Kelompok 1:
DAMAYANTI : 0703163058
Penulis
BAB 1
PENDAHULUAN
Metode yang klasik dan elegan dari kalkulus variasi modern memungkinkan
dipecahkannya sejumlah besar masalah yang berhubungan dengan optimasi
fungsional dalam Ilmu Pengetahuan. Kalkulus variasi yang dikembangkan oleh
Bernoulli, Newton dan Euler pada awal abad ke-18, sampai saat ini masih
menarik perhatian para matematikawan dan sudah banyak menjadi solusi
pemecahan masalah bagi banyak ilmuwan dan berbagai bidang teknik sebagai
pencari solusi terbaik yang mungkin ada bagi persoalan yang dihadapi.
Perkembangan kalkulus variasi sendiri pada mulanya berawal dari keinginan
dasar manusia yang ingin mendapatkan solusi terbaik atau optimal untuk
masalah-masalah matematis yang ada.2
1
Wikipedia, Kalkulus Variasi, (https://en.wikipedia.org/wiki/Calculus_of_variations,
diakses pada 14 Oktober 2019
2
Ch. Enny Murwaningtyas, ’EKSISTENSI DAN KETUNGGALAN DARI PENYELESAIAN
PERSAMAAN EULER-LAGRANGE’, Prosiding Seminar Nasional Penelitian, Pendidikan dan
Penerapan MIPA,Fakultas MIPA, Universitas Negeri Yogyakarta, 2 Juni 2012, hal. 1.
1.3 Tujuan Penelitian
1. Agar dapat memahami masalah Brachistochrone.
2. Agar dapat memahami masalah lintasan terpendek.
3. Agar dapat memahami masalah luas permukaan terkecil.
4. Agar dapat memahami masalah teorema euler.
BAB 2
PEMBAHASAN
2.1 Masalah Brachistochrone
Kurva brakistokron (dari bahasa Yunani Kuno βράχιστος χρόνος
(brákhistos khrónos), artinya "waktu tersingkat", adalah suatu kurva yang
menunjukkan waktu tercepat yang ditempuh suatu benda bermassa dari suatu titik
ke titik yang lain melewati bidang tanpa gesekan dengan gaya gravitasi yang tetap
sepanjang bidang tersebut, ternyata waktu tersingkat dicapai oleh kurva sikloid,
bukan bidang miring yang memiliki jarak terpendek maupun bidang tertinggi
yang menimbulkan percepatan terbesar.3
Kita tentukan P1=(0,0) dan P2=(x2,y2), dengan sumbu menunjuk ke arah yang
sama dengan akselerasi karena gravitasi, g. Kemudian kita meminimalkan;
3
Wikipedia, Kurva Brachistochrone,
https://en.m.wikipedia.org/wiki/Brachistochrone_curve , diakses pada 14 Oktober 2019
𝑃 𝑑𝑠
T= ∫𝑃 2 𝑣 , dimana elemen panjang busur sepanjang kurva yang kita cari adalah
1
1
𝑑𝑠 = √𝑑𝑥 2 + 𝑑𝑦 2 c dan kecepatan di sepanjang kurva, v memuaskan 𝑚𝑣 2 =
2
𝑃2 1+𝑌 ′2
Maka fungsional yang harus diminimalkan adalah 𝑇 = ∫𝑃1 √ 𝑑𝑥,
2𝑔𝑦
𝜗𝐹
identitas Beltrami berlaku:𝐹 − 𝑦 ′ 𝜗𝑦′ = 𝐶 = 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡. Sekarang,
𝜗𝐹 𝑦′
= ,dan substitusi ke dalam identitas Beltrami memberi 𝑦(1 +
𝜗𝑦 ′
√2𝑔𝑦√1+𝑦 ′2
1
𝑦 ′2 ) = 2𝑔𝐶 2 = 2𝑅.
2 𝑦 4
𝑅 = 1−𝑐𝑜𝑠𝜃 .
2
4
Christian, The Brachistochrone Problem, https://scipython.com/blog/the-
brachistochrone-problem/ diakses pada 21 Oktober 2019
Shortest path adalah pencarian rute atau path terpendek antara node yang
ada pada graph.biaya (cost) yang dihasilkan adalah minimum.
