MetodaNumerik PDF
MetodaNumerik PDF
NUMERIK
La Design 96: 2028 Kbytes of D:My DocumentsPublikasiMetoda NumerikMetoda Numerik.doc printed on Saturday 12/02/05 08:24
oleh
Ir. Djoko Luknanto, M.Sc., Ph.D.
November 2001
Penyusun
halaman
PRAKATA .......................................................................................................................... ii
2. Persamaan Non-Linier.............................................................................................. 16
2.1. Metode Bagi Paruh (Bisection) ....................................................................... 16
2.2. Metode Newton ................................................................................................ 17
2.3. Metode Sekan.................................................................................................... 19
2.4. Akar dari Persamaan Polinomial ................................................................... 20
4. Integrasi Numeris...................................................................................................... 28
4.1. Rumus trapesium dan Simpson ..................................................................... 28
4.1.1. Rumus trapesium terkoreksi............................................................ 30
4.1.2. Rumus Simpson ................................................................................. 31
4.2. Rumus NewtonCotes..................................................................................... 33
4.2.1. Rumus Newton-Cotes Tertutup ...................................................... 34
4.2.2. Rumus NewtonCotes terbuka........................................................ 35
4.3. Kuadratur Gaussian......................................................................................... 36
4.3.1. Kuadratur Gauss-Legendre.............................................................. 37
4.4. Polinomial Orthogonal .................................................................................... 39
4.4.1. Kuadratur Gauss-Laquerre .............................................................. 40
4.4.2. Kuadratur Gauss-Chebysev ............................................................. 42
4.4.3. Kuadratur Gauss-Hermite................................................................ 42
6. Matrik .......................................................................................................................... 52
6.1. Notasi dan Konsep-konsep Pendahuluan .................................................... 52
6.2. Determinan dan invers .................................................................................... 55
6.2.1. Menghitung determinan dengan eleminasi segitiga atas ............ 55
6.3. Matrik dan Vektor Eigen ................................................................................. 57
6.3.1. Metode power untuk mendapatkan nilai & vektor eigen
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
terbesar. ............................................................................................... 58
halaman
1.1. Pendahuluan
Jika f(x) suatu fungsi menerus pada x [a, b] dan m = Infimum f ( x) serta
a x b
paling tidak ada satu titik [a,b] sehingga f() = . Khususnya ada dua titik u &
[a, b] dimana m = f(u) dan M = f()
y y = f(x)
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
M = f()
m = f(u)
x
a u b
Jika f(x) menerus pada interval [a,b] serta turunan pertamanya ada dalam interval
x (a,b). Maka paling tidak ada satu titik (a,b) dimana:
f (b) f (a )
f ' ( ) =
ba
Jika w(x) tidak negatif dan dapat dihitung integralnya pada interval [a,b] dan f(x)
b b
menerus pada [a,b], maka w( x) f ( x)dx = f ( ) w( x)dx untuk satu titik [a,b]
a a
tangennya = f()
f() f(b)
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
f(a)
x
a b
Jika f(x) mempunyai n+1 turunan dan turunannya selalu menerus pada [a,b], dan
jika x, x0 [a,b], maka:
f ( x) = Pn ( x) + Rn +1 ( x)
x xo ( x xo ) n ( n )
dengan Pn ( x) = f ( xo ) + f ' ( x o ) + ... + f ( xo )
1! n!
x
1
Rn +1 ( x) = ( x t ) n f ( n +1) (t )dt
n! x0
n +1
( x xo )
= f ( n +1) ( )
(n + 1)!
garis referensi
y = w(x)
f(xi)
w(xi)
x
a xi b
x
Bukti: f ' (t )dt = f ( x) f ( xo )
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
xo
Jadi:
x
f ( x) = f ( xo ) + f ' (t )dt ingat : udv = uv vdu
xo
x
= ... + tf ' (t )] tdf ' (t )
t=x
t = xo
xo
x
= ... + ( x xo ) f ' ( xo ) + x( f ' ( x) f ' ( xo ) tf " (t )dt
xo
x x
= ... + ( x xo ) f ' ( xo ) + x f " (t )dt tf " (t )dt
xo xo
Akhirnya diperoleh:
x
f ( x) = f ( x0 ) + ( x xo ) f ' ( xo ) + ( x t ) f " (t )dt ... dst.
xo
x
1
= ... +
2 xo
f " (t )d ( x t ) 2 ... dst.
x xo
f ( x) = f ( xo ) + f ( )
1!
y
C
p2(x R3(x)
R2(x)
p1(x R1(x)
y=
A p0(x
B
f(x0 f(x
A C
x
x0 x
n +1
( x xo )
Rn +1 ( x) = f ( n +1) ( )
(n + 1)!
n +1
= konstanta ( x x o )
n +1
= konstanta x
Rn+1 (x) disebut sebagai kesalahan pemotongan order n+1 atau O(xn+1).
Komputer menyajikan bilangan dalam 2 mode yaitu (1) Integer, (2) Floating
point.
Basis bilangan yang digunakan dalam komputer jarang sekali yang decimal
(basis 10). Hampir semua komputer memakai basis 2 (binari) atau variannya
seperti basis 8 (octal) dan basis 16 (hexadecimal).
Contoh:
a. Pada basis 2, semua bilangan terdiri dari 2 angka yaitu 0 dan 1.
Jadi (11011.01)2 = 1.24 + 1.23 + 0.22 + 1.21 + 1.20 + 0.2-1 + 1.2-2 = 27. 25
b. Pada basis 16, semua bilangan terdiri dari/dinyatakan dengan angka 0, 1, , 9,
A,B, ,F
Jadi (56C.F)16 = 5.1612+ 6.161 + 12.160 + 15.16-1 = 1338.9375
Jika basis bilangan suatu komputer adalah , maka suatu bilangan non-zero x
disimpan didalam bentuk.
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
x = (.a1a2a3 at) . e
dengan = -1 atau + 1, 0 a1 -1, e = integer, dan
a
( a1 a2 a3 L at ) = a11 + a 22 + L + tt
dengan disebut tanda, e disebut eksponen L e U, (a1a2a3 at) disebut
mantissa, dan disebut radix.
Akurasi dari sajian floating-point suatu komputer. Unit pembulatan, ,
suatu komputer adalah suatu bilangan positip terkecil yang mempunyai sifat
bahwa
1+>1
Nilai nol, , suatu komputer adalah suatu bilangan positip terkecil dimana
1+>1
Secara praktis dan dapat dihitung sbb:
= 1.0
10 = /2.0
If (1.0 + .GT. 1.0) GOTO 10
= * 2.0
Jika suatu bilangan tidak mampu direpresentasikan oleh komputer karena e <
L atau e > U, maka akan terjadi under/overflow.
Jadi setiap bilangan harus berada dalam interval
xL |x| xU
dengan xL = dan xU = (1 )
L-1 -t L-1
Dalam FORTRAN:
Jika suatu hasil hitungan, |x| xU, maka akan terjadi overflow error dan
program akan berhenti.
