Romberg İntegrasyonu – Richardson Ekstrapolasyonu ile Hata Azaltma (BUders)

❓ Romberg İntegrasyonu Nedir?

Romberg integrasyonu, yamuk kuralının farklı adım büyüklükleriyle hesaplanmış sonuçlarını kullanarak çok daha doğru bir sonuç elde etme yöntemidir. Yöntem, adını Alman matematikçi Werner Romberg'den (1909–2003) alır.

Temel fikir: Yamuk kuralının hatasının $h^2$ ile orantılı olduğunu biliyoruz. Farklı $h$ değerleri için elde edilen sonuçları birleştirerek, $h^2$ terimini yok edip daha yüksek mertebeden bir yaklaşım elde edebiliriz. Bu işleme Richardson ekstrapolasyonu denir.

📌 BASİT BİR BENZETME

Diyelim ki bir ağacın boyunu ölçmek istiyorsunuz. Elimde iki cetvel var: biri kaba (büyük hata), diğeri hassas (küçük hata). İkisini de kullanıp sonuçları karşılaştırarak hatayı tahmin edebilirim. Romberg yöntemi de aynı mantıkla, farklı adım boylarıyla yapılan hesaplamaları karşılaştırarak hatayı azaltır.

📐 Richardson Ekstrapolasyonu (Temel Fikir)

Yamuk kuralının hata formülünü hatırlayalım:

$$ I = T(h) + C h^2 + O(h^4) $$

Burada $I$ tam integral değeri, $T(h)$ adım boyu $h$ ile hesaplanmış yamuk yaklaşımı, $C$ bilinmeyen bir sabit.

Şimdi aynı integrali $h$ ve $h/2$ adım boylarıyla hesaplayalım:

I = T(h) + C h^2 + O(h^4) $$ $$ I = T(h/2) + C \left(\frac{h}{2}\right)^2 + O(h^4) = T(h/2) + C \frac{h^2}{4} + O(h^4)

İkinci denklemi 4 ile çarpıp birinci denklemden çıkararak $C h^2$ terimini yok edebiliriz:

4I - I = 4T(h/2) - T(h) + O(h^4) $$ $$ 3I = 4T(h/2) - T(h) + O(h^4) $$ $$ I = \frac{4T(h/2) - T(h)}{3} + O(h^4)

İşte bu! $T(h)$ ve $T(h/2)$'yi kullanarak $O(h^4)$ mertebesinde (yani Simpson kuralına eşdeğer) bir yaklaşım elde ettik.

🔑 ÖNEMLİ

Richardson ekstrapolasyonu, herhangi bir sayısal yöntemin doğruluğunu artırmak için kullanılabilen genel bir tekniktir. Romberg, bu tekniği yamuk kuralına art arda uygulayarak çok yüksek mertebelerde doğruluk elde eder.

📊 Romberg Tablosu Nasıl Oluşturulur?

Romberg yöntemi, bir tablo oluşturarak çalışır. Tablonun:

1. sütunu: Farklı adım boylarıyla hesaplanmış yamuk kuralı sonuçları ($T(h), T(h/2), T(h/4), ...$)
2. sütunu: 1. sütundaki iki sonucun Richardson ekstrapolasyonu → $O(h^4)$ doğruluk
3. sütunu: 2. sütundaki iki sonucun ekstrapolasyonu → $O(h^6)$ doğruluk
...

Genel ekstrapolasyon formülü:

R_{j,k} = R_{j,k-1} + \frac{R_{j,k-1} - R_{j-1,k-1}}{4^{k-1} - 1}

Burada $R_{j,0}$ yamuk kuralı sonuçları, $R_{j,1}$ birinci ekstrapolasyon, $R_{j,2}$ ikinci ekstrapolasyon vb.

✍️ Adım Adım Örnek: $\displaystyle \int_0^1 e^{-x^2} dx$

ADIM 1 Yamuk kuralı ile başlangıç değerlerini hesapla

h=1

$T(1)$

$n=1$, $h=1$, noktalar: $x=0$ ve $x=1$
$f(0)=1$, $f(1)=e^{-1}\approx 0.367879$
$T(1) = \frac{1}{2}(1 + 0.367879) = 0.683940$

h=0.5

$T(0.5)$

$n=2$, $h=0.5$, noktalar: $x=0, 0.5, 1$
$f(0)=1$, $f(0.5)=e^{-0.25}\approx 0.778801$, $f(1)=0.367879$
$T(0.5) = \frac{0.5}{2}(1 + 2\cdot0.778801 + 0.367879) = 0.25 \cdot (1 + 1.557602 + 0.367879) = 0.25 \cdot 2.925481 = 0.731370$

