Metode Numerik Untuk ODE dan PDE

Persamaan diferensial biasa (ODE) dan persamaan diferensial parsial (PDE)

memainkan peran sentral dalam pemodelan masalah teknik, matematika, fisika,
aeronautika, astronomi, dinamika, elastisitas, biologi, kedokteran, kimia, ilmu
lingkungan, ekonomi, dan banyak bidang lainnya . Bab 1-6 dan 12 menjelaskan
pendekatan utama untuk memecahkan ODE dan PDE secara analitis. Namun,
dalam karir Anda sebagai insinyur, ahli matematika terapan, atau fisikawan Anda
akan menghadapi ODE dan PDE yang tidak dapat diselesaikan dengan metode
analitik tersebut atau yang solusinya sangat sulit sehingga diperlukan pendekatan
lain. Justru dalam proyek-proyek dunia nyata inilah metode numerik untuk ODE dan
PDE digunakan, seringkali sebagai bagian dari paket perangkat lunak. Memang,
perangkat lunak numerik telah menjadi alat yang sangat diperlukan bagi insinyur.
Bab ini dibagi secara merata antara angka untuk ODE dan angka untuk PDE. Kami
mulai dengan ODE dan berdiskusi, dalam Sec. 21.1, metode untuk ODE orde
pertama. Gagasan awal utama adalah bahwa kita dapat memperoleh perkiraan
solusi ODE pada titik-titik yang jaraknya h terpisah dengan menggunakan dua istilah
pertama rumus Taylor dari kalkulus. Kami menggunakan perkiraan ini untuk
membuat rumus iterasi untuk metode yang dikenal sebagai metode Euler. Meskipun
metode ini agak tidak stabil dan penggunaan praktisnya sedikit, metode ini berfungsi
sebagai alat pedagogis dan titik awal menuju pemahaman metode yang lebih
canggih seperti metode Runge-Kutta dan variannya metode Runga-Kutta-Fehlberg
(RKF), yang merupakan populer dan bermanfaat dalam praktik. Seperti biasa dalam
matematika, seseorang cenderung menggeneralisasi ide-ide matematika. Metode
Sec. 21.1 adalah metode satu langkah, yaitu, perkiraan saat ini hanya menggunakan
perkiraan dari langkah sebelumnya. Metode multistep, seperti metode Adams-
Bashforth dan metode Adams-Moulton, menggunakan nilai yang dihitung dari
beberapa langkah sebelumnya. Kami menyimpulkan angka untuk ODE dengan
menerapkan metode Runge – Kutta – Nyström dan metode lain untuk ODE dan
sistem ODE yang lebih tinggi.
Angka-angka untuk PDE mungkin bahkan lebih menarik dan cerdik daripada
untuk ODE. Kami pertama-tama mempertimbangkan PDE dari tipe elips (Laplace,
Poisson). Sekali lagi, rumus Taylor berfungsi sebagai titik awal dan memungkinkan
kami mengganti turunan parsial dengan selisih yang berbeda. Hasil akhirnya
mengarah ke mesh dan skema evaluasi yang menggunakan metode Gauss-Seidel
(di sini juga dikenal sebagai metode Liebmann). Kami melanjutkan dengan metode
yang menggunakan grid untuk memecahkan masalah Neuman dan campuran
(Bagian 21.5) dan menyimpulkan dengan metode Crank-Nicholson yang penting
untuk PDE parabola di Sec. 21.6.
Bagian 21.1 dan 21.2 dapat dipelajari segera setelah C hap. 1 dan Sec. 21.3
segera setelah C haps. 2–4, karena bagian-bagian ini tidak tergantung pada Bab. 19
dan 20. Bagian 21.4–21.7 tentang PDE dapat dipelajari segera setelah C hap. 12
jika siswa memiliki pengetahuan tentang sistem linear dari persamaan aljabar.
 Metode Untuk ODE Orde 1
Lihatlah bagian. 1.2, di mana kami memperkenalkan secara singkat metode Euler
dengan sebuah contoh. Kami akan mengembangkan metode Euler dengan lebih ketat.
Perhatikan dengan cermat pada turunan yang menggunakan rumus Taylor dari kalkulus untuk
memperkirakan solusi untuk ODE orde pertama pada titik-titik yang berjarak (h) terpisah.
Jika Anda memahami pendekatan ini, yakni khusus numerik pada ODE, maka Anda akan
lebih mudah memahami metode lain. Dari BAB. 1 kita tahu bahwa orde pertama ODE
berbentuk F(x, y, y’) = 0 dan sering dapat ditulis dalam bentuk eksplisit y’=f(x,y). Masalah
nilai awal untuk persamaan ini adalah dari bentuk:
(1) y’=f(x,y), y(x0)=y0
di mana x0 dan y0 diberikan dan kami mengasumsikan bahwa masalah memiliki solusi
unik pada beberapa interval terbuka a < x < b yang mengandung x0.
Pada bagian ini kita akan membahas metode yang menghitung nilai perkiraan numerik
dari solusi y(x) persamaan (1) pada titik yang sama di sumbu x

