Sayısal Yöntemler: Newton-Raphson, Euler ve Runge-Kutta

Sayısal yöntemler, yaklaşık cevaplar bulmak için kullanılan algoritmalardır. Newton-Raphson, $f(x)=0$ gibi bir denklemin kökünü bulmak için kullanılırken Euler ve Runge-Kutta diferansiyel denklemlerin çözümlerini yaklaşık olarak bulmak için kullanılır.

Yalnızca hızlı bir ayrım istiyorsanız, fark şudur: Newton-Raphson, $x$ için bir tahmini günceller; Euler ve Runge-Kutta ise çözümü zamanda ileri taşır. İyi çalışıp çalışmamaları, makul bir başlangıç tahmini, kullanılabilir bir türev veya problem için yeterince küçük bir $h$ adım boyu gibi koşullara bağlıdır.

Her sayısal yöntem ne için kullanılır?

Newton-Raphson: kök bulma

$f(x)=0$ olacak bir $x$ değeri istiyorsanız, Newton-Raphson teğet doğrusunu izleyerek tahmini günceller:

$$x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}$$

Sezgi basittir: Grafik kökün yakınında düzgünse, teğet doğru yerel bir doğrusal modeldir ve onun eksen kesimi mevcut noktadan daha iyi bir tahmin olabilir.

Bu yöntem genellikle $f$ türevlenebilir olduğunda, $f'(x_n) \ne 0$ olduğunda ve başlangıç tahmini zaten basit bir köke yakın olduğunda iyi çalışır. Bu koşullar sağlanmazsa yöntem duraklayabilir, kökten uzaklaşabilir veya ıraksayabilir.

Örneğin, $f(x)=x^2-2$ ve $x_0=1.5$ için,

$$x_1 = 1.5 - \frac{1.5^2 - 2}{2(1.5)} = 1.4167$$

bir adım daha atıldığında yaklaşık $1.4142$ elde edilir; bu da zaten $\sqrt{2}$ değerine yakındır.

Euler yöntemi: bir eğim, bir adım

Bir başlangıç değer problemi için

$$y' = f(t,y), \qquad y(t_0)=y_0,$$

Euler yöntemi mevcut eğimi kullanarak ileri gider:

$$y_{n+1} = y_n + h f(t_n, y_n)$$

Bu en basit yaklaştırmadır: Şu anda bildiğiniz eğimi kullanarak $h$ adım boyu kadar ilerlersiniz. Bu yüzden Euler öğrenmesi ve uygulanması kolay bir yöntemdir; ancak $h$ çok büyükse veya çözüm hızlı değişiyorsa hata hızla büyüyebilir.

Runge-Kutta yöntemi: bir adımda birkaç eğim kontrolü

Runge-Kutta yöntemleri, aynı adım içinde eğim bilgisini birden fazla kez örnekleyerek Euler'i geliştirir. Giriş düzeyi derslerde "Runge-Kutta" çoğu zaman klasik dördüncü mertebe yöntem olan RK4 anlamına gelir:

$$k_1 = f(t_n, y_n), \qquad k_2 = f\left(t_n + \frac{h}{2}, y_n + \frac{h}{2}k_1\right),$$ $$k_3 = f\left(t_n + \frac{h}{2}, y_n + \frac{h}{2}k_2\right), \qquad k_4 = f(t_n + h, y_n + hk_3)$$ $$y_{n+1} = y_n + \frac{h}{6}(k_1 + 2k_2 + 2k_3 + k_4)$$

RK4, birkaç eğim tahmininin ağırlıklı ortalamasını alır; bu yüzden aynı adım boyunda genellikle eğriyi Euler'den çok daha iyi izler.

Çözümlü örnek: Aynı ODE üzerinde Euler ve Runge-Kutta

Şunu ele alalım:

$$y' = y, \qquad y(0)=1$$

ve $y(0.1)$ değerini tahmin etmek için $h=0.1$ büyüklüğünde tek bir adım kullanalım.

Euler adımı

$t=0$ anında mevcut değer $y_0=1$ olduğundan eğim

$$f(0,1)=1$$

olur. Euler yöntemi

$$y_1 = 1 + 0.1(1) = 1.1$$

sonucunu verir.

