뉴턴 방법

위키백과, 우리 모두의 백과사전.
(뉴턴의 방법에서 넘어옴)
함수 f는 파란 선, 각 접선은 빨간 선이다. 접선의 영점을 반복적으로 취해 나갈 때, xn과 실제 영점의 오차가 점차 줄어듦을 확인할 수 있다.

수치해석학에서, 뉴턴 방법(영어: Newton's method)은 실숫값 함수영점을 근사하는 방법의 하나이다. 뉴턴-랍슨 방법(영어: Newton–Raphson method)이라고도 불린다.

정의[편집]

연속 미분 가능 함수 가 영점 를 갖는다고 하자. 또한, 라고 하자. 그렇다면, 다음을 만족시키는 열린집합 가 존재한다.

  • 임의의 에 대하여, 수열 ()은 로 수렴한다.

이를 통해 영점 를 근사하는 방법을 뉴턴 방법이라고 한다. 반복 계산을 정지하기 위한 정지조건은 할선법에서 사용된 것 중 하나가 쓰인다.[1] 뉴턴 방법은 매우 효과적인 방법이지만 초기 가정치 를 근에 충분히 가깝게 하지 않으면 수렴하지 않는다는 단점이 있다. 또한 접선이 거의 수평인 즉 를 선택해선 안 된다.[2]

성질[편집]

오차[편집]

만약 가 2번 연속 미분 가능 함수라면, 점렬의 항과 영점 사이의 오차에 대하여 다음을 만족시키는 상수 가 존재한다.

점렬의 단조성[편집]

만약 가 2번 연속 미분 가능 함수라면,

  • 만약 임의의 에 대하여 라면, 은 증가 수열이다.
  • 만약 임의의 에 대하여 라면, 은 감소 수열이다.

예제[편집]

루트값 구하기[편집]

x2 = a를 만족하는 양수 x를 구해서 결국 a의 루트값을 구해보자. 뉴튼방법은 루트값을 구하는 여러가지 계산법 중에 하나이다. 루트를 구하는 이 문제를 다음과 같이 함수 f(x) = x2a의 해를 구하는 문제로 생각할 수 있다. 1차 미분은 f(x) = 2x로 주어진다.

612의 루트값을 계산하는 경우를 다뤄보자. 초기값을 x0 = 10로 하고, 뉴튼법을 적용하면 다음과 같다:

여기서 참값과 같은 부분의 숫자는 밑줄이 그어져있다. 많지 않은 몇번의 반복을 통해 매우 정확한 루트값이 계산되는 것을 볼 수 있다.

위의 반복 수식을 아래와 같이 재배열하면 루트를 구하는 바빌로이안 방법을 얻는다:

즉, 루트를 구하는 뉴튼법은 결국 현재 추측한 루트값의 xna/xn산술_평균을 반복적으로 적용한 것이다.

cos(x) = x3의 해 구하기[편집]

cos(x) = x3을 만족하는 x를 구하는 문제를 생각해보자. 이 문제는 f(x) = cos(x) − x3이 0이 되는 해를 찾는 문제로 바뀔 수 있다. 1차 미분은 f(x) = −sin(x) − 3x2로 주어진다. 모든 x에 대해 cos(x) ≤ 1 이고 x > 1에 대해 x3 > 1이므로, 이 함수가 0이되는 구간은 0과 1사이라는 것을 알 수 있다.

초기 추정해를 x0 = 0.5라 하고 뉴튼방법을 적용하면 (초기값을 0으로 선택하면 미분값이 0이 되고, 0으로 나누기 연산을 해서 계산이 실패한다. 즉, 무한대값이 발생한다. 뉴튼방법에서 초기값 선택은 해로 수렴하는데 큰 영향을 미친다) 아래와 같은 결과를 얻는다:

여기서 참값과 같은 부분의 숫자는 밑줄이 그어져있다. 구해진 x6값은 소숫점아래 12자리까지 참값과 같다. 위의 계산예에서 2자리까지 참값과 일치하는 x3가 이어지는 계산에서 5자리, 10자리로 일치하는 이차수렴(quadratic convergence)속도를 보이는 것을 알수있다.

프로그램[편집]

아래 프로그램은 뉴튼방법을 쥴리아 언어로 구현한 것으로 미분값 fprime을 갖는 함수 f의 근을 구한다.

근의 초기값은 x0 = 1으로 설정되었고 함수는 f(x) = x2 − 2 미분은 f(x) = 2x 이다.

뉴튼 방법이 매번 반복될때마다 갱신되는 값은 x1이다. 반복 계산할때마다 분수의 나눠지는 분모부분이 (yprime) 너무 작아지지 않는지 (epsilon보다 더 작아지지 않는지) 확인한다. 즉, f(xn) ≈ 0이 발생하면 큰 수치오차가 발생한다.

x0            = 1         # The initial guess
f(x)          = x^2 - 2   # The function whose root we are trying to find
fprime(x)     = 2x        # The derivative of the function
tolerance     = 1e-7      # 7 digit accuracy is desired
epsilon       = 1e-14     # Do not divide by a number smaller than this
maxIterations = 20        # Do not allow the iterations to continue indefinitely
solutionFound = false     # Have not converged to a solution yet

for i = 1:maxIterations
  y      = f(x0)
  yprime = fprime(x0)

  if abs(yprime) < epsilon            # Stop if the denominator is too small
    break
  end

  global x1 = x0 - y/yprime           # Do Newton's computation

  if abs(x1 - x0) <= tolerance        # Stop when the result is within the desired tolerance
    global solutionFound = true
    break
  end

  global x0 = x1                      # Update x0 to start the process again
end

if solutionFound
  println("Solution: ", x1)           # x1 is a solution within tolerance and maximum number of iterations
else
  println("Did not converge")         # Newton's method did not converge
end

같이 보기[편집]

각주[편집]

참고 문헌[편집]

  • Abdelwahab Kharab; Ronald B. Guenther (2013). 《An Introduction to Numerical Methods A MATLAB Approach》 [이공학도를 위한 수치해석]. 학산미디어. ISBN 978-89-966211-8-8.