SISTEM PERSAMAAN
Dosen Pengampu :
Oleh :
KELOMPOK 7
. .
. .
Kemudian reduksi baris dilakukan pada matriks ini. Operasi yang diizinkan adalah (1)
mengalikan setiap baris dengan konstanta, (2) menambahkan kelipatan dari satu baris ke baris
lain, (3) menukar urutan setiap baris. Tujuannya adalah untuk mengubah matriks asli menjadi
matriks segitiga atas.
Kita mulai dengan baris pertama dari matriks dan bekerja dengan cara sebagai berikut.
Pertama kita mengalikan baris pertama dengan 2 dan menambahkannya ke baris kedua, dan
menambahkan baris pertama ke baris ketiga:
Kemudian kita pergi ke baris kedua. Kami mengalikan baris ini dengan −1 dan
menambahkannya ke baris ketiga:
Persamaan yang dihasilkan dapat ditentukan dari matriks dan diberikan oleh
Persamaan ini dapat diselesaikan dengan substitusi mundur, mulai dari persamaan terakhir dan
bekerja mundur. Kita punya
Karena itu
3.2 Dekomposisi LU
Proses Eliminasi Gaussian juga menghasilkan faktorisasi dari matriks A ke
A = LU,
Di mana L adalah matriks segitiga bawah dan U adalah matriks segitiga atas. Menggunakan
matriks A yang sama seperti pada bagian terakhir, kami menunjukkan bagaimana faktorisasi ini
direalisasikan. Kita punya,
Dimana
Perhatikan bahwa M1 matriks melakukan penghapusan baris pada kolom pertama. Dua kali
baris pertama ditambahkan ke baris kedua dan satu kali baris pertama ditambahkan
baris ketiga. Entri kolom M1 berasal dari dan
) seperti yang dibutuhkan untuk penghapusan baris. Angka −3 disebut pivot.
Langakah selanjutnya adalah
Dimana
Atau
Matriks terbalik mudah ditemukan. Matriks mengalikan baris pertama dengan 2 dan
menambahkannya ke baris kedua, dan mengalikan baris pertama dengan 1 dan menambahkannya
ke baris ketiga. Untuk membalikkan operasi ini, kita perlu mengalikan baris pertama dengan by2
dan tambahkan ke baris kedua, dan gandakan baris pertama dengan −1 dan tambahkan ke yang
ketiga baris. Untuk memeriksa, dengan
Kita memiliki
Demikian pula
Itu untuk
Fitur bagus lainnya dari dekomposisi LU adalah dapat dilakukan dengan menimpa A, karena itu
menghemat memori jika matriks A sangat besar. Dekomposisi LU berguna ketika seseorang
perlu menyelesaikan Ax = b untuk x saat A sudah diperbaiki dan ada banyak b yang berbeda.
Yang pertama menentukan L dan U menggunakan Eliminasi gaussian. Lalu seseorang menulis
(LU)x = L(Ux) = b
Kita dapatkan
Contoh
Dari system peramaan linear diatas didapat persamaan matriks berikut.
Kita dapatkan
Selanjutnya
atau
Kita dapatkan
Sekarang kita cari y dengan
Didapat
Sehingga didapat
3.3 Partial Pivoting
Saat melakukan eliminasi Gauss, elemen diagonal yang digunakan selama prosedur
eliminasi disebut pivot. Untuk mendapatkan kelipatan yang benar, seseorang menggunakan pivot
sebagai pembagi elemen-elemen di bawah pivot. Eliminasi gauss dalam bentuk ini akan gagal
jika pivot adalah nol. dalam situasi ini, pertukaran baris harus dilakukan.
Bahkan jika pivot tidak identik nol, nilai yang kecil dapat menghasilkan kesalahan
pembulatan besar. Untuk matriks yang sangat besar, seseorang dapat dengan mudah kehilangan
semua akurasi dalam solusi. Untuk menghindari kesalahan pembulatan yang timbul dari pivot
kecil ini, susunan baris dibuat, dan teknik ini disebut pivot parsial (pivot parsial berbeda dengan
pivot lengkap, di mana baris dan kolom dipertukarkan). Kita akan menggambarkan dengan
contoh dekomposisi LU menggunakan pivot parsial.
