Math ClubMath Club
v1 · padrão canônico

Lição 69 — Methode von Newton-Raphson

Iteration x_{n+1} = x_n - f(x_n)/f'(x_n) für Nullstellen. Quadratische Konvergenz, Ausfallmechanismen, Attraktionsgebiete.

Used in: 2. Sekundarstufe (17 Jahre) · Äquiv. Math III Japanisch (numerische Methoden) · Äquiv. Klasse 12 LK Deutsch (Numerik)

xn+1=xnf(xn)f(xn)x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}
Choose your door

Rigorous notation, full derivation, hypotheses

Definition, Herleitung und Konvergenz

Die Newton-Raphson-Iteration

"Newton's Method is a technique to approximate the solution of f(x)=0f(x) = 0. It works when one can perform repeated evaluations of ff and ff', making it ideal for functions like polynomials, exponentials, and trigonometric functions." — APEX Calculus, §4.4

Herleitung durch lineare Approximation (Taylor 1. Ordnung)

Wenn rr eine Nullstelle von ff ist und xnx_n nahe bei rr liegt, dann durch Taylor-Entwicklung:

0=f(r)f(xn)+f(xn)(rxn).0 = f(r) \approx f(x_n) + f'(x_n)(r - x_n).

Aufgelöst nach rr: rxnf(xn)/f(xn)=xn+1r \approx x_n - f(x_n)/f'(x_n) = x_{n+1}. Die Iteration definiert die nächste Schätzung als die Nullstelle der linearen Approximation.

xy(xn,f(xn))(x_n, f(x_n))xn+1x_{n+1}xnx_nrry=f(x)y = f(x)tangente em xnx_n

Die Tangente in (xn,f(xn))(x_n, f(x_n)) schneidet die xx-Achse in xn+1x_{n+1}, stets näher an der Nullstelle rr (gefüllter blauer Punkt) — vorausgesetzt, x0x_0 liegt nah genug daran.

Konvergenzsatz

Beweis (Skizze). Sei en=xnre_n = x_n - r. Taylor-Entwicklung von ff um rr:

0=f(r)=f(xn)+f(xn)(rxn)+f(ξn)2(rxn)20 = f(r) = f(x_n) + f'(x_n)(r - x_n) + \frac{f''(\xi_n)}{2}(r - x_n)^2

für ein ξn\xi_n zwischen xnx_n und rr. Aus der Iteration, xn+1r=xnf(xn)/f(xn)rx_{n+1} - r = x_n - f(x_n)/f'(x_n) - r. Einsetzen und Vereinfachen:

en+1=f(ξn)2f(xn)en2.e_{n+1} = -\frac{f''(\xi_n)}{2 f'(x_n)}\, e_n^2.

Wenn xnrx_n \to r, dann ξnr\xi_n \to r und f(xn)f(r)0f'(x_n) \to f'(r) \neq 0, daher en+1/en2f(r)/(2f(r))=C|e_{n+1}|/|e_n|^2 \to |f''(r)|/(2|f'(r)|) = C. \square

Pathologien und Ausfälle

Gelöste Beispiele

Exercise list

32 exercises · 8 with worked solution (25%)

Application 12Understanding 5Modeling 8Challenge 3Proof 4
  1. Ex. 69.1Application

    f(x)=x22f(x) = x^2 - 2, x0=1x_0 = 1. Wenden Sie 3 Iterationen von Newton-Raphson an. Vergleichen Sie mit 2=1,41421356\sqrt{2} = 1{,}41421356\ldots

  2. Ex. 69.2Application

    f(x)=x25f(x) = x^2 - 5, x0=2x_0 = 2. Wenden Sie 3 Iterationen an, um 5\sqrt{5} zu schätzen.

  3. Ex. 69.3ApplicationAnswer key

    f(x)=x32f(x) = x^3 - 2, x0=1x_0 = 1. Wenden Sie 3 Iterationen an, um 23\sqrt[3]{2} zu schätzen.

  4. Ex. 69.4ApplicationAnswer key

    f(x)=cosxxf(x) = \cos x - x, x0=1x_0 = 1. Wenden Sie 3 Iterationen an, um den Fixpunkt von cos\cos zu schätzen.

  5. Ex. 69.5ApplicationAnswer key

    f(x)=ex2f(x) = e^x - 2, x0=1x_0 = 1. Wenden Sie 3 Iterationen an, um ln2\ln 2 zu schätzen.

