Методът на Нютон осигурява начин за намиране на реалните нули на дадена функция. Този алгоритъм понякога се нарича метод на Нютон-Рафсън, кръстен на сър Исак Нютон и Джоузеф Рафсън. Методът е сред най-широко използваните числени методи за решаване на нелинейни уравнения, поради простотата и бързата си (обикновено квадратична) сходимост за добре поставени случаи. Използва се в числен анализ, оптимизация, инженерни пресмятания и научни симулации.

Методът използва производната на функцията, за да намери корените ѝ. Трябва да се направи първоначално "предположение" за местоположението на нулата. От тази стойност се изчислява ново предположение по тази формула:

{\displaystyle x_{n+1}=x_{n}-{\frac {f(x_{n})}{f'(x_{n})}}}

Тук xn е текущото предположение, а xn+1 е следващото. Функцията f (чиято нула се търси) има производна f'. Прилагането на формулата повтарящо се (итеративно) води до последователност x0, x1, x2, ..., която при подходящи условия ще се доближи към корена.

Итерационна процедура (стъпки)

  • Изберете начално приближение x0 (информирано предположение или произволно).
  • Изчислете f(xn) и f'(xn).
  • Ако f'(xn) = 0 или много близо до 0 — оценете риска от голям скок; обмислете друго x0 или модифициран метод.
  • Изчислете xn+1 = xn − f(xn)/f'(xn).
  • Проверете критерии за спиране (виж по-долу). Ако не са изпълнени, увеличете n и повторете.

Графична интерпретация

Методът на Нютон може да се обясни графично, като се разгледат пресечните точки на допирателните с оста x. Първо, изчислява се линия, допирателна към f при xn. След това се намира пресечната точка между тази допирателна линия и оста x. Накрая, x-позицията на тази пресечна точка се записва като следващо предположение, xn+1. Тази визуална представа обяснява защо, ако допирателната пресича оста x близо до истинския корен и наклонът е умерен, итерациите бързо се сближават към корена.

Условия за сходимост и скорост

  • Локална сходимост: Ако f е два пъти непрекъснато диференцируема в околността на корен r и f'(r) ≠ 0 (т.е. коренът е прост), методът конвергира квадратично: броят на правилните цифри приблизително се удвоява при всяка успешна итерация близо до r.
  • Множествен корен: Ако коренът има кратност m > 1 (f(r) = 0, f'(r) = 0, ..., f^(m-1)(r)=0, но f^(m)(r) ≠ 0), обикновено конвергенцията е само линейна и значително по-бавна. Модифициран вариант е xn+1 = xn − m f(xn)/f'(xn) ако m е известна.
  • Базини на привличане: Началното приближение определя към кой корен ще се сближи алгоритъмът. За нелинейни функции има области (басейни на привличане), които могат да доведат до различни корени, до цикли или до дивергенция.

Възможни проблеми и решения

  • Ако f'(xn) е много малко, стъпката f(x)/f'(x) може да стане огромна и итерацията да напусне региона на интерес; решението е да се смени началното приближение, да се приложи дъмпинг (xn+1=xn−λ f/f' с 0<λ≤1) или да се реализира линия търсене (line search).
  • В случай на осцилaции или непровеждане към корен, често практичен и сигурен подход е хибрид между Нютон и методи със сигурност за сходимост, например бисаекция в интервал, където f променя знак, като се преминава към Нютон когато е безопасно.
  • Ако производната не е достъпна аналитично, може да се използва числена апроксимация (централен разностен оператор), автоматично диференциране или символната производна.

Практически критерии за спиране

Често се спира итерацията, когато е изпълнено едно от следните условия:

  • |f(xn)| < ε (функционална точност)
  • |xn+1 − xn| < ε (абсолютна промяна под праг)
  • |xn+1 − xn|/|xn+1| < ε (относителна промяна)
  • Достигнат максимален брой итерации (предпазна мярка)

Пример

Намиране на квадратен корен: за положително число a, решаваме f(x)=x^2−a. Тогава f'(x)=2x и формулата дава

xn+1=xn−(xn^2−a)/(2xn) = (xn + a/xn)/2,

която е добре познатият метод на Херон за изчисление на корен квадратен. Този конкретен случай демонстрира бързата сходимост при добро начално приближение.

Заключение

Методът на Нютон-Рафсън е мощен и ефективен числен метод за намиране на корени, особено когато имате аналитична производна и добро начално приближение. В практиката често се комбинира със стратегии за стабилност (дампинг, бисаекция) и внимателно избрани критерии за спиране, за да се гарантира надеждност и ефективност.