Numerical Solution of Differential Equations

Wahyu Suryaningrat
140220190505

M Andhika Aji P
140220190508

Analisis Numerik 2020: Numerical Solution of Differential Equations Wahyu Suryaningrat – M Andhika aji P 1
Daftar Isi

Runge-Kutta and Multistep methods

Stability of numerical methods
Systems of differential equations

Numerical Solution of Differential Equations 2

Runge-Kutta Method

❑ Metode Taylor secara konseptual mudah untuk digunakan,

namun perhitungan turunan tingkat tinggi memerlukan “biaya”
dan waktu yang cukup besar.
❑ Metode Runge Kutta Orde n merupakan bentuk sederhana dari
Metode Taylor Orde n.
❑ Metode Runge-Kutta memiliki bentuk umum

𝑦𝑛+1 = 𝑦𝑛 + ℎ𝐹 𝑥𝑛 , 𝑦𝑛 ; ℎ , 𝑛 ≥ 0, 𝑦0 = 𝑌0 (1)

dengan 𝐹 𝑥𝑛 , 𝑦𝑛 ; ℎ sebagai "kemiringan rata-rata" dari solusi

pada interval 𝑥𝑛 , 𝑥𝑛+1 .

Numerical Solution of Differential Equations 3

Truncation Error

Selanjutnya pilih

𝐹 𝑥, 𝑦; ℎ = 𝛾1 𝑓 𝑥, 𝑦 + 𝛾2 𝑓 𝑥 + 𝛼ℎ, 𝑦 + 𝛽ℎ𝑓 𝑥, 𝑦
dan ditentukan nilai konstanta 𝛼, 𝛽, 𝛾1 , 𝛾2 . Sehingga untuk solusi
𝑌(𝑥) yang disubstitusi ke persamaan (1), diperoleh

𝑇𝑛+1 ≡ 𝑌 𝑥𝑛+1 − [𝑌 𝑥𝑛 + ℎ𝐹(𝑥𝑛 , 𝑌 𝑥𝑛 ; ℎ)] (2)

dengan kompleksitasi 𝑂(ℎ3 ), sama seperti metode Taylor orde 2.

Numerical Solution of Differential Equations 4

Ekspansi persamaan (1)

Misalkan reminder 𝑂(ℎ2 )

𝑓 𝑥 + 𝛼ℎ, 𝑦 + 𝛽ℎ𝑓 𝑥, 𝑦 = 𝑓 𝑥 + 𝛼ℎ, 𝑦 + 𝑓𝑧 𝑥 + 𝛼ℎ, 𝑦 𝛽ℎ𝑓 𝑥, 𝑦 + 𝑂 ℎ2
𝑓 𝑥 + 𝛼ℎ, 𝑦 + 𝛽ℎ𝑓 𝑥, 𝑦 = 𝑓 + 𝑓𝑥 𝛼ℎ + 𝑓𝑧 𝛽ℎ𝑓 + 𝑂 ℎ2
Menggunakan persamaan
𝑌 ′′ = 𝑓𝑥 + 𝑓𝑧 𝑓
Sehingga
ℎ2 ′′
𝑌 𝑥 + ℎ = 𝑌 + ℎ𝑌 + 𝑌 + 𝑂 ℎ3
′
2
ℎ 2
= 𝑌 + ℎ𝑓 + 𝑓𝑥 + 𝑓𝑧 𝑓 + 𝑂 ℎ3
2
Maka
ℎ2
𝑌 𝑥 + ℎ − [𝑌 𝑥 + ℎ𝐹 𝑥, 𝑌 𝑥 ; ℎ = ℎ 1 − 𝛾1 − 𝛾2 𝑓 + [
1 − 2𝛾2 𝛼 𝑓𝑥 +
2
1 − 2𝛾2 𝛽 𝑓𝑧 𝑓] + 𝑂(ℎ3 ) (3)

Numerical Solution of Differential Equations 5

Bentuk Umum RK orde 2
1
Dari (3) harus terpenuhi 𝛾2 ≠ 0, 𝛾1 = 1 − 𝛾2 , 𝛼 = 𝛽 = , sehingga
2𝛾2
1 3
diperoleh keluarga Runge-Kutta bergantung pada nilai 𝛾2 (contoh , , 1).
2 4
1
Untuk 𝛾2 = diperoleh formulasi Runge-Kutta orde 2 sbb
2

