【优化方法】牛顿法——Newton Method

本文详细介绍了牛顿法在求解方程根和函数最优化问题中的应用。在求方程根时,通过一阶泰勒展开进行迭代;在函数最优化中,利用二阶泰勒公式求极小值,并讨论了高维牛顿法,包括泰勒展开和Hessian矩阵。同时,文章提到了牛顿法与梯度下降法的关系及其优缺点。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、牛顿法主要有两个应用方向:

  • 求方程的根
  • 求函数最优化求解

二、求方程的根:

  • 假设我们现在要求方程f(x)=0f(x)=0f(x)=0的根x∗x^*x
    • 第一步:对f(x)f(x)f(x)进行一阶泰勒展开f(x)≈f(x0)+f′(x0)(x−x0)f(x)≈f(x_0 )+f'(x_0 )(x-x_0)f(x)f(x0)+f(x0)(xx0)g(x)=f(x0)+f′(x0)(x−x0)g(x)=f(x_0 )+f'(x_0 )(x-x_0)g(x)=f(x0)+f(x0)(xx0)g(x)g(x)g(x)f(x)f(x)f(x)的一阶泰勒展开,其实质就是f(x)f(x)f(x)x0x_0x0点的切线方程,根据泰勒公式的性质我们知道f(x)f(x)f(x)g(x)g(x)g(x)x0x_0x0点附近的值可以非常接近。
    • 第二步:求出g(x)g(x)g(x)的根x1x_1x1f(x0)+f′(x0)(x−x0)=0f(x_0 )+f' (x_0 )(x-x_0 )=0f(x0)+f(x0)(xx0)=0x1=x0−f(x0)f′(x0)x_1=x_0-\frac{f(x_0 )}{f'(x_0 )} x1=x0f(x0)f(x0)
    • 第三步:重复第一步和第二步直到收敛:xk+1=xk−f(xk)f′(xk)x_{k+1}=x_k-\frac{f(x_k )}{f'(x_k )} xk+1=
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值