Contoh :
kita menukar baris untuk menempatkan elemen terbesar (dalam nilai absolut) di posisi pivot, atau
a11. itu adalah,
Dimana,
Merupakan matriks permutasi yang ketika dikalikan di sebelah kiri, menukar baris pertama dan
kedua dari matriks. perhatikan bahwa . Kemudian langkah eliminas,
Dimana
Karena matriks permutasi yang diberikan oleh P adalah invers mereka sendiri, kita dapat menulis
hasilnya sebagai
Perkalian M di sebelah kiri oleh P menukar baris sedangkan perkalian di sebelah kanan oleh P
menukar kolom. Ini merupakan,
Hasil bersih pada M1 adalah pertukaran elemen non diagonal 1/3 dan -1/2. Kita dapat
mengalikan dengan kebalikan dari (P23M1P23) untuk mendapatkan
yang kita tulis sebagai
Untuk kenyamanan, kita hanya akan menunjukkan (P-1L) oleh L, tetapi L di sini kami
maksudkan matriks segitiga bawah permutasi.
misalnya, di MATLAB, untuk menyelesaikan Ax = b untuk x menggunakan eliminasi
gauss, satu jenis
Dimana tanda kurung diperlukan, saya akan menunjukkan solusi ini di MATLAB menggunakan
matriks A =[-2,2,-1; 6,-6,7; 3,-8,4] ;yang merupakan contoh dalam catatan.
3.4 Operasi Hitung
Untuk memperkirakan berapa banyak waktu komputasi yang diperlukan untuk suatu
algoritma, seseorang dapat menghitung jumlah operasi yang diperlukan (perkalian, divisi,
penambahan dan pengurangan). Biasanya, yang menarik adalah bagaimana skala algoritma
dengan ukuran masalah. Sebagai contoh, misalkan seseorang ingin melipatgandakan dua matriks
penuh . Perhitungan setiap elemen membutuhkan n perkalian dan penambahan ,
atau katakanlah operasi Ada elemen n2 untuk dikomputasi sehingga total operasinya
hitungannya adalah . Jika n besar, kita mungkin ingin tahu apa yang akan terjadi
waktu komputasi jika n dua kali lipat. Yang paling penting adalah yang paling cepat
berkembang, istilah urutan-terkemuka dalam hitungan operasi. Dalam contoh penggandaan
matriks ini, jumlah operasi adalah . = dan istilah urutan-teratas
adalah . Faktor 2 tidak penting untuk penskalaan, dan kami mengatakan bahwa algoritme
tersebut berskala seperti O ( ), yang dibaca sebagai "Oh besar n potong dadu." Saat
menggunakan notasi Oh besar, kami akan menghapus istilah pesanan rendah dan pengganda
konstan.
Notasi-Oh besar memberi tahu kita bagaimana waktu komputasi suatu skala berskala.
Sebagai contoh, anggaplah bahwa perkalian dua matriks besar mengambil a waktu
komputasi Tn detik. Dengan hitungan operasi diketahui seperti O ( ), kita bisa menulis
untuk beberapa konstanta yang tidak diketahui k. Untuk menentukan berapa lama perkalian dua
matriks akan mengambil, kami menulis
Berapa jumlah operasi dan karenanya skala dari eliminasi Gaussian? Pertimbangkan
langkah eliminasi dengan pivot di baris ke-i dan kolom ke-i. Sana keduanya n - i baris di bawah
pivot dan kolom di sebelah kanan pivot. Untuk melakukan penghapusan satu baris, setiap
elemen matriks di sebelah kanan pivot harus dikalikan dengan faktor dan ditambahkan ke baris
di bawahnya. Ini harus dilakukan untuk semua baris. Karenanya ada
penambahan - perkalian yang harus dilakukan untuk poros ini. Karena kami hanya tertarik pada
penskalaan algoritma, saya hanya akan menghitung penambahan perkalian sebagai satu operasi.
Untuk mengetahui jumlah total operasi, kita perlu melakukan eliminasi menggunakan n
– 1 poros, jadi itu
Oleh karena itu istilah urutan-terkemuka adalah / 3, dan kami mengatakan bahwa eliminasi
Gaussian sisik seperti O ( ). Karena dekomposisi LU dengan pivot parsial pada dasarnya
adalah eliminasi Gaussian, algoritma tersebut juga berskala seperti O ( ).
Solusi untuk ditemukan setelah menyelesaikan untuk dengan Solusi eksplisit untuk
diberikan oleh
Dosen Pengampu:
Prof. Dr. I Nengah Suparta, M.Si.
Oleh:
Kelompok 8/ Kelas 5C
I Wayan Arlan Suputra (1613011015)
I Dewa Gede Limarta Yusadi Putra (1613011018)
Jarak ri dari titik data (xi , yi),dan kurva fitting diberikan oleh
ri yi y( xi )
yi ( xi )
Kuadrat terkecil meminimalkan jumlah kuadrat dari ri. Minimum ini bisa ditunjukkan untuk
menghasilkan nilai yang paling mungkin dari dan .
