මූලයන් සොයා ගැනීමේදී පුනරාවර්තන ක්රමය
ව්යවහාරික ගණිතය, භෞතික විද්යාව, ඉංජිනේරු විද්යාව සහ පරිගණක විද්යාව යන ක්ෂේත්රවල "මූල සොයා ගැනීමේ" ගැටළුව බොහෝ විට පැන නගී. මූලයක් යනු ශ්රිතයක් ශුන්ය කරන \(x\) හි අගයයි, එනම් සමීකරණයට විසඳුම:
\[
f(x)=0
\]
සියලුම සමීකරණවලට චතුරස්ර සමීකරණ වැනි සංවෘත ආකාරයේ සූත්රවලින් ප්රකාශ කළ හැකි විසඳුම් නොමැත. සංකීර්ණ රේඛීය නොවන සමීකරණ වැනි බොහෝ සැබෑ ලෝක අවස්ථා සඳහා අපට සංඛ්යාත්මක ප්රවේශයන් අවශ්ය වේ. වඩාත්ම වැදගත් ප්රවේශයන්ගෙන් එකක් වන්නේ පුනරාවර්තන ක්රමයයි, එය පුනරාවර්තනය හරහා මූලයට සමීප වන ආසන්න විසඳුම් මාලාවක් නිපදවන ක්රියා පටිපාටියකි.
මෙම ලිපියෙන් පුනරාවර්තන ක්රමවල මූලික සංකල්ප, ඒවායේ අභිසාරීතා තත්වයන් සහ මූලයන් සොයා ගැනීම සඳහා බහුලව භාවිතා වන පුනරාවර්තන ක්රම කිහිපයක් සාකච්ඡා කෙරේ.
-
1. පුනරාවර්තන ක්රමය පිළිබඳ මූලික අදහස
පුනරාවර්තන ක්රමය ක්රියාත්මක වන්නේ මූලික අනුමානයක් \(x_0\) කිරීමෙන්, පසුව අනුපිළිවෙල ලබා ගැනීම සඳහා ක්රමයෙන් එය වැඩිදියුණු කිරීමෙනි:
\[
x_0, x_1, x_2, \තිත්, x_n
\]
අපේක්ෂාවන් සමඟ:
\[
x_n \සිට \ඇල්ෆා
\]
මෙහි \(\alpha\) යනු \(f(x)=0\) සමීකරණයේ සත්ය මූලය වේ.
සාමාන්යයෙන්, පුනරාවර්තන ක්රමය මඟින් ගැටළුව \(f(x)=0\) සමාන ආකාරයක් බවට පරිවර්තනය කරයි:
\[
x = උ(x)
\]
ඉන්පසු පුනරාවර්තනය සිදු කරනු ලැබේ:
\[
x_{n+1} = g(x_n)
\]
මෙම ක්රියාවලිය අභිසාරී වුවහොත්, \(g(x)\) හි නියත ලක්ෂ්යය මුල් සමීකරණයේ මූල විසඳුම වේ.
-
2. අභිසාරීතාව: පුනරාවර්තනය සාර්ථක වන්නේ කවදාද?
සියලුම ශ්රිත \(g(x)\) ස්ථායී පුනරාවර්තන නිපදවන්නේ නැත. \(x_{n+1}=g(x_n)\) පුනරාවර්තනය \(\alpha\) මූලයට අභිසාරී වීම සඳහා, බොහෝ විට භාවිතා වන සාමාන්ය කොන්දේසි වන්නේ:
1. \(g(\alpha)=\alpha\) (මූලය යනු ස්ථාවර ලක්ෂ්යයකි)
2. \(|g'(\alpha)| < 1\) (දේශීය හැකිලීම) \(|g'(\alpha)| < 1\) හි බුද්ධිය වන්නේ: විසඳුම ආසන්නයේ, ශ්රිතය \(g\) “ඉතා බෑවුම් සහිත නොවේ”, එබැවින් සෑම පුනරාවර්තනයක්ම \(x_n\) හි අගය තවදුරටත් නොව සමීප කරයි. අභිසාරීතාවයට ද මූලික අනුමානය බලපායි. \(x_0\) මත පදනම්ව එම ක්රම දෙක සාර්ථක හෝ අසාර්ථක විය හැකිය. --- 3. සරල පුනරාවර්තනයක් ලෙස ද්විපාර්ශ්වික ක්රමය බොහෝ විට වෙන වෙනම වර්ගීකරණය කළද, ද්විපාර්ශ්වික ක්රමය ඉතා බලවත් පුනරාවර්තන ක්රමයක් ලෙස දැකිය හැකිය. කොන්දේසි වන්නේ: \(f(x)\) ශ්රිතය \([a,b]\) පරතරය මත අඛණ්ඩව පවතින අතර ලකුණෙහි වෙනසක් ඇත: \[ f(a)\cdot f(b) < 0 \] එනම්, \(a\) සහ \(b\) අතර මූලයක් ඇත. ඇල්ගොරිතමය: 1. මධ්ය ලක්ෂ්යය ගණනය කරන්න \(c=\frac{a+b}{2}\) 2. මූලය තවමත් ආවරණය කර ඇති උප අන්තරය තීරණය කරන්න (ලකුණු වෙනස මත පදනම්ව) 3. ඉවසීම ළඟා වන තුරු නැවත කරන්න