TUGAS

FISIKA KOMPUTASI

OLEH
KELOMPOK 1

COKORDE PUTRA SEGENING (E1Q016012)

DINDA ATU LESTARI (E1Q016013)

ILYA ROHMI (E1Q016023)

PROGRAM STUDI PENDIDIKAN FISIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS MATARAM
MODELING, KOMPUTER, DAN ERROR ANALISIS
PT1.1 MOTIVASI
Metode numerik adalah teknik dimana masalah matematika dirumuskan sehingga
inds numerik meskipun ada banyak k mereka dapat diselesaikan dengan operasi aritmatika.
Perhitungan aritmatika yang membosankan. Tidak heran bahwa dengan perkembangan
yang cepat, meningkat secara dramatis dalam beberapa tahun terakhir.
PT1.1.1 Metode Nonkomputer metode,
mereka memiliki satu karakteristik umum: mereka selalu melibatkan sejumlah
besar komputer digital, peran metode numerik dalam pemecahan masalah rekayasa telah
Beyond menyediakan peningkatan daya tembak komputasi, ketersediaan luas dari
komputer (terutama komputer pribadi ) dan kemitraan mereka dengan metode numerik
memiliki pengaruh yang signifikan terhadap proses pemecahan masalah rekayasa aktual.
Pada era pra-komputer umumnya ada tiga cara yang berbeda di mana insinyur mendekati
pemecahan masalah 1. Solusi berasal untuk beberapa masalah menggunakan analitis, atau
tepat, metode. Solusi-solusi ini sering berguna dan memberikan wawasan yang sangat baik
ke dalam perilaku beberapa sistem. Namun, solusi analitik dapat diturunkan hanya untuk
kelas masalah terbatas. Ini termasuk mereka yang dapat didekati dengan model linier dan
mereka yang memiliki geometri sederhana dan dimensi rendah. Akibatnya, solusi analitik
adalah nilai praktis yang terbatas karena sebagian besar masalah nyata adalah nonlinier
dan melibatkan bentuk dan proses yang kompleks. 2. Solusi grafis digunakan untuk
mengkarakterisasi perilaku sistem. Solusi grafis ini biasanya mengambil bentuk plot atau
nomograf. Meskipun teknik grafis sering dapat digunakan untuk memecahkan masalah
yang kompleks, hasilnya tidak terlalu tepat. Selanjutnya, solusi grafis (tanpa bantuan
komputer) sangat membosankan dan sulit untuk diterapkan. Akhirnya. teknik grafis sering
terbatas pada masalah yang dapat dijelaskan menggunakan tiga atau lebih sedikit dimensi.
3. Kalkulator dan aturan slide digunakan untuk mengimplementasikan metode numerik
secara manual Meskipun dalam teori pendekatan tersebut harus sangat memadai untuk
menyelesaikan masalah yang kompleks, pada kenyataannya beberapa kesulitan ditemui.
Perhitungan manual lambat dan membosankan. Selain itu, hasil yang konsisten
sulit dipahami karena kesalahan sederhana yang muncul ketika banyak tugas manual
dilakukan. Selama era precomputer, sejumlah besar energi dikeluarkan pada teknik solusi
itu sendiri, daripada pada definisi masalah dan interpretasi (Gambar PT.la). Situasi yang
tidak menguntungkan ini ada karena begitu banyak waktu dan pekerjaan yang
membosankan diperlukan untuk memperoleh jawaban numerik menggunakan teknik
komputer.
 Hari ini, komputer dan metode numerik memberikan alternatif untuk perhitungan
yang sesuai. Dengan menggunakan kekuatan komputer untuk mendapatkan solusi secara
langsung, Anda dapat mendekati perhitungan ini tanpa bantuan untuk menyederhanakan
asumsi atau teknik intensif waktu. Meskipun solusi analitik masih sangat berharga baik
untuk penyelesaian masalah dan untuk memberikan wawasan, metode mumerik mewakili
alternatif yang sangat meningkatkan kemampuan Anda untuk menghadapi dan
memecahkan masalah. Akibatnya, lebih banyak waktu tersedia untuk penggunaan
keterampilan kreatif Anda. Dengan demikian, lebih banyak penekanan dapat ditempatkan
pada perumusan masalah dan interpretasi solusi dan penggabungan sistem total, atau
"kesadaran holistik. (Gambar PTI.Ib.)
PT1.1.2 Metode Numerik dan Praktik Teknik
Sejak akhir 1940-an ketersediaan meluas. kompiter digital telah menyebabkan
ledakan yang nyata penggunaan dan pengembangan metode numerik Pada awalnya,
pertumbuhan ini agak dibatasi oleh biaya akses ke komputer mainframe besar, dan,
akibatnya banyak insinyur terus menggunakan pendekatan analitis sederhana dalam porsi
yang signifikan. pekerjaan mereka.Tak perlu dikatakan, evolusi komputer pribadi murah
baru-baru ini kesadaran (Gambar PT1.1b.) PT1.1.2 Metode Numerik dan Praktik Teknik
Sejak akhir 1940-an ketersediaan komputer digital yang meluas telah menyebabkan
ledakan yang nyata dalam penggunaan dan pengembangan metode numerik. Pada
awalnya, pertumbuhan ini agak dibatasi oleh biaya akses ke komputer mainframe besar,
dan, akibatnya. banyak insinyur terus menggunakan pendekatan analitis sederhana di
sebagian besar pekerjaan mereka. Tak perlu dikatakan, evolusi komputer pribadi yang
 murah baru-baru ini memiliki memberi kita akses siap ke kemampuan komputasi yang
kuat.
Ada beberapa alasan tambahan mengapa Anda harus mempelajari metode numerik:
1. Metode numerik adalah alat pemecahan masalah yang sangat kuat. Mereka
mampu menangani sistem besar persamaan, nonlinier, dan geometri yang rumit yang tidak
biasa dalam praktek rekayasa dan yang sering tidak mungkin untuk memecahkan secara
analitis. Dengan demikian, mereka sangat meningkatkan keterampilan pemecahan masalah
Anda.
2. Selama karier Anda, Anda mungkin sering memiliki kesempatan untuk
menggunakan kemasan yang tersedia secara komersial, atau "kaleng." program komputer
yang melibatkan metode numerik. Penggunaan cerdas dari program ini sering didasarkan
pada pengetahuan tentang teori dasar yang mendasari metode.
3. Banyak masalah tidak dapat didekati menggunakan program-program kalengan.
Jika Anda mahir dengan metode numerik dan mahir dalam pemrograman komputer, Anda
dapat merancang program Anda sendiri untuk memecahkan masalah tanpa harus membeli
atau membeli perangkat lunak yang mahal.
4. Metode numerik adalah kendaraan yang efisien untuk belajar menggunakan
komputer. Ini adalah program komputer yang bagus. Karena metode numerik untuk
sebagian besar dirancang untuk diimplementasikan pada komputer, mereka ideal untuk
tujuan ini. Lebih jauh lagi, mereka sangat cocok untuk menggambarkan kekuatan dan
keterbatasan komputer. Ketika Anda berhasil menerapkan metode numerik pada komputer
dan kemudian menerapkannya untuk memecahkan masalah yang sulit dipecahkan, Anda
akan diberikan demonstrasi dramatis tentang bagaimana komputer dapat melayani
pengembangan profesional Anda. Pada saat yang sama, Anda juga akan belajar untuk
mengakui dan mengendalikan kesalahan pendekatan yang merupakan bagian dan paket
besar yang diketahui bahwa cara yang efektif untuk menulis penghitungan numerik skala.
5. Metode numerik menyediakan kendaraan bagi Anda untuk memperkuat
pemahaman Anda tentang matematika. Karena salah satu fungsi dari metode numerik
adalah untuk mengurangi matematika yang lebih tinggi ke operasi aritmatika dasar,
mereka mendapatkan pada mur dan baut "dari beberapa topik yang tidak jelas.
Peningkatan pemahaman dan wawasan dapat dihasilkan dari ini.
PT1.2 LATAR BELAKANG MATEMATIKA
Setiap bagian dalam buku ini memerlukan beberapa Akibatnya, materi pengantar
untuk setiap bagian mencakup bagian, seperti yang Anda baca, pada latar belakang
matematika, karena Bagian Satu sendiri dikhususkan untuk materi latar pada matematika
dan komputer, bagian ini tidak melibatkan penelaahan terhadap topik matematika tertentu.
Alih-alih, kami mengambil kesempatan ini untuk memperkenalkan Anda kepada jenis
bidang subjek matematika yang dibahas dalam buku ini.Seperti diringkas dalam Gambar.
PT1.2, ini adalah
I. Akar Persamaan (Gbr. PT12a) Masalah-masalah ini berkaitan dengan nilai dari
suatu variabel atau parameter yang memenuhi persamaan nonlinear tunggal, masalah ini
sangat berharga dalam konteks desain teknik. di mana seringkali tidak mungkin untuk
secara eksplisit memecahkan persamaan desain untuk parameter.
2. Sistem Persamaan Aljabar Linear (Gambar PT1.2b). Masalah-masalah ini serupa
dalam semangat untuk akar persamaan dalam arti bahwa mereka peduli dengan nilai-nilai
yang memenuhi PEMODELAN, KOMPUTER, DAN ERROR ANALISIS PT1.2 dari
numerik a) Bagian 2: Akar persamaan Memecahkan fu) -0 untuk x.
 persamaan. Namun, berbeda dengan memuaskan persamaan tunggal, serangkaian
nilai dicari yang secara bersamaan memenuhi satu set persamaan algebralc linier
Persamaan seperti itu muncul dalam berbagai konteks masalah dan di semua disiplin ilmu
teknik. Secara khusus, mereka berasal dalam pemodelan matematika dari sistem besar
elensen yang saling berhubungan seperti struktur, listrik sirkuit dan jaringan cairan
Namun, mereka juga ditemui di daerah lain dari metode mmerical seperti fitting kurva dan
diferensial
3. Optimasi (Gambar, PT12) . Masalah-masalah ini lnvolve menentukan valur atau
nilai-nilai variabel Independen yang sesuai dengan nilai atau optimal dari suatu fungsi
negrves mengidentifikasi maxima dan minimum. Masalah seperti itu terjadi secara rutin
dalam konteks desain teknik. Mereka juga muncul di banyak metode mumerik lainnya.
Kami membahas baik optimasi tunggal dan multi-variabel yang tidak dibatasi Kami juga
mendeskripsikan optimasi terbatas dengan penekanan khusus pada Thas, seperti pada
Gambar. PT12c, optimasi i linear programming
4. Curve Fining (Gambar PTI.2d). Anda akan sering memiliki kesempatan untuk
menyesuaikan kurva ke titik-titik data. Teknik-teknik yang dikembangkan untuk tujuan ini
dapat dibagi menjadi dua kategori umum: regresi dan interpolasi Regresi digunakan di
mana ada tingkat erosi sigaifilcant yang terkait dengan data. Hasil eksperimental sering
seperti ini Untuk situasi ini, strategi adalah untuk memperoleh kurva tunggal yang
mewakili tren umum data tanpa harus sesuai dengan poin individu Sebaliknya, interpolasi
digunakan di mana tujuannya adalah untuk menentukan nilai antara antara relatif tidak -
polnts data bebas Sach biasanya kasus untuk informasi yang ditabulasikan Untuk situasi
ini, strategi adalah untuk menyesuaikan kurva langsung melalui data poist dan
menggunakan kurva untuk memprediksi nilai-nilai antara
5. Integrasi (Flg PT1.2e). Seperti yang digambarkan, interpretasi fisik dari integrasi
mumerik adalah penentuan area di bawah kurva Integrasi memiliki banyak MODELUNG
DAN ERROR ANALISIS aplikasi dalam praktek rekayasa, mulai dari penentuan centroid
benda berbentuk aneh dengan perhitungan jumlah total berdasarkan set pengukuran diskrit.
Selain itu, rumus integrasi numerik memainkan peran penting dalam solusi persamaan
diferensial.
6. Biasa Equatins Diferensial (Gambar PT1.20. Persamaan diferensial biasa sangat
penting dalam praktek rekayasa. Ini karena banyak hukum fisik yang ditulis dalam istilah
laju perubahan kuantitas daripada besaran kuantitas itu sendiri. ) ke percepatan benda jatuh
(laju perubahan kecepatan). Dua jenis masalah dibahas: masalah nilai-nilai awal dan nilai-
nilai. Selain itu, perhitungan nilai eigen dicakup. Contohnya berkisar dari model perkiraan
populasi (laju perubahan
7. Persamaan Diferensial Parsial (Gambar PT2g). Persamaan diferensial parsial
digunakan untuk mengkarakterisasi sistem rekayasa di mana perilaku kuantitas fisik ditulis
dalam hal tingkat perubahannya sehubungan dengan dua atau lebih variabel
independen.Contohnya termasuk distribusi suhu tunak pada pelat yang dipanaskan (dua
dimensi spasial) atau suhu variabel waktu dari batang yang dipanaskan (waktu dan satu
dimensi spasial) Dua pendekatan yang berbeda secara fundamental digunakan untuk
memecahkan persamaan diferensial parsial numerik.Dalam teks ini, kami akan
menekankan metode beda hingga yang mendekati solusi dalam mode pointwise (Gambar
 PT2g) .Namun, kami juga akan menyajikan pengantar metode elemen hingga, yang
menggunakan pendekatan piecewise
PT1.3 ORIENTASI
Beberapa orientasi mungkin membantu sebelum melanjutkan dengan pengenalan
kami ke metode numerik, berikut ini dimaksudkan sebagai ikhtisar materi di Bagian Satu.
Selain itu, beberapa tujuan telah dimasukkan untuk memfokuskan upaya Anda saat
mempelajari materi.
PT1.3.1 Ruang Lingkup dan Pratinjau
Gambar PT1.3 adalah representasi skematis dari materi di Bagian Satu. Kami telah
merancang diagram ini untuk memberi Anda gambaran global dari bagian buku ini. Kami
percaya bahwa rasa "gambaran besar" sangat penting untuk mengembangkan wawasan ke
dalam metode numerik. Saat membaca teks, seringkali mungkin menjadi hilang dalam
detail teknis. Kapanpun Anda merasa kehilangan gambaran besar, baca kembali ke
Gambar. PT1.3 untuk mengubah orientasi diri Anda. Setiap bagian dari buku ini mencakup
tokoh yang serupa.
Gambar PT1.3 juga berfungsi sebagai preview singkat dari materi yang dibahas di
Bagian Satu. Bab I dirancang untuk mengarahkan Anda ke metode numerik dan untuk
memberikan motivasi dengan menunjukkan bagaimana teknik-teknik ini dapat digunakan
dalam proses pemodelan rekayasa. Bab 2 adalah pengantar dan peninjauan aspek-aspek
yang berkaitan dengan komputer dari metode numerik dan menyarankan tingkat
keterampilan komputer yang harus Anda peroleh agar dapat menerapkan informasi yang
sukses secara efisien. Bab 3 dan 4 membahas topik penting analisis kesalahan, yang harus
dipahami untuk penggunaan metode numerik yang efektif. Sebagai tambahan, sebuah
epilog disertakan yang memperkenalkan trade-off yang memiliki signifikansi besar untuk
implementasi metode numerik yang efektif. 9 BAGIAN 1 Pemodelan. Paket Pemodelan
dan Pemecahan Masalah ProblemM dan Pemecahan Kesalahan yang Sederhana dan
TABEL PT1.1 Tujuan studi khusus untuk Bagian Satu.
1. Kenali solusi analitik dan numerik dferensi.

2. Tidak tahu bagaimana hukum konservasi digunakan untuk mengembangkan model

matematis dari sysems fisik.

3. Tentukan topdown dan desain modular.

4. Menggambarkan aturan yang under

5. Ketahui cara menerjemahkan flawcharts terstruktur dan kode ino pseudocode dalam
bahasa tingkat tinggi.

6. Mulailah untuk mem-hamliarize diri Anda sendiri setiap paket sohwoe yang akan Anda
gunakan bersama dengan laxx ini.

7. Kenali perbedaan antara pemotongan dan roundaff enos. Undesstand the concept

8. Kenali perbedaan antara emor e yang sebenarnya, perkiraan relative mr accapable t dari
angka-angka signifikan, occutocy dan predision. dan mengerti hawond, digunakan untuk
mengakhiri perhitungan berulang.
 9. Pahami bagaimana angka-angka diwakili dalam kompuser digital dan bagaimana dan
bagaimana emitor ha-off. Dalam partioular, ketahuilah perbedaan antara presisi tunggal
dan exdended.

10. Meramalkan bagaimana aritmatika komputer dapat memperkenalkan dan menguatkan

erosi round-off dalam kolasi. Dalam particula, appreclale masalah pembatalan subirocive.

11. Tentukan bagaimana deret Taylor dan sisanya digunakan untuk merepresentasikan fungsi
berkesinambungan.

12. Ketahuilah hubungan antara perbedaan terpecah terbatas dan turunan.

13. Lakukan abla ke analyae haw eoes yang disangga melalui nelationship fungsional.

14. Jadilah famiiar dengan konsep stabilitas dan kondisi.

15. Famliarize diri dengan trade-ofts digariskan di Eplogue of Part One.

PT1.3.2 GOALS AND OBJECTIVES

Tujuan Studi. Setelah menyelesaikan Bagian Satu, Anda harus cukup siap untuk
memulai studi metode numerik Anda. Secara umum, Anda seharusnya mendapatkan
pemahaman yang menyenangkan tentang pentingnya komputer dan peran perkiraan dan
kesalahan dalam implementasi dan pengembangan metode numerik. Selain tujuan umum
ini, Anda harus menguasai masing-masing tujuan studi spesifik yang tercantum dalam
Tabel PTI.1
Tujuan Komputer.
Setelah menyelesaikan Bagian Satu, Anda seharusnya menguasai keterampilan
komputer yang cukup untuk mengembangkan perangkat lunak Anda sendiri untuk metode
numerik dalam teks ini. Anda harus dapat mengembangkan program komputer yang
terstruktur dengan baik dan dapat diandalkan berdasarkan pseudocode, flowchart, atau
bentuk-bentuk algoritma lainnya. Anda harus mengembangkan kemampuan untuk
mendokumentasikan program Anda sehingga mereka dapat digunakan secara efektif oleh
pengguna. Akhirnya, selain program Anda sendiri, Anda mungkin menggunakan
perangkat lunak buku ini. Paket seperti Excel, Mathcad, atau The MathWorks, Inc. contoh
dari perangkat lunak tersebut. Anda harus terbiasa dengan paket-paket ini, sehingga Anda
akan nyaman menggunakann ya bersama program memecahkan masalah numerik nanti
dalam
teks Moding Matematika dan Rekayasa Pemecahan Masalah
Pengetahuan dan alat.
Tidak peduli seberapa mengesankan alat Anda, Anda akan kesulitan untuk
memperbaiki mobil jika Anda tidak mengerti cara kerjanya.
pemahaman adalah prasyarat untuk implementasi yang efektif dari ny Ini terutama
berlaku ketika menggunakan komputer untuk memecahkan masalah rekayasa. Meskipun
mereka memiliki potensi utilitas yang besar, komputer praktis tidak berguna tanpa
pemahaman mendasar tentang bagaimana sistem rekayasa bekerja.
Pemahaman ini awalnya diperoleh dengan sarana empiris — yaitu, dengan
observasi dan eksperimen. Namun, sementara setengah cerita seperti itu. Selama bertahun-
tahun dan tahun pengamatan dan percobaan, para insinyur dan ilmuwan telah
memperhatikan bahwa aspek-aspek tertentu dari studi empiris mereka terjadi berulang-
ulang. Perilaku umum seperti itu kemudian dapat dinyatakan sebagai hukum fundamental
yang pada dasarnya mewujudkan kearifan kumulatif dari pengalaman masa lalu. Dengan
demikian, sebagian besar pemecahan masalah teknik menggunakan pendekatan empirisme
dan analisis teoritis dua arah (Gbr. 1.1).
informasi yang diturunkan secara empiris sangat penting, hanya saja harus
ditekankan bahwa kedua cabang tersebut digabungkan secara erat. Ketika pengukuran baru
dilakukan, generalisasi dapat dimodifikasi atau yang baru dikembangkan. Demikian pula,
generalisasi dapat memiliki pengaruh yang kuat pada eksperimen dan observasi. Secara
khusus, generalisasi dapat berfungsi sebagai prinsip pengorganisasian yang dapat
digunakan untuk mensintesis observasi dan hasil eksperimen ke dalam kerangka yang
koheren dan komprehensif dari mana kesimpulan dapat ditarik. Dari perspektif pemecahan
masalah teknik, kerangka seperti itu paling berguna ketika diekspresikan dalam bentuk
model matematika.
Tujuan utama bab ini adalah untuk memperkenalkan Anda kepada pemodelan
matematika dan perannya dalam pemecahan masalah teknik. Kami juga akan
mengilustrasikan bagaimana metode angka numerik dalam proses.
1.1 MODEL MATEMATIKA SEDERHANA
Model matematika dapat secara luas didefinisikan sebagai formulasi atau
persamaan yang mengekspresikan fitur-fitur penting dari sistem fisik atau proses dalam
istilah matematika. Dalam arti yang sangat eral, itu direpresentasikan sebagai hubungan
fungsional dari bentuk Dependen Variabel = f (independent Variabel, parameter ,forcing
function ).
Gambar 1.1 The engineering problem solving process

