AKAR PERSAMAAN

Metode Bracketing

GAMBAR PT2.1 Skema organisasi materi di Bagian Dua: Akar Persamaan.

Bab 6 mencakup metode terbuka. Metode ini juga melibatkan iterasi coba-coba yang sistematis
tetapi tidak mengharuskan tebakan awal mengurung akarnya. Kami akan menemukan bahwa
metode ini biasanya lebih efisien secara komputasi daripada metode bracketing tetapi tidak selalu
berhasil. Metode iterasi satu titik, Newton-Raphson, dan garis potong dijelaskan. Metode grafis
digunakan untuk memberikan wawasan geometris ke dalam kasus di mana

8.4 GESEK PIPA

209

Ini adalah persamaan diferensial biasa linier orde kedua yang dapat diselesaikan dengan
menggunakan

Metode kalkulus. Solusi ini diberikan oleh

(8.19)

2L

Waktu:

GAMBAR 8.3 Muatan pada kapasitor sebagai a

Fungsi waktu setelah saklar ditutup

Gambar 8.2
Dimana pada 10, q=40= VoC, dan Vo tegangan dari baterai pengisian. Persamaan (8.19)
menjelaskan variasi waktu muatan pada kapasitor. Solusi (7) adalah

Diplot pada Gambar. 8.3. Masalah desain teknik kelistrikan tipikal mungkin melibatkan penentuan
resistor yang tepat untuk menghilangkan energi pada laju tertentu, dengan nilai yang diketahui
untuk Tanah C. Untuk masalah ini, asumsikan muatan harus dihamburkan hingga I persen dari
nilai awalnya (q/qu = 0,01)

In = 0,05 s, dengan 1-5 H dan C-10-F

Larutan. Hal ini diperlukan untuk memecahkan Persamaan. (8.19) untuk R, dengan nilai q yang
diketahui. Q. L, dan C. Namun, teknik pendekatan numerik harus digunakan karena R merupakan
variabel implisit dalam Persamaan. (8.19). Metode bagi dua akan digunakan untuk tujuan ini.
Metode lain yang dibahas dalam Bab. 5 dan 6 juga sesuai, meskipun metode Newton-Raphson
mungkin dianggap tidak nyaman karena turunan dari Persamaan. (8.19) sedikit rumit. Mengatur
ulang Persamaan. (8.19).

F(R)= cos

21

Atau menggunakan nilai numerik yang diberikan,

f(R)=e005 cosi√2000-0,01R (0,05)1-0,01

(8.20))

Pemeriksaan persamaan ini menunjukkan bahwa kisaran awal yang masuk akal untuk R adalah 0
sampai 400

(karena 2000 -0,018 harus lebih besar dari nol). Gambar 8.4, sebidang Persamaan. (8.20),
menegaskan hal ini. Dua puluh satu iterasi dari metode bagi dua menghasilkan R= 328,1515 £2,
dengan kesalahan kurang dari 0,0001 persen.

Dengan demikian, Anda dapat menentukan resistor dengan peringkat ini untuk rangkaian yang
ditunjukkan pada Gambar. 8.2 dan
berharap untuk mencapai kinerja disipasi yang konsisten dengan persyaratan

masalah. Masalah desain ini tidak dapat diselesaikan secara efisien tanpa menggunakan numerik

metode dalam Bab. 5 dan 6.

8.4 GESEK PIPA (TEKNIK MEKANIKAL/AEROSPACE)

Latar belakang. Menentukan aliran fluida melalui pipa dan tabung memiliki relevansi yang besar di
banyak bidang teknik dan sains. Dalam teknik mesin dan kedirgantaraan, tipikal

aplikasi termasuk aliran cairan dan gas melalui sistem pendingin

Resistensi aliran dalam saluran tersebut diparameterisasi dengan angka tanpa dimensi

disebut faktor gesekan. Untuk aliran turbulen, persamaan Colebrook menyediakan sarana untuk
menghitung faktor gesekan,

118

AKAR PERSAMAAN

metode terbuka tidak berfungsi. Rumus dikembangkan yang memberikan gambaran seberapa
cepat terbuka

