牛顿迭代法求平方根的数学原理是用切线逼近函数f(x)=x²−a的零点，即解x²=a的正根，迭代公式为xₙ₊₁=(xₙ+a/xₙ)/2；初始值需正且适配大小（如a>1时取a/2），终止条件宜用相对误差而非绝对差以适配double精度。
牛顿迭代法求平方根的数学原理
牛顿迭代法不是“黑盒函数”，它依赖于函数 f(x) = x² - a 的零点逼近。你要算 sqrt(a)，本质是解 x² = a，即找 f(x) = 0 的正根。迭代公式是 x_{n+1} = (x_n + a / x_n) / 2 —— 这个公式必须手写，不能靠库函数反推。
初始值选错会导致收敛慢甚至溢出：x₀ = a 对大数（如 a > 1e6）可能让第一次迭代中 a / x₀ 太小，丢失精度；x₀ = 1 对大数则需更多轮次。实践中用 x₀ = a > 1 ? a / 2 : 1 更稳。
C++实现时浮点精度与终止条件怎么设
用 double 时，别用 abs(x_new - x_old) 做终止判断——当 <code>a 很小时（比如 1e-30），两次迭代差值天然就小于 1e-15，但结果可能还差好几个数量级。正确做法是判断相对误差：abs(x_new - x_old) / x_new 。
还要防死循环：加最大迭代次数限制，通常 50 轮足够收敛到 double 精度。
- 不要用
==比较浮点数是否收敛 - 避免除零：输入
a 应提前返回 <code>NaN或抛异常，不进入迭代 -
a == 0可直接返回0.0，跳过迭代
和标准库 sqrt() 对比时要注意什么
自己写的牛顿法在 a 接近 DBL_MIN（约 2.2e-308）时容易下溢成 0，而 std::sqrt() 支持次正规数处理。性能上，现代 CPU 的 sqrt() 是硬件指令（如 vsqrtss），通常比 5~6 轮牛顿迭代还快。
所以自己实现只适合教学、嵌入式无 math 库环境，或需要定制收敛行为（比如固定迭代 3 次做粗略估算）。
- 编译时加
-O2后，自实现和std::sqrt()性能差距会更明显 - 若需单精度，用
float和1e-6f阈值，别混用double常量 - IEEE 754 的 NaN/Inf 输入，自实现不会自动传播，要手动检查
一个可用的最小完整实现
下面这段代码能处理 0、正数、边界值，且不依赖 <cmath></cmath>：
double my_sqrt(double a) {
if (a ::quiet_NaN();
if (a == 0) return 0.0;
double x = a > 1 ? a / 2 : 1;
for (int i = 0; i <p>注意 <code>(x + a / x) * 0.5</code> 比 <code>(x + a / x) / 2</code> 少一次除法，在某些架构上略快；<code>std::abs</code> 要包含 <code><cmath></cmath></code> 或 <code><cstdlib></cstdlib></code>，但如果你真想零依赖，得手写绝对值逻辑。</p><p>实际用的时候，多数情况直接调 <code>std::sqrt()</code> 更安全。自己推公式、写迭代，真正难的不是代码，是想清楚什么时候不该自己写。</p>C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