di mana variabel dependen adalah karakteristik yang biasanya mencerminkan

perilaku atau keadaan sistem; variabel independen biasanya dimensi, seperti waktu dan
ruang, di mana perilaku sistem sedang ditentukan; parameter mencerminkan sifat atau
komposisi sistem; dan fungsi-fungsi yang memaksa adalah pengaruh eksternal yang
bekerja pada sistem.
Ekspresi matematika aktual dari Eq (I.1) dapat berkisar dari hubungan aljabar yang
sederhana hingga deretan persamaan diferensial yang rumit. Sebagai contoh, atas dasar
pengamatannya, Newton merumuskan hukum gerak keduanya, yang menyatakan bahwa
tingkat waktu perubahan momentum ekspresi emik, atau model, dari hukum kedua adalah
badan persamaan yang terkenal sama dengan gaya resultan yang bekerja padanya. Gaya
matematika-di mana
F = m.a
gaya net yang bekerja pada benda (N, atau kg m/s2) massa objek (kg). dan a
akselerasinya (m / s2)
Hal 13 gambar disamping
Hukum kedua dapat disusun kembali dalam format Persamaan (I,1) dengan hanya
membagi kedua sisi dengan m untuk memberikan di mana suatu variabel dependen yang
mencerminkan perilaku sistem, fungsi F yang memaksa, dan m parameter yang mewakili
properti dari sistem. Perhatikan bahwa untuk kasus sederhana ini tidak ada variabel
independen karena kita belum memprediksi bagaimana percepatan bervariasi dalam waktu
atau ruang. dunia fisik: 1. Ini menggambarkan proses alami atau sistem dalam istilah
matematika.
Persamaan (1.3) memiliki beberapa karakteristik yang khas dari model matematika
1.mewakili idealisasi dan penyederhanaan realitas. Yaitu, model tersebut
mengabaikan perincian proses alam yang dapat diabaikan dan berfokus pada
manifestasinya yang esensial.
2. hukum kedua tidak termasuk efek relativitas yang memiliki dampak minimal
ketika diterapkan pada objek dan kekuatan yang berinteraksi pada atau tentang permukaan
bumi pada kecepatan dan pada skala yang terlihat oleh manusia.
3. Akhirnya. itu menghasilkan hasil yang dapat direproduksi dan, akibatnya, dapat
digunakan untuk tujuan prediktif. Sebagai contoh, jika gaya pada suatu objek dan massa
suatu objek diketahui, Persamaan.
(1.3) dapat digunakan untuk menghitung akselerasi. Karena bentuk aljabar yang
sederhana, solusi Persamaan. 12) dapat diperoleh dengan mudah. Namun, model
matematis lain dari fenomena fisik mungkin jauh lebih kompleks, dan tidak dapat
dipecahkan dengan tepat atau memerlukan teknik matematika yang lebih canggih daripada
aljabar sederhana untuk solusinya. Untuk mengilustrasikan model yang lebih kompleks
seperti ini. Hukum kedua Newton dapat digunakan untuk menentukan kecepatan terminal
dari benda jatuh bebas dekat permukaan bumi. Tubuh kita yang jatuh akan menjadi
penerjun (Gbr. 1.2). Suatu model untuk kasus ini dapat diturunkan dengan menyatakan
percepatan sebagai laju perubahan waktu velositas (dv / dt) dan menggantikannya ke
dalam Eq (1.3) untuk menghasilkan
dv/dt = f/m
v adalah kecepatan (m / s) dan t adalah timo (s). Jadi, multipliod massa dengan
laju perubahan kecepatan sama dengan gaya total yang bekerja pada tubuh. Jika gaya total
positif, objek akan dipercepat. Jika itu negatif, objek akan berkurang kecepatannya. Jika
gaya total nol, kecepatan objek akan tetap pada tingkat yang konstan. Selanjutnya, kita
akan mengekspresikan kekuatan total dalam hal variabel dan parameter yang dapat diukur.
Untuk tubuh yang jatuh di sekitar bumi (Gbr. 1.2). gaya total terdiri dari dua kekuatan
yang berlawanan: tarikan ke bawah gravitasi Fo dan gaya ke atas dari tahanan udara.
F= fD+ fu
Fu Jika gaya ke bawah diberikan tanda positif, hukum kedua dapat digunakan
untuk memformulasi gaya karena gravitasi, sebagai mana g-konstanta gravitasi, atau
percepatan karena gravitasi, yang kira-kira sama dengan 9,8 m / s2
Hambatan udara dapat diformulasikan dalam berbagai cara. Pendekatan sederhana
adalah mengasumsikan bahwa ia berbanding lurus dengan kecepatan dan bertindak dalam
arah ke atas, seperti di mana ca
Fu = -cv
proporsionalitas konstan disebut koefisien hambatan (kg / s). Dengan demikian,
semakin besar kecepatan jatuh, semakin besar gaya ke atas karena hambatan udara.
Parameter cac menghitung untuk properti dari objek yang jatuh, seperti bentuk atau
kekasaran permukaan, yang mempengaruhi hambatan udara. Untuk kasus ini, t menjadi
fungsi dari tipe jumpsuit atau orientasi yang digunakan oleh parachutist selama f Gaya
total adalah perbedaan antara gaya ke bawah dan ke atas. Oleh karena itu, Persamaan (1.4)
hingga (1.7) dapat dikombinasikan untuk menghasilkan atau menyederhanakan sisi kanan,
dv / dt = mg-cv/m
Equation (1.9) adalah model yang menghubungkan percepatan benda jatuh ke gaya
yang bekerja di atasnya. Ini adalah persamaan diferensial karena ditulis dalam hal tingkat
perubahan diferensial (du / dt) dari variabel yang kita tertarik dalam memprediksi. Namun,
berbeda dengan solusi hukum kedua Newton dalam Persamaan. (1.3), solusi Persamaan
yang tepat. (1.9) untuk ve- locity dari penerjun jatuh yang jatuh tidak dapat diperoleh
dengan menggunakan manipulasi aljabar sederhana. Sebaliknya, teknik yang lebih canggih
seperti kalkulus, harus diterapkan untuk mendapatkan solusi yang tepat atau analitis.
Sebagai contoh, jika parachutist pada awalnya sedang beristirahat (pada 0), kalkulus dapat
digunakan untuk memecahkan Persamaan. (1.9) untuk Catatan bahwa E (110) dilemparkan
dalam bentuk umum Persamaan. (1), di mana (0) variabel dependen, variabel independen,
parameter c dan m, dan fungsi penguat. CONTOH 1.1 Solusi Analitis untuk Pernyataan
Masalah Soal Parasut Jatuh. Seorang penerjun dari massa 68,1 kg melompat keluar dari
balon udara panas stasioner. Gunakan Persamaan 10) untuk menghitung kecepatan
sebelum membuka saluran. Koefisien drag sama dengan 12,5 kg. Larutan. Memasukkan
parameter ke Persamaan. (1.10) menghasilkan 9.8 (68.1) 12.5 yang dapat digunakan untuk
menghitung Kenyataannya, hubungan itu sebenarnya nonlinear dan mungkin lebih baik
diwakili oleh hubungan kekuasaan seperti FWe akan mengeksplorasi busur nonlinier
seperti afect model dalam masalah pada akhir chupter ini. 1.1 MODEL MATEMATIKA
SEDERHANA 15 v, m / s 0,00 16.40 27,77 35,64 41,10 44,87 47,49 53,39 12 Menurut
model, penerjun cepat berakselerasi (Gambar 1.3). Kecepatan 44,87 m / s (100,4 mi / jam)
dicapai setelah 10 detik. Perhatikan juga bahwa setelah waktu yang cukup lama, kecepatan
konstan, yang disebut kecepatan terminal, dari 53,39 m / s (119,4 mi / jam) tercapai.
Kecepatan ini konstan karena, pada akhirnya, gaya gravitasi akan seimbang dengan
hambatan udara. Dengan demikian, gaya total nol dan akselerasi telah berhenti.
15 vm / s 0,00 16.40 27,77 35,64 41,10 44,87 47,49 53,39 Sampai 12 Menurut
model, penerjun cepat berakselerasi (Gambar 1.3). Kecepatan 44,87 ms (100,4 mi / jam)
dicapai setelah 10 detik. Perhatikan juga bahwa setelah waktu yang cukup lama, kecepatan
konstan, yang disebut kecepatan terminal, dari 53,39 ms (119,4 mil / jam) tercapai.
Kecepatan ini konstan karena, pada akhirnya, gaya gravitasi akan seimbang dengan
hambatan udara. Dengan demikian, gaya total nol dan akselerasi telah berhenti Persamaan
(1.10) disebut sebagai solusi analitis, atau tepat, karena persis memenuhi re banyak model
matematika yang tidak dapat dipecahkan secara tepat. Dalam banyak kasus ini, satu-
satunya alternatif adalah mengembangkan persamaan diferensial asli. Sayangnya, solusi
merdu yang mendekati solusi yang tepat. Seperti yang disebutkan sebelumnya, metode-
metode numerik adalah metode-metode di mana masalah matematika dirumuskan ulang
sehingga dapat diselesaikan dengan operasi-operasi aritmatika. Ini bisa diilustrasikan
.untuk hukum Newton kedua dengan menyadari bahwa tingkat waktu perubahan kecepatan
dapat diperkirakan oleh (Gambar. 4): di mana Au dan Ar-perbedaan dalam kecepatan dan
waktu, masing-masing, dihitung lebih terbatas dalam terval, v (t) kecepatan pada waktu
awal t, dan kecepatan pada beberapa waktu kemudian Perhatikan bahwa de / A / Ar adalah
perkiraan karena Atis terbatas. Ingat dari kalkulus bahwa du lim Equation (I.11) mewakili
proses kebalikan Persamaan (11) disebut pendekatan differeace init dibagi dari turunan
pada waktu &. Ini dapat diganti menjadi Persamaan. (1.9) untuk memberikan Persamaan
ini kemudian dapat disusun kembali untuk menghasilkan Pemberitahuan bahwa istilah
dalam kurung adalah sisi kanan persamaan diferensial itu sendiri Persamaan. (1.9) 1
Artinya, ia menyediakan sarana untuk menghitung laju perubahan atau kemiringan w. Ts,
persamaan diferensial telah diubah menjadi persamaan yang dapat digunakan untuk
menentukan kecepatan aljabar dalam menggunakan kemiringan dan nilai-nilai sebelumnya
dari u dan L Jika Anda diberi nilai awal untuk kecepatan pada suatu waktu 4. Anda dapat
dengan mudah menghitung kecepatan pada 1.1 MODEL MATEMATIKA SEDERHANA
17 kemudian waktu t Nilai kecepatan baru ini pada 1 dapat digunakan untuk
memperpanjang perhitungan ke kecepatan pada t dan seterusnya. Jadi, kapan saja di
sepanjang jalan. Nilai valueold baru + kemiringan x ukuran langkah Perhatikan bahwa
pendekatan ini secara formal disebut metode Euler. CONTOH 1.2 Solusi Numerik untuk
Pernyataan Masalah Permasalahan Parasut Jatuh. Lakukan perhitungan yang sama seperti
pada Contoh 1.1 tetapi gunakan Persamaan. (1,12) untuk menghitung kecepatan. Gunakan
ukuran langkah 2 detik untuk perhitungan. Larutan. Pada awal perhitungan (0). kecepatan
dari penerjun adalah nol. Menggunakan informasi terakhir dan nilai parameter dari Contoh
1.1, Persamaan. (1,12) dapat digunakan untuk menghitung kecepatan pada 1-2 s: 12,5 68,1
v 0 + 9,8 (0) 2 19,60 m / dt Untuk interval berikutnya (dari 2 hingga 4 dtk), perhitungan
diulangi, dengan hasil 12,5 9,80 + 9.8- 32.00 ms (19.60) 2 32.00 ms Perhitungan
dilanjutkan dengan cara yang sama untuk mendapatkan nilai tambahan: 0.00 19.60 32.00
9.85 44.82 47.97 49.96 53.39 10 Hasilnya diplot dalam Flig. 1.5 bersama dengan solusi
yang tepat. Dapat dilihat bahwa metode numerik menangkap fitur-fitur penting dari solusi
yang tepat. Namun, karena kami telah menggunakan segmen garis lurus untuk
memperkirakan fungsi lengkung terus menerus, ada beberapa perbedaan antara dua hasil.
Salah satu cara untuk meminimalkan diskrespasi seperti itu adalah dengan menggunakan
ukuran langkah yang lebih kecil. Misalnya, menerapkan En. (1,12) di -s interval
menghasilkan eror yang lebih kecil karena segmen garis lurus melacak lebih dekat ke
solusi yang sebenarnya. Dengan menggunakan perhitungan tangan, upaya yang dilakukan
dengan menggunakan ukuran langkah yang lebih kecil dan lebih kecil akan membuat
solusi numerik seperti itu menjadi tidak praktis. Namun, dengan komputer, sejumlah besar
perhitungan dapat dilakukan dengan mudah. Dengan demikian, Anda dapat secara akurat
memodelkan kecepatan jatuh parasut tanpa harus menyelesaikan persamaan diferensial
persis Seperti pada contoh sebelumnya, harga komputasi harus dibayar untuk hasil
numerik yang lebih akurat. Masing-masing mengurangi separuh ukuran langkah untuk
mencapai keakuratan yang lebih tinggi mengarah ke penggandaan 18 PEMECAHAN
MASALAH DAN TEKNIK PEMECAHAN MASALAH SOLUSI Kecepatan terminal 40
Exact, solusi analitis 20 GAMBAR 1.5 12 Perbandingan sclutions numerik dan andlytical
untuk
perhitungan bilangan. Dengan demikian, kita melihat bahwa ada trade-off antara
akurasi dan usaha komputasi. Sikap-jejak trade-off seperti itu secara jelas Dalam metode-
metode yang bersifat nameris dan merupakan tema penting dari buku ini. Oleh karena itu,
kami telah mengabdikan Eplogue Bagian Satu untuk pengantar lebih banyak trade-offs ini.
1.2 HUKUM DAN TEKNIK KONSERVASI Selain hukum Newton yang kedua, ada
prinsip-prinsip pengorganisasian utama lainnya dalam rekayasa. Di antara yang paling
penting dari ini adalah hukum konservasi. Meskipun mereka membentuk dasar untuk
berbagai model matematika yang rumit dan kuat, hukum-hukum konservasi yang besar
dari sclence dan teknik secara konseptual mudah dimengerti. Mereka semua mendidih ke
Perubahan Peningkatan - mengurangi keseimbangan untuk penerjun jatuh [Persamaan
(1,8)]. Kami memberi Persamaan. (1,13) te nama-variabel waktu khusus untuk perhitungan
transienh. untuk kasus-kasus di mana perubahan tidak ada. Jika perubahan nol, Persamaan.
(1.13) menjadi (L.13) Inilah format yang kita gunakan ketika menggunakan hukum
Newton untuk mengembangkan fonce Meskipun sederhana, Persamaan. (1.13)
mewujudkan salah satu cara paling mendasar di mana hukum konservasi digunakan dalam
rekayasa-yaitu, untuk memprediksi perubahan sehubungan dengan waktu. Selain
memprediksi perubahan, cara lain di mana hukum konservasi diterapkan adalah Perubahan
Peningkatan - menurunkan Peningkatan- menurun
Jadi, jika tidak ada perubahan yang terjadi, peningkatan dan penurunan harus
seimbang. Thls case, yang juga diberi nama khusus-perhitungan steady-state-memiliki
banyak aplikasi dalam enjinering. Sebagai contoh, untuk persimpangan steady-state harus
diimbangi oleh aliran yang keluar, seperti pada aliran fluida yang tidak dapat dipadatkan
dalam pipa-pipa, aliran ke dalam aliran mengalir keluar Untuk persimpangan pada
Gambar. 1,6, keseimbangan dapat digunakan untuk menghitung bahwa aliran keluar dari
pipa keempat harus 60. Untuk jatuh parasut, kondisi steady-state akan sesuai dengan kasus
di mana gaya total nol, atau q. (1.8) dengan du / dt 0] Jadi, pada kondisi mantap, gaya ke
bawah dan ke atas seimbang, dan Persamaan. (1,15) dapat dipecahkan untuk kecepatan
terminal mg Meskipun Persamaan. (1,13) dan (1,14) mungkin tampak sepele sederhana,
mereka mewujudkan dua cara mendasar bahwa hukum konservasi digunakan dalam
rekayasa. Dengan demikian, mereka akan membentuk bagian penting dari upaya kami
dalam bab-bab berikutnya untuk mengilustrasikan counection antara metode numerik dan
teknik. Kendaraan utama kami untuk membuat hubungan ini adalah aplikasi rekayasa yang
muncul di akhir setiap bagian dari buku ini. Tabel 1.1 merangkum beberapa model
rekayasa sederhana dan hukum konservasi terkait yang akan membentuk hasis untuk
banyak aplikasi rekayasa ini. . Sebagian besar aplikasi teknik kimia akan fokus pada
keseimbangan massa untuk reaktor. Keseimbangan massa berasal dari kekekalan massa.
Ini spesifik bahwa perubahan massa suatu bahan kimia dalam reaktor tergantung pada
jumlah massa yang mengalir dalam minus massa yang mengalir keluar. Kedua aplikasi
teknik sipil dan mekanik akan fokus pada model yang dikembangkan dari konservasi
momentum. Untuk saya rekayasa. Saldo kekuatan digunakan untuk menganalisa struktur
seperti rangka sederhana pada Tabel 1.1. Prinsip yang sama digunakan untuk aplikasi
teknik mesin untuk menganalisa gerakan naik-turun atau getaran dari mobil.
Jadi, jika tidak ada perubahan yang terjadi, peningkatan dan penurunan harus
seimbang. Thls case, yang juga diberi nama khusus-perhitungan steady-state-memiliki
banyak aplikasi dalam enjinering. Sebagai contoh, untuk persimpangan steady-state harus
diimbangi oleh aliran yang keluar, seperti pada aliran fluida yang tidak dapat dipadatkan
dalam pipa-pipa, aliran ke dalam aliran mengalir keluar Untuk persimpangan pada
Gambar. 1,6, keseimbangan dapat digunakan untuk menghitung bahwa aliran keluar dari
pipa keempat harus 60. Untuk jatuh parasut, kondisi steady-state akan sesuai dengan kasus
di mana gaya total nol, atau q. (1.8) dengan du / dt 0] Jadi, pada kondisi mantap, gaya ke
bawah dan ke atas seimbang, dan Persamaan. (1,15) dapat dipecahkan untuk kecepatan
terminal mg Meskipun Persamaan. (1,13) dan (1,14) mungkin tampak sepele sederhana,
mereka mewujudkan dua cara mendasar bahwa hukum konservasi digunakan dalam
rekayasa. Dengan demikian, mereka akan membentuk bagian penting dari upaya kami
dalam bab-bab berikutnya untuk mengilustrasikan counection antara metode numerik dan
teknik. Kendaraan utama kami untuk membuat hubungan ini adalah aplikasi rekayasa yang
muncul di akhir setiap bagian dari buku ini. Tabel 1.1 merangkum beberapa model
rekayasa sederhana dan hukum konservasi terkait yang akan membentuk hasis untuk
banyak aplikasi rekayasa ini. . Sebagian besar aplikasi teknik kimia akan fokus pada
keseimbangan massa untuk reaktor. Keseimbangan massa berasal dari kekekalan massa.
Ini spesifik bahwa perubahan massa suatu bahan kimia dalam reaktor tergantung pada
jumlah massa yang mengalir dalam minus massa yang mengalir keluar. Kedua aplikasi
teknik sipil dan mekanik akan fokus pada model yang dikembangkan dari konservasi
momentum. Untuk saya rekayasa. Saldo kekuatan digunakan untuk menganalisa struktur
seperti rangka sederhana pada Tabel 1.1. Prinsip yang sama digunakan untuk aplikasi
teknik mesin untuk menganalisa gerakan naik-turun atau getaran dari mobil.
jumper memiliki koefisien drag 15 kg dan massa 75 kg berapa lama waktu yang
dibutuhkan untuk mencapai kecepatan yang sama dengan jumper pertama yang dicapai
dalam 10 detik? 1.5 Hitung kecepatan seorang penerjun terjun bebas menggunakan metode
Euler untuk kasus 80 kg dan 10 kgl. Lakukan di mana 'koefisien drag orde kedua (kg / m).
PEMODELAN MATEMATIKA DAN PEMECAHAN MASALAH TEKNIS perhitungan
dari 0 hingga 20 detik dengan ukuran slep 1 s. Gunakan inisial atau, karena luas
permukaan A adalah kondisi konstan bahwa kecepatan ke atas 20 ms pada dy9 dx A 3sin-
0. Pada t 10s, asumsikan bahwa parasut diputar secara instan sehingga koefisien drag
melonjak hingga 50 kg. L.6 Jumlah metode penyebaran radioaktif kontinum Euler yang
seragam untuk memecahkan kedalaman y dari-D hingga 10d dengan yang terkandung
dalam reaktor tertutup diukur dengan konsentrasinya ukuran langkah 0,5 d. The (becquerel
/ liler atau Bq / L). Kontaminan menurun pada nilai parameter peluruhan A 1200 m2 dan
-500 mld. Asumsikan bahwa inisial awal adalah y-o. tangki penyimpanan yang sama
dijelaskan dalam Prob.1.7 LS Untuk arus keluar tidak koestan melainkan tergantung pada
kedalaman. Untuk kasus ini, persamaan diferensial untuk kedalaman dapat ditulis sebagai
tingkat peluruhan - kc di mana k adalah konstanta dengan satuan hari. Oleh karena itu,
menurut Persamaan. (1.13), keseimbangan massa untuk reaktor dapat ditulis seperti halnya
de dt Gunakan metode Euler untuk memecahkan kedalaman y dari 0 hingga 10 d dengan
ukuran langkah 0,5 d. The 9-500 d, dan 300. Asumsikan bahwa kondisi awal adalah y-0.
L9 Laju aliran volume melalui pipa diberikan oleh A nilai-nilai parameler adalah A 1200
m2 a) Gunakan metode Euler untuk menyelesaikan persamaan ini dari 0 hingga 1 d
dimana e adalah kecepatan rata-rata dan A adalah luas penampang. dengan k 0.2d-1.
Gunakan ukuran langkah A-0.1. The con Gunakan volme-conlinuity untuk memecahkan
area yang diperlukan dalam pipa 3. centration at0 adalah 10 Bq / L (b) Plot solusi pada
grafik semilog (Le In e versus dan de n-40 m's termine lereng. Menafsirkan Anda Hasil 1.7
Sebuah tangki penyimpanan melapisi suatu cairan pada kedalaman y di mana y-0 ketika
tangki setengah ulir Cair ditarik pada laju alir konstan y untuk memenuhi permintaan.Isi
diisi ulang pada tingkat sinusoidal 3Qsin 6 m / s Gambar P1 0,9 1,10 Sebuah kelompok 10
m dengan 8 m dengan 3 m Setiap siswa membutuhkan sekitar 0,075 m dan memberikan
sekitar 80 Wof panas (1 W-1 Js) Menghitung kenaikan suhu udara selama 15 menit
pertama dari dass jika ruangan benar-benar tertutup dan terisolasi. Asumsikan panas
kapasily, C, untuk udara adalah 0,718 kkg K). Asumsikan udara adalah gas ideal pada 20
C dan 101,325 kPa. Perhatikan bahwa penyembuhan yang diserap oleh udara dihubungkan
dengan massa udara m, kapasitas panas, dan perubahan lemperan dengan relatioeship
berikut: dari 35 siswa menghadiri kelas di ruangan yang mengukur Gambar P1.7
Persamaan (1.13) dapat ditulis untuk sistem ini sebagai akAy) dr. Massa udara dapat
dirahasiakan dari hukum gas ideal: (infiow) - (keluar) PVRT Mwt PROBLEMS 23 di
mana Pis tekanan gas, V'adalah volume gas, Mwt adalah (b) Untuk kasus di mana tarikan
dapat diabaikan, gunakan aturan rantai untuk berat molekul gas (untuk udara, 28,97
kgkmol), dan Resikan prss persamaan diferensial sebagai fungsi ketinggian gas yang agak
ideal. konstanta (8.314 kPa mikmol K) l L.Il Gambar PI.11 menggambarkan berbagai cara
di mana rata-rata manusia memperoleh dan kehilangan air dalam satu hari. Oe liter dicerna
sebagai makanan, du de di dan tubuh secara metabolik menghasilkan 0,3 L Dalam g, thx
dx d perubahan adalah 0,05 L. sambil menghirup, dan 0,4 L sambil menghembuskan nafas
selama satu hari. Tubuh juga akan kehilangan 0,2, 1,4, 0,2, dan 0,35L c) Gunakan kalkulus
untuk mendapatkan solusi bentuk tertutup melalui keringat, urin, feses, dan melalui kulit,
masing-masing. Untuk mempertahankan kondisi stabil-basi, berapa banyak air harus (d)
Gunakan metode Euler untuk mendapatkan larutan umerical dari-0 mabuk per hari? dari
waktu. Ingat bahwa aturan rantai adalah 100.000 m menggunakan langkah 10.000 m di
mana kecepatan awal adalah 1400 m / s ke atas. Bandingkan solusi kalibrasi Anda. dengan
analiti- 1.13 Anggaplah tetesan berbentuk bola dari cairan menguap pada sebuah rale yang
proporsional dengan luas permukaannya. Feses urin di mana Pis tekanan gas, Vis volume
gas, Mwt adalah (b) Untuk kasus di mana hambatan dapat diabaikan, gunakan aturan
rantai untuk berat molekul ex gas (untuk udara, 28,97 kkmol), dan R adalah pers dia
diferensial persamaan sebagai fungsi dari ketinggian agak ideal gas konstan 8.314 kPa
mkmol K) L. ll Gambar PI.11 menggambarkan berbagai cara di mana seorang pria rata-
rata memperoleh dan kehilangan air dalam satu hari. Oe liler dicerna sebagai makanan,
proses dan proses metabolisme tubuh. L Inngr, perubahan bekas adalah 0,05 L sementara
inbaling, dan 0,4 L sambil menghembuskan nafas selama satu hari. Tubuh juga akan
kehilangan 0,2, 1,4, 0,2, dan 0,35 L c Gunakan kalkulus untuk mendapatkan solusi bentuk
tertutup di mana melalui keringat, urin, feses, dan melalui kulit, masing-masing. Dalam
urutan 0, mempertahankan kondisi kondisi-gaduh, berapa banyak air yang harus (d)
Gunakan metode Euler untuk menghilangkan larutan mumerik dari frm-0 diminum per
hari? dari waktu. Ingat bahwa aturan rantai adalah 100.000 m menggunakan langkah
10.000 m di mana kecepatan awal adalah 1400 m / s ke atas. Bandingkan hasil Anda
dengan solusi analitik. 1.13 Misalkan tetesan bulat cairan menguap pada tingkat Kulit ke
area permukaannya. Feses urin dr Udara di mana V-volume (mn) waktu (menit), laju
penguapan (mmmin), dan luas permukaan A (mm. Gunakan metode Euler untuk
menghitung volume droplel dari t-0 hingga 10 menit menggunakan ukuran langkah 0,25
menit. Asumsikan bahwa & 0,1 mm / menit dan bahwa droplet awalnya memiliki radius 3
mm. Kaji validitas hasil Anda dengan merusak radius volume akhir yang dihitung dan
memverifikasi bahwa itu konsisten dengan tingkat penguapan 1.14 Hukum pendinginan
Newton mengatakan bahwa suhu tubuh berubah pada tingkat yang proporsional dengan
perbedaan antara suhu dan medium yang sedang berlangsung (amber lemperature), Minum
Gambar P1.11 1.12 Dalam contoh kita tentang penerjun jatuh bebas, wsmed bahwa
akselerasi karena gravitasi adalah nilai konstan 9,8 / s Meskipun ini adalah perkiraan yang
layak ketika kita memeriksa T-suhu tubuh (C), saya (min), -jatuh benda dekat permukaan
bumi, gravitasi gaya gravitasi konstan (per menit e), dan T-ia ambient tem- menurun
ketika kita bergerak di atas permukaan laut. Representasi yang lebih umum ("C) .Serasikan
bahwa secangkir kopi awalnya memiliki tekanan berdasarkan om hukum kuadrat terbalik
New inverse gravitasi attrac aure dari 68 C. Gunakan metode Euler untuk menghitung
suhu dari t-0 sampai 10 min menggunakan ukuran langkah I min jika T O.Vmin tion dapat
ditulis sebagai 21 C dan k 1,15 Water menyumbang 60% dari total berat badan, kira-kira
dapat dikalibrasi di enam wilayah, persentase pergi sebagai berikut Klaim plasma 4,5%
dari berat badan dan 7,5% dari di mana gx) percepatan gravitasi pada ketinggian x (dalam
m) ma tubuh air total Jaringan ikat padat dan tulang rawan menempati naik ke atas dari
permukaan bumi (m / hg 0) 4,5% gravitasi dari total berat badan dan 2,5% dari total air
tubuh ia mempercepat permukaan bumi G 9,8 ms), dan R - getah bening terstitial bumi
adalah l 2% dari berat badan, yaitu 20% dari total air tubuh. Air tulang yang tidak dapat
diakses kira-kira 75% dari a) Dengan cara yang sama ke derivasi Persamaan. (Saya g)
menggunakan kekuatan total air tubuh dan 45% total berat badan. Jika keseimbangan air
intraseluler untuk mendapatkan persamaan diferensial untuk kecepatan sebagai fungsi -
adalah 33% dari total berat badan dan air transselular adalah 2,5% dari waktu yang
menggunakan representasi lengkap dari total air tubuh, berapa persen dari total tubuh berat
harus gravitasi Namun, untuk derivasi ini, asumsikan bahwa air transelular ke atas dan
persen whal dari total air tubuh ust radius (6,37 x 10 m) kecepatan positif.
dari t-0 hingga 10 menit menggunakan ukuran langkah 1 menit jika T 0.Wmin. tion
dapat ditulis sebagai 21 Cand 1.15 Air menyumbang 60% dari total berat badan mughly.
Menganggap itu dapat dikalibrasi di enam wilayah, persentase pergi sebagai berikut.
Klaim plasma 4,5% dari berat badan dan 7,5% dari mana gx) percepatan gravitasi di
ketinggian x (dalam m) air tubuh total. Jaringan ikat yang padat dan tulang rawan
menempati 810) meningkat ke atas dari permukaan bumi (m / hg (0) -gravitational 4 5%
dari total berat badan dan 73% dari total percepatan watt tubuh di permukaan bumi (2 9,8
m / s), dan getah bening terstitial R-thet adalah 12% dari berat badan yang merupakan 20%
dari total tubuh walet. Air tulang yang tidak dapat dijangkau kira-kira 7,5% dari (a) Secara
serupa dengan derivasi Persamaan (LA) menggunakan kekuatan total air tubuh dan total
berat badan 45% Jika keseimbangan air elas untuk mendapatkan persamaan diferensial
untuk velodty sebagai fungsi adalah 33% dari total berat badan dan air transeluler adalah
2,5% dari waktu yang menggunakan representasi lengkap air tubuh total ini, berapa persen
berat badan harus memiliki gravitasi.Namun, untuk turunan ini, asumsikan bahwa air
transelular ke atas dan berapa persen dari wajib tubuh wajib harus radius 6,37 x 10 m )
kecepatan adalah posätive. air intraselular menjadi? 24 PEMODELAN MATEMATIKA
DAN PEMECAHAN MASALAH TEKNIK L.l6 Sel-sel kanker tumbuh secara
eksponensial dengan waktu penggandaan 20 jam Nole bahwa uang menghasilkan bunga
yang dihitung ketika mereka memiliki pasokan nutrisi yang tidak terbatas. Namun, ketika
sel-sel mulai terbentuk, terbentuk tumor bulat yang padat tanpa suplai darah. pertumbuhan
di pusat tumor menjadi terbatas, dan bahkan sel-sel di mana saya bunga rale dinyatakan
sebagai pecahan per bulan, dan mulai mati. a) Pertumbuhan eksponensial sel N dapat
dinyatakan sebagai (a) Gunakan konservasi uang tunai untuk menghitung saldo pada 6 /,
Interesti B, saldo awal pada awal mooth. ditampilkan, di mana menemukan nilai. adalah
tingkat pertumbuhan sel. Untuk sel kanker, 7/1, 8. dan 9/1 jika tingkat bunga 1% per bulan
(i- 0,0 / bulan). Tunjukkan setiap langkah dalam kompulasi. b) Tuliskan persamaan
diferensial untuk saldo kas dalam bentuk dr dr b) Tulis persamaan yang akan
menggambarkan laju perubahan volume tumor selama pertumbuhan eksponensial
mengingat diameter waktu (bulan). D) depasits sebagai fungsi waktu (S / bulan, W-
penarikan sebagai fungsi waktu Vmonth). Untuk kasus ini, asumsikan bahwa bunga terus
diperparah; yaitu, minat iB sel individu adalah 20 mikron. (c) Setelah jenis tumor tertentu
melebihi 500 mikron dalam diameter, sel-sel di pusat tumor mati (tetapi terus mengambil
ruang di te tumr. Tentukan berapa lama danau untuk fluida 17 A dipompa ke dalam
jaringan yang ditunjukkan pada Gambar. PI.17. Jika -0,7, 93-0,5. -0,1, dan -0,3 ml,
tentukan (c) Gunakan metode Euler dengan langkah waktu 0,5 bulan untuk
mensimulasikan tumor untuk melebihi ukuran kritis ini Keseimbangan: Asumsikan bahwa
deposit dan penarikan diterapkan secara seragam selama sebulan. (d) Kembangkan alur
keseimbangan versus waktu untuk (a) dan (c) 119 Kecepatan sama dengan tingkat
perubahan jarak a (m), aliran lainnya, dx (PL.19) (a) Sustitute Eq. (1.10) dan
mengembangkan solusi analitik untuk jarak sebagai fungsi waktu. Asumsikan bahwa a0.
(b) Gunakan metode Euler untuk secara mumerik mengintegrasikan Persamaan (PL.19)
dan (1.9) untuk menentukan baik kecepatan dan jarak jatuh sebagai fungsi waktu untuk 10
detik pertama jatuh bebas menggunakan parameter yang sama seperti pada Contoh 1.2. (C)
De velop sebuah plot hasil numerik Anda bersama dengan solusi analitis Gambar P1.17
L18 Informasi berikut tersedia untuk rekening bank: Tanggal Deposit Penarikan Saldo
Bunga 1512.33 6220.13 216.80 327.26 81 0.25 9 / 127.31 106.80 CHAPTER
NPS CHAPTER Programming dan Perangkat Lunak Di Chap. 1, kami
menggunakan gaya total untuk mengembangkan model matematika untuk memprediksi
kecepatan jatuh seorang penerjun. Model ini mengambil bentuk persamaan diferensial, du
dr Kami juga learmed bahwa solusi untuk persamaan ini dapat diperoleh dengan
pendekatan numerik sederhana yang disebut metode Euler, dt Mengingat kondisi inltial,
persamaan ini dapat diimplementasikan berulang kali untuk menghitung kecepatan sebagai
fungsi waktu. Namun, untuk memperoleh akurasi yang baik, banyak langkah kecil yang
harus diambil. Ini akan sangat sulit dan memakan waktu untuk dilaksanakan dengan
tangan. Namun, dengan komputer, perhitungan seperti itu dapat dilakukan dengan mudah
Jadi tugas kita berikutnya adalah mencari tahu bagaimana melakukan ini. Bab ini akan
memperkenalkan Anda untuk membungkuk komputer digunakan sebagai alat untuk
mendapatkan solusi tersebut. 2.1 PAKET DAN PEMROGRAMAN Saat ini, ada dua jenis
pengguna perangkat lunak. Di satu sisi, ada orang-orang yang mengambil apa yang
diberikan kepada mereka. Yaitu, mereka membatasi diri pada capablitles yang ditemukan
dalam mode standar operasi operatif dari persamaan linier atau untuk menghasilkan plot
nilai -y dengan software Excel atau MATLAB. Karena ini biasanya melibatkan upaya
minimum, sebagian besar pengguna cenderung mengadopsi mode operasi vanilla ini.
Selain itu, karena perancang paket ini mengantisipasi sebagian besar kebutuhan pengguna
biasa, banyak masalah yang berarti dapat dipecahkan dengan cara ini. N. Misalnya , itu
adalah proposisi langsung untuk menyelesaikan suatu sys- Tapi apa yang terjadi ketika
masalah muncul yang berada di luar kemampuan standar alat? Sayangnya, mengangkat
tangan Anda dan berkata, "Maaf bos, tidak bisa lakukan!" tidak diterima di sebagian besar
lingkaran teknik.Dalam kasus seperti itu, Anda memiliki dua alternatif: Pertama, Anda
dapat mencari paket yang berbeda dan melihat apakah itu mampu memecahkan
masalah.Itulah salah satu alasan kami memilih untuk menutupi kedua Excel dan MATLAB
di Seperti yang akan Anda lihat, nelther satu mencakup semua dan masing-masing
memiliki kekuatan yang berbeda 25 26 Dengan menjadi coaversant dengan keduanya,
Anda akan sangat meningkatkan berbagai masalah yang Anda dapat Kedua, Anda dapat
tumbuh dan menjadi pengguna kekuatan dengan belajar menulis Excel V BA macro atau
MATLAB M-fles. Dan apa ini? Mereka tidak lebih dari program komputer yang
memungkinkan Anda memperluas kemampuan alat-alat ini. Karena para insinyur tidak
boleh puas menjadi alat yang terbatas, mereka akan melakukan apa pun yang diperlukan
untuk memecahkan masalah mereka C. ver Alat Views Mobile di numerik..Y alat
CAPRA? Sayangnya, angkat tangan dan katakan. "Bos Sony, tidak bisa!" tidak dapat
diterima di sebagian besar lingkaran teknik. Dalam kasus seperti itu, Anda memiliki dua
alternatif. Pertama, Anda dapat mencari paket yang berbeda dan melihat apakah ia mampu
memecahkan masalah Itu adalah salah satu alasan yang kami pilih untuk mencakup baik
Excel dan MATLAB dalam buku ini. Seperti yang akan Anda lihat, tidak ada yang
mencakup semuanya dan masing-masing memiliki kekuatan yang berbeda. 25 26 Dengan
bersikap kooperatif dengan keduanya, Anda akan sangat meningkatkan berbagai masalah
yang dapat Anda tangani. Kedua, Anda dapat tumbuh dan menjadi "pengguna kekuatan"
dengan belajar menulis makro Excel VBA atau MATLAB M-file. Dan apa ini? Mereka
tidak lebih dari program komputer yang memungkinkan Anda memperluas kemampuan
alat-alat ini. Karena insinyur tidak boleh puas menjadi alat terbatas, mereka akan
melakukan apa pun yang diperlukan untuk memecahkan masalah mereka. Cara ampuh
untuk melakukan ini adalah belajar menulis program di lingkungan Excel dan MATLAB.
Selain itu, keterampilan pemrograman yang diperlukan untuk makro dan M-file adalah
sama dengan yang dibutuhkan untuk mengembangkan program secara efektif dalam
bahasa seperti Fortran 90 atau C Tujuan utama dari bab ini adalah untuk menunjukkan
kepada Anda bagaimana hal ini dapat dilakukan. Namun, kami berasumsi bahwa Anda
telah Oleh karena itu, penekanan kami di sini adalah pada aspek pemrograman yang secara
langsung mempengaruhi penggunaannya dalam pemecahan masalah teknik. komputer
2.1.1 Program Komputer Program komputer hanyalah seperangkat instruksi yang
mengarahkan komputer untuk melakukan tugas tertentu. Karena banyak bahasa komputer
tingkat tinggi, seperti Fortran 90 dan C, memiliki kemampuan yang kaya. Meskipun
beberapa insinyur mungkin perlu memanfaatkan berbagai kemampuan ini, sebagian besar
hanya membutuhkan kemampuan untuk melakukan perhitungan numerik yang berorientasi
pada teknik. individu menulis program untuk berbagai aplikasi, nost. Dilihat dari
perspektif ini, kita dapat mempersempit kompleksitas ke beberapa topik pemrograman. Ini
adalah: Representasi informasi sederhana (konstanta, variabel, dan deklarasi tipe). .
Representasi informasi lanjutan (struktur data, array, dan catatan). Fomulas matematika
(tugas, aturan prioritas, dan fungsi intrinsik). Input output. Representasi logis (urutan,
seleksi, dan pengulangan). Pemrograman modular (fungsi dan subrutin). Karena kami
berasumsi bahwa Anda telah memiliki beberapa pemaparan sebelumnya terhadap
pemrograman, kami tidak akan menghabiskan waktu untuk empat bidang pertama ini.
Paling baik, kami menawarkan mereka sebagai daftar periksa yang mencakup apa yang
perlu Anda ketahui untuk mengimplementasikan program yang mengikuti. Namun, kami
akan mencurahkan waktu untuk dua topik terakhir. Kami menekankan representasi logis
karena ini adalah area tunggal yang paling mempengaruhi kemuraman dan pemahaman
algoritma. Kami menyertakan pemrograman modular karena juga memberikan kontribusi
 besar pada organisasi program. Selain itu, modul menyediakan sarana untuk mengarsip
algoritma yang berguna dalam format yang nyaman untuk aplikasi berikutnya. 2.2
PEMROGRAMAN TERSTRUKTUR Pada hari-hari awal komputer, para programmer
biasanya tidak terlalu memperhatikan apakah mudah dimengerti. Hari ini diakui bahwa ada
banyak manfaat untuk menulis kode yang terorganisir dan terstruktur dengan baik. Selain
dari manfaat yang jelas dari membuat banyak software untuk berbagi easler, itu juga
menghasilkan lebih banyak efisiensi yang jelas dan untuk akronim untuk Visual Basic for
Applications. 2.2 PEMROGRAMAN STRUKTUR 27 pengembangan program. Artinya,
algoritme yang terstruktur dengan baik selalu lebih mudah didebug dan diuji, sehingga
program yang membutuhkan waktu lebih singkat untuk dikembangkan, diuji, dan
diperbarui. Para ilmuwan komputer telah secara sistematis mempelajari faktor dan
prosedur yang diperlukan untuk mengembangkan perangkat lunak berkualitas tinggi
semacam ini. Intinya, pemrograman terstruktur adalah seperangkat nules yang meresepkan
kebiasaan gaya yang baik untuk programmer. Meskipun pemrograman terstruktur cukup
fleksibel untuk memungkinkan kreativitas dan ekspresi pribadi yang cukup, aturan-
aturannya memberlakukan batasan yang cukup untuk membuat kode yang dihasilkan jauh
lebih unggul daripada ver
2.2 PEMROGRAMAN TERSTRUKTUR
Pada hari-hari awal komputer, para programmer biasanya tidak terlalu
memperhatikan apakah banyak manfaat mereka untuk menulis kode yang terorganisir dan
terstruktur dengan baik. Selain manfaat yang jelas dari membuat perangkat lunak yang
sangat mudah dibagikan, itu juga membantu menghasilkan lebih banyak efisiensi yang
jelas dan mudah dimengerti. Hari ini, diakui bahwa ada akronim untuk Visual Basic for
Applicatioms. 2.2 PEMROGRAMAN STRUKTUR 27 pengembangan program. Artinya,
algoritme yang terstruktur dengan baik selalu lebih mudah didebug dan diuji, sehingga
program yang membutuhkan waktu lebih singkat untuk dikembangkan, diuji, dan
diperbarui. Para ilmuwan komputer telah secara sistematis mempelajari faktor dan
prosedur yang diperlukan untuk mengembangkan perangkat lunak berkualitas tinggi
semacam ini. Intinya, pemrograman terstruktur adalah seperangkat aturan yang
menentukan gaya hablts baik untuk programmer. Meskipun pemrograman terstruktur
cukup fleksibel untuk memungkinkan kreativitas dan ekspresi pribadi yang cukup, aturan-
aturannya memberlakukan batasan yang cukup untuk membuat kode yang dihasilkan jauh
lebih unggul daripada versi yang tidak terstruktur. Secara khusus, produk jadi lebih elegan
dan lebih mudah dipahami. Gagasan utama di balik pemrograman terstruktur adalah bahwa
setiap algoritma numerik dapat disusun menggunakan tiga struktur kontrol mendasar:
urutan, seleksi, dan pengulangan. Dengan membatasi diri pada struktur ini, kode komputer
yang dihasilkan akan lebih jelas dan lebih mudah untuk diikuti. Dalam paragraf berikut,
kami akan menjelaskan masing-masing struktur ini. Untuk menjaga deskripsi ini generik,
kami akan menggunakan flowchart dan pseudocode. Flowchart adalah representasi visual
atau grafis dari suatu algoritme. Flowchart menggunakan serangkaian blok dan baris, yang
masing-masing mewakili operasi tertentu atau langkah dalam algoritma (Gambar 2.1).
anrows mewakili urutan di mana operasi yang saya tidak semua orang yang terlibat dengan
pemrograman komputer setuju bahwa flowcharting adalah endeavo yang produktif.
Bahkan, beberapa programmer yang berpengalaman tidak menganjurkan flowchart.
Namun, kami merasa ada tiga alasan bagus untuk mempelajarinya. Pertama, mereka masih
digunakan untuk mengekspresikan dan mengkomunikasikan algoritme. Kedua, bahkan jika
mereka tidak dipekerjakan secara rutin, ada saatnya ketika mereka akan terbukti berguna
dalam perencanaan, penguraian, atau akhirnya. Dan yang paling penting untuk tujuan kita,
mereka adalah alat pedagogis yang sangat baik. Dari perspektif pengajaran, mereka
memancarkan logika Anda sendiri atau orang lain GAMBAR 2.1 Symibols digunakan
dalam Howcharts SYMBOL NAMA Merupakan awal atau akhir dari suatu program.
Mewakili aliran logika. Gundukan pada tanda panah horizontal menunjukkan bahwa itu
melewati dan tidak terhubung dengan garis arus vertikal. Proses Input / output Mewakili
input atau output data dan informasi Keputusan Mewakili perbandingan, pertanyaan, atau
keputusan yang menentukan jalur alternatif yang harus diikuti Mewakili pertemuan
flowlines Mewakili istirahat yang diteruskan pada halaman lain. Junction Count-controlled
oop Digunakan untuk loop yang mengulangi jumlah iterasi yang telah ditentukan. 28
adalah kendaraan ideal untuk memvisualisasikan beberapa struktur kontrol mendasar yang
digunakan dalam pemrograman komputer. Sebuah pendekatan alternatif untuk
mengekspresikan suatu algoritma yang menjembatani kesenjangan antara diagram alur dan
komputer di tempat simbol-simbol grafis dari diagram alur. Kami telah mengadopsi
beberapa konvensi gaya untuk pseudocode dalam buku ini. Kata kunci seperti IF DO,
INPUT, dll, adalah kapitalized, sedangkan kondisi, langkah-langkah pengolahan, dan tugas
dalam huruf kecil. Selain itu, langkah-langkah pengolahannya dijorokkan. Jadi kata kunci
membentuk sandwich di sekitar langkah-langkah untuk kode disebut pseudocode. Teknik
ini secara visual menentukan sejauh mana setiap struktur kontrol. Satu keuntungan dari
pseudocode yaitu bahwa lebih mudah untuk mengembangkan program dengan itu daripada
dengan flowchart. Pseudocode juga lebih mudah dimodifikasi dan dibagikan dengan orang
lain. Namun, Keputusan Mewakili perbandingan, pertanyaan, atau keputusan yang
menentukan jalur alternatif yang harus diikuti Mewakili alur pertemuan. Merupakan
istirahat yang dilanjutkan di halaman lain. Junction Count-controlled Digunakan untuk
loop yang mengulangi jumlah iterasi yang sudah ditentukan oop 28 adalah kendaraan ideal
untuk memvisualisasikan beberapa struktur kontrol mendasar yang digunakan dalam
pemrograman komputer. Sebuah pendekatan alternatif untuk mengekspresikan suatu
algoritma yang menjembatani kesenjangan antara diagram alur dan komputer di tempat
simbol-simbol grafis dari diagram alur. Kami telah mengadopsi beberapa konvensi gaya
untuk pseudocode dalam buku ini. Kata kunci seperti IF DO, INPUT, dll, adalah kapitalis,
sedangkan kondisi, langkah-langkah pemrosesan, dan tugas dalam huruf kecil. Selain itu,
langkah-langkah pengolahannya dijorokkan. Dengan demikian kata kunci membentuk
sandwich di sekitar langkah-langkah untuk menentukan secara visual tingkat masing-
masing struktur kontrol. disebut pseudocode Ini menggunakan kode-seperti pernyataan
Salah satu keuntungan dari pseudocode adalah bahwa itu adalah easler untuk
mengembangkan program dengan itu daripada dengan flowchart. Pseudocode juga
memudahkan untuk memodifikasi dan berbagi dengan orang lain. Namun, karena bentuk
grafiknya, flowchart terkadang lebih cocok untuk memvisualisasikan algoritme kompleks.
Dalam teks ini, kami akan menggunakan bagan alur untuk tujuan pedagogis. Pseudocode
akan menjadi sarana utama kami untuk mengkomunikasikan algoritme yang berhubungan
dengan metode numerik. 2.2.1 Urutan Representasi Logika. Struktur urutan
mengungkapkan gagasan sepele bahwa kecuali Anda mengarahkannya dengan cara lain,
kode komputer harus diimplementasikan satu instruksi pada suatu waktu. Seperti pada
Gambar. 2.2, struktur dapat dinyatakan secara umum sebagai diagram alur atau sebagai
pseudocode. Pilihan. artinya membagi aliran program ke dalam cabang berdasarkan hasil
dari kondisi logis. Gambar 2.3 menunjukkan dua cara paling mendasar untuk melakukan
hal ini. Berbeda dengan struktur urutan langkah-demi-langkah, seleksi menyediakan
struktur alternatif tunggal, atau IF / THEN (Gambar 2.3a), memungkinkan untuk memutar
dalam alur program jika kondisi logis benar. Jika itu salah, tidak terjadi apa-apa dan
program langsung ke pernyataan berikutnya mengikuti ENDIF. Keputusan alternatif
ganda, atau IFTHEVELSEstructure (Gambar 2.36), berperilaku dengan cara yang sama
untuk kondisi yang benar. Namun, jika kondisi salah, program mengimplementasikan kode
antara ELSE dan ENDIF GAMBAR 2.2 (a) Flowchart dan pseuocode jauh urutan struktur
Instruksi Instruksi instruksi Instruksion Intruksi Instructfon, Instruksig (a) Flowchart
(Pseudocode 29 Flowchant True IF kondisi THEN True block ENDIF True Block
Meskipun konstruksi IF / THEN dan IF / THENELSE mencukupi untuk membangun
algoritme numerik apa pun, dua varian lain umumnya digunakan. Mengasumsikan bahwa
klausa ELSE dari IFTHEN / ELSE mengandung IF / THEN lain. Untuk kasus seperti itu,
ELSE dan IF dapat digabungkan dalam struktur IF / THENELSEIF yang ditunjukkan pada
Gambar 2.4a. Perhatikan bagaimana pada Gambar. 2.4a ada rantai atau kaskade
"keputusan. Yang pertama adalah pernyataan IF, dan setiap keputusan berturut-turut
adalah pernyataan ELSEIF. Turunkan chaln, kondisi pertama yang dijumpai bahwa
pengujian benar akan menyebabkan cabang ke blok kode yang sesuai diikuti oleh keluar
dari struktur. Pada akhir rantai kondisi, jika semua kondisi telah diuji palsu, blok ELSE
opsional dapat dimasukkan. Struktur KASUS adalah varlant pada jenis pengambilan
keputusan ini (Gambar. 2.4. Alih-alih menguji kondisi individual, percabangan didasarkan
pada nilai ekspresi tes tunggal. Bergantung pada nilainya, blok kode yang berbeda akan
diterapkan. Selain itu, blok opsional dapat diterapkan jika ekspresi mengambil pada tidak
ada nilai yang ditentukan (KASUS ELSE Pengulangan. Pengulangan menyediakan sarana
untuk menerapkan instruksi berulang kali. Konstruksi yang dihasilkan, yang disebut loop
datang dalam dua rasa "dibedakan dengan bagaimana mereka
Karena kedua blok disertakan, kasus umum pada Gambar 2.5 kadang-kadang
disebut loop midestest. Perlu dicatat bahwa loop DOEXIT diperkenalkan di Fortran 90
dalam upaya menyederhanakan loop keputusan. Konstruksi kontrol ini adalah bagian
standar dari bahasa makro VBA Excel tetapi tidak standar dalam C atau MATLAB, yang
menggunakan struktur WHILE yang disebut. Karena kami percaya bahwa DOEXIT lebih
unggul, kami telah mengadopsinya sebagai struktur pengulangan keputusan kami di
seluruh buku ini. Untuk memastikan bahwa algoritme kami secara langsung
diimplementasikan dalam MATLAB dan Excel, kami akan menunjukkan bagaimana loop
istirahat dapat disimulasikan dengan struktur WHILE di bagian selanjutnya dalam bab ini
(lihat Bagian 2.5). Break loop dalam Gambar 2.5 disebut loop logis karena berakhir pada
kondisi logis Sebaliknya, loop yang dikontrol dengan angka atau DOFOR (Gambar, 2.6)
melakukan sejumlah pengulangan yang ditentukan, atau iterasi. Loop yang dikontrol
dengan hitungan bekerja sebagai berikut. Indeks (direpresentasikan sebagai sirip Flg. 2.6)
mulai. Program kemudian menguji apakah indeks adalah variabel yang ditetapkan pada
nilai awal kurang dari atau sama dengan nilai akhir, selesai. Jika demikian, ia
mengeksekusi tubuh loop, dan kemudian siklus kembali ke pernyataan DO. Setiap kali
pernyataan ENDDO ditemui, indeks secara otomatis ditingkatkan oleh langkah. Dengan
demikian indeks bertindak sebagai penghitung. Kemudian, ketika indeks lebih besar dari
nilai akhir (Anish. Komputer secara otomatis keluar dari loop dan mentransfer kontrol ke
garis mengikuti pernyataan ENDDO.
Perhatikan bahwa untuk hampir semua bahasa komputer, termasuk Excel dan
MATLAB, jika langkahnya adalah dihilangkan, komputer mengasumsikan itu sama
dengan 1,2 Algoritma numerik yang diuraikan dalam halaman-halaman berikut akan
dikembangkan secara eksklusif dari struktur yang diuraikan dalam Flgs. 2,2 hingga 2,6.
Contoh berikut menggambarkan pendekatan dasar dengan mengembangkan suatu
algoritma untuk menentukan akar untuk rumus kuadrat, CONTOH 2.1 Algoritma untuk
Roots dari Pernyataan Masalah Kuadrat, Akar dari persamaan kuadrat dapat ditentukan
dengan forimula kuadrat, 2a. Mengembangkan algoritma yang melakukan Sop 1 berikut:
Meminta pengguna untuk coofficiants tre, a, b, dan c Hentikan 2: Implikasi untuk formub
quadraic, jaga agoinst dli eventuclises untuk axompa, hindari pembagian dengan nol dan
berikan untuk mengaum kompleks Srap 3: Menampilkan t Solusinya, panas adalah,
volume forx Sap 4: Memungkinkan pengguna opsi o kembali ke stop1 dan mengulangi dia
memproses Solution. Kami akan menggunakan pendekatan top-down untuk
mengembangkan algoritme kami. Artinya, kita akan secara berturut-turut memperbaiki
algoritme daripada mencoba untuk menyelesaikan semua detail pada saat pertama. Untuk
melakukan ini, mari kita asumsikan untuk saat ini bahwa rumus kuadrat sangat mudah
terlepas dari nilai-nilai coeffilclents (jelas tidak benar, tapi cukup baik untuk memotong)
Sebuah algoritma terstruktur untuk mengimplementasikan skema INPUT a, b, c DISPLAY
r1 , r2 DISPLAY Coba lagi? Jawab jawaban ya atau tidak INPUT JIKA respons EXIT
ENDOO Langkah negatihve dapat digunakan. Dalam kasus seperti itu, loop berakhir
ketika indeks kurang dari nilai akhir. 2.2 PEMROGRAMAN TERSTRUKTUR Sebuah
konstruk DOEXIT digunakan untuk mengimplementasikan rumus kuadrat berulang-ulang
sepanjang kondisinya salah. Kondisi tergantung pada nilai respon variabel gombal. Jika
respon sama dengan perhitungan yeste diimplementasikan. Jika tidak, artinya, respons
tidak ada loop yang berhenti. Dengan demikian, pengguna mengontrol penghentian dengan
memasukkan nilai untuk respon. Sekarang meskipun algoritma di atas berfungsi untuk
kasus-kasus tertentu, itu tidak mudah. Tergantung pada nilai koefisien, algoritme mungkin
tidak berfungsi. Inilah yang bisa terjadi: Jika 0, masalah segera muncul karena pembagian
dengan nol. Bahkan, pemeriksaan klausul Persamaan. (E2.I.I) menunjukkan bahwa dua
kasus yang berbeda dapat muncul. Artinya, Jika b0, persamaan berkurang menjadi
persamaan linear dengan satu akar asli, -cfb. Jika b-0, maka tidak ada solusi. Artinya,
masalahnya sepele. Jika a0, dua kemungkinan kasus terjadi tergantung pada nilai
diskriminan, db-ac. Artinya, Jika d 20, dua akar nyata terjadi. Jika d <0, dua akar
kompleks terjadi. Perhatikan bagaimana kami menggunakan indentasi untuk memahami
struktur putusan yang mendasari matematika. Struktur ini kemudian mudah diterjemahkan
ke satu set struktur F / THENELSE yang digabungkan yang dapat disisipkan di tempat
pernyataan yang diarsir dalam kode sebelumnya untuk memberikan algoritma terakhir:
digunakan untuk mengimplementasikan rumus kuadrat berulang-ulang sepanjang
kondisinya salah. Kondisi tergantung pada nilai respon variabel karakter. Jika respons
sama dengan ya, perhitungannya diterapkan. Jika tidak, yaitu, respon -tidak ada loop yang
berhenti. Dengan demikian, pengguna mengontrol penghentian dengan memasukkan nilai
untuk respon. Sekarang meskipun algorlm di atas bekerja untuk kasus-kasus tertentu, itu
tidak mudah. Tergantung pada nilai koefisien, algoritme mungkin tidak berfungsi. Inilah
yang bisa terjadi: Jika 0, masalah segera muncul karena pembagian dengan nol. Bahkan,
pemeriksaan dekat Persamaan. (E2.1.1) menunjukkan bahwa dua kasus berbeda dapat
berubah. Itu adalah. Jika b # 0, persamaan berkurang menjadi persamaan linear dengan
satu akar sebenarnya, -c / b. Jika b-0, maka tidak ada solusi. Artinya, masalahnya sepele.
.Jika 0, dua kemungkinan kasus terjadi tergantung pada nilai diskriminan, d-ac. Artinya,
Jika d0, dua akar nyata terjadi. Jika d <0. dua akar kompleks terjadi. Perhatikan bagaimana
kami menggunakan indentasi untuk memahami struktur putusan yang mendasari
matematika. Struktur ini kemudian mudah diterjemahkan ke satu set struktur
IFTHENELSE yang digabungkan yang dapat disisipkan di tempat pernyataan berbayang
dalam kode pre-vlous untuk memberikan algoritma akhir: Pendekatan pada contoh
sebelumnya dapat digunakan untuk mengembangkan algorlm untuk masalah penerjunaan
Ingat bahwa, mengingat kondisi awal untuk waktu dan kecepatan, masalah yang terlibat
secara iterasi memecahkan rumus da dr Sekarang juga ingat bahwa jika kita ditolak untuk
mencapai akurasi yang baik, kita perlu menggunakan langkah-langkah kecil. Oleh karena
itu, kami mungkin ingin menerapkan rumus berulang kali dari waktu awal hingga waktu
akhir. Akibatnya, suatu algoritma untuk memecahkan masalah akan didasarkan pada suatu
loop. Sebagai contoh, anggaplah bahwa kita memulai perhitungan at0 dan ingin
memprediksi kecepatan di -s menggunakan langkah waktu Ar-0,5 s. Oleh karena itu, kami
perlu menerapkan Persamaan. (2,1) kali elght, bahwa ls,
Pendekatan pada contoh sebelumnya dapat digunakan untuk mengembangkan
suatu algoritma untuk masalah penerjemahan Ingat bahwa, mengingat kondisi awal untuk
waktu dan kecepatan, masalah yang terlibat secara lteratively memecahkan rumus du dt
Sekarang juga ingat bahwa jika kita ingin mencapai akurasi yang baik, kita perlu
menggunakan langkah-langkah kecil. Oleh karena itu, kami mungkin ingin menerapkan
rumus berulang kali dari waktu awal hingga waktu akhir. Akibatnya, suatu algoritma untuk
memecahkan masalah akan didasarkan pada suatu loop. Sebagai contoh, anggaplah bahwa
kita memulai perhitungan at0 dan ingin memprediksi kecepatan pada - 4 s menggunakan
langkah waktu 0,5 s. Oleh karena itu, kami perlu menerapkan Persamaan. (2,1) kali elght,
yaitu 0,5 di mana jumlah iterasi loop. Karena hasil ini adalah tepat, bahwa ls, rasio ls
integer, kita dapat menggunakan loop count-controlled sebagai dasar untuk algoritma.
Berikut ini contoh pseudocode: g-9.8 INPUT cd, INPUT ti. v, tf, dt Vsvf t-t + d ENDOO
DISPLAY v Meskipun skema ini mudah untuk diprogram, ini tidak mudah. Secara khusus,
ini akan bekerja hanya jika interval perhitungan secara merata terbagi oleh langkah waktu.
3 Untuk menutupi kasus-kasus seperti itu, loop keputusan dapat diganti di tempat daerah
yang diarsir dalam pseudocode sebelumnya. Hasil akhirnya adalah 99,8 INPUT cd. INPUT
ti. v, tf, dt Masalah ini diperparah oleh fakta-fakta komputer topi menggunakan basis-2
nomor represestasi untuk thelr matematika internal Consequraty, beberapa appareadly
secara merata dapat dibagi sumbers melakukan hasil ini ketika divisi ini dilaksanakan pada
komputer.
INPUT t, v, t, dt tf Masalah ini diperlengkapi oleh fakta bahwa komparator
menggunakan represeatation nomor base-2 untuk matras inlernal mereka Consequrntly,
beberapa umil yang tampaknya terbagi secara merata tidak menghasilkan bilangan bulat
ketika pembagian diimplementasikan pada komputer, Kami akan mencakup ths Chap.3a
35 t-dt h-tf -I ENDIF IF t 2z tf EXIT ENDDO DISPLAY Begitu kita memasuki loop, kita
menggunakan IF / THEN sticture untuk menguji apakah menambahkan t + dt akan
membawa kita melampaui akhir jeda. Jika tidak, yang biasanya akan menjadi kasus pada
awalnya, kita tidak melakukan apa-apa. Jika ya, kita perlu mempersingkat interval dengan
mengatur langkah variabel hto f-. Dengan melakukan ini, kami menjamin bahwa langkah
selanjutnya jatuh tepat pada tf, Setelah kami menerapkan langkah terakhir ini. loop akan
teminat karena kondisi t 2 tf akan menguji Pemberitahuan benar bahwa sebelum memasuki
loop, kita menetapkan nilai dari langkah waktu, dt, ke variabel lain, h Kita membuat
variabel dummy ini sehingga rutinitas kita tidak mengubah yang diberikan nilai dt jika dan
ketika kita mempersingkat langkah waktu. Kami melakukan ini dalam antidpation bahwa
kami mungkin perlu menggunakan nilai asli dt di tempat lain dalam hal kode ini
terintegrasi dalam program yang lebih besar. Perlu dicatat bahwa algoritma ini masih
belum sempurna. Misalnya, pengguna bisa salah memasukkan ukuran langkah yang lebih
besar daripada interval perhitungan, misalnya, f- 5 dan d 20. Dengan demikian, Anda
mungkin ingin memasukkan kesalahan perangkap dalam kode Anda untuk menangkap
kesalahan tersebut dan kemudian memungkinkan pengguna untuk perbaiki kesalahan 2.3
PEMROGRAMAN MODULAR Bayangkan betapa sulitnya mempelajari buku teks yang
tidak memiliki bab, bagian, atau paragraf. Memecah tugas atau subjek yang rumit menjadi
bagian yang lebih mudah dikelola adalah salah satu cara untuk membuatnya mudah
ditangani. Dalam splrit yang sama, program komputer dapat dibagi menjadi subprogram
kecil, atau imodul, yang dapat dikembangkan dan diuji secara terpisah. Pendekatan ini
disebut pemrograman modular. Atribut yang paling penting dari modul adalah bahwa
mereka harus independen dan mandiri. Selain itu, mereka biasanya didesak untuk
melakukan fungsi yang spesifik, terdefinisi dengan baik dan memiliki satu entri dan satu
titik keluar. Dengan demikian, mereka biasanya pendek (umumnya 50 sampai 100
instruksi panjangnya) dan sangat terfokus. Dalam bahasa tingkat standar hlgh seperti
Fortran 90 atau C, instruksi komputer pemrograman utama yang bersama-sama melakukan
tugas yang diberikan. Dua jenis prosedur biasanya digunakan: fimulasi dan subrutin. Yang
pertama biasanya mengembalikan satu hasil, sedangkan elemen yang digunakan untuk
mewakili setiap modul adalah prosedurnya. Prosedur adalah serangkaian pengembalian
terakhir beberapa. Selain itu, harus disebutkan bahwa banyak program yang terkait dengan
paket perangkat lunak seperti Excel dan MATLAB melibatkan pengembangan
subprogram. Oleh karena itu, 36 macro Excel dan fungsi MATLAB dirancang untuk
menegaskan kembali beberapa informasi, melakukan perhitungan, dan mengembalikan
hasil. Dengan demikian, pemikiran modular juga konsisten dengan bagaimana
pemrograman diterapkan dalam lingkungan paket. Pemrograman modular memiliki
sejumlah keunggulan. Penggunaan unlts mandiri yang kecil membuat logika yang
mendasarinya lebih mudah untuk dibuat dan dipahami baik bagi pengembang maupun
pengguna. Pengembangan difasilitasi karena setiap modul dapat disempurnakan dalam
isolasi. Bahkan, untuk proyek-proyek besar, programmer yang berbeda dapat bekerja pada
bagian-bagian individual. Modular de-slgn juga meningkatkan kemudahan program yang
dapat di-debug dan diuji karena eror dapat lebih mudah diisolasi. Akhirnya, pemeliharaan
dan modifikasi program difasilitasi. Hal ini terutama disebabkan oleh fakta bahwa modul
baru dapat dikembangkan untuk melakukan tugas tambahan dan kemudian dengan mudah
dimasukkan ke dalam skema yang sudah koheren dan terorganisir.
 Excel dan fungsi MATLAB dirancang untuk menegaskan kembali beberapa
informasi yang melakukan perhitungan, dan mengembalikan hasil. Dengan demikian,
pemikiran modular juga konsisten dengan pemograman busur yang diterapkan dalam
lingkungan paket. Pemrograman modular memiliki sejumlah keunggulan. Penggunaan
unit-unit kecil yang mandiri membuat logika dasar yang mendasari untuk merancang dan
memahami baik bagi pengembang maupun pengguna. Pengembangan difasilitasi karena
setiap modul dapat disempurnakan dalam isolasi. Bahkan, untuk proyek-proyek besar,
programmer yang berbeda dapat bekerja pada bagian-bagian individual. Disain modular
juga meningkatkan kemudahan program yang dapat di-debug dan diuji karena emesor
dapat lebih mudah diisolasi. Akhirnya, pemeliharaan dan modifikasi program difasilitasi.
Hal ini terutama disebabkan oleh fakta bahwa modul baru dapat dikembangkan untuk
melakukan tugas tambahan dan kemudian dengan mudah dimasukkan ke dalam skema
yang sudah koheren dan terorganisir. Sementara semua atribut ini adalah alasan yang
cukup untuk menggunakan modul, alasan paling penting yang terkait dengan pemecahan
masalah teknik numerik adalah bahwa mereka memungkinkan Anda untuk memelihara
perpustakaan Anda sendiri modul yang berguna untuk digunakan nanti dalam program
lain. Ini akan menjadi filosofi buku ini: Semua algoritma akan disajikan sebagai modul.
Pendekatan ini diilustrasikan pada Gambar. 2.7 yang menunjukkan fungsi yang
dikembangkan untuk mengimplementasikan metode Euler. Perhatikan bahwa aplikasi
fungsi ini dan versi sebelumnya berbeda dalam cara mereka menangani output input. Di
versi sebelumnya, input dan output secara langsung berasal dari (melalui pernyataan
INPUT) dan ke (vla DISPLAY statements) pengguna. Dalam fungsi, input dilewatkan ke
FUNGSI melalui daftar argumennya Functian Eulertat, ti, t. y) output dikembalikan
melalui y-EuTedt, tf. tf, y) Selain itu, kenali seberapa umum rutinitas itu. Tidak ada
referensi untuk menyebutkan spesifik dari masalah penerjun. Sebagai contoh, daripada
memanggil GAMBAR 2.7 Pseudocode dependen untuk fungsi yang memecahkan
persamaan dilferential menggunakan metode Euler.
Selanjutnya, perhatikan bahwa derivatif tidak dihitung dalam fungsi dengan
persamaan eksplisit. Sebaliknya, fungsi lain, dy, harus dipanggil untuk menghitungnya. Ini
mengakui fakta bahwa kita mungkin ingin menggunakan fungsi ini untuk banyak masalah
yang berbeda di luar memecahkan kecepatan parasut. 2.4 EXCEL Excel adalah
spreadsheet yang diproduksi oleh Microsoft, Inc. Spreadsheets adalah jenis khusus
perangkat lunak matematika yang memungkinkan pengguna untuk memasukkan dan
melakukan perhitungan pada baris dan kolom data. Dengan demikian, mereka adalah versi
komputer dari worksheet akuntansi besar di mana perhitungan interkoneksi besar dapat
diimplementasikan dan ditampilkan. Karena seluruh perhitungan diperbarui ketika nilai
apa pun pada lembar diubah, spreadsheet ideal untuk bagaimana jika? "Macam analisis.
Excel memiliki beberapa kemampuan numerik bawaan termasuk penyelesaian persamaan,
penyesuaian kurva, dan pengoptimalan. Ini juga mencakup VBA sebagai bahasa makro
yang dapat digunakan untuk menerapkan perhitungan numerik.Akhirnya, ia memiliki
beberapa alat visualisasi, seperti grafik dan plot permukaan tiga dimensi, yang berfungsi
sebagai tambahan berharga untuk analisis numerik Di bagian ini, kami akan menunjukkan
bagaimana capablilities ini dapat digunakan untuk memecahkan masalah para- chutist
.Untuk melakukan ini, mari kita pertama-tama mengatur spreadsheet sederhana.Seperti
yang ditunjukkan di bawah ini, langkah pertama melibatkan memasukkan label dan angka
ke dalam sel spreadsheet.Parachutist Masalah 3 m 4 cd 6i.1 kg 12,5 kg 0,1 s vnum (m / s)
vanal (m / 0,000 Sebelum kita menulis program makro untuk menghitung nilai numerik,
kita dapat membuat pekerjaan berikutnya dengan memasukkan nama ke nilai parameter.
Untuk melakukan ini, pilih sel A3: B5 (cara termudah untuk melakukan ini dengan
menggerakkan mouse ke A3, menahan tombol kiri mouse dan menyeret ke bawah ke B5).
Selanjutnya, buat pemilihan menu Masukkan Nane Buat Kolom Kiri um OK Untuk
memverifikasi bahwa ini telah bekerja dengan benar, pilih sel B3 dan periksa apakah label
m 'muncul di kotak nama yang terletak di sisi kiri lembar tepat di bawah bilah menu)
Pindah ke sel C8 dan masukkan solusi analitis (Persamaan 1.9). Ketika formala ini
dimasukkan, nilai 0 akan muncul di sel C8. Kemudian salin rumus ke bawah ke sel C9
untuk memberikan nilai 16,405 m / s. Semua yang di atas adalah tipikal penggunaan
standar Excel. Misalnya, pada titik ini Anda dapat mengubah nilai parameter dan melihat
bagaimana solusi analitis berubah. 38 Sekarang, kami akan mengilustrasikan bagaimana
macro VBA dapat digunakan untuk memperluas kapabilitas standar. Gambar 2.8 daftar
pseudocode bersama kode Excel VBA untuk semua struktur kontrol yang dijelaskan pada
bagian sebelumnya (Gambar 2.2 hingga 2.6). Perhatikan bagaimana, meskipun detailnya
berbeda, struktur pseudocode dan kode VBA identik. Kita sekarang dapat menggunakan
beberapa konstruksi dari Gambar 2.8 untuk menulis fungsi makro ke kecepatan
menghitung secara numerik. Buka VBA dengan memilih Tools Macro Visual Basic Edi
tor Begitu masuk dalam Msual Basic Editor (VBE), pilih Insert Modul e dan jendela kode
baru akan terbuka. Langsung dari pseudocode pada Gambar 2.7. Ketik ke dalam jendela
kode. Ketika formula ini dimasukkan, nilai 0 akan muncul di sel C8. Kemudian salin
rumus ke bawah ke sel C9 untuk memberi nilai 16.405 m / dtk. Semua di atas adalah
tipikal penggunaan standar Excel. Misalnya, pada titik ini Anda dapat mengubah nilai
parameter dan melihat bagaimana solusi analitis berubah. 38 Sekarang, kami akan
mengilustrasikan bagaimana macro VBA dapat digunakan untuk memperluas kapabilitas
standar. Gambar 2.8 daftar pseudocode bersama kode Excel VBA untuk semua struktur
kontrol yang dijelaskan pada bagian sebelumnya (Gambar 2.2 hingga 2.6). Perhatikan
bagaimana, meskipun detailnya berbeda, struktur pseudocode dan kode VBA identik. Kita
sekarang dapat menggunakan beberapa konstruksi dari Gambar 2.8 untuk menulis fungsi
makro ke kecepatan menghitung secara numerik. Buka VBA oleh se Tool s Macro Vi sual
Basi c Edi tor Begitu masuk dalam Msual Basic Editor (VBE), pilih Insert Modul e dan
jendela kode baru akan terbuka. Fungsi VBA berikut dapat dikembangkan langsung dari
pseudocode pada Gambar 27. Tipe I n ke jendela kode Opti pada Functi Eksplisit pada Eal
e (dt. T f. Yi. Mcd) Di mh As Double, t As Double, y As Double , dydt As Doubl e Do
Jika tdt tf Kemudian End If yydydth Jika ttf Kemudian Keluar Do Loop Eul er y End
Functi pada Bandingkan makro ini dengan pseudocode dari Gambar. 2.7 dan mengenali
bagaimana slmilar mereka. Juga, lihat bagaimana kami telah memperluas daftar argumen
fungsi untuk memasukkan parameter yang diperlukan untuk model kecepatan penerjun.
Kecepatan yang dihasilkan, u, kemudian diteruskan kembali ke spreadsheet melalui nama
fungsi.
 Ini adalah kombinasi dari lingkungan Excel dengan bahasa pemrograman VBA yang
benar-benar membuka sebuah dunia kemungkinan untuk pemecahan masalah rekayasa.
Dalam bab-bab mendatang, kami akan menggambarkan bagaimana hal ini tercapai.

