牛顿迭代法求 sqrt 的数学本质是用切线逼近函数 f(y)=y²−x 的零点，推导出 yₙ₊₁=(yₙ+x/yₙ)/2；初始值不能为 0，越近真根收敛越快，通常 5–7 次达 double 精度。
牛顿迭代法求 sqrt 的数学本质是什么
它不是“猜一个数然后不断修正”，而是用切线逼近函数零点。对 sqrt(x)，实际在解方程 f(y) = y² - x = 0；每次迭代用当前点 yₙ 处的切线与横轴交点作为新估计值：yₙ₊₁ = yₙ - f(yₙ)/f'(yₙ)，代入后就得到经典公式：yₙ₊₁ = (yₙ + x / yₙ) / 2。
这个推导决定了：初始值不能为 0（否则除零），且越靠近真实根收敛越快；但即使选得差（比如固定用 x/2），也通常 5–7 次就收敛到 double 精度。
为什么不用 std::sqrt 而手写牛顿法
多数场景下你**不该手写**——std::sqrt 是硬件指令（如 x86 的 sqrtss/sqrtsd）或高度优化的数学库实现，速度更快、精度更高、还处理了 NaN、无穷、次正规数等边界。
手写有意义的典型场景只有几个：
立即学习“C++免费学习笔记（深入）”；
- 嵌入式环境无标准库支持
- 需要控制迭代次数做确定性计算（如游戏帧同步）
- 教学/理解浮点逼近过程
- 定制化误差容忍（比如只要误差
1e-4就停，不追求 full double 精度）
一个安全可用的 C++ 牛顿法 sqrt 实现
下面代码避开常见坑：不假设输入非负、不硬编码最大迭代次数、用相对误差判断收敛、处理 0 和极小值：
double my_sqrt(double x) {
if (x < 0) return std::numeric_limits<double>::quiet_NaN();
if (x == 0) return 0;
<pre class="brush:php;toolbar:false;">double y = x < 1 ? 1 : x / 2; // 避免对小数用 x/2 导致初始值过大
double prev;
for (int i = 0; i < 10; ++i) {
prev = y;
y = (y + x / y) * 0.5;
if (std::abs(y - prev) <= std::abs(y) * 1e-15) break;
}
return y;}
关键点：
y = x —— 小于 1 的数（如 0.01）若用 <code>x/2会得到 0.005，离真实根 0.1 差两个数量级，收敛慢- 用
std::abs(y - prev) 判断相对误差，比固定阈值（如 <code>1e-15）更鲁棒 - 上限设 10 次足够，double 精度下最多 6–7 次就收敛，留余量防异常
和硬件 sqrt 对比时最容易忽略的细节
直接拿 my_sqrt(2.0) 和 std::sqrt(2.0) 比较结果是否相等？大概率是 false —— 因为牛顿法受初始值、迭代次数、中间舍入影响，最终比特位可能和 IEEE 754 最佳舍入结果差 1 ULP。
验证是否“够好”，应该用：
- 误差范围检查：
std::abs(my_sqrt(x) - std::sqrt(x)) - 单调性：对递增的
x，my_sqrt(x)也必须严格递增（否则插值出错） - 边界行为：输入
DBL_MIN、DBL_MAX、INFINITY时是否 crash 或返回合理值
这些才是实操中真正卡住人的地方，不是公式写对了就能过。