Jika suatu hasil hitungan, |x| xL, maka akan terjadi underflow error
biasanya x nilainya menjadi nol dan hitungan terus berlanjut.
xA Rel( x A ) Rel( y A )
Rel( )=
yA 1 Rel( y A )
xA
Jika Rel( y A ) <<1, maka Rel( ) = Rel( x A ) Rel( y A )
yA
Tampak bahwa pada perkalian dan pembagian kesalahan relatif tidak membesar
secara cepat.
Penjabaran ini tampak logis tetapi tidak baik karena tidak dinyatakan dalam
kesalahan relatif
22
Contoh: xT = , x A = 3.1416, yT = , y A = 3,1429
7
xT x A = 7.35 10 6 Rel( x A ) = 2.34 10 6
yT y A = 4.29 10 5 Rel( y A ) = 1.36 10 5
( xT yT ) ( x A y A ) = 0.0012645 (0.0013)
= 3.55 10 5
Rel( x A y A ) = 0.028
Jika terdapat suatu f(x) yang menerus [a,b] dan f(a)f(b) < 0, maka menurut
Teorema 1.1 paling tidak f(x) mempunyai satu akar f(x) mempunyai satu akar
[a,b].
Algoritma
Bisect(f, a, b, akar, )
1. Hitung c := (a+b)/2
2. Jika b c , maka akar:= c, dan exit
3. Jika {tanda f(b)tanda f(c)} 0, maka a := c , jika tidak b := c
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
Definisi
Suatu deret hasil suatu iterasi {xn|n0} dikatakan menuju ke titik dengan
derajat p 1 , jika
p
x n +1 c x n n0
untuk beberapa nilai c>0. Jika p=1, deretnya disebut menuju ke titik secara linier.
Pada kasus ini diperlukan nilai c<1; c disebut laju linier dari xn menuju .
Ada beberapa metode yang membutuhkan definisi yang agak berbeda dengan
diatas yaitu
x n +1 c n x0 n 0
y
metode ini diulang-ulang
sampai abs (c-b) <
c = (a+b)/2
f(b)>0
c = (a+b)/2
c = (a+b)/2
nilai
awal bbaru
x
abaru abaru b
nilai
f(a)<0
akar sesungguhnya
y=f(x)
yang akan dicari
Deret Taylor:
1
f ( x) = f ( x n ) + ( x x n ) f ' ( x n ) + ( x x n ) 2 f " ( x n ) + ...
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
2
atau menurut Teorema 1.4
1
f ( x) = f ( x n ) + ( x x n ) f ' ( x n ) + ( x x n ) 2 f " ( )
2
dengan diantara xn dan x.
Jika akar dari f(x), salah satunya adalah , maka
f (x = ) = 0
1
f ( x) = f ( x n ) + ( x n ) f ' ( x n ) + ( x n ) 2 f " ( ) = 0
2
jadi
f ( xn ) 1 f " ( )
= xn ( x n ) 2
f ' ( xn ) 2 f ' ( xn )
maka dapat didekati dengan
f ( xn )
x n +1 = x n n0
f ' ( xn )
dengan errornya
f " ( )
x n +1 = ( x n ) 2 n0
2 f ' ( xn )
Untuk nilai n, dan xn, jadi
f " ( )
x n +1 = ( x n ) 2
2 f ' ( )
= konstanta ( x n ) 2
Sehingga metode Newton dikatakan mempunyai derajat kelajuan = 2
y=f(x)
grs singgung
x
x1 x0
Algoritma
BD CD
=
BA CE
f ( x1 ) f ( x0 ) f ( x1 ) 0
=
x1 x0 x1 x 2
x1 x 0
Jadi x 2 = x1 f ( x1 ) atau
f ( x1 ) f ( x0 )
x n x n 1
x n +1 = x n f ( x n ) n 1
f ( x n ) f ( x n 1 )
y
y=f(x)
akar sesungguhnya
nilai awal
x0 x2 x3 C
x
E x1
nilai awal
A B
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
f ( x n ) f ( x n 1 )
f ' ( xn ) =
x n x n 1
Derajat Konvergensi:
untuk metode Newton p = 2
untuk metode sekan p = (1+5) = 1,618
untuk metode bisection p = 1
p = a(n)
do 10 i = n,1,-1
10 p = p*x + a(i1)
Algoritma:
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
Keterangan:
1 ( 5) 25 1
A= =6 B= = 12
1 0 3 1
55 25 B A
C= = 30 D= =2
43 30
30 12 ED
E= =6 F= =1
4 1 40
Divdif (d, x , n)
1. Keterangan: d dan x adalah vektor f(xi) dan xi = 0,1,,n. Pada saat exit di
akan terisi oleh nilai f [x0,,xi]
2. Kerjakan s/d langkah 4 untuk i = 1, 2 , ,n
3. Kerjakan sampai dengan langkah 4 untuk j = n, n-1, i
4. dj := (dj -dj-1) /(x-xj-1)
5. exit
Interp(d, x, t, p)
1. Keterangan: Pada awalnya d dan x adalah vektor dari [x0,,xi] dan xi, i = 0,
1 , , n. Pada saat exit p akan berisi pn(t).
2. p := dn
3. Kerjakan s/d langkah 4 untuk i = n-1 , n--2, , 0
4. p := di + (t xi)p
5. exit
Contoh: 0(x)
= (x)
(x)
= 0(z+h) - 0(z)
= (x+h) - (x)
(x)
2 = (x+h) - (x)
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
i xi f(xi) 2 3 4
0 0.0 -5.0 6 2 6 0
1 1.0 1.0 8 8 6
2 2.0 9.0 16 14
3 3.0 25.0 30
4 4.0 55.0
f [x1 ] f [x0 ] f ( x 0 + h) f ( x 0 ) f ( x 0 )
f [x0 , x1 ] = = =
x1 x 0 h h
f ( x 2 ) f ( x1 ) f ( x1 ) f ( x0 )
x 2 x1 x1 x0 2 f ( x0 )
f [x0 , x1 , x 2 ] = =
x 2 x0 2h 2
n f ( x 0 )
Secara umum: f [x0 , x1 ,..., x n ] =
n! h n
Akan dijabarkan rumus interpolasi beda maju dari rumus interpolasi beda
x x0
terbagi Newton. Didefinisikan = yang menunjukkan letak titik x
h
terhadap x0. Jadi misalnya = 1.6, maka x terletak pada jarak 6/10 dari x1 ke arah
x2 .
j=0 j h
i xi f(xi) 2 3 4
-4 0.0 -5.0 6 2 6 0
-3 1.0 1.0 8 8 6
-2 2.0 9.0 16 14
-1 3.0 25.0 30
0 4.0 55.0
3.3. Lagrange
Contoh:
x x1 x x0
pi ( x ) = f ( x0 ) + f ( x1 )
x0 x1 x x01
p2 ( x ) =
(x x1 )(x x2 ) f (x ) + (x x0 )(x x2 ) f (x ) + (x x0 )(x x1 ) f (x )
(x0 x1 )(x0 x2 ) 0 (x1 x0 )(x1 x2 ) 1 (x2 x0 )(x2 x12 ) 2
L0 ( x ) =
( x x1 )( x x2 )
=
( x 1)( x 3) x 2 4 x + 3
=
(x0 x1 )(x0 x2 ) (0 1)(0 3) 3
L1 ( x ) =
(x x0 )(x x2 ) = (x 0)(x 3) = x 3x 2
L2 ( x ) =
(x x01 )(x x1 ) = (x 0)(x 1) = x x 2
f (m ) ( )
1. f [x0 , x1 ,....., xm ] = untuk X {x0 , x1 ,..., x n } dimana X {x0 ,..., x m }
m!
artinya interval terkecil dimana x 0 , x1 ,..., x m tercakup!
