探索混沌与秩序的边界。

只要方向大致正确，每一步都在修正错误，最终就一定能逼近真理。对吗？当然不对了。在数值分析领域有一种收敛速度极快的算法，它以最戏剧化的方式揭示了这个直觉的漏洞，这就是牛顿迭代法，也被称为切线法。

它的核心思想极其优雅，想要求解方程f(x)等于0的根，先猜一个初始值x0，然后过曲线上这个点作切线，切线与x轴的交点就是更接近真实根的x1，如此循环往复。牛顿法在局部拥有二次收敛的恐怖速度，每迭代一次，正确的小数位数就翻一倍。

但这里藏着一个致命的陷阱，牛顿法对初始值的选取极为敏感，初始值一旦落入某个错误引力范围，迭代序列不仅不会逼近真根，反而会陷入无穷循环，炸飞到无穷远，或者死死锁定在一个你根本不想要的假根上。

关于牛顿迭代法最令人不安的视觉证据来自复平面上的牛顿分形，考虑一个最简单的三次方程：z的立方减1等于0，它的三个根均匀分布在复平面的单位圆上，分别位于1、负二分之一加二分之根号3i、负二分之一减二分之根号3i。

直觉上，从一个根附近的点出发，牛顿法应该会把你带到最近的根。但当你用计算机给复平面上每一个点都涂上颜色，标记它最终收敛于哪个根时，生成的图案会让任何数学家倒吸一口凉气。

三个根的引力盆地之间并非整齐的扇形分界线，而是以一种无穷递归的自相似结构犬牙交错在一起。在任意两个根之间的分界线上，无论你放大多少倍，都会看到三个颜色的触须纠缠在一起。这意味着在某些区域，极端敏感依赖性，你把初始值移动一根头发丝的十亿分之一，最终收敛到的根就会完全不同。数学上的确定性算法却产生了物理上的不可预测性。

我的意思是，你以为只要方向大致正确，每次犯错都及时修正，总能一步步靠近她。可牛顿分形告诉你，有些地方差一根头发丝的初始位置就会掉进完全不同的根，向左一步是靠近，向右一步是永别。你站在分形边界上根本看不清自己到底属于哪一侧，你们之间有层看不见的边界比任何算法都更不可预测。

本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。 用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。