1
𝑦𝑛+1 = 𝑦𝑛 + 𝑘1 + 𝑘2
2
di mana (4)
𝑘1 = 𝑓 𝑥𝑛 , 𝑦𝑛
𝑘2 = 𝑓(𝑥𝑛 + ℎ, 𝑦𝑛 + ℎ𝑘1 )

Persamaan (4) identik dengan metode Heun’s dan 𝑦𝑛 ℎ𝑓(𝑥𝑛 , 𝑦𝑛 ) merupakan

solusi Euluer saat 𝒙𝒏+𝟏 .

Numerical Solution of Differential Equations 6

Ilustrasi Metode Runge Kutta– Persamaan (4)

Numerical Solution of Differential Equations 7

Prosedur solusi numerik dengan RK Orde 2

Formulasi Algoritma
1 1. Tentukan titik awal 𝑥0 , dan 𝑦0
𝑦𝑛+1 = 𝑦𝑛 + 2 𝑘1 + 𝑘2 (RK.2)
2. Bentuk 𝑓 𝑥𝑛 , 𝑦𝑛 yang bersesuaian
di mana
𝑘1 = 𝑓 𝑥𝑛 , 𝑦𝑛 3. Tentukan banyak iterasi 𝑛 dan step
𝑘2 = 𝑓(𝑥𝑛 + ℎ, 𝑦𝑛 + ℎ𝑘1 ) size yang digunakan
4. Lakukan perulangan pada RK.2
𝑇𝑟𝑢𝑛𝑐𝑎𝑡𝑒 𝐸𝑟𝑟𝑜𝑟: 𝑂(ℎ2 )

Numerical Solution of Differential Equations 8

Contoh Aplikasi (S1) RK.2

S1: Dapatkan penyelesaian numerik persamaan differensial (PD)

𝑌 ′ 𝑥 = −𝑌 𝑥 + 2 cos 𝑥 , 𝑌 0 = 1
Dengan step size 0.1 dan 0.05 menggunakan metode Runge Kutta Orde 2.

Dari PD diperoleh 𝑓 𝑥, 𝑦 = −y + 2cos(x)

Untuk ℎ = 0.1, akan dihitung y(0.1)
𝑘1 = 𝑓 0,1 = −1 + 2 cos 0 = 1
𝑘2 = 𝑓(0.1,1.1) = −1.1 + 2 cos 0.1 = −0.009991669

𝑘1 + 𝑘2
𝑦 0.1 = 𝑦 0 + = 1.09475005
2
dst.

Numerical Solution of Differential Equations 9

Contoh Aplikasi (S1) RK.2

Numerical Solution of Differential Equations 10

Prosedur solusi numerik dengan RK Orde 4

Formulasi Algoritma
ℎ 1. Tentukan titik awal 𝑥0 , dan 𝑦0
𝑦𝑛+1 = 𝑦𝑛 + 6 (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
di mana 2. Bentuk 𝑓 𝑥𝑛 , 𝑦𝑛 yang bersesuaian
𝑘1 = 𝑓 𝑥𝑛 , 𝑦𝑛 3. Tentukan banyak iterasi 𝑛 dan step
ℎ ℎ
𝑘2 = 𝑓(𝑥𝑛 + , 𝑦𝑛 + 𝑘1 ) size yang digunakan
2 2
ℎ ℎ 4. Lakukan perulangan pada RK.4
𝑘3 = 𝑓 𝑥𝑛 + , 𝑦𝑛 + 𝑘2
2 2
𝑘4 = 𝑓(𝑥𝑛 + ℎ, 𝑦𝑛 + ℎ𝑘3 )
(RK.4)

𝑇𝑟𝑢𝑛𝑐𝑎𝑡𝑒 𝐸𝑟𝑟𝑜𝑟: 𝑂(ℎ5 )

Numerical Solution of Differential Equations 11

Truncate error

❑ Truncate Error (𝑇𝐸𝑝 ) untuk Metode Runge-Kutta Ordo p:

𝑇𝐸𝑝 =𝑂(ℎ𝑝+1 )