Contoh:
f (0 ) ( )
f [x0 ] = = f ( x0 )
0!
f (x1 ) f ( x0 )
f [x0 , x1 ] = = f ' ( ) [x0 , x1 ]
x1 x0
n = m 1
0 n > m 1
dengan f ( x ) = a m x m + a m 1 x m 1 + ... + a1 x + a0
3. Kesalahan dalam interpolasi
Pada bab ini akan dibicarakan cara menghitung integral secara numeris dari
b
I(f) =
a
f(x)dx
y=f(x)
(b,f(b))
y =p1(x)
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
(a,f(a))
x
a b
Gambar 8 Konsep integrasi trapesium
Rumus trapesium pada dasarnya adalah mendekati f(x) dengan garis lurus yang
melalui (a,f(a)) dan (b,f(b))
ba
I1 ( f ) = [ f (a) f (b)]
2
Error:
x b x a
f (x) p1(x) = f (x) f (a) + f (b)
a b b a
= (x a)(x b) f [a,b, x]
ingat definisi beda terbagi f[a,b,x].
Jadi error:
b
1
E1( f ) = f (x)dx (b a)[f (a) + f (b)]
a 2
b
= (x a)(x b) f [a,b, x]dx
a
b
E1( f ) = f [a, b,] (x a)(x b)dx a b
a
1 1
= f "() (b a)3 [a, b]
2 6
(b a)3
= f "()
12
Jika interval [a,b] dibagi menjadi n pias sehingga untuk n1, h = (b-a)/n dan
xj = a + jh, j = 0,1,,n, didapat:
b n xj
I(f) = f(x)dx =
j =1 x j 1
f(x)dx
a
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
h
[ ]
n
h3
= f ( x j 1 ) f ( x j ) f " ( j )
j =1 2 12
dengan xj-1njxj.
Sehingga integralnya dapat didekati dengan
1 1
I n ( f ) = h f 0 + f1 + ... + f n =1 + f n n 1
2 2
Kesalahan In(f) terhadap I(f) adalah
En ( f ) = I ( f ) En ( f )
n
h3
= f " ( j )
j =1 12
h3n 1 n
= f " ( j )
12 n j =1
Perlu diingat bahwa
1 n
Min f " ( x)
a x b
f " ( j ) Max
n j =1 a x b
f " ( x)
~
Estimasi kesalahan asimtotis E n ( f )
En ( f ) 1 n
Limit = Limit f " ( j )h
n h2 n
12 j =1
1 n
= Limit f " ( j )h
12 n j =1
b
1
12 a
= f " ( x)dx
h2
maka En ( f ) { f ' (b) f ' (a )}
~
12
Definisi:
~
Jika En(f) adalah kesalahan eksak, sedangkan En ( f ) adalah estimasi darinya, maka
~
En ( f ) disebut estimasi kesalahan asimtotis dari En(f) jika:
~ ~
En ( f ) En ( f ) En ( f )
Limit = 1 atau Limit =0
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
n E ( f ) n En ( f )
n
(c,f(c))
y=f(x)
(b,f(b))
y =p2(x)
(a,f(a))
x
a c=(a+b)/2 b
Gambar 9 Konsep integrasi Simpson
Dalam metode Simpson fungsi f(x) didekati dengan p2(x) yang melalui 3 titik
(a,f(a)), (c,f(c)) dan (b,f(b)) dimana c = (a+b)/2.
b
( x c )( x b) ( x a )( x b) ( x a )( x c)
I2( f ) = f (a ) + f (c ) + f (b) dx
a
(a c )(a b) (c a )(c b) (b a )(b c)
=
h
[ f (a) + 4 f (c) + f (b)] dengan h = b a
3 2
Kesalahannya:
E2 ( f ) = I ( f ) I 2 ( f )
b
= ( x a )( x b)( x c) f [a, b, c, x]dx
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
y
(a b )4
64
y=w(x)
x
a c = ( a + b) / 2 b
f ( 4) ( ) 4 5
= h
24 15
h 5 ( 4)
f ( ) [a, b]
=
90
Jika interval [a,b] dibagi menjadi n pias, n 2, h = (b-a)/n, xj=a+jh untuk
j = 1,2,3,,n, sehingga
n / 2 x2 j
I( f ) = f ( x)dx n = genap
j =1 x2 j 2
h
[ ]
n/2
h 5 ( 4)
= f 2 j 2 + 4 f 2 j 1 + f 2 j f ( j )
j =1 3 90
dengan x2j-2 nj x2j
Rumus Simpson:
h
[ f 0 + 4 f1 + 2 f 2 + 4 f 3 + 2 f 4 + ... + 2 f n2 + 4 f n1 + f n ]
In ( f ) =
3
Kesalahan estimasi:
h 5 (n / 2) 2 n / 2 ( 4)
En ( f ) = I ( f ) I n ( f ) =
90 n j =1
f ( j )
h 4 (b a) ( 4)
= f ( ) [a, b]
180
(b a ) 5 ( 4 )
= f ( )
180n 4
~
Estimasi kesalahan asimtotis: E n ( f ) =
h4
180
[
f ( 3) (b) f ( 3) (a) ]
b
dengan w j ,n = l j ,n ( x)dx j = 0,1,..., n
a
Untuk nilai n = 1 dan 2 telah disajikan sebagai rumus trapesium dan Simpson.
