Metoda pronalaženja korijena Newtona Raphsona
Pendahuluan
Newton-Raphsonova metoda je efikasna numerička metoda za pronalaženje približnih rješenja nelinearnih jednačina. Prvi put ju je uveo Isaac Newton, a kasnije ju je usavršio Joseph Raphson. U matematici i računarstvu, Newton-Raphsonova metoda je iterativna metoda koja se koristi za pronalaženje korijena realne funkcije.
Nastavite čitati ovaj članak kako biste razumjeli osnovne principe Newton-Raphsonove metode, njene detaljne korake, njenu primjenu u različitim slučajevima, te njene prednosti i nedostatke.
Osnovni principi Newton-Raphsonove metode
U suštini, Newton-Raphsonova metoda ima za cilj procjenu korijena jednačine `f(x) = 0`. Ova metoda počinje s početnom procjenom `x0`. Od ove tačke, bolja procjena korijena se dobija korištenjem derivacije funkcije.
Matematički, Newton-Raphsonova metoda se izražava sljedećom formulom:
\[ x_{n+1} = x_n – \frac{f(x_n)}{f'(x_n)} \]
Gdje:
– \( x_{n+1} \) je sljedeća procijenjena tačka.
– \( x_n \) je trenutna procijenjena tačka.
– \( f(x_n) \) je vrijednost funkcije na \( x_n \).
– \( f'(x_n) \) je vrijednost izvoda funkcije na \( x_n \).
Formula se zasniva na linearnoj aproksimaciji kompleksne funkcije, gdje se ova linearna aproksimacija uzima kao tangenta u trenutnoj tački aproksimacije. Ova tangenta zatim pruža odsječak sa x-osom koji će biti bolja aproksimacija korijena u sljedećoj iteraciji.
Newton-Raphsonovi koraci
U nastavku su navedeni glavni koraci Newton-Raphsonove metode:
1. Odaberite početnu procjenu: Počnite s početnom vrijednošću \( x_0 \). Odabrana početna vrijednost će uveliko utjecati na konvergenciju ove metode.
2. Izračunajte funkcije i njihove derivacije: Izračunajte vrijednost funkcije i vrijednost derivacije funkcije u tački \( x_n \).
3. Izračunajte sljedeću procjenu: Koristite Newton-Raphsonovu formulu da biste dobili sljedeću procijenjenu vrijednost \( x_{n+1} \).
4. Provjera konvergencije: Provjerite da li je procijenjena vrijednost \( x_{n+1} \) dovoljno blizu stvarnom korijenu koristeći kriterij zaustavljanja, kao što je:
– Apsolutna promjena između dvije iteracije \( |x_{n+1} – x_n| \) je mala.
– Vrijednost funkcije u približnoj tački blizu nule \( |f(x_{n+1})| \) je mala.
5. Ponovite: Ako kriteriji zaustavljanja nisu ispunjeni, vratite se na korak 2 zamjenom \( x_n \) sa \( x_{n+1} \).
Ovaj iterativni proces se nastavlja sve dok se ne pronađe dovoljno tačno rješenje.
Primjeri primjene Newton-Raphsonovog mehanizma
Primijenimo ovu metodu na konkretan primjer. Pretpostavimo da želimo pronaći korijene jednačine \( f(x) = x^2 – 2 \).
Korak 1: Početna procjena
Pretpostavimo da počinjemo sa \( x_0 = 1 \).
Korak 2: Izračunajte funkciju i njene derivacije
Funkcija \( f(x) = x^2 – 2 \) i izvod funkcije \( f'(x) = 2x \).
Evaluacija u \( x_0 = 1 \):
– \( f(x_0) = 1^2 – 2 = -1 \)
– \( f'(x_0) = 2 \puta 1 = 2 \)
Korak 3: Izračunajte sljedeću procjenu
Korištenjem Newton-Raphsonove formule:
\[x_{1} = 1 – \frac{-1}{2} = 1 + 0.5 = 1.5 \]
Korak 4: Provjerite konvergenciju
Provjerite apsolutnu promjenu i vrijednost funkcije:
– \( |x_1 – x_0| = |1.5 – 1| = 0.5 \)
– \( |f(1.5)| = |1.5^2 – 2| = |2.25 – 2| = 0.25 \)
Prelazimo na sljedeću iteraciju jer kriteriji nisu ispunjeni.
Korak 5: Ponovite
Evaluacija u \( x_1 = 1.5 \):
– \( f(x_1) = 1.5^2 – 2 = 0.25 \)
– \( f'(x_1) = 2 \puta 1.5 = 3 \)
Ponovo koristeći Newton-Raphsonovu formulu:
\[x_2 = 1.5 – \frac{0.25}{3} = 1.5 – 0.0833 = 1.4167 \]
Provjerite apsolutnu promjenu i vrijednost funkcije:
– \( |x_2 – x_1| = |1.4167 – 1.5| = 0.0833 \)
– \( |f(1.4167)| = |1.4167^2 – 2| \približno 0.0069 \)
Budući da iteracija nije dovoljno konvergirala, nastavljamo sve dok se ne ispune kriteriji zaustavljanja.
Ovaj proces će se nastaviti sve dok se ne postigne konvergencija.
Prednosti i nedostaci Newton-Raphsonove metode
Višak
1. Brzina konvergencije: Newton-Raphsonova metoda ima kvadratnu brzinu konvergencije, što znači da je broj iteracija potrebnih za približavanje korijenu vrlo mali u poređenju s drugim metodama kao što su metoda bisekcije ili metoda sekante.
2. Tačnost: Ova metoda je generalno preciznija u pronalaženju korijena ako je početna procjena blizu pravog korijena.
3. Široka primjena: Može se primijeniti na različite tipove funkcija, i polinomske i nepolinomske.
Nedostatak
1. Zavisnost od početnih vrijednosti: Konačni rezultat u velikoj mjeri zavisi od početne procijenjene vrijednosti. Ako je procjena daleko od korijena, metoda može propasti ili zahtijevati mnogo iteracija.
2. Izvod mora biti poznat: Ova metoda zahtijeva izračunavanje izvoda funkcije, što može biti teško ili nepraktično za neke složene funkcije.
3. Nije robusno: Ova metoda ne konvergira uvijek. Postoje neki posebni uslovi pod kojima ova metoda može propasti, kao što je slučaj ako funkcija ima kritičnu tačku ili značajnu promjenu u derivaciji.
Zaključak
Newton-Raphsonova metoda je moćan alat u numeričkom računanju koji nam omogućava da brzo i precizno pronađemo korijene nelinearne jednačine. Međutim, kao i sve numeričke metode, ima ograničenja i situacije u kojima možda neće dobro funkcionisati. Temeljno razumijevanje funkcija i derivata, kao i odabir odgovarajućih početnih vrijednosti, ključni su za uspješno korištenje ove metode.
Uz pravilno razumijevanje i primjenu, Newton-Raphsonova metoda može biti efikasno rješenje za različite probleme pronalaženja korijena u matematici i računarstvu.