Kita definisikan,
n
ri 2
i 1
n
( yi ( xi )) 2
i 1
Persamaan ini membentuk sistem persamaan linear 2 variabel dengan variabel dan
yang tidak diketahui , yang terbukti ketika ditulis ulang dalam bentuk
n n n
xi2 xi xi yi
i 1 i 1 i 1
n n
xi2 n yi
i 1 i 1
Persamaan ini dapat diselesaikan baik secara analitik, atau numerik dalam MATLAB, di
mana bentuk matriks adalah
n 2 n
n
xi xi xi y
i 1 i 1 i 1
n n
xi2 y
n i
i 1 i 1
Perlakuan statistik yang tepat untuk masalah ini juga harus mempertimbangkan perkiraan
error dalam dan serta perkiraan untuk memodelkan data.
Dimana kita mengasumsikan m fungsi f j (x) . Misalnya, jika kita ingin memasukkan
polinomial kubik ke dalam data, maka kita akan memiliki m = 4 dan mengambil f1 = 1, f2 = x,
f3 = x2 dan f4 = x3. Biasanya, banyaknya fungsi fj kurang dari banyaknya data titik, yaitu,
m<n, sehingga upaya langsung untuk menyelesaikan cj sedemikian sehingga
fungsi fitting melewati n titik data akan menghasilkan n persamaan dan m yang tidak
diketahui. Ini akan menjadi sistem persamaan linear yang ditentukan secara umum tanpa
mempunya solusi.
Kita definisikan vektor
y1 c1
y2 c2
y . , c .
. .
yn cm
Dan matriks Amn
f1 ( x1 ) f 2 ( x1 ) . . . f m ( x1 )
f1 ( x2 ) f 2 ( x2 ) . . . f m ( x2 )
A . . .
. . .
f1 ( xn ) f 2 ( xn ) . . . f m ( xn )
Dengan m n , persamaan Ac y yang telah ditentukan. Kita dapat
r y Ac
Dengan vektor sisanya, dan didapat
n
ri 2
i 1
c T AT y c T A T y
T
y T Ac
Oleh karena itu,
y T y 2 y T Ac cT AT Ac
Untuk menemukan minimum dari , kita perlu menyelesaikan 0 untuk j = 1,...,m.
c j
Untuk mendapatkan turunan dari , kita beralih ke notasi tensor, menggunakan penjumlahan
konvensi Einstein, di mana indeks berulang dijumlahkan pada rentangannya. Kita bisa
menuliskan
yi yi 2 yi Aik ck ci AikT Akl cl
Dengan parsial derivative, kita mempunyai
c c c
2 yi Aik k i AikT Akl cl ci AikT Akl l
c j c j c j c j
Sekarang,
c j
1, jika i j dan 0 untuk lainnya
c j
Oleh karena itu,
2 yi Aij ATjk Akl cl ci AikT Akj
c j
Sekarang,
ci AikT Akj ci Aki Akj
Akj Aki ci
ATjk Aki ci
ATjk Akl cl
2 yi Aij 2 ATjk Akl cl
c j
Dosen Pengampu:
Prof. Dr. I Nengah Suparta, M.Si.
Oleh:
Kelompok 9
I Kadek Dwi Mandala Putra NIM. 1613011080/VD
JURUSAN MATEMATIKA
SINGARAJA
2018
i
Interpolasi
Di bangku sekolah sering kita menghitung nilai fungsi atau koordinat ketika
telah diberikan f (x) dan himpunan titik x (domain) atau mencari domain dari fungsi
ketika diberikan ‘range’nya. Misalnya diberikan f (x) = x2 + 2 dengan x = 1, 2 dan 3,
maka dengan cara mensubstitusi nilai x ke f (x) diperoleh (1, 3),(2, 6), dan (3, 11).
Yang jadi pertanyaannya sekarang, jika diketahui himpunan titik-titik (koordinat),
bagaimana cara mendefinisikan atau mengkonstruksikan fungsinya? Salah satu cara
yang biasa dilakukan adalah dengan Interpolasi.
Interpolasi adalah metode atau proses pencarian dan perhitungan nilai suatu
fungsi yang grafiknya melalui sekumpulan titik yang diberikan. Titik-titik tersebut
mungkin merupakan hasil eksperimen dalam sebuah percobaan, atau diperoleh dari
sebuah fungsi yang diketahui. Fungsi interpolasi biasanya dipilih dari sekelompok
fungsi tertentu, salah satunya adalah fungsi polinomial yang paling banyak dipakai.
Pertimbangkan masalah berikut: diberikan nilai dari sebuah fungsi yang telah
diketahui y = f(x) pada sebuah barisan titik x0, x1, x2, …, xn, temukan f(x) untuk
sembarang x. Ketika x0 < x < xn, masalah tersebut dinamakan Interpolasi. Ketika x <
x0 atau x > xn, masalah tersebut dinamakan Ekstrapolasi.