Sekarang untuk n = 3, contoh untuk menghitung w0 adalah:
b
( x x1 )( x x 2 )( x x3 )
w0 = dx
a
( x0 x1 )( x0 x 2 )( x 0 x3 )
Jika x = x0+h, 0 3, maka:
x3
1
w0 = ( x x1 )( x x 2 )( x x3 )dx
x0 6h 3
3
1
6h 3 0
= ( 1)h ( 2)h ( 3)h hd
3
h 3h
= ( 1)( 2)( 3)d =
60 8
Jika w1, w2, w3 dihitung dengan cara di atas, akhirnya akan didapat untuk n = 3
3h
I 3 ( f ) = [ f ( x0 ) + 3 f ( x1 ) + 3 f ( x 2 ) + f ( x3 )]
8
Kesalahan pada In(f) dinyatakan sebagai berikut:
a) Untuk n genap:
E n ( f ) = C n h n +3 f ( n + 2 ) ( ) [ a, b]
n
1
(n + 2)! 0
dengan C n = 2 ( 1)...( n)d
b) Untuk n gasal:
E n ( f ) = C n h n + 2 f ( n +1) ( ) [ a, b]
n
1
dengan C n =
(n + 1)! 0
2 ( 1)...( n)d
n = 1, rumus trapesium
b
h h3
a f ( x)dx = 2 [ f (a) + f (b)] 12 f " ( )
n = 2, rumus Simpson
b
h a+b h ( 4)
5
a f ( x ) dx =
3
f ( a ) + 4 f (
2
) + f (b ) 90 f ( )
n=3
b
3h 3h 5 ( 4 )
f ( x)dx = [ f (a) + 3 f (a + h) + 3 f (b h) + f (b)] f ( )
a
8 80
n = 4, rumus Boole
b
2h a+b 8h ( 6 )
7
~
Definisi: Integrasi numerik I ( f ) yang mendekatri I(f) disebut mempunyai
~
derajat ketepatan m jika: (a) I ( f ) = I ( f ) untuk semua polinomial f(x) derajat
~
m , (b) I ( f ) I ( f ) untuk beberapa polinomial f(x) derajat m + 1
Contoh:
Pada rumus Newton-Cotes untuk n = 1, 3 dikatakan mempunyai derajat ketepatan
m = 1, 3. Sedangkan untuk n = 2, 4 mempunyai derajat ketepatan m = n + 1 = 3, 5.
Tampak bahwa rumus NewtonCotes dengan n genap menghasilkan derajat
ketepatan ekstra dibandingkan dengan n gasal.
Ada rumus NewtonCotes yang tidak menggunakan salah satu atau kedua
titik di ujung interval. Contoh yang paling sederhana adalah rumus titik tengah:
b
a + b (b a ) 3
a f ( x ) dx = (b a ) f (
2
)+
24
f " ( ) [a, b]
Rumus kompositnya:
b
n = 3:
x3
3h 3h 3
x0
f ( x)dx = [ f ( x1 ) + f ( x 2 )] +
2 4
f " ( )
n = 4:
x4
4h 14h 5
f ( x)dx = [2 f ( x1 ) f ( x 2 ) + 2 f ( x 3 )] + f ( )
( 4)
x0
3 45
n = 5:
x5
5h 95h 5 ( 4)
x0
f ( x)dx =
24
[11 f ( x1 ) + f ( x 2 ) + f ( x 2 ) + f ( x3 ) + 11 f ( x 4 )] +
144
f ( )
x n x0
dimana h = , x0 = batas bawah, xn = batas atas.
n
Sebagai ilustrasi:
1 n
f ( x)dx = w j f ( x j )
1 j =1
sama dengan nol untuk suatu polinomial f(x) dengan derajat setinggi mungkin.
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
E n (a0 + a1 x + L + a m x m ) = a 0 E n (1) + a1 E n ( x) + L + a m E n ( x)
Jadi E n ( f ) = 0 untuk setiap polinomial derajat m, bila dan hanya bila
En ( x i ) = 0 i = 0,1, K, m .
Kasus 1. n = 1 . Karena hanya 2 parameter, w1 dan x1 sehingga diperlukan 2
persamaan:
E n (1) = 0 E n ( x) = 0
1 1
1dx w
1
1 = 0 w1 = 2 xdx w x
1
1 1 = 0 x1 = 0
1
sehingga f ( x)dx =& 2 f (0)
1
1
E n ( x i ) = x i dx ( w1 x1 + w2 x 2 ) = 0 untuk i = 0,1,2,3
i i
atau w1 + w2 = 2 w1 x1 + w2 x 2 = 0
2
w1 x1 + w2 x 2 = w1 x1 + w2 x 2 = 0
2 2 3 3
3
menghasilkan rumus:
1
1 1
1 f ( x)dx = f ( 3 3 ) + f ( 3 3 )
mempunyai derajat ketelitian 3. Bandingkan dengan rumus Simpson yang
menggunakan tiga titik.
Kasus 3. untuk n, Terdapat 2n parameter {w1} dan {x1} sehingga terdapat 2n
persamaan:
E n ( x i ) = 0 i = 0,1, K,2n 1 atau
n 0 i = 1,3,K,2n 1
w x
j j
i
= 2
i = 0,2,K ,2n 2
j =1 i + 1
persamaan diatas merupakan sistem persamaan non-linier yang
penyelesaiannya tidak selalu jelas. Oleh karena itu digunakan cara lain.
f ( x)dx = w j f ( x j )
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
1 j =1
dengan titik xj adalah akar dari polinomial Legendre derajat n dalam interval
[-1,1]. Faktor pemberatnya adalah
2
wi = i = 1,2, K , n
(n + 1) Pn ( xi ) Pn +1 ( xi )
'
2 2 n +1 (n!) 4 f ( 2 n ) ( )
dan En ( f ) =
(2n + 1)[(2n)!]2 (2n)!
n x1 w1
0.3399810436 0.6521451549
5 0.9061798459 0.2369268851
0.5384693101 0.4786286705
0.0 0.5688888889
6 0.9324695142 0.1712344924
0.6612093865 0.3607615730
0.2386191861 0.4679139346
7 0.9491079123 0.1294849662
0.7415311856 0.2797053915
0.4058451514 0.3818300505
0.0 0.4179591837
8 0.9602898565 0.1012285363
0.7966664774 0.2223810345
0.5255324099 0.3137066459
0.1834346425 0.3626837834
Contoh:
1 1
3 3
1 3
644744 8 64474483
n = 1:
1
f ( x)dx = f (0.5773502692) + f ( 0.5773502692)
n = 3:
1
f ( x)dx =
1
0.5555555556 f (0.7745966692) +
0.5555555556 f (0.7745966692) +
0.8888888889 f (0)
Untuk integral pada interval umum [a,b], maka digunakan transformasi
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
sebagai berikut:
b
ba a + b + (b a ) x
1
a f (t )dt = 2 1 f 2
dx
ba n a + b + (b a) x j
= w j f
2 j =1 2
3
2
(x + x 2 + x + 1)dx = 34 , dihitung dengan kuadratur Gaussian menghasilkan:
3
1
3
1 1
1 + 3 + (3 1) 3 1 + 3 + (3 1) 3
3 1
3
3
f ( x)dx = 1.0 f 3 + 1.0 f
2 2 2
1
1 1
= f (2 + 3 ) + f (2 3 ) = 34.66666667
3 3
w( x) g
a
n ( x) g m ( x)dx = 0 nm
P ( x) P
1
n m ( x)dx = 0 nm
1
[P ( x)] dx = c(n) 0
2
n
1
Beberapa Pn(x):
P0(x) = 1
P1(x) = x
P2(x) = (3x2-1)
P3(x) = (5x3-3x) )
P4(x) = (35x4-30x2+3)
Rumus rekursiv:
2n 1 n 1
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