Lintasan terpendek merupakan salah satu masalah yang dapat diselesaikan dengan
menggunakan graph. Jika diberikan sebuah graph berbobot, masalah lintasan terpendek
adalah bagaimana kita mencari sebuah jalur pada graph yang meminimumkan
jumlah bobot sisi pembentuk jalur tersebut.
Lintasan terpendek merupakan salah satu masalah yang dapat diselesaikan dengan
menggunakan graph. Jika diberikan sebuah graph berbobot, masalah lintasan terpendek
adalah bagaimana kita mencari sebuah jalur pada graph yang meminimumkan
jumlah bobot sisi pembentuk jalur tersebut.
Persoalan yang diambil di sini yaitu single-source shortest path atau lintasan
terpendek dari simpul tertentu ke semua simpul yang lain Persoalan: diberikan
graf berbobot G(V, E). Tentukan lintasan terpendek dari sebuah simpul asal, a, ke
setiap simpul lainnya di G. Asumsi yang kita buat adalah bahwa semua sisi
berbobot positif. untuk mencari lintasan terpendek adalah sebagai berikut: Karena
kita harus meminimumkan panjang lintasan, maka sebagai ukuran optimasi dapat
digunakan total jarak pada lintasan yang baru dibentuk. Dalam hal ini, lintasan
dibentuk satu per satu. Lintasan berikutnya yang dibentuk ialah lintasan yang
meminimumkan jumlah jaraknya.
Persoalan lintasan terpendek yaitu menemukan lintasan terpendek antara dua atau
beberapa simpul lebih yang berhubungan.Persoalan mencari lintasan terpendek di
dalam graf merupakan salah satu persoalan optimasi.Persoalan ini biasanya
direpresentasikan dalam bentuk graf.Graf yang digunakan dalam pencarian
lintasan terpendek atau shortest path adalah graf berbobot (weighted graph), yaitu
graf yang setiap sisinya diberikan suatu nilai atau bobot. Bobot pada sisi graf
dapat menyatakan jarak antar kota, waktu pengiriman pesan, ongkos
pembangunan, dan sebagainya. Asumsi yang kita gunakan di sini adalah bahwa
semua bobot bernilai positif. Kata " terpendek " jangan selalu diartikan secara
fisik sebagai panjang minimum, sebab kata " terpendek " berbeda-beda makanya
bergantung pada tipikal perasoalan yang akan diselesaikan. Namun, secara umum
" terpendek " berarti meminimalisasi bobot pada suatu lintasan di dalam graf.
Hingga saat ini, sudah banyak algoritma mencari lintasan terpendek yang pernah
ditulis. Akan tetapi algoritma lintasan terpendek yang paling terkenal adalah
algoritma dijkstra. Algoritma dijkstra pertama kali dikembangkan oleh
E.W.Dijkstra yaitu seorang ilmuan computer berkebangsaan belanda yang pada
perkembangannya menggunakan struktur data yang berbeda-beda, serta memakai
strategi greedy, dimana pada setiap langkah dipilih sisi-sisi dengan bobot terkecil
yang menghubungkan setiap simpul yang sudah terpilih dengan simpul lainnya.
Berikut contoh dari masalah lintasan terpendek :
1. Misalkan simpul pada graf dapat merupakan kota, sedangkan sisi
menyatakan jalan yang menghubungkan dua buah kota. Bobot sisi graf
dapat menyatakan jarak antara dua buah kota atau rata-rata waktu tempuh
antara dua buah kota. Apabila terdapat lebih dari satu lintasan dari kota A
ke kota B, maka persoalan lintasan terpendek di sini adalah menentukan
jarak terpendek atau waktu tersingkat dari kota A ke kota B.
𝑑𝑦 2
𝑑𝑠 = √𝑑𝑥 2 + 𝑑𝑦 2 = √1 + (𝑑𝑥 ) 𝑑𝑥,
𝑑𝑥 2
Ds = √𝑑𝑥 2 + 𝑑𝑦 2 = √1 + (𝑑𝑦) 𝑑𝑥 .
