25. 4.

3 Algoritma Komputer Untuk Memecahkan Sistem ODEs Kode komputer untuk memecahkan ODE satu dengan metode Euler (Gambar 25.7) dapat dengan mudah diperluas terhadap sistem persamaan. Modifikasi meliputi:
1. 2. 3. 4.

memasukkan jumlah persamaan n memasukkan nilai awal untuk setiap variabel dependen n memodifikasi algoritma sehingga menghitung lereng untuk setiap variabel bebas Termasuk tambahan persamaan untuk menghitung nilai turunan untuk masing-masing ODEs

Seperti sebuah algoritma yang dijelaskan dalam Gambar. 25.18 untuk metode RK orde keempat. Perhatikan bagaimana serupa itu dalam struktur dan organisasi dengan Gambar. 25,7. Sebagian besar perbedaan berhubungan dengan fakta bahwa: 1. Ada persamaan n 2. Rincian tambahan metode RK orde-keempat

Contoh 25.11 Menyelesaikan Sistem ODEs Dengan Komputer Soal pernyataan. Suatu program komputer untuk menerapkan metode RK orde keempat untuk sistem dapat dengan mudah dikembangkan berdasarkan Gambar. 25.18. Perangkat lunak seperti membuat nyaman untuk membandingkan model yang berbeda dari suatu sistem fisik. Sebagai contoh, suatu model linier pendulum berayun diberikan oleh (ingat persamaan (PT7.11))

 dimana dan = perpindahan sudut dan kecepatan. Sebuah model non linier dari sistem yang sama adalah [ingat persamaan (PT7.9)].

 dimana dan = perpindahan sudut dan kecepatan untuk kasus nonlinier. Selesaikan sistem ini untuk dua kasus:a) perpindahan awal kecil ( = = 0,1 radian; = = 0), dan = = 0). (b) perpindahan besar ( = = = 0,785398 radian; FIGURE 25. 18

FIGURE 25. 19 Penyelesaian. a) Hasil perhitungan untuk model non linier liniear dan hampir identik (figure. 25.19a). Hal ini seperti yang diharapkan karena ketika perpindahan awal kecil , b) Ketika perpindahan awal adalah , solusinya jauh berbeda dan perbedaannya adalah diperbesar sebagai waktu menjadi lebih besar dan lebih besar (gambar 25.19b). Hal ini diharapkan karena asumsi bahwa miskin ketika theta besar.

25. 5

Adaptive Metode Runge-Kutta

Untuk saat ini, kami telah menyajikan metode untuk memecahkan ODEs bahwa menggunakan ukuran langkah konstan. Untuk sejumlah besar probems, ini dapat merupakan pembatasan yang serius. Sebagai contoh, anggaplah bahwa kita mengintegrasikan sebuah ODE dengan solusi dari tipe digambarkan dalam Fig.25.20. Untuk sebagian besar dari kisaran, solusi perubahan bertahap. Perilaku tersebut menunjukkan bahwa langkah yang cukup besar sizecould akan digunakan untuk memperoleh hasil yang memadai. Namun, untuk localizedregion dari x = 1,75 untuk x = 2,25, solusi ini mengalami perubahan mendadak. Konsekuensi praktis berurusan dengan functionsis sehingga ukuran langkah yang sangat kecil akan diperlukan untuk secara akurat menangkap perilaku impulsif. Jika suatu algoritma ukuran langkah-konstan yang bekerja, ukuran lebih kecil langkah yang diperlukan untuk wilayah chane tiba-tiba harus diterapkan pada seluruh perhitungan. Sebagai konsekuensinya, ukuran selangkah jauh lebih kecil dari yang diperlukan dan, karena itu, banyak perhitungan akan sia-sia pada daerah perubahan bertahap. FIGURE 25.20

Algoritma yang secara otomatis menyesuaikan ukuran langkah tersebut dapat menghindari berlebihan dan karenanya keuntungan besar. Karena mereka "beradaptasi" untuk lintasan solusi, mereka yang dikatakan memiliki ukuran langkah kontrol adaptif. Implementasi pendekatan tersebut mensyaratkan bahwa perkiraan kesalahan pemotongan lokal dapat diperoleh pada setiap langkah. Kesalahan estimasi ini kemudian dapat digunakan sebagai dasar untuk memperpanjang atau drecreasing baik ukuran langkah. Sebelum melanjutkan, kita harus menyebutkan bahwa selain dari pemecahan ODEs, metode yang dijelaskan di chaptercan ini juga digunakan untuk mengevaluasi integral tertentu. Seperti yang disebutkan sebelumnya dalam pendahuluan Bagian Keenam, evaluasi integral

setara dengan memecahkan persamaan diferensial.

Untuk y (b) diberikan kondisi awal y (a )= 0. Dengan demikian, teknik-teknik berikut dapat digunakan untuk efisien mengevaluasi integral tertentu yang melibatkan fungsi yang halus namun umumnya daerah menunjukkan perubahan mendadak. Ada dua pendekatan utama untuk memasukkan kendali adaptif ukuran langkahlangkah ke dalam satu metode. Dalam pertama, kesalahan diperkirakan sebagai perbedaan antara dua prediksi menggunakan metode urutan yang sama tetapi dengan ukuran RK langkah yang berbeda. Pada bagian kedua, maka kesalahan pemotongan lokal diperkirakan sebagai perbedaan antara dua prediksi menggunakan metode RK urutan yang berbeda.

25. 5. 1

Adaptasi RK atau Metode Pengurangan Setengah

Langkah mengurangi separuh (juga disebut RK adaptif) melibatkan mengambil setiap langkah dua kali, sekali sebagai langkah penuh dan indepedently sebagai dua langkah setengah. Perbedaan kedua hasil merupakan perkiraan kesalahan pemotongan lokal. Jika menunjuk langkah-tunggal prediksi dan menunjuk prediksi menggunakan dua langkah setengah, error dapat direpresentasikan sebagai = (25. 43)

Selain untuk menyediakan kriteria untuk kontrol langkah-ukuran, persamaan (25 43). juga dapat digunakan untuk memperbaiki prediksi . Untuk versi RK urutan keempat, koreksi ini

Perkiraan ini urutan kelima akurat CONTOH 25.12 Pernyataan masalah. Menggunakan penyesuaian metode Runge Kutta keempat untuk mengintegrasikan dari x=0 sampai h=2 dan pada kondisi awal y(0) = 2. Ini adalah persamaan diferensial yang sama yang telah dipecahkan pada contoh sebelumnya 25,5. Ingat bahwa solusi yang benar adalah y (2) = 14,84392 solusi. Prediksi ini dengan satu tahapan h dihitung sebagai

Dua setengah prediksi langkah ini adalah

Dan

Oleh karena itu, kesalahan perkiraan adalah

yang lebih baik dibandingkan dengan kesalahan sejati

Perkiraan kesalahan dapat juga digunakan untuk mengoreksi prediksi y(2) = 14.86249 0.01622 = 14.84627 yang memiliki