Disusun oleh:
Mareti Wulandari 3215153835 Angkatan 2015
Program Studi:
Pendidikan Fisika
Mata Kuliah:
Fisika Komputasi
Dosen:
Drs. Andreas Handjoko Permana, M. Si
F ma
F
a
m
di mana a = variabel terikat mencerminkan perilaku sistem, F = fungsi gaya, dan m =
parameter yang mewakili properti dari sistem. Perhatikan bahwa untuk kasus sederhana ini
tidak ada variabel bebas karena kita belum memprediksi bagaimana percepatan beragam
waktu atau ruang.
Persamaan (1.3) memiliki beberapa karakteristik yang khas dari model matematika dunia
fisik:
a) Menggambarkan proses alami atau sistem dalam hal matematika.
b) Idealisasi dan penyederhanaan realitas. Artinya, model mengabaikan rincian
diabaikan dari proses alam dan berfokus pada perwujudan esensial. Dengan demikian,
hukum kedua tidak termasuk efek dari relativitas yang dari minimal penting ketika
diterapkan pada objek dan kekuatan yang berinteraksi pada atau sekitar permukaan
bumi dengan kecepatan dan dalam skala terlihat manusia.
c) Menghasilkan hasil direproduksi dan, dapat digunakan untuk tujuan prediksi. Sebagai
contoh, jika gaya pada sebuah benda dan massa dari sebuah objek diketahui, Eq. (1.3)
dapat digunakan untuk menghitung percepatan.
Untuk menggambarkan model yang lebih kompleks seperti ini, hukum kedua Newton
dapat digunakan untuk menentukan kecepatan terminal dari gerak jatuh bebas di dekat
permukaan bumi seperti penerjun. Sebuah model untuk kasus ini dapat diturunkan dengan
mengungkapkan percepatan sebagai tingkat saat perubahan kecepatan (dv/ dt) dan
dv F
menggantikannya untuk menghasilkan:
dt m
II. Teknik dan Hukum Konservasi
Meskipun sederhana, rumusan diatas mewujudkan salah satu cara yang paling mendasar di
mana hukum konservasi digunakan dalam rekayasa yaitu, untuk memprediksi perubahan
terhadap waktu. Dan dikenal dengan nama variabel waktu khusus atau perhitungan
sementara.
Selain memprediksi perubahan, hukum konservasi diterapkan untuk kasus-kasus di mana
perubahan adalah tidak ada. Jika perubahan adalah nol, maka persamaan nya menjadi
I. Angka Signifikan
Kesalahan yang terkait dengan kedua perhitungan dan pengukuran dapat dicirikan
berkaitan dengan akurasi dan presisi mereka. Akurasi mengacu pada seberapa dekat nilai
dihitung atau diukur setuju dengan nilai sebenarnya. Presisi mengacu pada seberapa dekat
nilai-nilai dihitung atau diukur individu setuju satu sama lain.
Metode numerik harus cukup akurat atau objektif untuk memenuhi persyaratan dari
teknik permasalahan tertentu. Mereka juga harus cukup tepat untuk desain teknik yang
memadai. Dalam buku ini, kita akan menggunakan error sebagai istilah kolektif untuk
mewakili kedua ketidaktelitian dan ketidaktepatan dari prediksi. Dengan konsep ini sebagai
latar belakang, kita sekarang dapat membahas faktor-faktor yang berkontribusi terhadap
kesalahan perhitungan numerik.
Salah satu cara untuk memperhitungkan besaran dari jumlah yang dievaluasi adalah untuk
menormalkan kesalahan untuk nilai sebenarnya, seperti
𝑡𝑟𝑢𝑒 𝑒𝑟𝑟𝑜𝑟
𝜀𝑡 = 𝑥 100%
𝑡𝑟𝑢𝑒 𝑣𝑎𝑙𝑢𝑒
0,1557 x 101
0,004381 x 101 +
0.160081 x 101
I. Deret Taylor
Deret Taylor menyediakan sarana untuk memprediksi nilai fungsi pada satu titik
dalam hal nilai fungsi dan turunannya pada titik lain. Secara khusus, teorema menyatakan
bahwa setiap fungsi dapat diperkirakan sebagai polinomial.
f ( xi 1 ) f ( xi )
Hubungan ini, disebut pendekatan deret nol, menunjukkan bahwa nilai f pada titik baru
adalah sama dengan nilai pada titik tua. Hasil ini membuat rasa intuitif karena jika xi dan xi +
1 yang dekat satu sama lain, ada kemungkinan bahwa nilai baru mungkin sama dengan nilai
lama.
Rn O(h n 1 )
dimana nomenklatur O (hn + 1) berarti bahwa kesalahan
pemotongan adalah dari urutan hn+1. Artinya, kesalahan
sebanding dengan h ukuran langkah diangkat ke (n + l). Meskipun pendekatan ini
menyiratkan apa-apa mengenai besarnya turunan perkalian hn+1, hal ini sangat berguna dalam
menilai kesalahan komparatif metode numerik berdasarkan ekspansi deret Taylor. Sebagai
contoh, jika kesalahan adalah O (h), mengurangi separuh ukuran langkah akan membagi
kesalahan. Di sisi lain, jika kesalahan adalah O (h2), mengurangi separuh ukuran langkah
akan kuartal kesalahan.
c. Diferensiasi numerik
f’ (Xi) = f (xi+1) - f (xi) xi + 1 – xi + O (xi + 1 - xi)
atau
f’ (Xi) =∆ Fi / h + O (h)
turunan pertama :
f’ (Xi) ~ = (f (xi) - f (xi-1))/ h = ∇ f1/ h
di mana kesalahan adalah O (h), dan ∇ fi disebut sebagai perbedaan mundur pertama.
penggambaran grafis dari (a) depan, (b) mundur, dan (c) berpusat pendekatan terbatas-dibagi-
perbedaan turunan pertama
d. Error Propagation
Dari perkiraan diatas dapat disimpulkan. Misalkan persamaan diatas memiliki fungsi f
(x) yang bergantung pada satu variabel independen x. Asumsikan bahwa adalah perkiraan
x. Karena itu, nilai efek dari perbedaan antara x dan pada nilai fungsi adalah persaman
tersebut.
Perhitungan adalah numerik yang tidak stabil jika nilai ketidakpastian input terlalu
diperbesar dengan metode numerik. Ide-ide ini dapat dipelajari menggunakan orde pertama
Deret Taylor, yaitu
Hubungan ini dapat digunakan untuk memperkirakan kesalahan relatif dari f (x) seperti