Dengan yi = f(xi), masalah interpolasi pada dasarnya adalah salah satu
penggambaran sebuah kurva halus yang melalui titik-titik yang diketahui (x0, y0), (x1,
y1), …,(xn, yn). Permasalahan ini tidak sama dengan menggambar sebuah kurva halus
yang mendekati himpunan titik data yang mempunyai kesalahan percobaan. Masalah
yang terakhir ini dinamakan pendekatan kuadrat terkecil.
Disini, kita akan meninjau tiga algoritma interpolasi: (1) interpolasi
polinomial, (2) interpolasi linear sebagian, dan (3) interpolasi cubic spline.
1. Interpolasi Polinomial
n + 1 titik (x0, y0), (x1, y1), …,(xn, yn) bisa diinterpolasi dengan polinomial unik
berderajat n. Ketika n = 1, polinomial tersebut adalah fungsi linear, ketika n = 2,
polinomial tersebut adalah fungsi kuadrat. Ada tiga algoritma standar yang bisa
digunakan untuk mengkonstruksi interpolasi polinomial unik ini, dan kami akan
1
menyajikan ketiganya disini, tidak terlalu banyak namun berguna, dan sangat menarik
untuk dipelari bagaimana ketiga algoritma tersebut dikontruksi.
Ketika mendiskusikan setiap algoritma, kita mendefinisikan Pn(x) untuk
polinomial berderajat ke-n yang melewati n + 1 titik data yang diberikan.
1.1 Polinomial Vandermonde
Polinomial vandermonde ini adalah konstruksi paling mudah dari interpolasi
polinomial Pn(x). Dengan sederhana, kita dapat tuliskan
Pn ( x) c0 x n c1 x n 1 ... c n
n 1
y1 c0 x1 c1 x1 ... c n1 x1 c n
n
n 1
y n c0 x n c1 x n ... c n 1 x n c n
n
2
x0 3 x0
2
x0 1 c 0 y0
3
x1 x1
2
x1 1 c1 y1
3 =
1 c 2 y
2
x2 x2 x2
2
x 3 1 c 3 y
2
3 x3 x3 3
1 1 1 1 c 0 0
0 0 0 1 c1 0
=
1 1 1 1 c 2 0
8 1 c 3 6
4 2
1 1 1 1 0
0 0 0 1 0
1 1 1 1 0
8 6
4 2 1
Untuk mendapatkan solusinya, digunakan Gauss Elemination
1 1 1 1 0
0 0 0 1 0
1 baris ke-2, ke-3, dan ke-4 dikurangi baris ke-1
1 1 1 0
8 6
4 2 1
1 1 1 1 0
1 1 1 0 0
2 0 baris ke-3 dibagi dengan 2, baris 3 dibagi dengan 3
2 0 0
9 6
3 3 0
1 1 1 1 0
1 1 1 0 0
1 baris ke-3 dikurangi baris ke-2
0 1 0 0
3 1 1 2
0
1 1 1 1 0
1 1 1 0 0
0 1 baris ke-4 dikurangi baris ke-2
0 0 0
3 1 1 2
0
3
1 1 1 1 0
1 1 1 0 0
0 1 baris ke-4 dibagi dengan 2
0 0 0
2 2 0 2
0
1 1 1 1 0
1 1 1 0 0
0 1 baris ke-4 dikurangi baris ke-3
0 0 0
1 1 1
0 0
1 1 1 1 0
1 1 1 0 0
0 1 0 0 0
1 1
0 0 0
Didapatkan persamaan linear dari persamaan matriks diatas
c0 c1 c 2 c3 0 c3 0
c0 c1 c 2 0 c 2 1
c1 0
c0 1
Jadi, interpolasinya adalah
Pn ( x) c0 x n c1 x n 1 ... c n
P3 ( x) x 3 x
4
1.2 Polinomial Lagrange
Polinomial lagrange adalah konstruksi paling bagus dari polinomial
interpolasi Pn(x), dan mengarah langsung ke formula analitik. Polinomial lagrange
adalah jumlah dari n + 1 bentuk dan setiap bentuk itu sendiri adalah polinomial
berderajat n. Perhitungan dimulai dari 0, bentuk ke-i dari polinomial lagrange
dikonstruksi dengan mengharuskannya menjadi nol pada xj, dengan j i, dan sama
dengan y ketika j = i. polinomial lagrange bisa ditulis dengan
Dapat dilihat dengan jelas bahwa bentuk pertama sama dengan nol ketika x =
x1, x2, …,xn dan sama dengan y0 ketika x = x0. Bentuk kedua sama dengan nol ketika x
= x0, x2, …, xn dan sama dengan y1 ketika x = x1. Dan bentuk yang terakhir sama
5
dengan nol ketika x = x0, x1, …, xn-1 dan sama dengan yn ketika x = xn. Keunikan
interpolasi polinomial mengartikan bahwa polinomial lagrange harus polinomial
interpolasi.