මෙම ක්රමයේ වාසිය: සංඥා වෙනස් කිරීමේ තත්ත්වය සපුරා ඇත්නම් එය නිසැකවම අභිසාරී වනු ඇත. අවාසිය: එක් එක් පුනරාවර්තනය සමඟ දෝෂය අඩකින් පමණ අඩු වන බැවින් අභිසාරීතාවය සාපේක්ෂව මන්දගාමී වේ (රේඛීය අභිසාරීතාව). --- 4. ස්ථාවර ලක්ෂ්ය පුනරාවර්තන ක්රමය මෙය පුනරාවර්තනයේ වඩාත්ම සෘජු ආකාරයයි: \[ x_{n+1} = g(x_n) \] පියවර: 1. \(f(x)=0\) \(x=g(x)\) ලෙස වෙනස් කරන්න 2. ආරම්භක අනුමානයක් තෝරන්න \(x_0\) 3. \(|x_{n+1}-x_n|\) හෝ \(|f(x_n)|\) ඉවසීමට වඩා කුඩා වන තෙක් නැවත කරන්න වාසිය සරල බව. කෙසේ වෙතත්, මෙම ක්රමය \(g(x)\) තේරීමට ඉතා සංවේදී වේ. එකම සමීකරණය සඳහා, \(x=g(x)\) ලිවීමට බොහෝ ක්රම තිබේ, නමුත් ඒවායින් කිහිපයක් පමණක් අභිසාරී වේ.
උදාහරණයක් ලෙස, අපට \(f(x)=x^3-2x-5\) හි මූලයන් සොයා ගැනීමට අවශ්ය නම්, අපට මෙසේ ලිවිය හැකිය: - \(x = \sqrt[3]{2x+5}\) එවිට \(g(x)=\sqrt[3]{2x+5}\) එවිට අපි \(x_{n+1}=\sqrt[3]{2x_n+5}\) පුනරාවර්තනය කරමු. පුනරාවර්තනයේ සාර්ථකත්වය රඳා පවතින්නේ මූලය වටා \(|g'(x)|<1\) යන්න මතය. --- 5. නිව්ටන්-රැප්සන් ක්රමය: වේගවත් ව්යුත්පන්න-පාදක පුනරාවර්තනය නිව්ටන්-රැප්සන් ක්රමය වඩාත් ජනප්රිය ක්රමවලින් එකකි, මන්ද එහි අභිසාරීත්වය සාමාන්යයෙන් ඉතා වේගවත් වේ. පුනරාවර්තන සූත්රය: \[ x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)} \] අර්ථ නිරූපණය: \(x_n\) හිදී, අපි \(f(x)\) ශ්රිතයට ස්පර්ශකයක් ගොඩනඟමු. ඊළඟ ඇස්තමේන්තුව ලෙස \(x\)-අක්ෂය සමඟ ස්පර්ශකයේ ඡේදනය භාවිතා වේ. වාසි: - මූලයට ප්රමාණවත් තරම් ආසන්න නම් සහ \(f'(\alpha)\neq 0\) නම් චතුරස්ර අභිසාරීතාව (ඉතා වේගවත්). අවාසි: - \(f'(x)\) හි ව්යුත්පන්නය අවශ්ය වේ. - ආරම්භක අනුමානය නරක නම් හෝ \(f'(x_n)\) ශුන්යයට ආසන්න නම් අසාර්ථක විය හැකි අතර, එමඟින් පුනරාවර්තන පියවර අස්ථායී වේ. කොන්දේසි හිතකර වන විට එහි කාර්යක්ෂමතාව නිසා මෙම ක්රමය ප්රශස්තිකරණය, භෞතික විද්යා ආකෘති නිර්මාණය සහ ඉංජිනේරු පරිගණකකරණයේදී බහුලව භාවිතා වේ. --- 6. සීකන්ට් ක්රමය: ව්යුත්පන්න නොමැතිව නිව්ටන්ගේ විකල්පය ව්යුත්පන්න ගණනය කිරීමට අපහසු නම්, සීකන්ට් ක්රමය සම්මුතියක් ලබා දෙයි. ප්රධාන අදහස වන්නේ සීමිත වෙනස්කම් සහිතව ව්යුත්පන්නය ආසන්න කිරීමයි: \[ f'(x_n)\approx \frac{f(x_n)-f(x_{n-1})}{x_n-x_{n-1}} \] එබැවින් පුනරාවර්තන සූත්රය වන්නේ: \[ x_{n+1}=x_n - f(x_n)\,\frac{x_n-x_{n-1}}{f(x_n)-f(x_{n-1})} \] මෙම ක්රමයට මූලික අනුමාන දෙකක් අවශ්ය වේ: \(x_0\) සහ \(x_1\). එහි අභිසාරී වේගය සාමාන්යයෙන් සරල ද්විඛණ්ඩනය සහ ස්ථාවර ලක්ෂ්යයට වඩා හොඳය, නමුත් සාමාන්යයෙන් නිව්ටන්ට වඩා තරමක් මන්දගාමී වේ. කෙසේ වෙතත්, එයට ව්යුත්පන්න අවශ්ය නොවන නිසා, සීකන්ට් බොහෝ විට වඩාත් ප්රායෝගික වේ.
