Aljabar Linier II A
Mengevaluasi Polinomial
⋮ ⋮⋮ ⋮⋮
Dalam persamaan ini, nilai x dan y diasumsikan diketahui, jadi kita dapat
melihatnya sebagai sistem linier pada variabel yang tidak diketahui a 0 , a1 , … , an−1.
Dari sudut pandang ini, matriks yang diperbesar untuk sistem adalah
1 x 1 x21 ⋯ x n−1
1
1 x 2 x22 ⋯ x n−1
2 y1 ¿ y2 ¿ ⋮ ¿
⋮ ⋮ ⋮ ¿⋯ ⋮ yn
1 x n x 2n xnn−1
Solusi Karena ada empat poin, akan digunakan polinomial interpolasi derajat n=3
. Mendenotasikan ini jumlahnya banyak oleh
p ( x ) =a0 +a 1 x +a2 x 2+ a3 x 3
Jadi, dari (1.2) diketahui bahwa matriks yang diperbesar untuk sistem linier di
a 0 , a1 , a2 , dan a3 yang tidak diketahui adalah
1 x 1 x12 x 31 y1
[ ][
1 1 1 1 3
1
1
1
x 2 x 22
x 3 x23
x 4 x 24
x 32
x 33
x 34
y2
y3
y4
= 1 2 4 8 −2
1 3 9 27 −5
1 4 16 64 0
]
konfirmasi bahwa bentuk eselon baris tereduksi dari matriks ini adalah
1 0 0 0 4
[ 0
0
0
1
0
0
0
1
0
0 3
0 −5
1 1
]
dari sini maka a 0=4 , a1=3 , a2=−5 , dan a3=1. Jadi, polinomial interpolasi adalah
p ( x ) =4 +3 x−5 x2 + x 3
Grafik polinomial ini dan titik-titik yang diberikan ditunjukkan pada Gambar 1.1.
Gambar 1.1
Langsung saja karena tidak ada cara untuk menyatakan antiturunan dari integran
dalam hal fungsi dasar. Integral ini dapat didekati dengan aturan Simpson atau
beberapa metode yang sebanding, tetapi pendekatan alternatif adalah dengan
mendekati integran dengan polinomial interpolasi dan mengintegrasikan
polinomial aproksimasi. Misalnya, mari kita perhatikan lima poin
x 0=0 , x1 =0.25 , x 2=0.5 , x3 =0.75 , x 4 =1
yang membagi interval [0 ,1]menjadi empat sub-interval dengan jarak yang sama
(Gambar 1.2).
Gambar 1.2
Nilai
2
πx
f ( x )=sin ( )
2
dan
1
∫ p ( x ) dx ≈ 0.438501
0
Seperti yang ditunjukkan pada Gambar 1.2, grafik f dan p sangat cocok selama
interval [0 ,1], sehingga aproksimasi cukup baik.
Pada metode naive kita melakukan evaluasi polinomial sama dengan cara kita
melakukan evaluasi polinomial saat kita SMA. Nilai x akan disubstitusikan pada
masing-masing elemen persamaan polinomial. Masing-masing elemen polinomial
selanjutnya dijumkahkan untuk menghitung y.
Metode lain yang lebih efisien dalam melakukan evaluasi polinomial adalah
metode Horner. Metode ini oleh William Horner pada abad ke-18. Dalam metode
Horner, bentuk polinomial pada Persamaan (1.1) akan ditransformasi menjadi
Persamaan (1.3).
berbentuk a 0+ a1 x +a 2 x 2.
b) Temukan aproksimasi terbaik untuk sin πx pada [−1, 1] dengan fungsi dari
bentuk a 0+ a1 x +a 2 x 2.
c) Temukan aproksimasi terbaik untuk x terhadap [0, 2π] dengan fungsi bentuk
a 0+ a1 sin x +a 2 sin 2 x+b 1 cos x +b 2 cos 2 x .
Pada contoh pertama, W adalah subruang dari C [0 ,1] yang direntang oleh
1 , x , dan x2 ; Pada contoh 2, W adalah subruang dari C [−1, 1] yang direntang oleh
1, e x , e 2 x , dan e 3 x ; dan untuk contoh ketiga, W adalah subruang dari C [0 ,2 π ]
direntang oleh 1 , sin x , sin 2 x , cos x , dan cos 2 x .