2,5 MATLAB

MATLAB adalah produk perangkat lunak andalan dari The MathWorks, Inc., yang dirikan
oleh analis numerik Cleve Moler dan John N. kecil. Sesuai namanya, MATLAB pada
awalnya dikembangkan sebagai laboratorium matriks. Untuk hari ini, unsur utama dari
MATLAB masih matriks. manipulasi matematika matriks yang sangat nyaman imple-
mented dalam lingkungan yang mudah digunakan, interaktif. Untuk manipulasi matriks
ini, MATLAB telah menambahkan berbagai fungsi numerik, perhitungan simbolik, dan
alat visual-isasi. Sebagai konsekuensinya, versi ini merupakan lingkungan komputasi
teknologi-te cukup komprehensif.
MATLAB memiliki berbagai fungsi dan operator yang memungkinkan nyaman
implementa-tion dari banyak metode numerik yang dikembangkan dalam buku ini. Ini
akan dijelaskan secara rinci dalam bab-bab individu yang mengikuti. Selain itu, program
dapat ditulis sebagai disebut M-file yang dapat digunakan untuk mengimplementasikan
perhitungan numerik. Mari kita menjelajahi bagaimana hal ini dilakukan.
Pertama, Anda harus mengakui bahwa penggunaan MATLAB normal berkaitan erat
dengan pro-gramming. Sebagai contoh, misalkan kita ingin menentukan solusi analitis untuk
masalah penerjun. Hal ini dapat dilakukan dengan seri berikut perintah MATLAB

> g = 9,8;
> m = 68,1;
> cd = 12,5;
> tf = 2;
> v = g * m / cd * (1-exp (-cd / m * tf))

dengan hasil yang ditampilkan sebagai

v =
16,4050

Dengan demikian, urutan perintah adalah seperti urutan instruksi dalam bahasa pro-
gramming khas.
Sekarang bagaimana jika Anda ingin menyimpang dari struktur berurutan. Meskipun
ada beberapa cara yang rapi untuk menyuntikkan beberapa kemampuan nonsequential
dalam modus perintah standar, dimasukkannya keputusan dan loop paling baik dilakukan
dengan membuat dokumen MATLAB disebut M-file. Untuk melakukan ini, membuat
pilihan menu
File New Mfile

dan jendela baru akan terbuka dengan judul “MATLAB Editor / Debugger.” Pada jendela
ini, Anda dapat mengetik dan mengedit program MATLAB. Ketik kode berikut ada:
g = 9,8;
m = 68,1;
cd = 12,5;
tf = 2;
v = g * m / cd * (1-exp (-cd / m * tf))
42 PEMROGRAMAN DAN SOFTWARE

Perhatikan bagaimana perintah ditulis dengan cara yang persis seperti mereka akan
ditulis di ujung depan MATLAB. Menyimpan program dengan nama: analpara.
MATLAB akan au-tomatically melampirkan m ekstensi untuk menunjukkan sebagai M-
berkas: analpara.m.
Untuk menjalankan program ini, Anda harus kembali ke modus perintah. Cara yang
paling langsung untuk melakukan ini adalah dengan mengklik tombol “MATLAB
Command Window” pada task bar (yang biasanya di bagian bawah layar).
Program ini sekarang dapat dijalankan dengan mengetikkan nama M-berkas,
analpara, yang akan terlihat seperti

>> analpara

Jika Anda telah melakukan semuanya dengan benar, MATLAB harus menanggapi dengan
jawaban yang benar:

v =
16,4050

Sekarang satu masalah dengan hal tersebut adalah bahwa hal itu sudah diatur untuk
menghitung satu kasus saja. Anda dapat membuatnya lebih fleksibel dengan memiliki
input pengguna beberapa variabel. Misalnya, sup-berpose bahwa Anda ingin menilai
dampak massa pada kecepatan di 2 s. M-file yang dapat ditulis ulang sebagai berikut
untuk mencapai hal ini

g = 9,8;
m = input ( 'massa (kg):');
cd = 12,5;
tf = 2;
v = g * m / cd * (1-exp (-cd / m * tf))

Simpan ini sebagai analpara2.m. Jika Anda mengetik analpara2 sementara berada di
modus perintah, prompt akan menunjukkan

massa (kg):

Pengguna kemudian bisa memasukkan nilai seperti 100, dan hasilnya akan ditampilkan
sebagai

v =
17,3420

Sekarang harus cukup jelas bagaimana kita dapat memprogram solusi numerik
dengan M-file. Untuk melakukan ini, pertama kita harus memahami bagaimana
MATLAB menangani struktur logis dan perulangan. Gambar 2.9 daftar pseudocode
bersama kode MATLAB untuk semua struktur con-trol dari bagian sebelumnya.
Meskipun struktur dari pseudocode dan kode MATLAB sangat mirip, ada beberapa
perbedaan kecil yang harus diperhatikan.
Secara khusus, melihat bagaimana kita telah mewakili struktur DOEXIT. Di tempat
DO, kita menggunakan pernyataan WHILE (1). Karena MATLAB menafsirkan nomor 1
sebagai sesuai dengan “benar,” pernyataan ini akan mengulangi jauh dengan cara yang
 sama seperti pernyataan DO. loop diakhiri dengan perintah istirahat. transfer perintah ini
kontrol ke pernyataan berikut pernyataan akhir yang mengakhiri loop.
(Sebuah)pseudocode (B)MATLAB

JIKA KEMUDIAN:
IF kondisi THEN jika b ~ = 0
benar blok r1 = -c / b;
akhi
BERAKHIR JIKA r

IF / THEN / ELSE:
IF kondisi THEN jika <0
benar blok b = Sqrt (abs (a));
LAIN lain
blok palsu b = Sqrt (a);
akhi
BERAKHIR JIKA r
IF / THEN /
ELSEIF:
JIKA kondisi1 KEMUDIAN jika kelas == 1
Blok1 x = x + 8;
kondisi ELSEIF2 kelas elseif <1
Blok2 x = x - 8;
kondisi ELSEIF3 kelas elseif <10
Blok3 x = x - 32;
LAIN lain
Blok4 x = x - 64;
akhi
BERAKHIR JIKA r
KASUS:
SELECT CASE Uji Ekspresi beralih + b
KASUS Nilai1 kasus 1
Blok1 x = -5;
KASUS Nilai2 kasus 2
Blok2 x = -5 - (a + b) / 10;
KASUS Nilai3 kasus 3
Blok3 x = (a + b) / 10;
ELSE CASE jika tidak
Blok4 x = 5;
akhi
END SELECT r
GAMBAR 2.9 DOEXIT:
Struktur kontrol mendasar
MELAKUKAN sementara (1)
dalam (a) pseudocode dan
Blok1 i = i + 1;
(b) bahasa pemrograman
jika i> = 10, istirahat,
MATLAB. JIKA kondisi EXIT akhir
Blok2 j = i * x;
akhi
EndDo r
COUNT-DIKENDALIKAN
LOOP:
DOFOR i = awal, akhir, langkah akhi
Blok EndDo r

43
44 PEMROGRAMAN DAN SOFTWARE

Juga perhatikan bahwa parameter loop count-dikendalikan memerintahkan berbeda.

Untuk pseudocode, parameter lingkaran ditetapkan sebagai mulai, selesai,
langkah. Untuk MATLAB, parameter yang dipesan sebagai mulai: Langkah:
finish.
Berikut MATLAB M-file yang sekarang dapat dikembangkan langsung dari
pseudocode pada Gambar. 2.7. Ketik ke dalam MATLAB Editor / Debugger:
g = 9,8;
m = input ( 'massa (kg):');
cd = 12,5;
ti = 0;
tf = 2;
vi = 0;
dt = 0,1;
t = ti;
v = vi;
h = dt;
sementara (1)
jika t + dt> tf
h = tf - t;
akhir
dvdt = g - (cd / m) * v;
v = v + dvdt * h;
t = t + h;
jika t> = tf, istirahat, akhir
akhir
Disp ( 'kecepatan (m / s):')
Disp (v)
Simpan file ini sebagai numpara.m dan kembali ke modus perintah dan menjalankannya
dengan memasukkan:
numpara. Output berikut harus menghasilkan:
massa (kg): 100

kecepatan (m / s):
17,4381
Sebagai langkah terakhir dalam pembangunan ini, mari kita di atas M-file dan
mengubahnya menjadi sebuah fungsi yang tepat. Hal ini dapat dilakukan sebagai berikut
M-file berdasarkan pseudocode dari Gambar. 2.7
Fungsi yy = Euler (dt, ti, tf, yi, m, cd)
t = ti;
y = yi;
h = dt;
sementara (1)
jika t + dt> tf
h = tf - t;
akhir
dydt = dy (t, y, m, cd);
y = y + dydt * h;
t = t + h;
jika t> = tf, istirahat, akhir
akhir
yy = y;
 2,6 Mathcad 45

Simpan file ini sebagai euler.m dan kemudian membuat yang lain M-file untuk
menghitung turunan,
Fungsi dydt = dy (t, v, m, cd)
g = 9,8;
dydt = g - (cd / m) * v;

Simpan file ini sebagai dy.m dan kembali ke modus perintah. Dalam rangka untuk
memanggil fungsi dan lihat hasilnya, Anda dapat mengetikkan perintah berikut
> m = 68,1;
> cd = 12,5;
> ti = 0;
> tf = 2 .;
> vi = 0;
> dt = 0,1;
> Euler (dt, ti, tf, vi, m, cd)

Ketika perintah terakhir dimasukkan, jawabannya akan ditampilkan sebagai

ans =
16,5309

Ini adalah kombinasi dari lingkungan MATLAB dengan M-file bahasa pemrograman
yang benar-benar membuka sebuah dunia kemungkinan untuk pemecahan masalah
rekayasa. Dalam bab-bab mendatang kami akan menggambarkan bagaimana hal ini
tercapai.