  6. Ex. 69.6Application

    f(x)=xlnx1f(x) = x \ln x - 1, x0=2x_0 = 2. Approximieren Sie die Nullstelle auf 4 Dezimalstellen.

  7. Ex. 69.7Application

    f(x)=sinxf(x) = \sin x, x0=3x_0 = 3. Zeigen Sie numerisch, dass die Iterationen gegen π\pi konvergieren.

  8. Ex. 69.8Application

    f(x)=x3x1f(x) = x^3 - x - 1, x0=1,5x_0 = 1{,}5. Approximieren Sie die reale Nullstelle (plastische Konstante 1,3247\approx 1{,}3247).

  9. Ex. 69.9Application

    f(x)=x2x1f(x) = x^2 - x - 1, x0=1,5x_0 = 1{,}5. Approximieren Sie den Goldenen Schnitt ϕ=(1+5)/2\phi = (1 + \sqrt{5})/2.

  10. Ex. 69.10Application

    f(x)=tanxxf(x) = \tan x - x, x0=4,5x_0 = 4{,}5. Approximieren Sie die kleinste positive Nullstelle größer als π\pi.

  11. Ex. 69.11ModelingAnswer key

    Zeigen Sie, dass die Heronsche Formel xn+1=(xn+a/xn)/2x_{n+1} = (x_n + a/x_n)/2 zur Berechnung von a\sqrt{a} genau Newton-Raphson angewendet auf f(x)=x2af(x) = x^2 - a ist.

  12. Ex. 69.12Modeling

    Verallgemeinern Sie: Was ist die Newton-Iteration zur Berechnung von an\sqrt[n]{a}? Wenden Sie für n=3n = 3, a=8a = 8, x0=2x_0 = 2 an (2 Schritte).

  13. Ex. 69.13Modeling

    Zeigen Sie, dass xn+1=xn(2axn)x_{n+1} = x_n(2 - ax_n) das Inverse 1/a1/a via Newton ohne eine einzige Divisionsoperation berechnet. Wenden Sie für a=7a = 7, x0=0,1x_0 = 0{,}1 an (3 Schritte).

  14. Ex. 69.14Modeling

    Minimieren Sie g(x)=x44x+1g(x) = x^4 - 4x + 1 durch Anwendung von Newton-Raphson auf g(x)=0g'(x) = 0, mit x0=1,5x_0 = 1{,}5.

  15. Ex. 69.15Modeling

    Cashflows: 1000-1000, 300300, 400400, 500500 (Jahre 0, 1, 2, 3). Der IRR rr ist Nullstelle von f(r)=1000+300/(1+r)+400/(1+r)2+500/(1+r)3=0f(r) = -1000 + 300/(1+r) + 400/(1+r)^2 + 500/(1+r)^3 = 0. Verwenden Sie Newton mit r0=0,15r_0 = 0{,}15.

  16. Ex. 69.16Modeling

    In Black-Scholes, gegeben Marktpreis VmktV_{\text{mkt}} einer Option, erklären Sie, wie Sie Newton-Raphson verwenden, um die implizite Volatilität σ\sigma zu finden. Welche Rolle spielt das Vega in der Iteration?

  17. Ex. 69.17Modeling

    In der van-der-Waals-Gleichung (P+a/V2)(Vb)=RT(P + a/V^2)(V - b) = RT, gegeben PP, TT (und Gaskonstanten), verwenden Sie Newton, um das Molvolumen VV zu finden. Skizzieren Sie die Iteration.

  18. Ex. 69.18ModelingAnswer key

    Kepler-Gleichung: EesinE=ME - e \sin E = M. Für e=0,3e = 0{,}3 (Exzentrizität) und M=1M = 1 rad (mittlere Anomalie), verwenden Sie Newton mit E0=1E_0 = 1, um die exzentrische Anomalie EE zu finden (4 Iterationen).

  19. Ex. 69.19Understanding

    Welches Verhalten kann Newton-Raphson zeigen, wenn die Anfangsschätzung x0x_0 weit entfernt von der Nullstelle liegt?

  20. Ex. 69.20Understanding

    Welches ist das robusteste Abbruchkriterium für Newton-Raphson?

  21. Ex. 69.21Understanding

    Zeigen Sie, dass Newton-Raphson mit f(x)=x32x+2f(x) = x^3 - 2x + 2 und x0=0x_0 = 0 sich indefinit zwischen 00 und 11 zyklisch wiederholt.