Untuk menyelesaikan masalah aproksimasi dari tipe sebelumnya, pertama
kita perlu membuat frasa "aproksimasi terbaik pada [a, b]" tepat secara matematis.
Untuk melakukan ini kita akan membutuhkan beberapa cara mengkuantifikasi
error yang dihasilkan ketika satu fungsi kontinu didekati oleh yang lain selama
selang [a , b]. Jika kita aproksimasi f (x) dengan g( x ), dan jika kita hanya peduli
dengan error dalam melakukan aproksimasi itu terletak pada satu titik x 0, maka
kita bisa mendefinisikan kesalahan menjadi
error =¿ f ( x 0 )−g ( x 0 ) ∨¿
Secara geometris, persamaan (1) adalah luas antara grafik f (x) dang( x )
pada selang [a , b] (Gambar 6.6.2). Semakin besar area, semakin besar error
keseluruhan. Meskipun persamaan (1) alami dan menarik secara geometris,
sebagian besar matematikawan dan ilmuwan umumnya menyukai ukuran
kesalahan alternatif berikut, yang disebut kuadrat rata-rata
error:
b
2
Kuadrat rata-rata error = ∫ [f ( x )−g ( x ) ] dx
a
Berikut ini
b
2
‖f −g‖ = ⟨ f −g , f −g ⟩=∫ [f ( x )−g ( x ) ] 2 dx=¿ Kuadrat rata-rata error
a
∫ [f ( x )−g ( x ) ]2 dx
a
2π 2π
1 1 1 1
b 1= ⟨ f , gn +1 ⟩ = ∫ f ( x ) sin x dx= ∫ f ( x ) sin x dx
√π √π 0 √π π 0
⋮
2π 2π
1 1 1 1
b n= ⟨ f , g2 n ⟩ = ∫ f ( x) sin nx dx = ∫ f ( x ) sin nx dx
√π √π 0 √π π 0
Dalam bentuk yang lebih pendek,
2π 2π
1 1
a k = ∫ f (x )cos kx dx , bk = ∫ f (x )sin kx dx ...(8)
π 0 π 0
Bilangan a 0 , a1 , … , an , b1 , … ,b n disebut dengan koefisien fourier dari f.
2π 2π
1 1 2
b k= ∫ f (x )sin kx dx ¿ ∫ x sin kx dx ¿− ...(9c)
π 0 π 0 k
Dengan demikian, pendekatan kuadrat terakhir ke x pada [ 0,2 π ] oleh polinomial
trigonometri orde 2 atau kurang adalah
a0
x≈ +a cos x +a2 cos 2 x+ b1 sin x +b 2 sin 2 x
2 1
Atau dari (9a),(9b), dan (9c),
x ≈ π −2sin x−sin 2 x
Solusi (b) : pendekatan kuadrat terakhir ke x pada [ 0,2 π ]oleh polinomial
trigonometri orde n atau kurang adalah
a0
x≈ + [ a1 cos x +…+ an cos nx ] + [ b1 sin x +b n sin nx ]
2
Atau dari (9a),(9b), dan (9c),
2x 3x nx
(
x ≈ π −2 sin x+ sin
2
+sin
3
+…+sin
n )
Grafik y=x dan beberapa pendekatan ini ditunjukkan pada gambar berikut :
Ini wajar untuk mengatakan bahwa kesalahan kuadrat rata-rata akan berkurang
karena jumlah suku dalam perkiraan kuadrat terakhir
a0 n
f (x)≈ +∑ ¿ ¿
2 1
meningkat. Dapat dibuktikan bahwa fungsi f dalam C [ 0,2 π ] , kesalahan kuadrat
rata-rata mendekati nol karena n →+∞ ; ini dilambangkan dengan menuliskan
a0 n
f ( x )= + ∑ ¿ ¿
2 1
Ruas kanan persamaan ini disebut dengan deret fourier untuk f dengan interval
[ 0,2 π ]. Deret Forier sangat penting dalam teknik,sains, dan matematika.