❑ Jika fungsi 𝑓(𝑥, 𝑦) diferensiabel, error dari Runge-Kutta memenuhi

max 𝑌 𝑥𝑛 − 𝑦ℎ 𝑥𝑛 ≤ 𝑐ℎ𝑝
𝑥0≤𝑥𝑛 ≤𝑏

❑ Estimasi error untuk RK2

1
𝑌 𝑥𝑛 − 𝑦ℎ 𝑥𝑛 ≈ 𝑦 𝑥 − 𝑦2ℎ (𝑥𝑛 )
3 ℎ 𝑛
Misalkan untuk soal S1
1
𝑌 10 − 𝑦0.05 10 = −1.3825669379 − −1.380966579 = −5.34𝐸 − 4
3

Numerical Solution of Differential Equations 12

Contoh Aplikasi (S1) RK.4
S1: Dapatkan penyelesaian numerik persamaan differensial (PD)
𝑦′ − 𝑦 = 𝑥
saat 𝑥0 = 0.2 dan 𝑦0 = 1, step size 0.2 menggunakan metode Runge Kutta Orde 2.

Dari PD diperoleh 𝑓 𝑥𝑛 , 𝑦𝑛 = 𝑥 + 𝑦
Untuk 𝑥 = 0.2
𝑘1 = ℎ𝑓 𝑥0 , 𝑦0 = 0.2 0 + 1 = 0.2

1 1
𝑘2 = ℎ𝑓 𝑥0 + ℎ, 𝑦0 + 𝑘1 = 0.2 𝑓 0 + 0.1,1 + 0.1 = 0.2 0.1 + 1.1 = 0.24
2 2

𝑘3 = 0.244, 𝑘4 = 0.2888

1
𝑦 0.2 = 1 + 0.2 + 2 0.24 + 2 0.244 + 0.2888 = 1.2428
6
dst. Numerical Solution of Differential Equations 13
Metode Multistep linear

❑ Jika metode Runge-Kutta mengalami kesulitan karena terlalu banyak evaluasi fungsi yang
digunakan, masuk akal untuk bertanya apakah kita dapat menggunakan kembali
beberapa evaluasi fungsi sebelumnya, yang sudah kita buat.
❑ Di satu sisi, metode multistep linier dasar untuk persamaan diferensial hanya mencakup
satu titik 𝑥𝑖, dalam perhitungan 𝑥𝑖 + 1. Ini persis bagaimana fungsi metode Euler dan
metode Euler merupakan metode multistep linier dasar. Metode selanjutnya
menggunakan 𝑥𝑖 −1 dan xi untuk menghitung 𝑥𝑖 + 1.
❑ Metode Adams-Bashforth menggunakan tambahan berbobot, termasuk bobot negatif, dari
langkah dan poin untuk sampai pada langkah berikutnya. Seperti metode numerik
lainnya, bobot muncul dari interpolasi polinomial titik yang tersedia.

Numerical Solution of Differential Equations 14

Metode Multistep linear
Metode Adam-Bashforth orde 2 dapat ditulis

ℎ
𝑦𝑖+2 = 𝑦𝑖+1 = (3𝑓 𝑥𝑖+1 , 𝑦𝑖+1 − 𝑓(𝑥𝑖 , 𝑦𝑖 )) (5)
2

Pendekatan ini melakukan interpolasi antara titik sebelumnya untuk memperkirakan titik
ketiga dalam grup. Titik ketiga ini menjadi titik tengah dari iterasi berikutnya saat seluruh
proses berlanjut. Karena nilai sebelumnya disimpan dan digunakan kembali, evaluasi fungsi
tambahan tidak diperlukan. Jika metode Runge-Kutta dapat dibandingkan dengan tip-toeing
melalui bidang vektor, maka metode Adams-Bashforth dapat sama dibandingkan dengan
menjalankan melalui bidang vektor. Namun, ini tidak berarti metode Adams-Bashforth lebih
unggul.

