Sayısal Analiz Nedir? Yaklaşık Çözüm, Hata ve Yöntemler

Sayısal analizin tanımı, amacı ve kullanım alanları

Sayısal analiz; fonksiyonların, denklemlerin ve matematiksel modellerin çözümünü sonlu işlemlerle yaklaşık olarak gerçekleştiren yöntemleri inceler. Bir problem için kapalı biçimde, yani doğrudan bir formülle verilen analitik çözüm bulunmayabilir. Analitik çözüm bulunsa bile formülün hesaplanması çok uzun sürebilir, veriler ölçüm hatası içerebilir veya çözümün pratikte yalnızca belirli bir aralıkta bilinmesi yeterli olabilir. Sayısal analiz bu durumda problemi hesaplanabilir bir biçime dönüştürür, uygun bir algoritma seçer ve sonuçtaki hatayı ölçmeye çalışır.

İşleyiş genellikle üç aşamalıdır: Önce matematiksel problem sonlu bir hesaplama problemine çevrilir; ardından kök bulma, lineer cebir, yaklaşım, integrasyon veya diferansiyel denklem yöntemlerinden biri seçilir. Sonuç, hata tahmini ya da durdurma ölçütüyle kontrol edilir. Örneğin bir denklem için f(x) = 0 eşitliğinin doğrudan çözümü bulunamıyorsa, yöntem farklı x değerlerinde fonksiyonun davranışını inceleyerek köke yaklaşan bir sayı üretebilir. Benzer biçimde, bir fizik modelinin zaman içindeki değişimi doğrudan hesaplanamıyorsa zaman aralığı küçük parçalara bölünerek her adımda yeni bir yaklaşık değer hesaplanabilir.

Bu yaklaşım mühendislikte model ve tasarım hesaplarında, fizikte hareket ve alan problemlerinde, ekonomide tahmin modellerinde ve bilimsel ölçümlerin işlenmesinde kullanılır. Sayısal analizin temel sorusu, “Sonuç nedir?” sorusunun yanında “Sonuç ne kadar güvenilir ve bu sonuca hangi maliyetle ulaşıldı?” sorusudur. Kök bulma yöntemleri, doğrusal denklem sistemleri, interpolasyon, sayısal integrasyon ve diferansiyel denklemlerin sayısal çözümü bu alanın başlıca uygulama gruplarıdır.

Sayısal çözüm, yaklaşık değer ve hata kavramları

Sayısal çözüm, bir problemin gerçek veya analitik çözümünün yerine kullanılan ve belirli bir doğruluk düzeyinde onu temsil eden değerdir. Gerçek çözüm x* ile gösterilirken hesaplanan yaklaşık çözüm x̃ veya x_a ile gösterilebilir. Bu iki değer arasındaki fark hata olarak adlandırılır. Bir sayının sonlu basamakla yazılması, ölçüm verilerinin sınırlı doğrulukta olması ya da yöntemin problemi basitleştirmesi yaklaşık çözüm ortaya çıkmasının başlıca nedenlerindendir.

Sayısal bir yöntem gerçek çözümü bir anda vermek yerine problemi daha kolay hesaplanabilen adımlara ayırır. Örneğin karekök 2’nin tam ondalık gösterimi sonlu değildir. 1,41 değeri bu sayının yaklaşık çözümüdür; daha fazla basamak kullanıldığında yaklaşık değer gerçek çözüme yaklaşır. Ancak 1,41 ile yetinmek ile 1,41421356 kullanmak aynı doğruluk düzeyini sağlamaz. Bu nedenle sayısal sonuç, kullanılan basamak sayısı ve hesaplama yöntemiyle birlikte değerlendirilmelidir.

Hatanın küçük olması her zaman yöntemin kusursuz olduğu anlamına gelmez. Yuvarlama, kesme ve modelleme kaynaklı farklı hata türleri bir arada bulunabilir. Ayrıca bir hesaplama zincirinde erken bir adımdaki hata sonraki adımlara taşınabilir. Bu yüzden sonuç genellikle “yaklaşık olarak” verilir ve hedeflenen toleransla karşılaştırılır. Sayısal analiz, gerçek çözümü bilmeden de hata için üst sınır veya güvenilirlik göstergesi elde etmeye çalışır. Limit kavramında bir değere giderek yaklaşma fikri, sayısal hesaplamadaki yaklaşım düşüncesini sezgisel olarak anlamaya yardımcı olur; fakat sayısal çözüm, belirli bir algoritmanın ürettiği hesaplanabilir bir sonuçtur.