Contoh soal:
Konstruksikan P2(x) dari titik-titik yang diketahui berikut (0,-1), (1,-1) dan (2,7).
Penyelesaian :
Diketahui 3 titik yaitu (x0, y0) = (0, -1), (x1, y1) = (1, -1), dan (x2, y2) = (2, 7), maka
rumusnya yaitu
( x x1 )( x x2 ) y0 ( x x0 )( x x2 ) y1 ( x x0 )( x x1 ) y 2
P2 ( x)
( x0 x1 )( x0 x2 ) ( x1 x0 )( x1 x2 ) ( x2 x0 )( x2 x1 )
( x 1)( x 2)( 1) ( x 0)( x 2)( 1) ( x 0)( x 1)(7)
P2 ( x)
(0 1)(0 2) (1 0)(1 2) (2 0)( 2 1)
6
1.3 Polinomial Newton
7
Sistem persamaan linear ini adalah segitiga yang lebih rendah seperti yang dapat
dilihat dari bentuk matriks
Dan secara teoritis dapat diselesaikan lebih cepat dari pada polinomial
Vandermonde. Namun dalam praktiknya, ada sedikit perbedaan karena interpolasi
polinomial hanya berguna ketika jumlah titik yang diinterpolasi kecil.
Contoh soal:
Konstruksikan P2(x) dari titik-titik yang diketahui berikut (2,3), (6,5), (10, 6) dan
(12,8) dengan menggunakan polinomial newton.
Penyelesaian :
8
Substitusi ke persamaan,
maka,
9
2. Interpolasi Linier Piecewise
g ( x) g i ( x), untuk xi x xi 1
Dimana
dan
10
Kita sekarang membutuhkan untuk melewati titik akhir dan
. Kita punya
Contoh soal:
Pada data percobaan pemanasan sampel bahan diketahui bahwa setelah pemanasan 5
menit suhu bahan 42° Celcius dan setelah pemanasan 10 menit suhu bahan menjadi
48° Celcius. Perkiraan suhu benda setelah pemanasan 7 menit dengan interpolasi
linear piecewise!
Pembahasan :
x1= 5 menit
y1 = 42° Celcius
x2 = 10 menit
y2 = 48° Celcius
x = 7 menit
( y 2 y1 )
y x x1 y1
( x2 x1 )
(48 42)
y 7 5 42
(10 5)
11
y
(6)
2 42
(5)
y 2,4 42
y 44,4
Jadi, suhu bahan 44, 4° Celcius.
3. Interpolasi Spline Kubik
Untuk mencapai interpolasi yang mulus kami memaksakan g(x) dan yang pertama
dan kedua turunannya kontinu. Persyaratan bahwa g(x) adalah kontinu (dan berjalan
melalui semua n + 1 poin) menghasilkan dua kendala
Persyaratan bahwa
12
Ada n polynomial kubik dan setiap polynomial kubik memiliki empat
koefisiensi; Oleh karena itu ada total koefisien 4n yang tidak diketahui. Jumlah
membatasi persamaan dari (5.1)-(5.4) adalah . Dengan
menipustraints dan 4n tidak diketahui, diperlakukan dua kondisi lagi untuk
solusi yang unik. Ini biasanya dipilih sebagai kondisi tambahan pada pertama
dan polynomial terakhir. Kami akan membahas kondisi tambahan ini nanti.
Kami akan mempertimbangkan empat kondisi (5.1) – (5.4) secara bergantian. Dari
(5.1) dan (5.5) kami memiliki
dan
Sekarang, dari (5.2) dan (5.5), menggunakan (5.8) kita memperoleh n persamaan
13
Dari (5.3) dan (5.6) kami memperoleh persamaan n-1
Akan bermanfaat untuk memasukkan definisi koefisien bn, yang sekarang hilang.
(indeks koefisien polynomial kubik hanya naik ke n-1.) kami cukup memperpanjang
(5.11) hingga I = n-1 dan ditulis
Persamaan yang valid untuk i=0 sampai n-2. Oleh karena itu (5.15) mewakili n-1
persamaan untuk koefisien b yang tidak diketahui. Oleh karena itu, kami menulis
persamaan matriks untuk koefisien b, membiarkan baris pertama dan terakhir tidak
ada, sebagai
Dari nilai yang diketahui, dan menggunakan (5.6) dan (5.14), kita memiliki
Beri nilai yang diketahui, dan menggunakan (5.6), (5.13), dan (5.14), kita memiliki
Cara kedua menentukan persamaan pertama dan terakhir yang hilang disebut kondisi
tidak simpul, yang menganggap itu
16
Mempertimbangkan persamaan pertama, dari (5.5) yang kita miliki
Sekarang dua polynomial kubik dapat dibuktikan identik jika pada beberapa nilai x,
polynomial dan tiga turunan pertamanya adalah identik. Kondisi kami kontinuitas
pada x = x1 sudah mensyaratkan bahwa pada nilai x kedua polynomial ini dan dua
turunan pertama mereka identic. Polinomial itu sendiri akan identic kemudian jika
turunan ketiganya juga identic pada x = x1, atau jika
Yang memberikan kita persamaan pertama yang hilang. Argumen serupa di x = xn-1
juga memberi kita persamaan terakhir kami,
17
MATLAB subroutines spline.m dan ppval.m dapat digunakan untuk spline kubik
interpolasi (lihat juga interp1.m). Saya akan menggambarkan rutinitas ini dikelas dan
pos kode sampel di situs web khusus.