Numerical Solution of Differential Equations 15

Numerical Stability

Penyelesaian masalah nilai batas untuk sistem diferensial

memerlukan nilai stepsize ℎ yang cukup kecil. Akan dianalisis jika
nilai ℎ tidak diasumsikan kecil. Misal:
𝑌 ′ 𝑥 = 𝜆𝑌 𝑥 + 𝑔 𝑥 , 𝑌 0 = 𝑌0
Misalkan 𝑌 𝑥 adalah solusi dari atas dan 𝑌𝜖 𝑥 solusi dengan
pertubasi di data awal 𝑌0 + 𝜖
𝑌𝜖′ 𝑥 = 𝜆𝑌𝜖 𝑥 + 𝑔 𝑥 , 𝑌𝜖 0 = 𝑌0 + 𝜖
Dimisalkan 𝑍𝜖 adalah perubahan dari solusi
𝑍𝜖 𝑥 = 𝑌𝜖 𝑥 − 𝑌(𝑥)

Numerical Solution of Differential Equations 16

Numerical Stability

Kemudian disubstitusi ke 𝑌𝜖 didapat

𝑍𝜖′ 𝑥 = 𝜆𝑍𝜖 (𝑥), 𝑍𝜖 0 = 𝜖

Sehingga solusinya
𝑍𝜖 𝑥 = 𝜖𝑒 𝜆𝑥

Jika nilai dari 𝜆 < 0 atau 𝜆 kompleks dengan bagian realnya negarif
maka efek pertubasinya akan hilang untuk nilai x yang besar.

Numerical Solution of Differential Equations 17

Numerical Stability

Kemudian, akan lakukan pengujian pada metode numerik. Contoh:

𝑌 ′ = 𝜆𝑌, 𝑌 0 =1
Dengan 𝜆 < 0 atau punya bagian real negative. Solusi dari masalah
tersebut adalah
𝑌 𝑥 = 𝑒 𝜆𝑥
Akan turun secara eksponensial dalam x jika 𝜆 memilki bagian real
negative. Jika dilakukan metode numerik, maka hasil numeriknya
𝑦ℎ 𝑥𝑛 → 0, 𝑗𝑖𝑘𝑎 𝑥𝑛 → ∞
Untuk setiap stepsize ℎ. Hal ini disebut absolute stability. Himpunan
nilai ℎ𝜆 untuk 𝑦𝑛 → 0 jika ℎ → 0 disebut region of absolute stability.

Numerical Solution of Differential Equations 18

Numerical Stability

Akan dilakukan pengujian metode euler. Contoh:

𝑦𝑛+1 = 𝑦𝑛 + ℎ𝜆𝑦𝑛 = 1 + ℎ𝜆 𝑦𝑛 , 𝑛 ≥ 0, 𝑦0 = 1
Dengan induksi diperoleh
𝑦𝑛 = 1 + ℎ𝜆 𝑛 , 𝑛≥0
Substitusi poin 𝑥𝑛 = 𝑛ℎ ≡ 𝑥,ҧ Ketika 𝑛 → ∞
𝑛
𝜆𝑥ҧ
𝑦𝑛 = 1 + → 𝑒 𝜆𝑥ҧ
𝑛
Dengan menggunkan L’hospital maka terbuktoi kekonvergenan
metode euler.

Numerical Solution of Differential Equations 19

Numerical Stability

Akan dilihat untuk 𝑦𝑛 → 0 jika 𝑛 → ∞ jika dan hanya jika

1 + ℎ𝜆 < 1
Untuk 𝜆 real negative

ℎ𝜆 > −2

Maka batas nilai ℎ yang dapat digunakan pada metode euler adalah:
−2
0<ℎ<
ℎ

Numerical Solution of Differential Equations 20

Numerical Stability

Misal model memiliki nilai 𝜆 = −100. Maka metode euler dapat

digunakan dengan baik kalua ℎ < 2.100−1 = 0.02. Solusi sejati nya
adalah 𝑌 𝑥 = 𝑒 −100𝑥 pada x=0.2 adalah 2.061 𝑥 10−9

Numerical Solution of Differential Equations 21

Backward Euler Method

Sebuah metode yang memenuhi absolute stability untuk setiap

stepsize h disebut absolutely stable. Salah satu metodenya adalah
backward euler method
𝑦𝑛+1 = 𝑦𝑛 + ℎ𝑓 𝑥𝑛+1 , 𝑦𝑛+1 , 0 ≤ 𝑛 ≤ 𝑁 − 1, 𝑦0 = 𝑌0
Contohnya
𝑦𝑛+1 = 𝑦𝑛 + ℎ𝜆𝑦𝑛+1 , 𝜆<0
𝑦𝑛+1 = 1 − ℎ𝜆 −1 𝑦𝑛 , 𝑛 ≥ 0, 𝑦0 = 1
Sehingga
𝑦𝑛 = 1 − ℎ𝜆 −𝑛
Untuk setiap ℎ > 0, 1 − h𝜆 > 1 maka 𝑦𝑛 → 0 jika 𝑛 → ∞. Metode
ini juga disebut metode inplisit
Numerical Solution of Differential Equations 22
Backward Euler Method