Mutlak hata, göreli hata ve artık değer

Mutlak hata, yaklaşık değer ile gerçek değer arasındaki farkın büyüklüğüdür: mutlak hata = |x* - x_a|. Gerçek çözüm biliniyorsa doğrudan hesaplanabilir. Göreli hata ise mutlak hatanın gerçek değere oranıdır: göreli hata = |x* - x_a| / |x*|. Yüzde olarak ifade edilmek istendiğinde bu oran 100 ile çarpılır. Örneğin gerçek değer 2, yaklaşık değer 1,9 ise mutlak hata 0,1; göreli hata 0,05, yani yüzde 5’tir. Büyük ölçekli bir değerde küçük görünen mutlak hata önemli olmayabilirken, sıfıra yakın bir değerde aynı hata büyük bir göreli etki yaratabilir.

Artık değer, yaklaşık çözümün denklemi ne ölçüde sağladığını gösterir. f(x) = 0 problemini x_a yaklaşık çözümüyle ele alırsak artık değer r = f(x_a) olur. Doğrusal sistemlerde A x = b için artık r = b - A x_a biçiminde yazılır. Artık değerin küçük olması, yaklaşık çözümün denklemi iyi sağladığını gösterir; ancak tek başına gerçek çözüme yakınlığı garanti etmez. Problemin koşulluluğu, küçük bir artık değer ile küçük çözüm hatası arasındaki ilişkiyi etkileyebilir.

Yakınsama, kararlılık ve koşulluluk arasındaki ilişki

Yakınsama, yöntemin ürettiği yaklaşık değerlerin işlem ilerledikçe hedeflenen gerçek çözüme yaklaşmasıdır. Bir iteratif yöntemde x_0, x_1, x_2, ... değerleri elde edilir; bu dizi istenen çözüme yaklaşıyorsa yöntem yakınsıyor denir. Kararlılık, giriş verilerindeki, ara işlemlerdeki veya yuvarlamalardaki küçük değişikliklerin sonuç üzerinde kontrolsüz büyümelere yol açmamasıdır. Kararlı bir algoritma, hesaplama sırasında oluşan küçük hataları sınırsız biçimde büyütmez.

Koşulluluk ise problemin kendisinin veri değişikliklerine duyarlılığını anlatır. İyi koşullu bir problemde girişteki küçük bir değişiklik sonuçta da küçük bir değişiklik oluşturur; kötü koşullu bir problemde ise çok küçük bir veri hatası sonuçta büyük bir farklılığa dönüşebilir. Bu ayrım önemlidir: Kararlı bir algoritma bile kötü koşullu bir problemi çözerken verideki küçük belirsizlikleri büyük sonuç farklarına taşıyabilir. Tersine, iyi koşullu bir problem için seçilen yöntem yakınsamıyorsa veya kararsızsa doğru sonuca ulaşılamaz.

Bu nedenle güvenilirlik üç soruyla değerlendirilir: Problem veriye ne kadar duyarlı, yöntem hedef çözüme yaklaşıyor mu ve hesaplama sırasındaki hataları büyütüyor mu? Örneğin bir iterasyon dizisi hedef değere yaklaşsa bile ara adımlardaki küçük hatalar giderek büyüyorsa yöntem kararlı değildir. Yakınsama, kararlılık ve koşulluluk birbirinin yerine kullanılmaz; ilki yöntemin hedefe ilerlemesini, ikincisi algoritmanın hatalara tepkisini, üçüncüsü ise problemin veri duyarlılığını belirtir.