Contoh soal :
x 0 1 2 3
y 0 1 4 5
Penyelesaian:
h1 = h2 = h3 = h4 = 1
Dan beda terbagi pertama, dengan mengingat bahwa di = f(xi) = yi, yaitu :
d1 d 0 d d1 d d2
1, 2 3, 3 1
h0 h1 h2
2 1 0 0 b0 1 2 3
1 4 1 0 b1 3 1 6
. 3
0 1 4 1 b2 1 3 6
0 2 b3 2 1 3
0 1
b0 = -3, b1 = 6, b2 = -6, b3 = -3
1
c0 1 (3 2(3)) 2
3
1
c1 3 (3 2(3)) 2
3
1
c 2 3 (3 2(3)) 2
3
3 (3)
a0 2
3
33
a1 2
3
3 (3)
a2 2
3
s 0 2 x 3 3x 2 2 x, untuk x [0,1]
19
RESUME METODE NUMERIK
BAB VI
INTEGRASI
Oleh:
Kelas : V C
∫ ( ) ( )
menghitung integral tertentu ini secara numerik disebut integrasi numerik, kuadrat
numerik, atau kudrat sederhana lainnya.
∫ ( ) ( )
( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( )
( )
( ) ( )
( ) ∫ ( ) ( ) ( ) ( )
( )
( )
)
Substitusi variabel dengan dan . Kemudian
sederhanakan dengan menentukan apakah dia fungsi genap atau ganjil,
sehingga didapatkan
( ) ( )
( ) ∫ ( ( ) ( ) ( )
( )
( ) )
( ) ∫ ( ( ) ) ( ) )
∫ ∫
Sehingga :
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
dan
( ) ( ) ( ) ( ) ( ) ( )
( ( ) ( )) ( ) ( ) ( )
( ( ) ( ))
( ( ) ( )) ( ) ( )
( ( ) ( )) ( ) ( ) ( )
6.1.3 Aturan Simpson’s
Untuk memperoleh aturan simpson’s kita menggabungkan aturan titik
tengah dan aturan trapesium untuk mengeliminasi galat untuk .
Mengalikan (6.3) dengan 2 dan menambahkan ke (6.4). kita dapatkan
( ( ) ( ( ) ( ))) ( ) ( )
atau
( ( ) ( ) ( )) ( )
( ( ) ( ) ( )) ( ) ( )
Kita mengira bahwa fungsi f(x) diketahui pada titik n+1 yang di beri label
X0,X1,…,Xn dengan titik akhir yang di berikan oleh x0=a , x1=b. Mendefinisikan :
fi=f(xi), hi = xi+1 - xi
∫ ( ) =∑ ∫ ( )
=∑ ∫ ( )
∫ ( ) ∑ ( )
Jika titik-titik tersebut tidak diberikan jarak secara merata , data adalah suatu
Xi = a + ih , i = 0,1,…,n
Aturan trapezium komposit untuk titik-titik ruang yang merata kemudian akan
menjadi :
∫ ( ) ∑ ( ))
( )
Istilah pertama dan terakhir memiliki kelipatan satu, semua istilah lainnya
Kami telah mempertimbangkan aturan simpson komposit untuk titik ruang yang
merata. Kami menerapkan aturan simpson pada interval 2h, mulai dari a dan
berakhir pada b.
∫ ( ) ( ) ( )
( )
Perhatikan bahwa n harus genap agar skema ini berfungsi menggabungkan istilah,
kami mempunyai :
∫ ( ) ( )
Istilah pertama dan terakhir memiliki kelipatan satu, istilah yang diindeks genap
memiliki kelipatan 2,istilah yang diindeks ganjil memiliki kelipatan 4 dan seluruh
dimana O (h3) menandakan bahwa ketika h kecil, membagi dua jarak grid h
mengurangi kesalahan dalam aturan trapesium elementer dengan faktor delapan.
Kami menyebut istilah yang diwakili oleh O (h3) sebagai Kesalahan Lokal.