Pn ( x) = xPn 1 ( x) Pn 2 ( x)
n n
Polinomial Laquerre. Ln(x) orthogonal pada interval [0,] terhadap w(x) = e-x
L ( x) L
0
n m ( x)dx = 0 nm
[L ( x)] dx = c(n) 0
2
n
0
Beberapa Ln(x):
L0(x) = 1
L1(x) = -x+1
L2(x) = x2-4x+2
L3(x) = -x3+9x2-18x+6
Rumus rekursiv:
Ln ( x) = (2n x 1) Ln 1 ( x) (n 1) 2 Ln 2 ( x)
Polinomial Chebysev. Tn(x) orthogonal pada interval [-1,1] terhadap
w(x) = 1/(1-x2)
1
Tn ( x)Tm ( x)
1 1 x 2 dx = 0 n m
1
[Tn ( x)]2 dx = c(n) 0
1 1 x
2
Beberapa Tn(x):
T0(x) = 1
T1(x) = x
T2(x) = 2x2-1
T3(x) = 4x3-3x
Rumus rekursiv:
Tn ( x) = 2 xTn 1 ( x) Tn 2 ( x)
e
x2
H n ( x) H m ( x)dx = 0 nm
e [H ( x)] dx = c(n) 0
x2 2
n
Beberapa Hn(x):
H0(x) = 1
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
H1(x) = 2x
H2(x) = 4x2-2
H3(x) = 8x3-12x
Rumus rekursiv:
H n ( x) = 2 xH n 1 ( x) 2(n 1) H n 2 ( x)
e f ( x)dx = w j f ( x j )
x
0 j =1
e f (t )dt = e e f ( x + a)dx
t a x
a 0
n
= e a w j f ( x j + a)
j =1
9.837467418383 0.000261017202815
15.982873980602 8.9854790643E-07
10 0.13779347054 0.308441115765
0.729454549503 0.401119929155
1.80834290174 0.218068287612
3.401433697855 0.0620874560987
5.552496140064 0.00950151697518
8.330152746764 0.000753008388588
11.8437858379 0.000028259233496
16.279257831378 4.24931398496E-07
21.996585811981 1.83956482398E-09
29.920697012274 9.91182721961E-13
14 0.093307812017 0.21823488594
0.492691740302 0.342210177923
1.215595412071) 0.263027577942
2.269949526204) 0.126425818106
n wj xj
3.667622721751 0.040206864921
5.425336627414 0.00856387780361
7.565916226613 0.00121243614721
10.120228568019 0.000111674392344
13.130282482176 6.45992676202E-06
16.65440770833 2.2263169071E-07
20.776478899449 4.22743038498E-09
25.623894226729 3.92189726704E-11
31.407519169754 1.45651526407E-13
38.530683306486 1.48302705111E-16
48.026085572686 1.60059490621E-20
2 j 1
dengan wj = dan x j = cos( ) , j = 1, 2, ... , n
n 2n
b
ba a + b + (b a ) x
1
1
a
f (t )dt =
2 1
1 x2
1 x2 f
2
dx
(b a ) n
a + b + (b a) x j
=
2n
1 x 2j f
j =1 2
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
e f (x)dx = w j f ( x j )
x 2
j =1
2 7 4 x1 9
1
9 6 x 2 = 1
3 8 5 x3 6
Untuk menjelaskan eliminasi Gauss, maka dibentuk suatu matrik sebagai berikut:
2 7 4 9 1 0 0
[B u I ] = 1 9 6 1 0 1 0
3 8 5 6 0 0 1
Kita kalikan baris 1 dengan 1/2, tambahkan (-1 x baris 1 yang baru) kepada baris
2, dan tambahkan (3x baris 1 yang baru) kepada baris 3.
1 7 / 2 2 9/2 1 / 2 0 0
0 25 / 2 8 7/2 1 / 2 1 0
0 5 / 2 11 39 / 2 3 / 2 0 1
Operasi diatas sama dengan pembentukan/pengubahan sistem persamaan asli
menjadi
7 9
x1 x 2 + 2 x3 =
2 2
25 7
x 2 8 x3 =
2 2
5 39
x 2 + 11x3 =
2 2
Perhatikan bahwa operasi di atas jika ditulis dalam bentuk matrik adalah
1
2 0 0 2 7 4 9 1 0 0
1
1 0 1 9 6 1 0 1 0
2
1 0 1 3 8 5 6 0 0 1
2
Selanjutnya dilakukan operasi sebagai berikut: kalikan baris 2 dengan 2/25 dan
tambahkan (5/2 x baris 2 yang baru) kepada baris 3
1 7 / 2 2 9/2 1/ 2 0 0
0 1 16 / 25 7 / 25 1 / 25 2 / 25 0
0 0 47 / 5 94 / 25 7/5 1 / 5 1
Operasi terakhir mengubah sistem persamaan menjadi:
7 9
x1 x 2 + 2 x3 =
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
2 2
16 7
x2 x3 =
25 25
47 94
x3 =
25 5
Kalikan baris 3 dengan 5/47. Tambahkan ke baris 2: (16/25 x baris 3 yang baru).
Tambahkan ke baris 1: (-2 x baris 3 yang baru)
1 7 / 2 0 1/ 2 19 / 24 2 / 47 10 / 47
0 1 0 1 13 / 235 22 / 235 16 / 235
0 0 1 2 7 / 47 1 / 47 5 / 47
Akhirnya tambahkan ke baris 1: (7/2 x baris 2)
Pada eliminasi Gauss di atas secara garis besar terdiri dari beberapa langkah:
a. operasi normalisasi: elemen diagonal diubah menjadi bernilai 1
b. operasi reduksi: elemen non-diagonal diubah menjadi bernilai 0
Pada eleminasi Gauss Jordan operasi a & b dikerjakan bersamaan.
Contoh: 2x1 - 7x2 + 4x3 = 9
x1 + 9x2 - 6x3 = 1
-3x1 + 8x2 + 5x3 = 6
2 7 4 9 1 0 0
[B u I ] = 1 9 6 1 0 1 0
3 8 5 6 0 0 1
25 47
det B = 2 = 235
2 5
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
Jika matrik [B] mempunyai salah satu elemen yang mempunyai nilai kecil
sekali dibandingkan elemen yang lain, maka carapivoting yang sebelumnya
dapat memberikan hasil yang tidak akurat. Oleh karena itu dipilih elemen pivot
yang mempunyai nilai terbesar.
Contoh: -3x1 + 8x2 + 5x3 = 6
2x1 - 7x2 + 4x3 = 9
x1 + 9x2 - 6x3 = 1
3 8 5 6 1 0 0
[B u I ] = 2 7 4
9 0 1 0
1 9 6 1 0 0 1
Dipilih elemen b32 = 9 sebagai pivot
3 8 5 6 1 0 0
2 7 4 9 0 1 0
1 / 9 1 6/9 1/ 9 0 0 1 / 9
selanjutnya direduksi sebagai berikut:
35 / 9 0 31 / 3 46 / 9 1 0 8 / 9
25 / 9 0 2 / 3 88 / 9 0 1 7/9 (I)
1 / 9 1 2 / 3 1/ 9 0 0 1 / 9
Operasi 2:
35 / 93 0 1 46 / 93 3 / 31 0 8/9
235 / 93 0 0 940 / 93 2 / 31 1 67 / 93 (II)
13 / 93 1 0 41 / 93 2 / 31 0 5 / 93
Operasi 3
0 0 1 2 5 / 47 7 / 47 1 / 47
1 0 0 4 6 / 235 93 / 235 67 / 235 (III)
0 1 0 1 16 / 235 13 / 235 22 / 235
[ ?1 x ?2 ] (IIIa)
Dari hasil terakhir (III) terlihat bahwa akar persamaan {x} dapat dislesaikan, tetapi
bagaimana matrik ?1 & ?2.