Sayısal problem türleri ve uygun yöntem aileleri

Sayısal problemlerin türü, kullanılacak yöntem ailesini büyük ölçüde belirler. Bir fonksiyonun sıfırını bulma problemi kök bulma problemidir ve aralık daraltmaya veya ardışık tahminler üretmeye dayanan kök bulma yöntemleriyle ele alınır. Birden fazla bilinmeyen içeren doğrusal ilişkiler, matris ve vektör işlemlerine dayanan doğrusal denklem sistemleri yöntemleriyle çözülür. Doğrusal denklem sistemlerinin sayısal çözümü, özellikle çok sayıda bilinmeyen içeren modellerde ayrı bir problem grubudur.

Bir fonksiyonun tüm değerleri bilinmiyorsa, bilinen noktalardan aradaki değerleri tahmin etmek interpolasyon; veriye en uygun genel ilişkiyi kurmak ise eğri uydurma problemidir. Bu problemlerde yaklaşım ve polinom ya da başka fonksiyon aileleri kullanılır. Bir fonksiyonun türev veya integral değerini doğrudan hesaplamak mümkün olmadığında, sayısal türev ve sayısal integrasyon yöntemleri fonksiyon değerlerini sonlu aralıklar veya noktalar üzerinden işler. Zamanla değişen büyüklükleri tanımlayan adi diferansiyel denklemler ise başlangıç veya sınır bilgileriyle birlikte adım adım çözülebilir.

Yöntem seçerken yalnızca problem türü değil, veri miktarı, istenen doğruluk, yakınsama davranışı ve işlem maliyeti de dikkate alınır. Az sayıda veri noktası için uygun olan bir yaklaşım, çok büyük bir veri kümesinde verimsiz olabilir. İşlem maliyeti; adım başına yapılan işlem sayısı, gerekli bellek ve toplam iterasyon sayısıyla ilişkilidir. Daha yüksek doğruluk bazen daha fazla işlem gerektirir; bu nedenle amaç, gereksiz hesaplama yapmadan kabul edilebilir hataya ulaşmaktır.

İteratif yöntemlerin çalışma mantığı ve durdurma ölçütleri

İteratif yöntemler, başlangıç tahmininden hareketle aynı hesaplama kuralını art arda uygulayarak bir çözüm dizisi üretir. Genel biçimde x_(k+1) = F(x_k) yazılabilir. Burada x_k, k’ncı adımda elde edilen yaklaşık çözüm; F ise bir sonraki tahmini üreten kuraldır. Başlangıç değeri probleme ve yönteme göre seçilir. Her adımda yeni değer önceki değerle karşılaştırılır ve sonuç hedeflenen doğruluk düzeyine ulaşana kadar işlem sürdürülür.

İterasyonun durdurulması için yaygın ölçütlerden biri ardışık iki yaklaşım arasındaki farktır: |x_(k+1) - x_k| < ε. Burada ε, izin verilen toleranstır. Bir başka ölçüt artık değeridir; f(x_k) değerinin veya doğrusal sistemlerde ||b - A x_k|| normunun yeterince küçük olması istenebilir. Göreli değişim de özellikle çözümün büyüklüğü çok değiştiğinde kullanılabilir: |x_(k+1) - x_k| / |x_(k+1)| < ε. İterasyon sayısına üst sınır koymak, yakınsamayan bir yöntemin sonsuza kadar çalışmasını önler.

Bu ölçütler aynı şeyi anlatmaz. Ardışık tahminler birbirine yaklaşmış olabilir, fakat yöntem yanlış bir değerde durmuş olabilir; artık değerinin küçük olması da kötü koşullu bir problemde çözüm hatasının küçük olduğunu kesin olarak göstermez. Bu nedenle uygun durumlarda değişim, artık ve maksimum iterasyon ölçütleri birlikte değerlendirilir. Durdurma toleransı gereğinden büyük seçilirse sonuç kaba kalır; gereğinden küçük seçilirse işlem maliyeti artar ve yuvarlama etkileri önem kazanabilir. Kayan noktalı aritmetik ve yuvarlama hataları, sonlu basamaklı hesaplamalarda bu değerlendirmeyi etkileyen temel unsurlardır. Kök bulma yöntemlerinin ayrıntılı türleri, başka bir konuda ayrı ayrı incelenir.