di mana ukuran step h adalah angka tetap, misalnya, 0,2 atau 0,1 atau 0,01, yang
pilihannya akan kita bahas nanti di bagian ini. Metode-metode itu adalah metode step by step,
menggunakan rumus yang sama di setiap langkah. Rumus seperti itu disarankan oleh Deret
Taylor

Formula (2) adalah ide kunci yang memungkinkan kita mengembangkan metode
Euler dan variannya yang disebut - Anda tebak - Metode Euler yang ditingkatkan, juga
dikenal sebagai Metode Heun. Mari kita mulai dengan menurunkan Metode Euler.
Untuk h kecil kekuatan yang lebih tinggi h2, h2,.... dalam persamaan (2) sangat kecil.
Masukkan semua dengan memberikan perkiraan kasar:

dan metode Euler yang sesuai (atau Metode Euler – Cauchy)

dibahas dalam bagian. 1.2. Secara geometris, ini adalah perkiraan kurva y(x) oleh
poligon yang sisi pertamanya bersinggungan dengan kurva ini di x0 (lihat Gambar. 8 dalam
Bagian 1.2).
Kesalahan Metode Euler. Ingat dari kalkulus bahwa rumus Taylor
dengan sisanya memiliki bentuk
 (di mana x ≤ ξ ≤ x + h). Ini menunjukkan bahwa, dalam Metode Euler,
kesalahan pemotongan di setiap step atau kesalahan pemotongan
lokal sebanding dengan h2, tertulis O(h2) di mana O menyarankan orde
(lihat juga Bagian 20.1). Sekarang, lebih dari interval x tetap di mana kita
ingin memecahkan ODE, jumlah step sebanding dengan 1/h. Karenanya,
total kesalahan atau kesalahan global sebanding dengan h2(1/h) = h1.
Untuk alasan ini, Metode Euler disebut metode orde pertama. Selain itu,
ada kesalahan pembulatan dalam metode ini dan lainnya, yang dapat
mempengaruhi keakuratan nilai y1, y2, .... semakin dan semakin banyak
seiring bertambahnya n.

Pemilihan Ukuran Step Variabel Otomatis dalam Perangkat Lunak

Modern.
Gagasan integrasi adaptif, sebagaimana termotivasi dan dijelaskan
dalam Bagian. 19.5, berlaku sama baiknya dengan solusi numerik ODE.
Sekarang menyangkut secara perubahan otomatis ukuran langkah h yang
tergantung pada variabilitas y’ = f yang ditentukan oleh

Dengan demikian, perangkat lunak modern secara otomatis memilih

ukuran step hn variabel sehingga kesalahan solusi tidak akan melebihi
ukuran maksimum TOL yang diberikan (menunjukkan toleransi). Sekarang
untuk Metode Euler, ketika ukuran step adalah h = hn, kesalahan lokal
pada xn adalah tentang . Kami mensyaratkan bahwa ini sama dengan
TOL toleransi yang diberikan,

y”(x) tidak boleh nol pada interval J:x0 ≤ x = xN yang diinginkan

solusinya. Biarkan K menjadi minimum dari |y”(x)| pada J dan
menganggap bahwa K > 0. Minimum |y”(x)| sesuai dengan
maksimum h = H = √ 2TOL /K oleh persamaan (4). Dengan
demikian √ 2TOL /K = H√ K . Kita bisa memasukkan ini ke dalam (4b),
diperoleh dengan aljabar langsung.
Untuk metode lain, pemilihan ukuran step otomatis didasarkan
pada prinsip yang sama.
Metode Euler yang Ditingkatkan. Prediktor, Korektor.
Metode Euler umumnya tidak terlalu akurat. Untuk h besar (0.2)
ini diilustrasikan dalam bagian. 1.2 melalui perhitungan pada