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
Sebetulnya [?1] elemennya adalah elemen [B]-1, hanya letaknya tidak betul
sehingga perlu diatur untuk mendapatkan inverse [B] yang sesungguhnya.
Pembentukan I
Yang Semula I
35 / 9 0 31 / 3 46 / 9 1 0 8 / 9
25 / 9 0 2 / 3 88 / 9 0 1 7/9
1 / 9 1 2 / 3 1/ 9 0 0 1 / 9
dipindah
Yang Baru I
35 / 9 8 / 9 31 / 3 46 / 9
25 / 9
7 / 9 2 / 3 88 / 9
1 / 9 1 / 9 2 / 3 1 / 9
Pembentukan II
Yang Semula II dipindah
35 / 93 0 1 46 / 93 3 / 31 0 8/9
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
235 / 93 0 0 940 / 93 2 / 31 1 67 / 93
13 / 93 1 0 41 / 93 2 / 31 0 5 / 93
Yang Baru II
35 / 93 8 / 9 3 / 31 46 / 93
235 / 93 67 / 93 2 / 31 940 / 93
13 / 93 5 / 93 2 / 31 41 / 93
Pembentukan III
Yang Semula III
dipindah
0 0 1 2 5 / 47 1 / 47
7 / 47
1 0 0 4 6 / 235 93 / 235 67 / 235
0 1 0 1 16 / 235 13 / 235 22 / 235
11 1 1
x11 = 1 1 = 2
4 2 4
3 1
x 21 = + 1 = 2
2 2
1 1 13
x31 = 4 1 1 =
2 4 4
13 t
Jadi , {x1 } = [2, 2, ]
4
{x 2 } = [0.9375 2.5 2.5]t
{x3 } = [0.875 1.96875 2.90625]
t
M M
{x14 } = [1.0000 2.0000 3.0000]
t
Dalam metoda ini hitungan elemen vektor yang baru menggunakan elemen
vektor yang lama.
A( B + C ) = AB + AC , ( B + C ) D = BD + CD
Jika AB = BA maka A & B disebut commute
Contoh:
1 3 1 2
1 2 1
A= dan B = 2 1 dan C = (cij ) = 3 1
3 4 2 0 3 2 4
maka
0 5 15 20 10
B + C = 1 2 (B + C) A = 5 6 5
2 7 23 32 12
4 2
A( B + C ) =
0 37
3.
1 3 1 2 1 3
A = 2 0 1 dan B = 3 1 2
4 1 2 3 1 2
maka
11 4 0 4 5 11
A 2 = AA = 2 5 0 AB = 1 1 4
14 14 7 11 7 18
16 9 7 10 6 14
BA = 7 7 0 B 2 = 3 0 3
13 11 6 9 6 15
19 6 10 1 2 14
( A B)( A + B) = 5 13 7 dan A 2 B 2 = 1 5 3
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
3 4 4 5 8 8
tampak ternyata bahwa (A-B)(A+B) (A2-B2),
ternyata (A-B)(A+B) = A2-BA+AB-B2)
4. At = A tranpos G = At , gij = aji
(B + C)t = Bt + Ct, (ABD)t = DtBtAt
4 1 2 1 1 2
H adalah matrik diagonal jhj, H adalah n x n dan hij = 0 untuk i j.
Jika hii ditulis sebagai hi, matrik diagonal H sering ditulis [ h1, h2, , hn]
Perhatikan: AH adalah matrik mxn (hjaij)
n n
det (A) = a rj Arj = a is Ais
j =1 i =1
Contoh:
a11
kofaktor a11
1 4
det = 1 5 + 4( 2) = 3
2 5
atau kofaktor a12
a12
= 5 x 1 + 4 (-2) = -3
n
det A = ai1 Ai1 = a11 A11 + a 21 A21 + ... + a n1 An1
i =1
M M M M
a n1 a n 2 L a nn 0 0 L u nn
Contoh:
1 4 2 1
3 5 6 1 3B1 + B2
A=
1 0 4 5 B1 + B3
6 1 9 7 6 B1 + B4
1 4 2 1
0 17 0 4 B2 / ( 17 )
A=
0 0 2 6
0 1 21 1
1 4 2 1
0 1 0 4 / 17
A = 17
0 4 2 6 4 B2 + B3
0 1 21 1 25B2 + B4
1 4 2 1
0 1 0 4 / 17
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
A = 17 1
0 0 2 86 / 17 B3
2
0 0 21 117 / 17
1 4 2 1
0 1 0 4 / 17
A = (2)(17)
0 0 1 43 / 17
0 0 21 117 / 17 21B3 + B4
1 4 2 1
0 1 0 4 / 17
A = 34 = ( 34)(1)(1)(1)( 786 / 17 ) = 1572
0 0 1 43 / 17
0 0 0 786 / 17
Pada setiap matrik A, nxn, terdapat satu set vektor yang disebut vektor eigen
dan satu set skalar yang disebut nilai eigen.
Vektor u disebut eigen dari matrik A jhj u vektor tidal nol dan adalah suatu
skalar (yang mungkin nol nilainya), sehingga
[A] {u} = {u} (I)
Skalar disebut nilai eigen dari matrik A
Pers. (I) dapat ditulis sebagai:
[A-I]{u} = {0} (II)
Pers. (II) mempunyai penyelesaian dengan {u} tidak nol, jika
() det (A-I) = 0
() disebut fungsi karakteristik dari matrik A.
a11 a12 L a1n
a a 22 L a 2 n
A I = 21
M M L M
a n1 an2 L a nn
Contoh: Menentukan vektor & nilai eigen matrik
2 1 0
A = 1 3 1
0 1 2
2 1 0
3 1 1 1
( ) = 1 3 1 = (2 ) +
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
1 2 0 2
0 1 2
= (2 ){(3 )(2 ) 1} (2 + 0) = 3 72 + 14 8
Akar dari ()=0 adalah nilai eigen 1=1, 2=2, 3=4.
