جڑیں تلاش کرنے میں تکرار کا طریقہ
لاگو ریاضی، طبیعیات، انجینئرنگ، اور کمپیوٹر سائنس میں، "جڑ کی تلاش" کا مسئلہ بہت کثرت سے پیدا ہوتا ہے۔ جڑ \(x\) کی قدر ہے جو کسی فنکشن کو صفر بناتی ہے، یعنی مساوات کا حل:
\[
f(x)=0
\]
تمام مساوات میں ایسے حل نہیں ہوتے ہیں جن کا اظہار بند فارمولوں میں کیا جا سکتا ہے، جیسے چوکور مساوات۔ بہت سے حقیقی دنیا کے معاملات کے لیے — جیسے پیچیدہ نان لائنر مساوات — ہمیں عددی نقطہ نظر کی ضرورت ہے۔ سب سے اہم طریقوں میں سے ایک تکراری طریقہ ہے، ایک ایسا طریقہ کار جو تخمینی حلوں کا ایک سلسلہ تیار کرتا ہے جو تکرار کے ذریعے جڑ کے قریب پہنچ جاتا ہے۔
یہ مضمون تکرار کے طریقوں کے بنیادی تصورات، ان کے ہم آہنگی کی شرائط، اور جڑیں تلاش کرنے کے لیے کچھ عام طور پر استعمال ہونے والے تکراری طریقوں پر بحث کرتا ہے۔
-
1. تکرار کے طریقہ کار کا بنیادی خیال
تکرار کا طریقہ ابتدائی اندازہ لگا کر کام کرتا ہے \(x_0\)، پھر ترتیب کو حاصل کرنے کے لیے اسے بتدریج بہتر کرتا ہے:
\[
x_0, x_1, x_2, \dots, x_n
\]
توقعات کے ساتھ:
\[
x_n \to \alpha
\]
جہاں \(\alpha\) مساوات کی اصل جڑ ہے \(f(x)=0\)۔
عام طور پر، تکرار کا طریقہ مسئلہ \(f(x)=0\) کو ایک مساوی شکل میں تبدیل کرتا ہے:
\[
x = g(x)
\]
پھر تکرار کی جاتی ہے:
\[
x_{n+1} = g(x_n)
\]
اگر یہ عمل آپس میں بدل جاتا ہے، تو \(g(x)\) کا مقررہ نقطہ اصل مساوات کا جڑ حل ہے۔
-
2. کنورجنسی: تکرار کب کامیاب ہوتی ہے؟
تمام افعال \(g(x)\) مستحکم تکرار پیدا نہیں کرتے ہیں۔ تکرار کے لیے \(x_{n+1}=g(x_n)\) جڑ \(\alpha\) میں جمع ہونے کے لیے، عام حالات جو اکثر استعمال ہوتے ہیں یہ ہیں:
1. \(g(\alpha)=\alpha\) (جڑ ایک مقررہ نقطہ ہے)
2. \(|g'(\alpha)| < 1\) (مقامی سکڑاؤ) \(|g'(\alpha)| < 1\) کا وجدان ہے: محلول کے آس پاس، فنکشن \(g\) "زیادہ کھڑی نہیں ہے"، لہذا ہر تکرار \(x_n\) کی قدر کو قریب لاتی ہے، آگے نہیں۔ کنورجنسی بھی ابتدائی اندازے سے متاثر ہوتی ہے۔ \(x_0\) کی بنیاد پر وہی دو طریقے کامیاب یا ناکام ہو سکتے ہیں۔ --- 3. ایک سادہ تکرار کے طور پر دو حصوں کا طریقہ اگرچہ اکثر الگ الگ درجہ بندی کیا جاتا ہے، دو حصوں کے طریقہ کار کو ایک بہت ہی طاقتور تکراری طریقہ کے طور پر دیکھا جا سکتا ہے۔ شرائط یہ ہیں: فنکشن \(f(x)\) وقفہ پر مسلسل ہے \([a,b]\) اور نشان کی تبدیلی ہے: \[ f(a)\cdot f(b) < 0 \] یعنی \(a\) اور \(b\) کے درمیان ایک جڑ ہے۔ الگورتھم: 1. مڈ پوائنٹ کا حساب لگائیں \(c=\frac{a+b}{2}\) 2. ذیلی وقفہ کا تعین کریں جو ابھی بھی جڑ کو گھیرے ہوئے ہے (نشان کی تبدیلی کی بنیاد پر) 3. جب تک رواداری تک نہ پہنچ جائے دہرائیں اس طریقہ کار کا فائدہ: اگر نشانی کی تبدیلی کی شرط پوری ہو جاتی ہے تو یہ یقینی طور پر یکجا ہو جائے گا۔ نقصان: کنورجنسنس نسبتاً سست ہے کیونکہ غلطی ہر تکرار (لکیری کنورجنس) کے ساتھ تقریباً نصف تک کم ہو جاتی ہے۔ --- 4. فکسڈ پوائنٹ تکرار کا طریقہ یہ تکرار کی سب سے براہ راست شکل ہے: \[ x_{n+1} = g(x_n) \] مراحل: 1. \(f(x)=0\) کو \(x=g(x)\) میں تبدیل کریں 2. ایک ابتدائی اندازہ منتخب کریں \(x_0\) \(x_0\) \\ _(x_0\)\n+{1} | یا \(|f(x_n)|\) رواداری سے چھوٹا ہے فائدہ سادگی ہے۔ تاہم، یہ طریقہ \(g(x)\) کے انتخاب کے لیے بہت حساس ہے۔ ایک ہی مساوات کے لیے، \(x=g(x)\) لکھنے کے بہت سے طریقے ہیں، لیکن ان میں سے صرف کچھ ہی مل جاتے ہیں۔
مثال کے طور پر، اگر ہم \(f(x)=x^3-2x-5\ کی جڑیں تلاش کرنا چاہتے ہیں، تو ہم لکھ سکتے ہیں: - \(x = \sqrt[3]{2x+5}\) تاکہ \(g(x)=\sqrt[3]{2x+5}\) پھر ہم اعادہ کریں \(x_{n+1}=]+{2}\_3)۔ تکرار کی کامیابی کا انحصار اس بات پر ہے کہ آیا \(|g'(x)|<1\) جڑ کے ارد گرد ہے۔ --- 5. نیوٹن-ریفسن طریقہ: تیز مشتق پر مبنی تکرار نیوٹن-ریفسن طریقہ سب سے زیادہ مقبول طریقوں میں سے ایک ہے کیونکہ اس کا کنورجنشن عام طور پر بہت تیز ہوتا ہے۔ تکرار کا فارمولا یہ ہے: \[ x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)} \] تشریح: \(x_n\) پر، ہم فنکشن \(f(x)\) کے لیے ٹینجنٹ بناتے ہیں۔ \(x\)-محور کے ساتھ مماس کا تقطیع اگلے تخمینہ کے طور پر استعمال ہوتا ہے۔ فوائد: - چوکور کنورجنسنس (بہت تیز) اگر یہ جڑ کے کافی قریب ہے اور \(f'(\alpha)\neq 0\)۔ نقصانات: - \(f'(x)\) کے مشتق کی ضرورت ہے۔ - اگر ابتدائی اندازہ خراب ہے، یا اگر \(f'(x_n)\) صفر کے قریب ہے تو ناکام ہو سکتا ہے، جس سے تکرار کا مرحلہ غیر مستحکم ہو جاتا ہے۔ یہ طریقہ آپٹمائزیشن، فزکس ماڈلنگ، اور انجینئرنگ کمپیوٹنگ میں وسیع پیمانے پر استعمال ہوتا ہے کیونکہ حالات سازگار ہونے پر اس کی کارکردگی۔ --- 6. سیکنٹ طریقہ: مشتقات کے بغیر نیوٹن کا متبادل اگر مشتقات کا حساب لگانا مشکل ہے تو سیکینٹ طریقہ ایک سمجھوتہ پیش کرتا ہے۔ اصل خیال محدود فرق کے ساتھ مشتق کا تخمینہ لگانا ہے: \[ f'(x_n)\approx \frac{f(x_n)-f(x_{n-1})}{x_n-x_{n-1}} \] لہذا تکرار کا فارمولا یہ ہے: \[ x_{n+1}=x_n - f(x_n)\,\frac{x_n-x_{n-1}}{f(x_n)-f(x_{n-1})} \] اس طریقہ کے لیے دو ابتدائی اندازوں کی ضرورت ہے: \(x_0\) اور \(x_1\)۔ اس کی ہم آہنگی کی رفتار عام طور پر سادہ بائسیکشن اور فکسڈ پوائنٹ سے بہتر ہوتی ہے، حالانکہ عام طور پر نیوٹن سے قدرے سست ہوتی ہے۔ تاہم، چونکہ اسے مشتقات کی ضرورت نہیں ہے، اس لیے سیکنٹ اکثر زیادہ عملی ہوتا ہے۔
--- 7. روکنے کا معیار عددی حساب میں، تکرار کو اس وقت روک دیا جانا چاہیے جب یہ کافی حد تک درست ہو یا اگر اس کے متضاد نہ ہونے کا شبہ ہو۔ عمومی معیار: 1. چھوٹی انٹراٹریشن کی خرابی: \[ |x_{n+1}-x_n|<\varepsilon \] 2. فنکشن ویلیو صفر کے قریب: \[ |f(x_n)|<\varepsilon \] 3. لامتناہی لوپس کو روکنے کے لیے زیادہ سے زیادہ تکرار کی حد: \[ n \ max to lerance } \(\varepsilon\) ضروریات پر منحصر ہے: انجینئرنگ سمولیشنز کو سخت رواداری کی ضرورت ہو سکتی ہے، جبکہ کھردرے حسابات کافی ڈھیلے ہیں۔ --- 8. تکرار کے طریقوں کا ایک مختصر موازنہ خلاصہ میں: - دو حصوں: سب سے زیادہ مستحکم، یقینی طور پر کنورجز (بشرط کردہ نشانی تبدیلی)، لیکن سست۔ - فکسڈ پوائنٹ: بہت آسان، لیکن ہم آہنگی کی ہمیشہ ضمانت نہیں دی جاتی ہے۔ - نیوٹن-ریفسن: بہت تیز، لیکن مشتقات کی ضرورت ہے اور ابتدائی اندازوں کے لیے حساس ہے۔ - سیکنٹ: کسی مشتق کی ضرورت نہیں، کافی تیز، لیکن دو حصوں سے کم مستحکم ہو سکتا ہے۔ عملی طور پر، طریقہ کار کا انتخاب فنکشن کی نوعیت، مشتقات کی دستیابی، رفتار کی ضرورت، اور استحکام پر منحصر ہے۔ --- اختتامیہ تکراری طریقے غیر لکیری مساوات کے لیے عددی جڑ تلاش کرنے کی ریڑھ کی ہڈی ہیں۔ تکراری طور پر اپ ڈیٹ شدہ تخمینے کی ترتیب بنا کر، جب تجزیاتی طریقے دستیاب نہ ہوں تو ہم حل تک پہنچ سکتے ہیں۔ کنورجن کو سمجھنا، ابتدائی اندازے کا انتخاب، اور روکنے کا معیار درست اور موثر جڑیں پیدا کرنے کے لیے تکرار کے لیے بہت ضروری ہیں۔ حقیقی دنیا کی ایپلی کیشنز میں، ایک مشترکہ حکمت عملی اکثر استعمال کی جاتی ہے: جڑ کے وقفے کو "لاک ان" کرنے کے لیے بائسیکشن جیسے مستحکم طریقہ سے شروع کرنا، پھر کنورجن کو تیز کرنے کے لیے نیوٹن یا سیکینٹ پر سوئچ کرنا۔ یہ وشوسنییتا اور رفتار کے درمیان توازن حاصل کرتا ہے - عددی کمپیوٹنگ میں دو انتہائی قیمتی پہلو۔ --- اگر آپ چاہیں تو مضمون کو مزید ٹھوس بنانے کے لیے میں درج بالا طریقوں میں سے کسی ایک کی مرحلہ وار (عددی) مثال شامل کر سکتا ہوں۔
