Ein iteratives Verfahren zur Wurzelfindung oder Lösung nichtlinearer Gleichungen, das lokale Linearisierung mittels Ableitung (eindimensional) oder Jacobi-Matrix (mehrdimensional) verwendet, um Näherungen durch Lösen linearer Gleichungen in jedem Schritt zu aktualisieren.

Prinzip

Die ordnende Regel ist, die nichtlineare Abbildung durch ihre Taylor-Entwicklung erster Ordnung um das aktuelle Iterierte zu approximieren und die Nullstelle dieser linearen Approximation als nächstes Iteriertes zu wählen, was unter nichtsingulärer Jacobi-Matrix und hinreichend guter Anfangsnäherung quadratische lokale Konvergenz ergibt.

Demonstration

Löse F(x)=0 für ein System nichtlinearer Gleichungen durch Iteration x_{k+1} = x_k − J_F(x_k)^{-1} F(x_k); für eine skalare f mit einfacher Nullstelle reduziert sich das Update zu x_{k+1}=x_k − f(x_k)/f'(x_k) und konvergiert schnell, wenn die Ableitung an der Nullstelle nicht verschwindet.

Fehlanwendung

Die Anwendung von Newtons Verfahren mit einer schlechten Anfangsnäherung kann zu Divergenz, Zyklen oder Konvergenz zu einer unerwünschten Nullstelle führen; bei singulärer oder fast singulärer Jacobi-Matrix entsteht Instabilität; Vernachlässigung von Regularisierung oder Dämpfung in schlecht konditionierten Kontexten ist gefährlich.

Konsequenz

Ist es anwendbar, liefert Newtons Verfahren sehr schnelle (quadratische) lokale Konvergenz und präzise Wurzelverfeinerung; es bildet das Rückgrat vieler nichtlinearer Löser und impliziter Zeitschrittverfahren, wenn es mit robusten linearen Lösern und Globalisierungsstrategien gekoppelt ist.

Umkehrung

Die Gegenperspektive nutzt ausschließlich Erstordnermethoden (Gradienten- oder Festschritt-Iterationen), die das Lösen linearer Systeme vermeiden und nur lineare Konvergenz besitzen, oder ableitungsfreie Wurzelfinder, die Geschwindigkeit gegen Robustheit tauschen.

Abgrenzung

Erfordert Differenzierbarkeit der Abbildung und eine invertierbare Jacobi-Matrix an der Nullstelle (oder geeignete Pseudoinverse); globale Konvergenz ist ohne Line-Search, Vertrauensgebiet oder andere Globalisierungsmaßnahmen nicht garantiert; schließt nichtglatte Probleme aus, sofern keine nichtglatte Variante verwendet wird.

Semantische Spannung

Spannung zwischen Newton-Methoden und Quasi-Newton-/Sekanten-Methoden: Newton benutzt exakte Jacobi-Matrizen für schnellere lokale Konvergenz, zahlt dafür aber höheren Aufwand pro Iteration und höhere Sensitivität; Quasi-Newton opfert asymptotische Geschwindigkeit für Robustheit und günstigere Updates.

Synthese

Newtons Verfahren linearisiert das nichtlineare Problem bei jedem Iterierten, löst die lineare Approximation und aktualisiert die Lösung; seine Stärke liegt in der schnellen lokalen Konvergenz bei verfügbaren und gut konditionierten Ableitungen, was in der Praxis Globalisierung und Regularisierung erforderlich macht.