Yang lebih penting adalah Kesalahan Global yang diperoleh dari rumus
komposit (6.7) untuk aturan trapesium. Dengan kata lain, kita punya
h h5
I ( f (a) 4 f (c) f (b)) f ' ' ' ' ( ) ,
3 90
Selanjutnya
h5
E1 C,
90
h5 1
E2 4
C E1
2 .90 16
diperoleh
S1 E1 S 2 E2
Dan
E1 16E 2
1
E2 ( S 2 S1 )
15
maka kita dapat menerima S 2 sebagai I. Jika toleransi tidak tercapai untuk I,
maka kita melanjutkan ke tahap 2.
Perhitungan di tahap 2 selanjutnya membagi interval integrasi dari a ke b ke
dalam dua interval integrasi a ke c dan c ke b, dan melanjutkan dengan prosedur
di atas secara independen pada kedua bagian. Integrasi dapat dihentikan pada
salah satu setengah asalkan toleransi kurang dari tol / 2 (karena jumlah kedua
kesalahan harus kurang dari tol). Jika tidak, setengahnya dapat dilanjutkan ke
tahap 3, dan seterusnya.
Sebagai catatan, dua nilai yang saya berikan di atas (untuk integrasi dengan
ukuran langkah h dan h / 2) dapat digabungkan untuk memberikan nilai yang lebih
akurat
16S 2 S1
I O(h 7 )
15
di mana istilah kesalahan O(h 5 ) kira-kira membatalkan. Rumus ini bisa disebut
ekstrapolasi Richardson.
METODE NUMERIK
Oleh
KELOMPOK 11
KELAS V D
BAB VIII
PENYELESAIAN NUMERIK DARI PERSAMAAN DIFERENSIAL BIASA
1. Metode Euler
Metode ini adalah metode terlama dan paling sederhana. Pada metode ini, ditentukan
perubahan ∆y (positif atau negative) pada y yang sesuai pada pertambahan argument x.
Pandang PD : ( ) ( )
Mengingat definisi :
( )
= ( )
Penyelesaian :
Langkah 1 :
Langkah 2 :
Langkah 3 :
x y y+x y-x
PD :
( )
Penyelesaian ;
Maka ;
Maka ; ( )
Maka ; ( )
Maka ; ( )
Maka ; ( )
2. Metode Euler yang dimodifikasi
Pandang PD ; y’ = f(x,y) ; y(x0) = y0 ............................................................................ (1)
Persamaan (1) diselesaikan untuk nilai-nilai y pada x = xs = x0 + sh ; (s = 1, 2, .............).
Dengan mengintegralkan (1) diperoleh :
∫ ( ) ............................................................................................... (2)
⟦ ( ) ( )⟧............................................................................ (3)
( ) ( )
* ( ) ( )+
( )
( )
Diulang lagi diperoleh :
Jadi diambil y1 = 1.0513 ; (benar s/d 4 D)
Berilutnya dengan x1 = 0.05 , y1 = 1.0513 dan h = 0.05 ;
Untuk memperoleh y2 inilah nilai y pada x = 0.1
( )
Hasil-hasil itu adalah :
( )
( )
∫ ( )
( )
Pendekatan pertama: ( ) ∫ ( )
( ) ( )
Pendekatan Kedua : ( ) ∫ ( ( ))
( ) ( )
Pendekatan Ketiga : ( ) ∫ ( ( ))
3. Metode Picard
dy
Pandang PD: f ( x, y) .........................................................................................(1):
dx
x
y y0 f ( x, y
x0
0 )dx
Pendekatan
x
Pertama: y (1) ( x) y 0 f ( x, y)dx
x0
Pendekatan
x
Kedua: y ( 2) ( x) y 0 f ( x, y
x0
(1) ( x))dx
Pendekatan
x
Ketiga: y (3) ( x) y 0 f ( x, y
x0
( 2) ( x))dx
Jika dilakukan pendektan sebnayak n+1 kali maka tersapat pendekatanb kle n+1 yaitu:
x
y ( n1) ( x) y 0 f ( x, y
x0
( n) ( x))dx
Karena x masih sembarang, maka tiap pendektakan merupakan deret kuasa dari x.
Contoh:
dy
x2 y2
dx
Penyelesaian
y (1) y 0 0
x
1
y ( 2) ( x) x 2 dx x 3
0 3
1
x
1 1
y (3) ( x) x 2 x 6 dx x 3 x 7
0 9 3 63
x
2 1 3 1 7 2 1 1 7 1 11 1
y ( 4 ) ( x) x x x dx x 3 x x x15
5 63 3 63 2079 59535
0
x
1 2 10 13 14 1 1 2 11 13
y (5) ( x) x 2 x 6 x x ....dx x 3 x 7 x x15 ....