h=0.25

$T(0.25)$

$n=4$, $h=0.25$, noktalar: $0, 0.25, 0.5, 0.75, 1$
$f(0)=1$, $f(0.25)=e^{-0.0625}\approx 0.939413$, $f(0.5)=0.778801$, $f(0.75)=e^{-0.5625}\approx 0.569783$, $f(1)=0.367879$
$T(0.25) = \frac{0.25}{2}[1 + 2(0.939413+0.778801+0.569783) + 0.367879]$
$= 0.125 \cdot [1 + 2(2.287997) + 0.367879] = 0.125 \cdot [1 + 4.575994 + 0.367879] = 0.125 \cdot 5.943873 = 0.742984$

ADIM 2 Richardson ekstrapolasyonu ($O(h^4)$)

$T(1)$ ve $T(0.5)$'den

$R_{2,1} = \frac{4T(0.5) - T(1)}{3} = \frac{4 \cdot 0.731370 - 0.683940}{3} = \frac{2.925480 - 0.683940}{3} = \frac{2.241540}{3} = 0.747180$

$T(0.5)$ ve $T(0.25)$'den

$R_{3,1} = \frac{4T(0.25) - T(0.5)}{3} = \frac{4 \cdot 0.742984 - 0.731370}{3} = \frac{2.971936 - 0.731370}{3} = \frac{2.240566}{3} = 0.746855$

ADIM 3 İkinci ekstrapolasyon ($O(h^6)$)

Formül

$R_{3,2} = \frac{4^2 R_{3,1} - R_{2,1}}{4^2 - 1} = \frac{16 \cdot 0.746855 - 0.747180}{15}$

$16 \cdot 0.746855 = 11.94968$
$11.94968 - 0.747180 = 11.20250$
$11.20250 / 15 = 0.746833$

📊 SONUÇLARIN KARŞILAŞTIRILMASI

Gerçek değer: $\displaystyle \int_0^1 e^{-x^2} dx \approx 0.746824$
Yamuk kuralı $T(0.25)$: 0.742984 (hata $\approx 0.00384$, %0.51)
Ekstrapolasyon $R_{3,1}$: 0.746855 (hata $\approx 0.000031$, %0.004)
İkinci ekstrapolasyon $R_{3,2}$: 0.746833 (hata $\approx 0.000009$, %0.0012)

Görüldüğü gibi, yamuk kuralının $h=0.25$ ile yaptığı %0.5 hata, Romberg ile %0.001 seviyesine indi!

📋 Romberg Yöntemi – Adım Adım Yapılacaklar

Yamuk kuralı ile $h, h/2, h/4, ...$ değerleri için $T(h)$'leri hesapla

Ne kadar çok değer, o kadar yüksek doğruluk.

$R_{j,1} = \frac{4T(h/2) - T(h)}{3}$ ile ilk ekstrapolasyonu yap

Bu size $O(h^4)$ doğruluk verir (Simpson 1/3'e eşdeğer).

İkinci ekstrapolasyon için $R_{j,2} = \frac{16 R_{j,1} - R_{j-1,1}}{15}$ kullan

Bu size $O(h^6)$ doğruluk verir.

İstenen doğruluk elde edilene kadar devam et

Genel formül: $R_{j,k} = R_{j,k-1} + \frac{R_{j,k-1} - R_{j-1,k-1}}{4^{k-1} - 1}$

✅ Romberg Yönteminin Artıları ve Eksileri

Artıları (+)	Eksileri (−)
Yamuk kuralının basit hesaplamalarını kullanarak çok yüksek doğruluk sağlar	Yamuk değerlerinin sistematik olarak hesaplanması gerekir
Her ekstrapolasyon adımı doğruluğu önemli ölçüde artırır	Fonksiyon çok düzgün değilse ekstrapolasyon kararsız olabilir
Gauss kuadratürüne alternatif, uygulaması daha basittir	Adaptif versiyonu yoktur (genellikle düzgün aralıkla çalışır)
Hata kontrolü yapmak mümkündür (tablodaki değişim takip edilir)	Yüksek mertebe ekstrapolasyonlarda yuvarlama hatası artabilir

📌 ÖZET

Romberg integrasyonu, yamuk kuralının farklı adım boylarındaki sonuçlarını birleştirerek hatayı hızla azaltan güçlü bir yöntemdir. Özellikle düzgün fonksiyonlarda, az sayıda yamuk hesaplamasıyla çok yüksek doğruluk elde edilebilir. Gauss kuadratürü ile birlikte sayısal integralin en önemli ileri yöntemlerinden biridir.

← Ana modül sayfasına dön