2.6 Mathcad
Mathcad mencoba untuk menjembatani kesenjangan antara spreadsheet seperti Excel dan
notes. Ini pada awalnya dikembangkan oleh Allen Razdow dari MIT yang dirikan
Mathsoft, Inc., yang menerbitkan versi komersial pertama pada tahun 1986. Hari ini,
Mathsoft merupakan bagian dari Parametric Technology Corporation (PTC) dan Mathcad
adalah dalam versi 14.
Mathcad pada dasarnya adalah notepad interaktif yang memungkinkan para insinyur
dan ilmuwan untuk melakukan sejumlah umum matematika, data penanganan, dan tugas
grafis. Infor-masi dan persamaan input ke lingkungan desain “papan tulis” yang memiliki
semangat yang sama halaman kertas. Tidak seperti alat pemrograman atau spreadsheet,
antarmuka Mathcad ini menerima dan menampilkan notasi matematika alam dengan
menggunakan tombol atau menu palette klik-dengan tidak diperlukan pemrograman.
Karena lembar kerja mengandung hidup dengan f-tions, keystroke tunggal yang
mengubah input atau persamaan langsung mengembalikan hasil yang diperbarui.
Mathcad dapat melakukan tugas-tugas baik dalam modus numerik atau simbolik.
Dalam mode numerik, fungsi dan operator Mathcad memberikan respon numerik,
sedangkan pada hasil modus simbolis diberikan sebagai ungkapan umum atau persamaan.
Maple V, paket matematika simbolik yang komprehensif, adalah dasar dari modus
simbolis dan dimasukkan ke Mathcad pada tahun 1993.
Mathcad memiliki berbagai fungsi dan operator yang memungkinkan pelaksanaan
nyaman dari banyak metode numerik yang dikembangkan dalam buku ini. Ini akan
dijelaskan secara rinci dalam bab berikutnya. Dalam hal bahwa Anda tidak terbiasa
dengan Mathcad, Lampiran C juga menyediakan primer pada menggunakan perangkat
lunak yang kuat.
46 PEMROGRAMAN DAN SOFTWARE

2.7 BAHASA LAIN DAN PERPUSTAKAAN

Di Secs. 2.4 dan 2.5, kami menunjukkan bagaimana Excel dan MATLAB prosedur fungsi
untuk metode Euler dapat dikembangkan dari algoritma dinyatakan sebagai pseudo. Anda
harus menyadari bahwa fungsi yang sama dapat ditulis dalam bahasa tingkat tinggi
seperti Fortran 90 dan C ++. Misalnya, Fortran 90 fungsi untuk metode Euler adalah

Fungsi Euler (dt, ti, tf, yi, m, cd)

NYATA dt, ti, tf, yi, m, cd

Nyata h, t, y, dydt

t = ti
y = yi
h = dt
Melakukan
Jika (t + dt> tf) Lalu
h = tf - t
Berakhir jika
dydt = dy (t, y, m, cd)
y = y + dydt * h
t = t + h
Jika (t> = tf) Keluar
akhir Do
Euler = y
end Function

Untuk C, hasilnya akan terlihat sangat mirip dengan fungsi MATLAB. Intinya
adalah bahwa sekali algoritma yang terstruktur dengan baik dikembangkan dalam bentuk
pseudocode, dapat mudah imple-mented di berbagai lingkungan pemrograman.
Dalam buku ini, pendekatan kami akan memberikan Anda dengan prosedur yang
terstruktur dengan baik surat perintah-sepuluh sebagai pseudo. Koleksi ini algoritma
kemudian merupakan perpustakaan numerik yang dapat diakses untuk melakukan tugas
numerik khusus dalam berbagai perangkat lunak dan bahasa pro-gramming.
Di luar program Anda sendiri, Anda harus menyadari bahwa perpustakaan
pemrograman komersial mengandung banyak prosedur numerik berguna. Sebagai contoh,
perpustakaan Resep numerik meliputi berbagai macam algoritma yang ditulis dalam
5
Fortran dan C. Prosedur ini dijelaskan di kedua buku (misalnya, Tekan et al. 1992) dan
bentuk elektronik.

5
prosedur Resep numerik juga tersedia dalam buku dan format elektronik untuk Pascal, MS BASIC, dan
MATLAB. Informasi tentang semua produk Resep numerik dapat ditemukan di http://www.nr.com/.
 MASALAH 47

Sebuah = 1. b = 6. c = 2; (B) Sebuah = 0, b = -4, c = 1.6;(C)

Sebuah = 3. b = 2.5. c = 7.
MASALAH

2.1 Menulis pseudocode untuk melaksanakan flowchart

digambarkan dalam Gambar. P2.1. Pastikan bahwa lekukan yang
tepat termasuk untuk membuat struktur yang jelas.

F T
x ≥ 10

F T
x <5
x=x-5

x = 7,5 x=5

F
x <50

Gambar P2.1

2.2 Menulis ulang pseudocode berikut dengan menggunakan

lekukan yang tepat
MELAKUKAN
i = i + 1
JIKA z> 50 EXIT
x = x + 5
JIKA x> 5 THEN
y = x
LAIN
y = 0
BERAKHIR JIKA
z = x + y
EndDo
2.3 Mengembangkan, debug, dan dokumen program untuk
2
menentukan akar persamaan kuadrat, kapak + bx + c.baik bahasa
tingkat tinggi atau bahasa makro pilihan Anda. Gunakan
subroutine pro-cedure untuk menghitung akar (baik real atau
kompleks). Lakukan tes berjalan untuk kasus-kasus(Sebuah)
 Langkah 10: Cetak nomor saja, nama, dan nilai rata-rata.
2.4 Fungsi cosinus dapat dievaluasi oleh terbatas berikut seri:
x2 x4 x6
cos x = 1 - + - +·
2! 4! 6!
Menulis sebuah algoritma untuk mengimplementasikan formula ini
sehingga menghitung dan mencetak nilai-nilai cos x karena setiap
istilah dalam seri ditambahkan. Dengan kata lain, menghitung dan
mencetak dalam urutan nilai untuk

cos x = 1
x2

cos x = 1 -
x2 x4

cos x = 1 - +

sampai dengan jangka urutan n Anda pilih. Untuk setiap

sebelumnya, menghitung dan menampilkan persen kesalahan
relatif sebagai

% kesalahan = benar - deret

× 100% benar
Menulis algoritma sebagai (Sebuah) flowchart terstruktur dan
(B) pseudo-code.
2,5 Mengembangkan, debug, dan mendokumentasikan program
untuk Prob. 2.4 di baik bahasa tingkat tinggi atau bahasa makro
pilihan Anda. Mempekerjakan fungsi perpustakaan untuk cosinus
dalam komputer Anda untuk menentukan nilai sebenarnya.
Memiliki cetak program di luar perkiraan seri dan kesalahan di
setiap langkah. Sebagai ujian, mempekerjakan program untuk
10
menghitung cos (1,25) hingga dan termasuk jangka x /10 !.
Menginterpretasikan hasil Anda.
2.6 Algoritma berikut dirancang untuk menentukan kelas untuk
Tentu saja yang terdiri dari kuis, pekerjaan rumah, dan ujian
akhir:
Langkah 1: Nomor saja Input dan nama.
Langkah 2: faktor bobot Masukan untuk kuis (WQ), pekerjaan
rumah (WH), dan ujian akhir (WF).
Langkah 3: nilai kuis Input dan menentukan rata-rata kuis grade
(AQ).
Langkah 4: nilai pekerjaan rumah Input dan menentukan rata-rata
pekerjaan rumah grade (AH).
Langkah 5: Jika kursus ini memiliki nilai akhir, lanjutkan ke
langkah 6. Jika tidak, pergi ke langkah 9.
Langkah 6: Masukan ujian akhir kelas (FE).
Langkah 7: Tentukan AG nilai rata-rata menurut

AG = WQ × AQ + WH × AH + WF × FE × 100%
WQ + WH + WF
Langkah 8: Lanjutkan ke langkah 10.
Langkah 9: Tentukan AG nilai rata-rata menurut

AG = WQ × AQ + WH × AH × 100%
WQ + WH
48 PEMROGRAMAN DAN SOFTWARE

Langkah 11: Hentikan perhitungan. 2.8 Sejumlah uang P diinvestasikan di rekening mana antar-est
(a) Menulis pseudocode terstruktur dengan baik untuk diperparah pada akhir periode. Masa depan senilai F dihasilkan
mengimplementasikan algoritma ini. pada tingkat bunga i setelah n periode dapat ditentukan dari rumus
(b) Menulis, debug, dan dokumen program komputer yang berikut:
terstruktur berdasarkan algoritma ini. Mengujinya n
menggunakan data berikut untuk menghitung kelas tanpa F = P(1 + saya)
ujian akhir dan kelas dengan ujian akhir: WQ=35; WH=30; Menulis sebuah program yang akan menghitung nilai masa depan dari
WF=35; kuis= 98, 85, investasi-ment untuk setiap tahun dari 1 sampai n. Input ke fungsi
90, 65, 99; pekerjaan rumah=95, 90, 87, 100, 92, 77; dan harus mencakup P investasi awal, tingkat bunga i (sebagai Desember-
ujian akhir= 92. imal), dan jumlah tahun n yang nilai masa depan harus dihitung.
2.7 The “membagi dan rata-rata” metode, metode lama-waktu output harus terdiri dari meja dengan judul dan kolom untuk n dan F.
untuk ap-proximating akar kuadrat dari setiap nomor positif yang Jalankan program untuk P= $ 100.000,
bisa untuk-mulated sebagai i = 0.06, dan n = 5 tahun.
x+ 2,9 formula ekonomi yang tersedia untuk menghitung
Sebuah/ pembayaran tahunan untuk pinjaman. Misalkan Anda meminjam
x sejumlah uang P dan setuju untuk membayar dalam pembayaran
x tahunan n pada tingkat bunga i. rumus untuk menghitung
= 2
pembayaran A tahunan
(S
eb
ua Menulis pseudocode terstruktur dengan baik untuk
h) mengimplementasikan algoritma ini
seperti yang digambarkan pada Gambar. P2.7. Gunakan
lekukan yang tepat sehingga
Struktur jelas.
Mengembangkan, debug, dan dokumen program untuk
(B) melaksanakan ini
persamaan baik bahasa tingkat tinggi atau bahasa makro n
SEBU saya(1+ saya)
AH =
P
pilihanmu. Struktur kode Anda sesuai dengan Gambar. T
P2.7.
squareroot = x

F T
Sebuah > 0
Gambar P2.7
5
tol = 10
x = Sebuah/
Squareroot = 0 2

y = (x +
Sebuah/x) / 2
e = |(y - x) /y|
x=y

F
e <tol
 n
(1 +saya) -1
Tulis program untuk menghitung A. Uji dengan P = $
55.000 dan tingkat di-terest 6,6% (i= 0.066). Hasil Hitung
untuk n= 1, 2, 3, 4, dan 5 dan menampilkan hasil sebagai
meja dengan judul dan kolom untuk n dan A.
2.10 Rata-rata suhu harian untuk suatu wilayah dapat
approxi-dikawinkan dengan fungsi berikut,

T = Tberarti + (Tpuncak - Tberarti) sebab(Ω (t - tpuncak))

dimana tberarti = rata-rata suhu tahunan, Tpuncak =

puncaknya
suhu, ωitu frekuensi variasi tahunan
= 2π /365), dan = =

( Tpuncak 205 d).

hari suhu puncak (
~

Mengembangkan sebuah program yang menghitung suhu

rata-rata antara dua hari dalam setahun untuk kota tertentu.
Menguji untuk(Sebuah) Januari-Februari (t = 0-59) di
◦ ◦
Miami, Florida (Tberarti = 22.1 C; Tpuncak = 28.3 C), dan
(B) Juli-Agustus (t = 180-242) di Boston, Massachusetts
◦ ◦
(Tberarti = 10.7 C; Tpuncak = 22.9 C).
2.11 Mengembangkan, debug, dan menguji program baik
dalam bahasa tingkat tinggi atau bahasa makro pilihan Anda
untuk menghitung kecepatan dari penerjun jatuh seperti
diuraikan dalam Contoh 1.2. Desain program sehingga
memungkinkan pengguna untuk nilai input untuk drag
koefisien-ficient dan massa. Menguji program dengan
menduplikasi hasil dari Contoh 1.2. Ulangi perhitungan
tetapi mempekerjakan ukuran langkah 1 dan 0,5 s.
Bandingkan hasil Anda dengan ob-tained sebelumnya dalam
Contoh 1.1 solusi analitis. Apakah ukuran langkah yang
lebih kecil membuat hasil yang lebih baik atau lebih buruk?
Menjelaskan hasil Anda.
2.12 The bubble sort adalah tidak efisien, tapi mudah-to-
program, menyortir teknik. Ide di balik semacam ini adalah
untuk bergerak turun melalui array membandingkan pasangan
yang berdekatan dan menukar nilai jika mereka
 MASALAH 49

habis. Untuk metode ini untuk mengurutkan array sepenuhnya, ia mengembalikan volume untuk semua kasus di mana kedalaman
mungkin perlu melewati berkali-kali. Sebagai melewati kurang dari 3R. Mengembalikan pesan kesalahan ( “melampaui”)
melanjutkan untuk semacam menaik-order, unsur-unsur yang jika Anda tinggi dr tangki, yaitu, d>3R. Mengujinya dengan data
lebih kecil dalam array muncul untuk naik menuju puncak seperti sebagai berikut:
gelembung. Akhirnya, akan ada lulus melalui array di mana swap
tidak diperlukan. Kemudian, array diurutkan. Setelah lulus R 1 1 1 1
pertama, nilai terbesar dalam array tetes langsung ke bawah. d 0,5 1.2 3.0 3.1
Akibatnya, kedua lulus hanya memiliki untuk melanjutkan ke
nilai kedua-untuk-terakhir, dan sebagainya. Mengembangkan
sebuah program untuk mendirikan sebuah array 20 nomor acak
dan mengurutkan mereka dalam rangka ascend-ing dengan bubble
sort (Gambar. P2.12). 2R

d
mulai
R

m=n-1
Gambar P2.13

saklar = false

s
saya a
T =1 y
saya > m II a

saya = y
saya +
1
F
x
T Tidak T
Sebuah >
saya

Sebuah
beralih saya1
AKU AKU AKU IV
F F menukar
Se
Seb
bu
ah uah
Gambar P2.14
say
a saya1

m=m-1 saklar = true

akhir
Gambar P2.12
2.13 Gambar P2.13 menunjukkan tangki silinder dengan dasar
berbentuk kerucut. Jika tingkat cair cukup rendah di bagian kerucut,
volume sim-lapis volume kerucut cairan. Jika tingkat cair midrange di
bagian silinder, total volume cairan termasuk bagian kerucut diisi dan
bagian silinder terisi sebagian. Menulis prosedur fungsi yang
terstruktur untuk menghitung volume tangki sebagai fungsi dari nilai
yang diberikan dari R dan d. Gunakan putusan kontrol struc-
membangun struktur (seperti Jika / Kemudian, ElseIf, Lain, End If).
Desain fungsi sehingga
2.14 Dua jarak yang diperlukan untuk menentukan lokasi titik
relatif terhadap asal dalam ruang dua dimensi (Gambar P2.14.):
• Jarak horizontal dan vertikal (x. y) dalam koordinat Cartesian
• Radius dan sudut (r, θ ) Dalam koordinat radial.
Hal ini relatif mudah untuk menghitung koordinat Cartesian (x. y)
atas dasar koordinat polar (r, Θ). Proses reverse tidak begitu
sederhana. radius dapat dihitung dengan rumus berikut:

2 2
r= x +y
50 PEMROGRAMAN DAN SOFTWARE
C 70 ≤ kelas numerik <80
D 60 ≤ kelas numerik <70
Jika koordinat terletak dalam koordinat pertama dan F kelas numerik <60
keempat (yaitu,
x > 0), maka rumus sederhana dapat digunakan untuk menghitung
θ 2.16 Mengembangkan prosedur fungsi yang terstruktur
dengan baik untuk menentukan
(a) faktorial tersebut; (B)nilai minimum dalam sebuah vektor;
dan(C) yang av-erage dari nilai-nilai dalam vektor.
-1
θ = berjemur
y

Kesulitan timbul untuk kasus-kasus lainnya. Tabel berikut sum-

marizes kemungkinan:

x y θ
-1
berjemur (Y /
<0 >0 x) + π
-1
berjemur (Y /
<0 <0 x) - π
<0 =0 π
=0 >0 π /2
=0 <0 -π / 2
=0 =0 0

(a) Tulis flowchart yang terstruktur untuk prosedur subrutin

untuk menghitung r dan θsebagai fungsi dari x dan y.
Mengekspresikan akhir re-sults untukθ dalam derajat.
(b) Menulis prosedur fungsi yang terstruktur dengan baik berdasarkan
aliran-chart Anda. Menguji program anda dengan menggunakannya
untuk mengisi tabel berikut:

x y r θ

1 0
1 1
0 1
-1 1
-1 0
-1 -1
0 -1
1 -1
0 0

2.15 Mengembangkan prosedur fungsi yang terstruktur yang

melewati kelas numerik dari 0 sampai 100 dan mengembalikan
surat kelas sesuai dengan skema:

Surat Kriteria
SEBUA
H 90 ≤ kelas numerik ≤ 100
B 80 ≤ kelas numerik <90
2,17 Mengembangkan program-program yang terstruktur untuk
(Sebuah) menentukan alun-alun akar dari jumlah kuadrat dari
elemen array dua dimensi (yaitu, matriks) dan (B) menormalkan
matriks dengan membagi setiap baris dengan nilai absolut
maksimum berturut-turut sehingga elemen maksimum dalam
setiap baris adalah 1.
2.18 fungsi piecewise kadang-kadang berguna ketika hubungan-
kapal antara dependen dan variabel independen tidak dapat
diwakili secara memadai oleh persamaan tunggal. Misalnya,
kecepatan roket mungkin dijelaskan oleh
11T
2
1100
- 5t 5t 10
0 ≤
t
t ≤ 10 20

- ≤ ≤
2
v (t) 50t 2(t
20) 20 t 30

= + - ≤ ≤

1520e-
0.2(t
0 -
30) t > 30
jika tidak

Mengembangkan fungsi yang terstruktur untuk menghitung v

sebagai fungsi dari t. Kemudian gunakan fungsi ini untuk
menghasilkan tabel v terhadap t untuk t 5 sampai 50 pada
increment 0,5.
2.19 Mengembangkan fungsi terstruktur dengan baik untuk
menentukan berlalu hari dalam setahun. Fungsi harus melewati tiga
nilai:mo bulan (1-12), da hari (1-31) dan lompatan(0 untuk tahun
non-kabisat dan 1 untuk tahun kabisat). Menguji untuk 1 Januari
1999; 29 Februari 2000; 1 Maret 2001; 21 Juni 2002; dan 31
Desember 2004. Petunjuk: cara yang baik untuk melakukan hal ini
menggabungkanuntuk dan beralih struktur. 2.20
Mengembangkan fungsi terstruktur dengan baik untuk menentukan
berlalu hari dalam setahun. Baris pertama dari fungsi harus ditetapkan
sebagai

Fungsi nd = hari (mo, da, tahun)

dimana mo bulan (1-12), da hari (1-31) dan tahuntahun.
Menguji untuk 1 Januari 1999; 29 Februari 2000; 1 Maret 2001;
21 Juni 2002; dan 31 Desember 2004.
2.21 Persamaan Manning dapat digunakan untuk menghitung
kecepatan air dalam saluran terbuka persegi panjang,
√
S H 2/3
U= n B B 2H

+
dimana U kecepatan (m / s), S channel kemiringan, n kekasaran
koefisien-ficient, lebar B (m), dan H kedalaman (m). Data berikut
ini tersedia untuk lima saluran:

n S B H

0,035 0,0001 10 2
0,020 0,0002 8 1
0,015 0,0010 20 1,5
0,030 0,0007 24 3
0,022 0,0003 15 2,5
 MASALAH 51

Menulis sebuah program yang terstruktur dengan baik yang 2.23 Volume V cairan dalam silinder horisontal berongga radius r
menghitung kecepatan untuk masing-masing saluran ini. Memiliki dan panjang L terkait dengan kedalaman h cair dengan
program menampilkan data masukan bersama dengan kecepatan = - r - - -
dihitung dalam bentuk tabel di mana kecepatan adalah kolom 2 1 r- h
r
kelima. Sertakan judul di atas meja untuk label kolom. V sebab (r h) 2r h h2 L
2.22 Sebuah sinar hanya didukung dimuat seperti yang
Mengembangkan terstruktur dengan baik fungsi untuk membuat
ditunjukkan pada Gambar. P2.22. Menggunakan fungsi
plot volume terhadap kedalaman. Menguji program untuk r 2 m
singularitas, perpindahan sepanjang balok dapat dinyatakan
dan L 5 m.
dengan persamaan:
2.24 Mengembangkan program terstruktur dengan baik untuk
-5 4 4 15 3 menghitung kecepatan sebuah penerjun sebagai fungsi waktu
u y (x) = [ x -0 -x -5 ] + x -8 menggunakan metode Euler. Menguji program anda untuk kasus
66 di mana m 80 kg dan c 10 kg / s. Melakukan perhitungan dari t 0
2 57 3
+ 75 x - 7 + x - 238.25x sampai 20 s dengan ukuran langkah 2 s. Gunakan kondisi awal
6 yang penerjun yang memiliki kecepatan ke atas 20 m / s pada t 0.
Pada t 10 s, menganggap bahwa parasut itu seketika dikerahkan
Menurut definisi, fungsi singularitas dapat dinyatakan sebagai berikut:
sehingga koefisien drag melompat ke 50 kg / s.
x- Se 2,25 Pseudocode pada Gambar. P2.25 menghitung faktorial.
Sebua ketika bu
Mengekspresikan algoritma ini sebagai fungsi yang terstruktur
h = 0 x ah
dengan baik dalam bahasa pilihan Anda. Mengujinya dengan
>
(x komputasi 0! dan 5! Selain itu, menguji perangkap kesalahan
n
ketika Sebu
n -Sebuah) x ah dengan mencoba untuk mengevaluasi 2!
≤
FUNGSI fac (n)
Mengembangkan program yang menciptakan plot perpindahan JIKA n 0 THEN
terhadap dis-dikan di sepanjang balok x. Perhatikan bahwa x 0 di x = 1
ujung kiri balok. DOFOR i = 1, n
x = x · i
END DO
20 kips / ft
fac = x
LAIN
pesan kesalahan display
150 kip-ft
15 kips mengakhiri
BERAKHIR JIKA
END fac
5' 2' 1' 2'
Gambar P2.22 Gambar P2.25
BAB 3
perkiraan dan
Kesalahan putaran-Off

Karena begitu banyak metode dalam buku ini mudah dalam deskripsi dan appli-kation,
itu akan sangat menggoda pada saat ini bagi kita untuk melanjutkan langsung ke tubuh
utama dari teks dan mengajarkan Anda bagaimana menggunakan teknik ini. Namun,
memahami konsep kesalahan sangat penting untuk penggunaan yang efektif dari metode
numerik yang kita telah memilih untuk mengabdikan dua bab berikutnya dengan topik
ini.
Pentingnya kesalahan diperkenalkan dalam diskusi kita tentang penerjun jatuh Chap.
1. Ingat bahwa kita ditentukan kecepatan dari penerjun jatuh oleh kedua metode analisis
dan numerik. Meskipun teknik numerik menghasilkan perkiraan yang dekat dengan
solusi analitis yang tepat, ada perbedaan, atau kesalahan, karena metode numerik yang
terlibat perkiraan. Sebenarnya, kami sangat beruntung dalam hal itu karena ketersediaan
solusi analitis memungkinkan kita untuk menghitung kesalahan persis. Bagi banyak
masalah teknik terapan, kita tidak bisa mendapatkan solusi analitis. Oleh karena itu, kita
tidak bisa menghitung persis kesalahan yang terkait dengan metode numerik kami. Dalam
kasus ini, kita harus puas perkiraan atau estimasi dari kesalahan.
kesalahan tersebut merupakan ciri khas dari sebagian besar teknik yang dijelaskan
dalam buku ini. Pernyataan ini mungkin pada awalnya tampak bertentangan dengan apa
yang biasanya conceives sebagai suara insinyur-neering. Siswa dan berlatih insinyur terus
berusaha untuk membatasi kesalahan dalam pekerjaan mereka. Saat mengambil ujian
atau melakukan masalah pekerjaan rumah, Anda dihukum, tidak dihargai, untuk
kesalahan Anda. Dalam praktek profesional, kesalahan dapat mahal dan kadang-kadang
bencana. Jika struktur atau perangkat gagal, nyawa bisa hilang.
Meskipun kesempurnaan adalah tujuan terpuji, jarang, jika pernah, dicapai. Sebagai
contoh, meskipun fakta bahwa model yang dikembangkan dari hukum kedua Newton adalah
pendekatan yang sangat baik, itu tidak akan pernah dalam praktek persis memprediksi musim
gugur penerjun ini. Berbagai faktor seperti angin dan sedikit variasi dalam hambatan udara
akan mengakibatkan penyimpangan dari prediksi. Jika penyimpangan ini sistematis tinggi
atau rendah, maka kita mungkin perlu untuk mengembangkan model baru. Namun, jika
mereka didistribusikan secara acak dan erat dikelompokkan di sekitar prediksi, maka
penyimpangan mungkin dianggap diabaikan dan model dianggap memadai. perkiraan numerik
juga memperkenalkan pertentangan yang serupa ke dalam analisis. Sekali lagi, pertanyaannya
adalah: Berapa banyak kesalahan berikutnya hadir dalam perhitungan dan itu ditoleransi?
Bab ini dan Chap. 4 penutup topik dasar yang berhubungan dengan identifikasi,
kuantifikasi, dan minimalisasi kesalahan ini. Dalam bab ini, informasi umum berkaitan
dengan kuantifikasi kesalahan ditinjau dalam bagian pertama. Ini diikuti dengan bagian pada
satu
52
 3.1 ANGKA PENTING 53

dari dua bentuk utama dari kesalahan numerik: error round-off. Round-off error ini
disebabkan oleh fakta bahwa komputer dapat hanya mewakili jumlah dengan jumlah
terbatas digit. Kemudian Chap. 4 penawaran dengan besar bentuk lain: kesalahan
pemotongan. kesalahan pemotongan adalah perbedaan dalam-troduced oleh fakta bahwa
metode numerik dapat menggunakan perkiraan untuk mewakili operasi matematika yang
tepat dan kuantitas. Akhirnya, kita secara singkat membahas kesalahan tidak langsung
con-nected dengan metode numerik sendiri. Ini termasuk kesalahan, formulasi atau
kesalahan model, dan ketidakpastian data.

3.1 SOSOK PENTING

Buku ini berkaitan secara menyeluruh dengan perkiraan terhubung dengan manipulasi
num-bers. Akibatnya, sebelum membahas kesalahan yang terkait dengan metode
numerik, hal ini berguna untuk meninjau konsep dasar yang berkaitan dengan perkiraan
representasi dari angka itu sendiri.
Setiap kali kami mempekerjakan angka dalam perhitungan, kita harus memiliki jaminan
bahwa hal itu dapat digunakan dengan keyakinan. Sebagai contoh, Gambar. 3.1
menggambarkan speedometer dan odometer dari sebuah mobil. inspeksi visual dari
speedometer menunjukkan bahwa mobil tersebut berpergian antara 48 dan 49 km / jam.
Karena indikator lebih tinggi dari titik tengah antara penanda pada alat ukur, kita dapat
mengatakan dengan jaminan bahwa mobil tersebut berpergian sekitar 49 km / jam. Kami
memiliki keyakinan dalam hasil ini karena dua atau lebih individu yang wajar membaca alat
ukur ini akan tiba pada kesimpulan yang sama. Namun, mari kita mengatakan bahwa kita
bersikeras bahwa kecepatan diperkirakan ke satu tempat desimal. Untuk kasus ini, satu orang
mungkin mengatakan 48,8, sedangkan yang lain mungkin mengatakan 48,9 km / jam. Oleh
karena itu, karena batas instrumen ini,

GAMBAR 3.1
Speedometer mobil dan odometer menggambarkan konsep angka yang signifikan.

40
60
40 80

20 100

0 120
8 7 3 2 4 4
5
54 Perkiraan DAN KESALAHAN ROUND-OFF

hanya dua digit pertama dapat digunakan dengan keyakinan. Perkiraan digit ketiga (atau
lebih tinggi) harus dilihat sebagai perkiraan. Ini akan menjadi menggelikan untuk
mengklaim, atas dasar speedometer ini, bahwa mobil tersebut berpergian di 48.8642138
km / jam. Sebaliknya, odome-ter menyediakan hingga enam digit tertentu. Dari Gambar.
3.1, kita dapat menyimpulkan bahwa mobil telah trav-eLED sedikit kurang dari 87,324.5
km selama masa pakai baterai. Dalam hal ini, angka tujuh (dan lebih tinggi) tidak pasti.
Konsep angka signifikan, atau digit, telah dikembangkan untuk secara resmi menunjuk
keandalan nilai numerik. The signifikan digit nomor adalah mereka yang dapat digunakan
dengan keyakinan. Mereka sesuai dengan jumlah digit tertentu ditambah satu estimasi digit.
Sebagai contoh, speedometer dan odometer pada Gambar. 3.1 pembacaan hasil tiga dan tujuh
angka signifikan, masing-masing. Untuk speedometer, dua digit tertentu
48. Hal ini konvensional untuk mengatur diperkirakan digit pada satu-setengah dari divisi
skala terkecil pada perangkat pengukuran. Dengan demikian speedometer membaca akan
terdiri dari tiga tokoh signifi-tidak bisa: 48,5. Dalam cara yang sama, odometer akan
menghasilkan tujuh signifikan angka pembacaan 87,324.45.
Meskipun biasanya prosedur sederhana untuk memastikan angka signifikan dari
nomor, beberapa kasus dapat menyebabkan kebingungan. Misalnya, angka nol tidak
selalu tokoh signifi-tidak bisa karena mereka mungkin diperlukan hanya untuk mencari
titik desimal. Angka-angka 0.00001845, 0.0001845, dan 0.001845 semua memiliki empat
angka penting. Demikian pula, ketika nol tertinggal digunakan dalam jumlah besar, tidak
jelas berapa banyak, jika ada, dari nol adalah signifikan. Sebagai contoh, pada nilai
nominal jumlah 45.300 mungkin memiliki tiga, empat, atau lima
signifikan digit, tergantung pada apakah angka nol yang dikenal dengan keyakinan.
ketidakpastian tersebut dapat diatasi dengan menggunakan notasi ilmiah, di mana 4.53 ×
4 4 4
10 , 4.530 × 10 , 4,5300 × 10 menandakan bahwa jumlah ini diketahui tiga, empat, dan
lima angka signifikan, masing-masing.
Konsep angka signifikan memiliki dua implikasi penting bagi penelitian kami
metode numerik:

1. Seperti yang diperkenalkan dalam masalah penerjun jatuh, metode numerik menghasilkan
hasil perkiraan. Kita harus, karena itu, mengembangkan kriteria untuk menentukan
seberapa yakin kita berada dalam hasil perkiraan kami. Salah satu cara untuk melakukan
ini adalah dalam hal angka signifikan. Sebagai contoh, kita mungkin memutuskan bahwa
pendekatan kami dapat diterima jika itu adalah benar untuk empat signifikan
angka. √
2. Meskipun jumlah seperti π, E, atau 7 mewakili jumlah tertentu, mereka tidak bisa
diungkapkan dengan tepat oleh sejumlah digit. Sebagai contoh,

π = 3.141592653589793238462643. . .

tak terhingga. Karena komputer hanya mempertahankan jumlah terbatas angka

signifikan, nomor tersebut tidak pernah dapat diwakili tepat. Penghilangan angka
signifikan yang tersisa disebut kesalahan round-off.

Kedua round-off error dan penggunaan angka signifikan untuk mengekspresikan

keyakinan kita dalam hasil numerik akan dieksplorasi secara rinci dalam bagian
berikutnya. Selain itu, konsep angka signifikan akan memiliki relevansi dengan definisi
kita tentang akurasi dan presisi dalam bagian berikutnya.
 3.2 akurasi dan presisi 55

3.2 Akurasi dan presisi

Kesalahan yang terkait dengan kedua perhitungan dan pengukuran dapat dicirikan
berkaitan dengan akurasi dan presisi mereka. Akurasi mengacu pada seberapa dekat nilai
dihitung atau mea-sured setuju dengan nilai sebenarnya. Presisi mengacu pada seberapa
dekat nilai-nilai dihitung atau diukur individu setuju dengan satu sama lain.
Konsep-konsep ini dapat digambarkan secara grafis menggunakan analogi dari
praktek sasaran. Lubang peluru pada setiap target pada Gambar. 3.2 dapat dianggap
sebagai prediksi teknik numer-ical, sedangkan sasaran banteng merupakan kebenaran.
Ketidakakuratan (juga disebut bias) didefinisikan sebagai penyimpangan yang sistematis
dari kebenaran. Dengan demikian, meskipun tembakan pada Gambar. 3.2c yang lebih
erat dikelompokkan daripada di Gambar. 3.2a, dua kasus sama-sama bias karena
keduanya berpusat pada kuadran kiri atas target. Ketidaktepatan (juga disebut un-
kepastian), di sisi lain, mengacu pada besarnya pencar tersebut. Oleh karena itu,
meskipun Gambar. 3.2b dan d sama-sama akurat (yaitu, berpusat pada sasaran banteng),
yang terakhir ini lebih tepat karena tembakan erat dikelompokkan.
metode numerik harus cukup akurat atau berisi untuk memenuhi membutuhkan-KASIH
dari masalah rekayasa tertentu. Mereka juga harus cukup tepat untuk memadai

GAMBAR 3.2
Sebuah contoh dari keahlian menembak menggambarkan konsep akurasi dan presisi. (A) yang tidak
akurat dan tidak tepat; (B) yang akurat dan tepat; (C) tidak akurat dan tepat; (D) akurat dan tepat.

akurasi meningkat
meningkatkan presisi

(Sebuah) (B)

(C) (D)
56 Perkiraan DAN KESALAHAN ROUND-OFF

desain teknik. Dalam buku ini, kita akan menggunakan error istilah kolektif untuk mewakili
kedua ketidaktelitian dan ketidaktepatan dari prediksi kami. Dengan konsep ini sebagai latar
belakang, kita sekarang dapat membahas faktor-faktor yang berkontribusi terhadap kesalahan
perhitungan numerik.