0 9 189 14553 3 63 2079 218295
Contoh 2
dy
x y
dx
Penyeleseian:
x
1 2
y (1) ( x) 1 ( x 1)dx 1 x x
0
2
x
1 2 1
y ( 2) ( x) 1 (1 x x )dx 1 x x 2 x 3
0 2 3!
x
x ........1
1 3 1 1 4
y (3) ( x) 1 (1 x x 2 x )dx 1 x x 2 x 3
0 3! 3 24
0,001 0,0001
y(0.1)= 1 0,1 0,01 1,1103
3 24
lalu untuk x=0,1 maka y=1,1103 ini diambil sebAgai syarta pokok
x
1 2
y (1) ( x) 1,1103 ( x 1,1103)dx 0,9943 1,1103 x x
0,1 2
x
1 2 1
y ( 2) ( x) 1,1103 ( x x 1,1103 x 0,9943)dx 1,001 9943 x 1,0552 x 2 x 3
0 2 6
x
1 3 1 4
y (3) ( x) 1,1103 (1,001 0,9943 x 1,0552 x 2 x x)dx 1 1,001x 0,9972 x 2 0,351`7 x 3 x
0 6 24
Di x=0,2 didapat:
0,1
4
24
METODE NUMERIK
OLEH:
JURUSAN MATEMATIKA
2018
I. Metode Taylor
dy
Pandang PD : f ( x, y ) .................................................................... (1)
dx
di sini f (x, y) merupakan fungsi bernilai tunggal untuk setiap x dan y.
Andaikan diketahui untuk x = xo maka y = yo. Untuk mendapatkan nilai-
nilai pendekatan dari y di titik-titik:
x1 = xo + h ; x2 = xo + 2h ... xk = xo + kh. ;
di mana h adalah jarak yang dipilih sepanjang ab – x, digunakan metode
“selangkah demi selangkah”.
Jika x = xo bukan titik singular dari fungsi, maka fungsi y dapat
diperderetkan menurut deret Taylor, yaitu:
atau :
h (1) h 2 ( 2) h 3 (3)
y( xo h) yo yo yo yo
1! 2! 3!
di sini:
yo y( xo )
dy
, x xo
(1)
yo
dx
atau:
h (1) h 2 ( 2) h (3)
y1 yo yo yo yo ................................................ (2)
1! 2! 3!
maka untuk menghitung yk+1 dengan diketahui x = xk , adalah:
( 2)
h yk
y k 1 y k y k h 2 ............................................................ (3)
(1)
1! 2!
Karena y’ ditentukan dalam bentuk (1) dalam suku-suku x dan y, maka
koefisien-koefisien dalam (2) atau (3) dapat ditentukan dari (1).
Contoh : 1. Tentukan ekspansi dari y, jika diketahui PD :
dy
0,1( x 3 y 2 ); y (0) 1.
dx
Penyelesaian :
Di sini xo = 0 dan yo = 1.
0,1( x 3 y 2 ) 0 0,1( x03 y02 ) 0,1
(1)
yo
2; y0 1; y0 1 ext.
(1) ( 2) (3)
y0
y 2 2x 0,5x 2 0,167 x 3
=x+y+t
= x – t ; jika :
untuk t = 0 , maka y = 1, x = 0, = -1
Penyelesaian :
x(1) = x + y + t
y(1) = z
z(1) = x – t
dengan memasukkan syarat pokok, didapat :
x0(1) = (x + y + t)0 = 1
y0(1) = z0 = -1
z0(1) = (x – t)0 = 0
x0(2) = (x(1) + y(1) + 1)0 = 1
y0(2) = z0(1) = 0
z0(2) = (x0(1) – 1) = 0
x0(3) = (x0(2) + y0(2)) = 1
y0(3) = z0(2) = 0
z0(3) = (x0(2)) = 1
x0(4) = x0(3) + y0(3) = 1
y0(4) = z0(3) = 0
z0(4) = x0(3) = 1
+……………………………………………………(1)
Dimana atau
[ ( )
( )
……………………(2)
Karena :
(3)
………………………………….(4)
Diketahui disini bahwa , maka :
…………………………….(5)
Bentuk (5) ini adalah rumus extrapolasi dari Milne. Untuk mendapatkan
rumus “Checking” bentuk (1) diintegralkan dari sampai atau
dari s/d maka :
( ).
...……………………………………(6)
Disini , maka :
………………………………...(7)
………………………………(8)
…………………………………(9)
Contoh :
Diketeahui nilai-nilai :
Yx Y y’
0,0 1,000 1,000
0,1 1,1103 1,2103
0,2 1,2428 1,4428
0,3 1,3997 1,6997
dari persamaan differensial ini :
=x+y
………………………...(2)
dimana :
(3)
Contoh :
Diberikan PD :
Ditanyakan : a) y(0,2) ; b) y(0,4).
Penyelesaian :
a.
4
44
888