##  [Newtons Verfahren](/de/node/59623) 

 Definition

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

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

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

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

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

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

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

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

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.