نیوٹن ریفسن روٹ تلاش کرنے کا طریقہ
Pendahuluan
نیوٹن-ریفسن طریقہ غیر خطی مساوات کے تخمینی حل تلاش کرنے کے لیے ایک موثر عددی طریقہ ہے۔ اسے سب سے پہلے آئزک نیوٹن نے متعارف کرایا تھا اور بعد میں جوزف ریفسن نے اسے بہتر کیا تھا۔ ریاضی اور کمپیوٹنگ میں، نیوٹن-ریفسن طریقہ ایک تکراری طریقہ ہے جو کسی حقیقی فعل کی جڑیں تلاش کرنے کے لیے استعمال ہوتا ہے۔
نیوٹن-ریفسن طریقہ کے بنیادی اصولوں، اس کے تفصیلی مراحل، مختلف صورتوں میں اس کا اطلاق، اور اس کے فوائد و نقصانات کو سمجھنے کے لیے اس مضمون کو پڑھنا جاری رکھیں۔
نیوٹن-ریفسن طریقہ کے بنیادی اصول
بنیادی طور پر، نیوٹن-رافسن کے طریقہ کار کا مقصد 'f(x) = 0' مساوات کی جڑوں کا تخمینہ لگانا ہے۔ یہ طریقہ `x0` کے ابتدائی تخمینہ سے شروع ہوتا ہے۔ اس مقام سے، فنکشن کے مشتق کا استعمال کرتے ہوئے جڑوں کا ایک بہتر تخمینہ حاصل کیا جاتا ہے۔
ریاضیاتی طور پر، نیوٹن-ریفسن کا طریقہ درج ذیل فارمولے سے ظاہر ہوتا ہے:
\[ x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)} \]
کہاں:
- \( x_{n+1} \) اگلا تخمینی نقطہ ہے۔
- \( x_n \) موجودہ تخمینہ شدہ نقطہ ہے۔
- \( f(x_n) \) \( x_n \) پر فنکشن کی قدر ہے۔
- \( f'(x_n) \) \( x_n \) پر فنکشن کے مشتق کی قدر ہے۔
فارمولہ ایک پیچیدہ فنکشن کے لکیری قربت پر مبنی ہے، جہاں اس لکیری قربت کو موجودہ قربت کے نقطہ پر ٹینجنٹ لائن کے طور پر لیا جاتا ہے۔ یہ ٹینجنٹ لائن پھر ایک ایکس انٹرسیپٹ فراہم کرتی ہے جو اگلی تکرار میں جڑ کا بہتر تخمینہ ہوگا۔
نیوٹن-ریفسن کے قدم
نیوٹن-ریفسن کے طریقہ کار کے اہم اقدامات درج ذیل ہیں:
1. ایک ابتدائی تخمینہ منتخب کریں: ابتدائی قدر سے شروع کریں \( x_0 \)۔ منتخب کردہ ابتدائی قدر اس طریقہ کار کے کنورجن کو بہت متاثر کرے گی۔
2. فنکشنز اور ان کے مشتقات کا اندازہ کریں: نقطہ \( x_n \) پر فنکشن ویلیو اور فنکشن ڈیریویٹیو ویلیو کا حساب لگائیں۔
3. اگلے تخمینہ کا حساب لگائیں: اگلی تخمینہ قیمت حاصل کرنے کے لیے نیوٹن-رافسن فارمولہ استعمال کریں \( x_{n+1} \)۔
4. کنورجنسی کی جانچ کریں: روکنا کسوٹی کا استعمال کرتے ہوئے چیک کریں کہ آیا \( x_{n+1} \) کی تخمینی قدر اصل جڑ کے کافی قریب ہے، جیسے:
– دو تکرار کے درمیان مطلق تبدیلی \( |x_{n+1} – x_n| \) چھوٹی ہے۔
- صفر کے قریب قریب قریب نقطہ پر فنکشن ویلیو \( |f(x_{n+1})| \) چھوٹی ہے۔
دہرائیں۔
یہ تکراری عمل اس وقت تک جاری رہتا ہے جب تک کہ کافی درست حل نہ مل جائے۔
نیوٹن-ریفسن کی ایپلی کیشنز کی مثالیں۔
آئیے اس طریقہ کو ایک مخصوص مثال پر لاگو کرتے ہیں۔ فرض کریں کہ ہم مساوات کی جڑیں تلاش کرنا چاہتے ہیں \( f(x) = x^2 – 2 \)۔
مرحلہ 1: ابتدائی تخمینہ
فرض کریں کہ ہم \( x_0 = 1 \) سے شروع کرتے ہیں۔
مرحلہ 2: فنکشن اور اس کے مشتقات کا جائزہ لیں۔
فنکشن \( f(x) = x^2 – 2 \) اور فنکشن کا مشتق \( f'(x) = 2x \)۔
