Newtonova-Raphsonova metoda: jak najít nuly funkce iterativně

Princip metody

Metoda využívá k nalezení kořenů funkce její derivace. Je třeba provést počáteční odhad hodnoty umístění nuly, označený x₀. Z tohoto odhadu se iterativně vypočítávají nové odhady podle vzorce:

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

Zde x_n je aktuální odhad a x_n+1 další odhad. Iterací (tj. opakovaným dosazováním x_n+1 jako nového x_n) získáme posloupnost, která se za příznivých podmínek blíží skutečné nule funkce.

Geometrická interpretace

Graficky se metoda vysvětluje pomocí průsečíků tečných přímek s osou x. Pro daný bod x_n nakreslíme tečnu k funkci f. Průsečík této tečny s osou x dává x_n+1. Opakováním tohoto kroku „sjíždíme“ po tečně k hledané nule.

Konvergence a vlastnosti

• Kvadratická konvergence: Pokud je f dvakrát spojitě diferencovatelná v okolí kořene α a f'(α) ≠ 0, pak Newtonova metoda konverguje kvadraticky — počet správných platných číslic přibližně dvojnásobně roste při každé iteraci poblíž kořene.
• Rychlost: Díky kvadratické konvergenci je metoda velmi rychlá, pokud je počáteční odhad dostatečně blízko skutečnému řešení.
• Rozšíření: Metodu lze snadno zobecnit i do komplexní roviny pro hledání komplexních kořenů.

Omezení a možné problémy

• Derivace nulová: Pokud se v některém kroku f'(x_n) = 0 (nebo velmi blízko nule), vzorec selže (dělení nulou) nebo numericky zhorší odhad. To může vést k velkým skokům či divergenci.
• Citlivost na počáteční odhad: Špatně zvolený x₀ může způsobit, že metoda bude konvergovat k jinému kořenu, bude oscilovat nebo bude divergovat.
• Singularity a vícenásobné kořeny: Pro kořeny s násobností >1 konvergence obvykle není kvadratická, často je pouze lineární nebo může být pomalejší.
• Lokální, ne globální: Newtonova metoda není samo o sobě zaručeně globálně konvergentní — zaručené metody pro nalezení kořenů (např. bisekce) používají obvykle jiné přístupy.

Praktická doporučení a modifikace

• Před implementací zkontrolujte, zda f'(x) není v některém kroku blízko nuly; v takovém případě použijte jinou metodu nebo modifikaci.
• Pro lepší globální chování lze použít damped (relaxovanou) verzi: x_n+1 = x_n − λ f(x_n)/f'(x_n) s 0 < λ ≤ 1, kde λ se volí adaptivně (line search) tak, aby se zajistilo zlepšení.
• Secant metoda je alternativa, která nepoužívá explicitně derivaci (používá aproximaci derivace dvou předchozích bodů) — užitečné, když je výpočet derivace složitý nebo nepraktický.
• V kódu vždy nastavte maximální počet iterací a toleranci pro zastavení, např. |x_n+1 − x_n| < tol nebo |f(x_n)| < tol.

Algoritmus (krok za krokem)

1. Zvolte počáteční odhad x₀, toleranci tol a maximální počet iterací N.
2. Pro n = 0,1,2,... do N − 1 proveďte:
   1. Vypočítejte f(x_n) a f'(x_n).
   2. Pokud |f'(x_n)| je velmi malé, zvažte ukončení nebo změnu metody.
   3. Vypočítejte x_n+1 = x_n − f(x_n)/f'(x_n).
   4. Pokud |x_n+1 − x_n| < tol nebo |f(x_n+1)| < tol, ukončete s úspěchem.
3. Pokud nebylo dosaženo tolerance do N iterací, považujte výsledek za nedostatečný nebo změňte počáteční odhad.

Příklad

Najděme kladnou nulu f(x) = x² − 2 (tj. sqrt(2)). Iterační vzorec je x_n+1 = x_n − (x_n² − 2)/(2 x_n) = (x_n + 2/x_n)/2.

Při x₀ = 1 dostaneme:

• x₁ = (1 + 2/1)/2 = 1.5
• x₂ = (1.5 + 2/1.5)/2 ≈ 1.4166667
• x₃ ≈ 1.4142136 (již přesná na 7 desetinných míst)

Tento příklad ilustruje rychlou (kvadratickou) konvergenci Newtonovy metody, pokud je počáteční odhad rozumný.

Závěr

Newtonova‑Raphsonova metoda je účinný a rychlý nástroj pro hledání kořenů, zvláště když jsou k dispozici derivace a počáteční odhad je blízký řešení. V praxi je však potřeba dbát na možná rizika — zejména na body, kde je derivace malá nebo nulová — a v případě potřeby použít modifikace či kombinovat s jinými metodami pro zajištění spolehlivosti.