3.3 DEFINISI ERROR

kesalahan numerik timbul dari penggunaan perkiraan untuk mewakili tepat matematika
op-erations dan kuantitas. Ini termasuk kesalahan pemotongan, yang terjadi ketika
perkiraan yang digunakan untuk mewakili prosedur yang tepat matematika, dan
kesalahan round-off, yang terjadi ketika nomor terbatas memiliki angka signifikan yang
digunakan untuk mewakili angka pastinya. Untuk kedua jenis, hubungan antara tepat,
atau benar, hasil dan pendekatan yang dapat dirumuskan sebagai

Nilai asli = perkiraan + kesalahan (3.1)

Dengan menata ulang Persamaan. (3.1), kita menemukan bahwa kesalahan numerik
adalah sama dengan perbedaan tersebut menjadi-tween kebenaran dan pendekatan,
seperti dalam

Et = nilai asli- perkiraan (3.2)

di mana Etdigunakan untuk menunjuk nilai yang tepat dari kesalahan. Subskrip t
disertakan untuk des-ignate bahwa ini adalah kesalahan “benar”. Hal ini berbeda dengan
kasus-kasus lain, seperti yang dijelaskan lama, di mana “perkiraan” perkiraan kesalahan
harus digunakan.
Kelemahan dari definisi ini adalah bahwa hal itu tidak memperhitungkan urutan Magni-
tude dari nilai di bawah pemeriksaan. Misalnya, kesalahan sentimeter jauh lebih signifikan
jika kita mengukur keling daripada jembatan. Salah satu cara untuk menjelaskan mag-nitudes
dari jumlah sedang dievaluasi adalah untuk menormalkan kesalahan untuk nilai sebenarnya,
seperti dalam
kesalahan yang benar
Benar kesalahan relatif
pecahan =
nilai asli
mana, sebagaimana ditentukan oleh Persamaan. (3.2), kesalahan= nilai asli -perkiraan.
Kesalahan relatif juga dapat dikalikan dengan 100 persen untuk mengekspresikan sebagai
kesalaha
n yang
benar
εt = nilai asli 100% (3.3)
dimana εt menunjuk persen kesalahan relatif benar.

CONTOH 3.1 Perhitungan Kesalahan

Pernyataan masalah. Misalkan Anda memiliki tugas untuk mengukur panjang
jembatan dan keling dan datang dengan 9999 dan 9 cm, masing-masing. Jika nilai-nilai
yang benar adalah 10.000 dan 10 cm, masing-masing, menghitung (a) kesalahan benar
dan (b) persen kesalahan relatif berlaku untuk setiap kasus.
Larutan.
(a) Kesalahan untuk mengukur jembatan ini [Eq.

(3.2)] Et = 10.000- 9999= 1 cm

3.3 DEFINISI ERROR 57

dan untuk keling itu adalah

Et = 10- 9= 1 cm
(b) The persen kesalahan relatif untuk jembatan ini [Eq. (3.3)]
1
εt = 100% = 0.01%
10.000
dan untuk keling itu adalah
1

εt = 100% = 10%
Dengan demikian, meskipun kedua pengukuran memiliki kesalahan dari 1 cm, kesalahan
relatif untuk keling jauh lebih besar. Kami akan menyimpulkan bahwa kita telah
melakukan pekerjaan yang memadai mengukur jembatan, sedangkan perkiraan kami
untuk rivet meninggalkan sesuatu yang diinginkan.

Perhatikan bahwa untuk pers. (3.2) dan (3.3), E danεyang subscript dengan di untuk
menandakan bahwa kesalahan adalah normal untuk nilai sebenarnya. Pada Contoh 3.1, kita
diberikan dengan nilai ini. Bagaimana-pernah, dalam situasi yang sebenarnya informasi
tersebut jarang tersedia. Untuk metode numerik, nilai sebenarnya akan diketahui hanya ketika
kita berurusan dengan fungsi yang dapat diselesaikan secara analitis. Seperti biasanya akan
terjadi ketika kita menyelidiki perilaku teoritis teknik tertentu untuk sistem yang sederhana.
Namun, dalam aplikasi dunia nyata, kita akan jelas tidak tahu jawaban yang benar apriori.
Untuk situasi ini, alternatif adalah untuk menormalkan kesalahan menggunakan estimasi
terbaik yang tersedia dari nilai sebenarnya, yaitu, untuk pendekatan itu sendiri, seperti dalam
kesalahan
εSebu perkiraan
ah = perkiraan 100% (3.4)
dimana subscript menandakan bahwa kesalahan adalah normal untuk nilai perkiraan.
Perhatikan juga bahwa untuk aplikasi dunia nyata, Persamaan. (3.2) tidak dapat digunakan
untuk menghitung jangka kesalahan untuk Eq. (3.4). Salah satu tantangan metode numerik
untuk menentukan perkiraan kesalahan dengan tidak adanya pengetahuan tentang nilai
sebenarnya. Sebagai contoh, metode numerik tertentu menggunakan pendekatan iteratif untuk
menghitung jawaban. Dalam pendekatan seperti itu, perkiraan sekarang ini dibuat atas dasar
pendekatan sebelumnya. Proses ini dilakukan berulang-, menduduki, atau iteratif, untuk
berturut-turut menghitung (kami berharap) perkiraan yang lebih baik dan lebih baik. Untuk
kasus seperti ini, kesalahan ini sering diperkirakan sebagai perbedaan antara perkiraan
sebelumnya dan saat ini. Dengan demikian, kesalahan persen relatif ditentukan menurut

ε pendekatan saat ini - pendekatan sebelumnya 100% (3.5)

S
e
b
u
a
h = pendekatan saat ini
Ini dan pendekatan lain untuk mengekspresikan kesalahan akan diuraikan di dalam bab-
bab berikutnya.
 Tanda-tanda pers. (3.2) sampai (3.5) dapat berupa positif atau negatif. Jika pendekatan
lebih besar dari nilai sebenarnya (atau pendekatan sebelumnya lebih besar dari perkiraan saat
ini), kesalahan adalah negatif; jika pendekatan kurang dari nilai sebenarnya, kesalahan adalah
positif. Juga, untuk pers. (3.3) ke (3,5), penyebut mungkin kurang dari
58 Perkiraan DAN KESALAHAN ROUND-OFF

nol, yang juga dapat menyebabkan kesalahan negatif. Seringkali, ketika melakukan
perhitungan, kita mungkin tidak peduli dengan tanda kesalahan, tapi kami tertarik apakah
nilai absolut persen lebih rendah dari toleransi persen sudah ditentukanεs. Oleh karena
itu, sering berguna untuk menggunakan nilai absolut dari pers. (3.2) melalui (3,5). Untuk
kasus tersebut, compu-tasi diulang sampai

| εSebuah| <εs (3.6)

Jika hubungan ini berlaku, hasil kami diasumsikan dalam tingkat prespecified diterima εs.
Perhatikan bahwa untuk sisa teks ini, kita akan hampir secara eksklusif menggunakan
nilai-nilai ab-zat terlarut ketika kita menggunakan kesalahan relatif.
Hal ini juga mudah untuk berhubungan kesalahan ini jumlah angka signifikan di ap-
proximation. Hal ini dapat ditunjukkan (Scarborough, 1966) bahwa jika kriteria berikut
terpenuhi, kita dapat yakin bahwa hasilnya adalah benar untuk setidaknya angka n
signifikan.

2-n
εs = (0.5 ×10 )% (3.7)
CONTOH 3.2 Perkiraan kesalahan untuk Metode Iteratif
Pernyataan masalah. Dalam matematika, fungsi sering dapat diwakili oleh tak terbatas
seri. Misalnya, fungsi eksponensial dapat dihitung dengan menggunakan
2 3 n
x x x
x
e = 1+ x + 2 + 3! + · + n! (E3.2.1)
Dengan demikian, karena lebih banyak istilah ditambahkan dalam urutan, pendekatan menjadi
x
perkiraan yang lebih baik dan lebih baik dari nilai sebenarnya dari e . Persamaan (E3.2.1)
disebut ekspansi seri Maclaurin.
x
Dimulai dengan versi yang paling sederhana, e = 1, tambahkan hal satu per satu
0,5
untuk memperkirakan e . Setelah masing-masing istilah baru ditambahkan, menghitung
persen kesalahan relatif benar dan perkiraan dengan pers. (3.3) dan (3.5), masing-masing.
0,5
Perhatikan bahwa nilai sebenarnya adalah e =1,648721. . . . Tambahkan istilah sampai
nilai absolut dari perkiraan kesalahan perkiraanεSebuah jatuh di bawah kriteria kesalahan
prespeci-fied εs sesuai dengan tiga angka signifikan.
Larutan. Pertama, Eq. (3.7) dapat digunakan untuk menentukan kriteria kesalahan yang
menjamin Hasilnya adalah benar untuk setidaknya tiga angka penting:
2-3
εs = (0.5 ×10 )% =0.05%
Dengan demikian, kita akan menambahkan istilah untuk seri sampai εSebuah turun di
bawah tingkat ini.
Perkiraan pertama adalah hanya sama dengan Persamaan. (E3.2.1) dengan istilah tunggal.
Dengan demikian, perkiraan pertama adalah sama dengan 1. Perkiraan kedua ini kemudian
dihasilkan dengan menambahkan istilah kedua, seperti di
x
e = 1+ x
atau untuk x = 0,5,
0.5
e = 1+ 0.5= 1.5
Ini merupakan persen kesalahan relatif sejati [Eq. (3.3)]
 1.648.721 - 1.5

εt = 100% = 9.02%

58 Perkiraan DAN KESALAHAN ROUND-OFF

nol, yang juga dapat menyebabkan kesalahan negatif. Seringkali, ketika melakukan
perhitungan, kita mungkin tidak peduli dengan tanda kesalahan, tapi kami tertarik apakah
nilai absolut persen lebih rendah dari toleransi persen sudah ditentukanεs. Oleh karena
itu, sering berguna untuk menggunakan nilai absolut dari pers. (3.2) melalui (3,5). Untuk
kasus tersebut, compu-tasi diulang sampai

| εSebuah| <εs (3.6)

Jika hubungan ini berlaku, hasil kami diasumsikan dalam tingkat prespecified diterima εs.
Perhatikan bahwa untuk sisa teks ini, kita akan hampir secara eksklusif menggunakan
nilai-nilai ab-zat terlarut ketika kita menggunakan kesalahan relatif.
Hal ini juga mudah untuk berhubungan kesalahan ini jumlah angka signifikan di ap-
proximation. Hal ini dapat ditunjukkan (Scarborough, 1966) bahwa jika kriteria berikut
terpenuhi, kita dapat yakin bahwa hasilnya adalah benar untuk setidaknya angka n
signifikan.

2-n
εs = (0.5 ×10 )% (3.7)
CONTOH 3.2 Perkiraan kesalahan untuk Metode Iteratif
Pernyataan masalah. Dalam matematika, fungsi sering dapat diwakili oleh tak terbatas
seri. Misalnya, fungsi eksponensial dapat dihitung dengan menggunakan
2 3 n
x x x
x
e = 1+ x + 2 + 3! + · + n! (E3.2.1)
Dengan demikian, karena lebih banyak istilah ditambahkan dalam urutan, pendekatan menjadi
x
perkiraan yang lebih baik dan lebih baik dari nilai sebenarnya dari e . Persamaan (E3.2.1)
disebut ekspansi seri Maclaurin.
x
Dimulai dengan versi yang paling sederhana, e = 1, tambahkan hal satu per satu
0,5
untuk memperkirakan e . Setelah masing-masing istilah baru ditambahkan, menghitung
persen kesalahan relatif benar dan perkiraan dengan pers. (3.3) dan (3.5), masing-masing.
0,5
Perhatikan bahwa nilai sebenarnya adalah e =1,648721. . . . Tambahkan istilah sampai
nilai absolut dari perkiraan kesalahan perkiraanεSebuah jatuh di bawah kriteria kesalahan
prespeci-fied εs sesuai dengan tiga angka signifikan.
Larutan. Pertama, Eq. (3.7) dapat digunakan untuk menentukan kriteria kesalahan yang
menjamin Hasilnya adalah benar untuk setidaknya tiga angka penting:
2-3
εs = (0.5 ×10 )% =0.05%
Dengan demikian, kita akan menambahkan istilah untuk seri sampai εSebuah turun di
bawah tingkat ini.
Perkiraan pertama adalah hanya sama dengan Persamaan. (E3.2.1) dengan istilah tunggal.
Dengan demikian, perkiraan pertama adalah sama dengan 1. Perkiraan kedua ini kemudian
dihasilkan dengan menambahkan istilah kedua, seperti di
x
e = 1+ x
atau untuk x = 0,5,
0.5
e = 1+ 0.5= 1.5
Ini merupakan persen kesalahan relatif sejati [Eq. (3.3)]
1.648.721 - 1.5

εt = 100% = 9.02%
3.3 DEFINISI ERROR 59
Persamaan (3.5) dapat digunakan untuk menentukan perkiraan perkiraan kesalahan,
seperti dalam
Sebu
ah = 1.5 =
ε 1.5 - 1 100% 33.3%

Karena εSebuah tidak kurang dari nilai yang dibutuhkan εs , Kami akan terus perhitungan
2
dengan menambahkan istilah lain, x /2 !, dan mengulangi kesalahan kalkulasi. Proses
dilanjutkan sampaiεSebuah <εs. Seluruh perhitungan dapat diringkas sebagai

εSebuah
Syarat Hasil εt (%) (%)

1 1 39,3
2 1,5 9.02 33.3
3 1,625 1,44 7,69
4 1,645833333 0,175 1,27
5 1,648437500 0,0172 0,158
6 1,648697917 0,00142 0,0158

Dengan demikian, setelah enam istilah disertakan, kesalahan perkiraan turun di bawah εs =
0.05% dan perhitungan dihentikan. Namun, perhatikan bahwa, daripada tiga angka penting,
hasilnya adalah akurat untuk lima! Hal ini karena, untuk kasus ini, baik pers. (3,5) dan (3,7)
adalah con-servative. Artinya, mereka memastikan bahwa hasilnya adalah setidaknya sebaik
mereka tentukan. Meskipun, seperti yang dibahas dalam Bab. 6, hal ini tidak selalu terjadi
untuk Eq. (3,5), memang benar sebagian besar waktu.

3.3.1 Algoritma Komputer untuk Perhitungan Iteratif

Banyak metode numerik yang dijelaskan dalam sisa teks ini melibatkan berulang kal-culations
dari jenis diilustrasikan pada Contoh 3.2. Ini semua memerlukan memecahkan matematika
prob-lem dengan menghitung aproksimasi untuk solusi mulai dari dugaan awal.
Pelaksanaan komputer solusi iteratif tersebut melibatkan loop. Seperti yang kita lihat
di Sec. 2.1.1, ini datang dalam dua rasa dasar: menghitung-dikontrol dan keputusan loop.
Kebanyakan solusi iter-ative menggunakan loop keputusan. Jadi, daripada
mempekerjakan sejumlah prespecified iterasi, proses biasanya diulang sampai perkiraan
kesalahan perkiraan turun di bawah kriteria berhenti seperti pada Contoh 3.2.
Sebuah pseudocode untuk perhitungan berulang generik disajikan pada Gambar. 3.3.
Fungsi dilewatkan nilai (val) Bersama dengan kriteria kesalahan berhenti ( es) Dan
sejumlah memungkinkan-bisa maksimal iterasi (MAXIT). nilai biasanya baik (1) nilai
awal atau (2) nilai yang perhitungan iterasi yang akan dibuat.
Fungsi pertama menginisialisasi tiga variabel. Ini termasuk (1) variabel iter yang
melacak jumlah iterasi, (2) variabel sol yang memegang perkiraan saat ini solusi, dan
(3) variabel eayang memegang persen kesalahan relatif perkiraan. Perhatikan bahwa ea
awalnya diatur ke nilai 100 untuk memastikan bahwa loop mengeksekusi setidaknya
sekali.
inisialisasi ini diikuti oleh loop keputusan yang benar-benar menerapkan perhitungan
berulang. Sebelum menghasilkan solusi baru,sol pertama kali ditugaskan untuk
solold. Kemudian nilai barusoldihitung dan counter iterasi bertambah. Jika nilai
barusol adalah nol, persen kesalahan relatif eaditentukan. Kriteria berhenti
60 Perkiraan DAN KESALAHAN ROUND-OFF

FUNGSI IterMeth (val, es, MAXIT)

iter 1
sol val
ea 100
MELAKUKAN
solold sol
sol ...
iteriter 1
JIKA sol0 ea abs ((sol solold) / sol) * 100
JIKA eaes OR iter MAXIT EXIT
END DO
IterMeth sol
END IterMeth

GAMBAR 3.3
Pseudocode untuk perhitungan berulang generik.

kemudian diuji. Jika kedua adalah palsu, loop mengulangi. Jika salah benar, loop berakhir
dan solusi akhir dikirim kembali ke panggilan fungsi. Contoh berikut menggambarkan
bagaimana algoritma generik dapat diterapkan untuk perhitungan berulang tertentu.

CONTOH 3.3 Pelaksanaan komputer dari Perhitungan Iteratif

Pernyataan masalah. Mengembangkan program komputer berdasarkan pseudocode
dari Gambar. 3.3 untuk melaksanakan perhitungan dari Contoh 3.2.
x
Larutan. Sebuah fungsi untuk melaksanakan ekspansi seri Maclaurin untuk e dapat
didasarkan pada Skema umum pada Gambar. 3.3. Untuk melakukan ini, pertama kita
merumuskan ekspansi seri sebagai rumus:
n
xn
x
e =
n!
saya =0
Gambar 3.4 menunjukkan fungsi untuk melaksanakan seri ini ditulis dalam VBA dan
MATLAB. Kode Simi-lar dapat dikembangkan dalam bahasa lain C seperti ++ atau
Fortran 95. Perhatikan bahwa sedangkan MATLAB memiliki built-infaktorial fungsi,
perlu untuk menghitung faktor-Torial sebagai bagian dari pelaksanaan VBA dengan
akumulator produk yang sederhana fac.
Ketika program dijalankan, mereka menghasilkan perkiraan untuk fungsi
eksponensial. Untuk versi MATLAB, jawabannya dikembalikan bersama dengan
1
kesalahan perkiraan dan jumlah iterasi. Sebagai contoh, e dapat dievaluasi sebagai
> Format panjang
> [Val, ea, iter] = IterMeth (1,1e-6100)

val =
2,718281826198493
ea =
9.216155641522974e-007
= iter
12
 3.3 DEFINISI ERROR 61

Kita bisa melihat bahwa setelah 12 iterasi, kita memperoleh hasil dari 2,7182818
-7
dengan approxi-mate error estimasi = 9,2162 10 %. Hasilnya dapat diverifikasi dengan
menggunakan built-inexp fungsi untuk langsung menghitung nilai yang tepat dan benar
persen kesalahan relatif,

>> trueval = exp (1)

trueval =
2,718281828459046

> et = abs ((trueval-val) /

trueval) * 100 et =
8.316108397236229e-008

Seperti halnya dengan Contoh 3.2, kita memperoleh hasil yang diinginkan bahwa
kesalahan yang benar adalah kurang dari kesalahan perkiraan.

(A) VBA / Excel (B) MATLAB

Fungsi IterMeth (x, es, MAXIT) fungsi [v, ea, iter] = IterMeth (x, es,
'Inisialisasi MAXIT)
iter = 1 % inisialisasi
sol = 1 iter = 1;
ea = 100 sol = 1;
fac = 1 ea = 100;
'Perhitungan berulang
Do % berulang perhitungan
solold = sol fac sementara (1)
= fac * iter solold = sol;
sol = sol + x ^ iter / fac
iter = iter + 1 sol = sol + x ^ iter / faktorial (iter);
Jika sol <> 0 Then iter = iter + 1;
ea = Abs ((sol - solold) / sol) * jika sol ~ = 0
100 End If ea = abs ((sol - solold) / sol)
Jika ea <= es Atau iter> = MAXIT * 100; akhir
Kemudian Exit Do loop jika ea <= es | iter> = MAXIT,
IterMeth = sol istirahat, akhir akhir
End Function v = sol;
akhir
GAMBAR 3.4

(A) VBA / Excel dan (b) fungsi MATLAB berdasarkan pseudocode dari Gambar. 3.3.
 Dengan definisi sebelumnya sebagai latar belakang, kita sekarang dapat melanjutkan
ke dua jenis kesalahan yang berhubungan langsung dengan metode numerik: kesalahan
round-off dan kesalahan pemotongan.
62 Perkiraan DAN KESALAHAN ROUND-OFF

3.4 KESALAHAN ROUND-OFF

Seperti disebutkan sebelumnya, kesalahan round-off berasal dari fakta bahwa komputer
mempertahankan
hanya tetap jumlah angka signifikan selama perhitungan. Nomor sepertiπ, E, atau
√
7 tidak bisa diungkapkan oleh sejumlah tetap angka signifikan. Oleh karena itu, mereka
tidak dapat diwakili tepat oleh komputer. Selain itu, karena komputer menggunakan
basis-2 Repre-sentation, mereka bisa tidak tepat mewakili tepat basis-10 nomor-nomor
tertentu. Perbedaan diperkenalkan oleh kelalaian ini dari angka signifikan disebut
kesalahan round-off.

3.4.1 Representasi Komputer Bilangan

Numerik kesalahan round-off secara langsung berkaitan dengan cara di mana nomor
disimpan dalam komputer. Unit dasar dimana informasi ditampilkan disebut kata. Ini
adalah sebuah entitas yang terdiri dari serangkaian angka biner, atau bit. Nomor biasanya
disimpan dalam satu atau lebih kata-kata. Untuk memahami bagaimana hal ini tercapai,
pertama kita harus meninjau beberapa materi yang berhubungan dengan sistem nomor.
Nomor Systems. SEBUAH sistem nomor hanyalah konvensi untuk mewakili jumlah.
Karena kita memiliki 10 jari tangan dan 10 jari kaki, sistem nomor yang kita paling akrab
dengan adalah desimal, atau dasar-10, sistem nomor. Sebuah basis adalah nomor yang
digunakan sebagai acuan untuk membangun sistem. Basis-10 sistem menggunakan 10 digit-0,
1, 2, 3, 4, 5, 6, 7, 8, 9- untuk mewakili angka. Sendiri, angka ini memuaskan untuk
menghitung dari 0 sampai 9.
Untuk jumlah yang lebih besar, kombinasi dari dasar ini angka yang digunakan,
dengan posisi atau tempat nilai menentukan besarnya. Paling kanan digit di seluruh
nomor mewakili nomor dari 0 sampai 9. Angka kedua dari kanan merupakan kelipatan
10. Angka ketiga dari kanan merupakan kelipatan 100 dan seterusnya. Sebagai contoh,
jika kita memiliki jumlah 86.409 maka kita memiliki delapan kelompok 10.000, enam
kelompok 1000, empat kelompok 100, nol kelompok 10, dan sembilan unit lebih, atau
4 3 2 1 0
(8 ×10 ) + (6 ×10 ) + (4 ×10 ) + (0 ×10 ) + (9 ×10 ) =86.409
Gambar 3.5a memberikan representasi visual dari bagaimana nomor dirumuskan
dalam sistem basis-10. Jenis representasi disebut notasi posisional.
Karena sistem desimal begitu akrab, itu tidak umum menyadari bahwa ada alternatif.
Misalnya, jika manusia terjadi telah memiliki delapan jari tangan dan jari kaki delapan,
kami akan diragukan lagi telah mengembangkan oktal, atau basa-8, representasi. Dalam
arti yang sama, teman kita komputer adalah seperti binatang dua jari yang terbatas pada
dua negara-0 atau 1. Hal ini berkaitan dengan fakta bahwa unit logika utama komputer
digital on / off komponen elektronik. Oleh karena itu, angka di komputer diwakili dengan
biner, atau dasar-2, sistem. Sama seperti dengan sistem desimal, jumlah dapat Repre-
sented menggunakan notasi posisional. Sebagai contoh, bilangan biner 11 adalah setara
1 0
dengan (1× 2 ) + (1 × 2 ) = 2 + 1 =3 dalam sistem desimal. Gambar 3.5b
menggambarkan lebih compli-berdedikasi contoh.
Representasi integer. Sekarang kita telah meninjau bagaimana dasar-10 nomor dapat
direpresentasikan dalam bentuk biner, itu adalah sederhana untuk memahami bagaimana
bilangan bulat diwakili pada com-puter. Pendekatan yang paling sederhana, yang disebut
metode besarnya ditandatangani, mempekerjakan bit pertama dari sebuah kata untuk
menunjukkan tanda, dengan 0 untuk positif dan 1 untuk negatif. Itu
 3,4 KESALAHAN ROUND-
OFF 63

4 3 2 1 0
10 10 10 10 10

8 6 4 0 9
93 1= 9
03 10 = 0
43 100 = 400
(Se
bua
h) 6 3 1.000 = 6.000
8 3 10.000 = 80.000
86.409

7 6 5 4 3 2 1 0
2 2 2 2 2 2 2 2

1 0 1 0 1 1 0 1
13 1 = 1
03 2 = 0
13 4 = 4
13 8 = 8
0 3 16 = 0
1 3 32 = 32
(B) 0 3 64 = 0
1 3 128 = 128
173

GAMBAR 3.5
Bagaimana (a) desimal (basis 10) dan (b) biner (basis 2) sistem kerja. Dalam (b),
bilangan biner 10.101.101 setara dengan angka desimal 173.

1000000010101101

Jumlah
Tanda

GAMBAR 3.6
Representasi dari bilangan bulat desimal -173 pada komputer 16-bit dengan
menggunakan metode besarnya ditandatangani.

bit sisanya digunakan untuk menyimpan nomor. Sebagai contoh, nilai integer dari-173
akan disimpan pada komputer 16-bit, seperti pada Gambar. 3.6.

CONTOH 3.4 Rentang Integer

Pernyataan masalah. Menentukan rentang bilangan bulat dalam basis-10 yang dapat
diwakili pada komputer 16-bit.
64 Perkiraan DAN KESALAHAN ROUND-OFF

Larutan. Dari 16 bit, bit pertama memegang tanda. Sisa 15 bit dapat memegang nomor
bi-nary dari 0 sampai 111111111111111. Batas atas dapat dikonversi ke integer desimal,
seperti dalam
14 13 1 0
(1 ×2 ) + (1 ×2 ) + · + (1 ×2 ) + (1 ×2 )
yang sama dengan 32.767 (perhatikan bahwa ungkapan ini dapat hanya dievaluasi
15
sebagai 2 -1). Dengan demikian, kata komputer 16-bit dapat menyimpan bilangan bulat
desimal mulai dari-32.767 untuk 32.767. Selain itu, karena nol sudah didefinisikan
sebagai 0000000000000000, itu berlebihan untuk menggunakan nomor
1000000000000000 untuk menentukan Oleh karena itu, biasanya digunakan untuk
mewakili angka negatif tambahan “minus nol.”:-32.768, dan kisaran adalah dari -32.768
untuk 32.767.

Perhatikan bahwa metode besarnya ditandatangani dijelaskan di atas tidak digunakan

untuk mewakili inte-gers pada komputer konvensional. Pendekatan disukai disebut 2 ini
teknik pelengkap langsung menggabungkan tanda ke besarnya jumlah daripada
memberikan sedikit terpisah untuk mewakili plus atau minus (lihat Chapra dan Canale
1994). Namun, Contoh 3.4 masih berfungsi untuk menggambarkan bagaimana semua
komputer digital terbatas dalam kemampuan mereka untuk mewakili bilangan bulat.
Artinya, angka di atas atau di bawah kisaran yang tidak dapat diwakili. Keterbatasan
yang lebih serius ditemui dalam penyimpanan dan manipulasi jumlah pecahan sebagai
de-jelaskan berikutnya.
Floating-Point Representasi. jumlah pecahan biasanya direpresentasikan dalam com-
puters menggunakan formulir floating-point. Dalam pendekatan ini, jumlah ini
dinyatakan sebagai bagian pecahan, yang disebut mantissa atau significand, dan bagian
integer, disebut eksponen atau karakter-istic, seperti dalam
e
(c) ·b
di mana m = mantissa, b = dasar sistem bilangan yang digunakan, dan e =expo-nen.
3
Misalnya, jumlah 156,78 dapat direpresentasikan sebagai 0,15678× 10 dalam floating-
point basis-10 sistem.
Gambar 3.7 menunjukkan salah satu cara yang angka floating-point dapat disimpan
dalam kata. Bit pertama dicadangkan untuk tanda, seri berikutnya bit untuk eksponen
ditandatangani, dan bit terakhir untuk mantissa.

GAMBAR 3.7
cara di mana angka floating-point disimpan dalam sebuah kata.

Tertanda
eksponen

mantissa

Tanda
 3,4 KESALAHAN ROUND-OFF 65

Perhatikan bahwa mantissa biasanya dinormalisasi jika sudah nol digit. Misalnya,
kuantitas 1/34 =0,029411765. . . disimpan dalam floating-point dasar-10 sys-tem yang
memungkinkan hanya empat tempat desimal untuk disimpan. Dengan demikian, 1/34 akan
disimpan sebagai
0
0.0294 × 10
Namun, dalam proses melakukan hal ini, dimasukkannya berguna nol di sebelah kanan
pasukan desimal kita untuk menjatuhkan angka 1 di tempat desimal kelima. Jumlah
tersebut bisa normal-terwujud untuk menghapus terkemuka nol dengan mengalikan
mantissa dengan 10 dan menurunkan expo-nen oleh 1 untuk memberikan
-1
0.2941 × 10
Dengan demikian, kita mempertahankan angka yang signifikan tambahan ketika nomor
disimpan.
Konsekuensi dari normalisasi adalah bahwa nilai absolut dari m terbatas. Itu adalah,

1
b ≤m<1 (3.8)

di mana b =dasar. Sebagai contoh, untuk sistem basis-10, m akan berkisar antara 0,1 dan
1, dan untuk sistem dasar-2, antara 0,5 dan 1.
Floating-point representasi memungkinkan kedua fraksi dan jumlah yang sangat
besar untuk diekspresikan pada komputer. Namun, ia memiliki beberapa kelemahan.
Misalnya, mengapung-ing-point nomor mengambil lebih banyak ruang dan memakan
waktu lebih lama untuk diproses daripada angka integer. Lebih penting lagi,
bagaimanapun, penggunaan memperkenalkan sumber kesalahan karena mantissa
memegang hanya jumlah terbatas angka signifikan. Dengan demikian, kesalahan round-
off diperkenalkan.

CONTOH 3.5 Set hipotetis Bilangan Floating-Point

Pernyataan masalah. Buat hipotetis angka floating-point ditetapkan untuk mesin yang
menyimpan informasi dengan menggunakan kata-kata 7-bit. Mempekerjakan bit pertama
untuk tanda nomor, tiga berikutnya untuk tanda dan besarnya eksponen, dan tiga terakhir
untuk besarnya mantissa (Gambar. 3.8).

GAMBAR 3.8
Terkecil yang mungkin positif angka floating-point dari Contoh 3.5.
1 0
2 2 2-1 2-2 2-3
0 1 1 1 1 0 0

Besarnya
tanda tanda
mantissa
jumlah eksponen
Besarnya
eksponen
66 Perkiraan DAN KESALAHAN ROUND-OFF

Larutan. Sekecil mungkin angka positif digambarkan pada Gambar. 3.8. Awal 0 di-
dicates bahwa kuantitas positif. 1 di tempat kedua menunjuk bahwa eksponen memiliki
tanda negatif. 1 di tempat ketiga dan keempat memberikan nilai maksimal kepada
eksponen
1 0
1×2 +1×2 =3
Oleh karena itu, eksponen akan -3. Akhirnya, mantissa ditentukan oleh 100 di tiga tempat
terakhir, yang sesuai dengan
-1 -2 -3
1 × 2 + 0 × 2 + 0 × 2 = 0.5
Meskipun mantissa yang lebih kecil adalah mungkin (misalnya, 000, 001, 010, 011), nilai 100
digunakan karena batas yang dikenakan oleh normalisasi [Eq. (3.8)]. Dengan demikian,
-3
kemungkinan jumlah pos-itive terkecil untuk sistem ini adalah+0,5 × 2 , Yang sama dengan
0,0625 dalam sistem basis-10. Angka-angka tertinggi berikutnya dikembangkan dengan
meningkatkan mantissa, seperti dalam
-1 -2 -3 -3
0111101 = (1 × 2 + 0 × 2 + 1 × 2 ) × 2 = (0.078.125)10
-1 -2 -3 -3
0111110 = (1 × 2 + 1 × 2 + 0 × 2 ) × 2 = (0.093.750)10
-1 -2 -3 -3
0111111 = (1 × 2 + 1 × 2 + 1 × 2 ) × 2 = (0.109.375)10
Perhatikan bahwa dasar-10 setara ditempatkan secara merata dengan selang waktu
0,015625.
Pada titik ini, untuk terus meningkatkan, kita harus mengurangi eksponen ke 10,
yang memberikan nilai
1 0
1×2 +0×2 =2
mantissa menurun kembali ke nilai terkecil dari 100. Oleh karena itu, nomor berikutnya
adalah
-1 -2 -3 -2
0110100 = (1 × 2 + 0 × 2 + 0 × 2 ) × 2 = (0.125000)10
Ini masih merupakan kesenjangan 0.125000 - 0.109375 =0,015625. Namun, sekarang ketika
nomor yang lebih tinggi dihasilkan dengan meningkatkan mantissa, kesenjangan yang
diperpanjang ke 0,03125,
-1 -2 -3 -2
0110101 = (1 × 2 + 0 × 2 + 1 × 2 ) × 2 = (0.156.250)10
-1 -2 -3 -2
0110110 = (1 × 2 + 1 × 2 + 0 × 2 ) × 2 = (0.187.500)10
-1 -2 -3 -2
0110111 = (1 × 2 + 1 × 2 + 1 × 2 ) × 2 = (0.218.750)10
Pola ini diulang setiap kuantitas yang lebih besar diformulasikan sampai jumlah
maksimum tercapai,
-1 -2 -3 3
0011111 = (1 × 2 + 1 × 2 + 1 × 2 ) × 2 = (7)10
Jumlah set terakhir digambarkan secara grafis pada Gambar. 3.9.