Pencarian akar 𝑦𝑛+1 sulit dilakukan sehingga akan dilakukan iterasi

0
sederhana. Misalkan 𝑦𝑛+1 ≈ 𝑦𝑛+1 dan
𝑗+1 𝑗
𝑦𝑛+1 = 𝑦𝑛 + ℎ𝑓 𝑥𝑛+1 , 𝑦𝑛+1 , 𝑗 = 0,1,2 …
𝑗
Jika ℎ kecil maka iterasi 𝑦𝑛+1 akan konvergen ke 𝑦𝑛+1 . Untuk
0
mencari nilai awal 𝑦𝑛+1 dapat menggunakan metode euler
0
𝑦𝑛+1 = 𝑦𝑛 + ℎf(xn , yn )
Ini disebut predictor formula, untuk memprediksi nilai akar dari
metode implisit. Sehingga metpde tersebut menjadi
𝑦𝑛+1 = 𝑦𝑛 + ℎ𝑓 𝑥𝑛+1 , 𝑦𝑛 + ℎf(xn , yn )

Numerical Solution of Differential Equations 23

The Trapezoidal Method

Metode trapezoidal merupakan metode implisit yang memilki orde

yang lebih tinggi disbanding backward euler method. Untuk
mendapatkannya akan diintegralkan persamaan diferensial
𝑌 ′ 𝑥 = 𝑓(𝑥, 𝑌(𝑥))
Dari 𝑥𝑛 ke 𝑥𝑛+1
𝑥𝑛+1
𝑌 𝑥𝑛+1 = 𝑌 𝑥𝑛 + න 𝑓 𝑥, 𝑌 𝑥 𝑑𝑥
𝑥𝑛
Dengan menggunkan rumus trapezoid untuk aprproksimasi integral
ℎ
𝑌 𝑥𝑛+1 ≈ 𝑌 𝑥𝑛 + 𝑓 𝑥𝑛 , 𝑌 𝑥𝑛 + 𝑓 𝑥𝑛+1 , 𝑌 𝑥𝑛+1
2

Numerical Solution of Differential Equations 24

The Trapezoidal Method

Sehingga didapat metode trapezoidal sebagai berikut

ℎ
𝑦 𝑥𝑛+1 = 𝑦 𝑥𝑛 + 𝑓 𝑥𝑛 , 𝑦 𝑥𝑛 + 𝑓 𝑥𝑛+1 , 𝑦 𝑥𝑛+1
2
Dengan 𝑛 ≥ 0 dan 𝑦0 = 𝑌0 . Untuk mendapatkan akar dari metode
implisit dapat menggunkan predictor formula berupa metode euler
0
𝑦𝑛+1 = 𝑦𝑛 + ℎf(xn , yn )
Sehingga metode tersebut menjadi
ℎ
𝑦 𝑥𝑛+1 = 𝑦 𝑥𝑛 + 𝑓 𝑥𝑛 , 𝑦 𝑥𝑛 + 𝑓 𝑥𝑛+1 , 𝑦𝑛 + ℎf(xn , yn )
2
Metode ini dikenal sebagai metode heun

Numerical Solution of Differential Equations 25

Sistem persamaan diferensial

Kebanyakan aplikasi dari persamaan diferensial memiliki sistem yang

memuat beberapa persamaan diferensial ataupun persamaan yang
memiliki orde yang tinggi. Contohnya:

𝑌1′ 𝑥 = 𝑓1 (𝑥, 𝑌1 𝑥 , 𝑌2 𝑥 )
𝑌2′ 𝑥 = 𝑓2 (𝑥, 𝑌1 𝑥 , 𝑌2 𝑥 )

