روش نیوتن
در آنالیز عددی روش نیوتن ، که همچنین به عنوان روش نیوتن-رافسون (به انگلیسی: Newton-Raphson method) نیز شناخته میشود الگوریتم ریشه یابی است که تقریب های خوبی در نزدیکی ریشه یک تابع (صفرهای یک تابع) میزند.در پایه ای ترین حالت، الگوریتم نیوتن برای یک تابعی چون
که در اصل از رابطه
همانطور که مشهود است روش نیوتن-رافسون از سری تیلور ناقص تابع مفروض به عنوان یک تقریب خطی حول نقطهٔ حدس اولیه
این روش همچنین میتواند در توابع مختلط و دستگاه معادلات بکار رود.
شرح
ساز و کار روش نیوتن شروع مراحل تخمین ریشه با انتخاب یک حدس اولیه است که به اندازه لازم به مقدار واقعی ریشه نزدیک باشد ، سپس میتوان با استفاده از خط مماس تابع را تقریب زد و نهایتاً با توجه به خط مماس طول از مبدا (ریشه تقریب خطی) را معین ساخت. ریشه تقریب معمولاً تقریب بهتری از ریشه واقعی تابع نسبت به حدس اولیه است و الگوریتم به همین منوال میتواند تکرار شود.
چگونگی نامگذاری الگوریتم
اسم " Newton's method " از شرح آیزاک نیوتن در حالت خاصی از روش مذکور در "آنالیز بوسیله سری های بیکران" (نوشته شده در 1669،منتشر شده در سال 1711 توسط ویلیام جونز که در اصل کاری ریاضیاتی از نیوتن بود) و در De metodis fluxionum et serierum infinitarum (نوشته شده در 1671،که در سال 1736 توسط جان کولسون ترجمه و منتشر شد)مشتق شده است.
عدم موفقیت الگوریتم
روش نیوتن تنها زمانی یافتن ریشه تقریبی را تضمین میکند که شرایطی برقرار باشد.
- نقاطی با شروع بد
در برخی مواقع شرایطی که برای همگرایی لازم است برقرار است،اما نقطهٔ که به عنوان حدس اولیه انتخاب شده دربازه ای که روش نیوتن همگرایی دارد قرار نمیگیرد.این شرایط زمانی میتواند اتفاق بیفتد که برای مثال همچنان که
- زمانی که نقطهٔ تکرار ثابت است
به تابع :
این تابع در نقطهٔ
حتی اگر مشتق تابع در آن نقطه نزدیک به صفر باشد آنگاه تکرار مرحله، تقریب به مراتب بدتری را به همراه خواهد داشت.
- حدس اولیه به یک دایره منتهی میشود
در برخی توابع، بعضی از نقاطی که به عنوان حدس اولیه انتخاب میشوند ممکن است که به یک دایره ختم شوند که این میتواند مانع از همگرایی شود.
برای مثال تابع
مثالها
- جذر یک عدد
با توجه به یافتن جذر یک عدد، روش نیوتن یکی از چندین راهی است که میتوان از آن بهره گرفت.
برای مثال اگر هدف یافتن جذر 612 باشد ، این موضوع را میتوان معادل جواب
جاییکه که زیر رقم صحیح خط کشیده شده است ،تنها با چند تکرار میتوان به یک جواب دقیق با ارقام اعشاری دست یافت. در صورت هگرایی هرچه روش را تکرار کنیم جواب ها دقیق تر و ارقام بعد اعشار نیز به مراتب از دقت بیش تری برخوردار خواهند بود. همانطور که مشخص است برخی از ارقام بعد ممیز در هر مرحله تکرار میشوند که این نشان از دقت و قطعیت آنها دارد. اما به صورت کلی یافتن چنین جواب هایی با بهره گیری از روش های عددیابی چون روش نیوتن،
روش تکرار ساده ( Iteration method)، دو بخشی (Bisection method)، وتری (Secant method)، نابجایی (False position)، روش مولر (Muller's method) و ... نمیتوان به کامل ترین جواب دست یافت، چرا که ارقام بعد ممیز همواره ادامه دارند و خاتمه نمییابند از این رو تنها دقیق ترین و کامل ترین جواب تنها در صورتی بدست می آید که تکرار را تا بینهایت ادامه دهیم،با فرض اینکه ریشهٔ تابع
- یافتن جواب
- یافتن جواب
میتوان معادله را به فرم
زیر ارقام صحیح و قطعی در مثالهای بالا خط کشیده شده است. به خصوص
مقایسه سرعت همگرایی در روش های مختلف
در این قسمت اهمیت انتخاب روش مناسب به خوبی مشخص خواهد شد، چرا که سرعت همگرایی الگوریتم های مذکور با یکدیگر متفاوت است.
برای مثال تابع
نیوتن-رافسون | دوبخشی (تنصیف) | وتری (خط قاطع) | نابجایی | |
---|---|---|---|---|
1.5144846069926343 | 2 | 1.0142608902188517 | 1.0142608902188517 | |
1.2409015822217806 | 1.5 | 1.0268652076794869 | 1.0268652076794869 | |
1.1288784389132172 | 1.25 | 1.1227742188629786 | 1.0379429317009117 | |
1.1077940032164637 | 1.125 | 1.1048082422680339 | 1.047630656720699 | |
1.1070571436969323 | 1.0625 | 1.1069994195564619 | 1.056065815978876 | |
1.1070562546390645 | 1.09375 | 1.1070564643650112 | 1.0633822991162016 | |
— | 1.109375 | — | 1.0697073398074517 | |
— | 1.10711669921875 | — | 1.096746829671288 | |
— | — | — | 1.106527597620123 |
- در این مثال سرعت همگرایی دو روش وتری (خط قاطع) و روش نیوتن با یکدیگر تقریباً برابر است، همچنین مشاهده میشود که کند ترین روش در این مثال الگوریتم نابجایی میباشد، اما بهطور کل نمیتوان این مثال خاص را به تمامی مثال ها تعمیم داد چرا که همواره سرعت همگرایی متغیر بوده و به شرایط مختلفی بستگی دارد، لذا انتخاب بهترین روش میتواند سهم به سزایی در سرعت عملیات تقریب زنی داشته باشد.همچنین مسئله ی دیگر که مطرح است این موضوع میباشد که هر کدام از روش ها مزایا و معایب خود را دارا هستند، برای مثال از معایب روش نیوتن عدم جواب در صورتی ست که مشتق تابع در نقطه ی مورد نظر صفر و یا نزدیک به صفر باشد و یا ایجاد سختی در هنگامی ست که مشتق گیری تابع عملیاتی دشوار باشد و از مزایای آن همگرایی سریع در صورت انتخاب حدس اولیه مناسب است ،اما باید توجه داشت همگرایی روش نیوتن-رافسون برخلاف برخی روش ها مانند روش دوبخشی تضمینی نیست.
نقش انتخاب بازه در تعیین ریشه
یکی از موارد کلیدی در اینکه روش مورد استفاده به کدام یک از ریشه های تابع (در صورت وجود بیش از یک ریشه) همگرا شود انتخاب بازه میباشد.
برای مثال تابع
نیوتن-رافسون | دوبخشی (تنصیف) | وتری (خط قاطع) | نابجایی | |
---|---|---|---|---|
2.938100393973599 | 1.1701202392578125 | 1.1701209480974004 | 1.1701199957162514 |
- در معادله ی فوق بازه ی انتخاب شده برای هر چهار روش یکسان بوده اما ریشه ی تقریبی حاصل از روش نیوتن متفاوت از سایرین است.