Vektor eigen untuk 1=1
2 1 1 0 0
1 3 1
1{u} = 0
0 1 2 1 0
Dengan eliminasi Gauss-Jordan
1 1 0 0 1 1 0 0 B2 + B1
1 2 1 0 B1 + B2 0 1 1 0
0 1 1 0 0 1 1 0 B2 + B3
1
Jadi vektor eigen untuk 1=1 adalah: {u}1 = u 3 1
1
Vektor eigen untuk 2=2
0 1 0 0 tampak bahwa baris 1 & 3 identik, sehingga sehingga
1
1 1{u} = 0 hanya terdapat 2 persamaan:
0 1 0 u 2 = 0
0
u1 = u 3 , u 2 = 0
u1 + u 2 u 3 = 0
Vektor eigen untuk 3=4
2 1 0 0 1 0 1 0
1 1 1{u} = 0 Gauss 0 1 2{u} = 0
0 1 2 0 Jordan 0 0 0 0
1
u1 u 3 = 0
u1 = u 3 , u 2 = 2u 3 {u}3 = u 3 2
u 2 + 2u 3 = 0 1
Langkah-langkah:
1. Rumuskan fenomena fisik ke bentuk [A]{u}={u}
2. Prakirakan vektor awal {u}0{0}
3. Hitung vektor baru {u}1=[A]{u}0
4. Faktorkan koefisien terbesar {u}1=1{u}1
5. Kembali ke langkah 3 dengan {u}0={u}1 sampai {u}1{u}0
0 5 0.166
[ A]0 = 9 = 300.300
1 1.000
0 301 1
0.166 11.780 0.351
[ A]0.300 = 18.996 = 33.5300.566
1.000 33.530 1.000
1 2 2
0.351 18.926 0.514
[ A]0.566 = 29.886 = 36.8490.811
1.000 1.000
2 36.849 3 3
0.514 25.286 0.634
[ A] 0.811 = 36.414 = 39.8690.913
1.000 1.000
3 39.869 4 4
dst akhirnya didapat
0.800
1 = 43,49 dan {u}1 = 1.000
0.965
Contoh aplikasi: Suatu elemen berbentuk piramida dalam suatu benda yang
dikenai gaya-gaya luar. Gaya normal dan geser yang sejajar sumbu-sumbu
koordinat telah diketahui, maka diinginkan bidang patahan yang mungkin terjadi
dan besarnya gaya normal yang bekerja pada bidang itu.
Kesetimbangan gaya-gaya dalam Gambar 14 sebagai berikut:
1 1 1
Fx = 0 2 dydz x + 2 dxdz yx + 2 dxdy zx + Rx = 0
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
yz y
xz Rn Rz= Rnn
x yx
dz
Rn=dA
xy
x
dx
Rx= Rn
dy
zx
zy Ry= Rnm
z
y
luas bidang miring = dA
dydz = dA cos(N,x) = dA
dxdz = dA cos(N,y) = mdA
dxdy = dA cos(N,z) = ndA
[] matrik yang elemennya terdiri dari gaya geser & normal sejajar sumbu
koordinat diketahui.
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
{u} vektor yang elemennya terdiri atas cosinus sudut bidang patahan
dengan sumbu kordinat dicari.
skalar yang merupakan/menyatakan gaya normal/tegangan normal
yang bekerja pada bidang patahan dicari.
Dalam bidang teknik sering dijumpai persamaan suatu fenomena alam yang
dinyatakan dalam persamaan diferensial biasa (PDB)
Contoh:
Problem nilai awal: y = f(x,y) dengan y(x0) = Y0
Problem nilai batas: y = g(x,y,y) dimana a<x<b
u (a) u (b) 1
A + B =
u ' (a ) u ' (b) 2
dengan A & B adalah matrik 2x2 dan 1 & 2 konstanta yg telah diketahui.
Taylor series
Taylor mengatakan bahwa suatu fungsi dengan sifat tertentu dapat dinyatakan
sebagai
h h2 h n (n )
f ( x ) = f ( x0 ) + f ( x0 ) + f ( x0 ) + ... + f ( x0 ) + ...
1! 2! n!
atau
h h2 h n (n )
y(x ) = y0 + y0 +
y 0 + ... + y 0 + ... h + x x0
1! 2! n!
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
2
y (0) = 1 1 = e 2 + c c = 0
0
Jika
Maka secara analitis y = e
x
2
y (0 ) = 1
1
y = y x0 = 0
2
y (0) =
1 1
y = y
2 2
Pers. Asli
y (0 ) =
1 1
y = y
2 4
y (0) =
1 1
y ' = y
2 8
Jadi y (x ) = 1 + x + x 2
1 1 1 3 1 4
+ x + x + ...
2 8 48 384
y = ex/2 y = 1+
1 1
x + x2 +
1 3
x
2 8 384
1 1
y = 1+ x + x2
2 8
1
y = 1+ x
2
Cara numeris untuk menyelesaikan problem nilai awal adalah diferensial hingga.
Pada metoda diferensi hingga penyelesaian pendekatan didapat pada titik-titik
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
hitung
x0 < x1 < x 2 < ... < x n < ...
Ditinjau PDB: y = f ( x, y ), y ( x0 ) = Y0
Penyelesaian pendekatannya ditulis y(x) dan nilai y(x0), y(x1), , y(xn), atau
ditulis sebagai y0, y1, , yn, sebuah pias h 0 digunakan untuk
mendefinisikan titik-titik hitung
x j = x0 + jh j = 0,1, ...
Jika akan diadakan perbandingan penyelesaian pendekatan untuk
beberapa nilai h, maka yh(x) digunakan untuk menyatakan y(x) dengan pias h.
Contoh: PDB y = y, y (0 ) = 1 Y ( x ) = e x
Rumus Euler uth h = 0.2
y n +1 = y n + 0.2 y n = 1.2 y n
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
y n +1 = a j y n j + h b j f (x n j , y n j )
p p
n p
j =0 j = 1
Jika a p 0 dan b p 0 , metoda ini disebut metoda langkah (p+1), karena (p+1)
nilai pendekatan sebelumnya digunakan untuk menghitung y n +1 . Nilai y1 , ..., y p
harus dihitung dengan cara lain.
Metoda Euler adalah metoda langkah tunggal karena p = 0, dan a 0 = 1 , b1 = 0 ,
b0 = 1 .
Jika b1 = 0 maka Y( xn +1 ) hanya terdapat pada ruas kiri, sehingga rumusnya
disebut rumus eksplisit.
Jika b1 0 , maka Y( xn +1 ) terdapat diruas kanan maupun kiri, sehingga disebut
rumus implisit.
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
a j = 1 ja j +
j =0 j =0
b
j = 1
j =1
p p
( j ) a j + i ( j ) b j
i i 1
=1 i = 2, ..., m
j =0 j = 1
Y (t )dt = f (t , Y (t ))dt
xn xn
h3
h[ f ( x n , Y ( x n )) + f ( x n +1 , Y ( x n +1 ))] Y ( n ) x n n x n +1
Y ( x n +1 ) Y ( x n ) =
1
2 12
sehingga pendekatannya menjadi
y n +1 = y n + h[ f ( x n , Y ( x n )) + f ( x n +1 , Y (x n +1 ))]
1
2
Karena rumusnya implisit, maka yn+1 dapat dihitung dengan iterasi, jadi secara
umum:
y n( +j +11) = y n +
1
2
[ ]
h f ( x n , y n ) + f (x n +1 , y n( +j )1 ) j=0, 1,
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
Langkah-langkah hitungan:
1. xn,yn telah diketahui/dihitung pada langkah sebelumnya
2. y n(0+)1 diprakirakan dgn rumus eksplisit, misalkan
y n(0+)1 = y n + hf ( x n , y n )
3. y n(0+)1 dimasukkan kedalam ruas kanan sehingga y n(1+)1 dapat dihitung
4. langkah 2 diulang s/d ketelitian yang dikehendaki
Walaupun secara umum dapat diselesaikan dengan iterasi, tetapi mungkin dapat
diselesaikan dengan cara lain atau bahkan tanpa iterasi tergantung dari (x,y).