Dan untuk h kecil perhitungannya menjadi terlalu tinggi;

juga, pembulatan dalam banyak step dapat menghasilkan hasil
yang tidak berarti. Jelas, metode dengan orde dan ketelitian yang
lebih tinggi diperoleh dengan memperhitungkan lebih banyak
istilah dalam (2). Tetapi ini melibatkan masalah praktis yang
penting. Yaitu, jika kita mensubtitusi y’ = f(x,y(x)) ke (2), kita
memiliki

Sekarang y dalam f tergantung pada x, sehingga kita

memiliki f’ seperti yang ditunjukkan pada (4*) dan f”, f’’’ bahkan
jauh lebih rumit. Strategi umum sekarang adalah untuk
menghindari perhitungan turunan ini dan menggantikannya
dengan menghitung f untuk satu atau beberapa nilai tambahan
yang sesuai dari (x,y). "Sesuai" berarti bahwa nilai-nilai ini dipilih
untuk membuat orde dari metode setinggi mungkin (untuk
memiliki akurasi tinggi). Mari kita bahas dua metode yang sangat
penting secara praktis, yaitu Metode Euler yang ditingkatkan dan
metode Runge-Kutta (klasik).
Dalam setiap langkah Metode Euler yang ditingkatkan kami
menghitung dua nilai, pertama predictor

yang merupakan nilai tambahan, dan kemudian nilai -y baru,

corrector
 Karena itu, Metode Euler yang ditingkatkan adalah metode
predictor-corrector: dalam setiap step, kami memperkirakan sebuah nilai
(7a) dan selanjutnya kita memperbaikinya melalui (7b)

Dalam bentuk algoritmik, menggunakan notasi k1 = hf(xn,yn) di (7a)

dan k2 = hf(xn +1, y*n+1) di (7b), kita dapat menulis metode ini seperti
yang ditunjukkan pada Tabel 21.1.

Tabel 21.1 Metode Euler yang Ditingkatkan (Metode Heun)

ALGORITMA EULER (ƒ, x0, y0, h, N)

Algoritma ini menghitung solusi dari masalah nilai awal y’ = f (x,

y), y(x0) = y0
pada titik yang sama x1 = x0 + h, x2 = x0 + 2h, .... , xN = x0 +
Nh; di sini ƒ adalah sedemikian sehingga masalah ini memiliki
solusi unik pada interval [x0, xN] (lihat Bagian 1.6).

INPUT: Nilai awal x0, y0, ukuran step h, jumlah step N

OUTPUT: Perkiraan yn+1 ke solusi y(xn+1) dimana xn+1 = x0 +
(n+1)h, dimana n = 0, ... , N-1

End EULER

CONTOH 1 Metode Euler yang Ditingkatkan. Perbandingan dengan

Metode Euler.
Menerapkan metode Euler yang ditingkatkan untuk masalah nilai
awal (6), memilih seperti pada Sec. 1.2. Larutan. Untuk masalah
saat ini yang kita miliki di Tabel 21.1

Tabel 21.2 menunjukkan bahwa hasil kami saat ini jauh lebih
akurat daripada yang untuk metode Euler dalam Tabel 21.1 tetapi
dengan kerugian hanya lebih banyak perhitungan.

Tabel 21.2 Metode Euler yang Ditingkatkan untuk (6). Kesalahan

(error)

Kesalahan Metode Euler yang Ditingkatkan. Kesalahan lokal

adalah dari orde h3 dan kesalahan global dari h2 sehingga metode
ini adalah metode orde kedua
BUKTI Pengaturan dan menggunakan (2*) (setelah (6)),
kita miliki

Mendekati ekspresi dalam kurung di (7b) dengan dan

lagi menggunakan ekspansi Taylor, kita dapatkan dari (7b)
(dimana ‘ = d/dxn, dll). Pengurangan (8b) dari (8a) memberikan
kesalahan lokal:

Karena jumlah step di atas x-interval tetap sebanding dengan 1/h,

kesalahan global adalah orde h3/h = h2, sehingga metode adalah
orde kedua.
Karena metode Euler adalah alat pedagogis yang menarik untuk
mengajarkan permulaan penyelesaian ODE orde pertama secara
numerik tetapi memiliki kelemahan dalam hal akurasi dan bahkan
dapat menghasilkan jawaban yang salah, kami mempelajari
metode Euler yang ditingkatkan dan dengan demikian
memperkenalkan ide metode predictor–corector. Meskipun Euler
yang ditingkatkan lebih baik daripada Euler, ada metode yang
lebih baik yang digunakan dalam pengaturan industri. Dengan
demikian, insinyur praktis harus mengetahui tentang metode
Runga-Kutta dan variasinya
Metode Runge – Kutta (Metode RK)
Metode yang sangat penting secara praktis dan akurasi yang jauh
lebih besar daripada metode Euler yang ditingkatkan adalah
metode Runge-Kutta klasik orde keempat, yang kami sebut
secara singkat metode Runge-Kutta.1 Hal ini ditunjukkan pada
Tabel 21.3. Kita melihat bahwa dalam setiap langkah, pertama-
tama kita menghitung empat kuantitas tambahan k1, k2, k3, k4
dan kemudian nilai baru yn+1. Metode ini sangat cocok untuk
komputer karena tidak memerlukan prosedur awal khusus,
membuat permintaan ringan pada penyimpanan, dan berulang
kali menggunakan prosedur komputasi langsung yang sama. Ini
stabil secara numerik.
Perhatikan bahwa, jika f hanya bergantung pada x, metode ini
mengurangi aturan integrasi Simpson (Bagian 19.5). Catat lebih
lanjut k1, ...., k4 yang bergantung pada n dan umumnya berubah
dari step ke step.
Tabel 21.3 Metode Runge – Kutta Klasik dari Orde Keempat
ALGORITMA RUNGE–KUTTA (ƒ, x0, y0, h, N)

Algoritma ini menghitung solusi dari masalah nilai awal y’ = f (x,

y), y(x0) = y0
pada titik yang sama

(9) x1 = x0 + h, x2 = x0 + 2h, .... , xN = x0 + Nh;

di sini ƒ adalah sedemikian sehingga masalah ini memiliki solusi

unik pada interval [x0, xN] (lihat Bagian 1.7).

INPUT: fungsi f, Nilai awal x0, y0, ukuran step h, jumlah step N
OUTPUT: Perkiraan yn+1 ke solusi y(xn+1) dimana xn+1 = x0 +
(n+1)h, dimana n = 0, 1, ... , N-1

End EULER RUNGE–KUTTA

CONTOH 2 Metode Runge – Kutta Klasik

menerapkan metode Runge – Kutta ke masalah nilai awal pada
Contoh 1, dengan memilih h = 0.2, seperti sebelumnya, dan
hitung lima step.
Solusi. Untuk masalah saat ini kami memiliki f(x,y) = x + y,
Karenanya
Tabel 21.4 menunjukkan hasil dan kesalahannya, yang lebih kecil
menurut faktor 103 dan 104 dibandingkan dengan dua metode
Euler. Lihat juga Tabel 21.5. Kami sebutkan secara sepintas
bahwa karena sekarang ini k1,.....,k4, sederhana, operasi dibentuk
dengan mensubtitusikan k1 ke dalam k2, kemudian k2 kedalam k3
dll.; rumus yang dihasilkan ditunjukkan pada Kolom 4 dari Tabel
21.4. Perlu diingat bahwa kami memiliki empat evaluasi fungsi di
setiap step.

Tabel 21.4 Metode Runge – Kutta Berlaku untuk (4)

Tabel 21.5 Perbandingan Akurasi Tiga Metode dalam

Pertimbangan dalam Kasus Masalah Nilai Awal (4), dengan h 0,2

Kontrol Kesalahan dan Ukuran step.

RKF (Runge – Kutta – Fehlberg)

Gagasan integrasi adaptif (Bagian 19.5) memiliki analog untuk

metode Runge-Kutta (dan lainnya). Dalam Tabel 21.3 untuk RK
(Runge-Kutta), jika kita menghitung di setiap langkah pendekatan
dan dengan ukuran step h dan 2h, masing-masing, yang
terakhir memiliki kesalahan per step sama dengan 25 = 32 kali
dari yang sebelumnya; namun, karena kita hanya memiliki
setengah step untuk 2 jam, faktor sebenarnya adalah 2 5/2,
sehingga bisa dikatakan,