Gambar 3.9 memanifestasikan beberapa aspek dari floating-point representasi yang

memiliki signifi-cance mengenai round-off kesalahan komputer:
G Ada Apakah Terbatas Rentang Kuantitas yang Mungkin Diwakili. Sama seperti untuk
kasus inte-ger, ada sejumlah positif dan negatif yang besar yang tidak dapat diwakili.
Upaya untuk mempekerjakan nomor luar rentang yang dapat diterima akan
menghasilkan apa yang disebut
 3,4 KESALAHAN ROUND-
OFF 67

memotong pembulatan

x - Dx x - Dx x + Dx
Dx Dx/ 2 Dx/ 2

7
0 Meluap

Underflow “lubang”
nol

GAMBAR 3.9
Sistem nomor hipotetis dikembangkan pada Contoh 3.5. Setiap nilai ditunjukkan
dengan tanda centang. Hanya bilangan positif yang akan ditampilkan. Set identik juga
akan memperluas ke arah negatif.

kesalahan melimpah. Namun, selain jumlah besar, floating-point Repre-sentation

memiliki keterbatasan menambahkan bahwa jumlah yang sangat kecil tidak bisa
diwakilkan. Hal ini digambarkan oleh underflow “lubang” antara nol dan angka
positif pertama dalam Gambar. 3.9. Perlu dicatat bahwa lubang ini diperbesar karena
kendala normalisasi Persamaan. (3.8).
ii Ada Apakah Hanya Jumlah Hingga Kuantitas Yang Dapat Diwakili dalam Range.
Dengan demikian, tingkat presisi terbatas. Jelas, bilangan irasional tidak dapat
diwakili tepat. Selanjutnya, bilangan rasional yang tidak sama persis dengan salah
satu nilai di set juga tidak dapat diwakili tepat. Kesalahan diperkenalkan oleh kira-
kira-aproksimasi kedua kasus ini disebut kesalahan sebagai quantizing. Pendekatan
yang sebenarnya dilakukan dalam salah satu dari dua cara: memotong atau
pembulatan. Misalnya, bahwa nilaiπ =3,14159265358. . . adalah untuk disimpan pada
sistem bilangan basis-10 membawa-ing tujuh angka signifikan. Salah satu metode
pendekatan akan hanya menghilangkan, atau “memenggal,” istilah kedelapan dan
lebih tinggi, seperti diπ =3.141592, dengan pengenalan kesalahan terkait [Eq. (3.2)]
Et = 0.00000065. . .
Teknik ini mempertahankan hanya istilah yang signifikan pada awalnya dijuluki
“trun-kation” dalam jargon komputer. Kami lebih suka menyebutnya memotong
untuk membedakannya dari kesalahan pemotongan dibahas dalam Bab. 4. Perhatikan
bahwa untuk sistem basis-2 nomor dalam
68 Perkiraan DAN KESALAHAN ROUND-OFF

Gambar. 3.9, memotong berarti bahwa setiap kuantitas yang berada dalam selang
waktu panjang x akan disimpan sebagai kuantitas di ujung bawah dari interval.
Dengan demikian, kesalahan atas menuju memotong adalah x. Selain itu, bias
diperkenalkan karena semua kesalahan yang positif. Kekurangan memotong yang
disebabkan fakta bahwa istilah yang lebih tinggi dalam representasi desimal lengkap
tidak berdampak pada versi singkat. Misalnya, dalam contoh kamiπ, Angka dibuang
pertama adalah 6. Jadi, digit dipertahankan terakhir harus dibulatkan untuk
menghasilkan 3,141593. pembulatan seperti mengurangi kesalahan
U t = -0.00000035. . .
Akibatnya, pembulatan menghasilkan kesalahan absolut lebih rendah dari memotong.
Perhatikan bahwa untuk sistem nomor dasar-2 pada Gambar. 3.9, pembulatan berarti
bahwa setiap kuantitas jatuh dalam sebuah di-terval panjang x akan direpresentasikan
sebagai jumlah yang diijinkan terdekat. Dengan demikian, kesalahan atas menuju
pembulatan adalah x/2. Selain itu, ada bias diperkenalkan karena beberapa kesalahan yang
positif dan beberapa negatif. Beberapa komputer mempekerjakan pembulatan. Namun, ini
menambah overhead komputasi, dan, akibatnya, banyak mesin menggunakan memotong
sederhana. Pendekatan ini dibenarkan dalam anggapan bahwa jumlah angka signifikan
cukup besar yang mengakibatkan error round-off biasanya diabaikan.
• Interval antara Numbers, x, Meningkatkan sebagai Bilangan Tumbuh di Magnitude. Ini
adalah karakteristik ini, tentu saja, yang memungkinkan floating-point representasi untuk
melestarikan signifikan digit. Namun, itu juga berarti bahwa mengkuantisasi kesalahan
akan sebanding dengan besarnya jumlah yang diwakili. Untuk normalisasi floating-point
num-bers, proporsionalitas ini dapat dinyatakan, untuk kasus-kasus di mana memotong
digunakan, seperti

| x| (3.9)
x
| | ≤
dan, untuk kasus-kasus di mana pembulatan digunakan, seperti

| x| (3.10)
x ≤ 2
| |
di mana disebut sebagai epsilon mesin, yang dapat dihitung sebagai
b1-t (3.11)
=
di mana b adalah bilangan basis dan t adalah jumlah angka signifikan di mantissa.
Perhatikan bahwa ketidaksetaraan dalam pers. (3.9) dan (3.10) menandakan bahwa ini
adalah batas kesalahan.
Artinya, mereka menentukan kasus-kasus terburuk.

CONTOH 3.6 mesin Epsilon

Pernyataan masalah. Tentukan epsilon mesin dan memverifikasi efektivitas dalam
karakteristik kesalahan sistem nomor dari Contoh 3.5. Asumsikan bahwa memotong
digunakan.
Larutan. Hipotetis sistem floating-point dari Contoh 3.5 dipekerjakan nilai-nilai dasar b
= 2, dan jumlah mantissa bit t =3. Oleh karena itu, mesin epsilon akan [Eq. (3.11)]
 1-3
=2 = 0.25
 3,4 KESALAHAN ROUND-OFF 69

relatif terbesar
kesalahan

GAMBAR 3.10
Kesalahan quantizing terbesar akan terjadi karena nilai-nilai jatuh tepat di bawah batas
atas yang pertama dari serangkaian interval equispaced.

Akibatnya, kesalahan kuantisasi relatif harus dibatasi oleh 0,25 untuk mencacah.
Kesalahan relatif terbesar harus terjadi bagi mereka jumlah yang jatuh tepat di bawah
batas atas interval pertama antara nomor equispaced berturut-turut (Gbr. 3.10). Angka-
angka yang jatuh di interval yang lebih tinggi berhasil akan memiliki nilai yang sama dari
x tetapi nilai yang lebih besar dari x dan, karenanya, akan memiliki kesalahan relatif lebih
rendah. Contoh dari kesalahan maksimum akan menjadi nilai jatuh tepat di bawah batas
atas interval antara (0.125000)10 dan (0.156250)10. Untuk kasus ini, kesalahan akan
kurang dari

0.03.125 = 0.25
0.125000
Dengan demikian, kesalahan adalah seperti yang diperkirakan oleh Persamaan. (3.9).

Besarnya ketergantungan mengkuantisasi kesalahan memiliki sejumlah aplikasi praktis

dalam metode numerik. Sebagian besar ini berhubungan dengan operasi umum digunakan
pengujian apakah dua nomor yang sama. Hal ini terjadi ketika menguji konvergensi jumlah
serta dalam mekanisme berhenti untuk proses berulang (ingat Contoh 3.2). Untuk kasus ini,
harus jelas bahwa, daripada menguji apakah dua kuantitas yang sama, disarankan untuk
menguji apakah perbedaan mereka adalah kurang dari toleransi diterima kecil. Selanjutnya,
juga harus jelas bahwa perbedaan normalisasi bukan absolut harus dibandingkan, terutama
ketika berhadapan dengan jumlah berkekuatan besar. Selain itu, mesin epsilon dapat
digunakan dalam merumuskan berhenti atau konvergensi kriteria. Hal ini memastikan bahwa
program yang portabel-yaitu, mereka tidak tergantung pada komputer yang mereka
diimplementasikan. Gambar 3.11 daftar pseudocode untuk secara otomatis menentukan
epsilon mesin komputer biner.
epsilon 1
MELAKUKAN
Diperpanjang Presisi. Perlu dicatat di sini bahwa, meskipun kesalahan round-off bisa
IF (epsilon+1 1)
menjadi penting dalam konteks seperti konvergensi pengujian, jumlah signifikan digit
EXIT epsilon epsilon
mobil-Ried pada kebanyakan komputer memungkinkan paling perhitungan rekayasa yang
/ 2
akan dilakukan dengan lebih dari presisi diterima. Sebagai contoh, sistem nomor hipotetis
dalam Gambar. 3.9 adalah berlebihan kotor yang dipekerjakan untuk tujuan ilustrasi.
END DO
komputer komersial menggunakan kata-kata yang jauh lebih besar dan, akibatnya,
epsilon2 epsilon
memungkinkan angka untuk diekspresikan dengan lebih dari ade-quate presisi. Sebagai
GAMBAR 3.11 contoh, komputer yang menggunakan format IEEE memungkinkan 24 bit untuk
digunakan untuk mantissa, yang diterjemahkan ke dalam sekitar tujuh signifikan basis-10
1 -38 39
digit presisi dengan jarak sekitar 10 10 .
Pseudocode untuk menentukan mesin epsilon untuk komputer biner.
1
Perhatikan bahwa hanya 23 bit
yang benar-benar digunakan
untuk menyimpan mantissa.
Namun, karena normalisasi, bit
pertama dari mantissa selalu 1
dan, karena itu, tidak disimpan.
Dengan demikian, bit pertama
ini bersama-sama dengan 23 bit
disimpan memberikan total 24
bit presisi untuk mantissa.
70 Perkiraan DAN KESALAHAN ROUND-OFF

Dengan ini mengakui, masih ada kasus-kasus di mana kesalahan round-off menjadi
penting. Untuk alasan ini kebanyakan komputer memungkinkan spesifikasi presisi
diperpanjang. Yang paling umum ini adalah ganda presisi, di mana jumlah kata yang
digunakan untuk menyimpan angka floating-point dua kali lipat. Ini menyediakan sekitar
-308 308
15 sampai 16 digit desimal presisi dan jangkauan sekitar 10 10 .
Dalam banyak kasus, penggunaan jumlah presisi ganda dapat sangat mengurangi dampak
dari kesalahan round-off. Namun, harga yang dibayar untuk obat tersebut dalam bahwa
mereka juga memerlukan lebih banyak memori dan waktu pelaksanaan. Perbedaan waktu
eksekusi untuk perhitungan kecil mungkin tampak tidak signifikan. Namun, seperti program-
program anda menjadi lebih besar dan lebih rumit, waktu eksekusi menambahkan bisa
menjadi cukup besar dan memiliki dampak negatif pada ef-fectiveness Anda sebagai pemecah
masalah. Oleh karena itu, presisi diperpanjang tidak boleh digunakan frivo-lously. Sebaliknya,
harus selektif dipekerjakan di mana itu akan menghasilkan manfaat yang maksimal dengan
biaya paling tidak dalam hal waktu eksekusi. Pada bagian berikut, kita akan melihat lebih
dekat bagaimana kesalahan round-off mempengaruhi perhitungan,
Sebelum melanjutkan, perlu dicatat bahwa beberapa perangkat lunak paket-usia yang
umum digunakan (misalnya, Excel, Mathcad) secara rutin menggunakan presisi ganda untuk
mewakili jumlah numerik. Dengan demikian, para pengembang paket ini memutuskan bahwa
mengurangi kesalahan round-off akan didahulukan dari pada kehilangan kecepatan yang
dikeluarkan dengan menggunakan presisi diperpanjang. Lainnya, seperti perangkat lunak
MATLAB, memungkinkan Anda untuk menggunakan presisi diperpanjang, jika Anda
inginkan.

3.4.2 Aritmatika Manipulasi Bilangan Komputer

Selain keterbatasan sistem nomor komputer, sebenarnya aritmatika manipula-tions yang
melibatkan angka-angka ini juga dapat mengakibatkan kesalahan round-off. Pada bagian
berikut, pertama kita akan menggambarkan bagaimana umum operasi aritmatika
mempengaruhi kesalahan round-off. Kemudian kita akan menyelidiki sejumlah manipulasi
tertentu yang sangat rentan terhadap kesalahan round-off.
Operasi Aritmatika umum. Karena keakraban mereka, normalisasi basis-10 nomor akan
dipekerjakan untuk menggambarkan efek dari kesalahan round-off pada sederhana
penambahan, pengurangan, perkalian, dan pembagian. basa nomor lain akan berperilaku
dengan cara yang sama. Untuk mempermudah pembahasan, kita akan menggunakan
komputer desimal hipotetis dengan mantissa 4-digit dan eksponen 1-digit. Selain itu,
memotong digunakan. Pembulatan akan menyebabkan sejenis kesalahan meskipun
kurang dramatis.
Ketika dua angka floating-point ditambahkan, mantissa jumlah dengan eksponen
yang lebih kecil dimodifikasi sehingga eksponen adalah sama. Ini memiliki efek
menyelaraskan-ing poin desimal. Sebagai contoh, misalkan kita ingin menambahkan
1 -1
0,1557· 10 + 0,4381 · 10 . Desimal dari mantissa dari angka kedua digeser ke kiri
sejumlah tempat sama dengan perbedaan eksponen [1- (-1) = 2], seperti pada
-1 1
0.4381 · 10 → 0.004.381 · 10
Sekarang nomor dapat ditambahkan,
1
0.1557 · 101
0.004.38
1 · 10
 0.160.08 1
1 · 10
1
dan hasilnya cincang ke 0,1600 · 10 . Perhatikan bagaimana dua digit terakhir dari kedua
num-ber yang bergeser ke kanan telah dasarnya telah hilang dari perhitungan.
 3,4 KESALAHAN ROUND-OFF 71

Pengurangan dilakukan identik dengan penambahan kecuali bahwa tanda pengurang

dibalik. Sebagai contoh, misalkan kita mengurangkan 26,86 dari 36,41. Itu adalah,
2
0,3641 · 10
2
θ 0,2686 · 10
2
0,0955 · 10
Untuk kasus ini hasilnya tidak normal, sehingga kita harus menggeser desimal satu
1
tempat ke tempat yang tepat untuk memberikan 0,9550 · 10 =9,550. Perhatikan bahwa nol
ditambahkan ke akhir dari orang-tissa tidak signifikan tetapi hanya ditambahkan untuk
mengisi ruang kosong yang diciptakan oleh pergeseran. Bahkan hasil yang lebih dramatis
akan diperoleh ketika nomor yang sangat dekat, seperti dalam
3
0,7642 · 10
3
(c)0,7641 · 10
3
0,0001 · 10
0
yang akan dikonversi ke 0,1000 · 10 =0,1000. Dengan demikian, untuk kasus ini, tiga
angka nol nonsignifi-tidak bisa dilampirkan. Ini memperkenalkan kesalahan komputasi
besar karena manipulasi subse-Quent akan bertindak seolah-olah nol ini signifikan.
Seperti yang akan kita lihat pada bagian selanjutnya, hilangnya signifikansi selama
pengurangan angka yang hampir sama adalah salah satu sumber terbesar dari kesalahan
round-off dalam metode numerik.
Perkalian dan pembagian agak lebih mudah daripada penambahan atau sub-traksi.
Eksponen ditambahkan dan Mantisa dikalikan. Karena perkalian dua Mantisa n-digit
akan menghasilkan hasil 2n-digit, kebanyakan komputer memegang hasil antara dalam
dua panjang mendaftar. Sebagai contoh,
3 -1 2
0.1363 · 10 × 0.6423 · 10 = 0.08754549 · 10
Jika, seperti dalam kasus ini, nol terkemuka diperkenalkan, hasilnya adalah normalisasi,
2 1
0.08754549 · 10 → 0.8754549 · 10
dan cincang untuk memberikan
1
0.8754 · 10
Divisi dilakukan dengan cara yang sama, tetapi Mantisa dibagi dan expo-komponen-
dikurangi. Kemudian hasilnya dinormalisasi dan cincang.
Perhitungan besar. metode tertentu memerlukan jumlah yang sangat besar dari
aritmatika manipulasi untuk sampai pada hasil akhir mereka. Selain itu, perhitungan ini
sering di-terdependent. Artinya, perhitungan nanti tergantung pada hasil yang
sebelumnya. Akibatnya, meskipun kesalahan round-off individu bisa menjadi kecil, efek
kumulatif selama perhitungan besar dapat menjadi signifikan.

CONTOH 3.7 Bilangan besar saling terkait Perhitungan

Pernyataan masalah. Mengetahui pengaruh kesalahan round-off pada sejumlah besar
perhitungan saling bergantung. Mengembangkan program untuk jumlah nomor 100.000
kali. Menjumlahkan nomor 1 di presisi tunggal, dan 0,00001 dalam presisi tunggal dan
ganda.
Larutan. Gambar 3.12 menunjukkan sebuah program Fortran 90 yang melakukan
penjumlahan. Sedangkan penjumlahan presisi tunggal dari 1 menghasilkan hasil yang
diharapkan, single-presisi
72 Perkiraan DAN KESALAHAN ROUND-OFF

GAMBAR 3.12 PROGRAM fig0312

Fortran 90 program untuk implisit tidak ada
meringkas sejumlah INTEGER :: i
5
10 waktu. Kasus ini NYATA :: sum1, sum2, x1, x2
merangkum nomor 1 di DOUBLE PRECISION :: sum3, x3
presisi tunggal dan nomor sum1 = 0.
5 sum2 = 0.
10 dalam presisi tunggal
sum3 = 0.
dan ganda.
x1 = 1.
x2 = 1.e-5
x3 = 1.d-5
DO i = 1,100000
sum1 = sum1 + x1
sum2 = sum2 + x2
sum3 = sum3 + x3
END DO
PRINT *, sum1
PRINT *, sum2
PRINT *, sum3
AKHIR
keluaran:
100000.000000
1.000990
9.999999999980838E-001

penjumlahan dari 0,00001 menghasilkan perbedaan besar. Kesalahan ini berkurang

secara signifikan ketika 0,00001 terangkum dalam presisi ganda.
Mengkuantisasi kesalahan adalah sumber dari perbedaan. Karena bilangan bulat 1
dapat rep-membenci persis di dalam komputer, dapat disimpulkan tepat. Sebaliknya,
0,00001 bisa-tidak diwakili tepat dan dikuantisasi dengan nilai yang sedikit berbeda dari
nilai yang sebenarnya. Sedangkan perbedaan yang sangat sedikit ini akan diabaikan untuk
perhitungan kecil, itu terakumulasi setelah penjumlahan berulang. masalah masih terjadi
di presisi ganda tetapi sangat dikurangi karena kesalahan mengkuantisasi jauh lebih kecil.

Perhatikan bahwa jenis kesalahan diilustrasikan oleh contoh sebelumnya agak atipikal dalam
bahwa semua kesalahan dalam operasi berulang adalah tanda yang sama. Dalam kebanyakan kasus
kesalahan dari tanda alternatif perhitungan panjang secara acak dan, dengan demikian, sering
membatalkan. Namun, ada juga kasus di mana kesalahan tersebut tidak membatalkan tetapi, pada
kenyataannya, menyebabkan hasil akhir palsu. Bagian berikut ini dimaksudkan untuk memberikan
wawasan cara di mana ini dapat terjadi.
Menambahkan Besar dan Nomor Kecil. Misalkan kita menambahkan sejumlah kecil,
0,0010, ke sejumlah besar, 4000, menggunakan komputer hipotetis dengan mantissa 4-
digit dan eksponen 1-digit. Kami mengubah jumlah yang lebih kecil sehingga eksponen
sesuai dengan yang lebih besar,
 4
0,4000 · 104
0.0000001 · 10
4
0.4000001 · 10
 3,4 KESALAHAN ROUND-OFF 73

4
yang cincang ke 0,4000 · 10 . Dengan demikian, kita juga belum dilakukan penambahan!
Jenis kesalahan ini dapat terjadi dalam perhitungan seri terbatas. Istilah awal dalam
seri tersebut sering relatif besar dibandingkan dengan istilah nanti. Dengan demikian,
setelah beberapa hal telah ditambahkan, kita berada dalam situasi menambahkan jumlah
kecil untuk jumlah besar.
Salah satu cara untuk mengurangi jenis kesalahan adalah untuk jumlah seri secara
terbalik agar-yang, di naik daripada urutan. Dengan cara ini, setiap istilah baru akan
besarnya sebanding dengan jumlah akumulasi (lihat Prob. 3,5).
Pembatalan subtraktif. Istilah ini mengacu pada babak-off diinduksi ketika
mengurangkan dua angka floating-point hampir sama.
Salah satu contoh umum di mana ini dapat terjadi melibatkan menemukan akar
persamaan kuadrat atau parabola dengan rumus kuadrat,
√
2
x1 -b ± b - 4ac (3.12)
x2 = 2a
2
Untuk kasus di mana b 4ac, perbedaan dalam pembilang bisa sangat kecil. Dalam kasus
tersebut, presisi ganda dapat mengurangi masalah. Selain itu, formulasi alternatif dapat
digunakan untuk meminimalkan pembatalan subtraktif,
x1 -2c (3.13)
x = √ 2
2 b ± b - 4ac
Sebuah ilustrasi dari masalah dan penggunaan rumus ini alternatif disediakan dalam
contoh berikut.

CONTOH 3.8 Pembatalan subtraktif

Pernyataan masalah. Menghitung nilai-nilai akar persamaan kuadrat dengan Sebuah =
1, b = 3000.001, dan c= 3. Periksa nilai-nilai dihitung versus akar sejati x 1 = -0,001 dan
x2 = -3000.
Larutan. Gambar 3.13 menunjukkan program Excel / VBA yang menghitung akar x1 dan
x2 di dasar rumus kuadrat [(Persamaan. (3.12)]. Perhatikan bahwa kedua versi single dan
double-presisi diberikan. Sedangkan hasil untuk x 2 memadai, persen kesalahan relatif
untuk x1 miskin untuk versi single-presisi, εt = 2.4%. Tingkat ini bisa menjadi tidak
memadai bagi banyak masalah teknik terapan. Hasil ini sangat mengejutkan karena kita
menggunakan formula analitis untuk mendapatkan solusi kami!
Hilangnya penting terjadi di garis kedua program di mana dua angka relatif besar
dikurangi. Masalah serupa tidak terjadi ketika nomor yang sama ditambahkan.
Atas dasar di atas, kita dapat menarik kesimpulan umum bahwa kuadrat untuk-mula
2
akan rentan terhadap pembatalan subtraktif setiap kali b 4ac. Salah satu cara untuk CIR-
cumvent masalah ini adalah dengan menggunakan presisi ganda. Lain adalah untuk
menyusun kembali rumus kuadrat dalam format Persamaan. (3.13). Seperti pada output
program kedua pilihan memberikan kesalahan jauh lebih kecil karena pembatalan
subtraktif diminimalkan atau dihindari.
74 Perkiraan DAN KESALAHAN ROUND-OFF

option Explicit 'Tampilan hasil

Sheets ( "sheet1"). Pilih
Sub fig0313 () Range ( "b2"). Pilih
Dim a As Single, b As Single ActiveCell.Value = x1
Dim c Sebagai Single, d Sebagai Single ActiveCell.Offset (1, 0) .Select
Dim x1 Sebagai Single, x2 Sebagai Single ActiveCell.Value = x2
Dim X1R Sebagai Single ActiveCell.Offset (2, 0) .Select
Dim aa As Double, bb As Double ActiveCell.Value = x11
Dim cc As Double, dd As Double ActiveCell.Offset (1, 0) .Select
Dim x11 As Double, x22 As Double ActiveCell.Value = x22
ActiveCell.Offset (2, 0) .Select
'Presisi tunggal: ActiveCell.Value = X1R
a = 1: b = 3000,001: c = 3 end Sub
d = Sqr (b * b - 4 * a * c)
x1 = (-b + d) / (2 * a)
x2 = (-b - d) / (2 * a) KELUARAN:

'Presisi ganda:
(b)= 1: bb = 3000,001: cc = 3
dd = Sqr (bb * bb - 4 * aa * cc)
x11 = (-bb + dd) / (2 * aa)
x22 = (-bb - dd) / (2 * aa)

'Formula Modifikasi untuk root

pertama' presisi tunggal: X1R =
-2 * c / (b + d)
GAMBAR 3.13
program Excel / VBA untuk menentukan akar kuadrat.

Perhatikan bahwa, seperti dalam contoh di atas, ada saat di mana pembatalan
subtraktif dapat dielakkan dengan menggunakan transformasi. Namun, satu-satunya obat
umum adalah dengan menggunakan presisi diperpanjang.
Mengolesi. Mengolesi terjadi jika persyaratan individu dalam penjumlahan yang lebih
besar dari penjumlahan itu sendiri. Seperti dalam contoh berikut, satu kasus di mana ini
terjadi adalah di se-luka dari tanda-tanda campuran.
x
CONTOH 3.9 Evaluasi e menggunakan Tak Terbatas Series
x
Pernyataan masalah. Fungsi eksponensial y = e diberikan oleh seri terbatas
x2 x3
v =1+x+ + +·
23!
Evaluasi fungsi ini untuk x = 10 dan x = -10, dan menjadi perhatian untuk masalah error
round-off.
Larutan. Gambar 3.14a memberikan program Excel / VBA yang menggunakan seri
x
terbatas untuk mengevaluasi e . Variabel i adalah jumlah istilah dalam seri, istilah nilai
76 Perkiraan DAN KESALAHAN ROUND-OFF

jumlahnya jauh lebih besar daripada hasil akhir dari penjumlahan. Selanjutnya, tidak
seperti kasus sebelumnya, istilah individu bervariasi dalam tanda. Dengan demikian, pada
dasarnya kita menambah dan mengurangi jumlah besar (masing-masing dengan beberapa
kesalahan kecil) dan menempatkan signifikansi besar pada differences- yaitu, pembatalan
subtraktif. Dengan demikian, kita dapat melihat bahwa penyebab di balik contoh ini
mengolesi adalah, pada kenyataannya, pembatalan subtraktif. Untuk kasus seperti itu
adalah tepat untuk mencari beberapa strategi komputasi lainnya. Misalnya, orang
10 -1 10
mungkin mencoba untuk menghitung y= e sebagai y = (e ) . Selain reformulasi
tersebut, satu-satunya jalan umum presisi diperpanjang.

Produk batin. Seperti harus jelas dari bagian terakhir, beberapa seri terbatas yang partic-
ularly rawan kesalahan round-off. Untungnya, perhitungan seri tidak salah satu operasi
yang lebih umum dalam metode numerik. Sebuah manipulasi jauh lebih di mana-mana
adalah perhitungan produk batin, seperti dalam
n
xsaya ysaya = x1 y1 + x2 y2 + · + xn yn
+ =1
Operasi ini sangat umum, terutama dalam pemecahan simultan linear persamaan alge-
braic. penjumlahan tersebut rawan kesalahan round-off. Akibatnya, sering diinginkan
untuk menghitung penjumlahan tersebut dalam presisi diperpanjang.
Meskipun bagian sebelumnya harus menyediakan aturan praktis untuk mengurangi
kesalahan round-off, mereka tidak menyediakan cara langsung di luar trial and error
untuk benar-benar mengetahui pengaruh kesalahan tersebut pada suatu perhitungan.
Dalam Chap. 4, kami akan memperkenalkan seri Taylor, yang akan memberikan
pendekatan matematika untuk memperkirakan efek ini.

MASALAH
menghitung f(n) untuk n = 10.000 dengan menghitung jumlah
3.1 Mengkonversi berikut nomor basis-2 untuk dasar-10: (Sebuah) dari i= 1 sampai 10.000. Kemudian ulangi perhitungan tetapi
1011001, secara terbalik agar-yang, dari
49.110,00101 dan (C) 0,01011 2. = 10.000-1 menggunakan kelipatan -1. Dalam setiap
3.2 Mengkonversi berikut dasar-8 angka untuk mendasarkan 10: kasus, menghitung benar persen kesalahan relatif. Menjelaskan
71.563 dan hasil.
3.14.
3.3 Menulis program Anda sendiri berdasarkan Gambar. 3.11 dan
menggunakannya untuk menentukan mesin komputer Anda
epsilon.
3.4 Dengan cara yang sama dengan yang di Gambar. 3.11,
menulis sebuah program singkat untuk menentukan jumlah
terkecil, xmin, Digunakan pada komputer Anda akan
menggunakan bersama dengan buku ini. Perhatikan bahwa
komputer Anda tidak akan dapat diandalkan membedakan antara
nol dan kuantitas yang lebih kecil dari nomor ini.
3,5 Seri terbatas
n
1
f (n) =
4
saya =1 saya
4
konvergen pada nilai f (n) = π /90 sebagai n mendekati tak
terhingga. Menulis sebuah program dalam presisi tunggal untuk
 -5
3.6 Evaluasi e menggunakan dua pendekatan
x2
e-x =1-x+ - x3 + ·
2 3!
dan
1 1
-x
e = x
e = x
2
x
3

1+x+ 2 + 3! +·
-3
dan bandingkan dengan nilai sebenarnya dari 6.737.947 × 10 .
Gunakan 20 hal untuk mengevaluasi setiap seri dan menghitung
kesalahan relatif benar dan perkiraan sebagai istilah ditambahkan.
2
3.7 Turunan dari f(x) = 1/ (1 - 3x ) diberikan oleh
6x
2 2
(1 -3x )
Apakah Anda berharap untuk memiliki kesulitan mengevaluasi
fungsi ini di x = 0.577? Cobalah menggunakan 3 dan 4 digit
aritmatika dengan memotong.3.8 (Sebuah) Mengevaluasi
polinomial
3 2
y = x - 7x + 8x- 0.35
MASALAH 77
 4.1 TAYLOR SERIES 85

pada x = 1.37. Gunakan 3-digit aritmatika dengan memotong. Mengevaluasi persen kesalahan relatif.
π Ulangi (Sebuah) tapi mengungkapkan y sebagai
(b) = ((x - 7)x + 8)x - 0.35
Mengevaluasi kesalahan dan membandingkan dengan bagian (Sebuah).
3.9 Hitung random access memory (RAM) dalam megabyte diperlukan untuk menyimpan array multidimensi yang 20 × 40 ×120. Array ini adalah
10
presisi ganda, dan masing-masing nilai memerlukan kata 64-bit. Ingat bahwa kata 64-bit= 8 byte dan 1 kilobyte = 2 bytes. Asumsikan bahwa
indeks dimulai pada 1.
3.10 Menentukan jumlah istilah yang diperlukan untuk cos perkiraan x 8 angka signifikan menggunakan pendekatan deret Maclaurin
2 4 6 8
x x x x
cos x = 1 - 2 +4! - 6! + 8! - ·
Hitung perkiraan menggunakan nilai x = 0.3π. Menulis sebuah program untuk menentukan hasil Anda.
 4.1 TAYLOR SERIES 86

3.11 Gunakan 5-digit aritmatika dengan memotong untuk menentukan akar mengikuti persamaan dengan pers. (3.12) dan (3.13)
2
x - 5000.002x+ 10
Menghitung persen kesalahan relatif untuk hasil Anda.
3.12 Bagaimana mesin epsilon digunakan untuk merumuskan menghentikan kriteria εsuntuk program Anda? Memberikan contoh.
3.13 The “membagi dan rata-rata” metode, metode lama-waktu untuk ap-proximating akar kuadrat dari setiap nomor positif, bisa untuk-mulated
sebagai
(c) = x + Sebuah/x 2
Menulis fungsi yang terstruktur dengan baik untuk menerapkan algoritma ini didasarkan pada algoritma yang diuraikan dalam Gambar. 3.3.

Meskipun, seperti yang dinyatakan dalam bagian sebelumnya, orde rendah derivatif biasanya account untuk
bagian yang lebih besar dari sisa dari istilah tingkat tinggi, hasil ini masih tidak tepat karena istilah kedua dan
tingkat tinggi diabaikan. Ini “inexactness” tersirat dengan simbol kesetaraan perkiraan (~) digunakan dalam
Persamaan. (4.9). =
Penyederhanaan alternatif yang mengubah pendekatan ke dalam sebuah kesetaraan didasarkan pada
wawasan grafis. Seperti pada Gambar. 4.3, turunan rata-nilai teorema menyatakan bahwa jika fungsi f (x) dan
turunan pertama yang kontinu pada interval dari xi ke xi + 1, maka ada exists setidaknya satu titik pada
fungsi yang memiliki kemiringan, ditunjuk oleh fj (ξ), yang sejajar dengan garis yang menghubungkan f (xi)
dan f (xi + 1). Parameter ξ menandai x nilai di mana kemiringan ini terjadi (Gambar. 4.3). Sebuah ilustrasi
fisik dari teorema ini adalah bahwa, jika Anda bepergian antara dua titik dengan kecepatan rata-rata, akan ada
setidaknya satu saat selama perjalanan ketika Anda akan bergerak pada saat itu kecepatan rata-rata.
Dengan memberlakukan teorema ini sederhana untuk menyadari bahwa, seperti yang diilustrasikan pada Gambar.
4.3, lereng
f j(Ξ) adalah sama dengan kenaikan R0 dibagi dengan jangka h, atau
R0
f j(Ξ) h =
yang dapat disusun kembali untuk memberikan
R0 = f j(ξ )h (4.10)
Dengan demikian, kami telah diturunkan versi zero-order dari Persamaan. (4.8). Versi yang lebih tinggi-
order hanyalah perpanjangan logis dari penalaran digunakan untuk menurunkan persamaan. (4.10). Versi
pertama-order
f jj(ξ ) 2 (4.11)
R1 = H
2!

GAMBAR 4.3
penggambaran grafis dari rata-nilai teorema derivatif.

f (X)
Slope = f '(( )

Slope = R0 R0
h
 xsaya ( xsaya 1 x

Untuk kasus ini, nilai ξ sesuai dengan nilai x sesuai dengan turunan kedua yang membuat Persamaan. (4.11)
tepat. versi yang lebih tinggi-order yang sama dapat dikembangkan dari Persamaan. (4.8).
Menggunakan Seri Taylor untuk Perkiraan Kesalahan pemotongan
Meskipun seri Taylor akan sangat berguna dalam memperkirakan kesalahan pemotongan melalui-buku
ini, hal itu mungkin tidak jelas bagi Anda bagaimana ekspansi sebenarnya dapat diterapkan untuk nu-
metode merical. Bahkan, kami sudah melakukannya dalam contoh kita tentang penerjun jatuh. Ingat bahwa
tujuan dari kedua Contoh 1.1 dan 1.2 adalah untuk memprediksi kecepatan sebagai fungsi waktu. Artinya,
kami tertarik dalam menentukan v (t). Sebagaimana ditentukan oleh Persamaan. (4,5), v (t) dapat diperluas
dalam serangkaian Taylor:
vjj(Ti)
v (t say ) = v (t) + v (t say - t s) +
j
say - t ) 2+ ··· + R n (4.12)
a 1 ) (T a1 a 2! a1
s s (t s
a a a
Sekarang mari kita memotong seri setelah jangka turunan pertama:

v (ti1) = v (ti) + vj(Ti) (ti 1 - ti) + R1 (4.13)

Persamaan (4.13) dapat diselesaikan untuk

v (ti1) - v (ti) R1
vj(ts ) = ti+1 - ti t-saya 1 (4.14)
a - tsaya

z ˛ ¸ s z ˛ ¸ s
Pertama -Hai rDEr Trun c atio n
approximationerror

Bagian pertama dari Persamaan. (4.14) adalah persis hubungan yang sama yang digunakan untuk mendekati
turunan dalam Contoh 1.2 [Eq. (1.11)]. Namun, karena pendekatan deret Taylor, kita sekarang memperoleh
perkiraan kesalahan pemotongan terkait dengan tion yang mendekati ini dari turunan. Menggunakan pers.
(4.6) dan (4.14) hasil
vjj(Ξ) = (ti1 - ti) (4.15)
ti +t1+i 2!
atau
R1
= O(ti1 - ti) (4.16)
ti 1 - ti

Dengan demikian, estimasi [Eq derivatif. (1.11) atau bagian pertama dari Persamaan. (4.14)] memiliki
kesalahan tion trunca- order ti + 1 ti. Dengan kata lain, kesalahan pendekatan derivatif kami harus
-
proporsional dengan ukuran langkah. Akibatnya, jika kita membagi dua ukuran langkah, kita akan
mengharapkan untuk membagi dua kesalahan derivatif.

