10 ** (-6):
            print(f'迭代第{
     
     i}次后，误差小于10^(-6)，误差为{
     
     error}')
            break
    else:
        pass
print(f'所求方程式的根为{
     
     x_list[-1]}')

结果：

迭代第4次后，误差小于10^(-6)，误差为2.17717477197250E-10
所求方程式的根为0.567143290409784

迭代至电脑默认为误差为0为止

from sympy import *

x = symbols('x')
x0 = 0.5
x_list = [x0]
i = 0

def f(x):
    f = x * exp(x) - 1
    return f

while True:
    if diff(f(x),x).subs(x,x0) == 0:
        print('极值点：',x0)
        break
    else:
        x0 = x0 - f(x0)/diff(f(x),x).subs(x,x0)
        x_list.append(x0)
    if len(x_list) > 1:
        i += 1
        error = abs((x_list[-1] - x_list[-2]) / x_list[-1])
        if error == 0:
            print(f'迭代第{
     
     i}次后，误差为0')
            break
    else:
        pass

print(f'所求方程式的根为{
     
     x_list[-1]}')

结果：

迭代第6次后，误差为0
所求方程式的根为0.567143290409784

画迭代图

代码：

from sympy import *
import matplotlib.pyplot as plt
x = symbols('x')
x0 = 0.5
x_list = [x0]
x_values = []
y_values = []
i = 0

def f(x):
    f = x * exp(x) - 1
    return f

while True:
    if diff(f(x),x).subs(x,x0) == 0:
        print('极值点：',x0)
        break
    else:
        x0 = x0 - f(x0)/diff(f(x),x).subs(x,x0)
        x_list.append(x0)
    if len(x_list) > 1:
        i += 1
        error = abs((x_list[-1] - x_list[-2]) / x_list[-1])
        x_values.append(i)
        y_values.append(error)
        if error == 0:
            print(f'迭代第{
     
     i}次后，误差为0')
            break
    else:
        pass

print(f'所求方程式的根为{
     
     x_list[