𝑎
Min J = 2𝜋 ∫0 𝑦 √1 + 𝑦 2̇ 𝑑𝑥 s.t y(0) = A, y(a) = b
Solusi ,
𝑥+ 𝑐2
Y = 𝑐1 cosh ( )
𝑐1
𝑇
𝐽(𝑥) = ∫0 𝑓(𝑥, 𝑥̇ , 𝑡) 𝑑𝑡 (2.2)
dengan titik A(0,x(0)) dan B(T,x(T)) adalah dua titik ujung tetap, 𝑓(𝑥, 𝑥̇ , 𝑡), x(t) ∈
C2[0,T] dan 𝑥̇ ≡ dx/dt dan x adalah fungsi bernilai skalar. Masalah kalkulus
variasi adalah memilih fungsi x*(t) diantara fungsi-fungsi admissible, yaitu semua
fungsi x(t) ∈ C2[0,T] yang memiliki titik awal di A dan titik akhir di B yang
memberikan nilai maksimum atau nilai minimum untuk fungsional J(x).
𝑇
𝛿𝐽(𝑥) = ∫0 𝑔(𝑡)ℎ(𝑡)𝑑𝑡 (2.3)
dengan g(t) ∈ C[0,T] dan h(t) sebarang fungsi yang memenuhi h(0) = h(T) = 0.
Lema 2.1 ( Lema Dasar ) Misal g(t) ∈ C[0,T] dan S himpunan semua fungsi h(t)
kontinu dan dapat diturunkan di [0,T] dan h(0) = h(T) = 0 dengan T adalah tetap.
Jika
𝑇
∫0 𝑔(𝑡)ℎ(𝑡)𝑑𝑡 = 0 (2.4)
Bukti : Misalkan g(t) ≠ 0, yaitu g(t) > 0, pada [0,T]. Dengan sifat kekontinuan,
maka g(t) ≠ 0 untuk suatu selang [a,b] ∈ [0,T], dengan 0 < a < b < T. Misal h(t) ≡
(t−a)(b−t) untuk t ∈ [a,b] dan h(t) = 0,∀t 3 [a,b]. Jelas bahwa h(t) memenuhi
𝑇
persyaratan lema. Tetapi,∫0 𝑔(𝑡)(𝑡 − 𝑎_(𝑏 − 𝑡)𝑑𝑡 ≠ 0. Suatu kontradiksi.
Dengan demikian, haruslah g(t) = 0. 5
5
Effendi Syahril,Agah D. Garnadi, Kontrol Optimum dan Numeriknya pada Scilab
𝑇
Teorema 2.1 Misalkan 𝐽(𝑥) = ∫0 𝑓(𝑥, 𝑥̇ , 𝑡) 𝑑𝑡 didefinisikan pada C’[0,T] dan
memenuhi syarat batas x(0) = x0, x(T) = xT. Maka syarat perlu bagi J(x) untuk
memiliki ekstremum adalah fungsi x(t) memenuhi persamaan Euler:
𝑑
𝑓𝑥 − 𝑑𝑡 𝑓𝑥 =̇ 0 (2.5)
atau dituliskan dalam bentuk penuh, yang disebut dengan persamaan Euler-
Lagrange :
𝑇
𝛿𝐽 = ∫0 [𝑓𝑥(𝑥, 𝑥,̇ 𝑡)ℎ + 𝑓𝑥̇ (𝑥, 𝑥,̇ 𝑡)ℎ] 𝑑𝑡̇ = 0, (2.7)
dengan fx ≡ ∂f(𝑥, 𝑥,̇ 𝑡)/∂x, f𝑥̇ ≡ ∂f(𝑥, 𝑥,̇ 𝑡)/∂ 𝑥̇ dan h(t) adalah fungsi
’displacement’ merupakan fungsi kontinu sebarang dan bersifat h(0) = 0 = h(T).
Dengan melakukan integrasi
𝑇 𝑇
𝑑
∫ ℎ̇𝑓𝑥̇ = ℎ𝑓𝑥̇ |𝑇0 − ∫ ( 𝑓𝑥̇ )ℎ𝑑𝑡
0 0 𝑑𝑡
𝑇 𝑑
= 0 − ∫0 (𝑑𝑡 𝑓𝑥̇ )ℎ𝑑𝑡
𝑇 𝑑
𝛿𝐽 = ∫0 (𝑓𝑥 − 𝑑𝑡 𝑓𝑥̇ )ℎ𝑑𝑡 = 0, (2.8)
𝑑
𝑓𝑥 − 𝑓𝑥̇ ) = 0
𝑑𝑡