Newton–Raphson Yöntemi: Bir Denklemin Kökünü Şaşırtıcı Bir Hızla Bulmak

Hesap makinenizde "$\sqrt{2}$" yazıp eşittire basın. Ekranda anında $1{,}4142135\ldots$ belirir. Bu sayı, $x^2 = 2$ denkleminin pozitif çözümü. Ama makine bu çözümü nasıl bu kadar hızlı buluyor? Bütün rakamları ezbere mi biliyor? Hayır. Arka planda, iteratif bir formül her milisaniyede yüzlerce defa çalışıyor ve sonuca yaklaşıyor: Newton–Raphson yöntemi.

Newton 1669'da, Raphson 1690'da bağımsız olarak bu yöntemi yazıya döktü. O günden bugüne, sayısal hesap yapan her cihazda — hesap makinesinden uzay roketlerinin yörünge yazılımlarına — adı çok değişmeden çalışıyor.

Fikir: teğet hattı kestirme

Bir $f(x)$ fonksiyonunun grafiğini düşünün. Onun bir kökünü ararız: yani $f(x) = 0$ olduğu $x$ değerini. Grafiği çizdiğinizde fonksiyonun $x$-eksenini kestiği nokta.

Newton'un fikri sadedir. Bir başlangıç tahmini $x_0$ ile başlayın. Bu nokta gerçek kökten uzak olabilir; ama bir adım atalım:

1. $x_0$ noktasında fonksiyona teğet doğru çiz.
2. Bu teğetin $x$-ekseniyle kesiştiği noktayı yeni tahminin $x_1$ olarak al.

Bunu tekrar tekrar yaptığınızda, $x_0 \to x_1 \to x_2 \to \ldots$ dizisi gerçek köke şaşırtıcı bir hızla yaklaşır.

Teğet doğrunun denkleminden çıkarılan formül şudur:

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

Burada $f'(x_n)$ türevdir — yani teğetin eğimi. Pratikte bu formülü bir döngüde çalıştırmak yeterli.

Karekök örneği

$\sqrt{2}$'yi bulmak için fonksiyonumuz $f(x) = x^2 - 2$ olsun. Türevi $f'(x) = 2x$. Newton'un formülü:

$x_{n+1} = x_n - \frac{x_n^2 - 2}{2 x_n} = \frac{1}{2}\left(x_n + \frac{2}{x_n}\right)$

Bu formül aslında Babillilerin (4000 yıl önce!) keşfettiği "karekök bulma" yönteminin ta kendisidir. Newton, bu antik fikrin tüm fonksiyonlara genelleştirilebileceğini gördü.

Başlangıç tahmini $x_0 = 1$ ile deneyelim:

• $x_1 = \tfrac{1}{2}(1 + 2) = 1{,}5$
• $x_2 = \tfrac{1}{2}(1{,}5 + \tfrac{2}{1{,}5}) = 1{,}41\overline{6}$
• $x_3 = \tfrac{1}{2}(1{,}41\overline{6} + \tfrac{2}{1{,}41\overline{6}}) \approx 1{,}41421568\ldots$
• $x_4 \approx 1{,}41421356237\ldots$

Sadece dört adımda, $\sqrt{2}$'nin değerine 11 ondalık basamak doğrulukta ulaştık. Bu hız tesadüf değildir; Newton–Raphson yönteminin temel özelliği şudur:

Her adımda, hatanın yaklaşık karekökü kadar bir hata kalır.

Yani başlangıçta $0{,}1$ hata varsa, sonraki adımda $0{,}01$, sonraki adımda $0{,}0001$, sonraki adımda $10^{-8}$ olur. Buna teknik adıyla karesel yakınsama denir. Çoğu sayısal yöntem yalnızca doğrusal yakınsar (her adımda hata sabit oranla küçülür); Newton–Raphson'un bunun karesinde çalışması onu çok güçlü yapar.

Niçin bu kadar hızlı?

Sezgisel açıklama: Newton–Raphson, fonksiyonu her noktada yerel olarak doğrusal yaklaşımla modellemektedir (teğet ile). Bir fonksiyonun gerçek köküne yakın küçük bir komşulukta, fonksiyon zaten doğruya yakın görünür. Bu doğrunun nerede sıfırlandığı, gerçek kökle tam aynı yer değildir; ama farkı, "fonksiyonun teğetten ne kadar saptığı"yla orantılıdır — ve bu sapma türevin değişim hızına (ikinci türeve) bağlıdır.