metode rumah di root. Pendekatan lanjutan, metode Brent, yang menggabungkan keandalan
bracketing dengan kecepatan metode terbuka dijelaskan. Selain itu, pendekatan untuk
memperluas metode Newton-Raphson ke sistem persamaan nonlinier dijelaskan. Bab 7
dikhususkan untuk menemukan akar polinomial. Setelah bagian latar belakang polinomial,
penggunaan metode konvensional (khususnya metode terbuka dari Bab 6) dibahas. Kemudian
dijelaskan dua metode khusus untuk menemukan akar polinomial: metode Müller dan metode
Bairstow. Bab ini diakhiri dengan informasi terkait pencarian akar dengan Excel, MATLAB, dan
Mathcad.
Bab & memperluas konsep di atas ke masalah teknik aktual. Studi kasus teknik digunakan untuk
mengilustrasikan kekuatan dan kelemahan masing-masing metode dan untuk memberikan
wawasan penerapan teknik dalam praktik profesional. Aplikasi juga menyoroti pertukaran
(sebagaimana dibahas di Bagian Satu) terkait dengan berbagai metode. Epilog disertakan di akhir
Bagian Dua. Ini berisi perbandingan rinci dari metode yang dibahas dalam Bab. 5, 6, dan 7.
Perbandingan ini mencakup deskripsi pertukaran yang terkait dengan penggunaan yang tepat dari
setiap teknik. Bagian ini juga menyediakan ringkasan rumus penting, bersama dengan referensi
untuk beberapa metode numerik yang berada di luar cakupan teks ini.

PT2.3.2 Maksud dan Tujuan

Tujuan Studi. Setelah menyelesaikan Bagian Dua, Anda harus memiliki informasi yang cukup untuk
berhasil mendekati berbagai masalah teknik yang berhubungan dengan akar persamaan. Secara
umum, Anda harus menguasai teknik, belajar menilai keandalannya, dan mampu memilih metode
(atau metode) terbaik untuk masalah tertentu. Selain tujuan umum ini, konsep khusus pada Tabel
PT2.2 harus diasimilasi untuk pemahaman yang komprehensif tentang materi di Bagian Dua

TABEL PT2.2 Tujuan studi khusus untuk Bagian Dua

Di bawah dan interpretasi grafis dari sebuah rool

2. Ketahui interpretasi grafis dari metode posisi salah dan mengapa metode ini biasanya lebih
unggul dari metode tersebut

metode belah dua

3. Memahami perbedaan antara metode bracketing dan metode terbuka untuk lokasi persegi 4
Linden dan konsep konvergensi dan divergensi, menggunakan metode grafis twouve untuk
memberikan inklusi visual dari konsep tersebut

5. Ketahui mengapa metode brocketing selalu bertemu, sedangkan metode poen terkadang
menyimpang

Sadarilah bahwa konvergen metode terbuka lebih mungkin terjadi jika tebakan in sal dekat
dengan akar que
7. Memahami konsep konvergensi linier dan kuadratik serta implikasinya terhadap efisiensi food
point theration dan metode Newton-Rophaan

8. Ketahui perbedaan mendasar antara metode false-position dan secant dan bagaimana
hubungannya dengan konvergensi

9. Memahami bagaimana metode Bient menggabungkan keandalan bagi dua dengan kecepatan
metode terbuka 10. Memahami masalah yang ditimbulkan oleh beberapa ruangan dan modifikasi
yang tersedia untuk menguranginya

Masalah. Masalah desain ini tidak dapat diselesaikan secara efisien tanpa menggunakan numerik

Metode dalam Bab. 5 dan 6.

8.4 GESEK PIPA (TEKNIK MEKANIKAL/AEROSPACE)

Latar Belakang Menentukan aliran fluida melalui pipa dan tabung memiliki relevansi yang besar
dalam banyak bidang teknik dan sains. Dalam teknik mesin dan kedirgantaraan, aplikasi tipikal
meliputi aliran cairan dan gas melalui sistem pendingin. Resistensi aliran dalam saluran tersebut
diparameterisasi dengan angka tanpa dimensi

Disebut faktor gesekan. Untuk aliran turbulen, persamaan Colebrook menyediakan cara untuk

Menghitung faktor gesekan,

2.51 Re√T

(8.21)

0= - + +2.0log + 3.7D

210

STUDI KASUS: AKAR PERSAMAAN

0,0

200

Akar-325

400

-0,2

-0,4

-0,6

Plot Persamaan. 18.20) digunakan untuk mendapatkan tebakan awal untuk R yang mengurung
akarnya

GAMBAR 8.4

Dimana & = kekasaran (m), D = diameter (m), dan Re = bilangan Reynolds,

Re pVD

Di mana p massa jenis fluida [kg/m³]. Vits kecepatan [m/s], dan = viskositas dinamis

DI/m]. Selain muncul di Persamaan. (8.21), bilangan Reynolds juga berfungsi sebagai

Kriteria apakah aliran bersifat turbulen (Re>4000).

