Multi-point variants of the Newton-Raphson-Simpson method arising from organizing a formal zero according to a function $\phi$

伟大的数学寻踪：寻找隐藏的数字

想象你是一名寻宝猎人，但你寻找的不是黄金，而是一个隐藏在复杂数学方程中的特定数字。这个数字被称为“根”或“零点”，它是让方程完美平衡于零的秘密钥匙。寻找这些钥匙是科学和工程领域的一项基本任务，从计算卫星轨道到设计不会坍塌的桥梁，皆是如此。几个世纪以来，数学家们一直使用一种被称为牛顿-拉夫逊法（Newton-Raphson method）的著名工具来搜寻这些钥匙。你可以把它想象成一名在浓雾中试图寻找山谷底部的徒步旅行者。徒步者观察脚下地面的坡度，向下迈出一步，并重复这个过程，直到到达底部。这种方法快速且可靠，但有时地形会变得复杂，徒步者需要一张更好的地图。

近年来，数学家们意识到，“徒步者”不必只看一个点来决定下一步该往哪里走。他们可以同时观察多个点，收集更多的信息，从而进行更聪明、更有力的跨越。这种利用多个点来寻找解的想法正是本文的研究领域。作者马里奥·德弗兰科（Mario DeFranco）正在代数和微积分的世界中工作，专门探索如何使用一种被称为“有根平面树”（rooted plane tree）的奇妙且美丽的结构来组织这些多步跳跃。你可以将这些树想象成不是长着叶子的植物，而是像家谱或组织架构图一样，一个主根向外分出较小的分支，分支再进一步分出子分支。通过以特定的方式排列这些树，本文提出了一种新的、更灵活的计算这些隐藏数字的方法，这可能使寻找数学答案的过程变得更加高效。

---

树形图法：寻找数学隐藏钥匙的新途径

在这篇论文中，马里奥·德弗兰科为这个古老的数学游戏引入了一个新鲜的转折。他将他的新方法称为 max-phi 方法。要理解它，我们首先需要认识这两个角色：“形式零”（formal zero）和“树”。

想象你有一个函数，它就像一台高级机器，输入一个数字，输出另一个数字。你想找到那个能让机器输出零的输入值。德弗兰科从一个“形式零”开始，它就像是一个寻找答案的巨大、无限的配方。这个配方是通过累加数千种不同“有根平面树”的权重来构建的。你可以将这些树看作是组织计算步骤的一种方式。一个点就是一棵树；一个带有两个分支的点是一棵树；一个带有三个分支，且每个分支又有其自身子分支的点，也是一棵树。

在以往的工作中，数学家们通过计算这些树的数量来获得对答案更好的近似值。他们为每棵树分配了一个“迭代次数”，这基本上告诉了他们这棵树属于计算的哪一步。如果你把所有迭代次数为 1 的树相加，你就得到了你的第一个猜测。把迭代次数为 2 的树相加，你会得到一个更好的猜测，依此类推。这个过程已知可以重现著名的牛顿-拉夫逊法，即标准的“浓雾中的徒步者”方法。

新的转折：函数 $\phi$
德弗兰科的大胆想法是改变我们计数这些树的规则。他没有使用固定规则，而是引入了一个自定义函数 $\phi$（phi）。这个函数就像是一个交通控制器。它观察一棵树，并根据树的分支数量及其深度，决定这棵树应该计为多少个“步骤”。

他定义了一个特定的规则：

1. 如果一棵树只是一个单独的点，它计为第 0 步。
2. 如果一棵树是较小树木的集群，他会查看每个子树的“迭代次数”。他在其中找到最高的一个数字（我们称之为“最大值”）。
3. 然后，他计算有多少个子树拥有这个最高数字（即“重数”）。
4. 最后，他使用他的自定义函数 $\phi$ 来决定整棵树的最终步数。

论文证明，如果你使用这种新的 $\phi$ 规则来组织你的树，那么直到某个步数（$N$）为止的所有树的权重之和将遵循一个非常特定的模式。这个模式导向了一个寻找根的新公式。

核心发现：递推关系
这篇论文的核心是一个数学证明，表明这些和（德弗兰科称之为 $Z_N$）满足一个特定的递推关系。用通俗的话说，这意味着新的猜测（$c_N$）可以通过结合之前的几个猜测（$c_{N-1}, c_{N-2}, \dots$）以及这些点处的函数值及其导数值来计算。

公式看起来很复杂，但逻辑很优雅：
$$c_N = c_{N-1} - \frac{\text{复杂的过去步骤组合}}{f'(c_{N-1})}$$

分子中的“复杂的过去步骤组合”是奇迹发生的地方。它结合了函数在 $L$ 步之前的点的值（$f(c_{N-L})$），以及基于有多少棵树具有相同“最大”迭代次数的一系列修正。函数 $\phi$ 精确地控制了哪些过去的步骤会被包含在这个组合中。

为什么这很重要
论文指出，通过选择不同的 $\phi$ 函数，你可以创造出不同“牛顿-拉夫逊变体”。

• 如果你选择一个非常简单的 $\phi$（其中它仅将带有一个分支的树计为第 0 步，并将其他所有情况计为第 1 步），你会回到经典的牛顿-拉夫逊法。
• 但如果你选择一个更复杂的 $\phi$，你会得到一个多点法。这意味着你的新猜测不仅仅基于紧邻的上一步，而是基于整个过去的猜测历史，并由树结构进行加权。

作者证明，对于任何足够可微（具体来说是 $L$ 次可微）的函数，这种方法都是有效的。论文明确指出，这是针对形式级数（变量的无限和）的一个已证数学结果，并暗示这种结构可以应用于实际函数以创建新的算法。

论文未提及的内容
需要注意的是，这篇论文并没有做哪些事情。它并没有声称这种方法在处理所有问题时都比现有方法更快或更好。它也没有提供一份关于哪个 $\phi$ 函数是“最佳”选择的清单。它也没有展示计算机模拟来证明其在现实世界数据上的表现。相反，它奠定了数学基础，证明了这些多点法可以通过这种方式进行组织，并且它们遵循一致且可预测的模式。

寻踪的未来
德弗兰科最后提出了两个令人兴奋的未来研究方向。首先，他希望找到显式公式，展示这些新猜测在 terms of 实际函数零点时的具体形态。其次，他想知道这种基于树的组织方式是否可以用于其他类型的涉及负数或不同类型树的数学“零点”。

简而言之，这篇论文不仅给了你一个新工具，它还给了你一种构建工具的新方法。通过将计算步骤视为一棵家族树，并使用自定义函数 $\phi$ 进行组织，它开启了寻找隐藏数字的一系列全新的数学方法之门。这提醒我们，即使在微积分这样一个古老的领域，仍然存在着排列这些拼图碎片的新方式。