RK4 adımı

Şimdi aynı problemi RK4 ile çözelim:

$$k_1 = 1$$ $$k_2 = 1 + \frac{0.1}{2}(1) = 1.05$$ $$k_3 = 1 + \frac{0.1}{2}(1.05) = 1.0525$$ $$k_4 = 1 + 0.1(1.0525) = 1.10525$$

Böylece

$$y_1 = 1 + \frac{0.1}{6}(1 + 2(1.05) + 2(1.0525) + 1.10525)$$ $$y_1 \approx 1.105170833$$

Bu denklem için tam değer $e^{0.1} \approx 1.105170918$ olduğundan RK4 adımı Euler adımına göre çok daha yakındır.

Temel ders budur. Euler eğimi yalnızca sol uç noktada kullanır. RK4 ise adım boyunca eğimin nasıl değiştiğini örnekler; bu yüzden genellikle daha iyi bir yerel tablo verir.

Newton-Raphson, Euler veya Runge-Kutta ne zaman kullanılır?

Görev doğrusal olmayan bir denklemi çözmekse ve türevi hesaplayabiliyor ya da yaklaşık bulabiliyorsanız Newton-Raphson kullanın. Bir ODE boyunca adım adım ilerleme fikrini görmek ya da hızlı bir temel karşılaştırma yapmak istiyorsanız Euler kullanın.

Problem kurulumunu değiştirmeden pratik bir doğruluk artışı istiyorsanız Runge-Kutta, özellikle RK4, kullanın. Ancak ODE katıysa, ne Euler ne de klasik RK4 her zaman iyi bir seçimdir; yöntem denkleme uygun olmalıdır.

Sayısal yöntemlerde yaygın hatalar

Problem türlerini karıştırmak

Newton-Raphson denklemlerin kökleri içindir. Euler ve Runge-Kutta diferansiyel denklemler içindir. Yanlış yöntem ailesini seçerseniz, daha hesap yapmadan kurulum hatalı olur.

Yöntemin her zaman yakınsayacağını varsaymak

Newton-Raphson, başlangıç tahmini kötüyse veya iterasyon yakınında $f'(x)$ çok küçükse başarısız olabilir. Euler ve RK yöntemleri de adım boyu problem için fazla büyükse kötü davranabilir.

Adım boyunu önemsiz bir ayrıntı gibi görmek

ODE yöntemlerinde adım boyu $h$, sonradan düşünülen bir ayrıntı değil, yöntemin bir parçasıdır. Daha küçük bir $h$ çoğu zaman doğruluğu artırır; ancak maliyeti de yükseltir ve bazı zor problemler için yalnızca daha küçük bir adım değil, katılık için tasarlanmış yöntemler gerekebilir.

Cevabın yaklaşık olduğunu unutmak

Bir sayısal çıktının çok basamaklı olması onu otomatik olarak daha güvenilir yapmaz. Asıl önemli soru, yaklaşımın kararlı, yakınsayan ve amaç için yeterince doğru olup olmadığıdır.

Sayısal yöntemler nerelerde kullanılır?

Sayısal yöntemler, model açık olsa da tam sembolik bir cevabın elverişsiz veya mevcut olmadığı her yerde karşımıza çıkar. Buna fizik, mühendislik, optimizasyon, finans ve bilimsel hesaplama dahildir.

Ortak örüntü teorikten çok pratiktir: Vermeniz gereken karar için yeterince doğru bir cevap istersiniz. Bu yüzden yakınsamayı, adım boyunun etkilerini veya başlangıç tahminine duyarlılığı kontrol etmek, formülü yazmak kadar önemlidir.

Benzer bir problem deneyin

Aynı ODE örneğini bu kez $0.1$ yerine $h=0.05$ ile deneyin ve Euler cevabını RK4 cevabıyla yeniden karşılaştırın. Sonra $f(x)=x^2-3$ için $x_0=2$ başlangıcıyla Newton-Raphson uygulayın ve iterasyonların $\sqrt{3}$ değerine ne kadar hızlı yaklaştığını görün.