Matematiksel olarak: bir komşulukta hatanın yaklaşık şu kadar olduğu kanıtlanır:

$|x_{n+1} - x^*| \le C \cdot |x_n - x^*|^2$

Burada $C$ ikinci türeve bağlı bir sabit, $x^*$ gerçek köktür. İşte karesel yakınsamanın matematik yüzü.

Her zaman çalışır mı?

Hayır. Newton–Raphson çok güçlüdür ama bazı durumlarda başarısız olur:

1. Türev sıfırsa felaket olur. $f'(x_n) = 0$ olduğu bir noktaya gelirseniz formül bölme hatası verir; teğet yataydır ve $x$-ekseniyle kesişmez.
2. Kötü başlangıç tahmini. Başlangıç noktası gerçek kökten çok uzaksa, yöntem bambaşka bir köke ya da hiçbir yere yakınsamayabilir. Hatta bazı durumlarda kaotik salınımlar yapar; bu davranışı görselleştirmek, Newton fraktallarının doğmasına neden olmuştur.
3. Yakın kökler. Fonksiyon iki köke çok yakın bir tepe noktası geçiyorsa, yöntem bir kökten diğerine atlayabilir.

Pratik kodlama: Bu nedenle Newton–Raphson genellikle "hibrit" yöntemlerde kullanılır. Önce daha güvenli ama yavaş bir yöntem (mesela bisection — ikiye bölme) ile köke yaklaşılır; sonra son hassasiyeti çabuk bitirmek için Newton devreye girer.

Nerede her gün karşımıza çıkıyor?

Newton–Raphson, modern hesaplamanın gizli kahramanlarındandır:

• Hesap makineleri ve programlama dilleri. "Karekök al", "$x$'in $n$. kökü", "logaritma" gibi tüm fonksiyonlar genelde alttan Newton–Raphson veya ondan türemiş yöntemlerle çalışır.
• Bilgisayar grafikleri (3B). Bir kameranın görüş ışını ile bir cismin yüzeyi nerede kesişir? Yine Newton iterasyonu.
• Makine öğrenmesi. Sinir ağlarını eğitmek için kullanılan gradyan iniş yöntemleri Newton–Raphson'un akrabasıdır; "ikinci derece" varyantları (Newton's method in optimization) yakınsamayı hızlandırmak için kullanılır.
• Finansal mühendislik. Bir tahvilin getirisi, opsiyonun "implied volatility"si gibi büyüklükleri bulmak için.
• Mühendislik denklemleri. Termodinamikten elektrik devrelerine, çoğu doğrusal olmayan denklem çözümü Newton–Raphson ile yapılır.

Bir kıssa: Newton'un kendi yöntemi mi?

Tarihsel ironi: Newton'un orijinal yazısı (1669) bugün öğrendiğimiz "modern" formdan biraz farklıydı; daha çok cebirsel manipülasyona benziyordu. Joseph Raphson (1690), Newton'un yöntemini daha basit ve iteratif bir formla yeniden yayımladı. Modern formda gördüğümüz "$x_{n+1} = x_n - f(x_n)/f'(x_n)$" Raphson'un sunduğu hâle çok daha yakındır. Bu nedenle yönteme her iki adın birden verilmesi adildir: Newton–Raphson.

Bir matematik dersi

Newton–Raphson yöntemi, "sayısal hesap nasıl çalışır" sorusunun en zarif örneklerinden biridir: tahminden başla, küçük bir matematiksel düzeltme yap, tekrarla. Bu üç adım, modern bilimsel hesaplamanın hemen her köşesinde benzer biçimlerde tekrar tekrar görülür.

Bir sonraki sefer hesap makinenizde bir karekök hesapladığınızda, ekrana 11 basamak doğrulukta bir sayı geldiğinde, Cambridge'deki bir kütüphanede 1669'da bir formülün ilk satırlarını yazan genç Newton'u hatırlayabilirsiniz. Onun küçük teğet doğrusu fikri, hâlâ dijital dünyamızın sessiz işçilerinden biri.