--- 7. නැවැත්වීමේ නිර්ණායක සංඛ්යාත්මක ගණනය කිරීමේදී, පුනරාවර්තනය ප්රමාණවත් තරම් නිවැරදි වූ විට හෝ එය අභිසාරී නොවන බවට සැක කෙරේ නම් නතර කළ යුතුය. සාමාන්ය නිර්ණායක: 1. කුඩා අන්තර්-පුනරාවර්තන දෝෂය: \[ |x_{n+1}-x_n|<\varepsilon \] 2. ශුන්යයට ආසන්න ශ්රිත අගය: \[ |f(x_n)|<\varepsilon \] 3. නිමක් නැති ලූප වැළැක්වීම සඳහා උපරිම පුනරාවර්තන සීමාව: \[ n \le n_{\max} \] ඉවසීමේ තේරීම \(\varepsilon\) අවශ්යතා මත රඳා පවතී: ඉංජිනේරු සමාකරණ සඳහා දැඩි ඉවසීම් අවශ්ය විය හැකි අතර, රළු ගණනය කිරීම් තරමක් ලිහිල් වේ. --- 8. පුනරාවර්තන ක්රම පිළිබඳ කෙටි සංසන්දනයක් සාරාංශයක් ලෙස: - ද්විවිච්ඡේදය: වඩාත්ම ස්ථායී, නියත වශයෙන්ම අභිසාරී වේ (සලකුණු වෙනසක් සපයා ඇත), නමුත් මන්දගාමී. - ස්ථාවර ලක්ෂ්යය: ඉතා සරල, නමුත් අභිසාරී වීම සැමවිටම සහතික නොවේ. - නිව්ටන්-රැප්සන්: ඉතා වේගවත්, නමුත් ව්යුත්පන්න අවශ්ය වන අතර ආරම්භක අනුමාන වලට සංවේදී වේ. - සීකන්ට්: ව්යුත්පන්නයන් අවශ්ය නොවේ, තරමක් වේගවත්, නමුත් ද්විඡේදනයට වඩා අඩු ස්ථායී විය හැකිය. ප්රායෝගිකව, ක්රමය තෝරා ගැනීම ශ්රිතයේ ස්වභාවය, ව්යුත්පන්නයන් ලබා ගැනීමේ හැකියාව, වේගය සඳහා අවශ්යතාවය සහ ස්ථාවරත්වය මත රඳා පවතී. --- නිගමනය පුනරාවර්තන ක්රම යනු රේඛීය නොවන සමීකරණ සඳහා සංඛ්යාත්මක මූල සොයාගැනීමේ කොඳු නාරටියයි. පුනරාවර්තන ලෙස යාවත්කාලීන කරන ලද ආසන්න කිරීම් අනුපිළිවෙලක් ගොඩනැගීමෙන්, විශ්ලේෂණාත්මක ක්රම නොමැති විට අපට විසඳුමට ප්රවේශ විය හැකිය. අභිසාරීතාව තේරුම් ගැනීම, ආරම්භක අනුමානය තෝරා ගැනීම සහ නැවැත්වීමේ නිර්ණායකය නිවැරදි හා කාර්යක්ෂම මූලයන් නිපදවීම සඳහා පුනරාවර්තනය සඳහා ඉතා වැදගත් වේ. සැබෑ ලෝකයේ යෙදීම් වලදී, ඒකාබද්ධ උපාය මාර්ගයක් බොහෝ විට භාවිතා වේ: මූල පරතරය "අගුළු දැමීම" සඳහා ද්විඡේදනය වැනි ස්ථාවර ක්රමයකින් ආරම්භ කිරීම, පසුව අභිසාරීතාවය වේගවත් කිරීම සඳහා නිව්ටන් හෝ ද්විඡේදනය වෙත මාරු වීම. මෙය විශ්වසනීයත්වය සහ වේගය අතර සමතුලිතතාවයක් ලබා ගනී - සංඛ්යාත්මක පරිගණනයේ ඉතා වටිනා අංශ දෙකක්. --- ඔබට අවශ්ය නම්, ලිපිය වඩාත් සංයුක්ත කිරීම සඳහා ඉහත ක්රමවලින් ඕනෑම එකකට පියවරෙන් පියවර (සංඛ්යාත්මක) උදාහරණයක් මට එකතු කළ හැකිය.