Contoh: y= y y(0) = 1
h( y n + y n +1 )
1
Karena (x,y) = y, maka y n +1 = y n +
2
h
1+
y n +1 = 2y
h n
1
2
1.1
Untuk h = 0.2 y n +1 = y n = 1.2222 y n
0.9
y1 = 1.2222 y 0 = 1.2222 1
y 2 = 1.2222 y1 = 1.2222 1.2222 = 1.49383
Jika ditabelkan:
x yh(x) Yh(x) Yh(x)- yh(x)
0.4 1.49383 1.49182 -0.00200
0.8 2.23152 2.22554 -0.00598
1.2 3.33350 3.32012 -0.01339
1.6 4.97968 4.95303 -0.02665
2.0 7.43878 7.38906 -0.04972
= y i + hf ( xi ,y i ) +
h2
2
[
f x (xi ,y i ) + f (xi ,y i ) f y ( xi ,y i ) ]
A = B a + b = 1, bp = 12 , bq = 12
Tidak dapat diselesaikan karena hanya ada 3 persamaan dengan 4 bilangan anu
yaitu a,b,p,q. Biasanya nilai b adalah atau 1.
Untuk b = , a = , p =q = 1
Euler utk y
i +1
h 6474 8
y i +1 = y i + [ f ( xi , y i ) + f {xi + h, y i + hf ( xi , y i )}] (C)
2 1 424 3 1444424444 3
slope di xi slope di xi +1 dihitung
dgn metoda Euler
y i +1 = y i + (k1 + 2k 2 + 2k 3 + k 4 )
h
6
k1 = f ( xi , y i )
k2 = f (xi + 12 h, y i + 12 hk1 )
k3 = f (xi + 12 h, y i + 12 hk 2 )
k4 = f (xi + 12 h, y i + 12 hk 3 )
y i +1 = y i + (k1 + 3k 2 + 3k 3 + k 4 )
h
8
k1 = f ( xi , y i )
k 2 = f (xi + h 3 , y i + 13 hk1 )
k 3 = f (xi + 23 h, y i 13 hk1 + hk 2 )
k 4 = f ( xi + h, y i + hk1 hk 2 + hk 3 )
k 2 = f (xi + 12 h, y i + hk1 )
( (
k 3 = f xi + 12 h, y i + 12 1 + 2 hk1 + 1 1 ) ( 1
)hk )2
= f (x ( )hk )
2
k4 i + h, y i 1
2
hk 2 + 1 + 1
2 3
y = y y (0 ) = 1 eksak Y ( x ) = e
x
Contoh: 1
2
2
Y (1) = e 1 2 = 1.648721271
Diselesaikan dengan RK4: f ( x, y ) = 12 Y
k1 = f (x 0 ,y 0 ) = f (0,1) = 12 1 = 1
2
( ( ) ( )hk )
k 3 = f x0 + 12 h,y 0 + 12 1 + 2 hk1 + 1 1
2 2
= 1
2
[1 + ( 1 + 2 )(1)( ) + (1 )(1)( )] = 0.64331
1
2
1
2
1
2
5
8
(
k 4 = f x 0 + h,y 0 1
hk 2 + 1 + ( )hk )
1
3
= 1
2
1
2
5 1
2
y = f ( x, y )
y i +1 xi + 1
dy =
yi k
f (x, y )dx
xi k
xi +1
y i +1 = y i k + f (x, y )dx
xi k
r
f(x, y) didekati polinomial derajat r, ( x ) = a j x j
j =0
untuk k = 0, r = 3
y i +1 = y i + h
24
(55 f i 59 f i 1 + 37 f i 2 9 f i 3 ) O(h5)
untuk k = 1, r = 1
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
y i +1 = y i 1 + 2hf i O(h3)
untuk k = 3, r = 3
y i +1 = y i 3 + 43 h(2 f i f i 1 + 2 f1+ 2 ) (I) O(h5)
untuk k = 5, r = 5
y i +1 = y i 5 + 103 h(11 f i 14 f i 1 + 26 f i 2 14 f i 3 + 11 f i 4 ) O(h7)
untuk k = 3, r = 5
y i +1 = y i 3 + 2h
45
(7 f i +1 + 32 f1 + 12 f i 2 + 7 f i 3 ) O(h7)
Dari hasil di atas tampak bahwa integrasi terbuka memberikan rumus eksplisit;
sehingga hitungan tidak menggunakan iterasi. Integrasi tertutup menghasilkan
rumus implisit, sehingga membutuhkan iterasi.
Contoh:
h f ( )
14 5 ( 4 )
Pada (I) kesalahan: xi 3 xi +1
15
h f ( )
1 5 (4)
(II) kesalahan: xi 3 xi +1
90
Contoh penggunaan:
dy 1
y=0 y(0)=1 hitung y(1) = ?
dx 2
Penyelesaiaan:
Digunakan h = 0.25
D:\My Documents\Publikasi\Metoda Numerik\Metoda Numerik.doc (2028 Kb)
Euler y n +1 = y n + hf n
i xi yi f(xi,yi)
n-3 0.00 1.0000 0.5000
n-2 0.25 1.1250 0.5625
n-1 0.50 1.2656 0.6328
n 0.75 1.4238 0.7119
n+1 1.00 1.6018 0.8009
A B 4:
y n +1 = y n + [55 f n 59 f n1 + 37 f n2 9 f n3 ]
h
24
= y n + 024
.24
[55(0.7119) 59(0.6328) + 37(0.5625) 9(0.50)]
= 1.4238 + 0.18887 = 1.6127 (predictor)
A-B-M-4:
f n +1 = 12 y n +1 = 12 1.6127 = 0.8063
y n +1 = y n + h
[9 f n+1 + 19 f n 5 f n1 + f n2 ]
24
= 1.4238 + 024
.25
[9(0.8063) + 19(0.7119) 5(0.6328) + 0.5625]
= 1.4238 + 0.1894 = 1.6132 (predictor - corrector)
A-M-4:
f n +1 = 12 1.6132 = 0.8066
Iterasi 2: y n +1 = 1.4238 + 024
.25
[9(0.8066) + 19(0.7119) 5(0.6328) + 0.5625]
= 0.613216
f n +1 = 0.8066
Iterasi 3: y n +1 = 1.613217
M
f n +1 = 0.80661
Iterasi 9:
y n +1 = 1.613217
Tampak bahwa algoritma predictor-corrector sudah mencukupi dibandingkan
dengan iterasi.
Tabel hasil
Carnahan, Brice, H.A. Luther, James O. Wilkes, Applied Numerical Methods, John
Wiley & Sons, New York, 1969.
Atkinson, Kendall E., An Introduction to Numerical Analysis, John Wiley & Sons,
New York, 1989.
James, M.L., G.M. Smith, J.C. Wolford, Applied Numerical Methods for Digital
Computation with Fortran and CSMP, 2nd Edition, Harper International
Edition, New York, 1977.