\( x_0 = 1 \ پر تشخیص):
– \( f(x_0) = 1^2 – 2 = -1 \)
- \( f'(x_0) = 2 \ گنا 1 = 2 \)
مرحلہ 3: اگلے تخمینہ کا حساب لگائیں۔
نیوٹن-ریفسن فارمولہ کا استعمال:
\[ x_{1} = 1 - \frac{-1}{2} = 1 + 0.5 = 1.5 \]
مرحلہ 4: کنورجنسی چیک کریں۔
مطلق تبدیلی اور فنکشن ویلیو چیک کریں:
– \( |x_1 – x_0| = |1.5 – 1| = 0.5 \)
– \( |f(1.5) | = |1.5^2 – 2 | = |2.25 – 2 | = 0.25 \)
ہم اگلی تکرار پر آگے بڑھتے ہیں کیونکہ معیار پر پورا نہیں اترا ہے۔
مرحلہ 5: دہرائیں۔
\( x_1 = 1.5 \ پر تشخیص):
– \( f(x_1) = 1.5^2 – 2 = 0.25 \)
- \( f'(x_1) = 2 \ گنا 1.5 = 3 \)
نیوٹن-ریفسن فارمولہ دوبارہ استعمال کرنا:
\[ x_2 = 1.5 - \frac{0.25}{3} = 1.5 - 0.0833 = 1.4167 \]
مطلق تبدیلی اور فنکشن ویلیو چیک کریں:
– \( |x_2 – x_1| = |1.4167 – 1.5| = 0.0833 \)
– \( |f(1.4167) | = | 1.4167^2 – 2 | تقریباً 0.0069 \)
چونکہ اعادہ کافی حد تک متصل نہیں ہوا ہے، ہم اس وقت تک جاری رکھتے ہیں جب تک کہ رکنے کے معیار کو پورا نہیں کیا جاتا۔
یہ عمل اس وقت تک جاری رہے گا جب تک اتحاد نہیں ہو جاتا۔
نیوٹن رافسن طریقہ کے فائدے اور نقصانات
کلیبیہن
1. کنورجنسی کی رفتار: نیوٹن-رافسن کے طریقہ کار میں ایک چوکور کنورجنسی کی رفتار ہوتی ہے، یعنی جڑ تک پہنچنے کے لیے درکار تکرار کی تعداد دوسرے طریقوں جیسے بائیسیکشن طریقہ یا سیکنٹ طریقہ کے مقابلے بہت کم ہے۔
2. درستگی: یہ طریقہ عام طور پر جڑیں تلاش کرنے میں زیادہ درست ہوتا ہے اگر ابتدائی تخمینہ حقیقی جڑ کے قریب ہو۔
3. وسیع ایپلی کیشن: متعدد قسم کے افعال پر لاگو کیا جا سکتا ہے، کثیر الثانی اور غیر کثیر دونوں۔
کمی
1. ابتدائی اقدار پر انحصار: حتمی نتیجہ ابتدائی تخمینہ شدہ قدر پر بہت زیادہ منحصر ہوتا ہے۔ اگر تخمینہ جڑ سے بہت دور ہے، تو طریقہ ناکام ہو سکتا ہے یا اسے کئی تکرار کی ضرورت پڑ سکتی ہے۔
2. مشتق ہونا ضروری ہے: یہ طریقہ فنکشن کے مشتق کا حساب کرنے کی ضرورت ہے، جو کچھ پیچیدہ افعال کے لیے مشکل یا ناقابل عمل ہو سکتا ہے۔
3. مضبوط نہیں: یہ طریقہ ہمیشہ اکٹھا نہیں ہوتا ہے۔ کچھ خاص شرائط ہیں جن کے تحت یہ طریقہ ناکام ہو سکتا ہے، جیسے کہ اگر فنکشن کا کوئی اہم نقطہ ہے یا مشتق میں کوئی اہم تبدیلی ہے۔
نتیجہ اخذ کرنا
نیوٹن-ریفسن طریقہ عددی کمپیوٹنگ میں ایک طاقتور ٹول ہے جو ہمیں غیر خطی مساوات کی جڑیں تیزی سے اور درست طریقے سے تلاش کرنے کی اجازت دیتا ہے۔ تاہم، تمام عددی طریقوں کی طرح، اس کی حدود اور حالات ہیں جہاں یہ اچھی طرح سے کام نہیں کر سکتا۔ افعال اور مشتقات کی مکمل تفہیم، نیز مناسب ابتدائی اقدار کا انتخاب، اس طریقہ کو کامیابی سے استعمال کرنے کی کلید ہے۔
مناسب تفہیم اور اطلاق کے ساتھ، نیوٹن-ریفسن طریقہ ریاضی اور کمپیوٹر سائنس میں جڑ تلاش کرنے کے مختلف مسائل کا ایک موثر حل ہو سکتا ہے۔