CONTOH 4.3 Pengaruh Non-linear dan Langkah Ukuran pada Pernyataan Taylor Series
Pendekatan Masalah. Gambar 4.4 adalah plot dari fungsi

f (x) = xm (E4.3.1)
==
untuk m 1, 2, 3, dan 4 selama rentang dari x 1 ke 2. Perhatikan bahwa untuk m 1=fungsi ini linear,
dan dengan meningkatnya m, lebih kelengkungan atau non-linear diperkenalkan ke dalam fungsi .
 f (X)

15

10

0
1 2 x

GAMBAR 4.4
Plot fungsi f (X) = xm untuk=m 1, 2, 3, dan 4. Perhatikan bahwa fungsi
menjadi lebih nonlinear sebagai m meningkat.

Mempekerjakan orde pertama deret Taylor untuk perkiraan fungsi ini untuk berbagai nilai
eksponen m dan ukuran langkah h.
Larutan. Persamaan (E4.3.1) dapat didekati dengan orde pertama seri ekspansi Taylor,
seperti dalam
f (xi 1 ) = f(Xi) + Mxm-1h
s (E4.3.2)
a
yang memiliki sisa satu

R1 = f jj(Xi) h f (3)(Xi) 3 f (4)(Xi)

+
2 h+ + · ·
2! 3! 4 h
4!
Pertama, kita dapat mempelajari bagaimana pendekatan yang melakukan sebagai m
meningkat-yang, sebagai fungsi menjadi lebih nonlinear. Untuk m = 1, nilai aktual dari
fungsi pada x = 2 adalah 2.
Taylor hasil seri
f (2) = 1 + 1 (1) = 2
dan

R1 = 0
Sisanya adalah nol karena turunan kedua dan lebih tinggi dari fungsi linear adalah nol.
Dengan demikian, seperti yang diharapkan, pertama-order Taylor ekspansi seri sempurna
ketika fungsi berbaring di bawah- adalah linear.
m 2, nilai aktual adalah f (2) 2 2 4.=orde pertama deret Taylor yang mendekati
Untuk ==
tion adalah
f (2) = 1 + 2 (1) = 3
dan

R1 = 2 (1)22 + 0 + 0 + · = 1
Dengan demikian, karena fungsi adalah parabola, hasil pendekatan garis lurus dalam
crepancy dis. Perhatikan bahwa sisanya ditentukan persis.
Untuk m = 3, nilai aktual adalah f (2) = 23 = 8. pendekatan deret Taylor adalah
f (2) = 1 + 3 (1) 2 (1) = 4
dan

R1 = 6 (1) 6
2 2 + (1)
6 3 + 0 + 0 + ··· = 4

Sekali lagi, ada perbedaan yang dapat ditentukan secara pasti dari seri Taylor. Untuk
m = 4, nilai aktual adalah f (2) = 24 = 16. pendekatan deret Taylor adalah
f (2) = 1 + 4 (1) 3 (1) = 5
dan

R1 = 12 (1)
2 2+
24
(1)
6 3 + 2424(1) 4 + 0 + 0 + ··· = 11
Atas dasar empat kasus ini, kita mengamati bahwa R1 meningkat sebagai fungsi
menjadi lebih nonlinear. Selanjutnya, R1 menyumbang persis untuk perbedaan tersebut.
Hal ini karena Persamaan. (E4.3.1) adalah monomial sederhana dengan jumlah terbatas
derivatif. Hal ini memungkinkan penentuan plete com- dari seri sisa Taylor.
Berikutnya, kita akan memeriksa Persamaan. (E4.3.2) untuk kasus m = 4 dan
mengamati bagaimana perubahan R1 sebagai ukuran langkah h bervariasi. Untuk m = 4,
Persamaan. (E4.3.2) adalah
3
f (x + h) = f(X) + 4x
s h
a
Jika x = 1, f (1) = 1 dan persamaan ini dapat dinyatakan sebagai
f (1 + h) = 1 + 4h
dengan sisa
R1 = 6h2 + 4h3 + h4
 R1

10

0,1
|Lereng| = 2

0.01

0,001
1 0,1 0,01 h

GAMBAR 4.5
Log-log plot sisa R1 dari orde pertama deret Taylor dari fungsi f (x) x 4 versus
ukuran
= langkah h. Sebuah garis dengan kemiringan 2 juga ditampilkan untuk
menunjukkan bahwa sebagai h menurun, kesalahan menjadi sebanding dengan
h2.

4
MEJA 4.2 Perbandingan nilai yang tepat dari fungsi f (x) = x dengan orde
pertama seri Taylor pendekatan. Kedua fungsi dan pendekatan yang
dievaluasi pada x + h, di mana x = 1.
Pesanan pertama
h Benar Perkiraan R1

1 16 5 11
0,5 5,0625 3 2,0625
0.25 2.441406 2 0.441406
0.125 1.601807 1,5 0.101807
0,0625 1.274429 1,25 0.024429
0,03125 1.130982 1,125 0.005982
0.015625 1.063980 1,0625 0.001480

Hal ini mengarah pada kesimpulan bahwa perbedaan tersebut akan berkurang h
berkurang. Juga, pada nilai-nilai ficiently kecil suf- h, kesalahan harus menjadi sebanding
dengan h2. Artinya, sebagai h dibelah dua, kesalahan akan dipotong. Perilaku ini
dikonfirmasi oleh Tabel 4.2 dan Gambar. 4.5.
Dengan demikian, kami menyimpulkan bahwa kesalahan dari orde pertama deret Taylor
menurun sebagai m pendekatan 1 dan sebagai h menurun. Secara intuitif, ini berarti bahwa
seri Taylor
 menjadi lebih akurat ketika fungsi kita mendekati menjadi lebih seperti garis lurus selama interval bunga

Diferensiasi numerik
Persamaan (4.14) diberi label formal dalam numerik metode-itu disebut perbedaan dibagi
terbatas. Hal ini dapat direpresentasikan secara umum sebagai

j f (xi1 ) - f(xi )
(x ) =
fO(x + -x) (4.17)
s
a xsaya 1 - xsaya saya +1 saya
at
au Dari saya
f j(x ) = + O(h) (4.18)
s
h sebagai perbedaan maju pertama dan h disebut ukuran langkah, yaitu,
mana O afi disebut
panjang interval di mana pendekatan yang dibuat. Hal ini disebut sebagai “maju”
perbedaan karena menggunakan data pada saya+ dan saya 1 untuk memperkirakan turunan
(Gambar. 4.6a). Seluruh jangka O f / h disebut sebagai perbedaan dibagi terbatas pertama.
Perbedaan ini ke depan dibagi adalah salah satu dari banyak yang dapat
dikembangkan dari seri Taylor untuk derivatif perkiraan numerik. Misalnya, mundur dan
berpusat perkiraan perbedaan turunan pertama dapat dikembangkan dengan cara yang
sama dengan derivasi dari Persamaan. (4.14). Mantan memanfaatkan nilai-nilai di xi-1
dan xi (Gambar. 4.6b), sedangkan yang terakhir menggunakan nilai-nilai yang sama spasi
sekitar titik di mana turunan adalah es- timated (Gambar. 4.6c). perkiraan yang lebih
akurat dari turunan pertama dapat dikembangkan dengan memasukkan tingkat tinggi dari
segi seri Taylor. Akhirnya, semua versi di atas juga dapat dikembangkan untuk derivatif
kedua, ketiga, dan lebih tinggi. Bagian berikut memberikan ringkasan singkat yang
menggambarkan bagaimana beberapa kasus-kasus ini berasal.
Mundur Perbedaan Pendekatan dari Derivatif Pertama. Seri Taylor bisa diperluas
ke belakang untuk menghitung nilai sebelumnya atas dasar nilai sekarang, seperti dalam

(xsaya )
f (x say ) = f(x ) - fj(x ) h + f jj h2 - · · · (4.19)
a s s
a a 2!
Truncating persamaan ini setelah turunan pertama dan menata ulang
hasil
f (xsaya ) - f (xi-1) ∇ f1 (4.20)
f j(x)s ~= =
a h h

di mana kesalahan adalah O∇(h), dan fi disebut sebagai perbedaan mundur pertama. Lihat
Gambar. 4.6b untuk representasi grafis.
 3.4 ROUND-OFF KESALAHAN 75

(a) Program
(b) Evaluasi e10
Option Explicit Sub

fig0314 ()
Istilah Dim Sebagai Single, uji Sebagai
Single Dim sum Sebagai Single, x
As Single Dim i As Integer
i = 0: Istilah = 1 #: sum = 1 #:. test = 0
# Sheets ( "sheet1") Pilih Range
( "b1") Pilih.
x = ActiveCell.Value Range.. ( "a3: c1003")
ClearContents Range ( "a3") Pilih
Melakukan
Jika sum = test Kemudian Exit
Do ActiveCell.Value = i
ActiveCell.Offset (0, 1) (c) Evaluasi e10
.Select ActiveCell.Value =
jangka ActiveCell.Offset (0, 1)
.Select ActiveCell.Value = sum
ActiveCell.Offset (1, -2 )
.Select i = i + 1
test = sum
Istilah = x ^ i / _
Application.WorksheetFunction.Fact
(i)
sum = sum +
jangka Simpul
ActiveCell.Offset (0, 1) .Select
ActiveCell.Value = "value Exact ="
ActiveCell.Offset (0, 1) .Select
ActiveCell.Value = Exp (x)
end Sub

GAMBAR 3.14
(Sebuah) Sebuah program Excel / VBA untuk mengevaluasi e x menggunakan seri terbatas. (b) Evaluasi ex.
(c) Evaluasi e-x.

Istilah saat ini ditambahkan ke seri, dan jumlah adalah nilai akumulatif dari seri. Tes
mampu variabel- adalah nilai akumulatif sebelumnya dari seri sebelum menambahkan
istilah. Serial ini dihentikan saat komputer tidak dapat mendeteksi perbedaan antara tes
dan sum.
Gambar 3.14b menunjukkan hasil menjalankan program = untuk x 10. Perhatikan
bahwa hal ini benar-benar memuaskan. Hasil akhir yang dicapai dalam 31 hal dengan seri
identik dengan nilai fungsi perpustakaan dalam waktu tujuh angka signifikan.
Gambar 3.14c menunjukkan hasil yang=sama - untuk x 10. Namun, untuk kasus ini,
hasil perhitungan seri bahkan tidak tanda sama dengan hasil yang benar. Sebagai soal
fakta, hasil negatif terbuka untuk pertanyaan serius karena mantan tidak pernah bisa
kurang dari nol. Masalahnya di sini adalah disebabkan oleh kesalahan round-off.
Perhatikan bahwa banyak istilah yang membentuk
 4.1 TAYLOR SERIES 91

f (X)

xsaya xsaya1 x
(Sebuah)

f (X)

xsaya -1 xsaya x
(B)

f (X)

2h

xsaya -1 xsaya1 x
(C)

GAMBAR 4.6
penggambaran grafis dari (Sebuah) Depan, (b) Mundur, dan (c) Berpusat perkiraan terbatas-dibagi-
perbedaan turunan pertama.
 Berpusat Perbedaan Pendekatan dari Derivatif Pertama. Cara ketiga untuk kira-
kawin turunan pertama adalah untuk mengurangi Persamaan. (4,19) dari ekspansi ke
depan Taylor seri:
(xsaya ) 2 + ·
f (x ) = f(x ) + fj(x ) h + f jj h ·· (4.21)
saya +1 saya
2!
untuk menghasilkan saya
j 2 f (3)(xsaya ) 3

f (xi 1) = f(xi -1 ) + 2 f (Xi) + ···

3!
h+
h
yang dapat diselesaikan untuk

f j(Xi) =
f (xi1) - f(xi-1) f (3)(Xi)
- ···
atau 2h 2
- h
6
(x saya 1 ) - f(x saya -1 )
f j(x ) = f - O(h2) (4.22)
s
a 2h
Persamaan (4.22) perbedaan representasi berpusat dari turunan pertama. Perhatikan
bahwa kesalahan pemotongan adalah dari urutan h2 kontras dengan maju dan mundur
perkiraan yang dari urutan h. Akibatnya, analisis deret Taylor menghasilkan
pembentukan in praktis bahwa perbedaan berpusat adalah representasi yang lebih akurat
dari turunan (Gambar. 4.6c). Sebagai contoh, jika kita membagi dua ukuran langkah
menggunakan perbedaan maju atau mundur, kami akan sekitar membagi dua kesalahan
pemotongan, sedangkan untuk perbedaan pusat, kesalahan akan dipotong.
CONTOH 4.4 Finite-Terbagi-Perbedaan Aproksimasi Derivatif
Pernyataan masalah. Gunakan maju dan perkiraan perbedaan mundur dari O (h) dan
perbedaan pendekatan berpusat dari O (h2) untuk memperkirakan turunan pertama
f (x) = -0.1x 4 - 0.15x 3 - 0.5x 2 - 0.25x + 1.2
di x == =
0,5 menggunakan ukuran langkah h 0,5. Ulangi perhitungan menggunakan h 0,25.
Perhatikan bahwa derivatif dapat dihitung langsung sebagai

f j(X) = -0.4x 3 - 0.45x 2 - 1.0x - 0,25

dan dapat digunakan untuk menghitung nilai sebenarnya sebagai fj (0,5) = -0,9125.
Larutan. Untuk h = 0,5, fungsi tersebut dapat digunakan untuk menentukan
xi-1 = 0
f (xi -1) = 1.2
xi = 0.5
f (xi) =
xi1 = 1.0
0.925 f (xi + 1)
= 0,2
Nilai-nilai ini dapat digunakan untuk menghitung dibagi perbedaan maju [Eq. (4.17)],
 .2-,925 = -1.
f j(0,5) ~= 0 45 |εt | = 58,9%
0,5
 mundur dibagi perbedaan [Eq. (4.20)],
.925-1,2 = -0.
f j(0,5) ~= 0 55 |εt | = 39,7%
0,5

dan dibagi perbedaan berpusat [Eq. (4.22)],

.2-1,2 = -1.
f j(0,5) ~= 0 0 |ε | = 9.6%
t
1.0
Untuk h = 0,25,
xi-1 = 0.25 f (xi-1) = 1.10351563
xi = 0.5 f (xi) = 0.925
xi1 = 0.75 f (xi1) = 0.63632813
yang dapat digunakan untuk menghitung maju dibagi perbedaan,
.63632813-0,925 = -1.
f j(0,5) ~= 0 155 |ε | = 26,5%
t
0.25
mundur dibagi perbedaan,
.925-1,10351563 = -0.
f j(0,5) ~= 0 714 |ε | = 21,7%
t
0.25
dan perbedaan membagi terpusat,
.63632813 - 1.10351563 = -0.
f j(0,5) ~= 0 934 |εt | = 2.4%
0,5

Untuk kedua ukuran langkah, perbedaan pendekatan berpusat lebih akurat

dibandingkan bangsal untuk- atau perbedaan mundur. Juga, seperti yang diperkirakan
oleh analisis deret Taylor, mengurangi separuh ukuran langkah sekitar membagi dua
kesalahan perbedaan belakang dan ke depan dan ters mengkarantina kesalahan perbedaan
berpusat.

Aproksimasi Perbedaan terbatas Derivatif Tinggi. Selain turunan pertama, Taylor

ekspansi seri dapat digunakan untuk menurunkan perkiraan numerik derivatif yang lebih
tinggi. Untuk melakukan ini, kita menulis ekspansi deret Taylor depan untuk f (xi + 2)
dalam hal f (xi):
(x )
f (x say ) = f(xs ) + fj(xs ) (2h) + f jj saya (2h) 2 + · · · (4.23)
a2 a a 2!
Persamaan (4.21) dapat dikalikan dengan 2 dan dikurangi dari Persamaan. (4,23) untuk
memberikan

f (xi2) - 2 f(xi1) = - f(Xi) + f jj(Xi) h2 + ···

yang dapat diselesaikan untuk

(xsaya 2) - 2 f(xsaya 1) + f(xsaya )
f jj(xs ) = f + O(h) (4.24)
a h2
 Hubungan ini disebut perbedaan maju hingga dibagi dua. tions manipula- yang sama dapat
digunakan untuk mendapatkan versi mundur
f (xi ) - 2 f(xi -1 ) + f(xi-2)
f jj(xsaya
)= + O(H)
h2
dan versi berpusat
f (xi 1) - 2 f(xi ) + f(xi -1 )
f jj(xs ) = + O(h2 )
a h2
Seperti halnya dengan perkiraan pertama-derivatif, kasus yang berpusat adalah tingkat
lebih tuduhannya. Perhatikan juga bahwa versi berpusat dapat dinyatakan sebagai alternatif
f (xi1) - f(xi ) f(xi ) - f(xi-1)
-
hh
f jj(xi) ~= h

Dengan demikian, seperti turunan kedua adalah turunan dari derivatif, kedua dibagi
perbedaan pendekatan perbedaan dari dua perbedaan dibagi pertama.
Kita akan kembali ke topik diferensiasi numerik di Chap. 23. Kami telah intro-
diproduksi Anda dengan topik pada titik ini karena merupakan contoh yang sangat baik
mengapa seri Taylor adalah penting dalam metode numerik. Selain itu, beberapa dari
rumus diperkenalkan pada bagian ini akan dipekerjakan sebelum Chap. 23.

ERROR PROPAGATION
Tujuan dari bagian ini adalah untuk mempelajari bagaimana kesalahan dalam nomor
dapat menyebarkan melalui fungsi ematical math-. Sebagai contoh, jika kita kalikan dua
angka yang memiliki kesalahan, kami ingin memperkirakan kesalahan dalam produk
tersebut.

Fungsi dari Variabel Tunggal

Misalkan kita memiliki fungsi f (x) yang bergantung pada satu variabel independen x.
Asumsikan bahwa
~ x adalah perkiraan x. Karena itu, kami ingin menilai efek dari
perbedaan antara x dan x pada nilai
~ fungsi. Artinya, kita ingin memperkirakan
H A I f (x~) = | f(x) - f (x~)|
Masalah dengan mengevaluasi Of (x~) adalah bahwa f (x) tidak diketahui karena x tidak
diketahui. Kita dapat mengatasi kesulitan ini jika x~ dekat x dan f (x~) kontinu dan
terdiferensiasi. Jika kondisi ini terus, serangkaian Taylor dapat digunakan untuk
menghitung f (x) dekat f (x~), seperti dalam
(x~)
f (x) = f(x~) + f j(x~) (x - x~) + f jj (x - x~)2 +· · ·
2

Menjatuhkan kedua dan tingkat tinggi persyaratan dan menata ulang hasil
f (x) - f (x~) ~= fj(x~) (x - x~)
 4.2 ERROR 95
PROPAGATION

f (X)

Benar kesalahan
| f'(X)|Kapak
perkiraan kesalahan

GAMBAR 4.7 x x x
penggambaran grafis dari Kapak
kelas satu kesalahan
propagasi order.

at
au
(4.25)
H A I f (x~) = | f
j
(x~)|HAIx~
mana Of (x ) f (x) f (X) menunjukkan perkiraan kesalahan fungsi dan Ox
~ = | -~ |~ =
| xx
- ~menunjukkan
| perkiraan kesalahan x. Persamaan (4.25) menyediakan kemampuan
untuk mendekati kesalahan di f (x) diberikan turunan dari fungsi dan perkiraan kesalahan
dalam variabel independen. Gambar 4.7 adalah ilustrasi grafis dari operasi.

CONTOH 4.5 Kesalahan Perbanyakan dalam Fungsi dari Variabel Tunggal

Masalah Pernyataan.Mengingat nilai x~ = 2,5 dengan kesalahan Ox~ = 0,01, memperkirakan

H A I f (x~) ~= 3(2,5) 2 (0.01) = 0,1875

125. Bahkan, jika x sebenarnya 2,49, fungsi bisa dievaluasi sebagai 15,4382, dan jika x adalah 2,51, itu akan menjadi 15,8132. Untuk kasus ini, analis
 Fungsi Lebih dari Satu Variabel
Pendekatan di atas dapat digeneralisasi untuk fungsi yang bergantung pada lebih dari satu variabel
independen. Hal ini dicapai dengan versi multivariabel dari seri Taylor. Sebagai contoh, jika kita
memiliki fungsi dari dua variabel independen u dan v, seri Taylor dapat ditulis sebagai
∂f ∂f
f(u i ,vi ) = f(ui ,vi ) + i − ui ) + i −v)
+1 +1 (u ∂ +1 ∂v +1
u (v
Σ i
1 ∂ f2
∂ f
2
2
+
2! 2
(ui+1 − +2 (ui+1 − ui)(v i+1 − vi)
∂u
ui) ∂u∂v
∂2 f 2Σ
+ 2
(vi+1 −
vi)∂v + ··· (4.26)
di mana semua derivatif parsial dievaluasi pada titik dasar i. Jika hal semua orde kedua dan lebih tinggi
dijatuhkan, Persamaan. (4.26) dapat diselesaikan untuk
.∂f. .∂
O f(u˜, v˜). = . Ou˜ +
. ∂v
f. ∂u
Ov˜
di mana Ou dan ov perkiraan kesalahan dalam u dan v masing-masing.
~~ =
Untuk variabel n independen x 1, x 2,. .~~~~ . , Xn memiliki kesalahan Ox 1, Ox 2,. . . , Oxn, para
pengikut melenguh hubungan umum berlaku: . ~
.∂f. .∂f.
O f(x˜ , x˜ , . . . , x˜ ) ∼ =
∂f . + + · · · + (4.27)
Ox˜ Ox˜ Ox˜
n
1 2 n
. ∂x . 1 . ∂x . 2 . ∂x .
1 2 n

CONTOH 4.6 Kesalahan Perbanyakan dalam Fungsi multivariabel

Pernyataan masalah. Defleksi y dari atas sebuah tiang perahu layar adalah
FL4
y=
8EI
di mana F = sisi memuat seragam (N / m), L = tinggi (m), E = modulus elastisitas (N / m2),
dan I = momen inersia (m4). Memperkirakan kesalahan dalam y diberikan data sebagai
berikut: F˜ = 750 N/m OF˜ = 30 N/m
L˜ = 9 m OL˜ = 0.03 m
E˜ = 7.5 × 109 N/m2 OE˜ = 5 × 107 N/m2
I˜ = 0.0005 m4 OI˜ = 0.000005 m4
Larutan. Mempekerjakan Persamaan. (4.27)
˜ memberikan
. ∂y . . ∂y . . ∂y . .
˜˜˜ L˜ 3 ˜ OE +
F˜ +
Oy(F, L, E, ˜I ) =
. .
˜OF +
. . OL . .
∂y . ˜˜˜ ∂F ∂L ∂E
OI ˜
L˜ 4
˜ ∼ ˜
F˜ L˜ 4
˜
 ˜

F˜ L˜ 4
. . ˜
∂I

Oy(F , L, E, I ) = OF + OL + OE + OI
8E˜ I˜ 2E˜ I˜ 8E˜ 2 I˜ 8E˜ I˜2
 Mengganti nilai yang sesuai memberi
oy = 0.006561 + 0,002187 + 0,001094 + 0,00164 = 0,0

Oleh karena itu, y = 0.164025 ± 0,011482. Dengan kata lain,

0.175507 m. Validitas perkiraan ini dapat diverifikasi dengan menggantikan ues val- ekstrim untuk vari

720 (8,97) 4
ymin = 8 (7.55 × 109)0.000505 = 0.152818

dan
780 (9.03) 4
ymax = 8 (7,45 × 109)0.000495 = 0.175790
Dengan demikian, perkiraan orde pertama yang cukup dekat denga

Persamaan (4.27) dapat digunakan untuk menentukan hubungan propagasi kesalahan

untuk operasi matematis mon com-. Hasilnya dirangkum dalam Tabel 4.3. Kami akan
meninggalkan derivasi dari formula ini sebagai latihan pekerjaan rumah.

Stabilitas dan Kondisi

Kondisi masalah matematika berhubungan dengan kepekaan terhadap perubahan nilai
input. Kami mengatakan bahwa perhitungan adalah numerik tidak stabil jika nilai
ketidakpastian input terlalu diperbesar dengan metode numerik.
Ide-ide ini dapat dipelajari dengan menggunakan orde pertama deret Taylor
f (x) = f(x~) + f j(x~) (x - x~)
Hubungan ini dapat digunakan untuk memperkirakan kesalahan relatif dari f (x) seperti dalam
f (x) - f (x~ ) ~ f j(x~) (x - x~)
f (x) = f (x~)

Kesalahan relatif dari x diberikan oleh

x - x~
x~

MEJA 4.3 Perkiraan kesalahan batas terkait dengan operasi matematika

umum menggunakan eksak jumlahs u~ Operation Estimated Error

Addition O(u˜ + v˜) Ou˜ + Ov˜

Subtraction O(u˜ − v˜) Ou˜ + Ov˜
Multiplication O(u˜ × v˜) |u˜|Ov˜ + |v˜|Ou˜
Division O.u˜ Σ |u˜|Ov˜ + |v˜|
v Ou˜
˜
|v˜|2
 Sejumlah kondisi dapat didefinisikan sebagai rasio kesalahan ini
relatif
x~ f (x~) (4.28)
Kondisi jumlah = j
f (x~)
Bilangan kondisi memberikan ukuran sejauh mana ketidakpastian di x Mag- nified oleh f
(x). Nilai 1 memberitahu kita bahwa kesalahan relatif fungsi ini identik dengan kesalahan
relatif di x. Sebuah nilai yang lebih besar dari 1 memberitahu kita bahwa kesalahan relatif
diperkuat, sedangkan nilai kurang dari 1 memberitahu kita bahwa itu dilemahkan. Fungsi
dengan nilai-nilai yang sangat besar dikatakan sakit-AC. Kombinasi dari faktor-faktor
dalam persamaan. (4.28) yang meningkatkan nilai numerik dari jumlah kondisi akan
cenderung untuk memperbesar ketidakpastian dalam perhitungan f (x).

CONTOH 4.7 kondisi Nomor

Pernyataan masalah.
Menghitung dan menginterpretasikan bilangan kondisi untuk
f (x) = Tan x .πΣ
π
untukukuk=x + 0 .1
2 2
f (x) = Tan x .πΣ
π
untuk x~ = + 0.01
2 2
Larutan.Bilangan kondisi dihitung sebagai
x~(1/ sebab2 x)
Nomor Kondisi =
tan x~
Untuk x~ = π / 2 + 0.1 (π / 2), nomor Kondisi =

1,7279 (40,86)
= -11.2
-6.314
Dengan demikian, fungsi ini sakit-AC. Untuk x~ = π / 2 + 0.01 (π / 2), situasinya bahkan
lebih buruk:
1,5865 (4053)
Nomor Kondisi = = -101
-63.66
Untuk kasus ini, penyebab utama dari pendingin sakit tampaknya menjadi turunan. Ini masuk akal karena di sekitar π / 2, tangen mendekati kedua t

TOTAL ERROR NUMERIK

Total kesalahan numerik adalah penjumlahan dari pemotongan dan bulat-off kesalahan.
Dalam eral gen-, satu-satunya cara untuk meminimalkan kesalahan round-off adalah
untuk meningkatkan jumlah angka penting dari komputer. Selanjutnya, kami telah
mencatat bahwa round-off error akan meningkat karena pembatalan subtraktif atau
karena peningkatan jumlah perhitungan dalam analisis. Sebaliknya, Contoh 4.4
menunjukkan bahwa kesalahan pemotongan dapat dikurangi dengan decreas- ing ukuran
langkah. Karena penurunan ukuran langkah dapat menyebabkan pembatalan subtraktif
atau peningkatan perhitungan, kesalahan pemotongan mengalami penurunan sebagai
kesalahan round-off meningkat. Oleh karena itu, kita dihadapkan dengan dilema berikut:
Strategi untuk mengurangi
4.3 TOTAL NUMERIK KESALAHAN 99

Point of return berkurang

log kesalahan
log ukuran langkah

GAMBAR 4.8
Sebuah gambaran grafis dari trade-off antara putaran-off and error pemotongan bahwa
kadang-kadang datang ke dalam bermain dalam perjalanan metode numerik. Titik yang
menurun ditunjukkan, di mana kesalahan round-off mulai meniadakan manfaat
pengurangan langkah-size.

salah satu komponen dari total kesalahan mengarah ke peningkatan dari

komponen lainnya. Dalam tasi Compu-, kami dibayangkan bisa mengurangi ukuran
langkah untuk meminimalkan kesalahan pemotongan hanya untuk menemukan bahwa
dalam melakukannya, kesalahan round-off mulai mendominasi solusi dan total kesalahan
tumbuh! Dengan demikian, obat kita menjadi masalah kita (Gambar. 4.8). Salah satu
tantangan yang kita hadapi adalah untuk menentukan ukuran langkah yang tepat untuk
perhitungan tertentu. Kami ingin memilih ukuran langkah besar untuk mengurangi
jumlah perhitungan dan kesalahan round-off tanpa menimbulkan hukuman dari kesalahan
pemotongan besar. Jika total kesalahan seperti yang ditunjukkan pada Gambar. 4.8,
tantangannya adalah untuk mengidentifikasi titik hasil yang menurun di mana kesalahan
round-off mulai meniadakan manfaat pengurangan langkah-size.
Dalam kasus yang sebenarnya, bagaimanapun, situasi tersebut relatif jarang karena
kebanyakan komputer membawa angka signifikan cukup bahwa kesalahan round-off
tidak mendominasi. Namun demikian, mereka kadang-kadang memang terjadi dan
menyarankan semacam “ketidakpastian numerik-prinsip ciple” yang menempatkan batas
mutlak pada keakuratan yang dapat diperoleh dengan menggunakan com- tertentu
terkomputerisasi metode numerik. Kami mengeksplorasi kasus seperti pada bagian
berikut.
4.3.1 Analisis Kesalahan Diferensiasi Numerik
Seperti yang dijelaskan dalam Sec. 4.1.3, perbedaan pendekatan berpusat dari turunan
pertama dapat ditulis sebagai (Persamaan 4.22.):

f j(Xi) = f (xi ) - f (xi ) f (3)(Ξ) 2

1 -1
- h (4.29)
2h 6
 Benar Finite-perbedaan pemotonga
n
nilai perkiraan kesalahan

100 pemotongan KESALAHAN DAN TAYLOR SERIES

Jadi, jika dua nilai fungsi dalam pembilang dari pendekatan terbatas-perbedaan tidak
memiliki kesalahan round-off, satu-satunya kesalahan adalah karena pemotongan.
Namun, karena kita menggunakan komputer digital, nilai-nilai fungsi yang meliputi
kesalahan round-off seperti pada
f (xi -1) = f ~ (xi-1) + ei-1
f (xi 1) = f ~ (xi1) + ei +1
dimana f~ ini adalah nilai-nilai fungsi bulat dan e adalah yang terkait round-off Rors eh.
Mensubstitusi nilai-nilai ini ke dalam Persamaan. (4.29) memberikan

f j(Xi) =
f~(xi1) - f~(xi- esaya 1 - f (3)(Ξ) 2
1) esaya -1 - h
+ 6
2h 2h

Benar Finite-perbedaan Membulatk pemotonga

an n
nilai perkiraan kesalahan kesalahan
Kita dapat melihat bahwa total kesalahan pendekatan terbatas-perbedaan terdiri dari
kesalahan round-off yang meningkat dengan ukuran langkah dan kesalahan pemotongan
yang menurun dengan ukuran langkah. Dengan asumsi bahwa nilai absolut dari masing-
masing komponen dari kesalahan round-off memiliki batas atas- ε, mungkin nilai
maksimum dari perbedaan ei + 1 ei akan 2ε. Fur- ther, menganggap bahwa turunan ketiga
memiliki nilai absolut maksimum M. Sebuah batas atas
pada nilai absolut dari total kesalahan sehingga dapat direpresentasikan sebagai

. j f~(xi1) - f~(xi-1) . h2 M
ε
Jumlah error =. f (xi) -
2h .≤ h+ (4.30)
6

Sebuah ukuran langkah yang optimal dapat ditentukan dengan membedakan Persamaan.
(4.30), menetapkan hasilnya sama dengan nol dan memecahkan untuk
.
hmemilih 3 (4.31)
= M
3ε

CONTOH 4.8 Bulat-off dan pemotongan Kesalahan dalam Diferensiasi numerik

Pernyataan masalah. Pada Contoh 4.4, kami menggunakan perbedaan pendekatan
berpusat O(h2) untuk memperkirakan turunan pertama dari fungsi berikut pada x = 0,5,
 f (x) = -0.1x 4 - 0.15x 3 - 0.5x 2 - sebanyak 0,25x + 1.2
Lakukan perhitungan yang sama dimulai dengan = h 1. Kemudian progresif membagi
ukuran langkah dengan faktor 10 untuk menunjukkan bagaimana round-off menjadi
dominan sebagai ukuran langkah berkurang. Berhubungan hasil Anda untuk Persamaan.
(4.31). Ingat bahwa nilai sebenarnya dari derivatif adalah -0,9125.
Larutan. Kita bisa mengembangkan program untuk melakukan perhitungan dan plot
hasil. Untuk contoh ini, kami telah melakukan ini dengan MATLAB M-file. Perhatikan
bahwa kami melewati kedua fungsi dan turunan analitis sebagai argumen. Selain itu,
fungsi menghasilkan plot hasil.
 TOTAL NUMERIK KESALAHAN
101

Fungsi diffex (func,dfunc,x,n)

Format panjang
dftrue = dfunc (x); h=1;
H(1)=h;
D(1)=(func(x+h)-func(x-h))/(2*h);
E(1)=abs(dftrue-D(1));
Untuk i=2:n
h=h/10;
H(i)=h;
D(i)=(func(x+h)-func(x-h))/(2*h);
E(i)=abs(dftrue-D(i));
akhir
L=[H' D' E']';
fprintf('langkah finite difference true error\n');
fprintf('%14.10f %16.14f %16.13f\n',L);
loglog(H,E),xlabel('Step Size'),ylabel('Error')
judul(Plot Kesalahan Versus Ukuran Langkah')format short
M-file yang kemudian dapat dijalankan dengan menggunakan perintah berikut:
>> ff=@(x) -0.1*x^4-0.15*x^3-0.5*x^2-0.25*x+1.2;
>> df=@(x) -0.4*x^3-0.45*x^2-x-0.25;
>> diffex(ff,df,0.5,11)
Ketika fungsi ini dijalankan, output numerik berikut dihasilkan bersama dengan plot
(Gambar 4.9.):
Ukuran beda hingga kesalahan yang
langkah benar
1.0000000000 -1.26250000000000 0.3500000000000
0.1000000000 -0.91600000000000 0.0035000000000
0.0100000000 -0.91253500000000 0.0000350000000
0.0010000000 -0.91250035000001 0.0000003500000
0.0001000000 -0.91250000349985 0.0000000034998
0.0000100000 -0.91250000003318 0.0000000000332
0.0000010000 -0.91250000000542 0.0000000000054
0.0000001000 -0.91249999945031 0.0000000005497
0.0000000100 -0.91250000333609 0.0000000033361
0.0000000010 -0.91250001998944 0.0000000199894
0.0000000001 -0.91250007550059 0.0000000755006

Hasilnya seperti yang diharapkan. Pada awalnya, round-off adalah minimal dan perkiraan
didominasi oleh kesalahan pemotongan. Oleh karena itu, seperti dalam Persamaan.
(4.30), total kesalahan tetes dengan faktor 100 setiap
= kali kita membagi langkah dengan
10. Namun, mulai dari h 0,0001, kita melihat kesalahan round-off mulai menyelinap
masuk
= dan mengikis tingkat di mana kesalahan berkurang. Sebuah kesalahan minimum
dicapai pada h 10-6. Di luar titik ini, meningkat kesalahan seperti mendominasi round-
off.
Karena kita berhadapan dengan fungsi mudah terdiferensialkan, kami juga dapat
menyelidiki apakah hasil ini konsisten dengan Persamaan. (4.31). Pertama, kita bisa
memperkirakan M dengan mengevaluasi turunan ketiga fungsi sebagai
M = | f 3 (0,5) | = | -2,4 (0,5) - 0,9 |
= 2.1
 102 pemotongan KESALAHAN DAN TAYLOR SERIES

Plot kesalahan ukuran langkah vs

100

10-2

Kesalahan
10-4

10-6

10-8

10-10

10-12
10-1010-8 10-6 10-4 10-2 10-0
ukuran langkah

GAMBAR 4.9
Plot kesalahan ukuran langkah dibandingkan.

emiliki presisi sekitar 15 sampai 16 basis-10 digit, perkiraan kasar dari batas atas round-off akan menjadi sekitar e = 0,5 × 10 -16. Mensubstitusi nilai

.
3 3 (0. 5 × 10)
- 16
hmemilih = = 4 3. × 10-6
2.1
yang ada di urutan yang sama sebagai hasil dari 1 × 10 -6 diperoleh dengan program komputer kita.

