牛顿迭代法计算器

使用牛顿-拉夫逊方法求解方程的根。输入任意函数 f(x)，设置初始猜测值，即可查看带有切线逼近、收敛性分析以及显示通往根的迭代路径交互式图形的逐步迭代过程。

牛顿迭代法计算器

牛顿迭代法计算器（Newton-Raphson 计算器）通过应用 Newton-Raphson 迭代公式来求解方程的根。只需输入任意函数 $f(x)$，设置一个初始猜测值 $x_0$，即可观察带有动画切线近似的逐步收敛过程。本计算器会自动进行数值微分计算 $f'(x)$，因此您只需输入 $f(x)$。

什么是牛顿迭代法？

牛顿法（也称为 Newton-Raphson 方法）是一种寻找方程根（即 $f(x) = 0$ 的 $x$ 值）的高效迭代算法。从初始猜测值 $x_0$ 开始，每次迭代都使用以下公式优化估算值：

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

从几何角度看，每一步都会在当前点 $(x_n, f(x_n))$ 处绘制一条曲线的切线，并顺着切线找到它与 x 轴的交点 $x_{n+1}$。这个新的 x 轴截距就成为了下一次的近似值。

牛顿法是如何工作的？

📐

切线

在每个 x_n 处绘制 f(x) 的切线。其 x 轴截距即为下一个猜测值。

🎯

平方收敛

对于单根，每轮迭代的正确位数大约会翻倍。

⚡

快速收敛

通常只需 5-10 次迭代即可达到机器精度。

⚠

敏感性

初始猜测值较差或导数趋于零可能导致发散。

收敛特性

特性	说明	含义
收敛阶	单根为平方收敛（2阶）	误差在每步大约呈平方减小：10⁻² → 10⁻⁴ → 10⁻⁸
单根	f(r) = 0, f'(r) ≠ 0	收敛速度最快，呈平方速率
重根	f(r) = 0, f'(r) = 0	收敛速度降为线性
收敛域	能够收敛的初始猜测值集合	对于振荡或多根函数，收敛域非常复杂

牛顿法与其他求根方法的比较

方法	收敛性	需要条件	优缺点
Newton-Raphson	平方收敛	f(x), f'(x), 初始猜测值	速度极快但可能发散
二分法	线性收敛	f(x), 区间 [a,b]	始终收敛但速度较慢
割线法	超线性收敛 (≈1.618)	f(x), 两个初始点	无需计算导数
不动点迭代	线性收敛	g(x) = x 形式	简单但通常收敛较慢

实际应用领域

领域	应用	示例
工程学	非线性电路分析	求解二极管电路的工作点
金融学	内部收益率 (IRR)	求解净现值 NPV(r) = 0 的折现率
物理学	轨道力学	求解开普勒方程 M = E − e·sin(E)
计算机图形学	射线-表面求交	寻找射线与隐式表面的交点
机器学习	优化算法	寻找梯度为零的点 ∇f = 0
化学	化学平衡计算	求解平衡常数表达式

如何使用牛顿迭代法计算器

输入函数： 使用标准符号输入您的函数 f(x)。使用 ^ 表示指数（例如 x^3-2x-5），以及 sin(x), ln(x), sqrt(x) 等函数名。支持隐式乘法（例如 2x）。
设置初始猜测值： 在您预期根的附近输入 x₀。猜测值越接近，收敛越快。您可以使用 pi 和 e 等常数。
调整设置（可选）： 设置最大迭代次数（默认为 20）和收敛容差（默认为 1e-10）。
点击“求解根”： 计算器将运行 Newton-Raphson 迭代，并自动进行数值求导。
查看结果： 查看根、带有切线的动态收敛图、迭代详细表以及带有 MathJax 公式的完整步骤解。

支持的函数

类别	函数	示例
多项式	x, x^2, x^3, ...	x^3 - 2x - 5
三角函数	sin, cos, tan	cos(x) - x
反三角函数	asin, acos, atan	atan(x) - 0.5
双曲函数	sinh, cosh, tanh	tanh(x) - 0.8
指数函数	exp, e^x	exp(x) - 3x
对数函数	ln, log, log10, log2	ln(x) - 1
根号	sqrt, cbrt	sqrt(x) - 2
其他	abs, floor, ceil	abs(x) - 3
常数	pi, e	sin(pi*x)

牛顿法在什么时候会失败？

牛顿法在以下几种情况下可能会失败或发散：

零导数： 如果 $f'(x_n) = 0$，则切线是水平的，与 x 轴没有交点。
循环： 迭代可能会在两个或多个值之间震荡而无法收敛。
发散： 如果初始猜测值太差，迭代点可能会离根越来越远。
超调（Overshoot）： 对于在根附近有拐点的函数，迭代可能会反复跳过根。

在这种情况下，请尝试不同的初始猜测值，先使用二分法等区间套方法缩小范围，或应用阻尼牛顿步长。

常见问题解答

什么是牛顿法（Newton-Raphson 方法）？

牛顿法是一种利用切线近似的迭代求根算法。从初始猜测值 x₀ 开始，它反复应用公式 x_(n+1) = x_n - f(x_n)/f'(x_n) 以收敛到 f(x) = 0 的根。对于单根，它通常呈平方收敛，这意味着每迭代一次，正确数字的位数大约会翻倍。

如何为牛顿法选择一个好的初始猜测值？

选择一个接近您预期根的初始猜测值。您可以先对函数作图，或者利用介值定理：如果 f(a) 和 f(b) 符号相反，则在 a 和 b 之间存在一个根。避免在 f'(x) 为零或接近零的地方开始，因为这会导致方法失败或发散。

牛顿法在什么情况下无法收敛？

当导数 f'(x) 在迭代点处为零或接近零、初始猜测值距离根太远、函数在根附近有拐点或方法进入循环时，牛顿法可能会失败。在这种情况下，请尝试不同的初始猜测值或使用二分法等区间套方法。

牛顿法的收敛速度是多少？

牛顿法对单根具有平方收敛性，这意味着每迭代一次，正确数字的位数大约会翻倍。对于重根（即 f'(r) = 0 的情况），收敛速度会降为线性。平方收敛使其成为收敛时最快的求根方法之一。

这个计算器会自动计算导数吗？

是的。本计算器使用中心差分数值微分法自动计算 f'(x)。您只需输入 f(x) 和初始猜测值。导数通过 [f(x+h) - f(x-h)] / (2h) 进行近似，并使用极小的步长以确保高精度。

引用此内容、页面或工具为：

"牛顿迭代法计算器" 于 https://MiniWebtool.com/zh-cn/牛顿迭代法计算器/，来自 MiniWebtool，https://MiniWebtool.com/

由 MiniWebtool 团队制作。更新日期: 2026-04-09

您还可以尝试我们的 AI数学解题器 GPT，通过自然语言问答解决您的数学问题。

牛顿迭代法计算器