Fungsi 𝑓1 (𝑥, 𝑧1 , 𝑧2 ) dan 𝑓2 (𝑥, 𝑧1 , 𝑧2 ) merupakan persamaan

diferensial dan 𝑌1 (𝑥), 𝑌2 (𝑥) adalah fungsi yang akan dicari.
Persamaan tersebut memilki kondisi awal yaitu
𝑌1 𝑥0 = 𝑌1,0 , 𝑌2 𝑥0 = 𝑌2,0
Numerical Solution of Differential Equations 26
Sistem persamaan diferensial

Contoh dari sistem persamaan diferensial tersebut adalah model

Lotka-Volter predator-prey

𝑌1′ 𝑥 = 𝐴𝑌1 1 − 𝐵𝑌2 , 𝑌1 0 = 𝑌1,0

𝑌2′ 𝑥 = 𝐶𝑌2 𝐷𝑌1 − 1 , 𝑌2 0 = 𝑌2,0

Dengan nilai 𝐴, 𝐵, 𝐶, 𝐷 > 0. Variabel 𝑥 menunjukan waktu, 𝑌1 (𝑥)

merupakan jumlah mangsa (cth:rusa) pada waktu 𝑥 dan 𝑌2 (𝑥)
merupakan jumlah pemangsa (cth: harimau) pada waktu 𝑥. Jika hanya
terdapat jenis mangsa dan satu jenis pemangsa maka biasanya model
memiliki aproksimasi yang bagus.
Numerical Solution of Differential Equations 27
Sistem persamaan diferensial

Jika sistem memiliki jumlah persamaan dferensial orde satu m, maka

sistem memiliki bentuk umum yaitu

𝑌1′ = 𝑓1 𝑥, 𝑌1 , … , 𝑌𝑚 , 𝑌1 𝑥0 = 𝑌1,0
⋮
𝑌𝑚′ = 𝑓𝑚 𝑥, 𝑌1 , … , 𝑌𝑚 , 𝑌𝑚 𝑥0 = 𝑌𝑚,0

Dari sistem tersebut akan dicari fungsi 𝑌1 𝑥 , … , 𝑌𝑚 (𝑥) untuk interval

𝑥0 ≤ 𝑥 ≤ 𝑏

Numerical Solution of Differential Equations 28

Sistem persamaan diferensial

Sistem persamaan sebelumnya dapat ditulis secara sederhana dengan

memisalkan bahwa

𝑌1 (𝑥) 𝒀𝟏,𝟎 𝒇𝟏 𝒙, 𝒛𝟏 , … , 𝒛𝒎
𝑌 𝑥 = ⋮ 𝒀𝟎 = ⋮ 𝒇 𝒙, 𝒛 = ⋮
𝑌𝑚 (𝑥) 𝒀𝒎,𝟎 𝒇𝒎 𝒙, 𝒛𝟏 , … , 𝒛𝒎

Dengan 𝑧 = 𝑧1 , 𝑧2 , … , 𝑧𝑚 𝑇 . Maka sistem persamaannya dapat

ditulis menjadi
𝑌 ′ 𝑥 = 𝑓 𝑥, 𝑌 𝑥 , 𝑌 𝑥0 = 𝑌0

Numerical Solution of Differential Equations 29

Sistem persamaan diferensial Orde Tinggi
Dalam permasalahan fisika dan Teknik, penggunan sistem persamaan
diferensial orde tinggi sering ditemukan. Sehingga sistem tersebut
perlu ditilik. Misalkan
𝑌′ = 𝑓 𝑥, 𝑌 𝑥 , 𝑌′(𝑥)
Dimana 𝑓 𝑥, 𝑧1 , 𝑧2 diketahui. Kondisi awal dari sistem diketahui
yaitu 𝑌 𝑥0 = 𝑌0 dan 𝑌 ′ 𝑥0 = 𝑌0′ . Untuk menulis ulang sistem
tersebut menjadi sistem persamaan diferensial orde satu maka
dimisalkan
𝑌1 𝑥 = 𝑌 𝑥 𝑌2 𝑥 = 𝑌 ′ 𝑥
Sehingga 𝑌1 dan 𝑌2 memenuhi
𝑌1′ 𝑥 = 𝑌2 , 𝑌1 𝑥0 = 𝑌0
𝑌2′ 𝑥 = 𝑓 𝑥, 𝑌1 𝑥 , 𝑌2 𝑥 , 𝑌2 𝑥0 = 𝑌0′
Numerical Solution of Differential Equations 30
Sistem persamaan diferensial Orde Tinggi