4.3.2 Pengendalian Kesalahan numerik

Untuk kasus yang paling praktis, kita tidak tahu kesalahan yang tepat terkait dengan ods
meth- numerik. pengecualian, tentu saja, adalah ketika kita telah memperoleh solusi yang
tepat yang membuat perkiraan numerik kami tidak perlu. Oleh karena itu, untuk aplikasi
teknik yang paling kita harus puas beberapa perkiraan kesalahan dalam perhitungan kami.
Tidak ada pendekatan sistematis dan umum untuk mengevaluasi kesalahan numerik
untuk semua masalah. Dalam banyak kasus perkiraan kesalahan didasarkan pada
pengalaman dan penilaian dari insinyur.
Meskipun analisis kesalahan adalah untuk batas tertentu seni, ada beberapa pedoman
pro gramming praktis kami dapat menyarankan. Pertama dan terpenting, hindari
mengurangkan dua nomor yang hampir sama. Kehilangan signifikansi hampir selalu
terjadi ketika hal ini dilakukan. Kadang-kadang Anda dapat mengatur ulang atau
merumuskan masalah untuk menghindari pembatalan subtraktif. Jika hal ini tidak
mungkin, Anda mungkin ingin menggunakan diperpanjang-presisi aritmatika.
Selanjutnya, ketika menambahkan
 4.4 blunder, FORMULASI KESALAHAN, DAN DATA KETIDAKPASTIAN 103
dan mengurangkan angka, yang terbaik adalah untuk mengurutkan angka-angka dan
bekerja dengan angka terkecil pertama. Hal ini untuk menghindari hilangnya makna.
Di luar petunjuk komputasi, seseorang dapat mencoba untuk memprediksi jumlah
kesalahan numerik menggunakan formulasi teoritis. Seri Taylor adalah alat utama kami
untuk analisis dari kedua pemotongan dan kesalahan round-off. Beberapa contoh telah
disajikan dalam bab ini. diksi pra total kesalahan numerik sangat rumit untuk masalah
bahkan berukuran sedang dan cenderung pesimis. Oleh karena itu, biasanya berusaha
untuk hanya tugas skala kecil.
Kecenderungan adalah untuk mendorong maju dengan perhitungan numerik dan
mencoba untuk memperkirakan keakuratan hasil Anda. Ini kadang-kadang dapat
dilakukan dengan melihat apakah hasil memuaskan beberapa kondisi atau persamaan
sebagai cek. Atau dimungkinkan untuk mengganti kembali hasilnya ke persamaan asli
untuk memeriksa bahwa sebenarnya puas.
Akhirnya Anda harus siap untuk melakukan eksperimen numerik untuk
meningkatkan kesadaran Anda dari kesalahan komputasi dan kemungkinan masalah
sakit-AC. KASIH pengalaman- tersebut dapat melibatkan mengulangi perhitungan
dengan ukuran langkah yang berbeda atau metode dan membandingkan hasilnya. Kami
dapat menggunakan analisis sensitivitas untuk melihat bagaimana solusi kami berubah
ketika kita mengubah parameter model atau nilai input. Kita mungkin ingin mencoba
algoritma kal numeri- berbeda yang memiliki dasar teoritis yang berbeda, didasarkan
pada strategi tional computa- yang berbeda, atau memiliki sifat konvergensi yang berbeda
dan karakteristik stabilitas.
Bila hasil perhitungan numerik sangat penting dan mungkin melibatkan hilangnya
nyawa manusia atau memiliki konsekuensi ekonomi yang parah, adalah tepat untuk
mengambil tindakan pencegahan khusus. Ini mungkin melibatkan penggunaan dua atau
lebih mandiri kelompok untuk memecahkan masalah yang sama sehingga hasilnya dapat
dibandingkan.
Peran kesalahan akan menjadi topik yang menjadi perhatian dan analisis di semua
bagian buku ini.
Kami akan meninggalkan penyelidikan tersebut ke bagian tertentu.

Blunder, KESALAHAN FORMULASI, DAN DATA

KETIDAKPASTIAN

Meskipun sumber-sumber berikut kesalahan tidak terhubung secara langsung dengan sebagian besar
metode merical nu- dalam buku ini, mereka kadang-kadang dapat memiliki dampak yang besar pada
keberhasilan dari upaya pemodelan. Dengan demikian, mereka harus selalu diingat ketika menerapkan
memakai teknik numerik dalam konteks masalah di dunia nyata.
blunder
Kita semua akrab dengan kesalahan kotor, atau kesalahan. Pada tahun-tahun awal komputer, erro- hasil
numerik neous bisa kadang-kadang dikaitkan dengan kerusakan dari komputer itu sendiri. Hari ini,
sumber kesalahan ini sangat tidak mungkin, dan yang paling blunder harus dikaitkan dengan
ketidaksempurnaan manusia.
Blunder dapat terjadi pada setiap tahap proses pemodelan matematika dan dapat con- upeti kepada
semua komponen lain dari kesalahan. Mereka dapat dihindari hanya dengan pengetahuan tentang
prinsip-prinsip dasar dan dengan perawatan yang Anda mendekati dan desain tion solu- Anda untuk
masalah.
Blunder biasanya diabaikan dalam diskusi metode numerik. Ini tidak diragukan lagi karena fakta
bahwa, coba seperti yang kita dapat, kesalahan adalah sampai batas tertentu tidak dapat dihindari.
Namun, kami percaya bahwa ada sejumlah cara di mana terjadinya mereka dapat diminimalkan. Di
104 pemotongan KESALAHAN DAN TAYLOR SERIES

khususnya, kebiasaan pemrograman yang baik yang diuraikan dalam Bab. 2 sangat
berguna untuk mengurangi kesalahan pemrograman. Selain itu, ada cara biasanya
sederhana untuk memeriksa apakah metode numerik tertentu bekerja dengan benar.
Sepanjang buku ini, kita membahas cara-cara untuk memeriksa hasil perhitungan
numerik.

Kesalahan formulasi
Perumusan, atau model, kesalahan berhubungan dengan bias yang dapat dianggap berasal
dari model kal matematis tidak lengkap. Contoh dari kesalahan formulasi diabaikan
adalah kenyataan bahwa hukum kedua Newton tidak memperhitungkan efek relativistik.
Ini tidak mengurangi kecukupan solusi dalam Contoh 1.1 karena kesalahan ini minimal
pada waktu dan skala ruang As- sociated dengan masalah penerjun jatuh.
Namun, anggaplah bahwa hambatan udara tidak berbanding lurus jatuh kecepatan,
seperti dalam Persamaan. (1,7), tetapi merupakan fungsi dari kuadrat kecepatan. Jika ini
terjadi, baik kal analyti- dan solusi numerik diperoleh di Chap ini. 1 akan keliru karena
kesalahan lation formu-. pertimbangan lebih lanjut dari kesalahan formulasi termasuk
dalam beberapa aplikasi ing engineering di sisa buku. Anda harus menyadari masalah ini
dan menyadari bahwa, jika Anda bekerja dengan model tidak direncanakan, tidak ada
metode numerik akan memberikan hasil yang memadai.

Data Ketidakpastian
Kesalahan kadang-kadang masuk ke dalam analisis karena ketidakpastian dalam data
fisik atas mana model didasarkan. Sebagai contoh, misalkan kita ingin menguji model
penerjun jatuh dengan memiliki make diulang melompat individu dan kemudian
mengukur nya ity veloc- setelah interval waktu yang ditentukan. Ketidakpastian akan
diragukan lagi dikaitkan dengan pengukuran ini, karena penerjun akan jatuh lebih cepat
selama beberapa melompat dari selama ers oth-. Kesalahan ini dapat menunjukkan kedua
ketidaktelitian dan ketidaktepatan. Jika instrumen kami diterapkan secara konsisten
meremehkan atau melebih-lebihkan kecepatan, kita berhadapan dengan akurat, atau bias,
perangkat. Di sisi lain, jika pengukuran secara acak tinggi dan rendah, kita berhadapan
dengan pertanyaan presisi.
kesalahan pengukuran dapat diukur dengan meringkas data dengan satu atau lebih
dengan baik statistik yang dipilih yang menyampaikan informasi sebanyak mungkin
mengenai istics karakter-spesifik data. Ini statistik deskriptif yang paling sering dipilih
untuk mewakili (1) lokasi pusat distribusi data dan (2) tingkat penyebaran data. Dengan
demikian, mereka menyediakan ukuran dari bias dan ketidaktepatan, masing-masing.
Kami akan kembali ke topik mencirikan ketidakpastian data dalam Bagian Lima.
Meskipun Anda harus menyadari kesalahan, kesalahan formulasi, dan data pasti,
metode numerik yang digunakan untuk model bangunan dapat dipelajari, untuk sebagian
besar, inde- secara independen dari kesalahan ini. Oleh karena itu, untuk sebagian besar
buku ini, kita akan menganggap bahwa kita tidak membuat kesalahan kotor, kami
memiliki model suara, dan kita berhadapan dengan perubahan bentuk bebas dari
kesalahan. Dengan kondisi tersebut, kita dapat mempelajari kesalahan numerik tanpa
rumit faktor.
 MASALAH 105

MASALAH
4.1The Maclaurin ekspansi seri untuk cos x adalah
4.8 Hukum Stefan-Boltzmann dapat digunakan untuk
2 4 6 8
cos x = 1-2 +x4! - 6!x + 8! x- ··· x memperkirakan tingkat radiasi energi H dari permukaan, seperti
pada
= cos x 1, tambahkan
Dimulai dengan versi yang paling sederhana,
hal satu per satu untuk memperkirakan cos (π / 3). Setelah H = Aeσ T 4
masing-masing istilah baru ditambahkan, menghitung persen di mana H adalah dalam watt, A=luas permukaan (m 2), e=
kesalahan relatif benar dan perkiraan. Menggunakan kalkulator emisivitas yang mencirikan sifat-sifat memancarkan dari permukaan
saku Anda untuk menentukan nilai sebenarnya. Tambahkan istilah (dimen- sionless), σ=konstan universal yang disebut Stefan-
sampai nilai absolut dari estimasi kesalahan perkiraan turun di -8 -2 -4
Boltzmann konstan (5,67 10 W m K ), Dan T=mutlak tempera-
bawah sebuah rion kesalahan crite- sesuai dengan dua angka
penting. ture (K). Tentukan kesalahan H untuk pelat baja dengan A=0,15 m 2.
e =0,90, dan T=650 ±20. Bandingkan hasil Anda dengan kesalahan
4.2 Lakukan perhitungan yang sama seperti di Prob. 4.1, tetapi
yang tepat. Ulangi perhitungan tetapi dengan T=650±40.
menggunakan ekspansi seri Maclaurin untuk dosa x untuk
Menafsirkan hasil Anda.
memperkirakan dosa (π / 3).
4.9 Ulangi Prob. 4.8 tetapi untuk sebuah bola tembaga dengan
jari-jari = 0,15 ± 0,01 m, e = 0,90 ± 0,05, dan T = 550 ± 20.
x3 x5 x7
sin x=x− + − +….
3! 5 ! 7 !
4.3 Berikut seri terbatas dapat digunakan untuk perkiraan e x : untuk memperkirakan turunan kedua dari fungsi diperiksa di
x x2 x3 xn Prob. 4.5. Per- membentuk evaluasi pada x=2
e =1+ x + + +…+ menggunakan ukuran langkah h 0,25 dan 0,125.
2! 3 ! n! Bandingkan perkiraan Anda dengan nilai sebenarnya dari
turunan kedua. Menginterpretasikan hasil Anda atas dasar
a. Buktikan bahwa ekspansi seri Maclaurin ini adalah kasus jangka sisa ekspansi deret Taylor.
khusus dari Taylor ekspansi seri [(Persamaan. (4.7)]
dengan xi = 0 dan h = x.
4.10 Ingat bahwa kecepatan dari penerjun jatuh dapat com- puted
-x
b. Menggunakan seri Taylor untuk memperkirakan f (x) = e berdasarkan [Eq. (1.10)]
di xi + 1 = 1 untuk xi = 0.2. Mempekerjakan nol, pertama, gm
kedua, dan ketiga diskusi dan hitung | εt | untuk setiap v ( t )= ¿
kasus.
c
4.4 Gunakan nol melalui keempat-order ekspansi deret Gunakan analisis kesalahan orde pertama untuk
Taylor untuk pra- dict f (2,5) untuk f (x)=ln x menggunakan memperkirakan kesalahan v di t=6, jika g=9,8 dan m=50
titik dasar di x=1. Hitung persen kesalahan relatif εt untuk tetapi c=12.5±1.5.
Ulangi Prob. 4.10 dengan g=9,8, t=6, c=12.5±1.5, dan m=50±2.
setiap pendekatan. Diskusikan arti dari hasil.
4.12Evaluasi. dan interpretasikan kondisi nomor berikut:
4.5 Gunakan nol melalui orde ketiga Taylor ekspansi seri
untuk memprediksi f (3) untuk a. f x = |x−1|+ 1 for x = 1.00001
( √)
b. f ( x )=e−x for x = 10
f (x) = 25x 3 - 6x 2 + 7x – 88
2
menggunakan titik dasar di x=1. Hitunglah benar persen kesalahan relative √
c. f ( x )= 1+ x −x for x = 300
εt untuk masing-masing pendekatan.
d. f ( x )=
e− x −1 for x = 0.001
4.6 Gunakan maju dan perkiraan perbedaan mundur dari
2
x
O (h) dan perbedaan pendekatan berpusat dari O (h ) untuk
sin x
memperkirakan turunan pertama fungsi diperiksa di Prob. e. f ( x )= for x = 1.0001π
4.5. Mengevaluasi turunan di x=2 menggunakan ukuran 1+cosx
langkah h= 0,2. Bandingkan hasil Anda dengan nilaiMempekerjakan ide dari Sec. 4.2, memperoleh hubungan dari Tabel
sebenarnya dari turunan. Menginterpretasikan hasil Anda 4.3.
atas dasar jangka sisa ekspansi deret Taylor. =
4.14 Buktikan Persamaan itu. (4.4) adalah tepat untuk semua nilai x jika f
4.7 Gunakan perbedaan pendekatan berpusat dari O (h2) 2
(x)=ax +bx+c.
 4.15 Rumus Manning untuk saluran persegi panjang dapat
ditulis sebagai
( BH )5 /3
Q= √S
n(2+ BH )2/3
di mana Q= aliran (m3/ S), n=a koefisien kekasaran, B=lebar (m),
H=kedalaman (m), dan S= kemiringan. Anda menerapkan
formula ini untuk sungai di mana Anda tahu bahwa lebar=20 m
dan kedalaman=0,3 m. Sayangnya, Anda tahu kekasaran dan
kemiringan hanya presisi ±10%. Artinya, Anda tahu bahwa ness
kasar-sekitar 0,03 dengan kisaran 0,027-0,033 dan lereng adalah
0,0003 dengan kisaran ,00027-,00033. Gunakan orde pertama
106 pemotongan KESALAHAN DAN TAYL

OR SERIES

kesalahan analisis untuk menentukan sensitivitas Dimana

dari ve= kecepatan melarikan diri dari rudal. Hal ini diinginkan
prediksi aliran untuk masing-masing dua faktor ini. Mana untuk api rudal dan mencapai ketinggian desain maksimum
yang harus Anda mencoba untuk ukurlah yakin dengan dalam suatu keakuratan dari±2%. Menentukan rentang nilai
lebih presisi? untuk φ0 jika sudah ve / v0=2 dan a=0,25.
4.16 Jika | x | <1, diketahui bahwa 4.18 Untuk menghitung koordinat ruang planet, kita harus
1
=1+ x+ x 2 + x 3+ … memecahkan fungsi
1−x f (x) = X - 1-0.5 sin x
Ulangi Prob. 4.1 untuk seri ini untuk x = 0,1.
4.17 Sebuah rudal meninggalkan tanah dengan v0 kecepatan awal Biarkan titik dasar menjadi kapak a=xt=π/2 pada interval [0, π].
bentuk- ing sebuah φ0 sudut dengan vertikal seperti Menghalangi-tambang tertinggi-order Taylor ekspansi seri
ditunjukkan pada Gambar. P4.17. Itu mengakibatkan kesalahan maksimum unsur 0,015 pada interval
tertentu. kesalahan adalah sama dengan nilai absolut dari selisih
antara fungsi yang diberikan dan ekspansi deret Taylor tertentu.
(Petunjuk: Selesaikan grafis.)
4.18 Pertimbangkan fungsi f (x)=x3-2x+4 pada
HAI0
interval [2, 2] dengan h= 0,25. Gunakan maju, mundur,
dan berpusat perkiraan beda hingga untuk turunan
v0 pertama dan kedua sehingga untuk grafis
menggambarkan yang pendekatan adalah tingkat paling-
tuduhannya. Grafik ketiga pertama turunan beda hingga
R
tions yang mendekati bersama dengan teoritis, dan
melakukan hal yang sama untuk turunan kedua juga.
4.20Turunkan Persamaan. (4.31).
4.21 Ulangi Contoh 4.8, tetapi untuk f (x)=cos (x) di
x=π /6.
4.22 Ulangi Contoh 4.8, tapi untuk maju dibagi
perbedaan (Persamaan. 4.17).
Gambar P4.17 4.23 Mengembangkan program terstruktur dengan
baik untuk menghitung ekspansi seri Maclaurin untuk
fungsi cosinus seperti yang dijelaskan dalam Prob. 4.1.
Fungsi harus memiliki berikut fitur:
•Iterate sampai kesalahan relatif turun di bawah
kriteria berhenti (es) atau melebihi jumlah
maksimum iterasi (max). Memungkinkan pengguna
untuk menentukan nilai untuk parameter ini.
ketinggian yang diinginkan maksimum adalah αR di mana R
adalah jari-jari bumi. Termasuk nilai default dari es (=0.000001) dan max (=100)
Hukum mekanika dapat digunakan untuk menunjukkan bahwa • dalam hal mereka tidak ditentukan oleh pengguna.
2 • Kembali estimasi cos (x), kesalahan relatif perkiraan,
α ve
√
sin ∅= (1+ α ) 1− ( )
1+ α vo
jumlah
yang

berdasarkan built-
iter in fungsi kosinus).
asi,
dan
 EPILOG: PART ONE
PT1.4PERDAGANGAN-OFF
metode numerik yang ilmiah dalam arti bahwa mereka mewakili teknik sistematis untuk memecahkan
masalah matematika. Namun, ada tingkat tertentu seni, ment penghakiman subjektif, dan kompromi
terkait dengan penggunaan yang efektif dalam praktek rekayasa. Untuk setiap masalah, Anda mungkin
akan dihadapkan dengan beberapa metode numerik alternatif dan berbagai jenis komputer. Dengan
demikian, keanggunan dan efisiensi pendekatan yang berbeda untuk masalah ini sangat individualistis
dan berkorelasi dengan kemampuan Anda untuk memilih dengan bijak diantara pilihan. Sayangnya,
karena dengan proses intuitif, faktor-faktor yang mempengaruhi pilihan ini sulit untuk berkomunikasi.
Hanya dengan pengalaman dapat keterampilan ini sepenuhnya dipahami dan diasah. Namun, karena
keterampilan ini memainkan peran penting dalam pemikiran diimple- efektif metode, kami telah
menyertakan bagian ini sebagai pengantar beberapa trade-off yang harus Anda pertimbangkan ketika
memilih metode numerik dan alat untuk menerapkan metode ini. Diharapkan bahwa diskusi yang
berikut akan mempengaruhi orientasi Anda ketika mendekati materi berikutnya. Juga, diharapkan
bahwa Anda akan merujuk kembali ke bahan ini ketika Anda dihadapkan dengan pilihan dan trade-off
dalam sisa buku.
1. Mengetik Masalah Matematika. . Seperti digambarkan sebelumnya dalam Gambar PT1.2,
beberapa jenis masalah matematika yang dibahas dalam buku ini:
(a) Akar persamaan.
(b) Sistem simultan linear persamaan aljabar.
(c) Optimasi.
(d) Kurva pas.
(e) Integrasi numerik.
(f) ) persamaan diferensial biasa.
(g) persamaan diferensial parsial.
Kamu mungkin akan diperkenalkan pada aspek diterapkan metode numerik dengan con- fronting
masalah di salah satu daerah di atas. metode numerik akan diperlukan karena masalah tidak dapat
diselesaikan secara efisien dengan menggunakan teknik analisis. Anda harus menyadari fakta
bahwa aktivitas profesional Anda akhirnya akan melibatkan masalah di semua daerah di atas.
Dengan demikian, studi tentang metode numerik dan pemilihan peralatan perhitungan otomatis
harus, minimal, pertimbangkan tipe dasar masalah. masalah yang lebih lanjut dapat membutuhkan
kemampuan daerah penanganan seperti pendekatan fungsional, persamaan integral, dll daerah ini
biasanya menuntut daya komputasi yang lebih besar atau metode canggih tidak tercakup dalam
teks ini. referensi lain seperti Carnahan, Luther, dan Wilkes (1969); Hamming (1973); Ralston dan
Rabinowitz (1978); Beban dan Faires (2005); dan Moler (2004) harus berkonsultasi untuk
masalah di luar ruang lingkup buku ini. Selain itu, pada akhir setiap bagian dari teks ini, kami
menyertakan ringkasan singkat dan

107
 108 EPILOG: PART ONE

referensi untuk metode canggih untuk menyediakan Anda dengan jalan untuk mengejar studi lebih
lanjut dari metode numerik.
2. Mengetik, Ketersediaan, Precision, Biaya, dan Kecepatan Komputer. Kamu mungkin
memiliki pilihan untuk bekerja dengan berbagai alat perhitungan. Ini berkisar dari
kalkulator saku ke komputer mainframe besar. Tentu saja, salah satu alat dapat
digunakan untuk mengimplementasikan metode numerik (termasuk kertas sederhana
dan pensil). Hal ini biasanya bukan pertanyaan tentang kemampuan utama melainkan
biaya, kemudahan, kecepatan, kehandalan, pengulangan, dan presisi. Meskipun
masing-masing alat akan terus memiliki utilitas, kemajuan pesat baru-baru dalam
kinerja komputer pribadi telah memiliki dampak yang besar pada profesi rekayasa.
Kami berharap revolusi ini akan menyebar sebagai perbaikan teknologi terus karena
komputer pribadi menawarkan kompromi yang sangat baik dalam kenyamanan, biaya,
presisi, kecepatan, dan kapasitas penyimpanan. Selain itu, mereka dapat segera
diterapkan untuk sebagian besar masalah teknik praktis.
3. Program Biaya Pengembangan vs Software Biaya vs Run-Time Cost. Setelah jenis
masalah matematika yang harus dipecahkan telah diidentifikasi dan sistem komputer
telah dipilih, adalah tepat untuk mempertimbangkan software dan run-time biaya.
pengembangan perangkat lunak mungkin merupakan upaya besar dalam proyek-
proyek rekayasa banyak dan karena itu mungkin biaya yang signifikan. Dalam hal ini,
sangat penting bahwa Anda harus sangat akrab dengan aspek teoritis dan praktis dari
metode numerik yang relevan. Selain itu, Anda harus akrab dengan perangkat lunak
dikembangkan secara profesional. software murah tersedia secara luas untuk
menerapkan metode numerik yang dapat dengan mudah disesuaikan dengan berbagai
luas masalah.
4. Karakteristik Metode numerik. Ketika perangkat keras komputer dan perangkat lunak
biaya yang tinggi, atau jika ketersediaan komputer terbatas (misalnya, pada beberapa
sistem timeshare), membayar untuk hati-hati memilih metode numerik sesuai situasi. Di
sisi lain, jika masalahnya masih di eksplorasi panggung dan komputer akses dan biaya
tidak masalah, mungkin tepat bagi Anda untuk memilih metode numerik yang selalu
bekerja tetapi mungkin bukan yang paling efisien secara komputasi. Metode numerik
yang tersedia untuk memecahkan setiap jenis tertentu dari masalah melibatkan jenis off
perdagangan-baru saja dibahas dan lain-lain:
(a) Jumlah tebakan awal atau Poin Mulai. Beberapa metode numerik untuk
menemukan akar persamaan atau memecahkan persamaan diferensial meminta
user untuk spec- ify tebakan awal atau titik awal. metode sederhana biasanya
membutuhkan satu nilai, sedangkan metode rumit mungkin membutuhkan lebih
dari satu nilai. Keuntungan dari metode rumit yang efisien secara komputasi dapat
diimbangi dengan kebutuhan untuk beberapa titik awal. Anda harus menggunakan
pengalaman dan penilaian untuk menilai trade-off untuk setiap masalah tertentu.
(b) Tingkat Konvergensi. metode numerik tertentu berkumpul lebih cepat daripada
yang lain. Namun, konvergensi yang cepat ini mungkin memerlukan tebakan awal
lebih halus dan pemrograman yang lebih kompleks daripada metode dengan
konvergensi lambat. Sekali lagi, Anda harus menggunakan penilaian Anda dalam
memilih metode. Lebih cepat tidak selalu lebih baik.
(c) Stabilitas. Beberapa metode numerik untuk menemukan akar persamaan atau
solusi untuk sistem persamaan linear mungkin menyimpang daripada berkumpul di
jawaban yang benar untuk masalah-masalah tertentu. Mengapa Anda akan
mentolerir kemungkinan ini ketika dihadapkan dengan desain atau perencanaan
masalah? Jawabannya adalah bahwa metode ini mungkin sangat efisien ketika
mereka bekerja. Dengan demikian, trade-off lagi muncul. Anda harus memutuskan
apakah Anda
 PT1.4 PERDAGANGAN-OFF 109

Persyaratan masalah membenarkan upaya yang diperlukan untuk menerapkan metode yang
mungkin tidak selalu konvergen.
(d) Akurasi dan presisi. Beberapa metode numerik hanya lebih akurat atau tepat
daripada yang lain. Contoh yang baik adalah berbagai persamaan yang tersedia
untuk integrasi ical numer-. Biasanya, kinerja metode-akurasi rendah dapat
ditingkatkan dengan mengurangi ukuran langkah atau meningkatkan jumlah aplikasi
selama suatu interval tertentu. Apakah lebih baik menggunakan metode-akurasi
rendah dengan ukuran langkah kecil atau metode akurasi tinggi dengan ukuran
langkah besar? Pertanyaan ini harus diatasi pada kasus per kasus secara taking
mempertimbangkan faktor-faktor tambahan seperti biaya dan kemudahan
pemrograman. Selain itu, Anda juga harus peduli dengan kesalahan round-off saat
Anda menggunakan beberapa aplikasi dari metode-akurasi rendah dan ketika jumlah
perhitungan menjadi besar. Berikut jumlah angka signifikan ditangani oleh komputer
mungkin menjadi faktor penentu.
(e) Luasnya Aplikasi. Beberapa metode numerik dapat diterapkan hanya kelas terbatas
masalah atau masalah yang memenuhi pembatasan matematika tertentu. metode
lain tidak terpengaruh oleh keterbatasan tersebut. Anda harus mengevaluasi apakah
itu sepadan dengan usaha Anda untuk mengembangkan program-program yang
menggunakan teknik yang appropri- makan hanya sejumlah masalah. Fakta bahwa
teknik tersebut dapat digunakan secara luas menunjukkan bahwa mereka memiliki
kelebihan yang akan sering lebih besar daripada keuntungan dis mereka. Jelas,
trade-off yang terjadi.
(f) Persyaratan khusus. Beberapa teknik numerik berusaha untuk meningkatkan akurasi
dan tingkat konvergensi menggunakan informasi tambahan atau khusus. Sebuah
contoh akan menggunakan nilai estimasi atau teoritis kesalahan untuk meningkatkan
akurasi. Namun, perbaikan ini umumnya tidak dicapai tanpa beberapa nience
inconve- dalam hal menambahkan biaya komputasi atau peningkatan kompleksitas
program yang.
(g) Pemrograman Upaya yang disyaratkan. Upaya untuk meningkatkan tingkat
konvergensi, stabilitas, dan akurasi bisa kreatif dan cerdik. Ketika perbaikan dapat
dilakukan tanpa meningkatkan kompleksitas pemrograman, mereka dapat dianggap
elegan dan mungkin akan menemukan segera digunakan dalam profesi rekayasa.
Namun, jika mereka membutuhkan program yang lebih rumit, Anda lagi dihadapkan
dengan uation trade-off sit yang mungkin atau mungkin tidak mendukung metode
baru.

Hal ini jelas bahwa pembahasan di atas mengenai pilihan metode numerik mengurangi ke
salah satu biaya dan akurasi. Biaya adalah mereka yang terlibat dengan waktu komputer dan
pengembangan program. akurasi yang tepat adalah pertanyaan dari ment penghakiman
profesional dan etika.
5. Perilaku Matematika Fungsi, Persamaan, atau Data. Dalam memilih metode tertentu
numerik, jenis komputer, dan jenis perangkat lunak, Anda harus mempertimbangkan
kompleksitas fungsi Anda, persamaan, atau data. persamaan sederhana dan data mulus
mungkin tepat ditangani oleh algoritma numerik sederhana dan komputer murah.
sebaliknya adalah benar untuk persamaan rumit dan data menunjukkan diskontinuitas.
6. Kemudahan Aplikasi (User-Friendly?). Beberapa metode numerik mudah untuk
menerapkan; orang lain sulit. Hal ini mungkin menjadi pertimbangan ketika memilih salah
satu metode di atas yang lain. Ide yang sama ini berlaku untuk keputusan mengenai
biaya pengembangan program terhadap perangkat lunak dikembangkan secara
profesional. Mungkin diperlukan upaya untuk mengkonversi
110 EPILOG: PART ONE

program sulit untuk salah satu yang user-friendly. Cara untuk melakukan ini diperkenalkan
di Bab. 2 dan diuraikan dalam buku ini.
7. Pemeliharaan. Program untuk memecahkan masalah teknik membutuhkan
perawatan karena selama aplikasi, kesulitan selalu terjadi. Pemeliharaan mungkin
memerlukan mengubah kode program atau memperluas dokumentasi. program
sederhana dan rithms algo- numerik lebih sederhana untuk mempertahankan.
Bab-bab yang mengikuti melibatkan pengembangan berbagai jenis metode numerik untuk
berbagai jenis masalah matematika. Beberapa metode alternatif akan diberikan dalam setiap
bab. berbagai metode ini (bukan metode tunggal yang dipilih oleh penulis) disajikan karena
tidak ada metode “terbaik” tunggal. Tidak ada metode yang terbaik karena ada banyak trade-
off yang harus diperhatikan ketika menerapkan metode untuk masalah praktis. Sebuah meja
yang menyoroti trade-off yang terlibat dalam setiap metode akan ditemukan pada akhir
setiap bagian dari buku tersebut. Tabel ini harus membantu Anda dalam memilih prosedur
numerik yang sesuai untuk konteks masalah khusus Anda.

PT1.5PENTING HUBUNGAN DAN RUMUS

Tabel PT1.2 merangkum informasi penting yang disajikan dalam Bagian Satu. tabel
dapat berkonsultasi untuk cepat mengakses hubungan penting dan formula. Epilog
dari setiap bagian dari buku ini akan berisi ringkasan tersebut.

PT1.6MAJU METODE DAN REFERENSI TAMBAHAN

Epilog dari setiap bagian dari buku ini juga akan mencakup bagian yang dirancang
untuk memfasilitasi dan mendorong penelitian lebih lanjut dari metode numerik.
Bagian ini akan referensi buku-buku lain pada subjek serta bahan yang terkait dengan
methods.1 lebih maju
Untuk memperpanjang latar belakang yang disediakan di Bagian Satu, banyak
manual pada pemrograman komputer yang tersedia. Akan sulit untuk referensi semua
buku yang sangat baik dan manual yang berkaitan dengan bahasa tertentu dan
komputer. Selain itu, Anda mungkin sudah memiliki bahan dari paparan sebelumnya
untuk pemrograman. Namun, jika ini adalah pengalaman pertama Anda dengan
komputer, instruktur dan sesama siswa juga harus dapat menyarankan Anda tentang
buku referensi yang baik untuk mesin dan bahasa avail- mampu di sekolah Anda.
Adapun analisis kesalahan, buku kalkulus pengantar yang baik akan mencakup
bahan tambahan yang berkaitan dengan mata pelajaran seperti ekspansi deret Taylor.
Teks oleh Swokowski (1979), Thomas dan Finney (1979), dan Simmons (1985)
memberikan diskusi-diskusi yang sangat mudah dibaca dari mata pelajaran ini. Selain
itu, Taylor (1982) menyajikan pengenalan yang bagus untuk kesalahan analisis.
Akhirnya, meskipun kami berharap bahwa buku kami melayani Anda dengan
baik, itu selalu baik untuk berkonsultasi sumber lain ketika mencoba untuk
menguasai subjek baru. Beban dan Faires (2005); Ralston dan Rabinowitz (1978);
Hoffman (1992); dan Carnahan, Luther, dan Wilkes (1969) memberikan

1
Buku yang direferensikan hanya penulis di sini; bibliografi lengkap akan ditemukan di belakang teks ini.