  22. Ex. 69.22Understanding

    f(x)=x2f(x) = x^2 (doppelte Nullstelle in x=0x = 0), x0=1x_0 = 1. Zeigen Sie, dass Newton-Raphson nur linear konvergiert, mit Ratio 1/21/2.

  23. Ex. 69.23UnderstandingAnswer key

    f(x)=x1/3f(x) = x^{1/3} hat Nullstelle in x=0x = 0 aber f(0)f'(0) existiert nicht. Was passiert mit Newton-Raphson? Berechnen Sie 4 Iterationen von x0=1x_0 = 1.

  24. Ex. 69.24Application

    Wenden Sie das Sekantenverfahren (x0=1x_0 = 1, x1=2x_1 = 2) auf f(x)=x22f(x) = x^2 - 2 für 4 Iterationen an. Vergleichen Sie mit Newton (Übung 69.1).

  25. Ex. 69.25Application

    f(x)=x33x+1f(x) = x^3 - 3x + 1 hat 3 reale Nullstellen. Wenden Sie Newton mit x0=2x_0 = 2, dann mit x0=2x_0 = -2, dann mit x0=0,5x_0 = 0{,}5 an. Welche Nullstelle erreicht jede Schätzung?

  26. Ex. 69.26ChallengeAnswer key

    Modifiziertes Newton für doppelte Nullstelle: xn+1=xn2f(xn)/f(xn)x_{n+1} = x_n - 2f(x_n)/f'(x_n). Wenden Sie auf f(x)=(x1)2f(x) = (x-1)^2 an, beginnend mit x0=3x_0 = 3. Vergleichen Sie mit der Standarditeration.

  27. Ex. 69.27Challenge

    Newton für Optimierung: Zeigen Sie, dass Newton auf g(x)=0g'(x) = 0 anwenden, um gg zu minimieren, equivalent zum Standard-Newton mit f=gf = g' ist. Wenden Sie an, um g(x)=ex3xg(x) = e^x - 3x mit x0=0x_0 = 0 zu minimieren.

  28. Ex. 69.28Challenge

    Für f(z)=z31f(z) = z^3 - 1 in der komplexen Ebene, beschreiben Sie qualitativ die 3 Newton-Becken. Auf der realen Achse, welche Nullstelle erreichen x0=2x_0 = 2 und x0=0,5x_0 = -0{,}5?

  29. Ex. 69.29Proof

    Beweisen Sie die quadratische Konvergenz von Newton-Raphson via Taylor-Entwicklung 2. Ordnung. Identifizieren Sie die Konstante C=f(r)/(2f(r))C = |f''(r)|/(2|f'(r)|).

  30. Ex. 69.30Proof

    Beweisen Sie: Wenn ff konvex wachsend mit einfacher Nullstelle rr und x0>rx_0 > r mit f(x0)>0f(x_0) > 0 ist, konvergiert Newton-Raphson zu rr.

  31. Ex. 69.31Proof

    Verallgemeinern Sie Newton-Raphson für f:RnRn\vec{f}: \mathbb{R}^n \to \mathbb{R}^n. Schreiben Sie das bei jedem Schritt zu lösende lineare System und identifizieren Sie die Rolle der Jacobi-Matrix JJ.

  32. Ex. 69.32ProofAnswer key

    Zeigen Sie, dass die Heronsche Iteration xn+1=(xn+a/xn)/2x_{n+1} = (x_n + a/x_n)/2 quadratisch gegen a\sqrt{a} konvergiert für beliebige x0>0x_0 > 0.

Quellen

  • APEX Calculus — Hartman, Heinold, Siemers, Chalishajar · CC-BY-NC. Primäre Quelle — §4.4 Newton's Method.
  • OpenStax Calculus Volume 1 — Strang, Herman et al. · CC-BY-NC-SA. §4.9 Newton's Method. Angewendete Übungen (IRR, Systeme).
  • REAMAT — Cálculo Numérico (Python) — UFRGS Reamat Colaborativo · CC-BY-SA. Cap. 3 Zeros de funções. Python-Implementierungen, Fehlervergleich, Sekantenverfahren.

Updated on 2026-05-06 · Author(s): Clube da Matemática

Found an error? Open an issue on GitHub or submit a PR — open source forever.