Bentuk umum persamaan diferensial orde m yaitu:

𝑑𝑚 𝑌 𝑑𝑌 𝑑𝑚−1 𝑌
𝑚
= 𝑓 𝑥, 𝑌, , … , 𝑚−1
𝑑𝑥 𝑑𝑥 𝑑𝑥

Dengan nilai awal yaitu

𝑌 𝑥0 = 𝑦0 , 𝑌 ′ 𝑥0 = 𝑌0′ , … , 𝑌 𝑚−1 𝑥0 = 𝑌0𝑚−1

Numerical Solution of Differential Equations 31

Sistem persamaan diferensial Orde Tinggi
Bentuk sistem persamaan diferensial orde m tersebut dapat dimisalkan:
𝑌1 = 𝑌, 𝑌2 = 𝑌 ′ , … , 𝑌𝑚 = 𝑌 𝑚−1
Maka persamaan untuk masalah nilai batas dengan sistem persamaan orde satu:
𝑌1′ = 𝑌2 𝑌1 𝑥0 = 𝑌0
⋮ ⋮
′
𝑌𝑚−1 = 𝑌𝑚 𝑌𝑚−1 𝑥0 = 𝑌0𝑚−2
𝑌𝑚′ = 𝑓(𝑥, 𝑌1 , … , 𝑌𝑚 ) 𝑌𝑚 𝑥0 = 𝑌0𝑚−1

Kasus khusus untuk persamaan linear diferensial orde m :

𝑑𝑚 𝑌 𝑑𝑌 𝑑 𝑚−1 𝑌
= 𝑎0 𝑥 𝑌 + 𝑎1 𝑥 + ⋯ + 𝑎𝑚−1 𝑥 + 𝑏(𝑥)
𝑑𝑥 𝑚 𝑑𝑥 𝑑𝑥 𝑚−1
Maka persamaan diatas dapat disubstitusi dengan
𝑌𝑚′ = 𝑎0 𝑥 𝑌1 + 𝑎1 𝑥 𝑌2 + ⋯ + 𝑎𝑚−1 𝑥 𝑌𝑚 + 𝑏(𝑥)

Numerical Solution of Differential Equations 32

Metode Numerik untuk Sistem Persamaan diferensial

Untuk mendapat solusi dari sistem persamaan diferensial, dapat

digunakan metode yang sebelumnya dipelajari. Contohnya, akan
digunakan smetode euler untuk bentuk umum sistem dua persamaan
diferensial orde 1. Maka metode eulernya adalah

𝑦1,𝑛+1 = 𝑦1,𝑛 + ℎ𝑓1 𝑥𝑛 , 𝑦1,𝑛 , 𝑦2,𝑛

𝑦2,𝑛+1 = 𝑦2,𝑛 + ℎ𝑓2 𝑥𝑛 , 𝑦1,𝑛 , 𝑦2,𝑛

Metode tersebut juga memiliki nilai perhitungan eror yang sama.

Numerical Solution of Differential Equations 33

Metode Numerik untuk Sistem Persamaan diferensial

Contoh:
Selesaikan sistem tersebut dengan menggunkan metode euler dengan
ℎ = 0.05

𝑌1′ = 𝑌1 − 2𝑌2 + 4 cos 𝑥 − 2 sin 𝑥 , 𝑌1 0 = 1

𝑌2′ = 3𝑌1 − 4𝑌2 + 5 cos 𝑥 − 5 sin 𝑥 , 𝑌2 0 = 2

Yang memilki solusi

𝑌1 𝑥 = cos 𝑥 + sin 𝑥 , 𝑌2 𝑥 = 2cos(𝑥)

Numerical Solution of Differential Equations 34

Metode Numerik untuk Sistem Persamaan diferensial

Tabel: Hasil dengan menggunakan metode euler

Numerical Solution of Differential Equations 35

Thank you guys for making silence during my presentation!

Numerical Solution of Differential Equations 36

Daftar rujukan

Atkinson K, Han W 2014 Elementary Numerical Analysis Third Edition

(John Wiley & Sons)

Numerical Solution of Differential Equations 37