Kaedah Mencari Akar Newton Raphson
pengenalan
Kaedah Newton-Raphson merupakan kaedah berangka yang cekap untuk mencari penyelesaian anggaran bagi persamaan tak linear. Ia pertama kali diperkenalkan oleh Isaac Newton dan kemudiannya diperhalusi oleh Joseph Raphson. Dalam matematik dan pengkomputeran, kaedah Newton-Raphson merupakan kaedah lelaran yang digunakan untuk mencari punca fungsi nyata.
Teruskan membaca artikel ini untuk memahami prinsip asas kaedah Newton-Raphson, langkah-langkah terperincinya, aplikasinya dalam pelbagai kes, serta kelebihan dan kekurangannya.
Prinsip Asas Kaedah Newton-Raphson
Pada asasnya, kaedah Newton-Raphson bertujuan untuk menganggarkan punca persamaan `f(x) = 0`. Kaedah ini bermula dengan anggaran awal `x0`. Dari titik ini, anggaran punca yang lebih baik diperoleh menggunakan terbitan fungsi tersebut.
Secara matematik, kaedah Newton-Raphson dinyatakan dengan formula berikut:
\[ x_{n+1} = x_n – \frac{f(x_n)}{f'(x_n)} \]
Di mana:
– \( x_{n+1} \) ialah titik anggaran seterusnya.
– \( x_n \) ialah titik anggaran semasa.
– \( f(x_n) \) ialah nilai fungsi pada \( x_n \).
– \( f'(x_n) \) ialah nilai terbitan fungsi pada \( x_n \).
Formula ini berdasarkan penghampiran linear bagi fungsi kompleks, di mana penghampiran linear ini diambil sebagai garis tangen pada titik penghampiran semasa. Garis tangen ini kemudiannya memberikan pintasan-x yang akan menjadi penghampiran punca yang lebih baik dalam lelaran seterusnya.
Langkah Newton-Raphson
Berikut adalah langkah-langkah utama dalam kaedah Newton-Raphson:
1. Pilih Anggaran Awal: Mulakan dengan nilai awal \( x_0 \). Nilai awal yang dipilih akan sangat mempengaruhi penumpuan kaedah ini.
2. Nilaikan Fungsi dan Terbitannya: Kirakan nilai fungsi dan nilai terbitan fungsi pada titik \( x_n \).
3. Kira Anggaran Seterusnya: Gunakan formula Newton-Raphson untuk mendapatkan nilai anggaran seterusnya \( x_{n+1} \).
4. Semak Penumpuan: Semak sama ada nilai anggaran \( x_{n+1} \) cukup dekat dengan punca sebenar dengan menggunakan kriteria hentian, seperti:
– Perubahan mutlak antara dua lelaran \( |x_{n+1} – x_n| \) adalah kecil.
– Nilai fungsi pada titik anggaran berhampiran sifar \( |f(x_{n+1})| \) adalah kecil.
5. Ulang: Jika kriteria berhenti tidak dipenuhi, kembali ke langkah 2 dengan menggantikan \( x_n \) dengan \( x_{n+1} \).
Proses berulang ini berterusan sehingga penyelesaian yang cukup tepat ditemui.
Contoh Aplikasi Newton-Raphson
Mari kita gunakan kaedah ini untuk contoh tertentu. Katakan kita ingin mencari punca persamaan \( f(x) = x^2 – 2 \).
Langkah 1: Anggaran Awal
Katakan kita mulakan dengan \( x_0 = 1 \).
Langkah 2: Nilaikan Fungsi dan Terbitannya
Fungsi \( f(x) = x^2 – 2 \) dan terbitan fungsi \( f'(x) = 2x \).
Penilaian pada \( x_0 = 1 \):
– \( f(x_0) = 1^2 – 2 = -1 \)
– \( f'(x_0) = 2 \darab 1 = 2 \)
Langkah 3: Kira Anggaran Seterusnya
Menggunakan formula Newton-Raphson:
\[ x_{1} = 1 – \frac{-1}{2} = 1 + 0.5 = 1.5 \]
Langkah 4: Semak Konvergensi
Semak perubahan mutlak dan nilai fungsi:
– \( |x_1 – x_0| = |1.5 – 1| = 0.5 \)
– \( |f(1.5)| = |1.5^2 – 2| = |2.25 – 2| = 0.25 \)
Kami meneruskan ke lelaran seterusnya kerana kriteria belum dipenuhi.
Langkah 5: Ulangi
Penilaian pada \( x_1 = 1.5 \):
– \( f(x_1) = 1.5^2 – 2 = 0.25 \)
– \( f'(x_1) = 2 \darab 1.5 = 3 \)
Menggunakan formula Newton-Raphson sekali lagi:
\[ x_2 = 1.5 – \frac{0.25}{3} = 1.5 – 0.0833 = 1.4167 \]
Semak perubahan mutlak dan nilai fungsi:
– \( |x_2 – x_1| = |1.4167 – 1.5| = 0.0833 \)
– \( |f(1.4167)| = |1.4167^2 – 2| \lebih kurang 0.0069 \)
Oleh kerana lelaran belum cukup menumpu, kita teruskan sehingga kriteria penghentian dipenuhi.
Proses ini akan berterusan sehingga penumpuan dicapai.
Kelebihan dan Kekurangan Kaedah Newton-Raphson
Berlebihan
1. Kelajuan Penumpuan: Kaedah Newton-Raphson mempunyai kelajuan penumpuan kuadratik, yang bermaksud bilangan lelaran yang diperlukan untuk menghampiri punca adalah sangat kecil berbanding kaedah lain seperti kaedah biseksi atau kaedah sekan.
2. Ketepatan: Kaedah ini secara amnya lebih tepat dalam mencari punca jika anggaran awal hampir dengan punca sebenar.
3. Aplikasi Luas: Boleh digunakan untuk pelbagai jenis fungsi, baik polinomial mahupun bukan polinomial.
kekurangan
1. Kebergantungan pada Nilai Awal: Keputusan akhir sangat bergantung pada nilai anggaran awal. Jika anggaran jauh daripada punca, kaedah tersebut mungkin gagal atau memerlukan banyak lelaran.
2. Terbitan Mesti Diketahui: Kaedah ini memerlukan pengiraan terbitan fungsi tersebut, yang mungkin sukar atau tidak praktikal untuk beberapa fungsi kompleks.
3. Tidak Teguh: Kaedah ini tidak selalunya menumpu. Terdapat beberapa syarat khas di mana kaedah ini boleh gagal, seperti jika fungsi mempunyai titik genting atau perubahan ketara dalam terbitan.
Kesimpulannya
Kaedah Newton-Raphson merupakan alat yang ampuh dalam pengkomputeran berangka yang membolehkan kita mencari punca persamaan tak linear dengan cepat dan tepat. Walau bagaimanapun, seperti semua kaedah berangka, ia mempunyai batasan dan situasi di mana ia mungkin tidak berfungsi dengan baik. Pemahaman yang menyeluruh tentang fungsi dan terbitan, serta pemilihan nilai awal yang sesuai, adalah kunci untuk menggunakan kaedah ini dengan jayanya.
Dengan pemahaman dan aplikasi yang betul, kaedah Newton-Raphson boleh menjadi penyelesaian yang cekap kepada pelbagai masalah pencarian punca dalam matematik dan sains komputer.