Dalam studi kasus ini, kami akan mengilustrasikan bagaimana metode numerik yang tercakup
dalam bagian buku ini dapat digunakan untuk menentukan f untuk aliran udara melalui tabung
yang halus dan tipis. Untuk kasus ini, parameternya adalah p= 1,23 kg/m³, 1,79 x 10 N·s/m²,
D=0,005 m. V=40 m/s dan c = 0,0015 mm. Perhatikan bahwa faktor gesekan berkisar dari sekitar
0,008 hingga 0,08. Selain itu, formulasi eksplisit yang disebut persamaan Swamer-Jain
memberikan perkiraan perkiraan,

Nilai ini bersama dengan parameter lainnya dapat disubstitusikan ke Persamaan. (8.21) untuk
memberi

3,7(0,005) 13,743/

+ +2.0log Sebelum menentukan root, disarankan untuk memplot fungsi untuk estimasi awal

Tebakan dan untuk mengantisipasi kesulitan yang mungkin terjadi. Ini dapat dilakukan dengan
mudah dengan alat seperti MATLAB, Excel, atau Mathcad. Misalnya, sebidang fungsi dapat dibuat
dengan perintah MATLAB berikut

>> rho 1,23; mu=1.79e-5; D=0,005; V=40;e=0,0015/1000;

>> Re-rho*V*D/mu;

>>g=@(f) 1/sqrt(f)+2* log10(e/(3,7 Hari) +2,51/(Re*sqrt(f)));

>>fplot(g.[0.008 0.081).grid,xlabel(‘f’),ylabel(‘g(f)”) Seperti pada Gambar 8.5, akar terletak di

sekitar 0,03. Karena kita diberikan tebakan awal ( x)=0.008 dan x 0.08), salah satu dari metode
bracketing dari Bab: 5 dapat digunakan.Misalnya, bisection memberikan nilai

F=0.0289678 dengan persentase galat relatif 5.926 x 105 dalam 22 iterasi. Posisi salah
menghasilkan hasil presisi serupa dalam 26 iterasi. Jadi, meskipun mereka menghasilkan hasil
yang benar, mereka agak tidak efisien. Ini tidak akan menjadi penting untuk satu aplikasi, tetapi
bisa menjadi penghalang jika banyak evaluasi dilakukan.

Kami dapat mencoba mencapai peningkatan kinerja dengan beralih ke metode terbuka. Karena
Persamaan. (8.21) relatif mudah dibedakan, metode Newton-Raphson adalah kandidat yang baik.
Misalnya, dengan menggunakan tebakan awal di ujung bawah rentang (X=0,008), Newton-
Raphson konvergen dengan cepat ke 0,0289678 dengan perkiraan kesalahan 6,87 x 10% hanya
dalam 6 iterasi. Namun, saat tebakan awal ditetapkan di ujung atas rentang (x=0,08), rutin
menyimpang!

STUDI KASUS: AKAR PERSAMAAN

Seperti dapat dilihat dengan memeriksa Gambar 8.5, hal ini terjadi karena kemiringan fungsi pada
tebakan awal menyebabkan iterasi pertama melompat ke nilai negatif. Proses selanjutnya
menunjukkan bahwa untuk kasus ini, konvergensi hanya terjadi ketika tebakan awal di bawah
sekitar 0,066. Jadi kita dapat melihat bahwa meskipun Newton-Raphson sangat efisien, namun
membutuhkan tebakan awal yang baik. Untuk persamaan Colebrook, strategi yang baik mungkin
menggunakan persamaan Swamee-Jain (Persamaan 8.22) untuk memberikan tebakan awal seperti
pada

1.325

0,0000015 5,74

0,029031

8.7(0.005) 137430 Untuk kasus ini, Newton-Raphson konvergen hanya dalam 3 iterasi dengan
cepat ke 0.0289678 dengan

Perkiraan kesalahan 8,51 x 10-10. Selain fungsi buatan sendiri, kami juga dapat menggunakan
pencari akar profesional seperti fungsi fzero bawaan MATLAB. Namun, seperti halnya dengan
metode Newton-Raphson,

Divergensi juga terjadi ketika fungsi fzero digunakan dengan tebakan tunggal. Namun, dalam
kasus ini, tebakan di ujung bawah rentang menyebabkan masalah. Sebagai contoh,

>> rho=1,23; mu=1.79e-5; D=0,005;V=40;e=0,0015/1000;

>> Re=rho*V*D/mu

>>g=@(f) 1/sqrt(f)+2*log10(e/(3.7*D)+2.51/(Re*sqrt(f)));

>>fzera(g,0.008)

Keluar dari fzero: membatalkan pencarian interval yang berisi a

Tanda berubah karena nilai fungsi kompleks ditemui

Selama pencarian. (Nilai fungsi pada -0,0028 adalah -4,92028-

20.24231.)

Periksa fungsi atau coba lagi dengan nilai awal yang berbeda. An =

NaN

Jika iterasi ditampilkan menggunakan optimset (ingat bagian 7.7.2), terungkap bahwa nilai negatif
terjadi selama fase pencarian sebelum perubahan tanda terdeteksi dan rutinitas dibatalkan.
Namun, untuk satu tebakan awal di atas sekitar 0,016, rutinitas tersebut bekerja dengan baik.
Misalnya, untuk tebakan 0,08 yang menyebabkan masalah bagi Newton-Raphson, fzero baik-baik
saja,

>> fzero(g.0.08)

Tahun = 0,02896781017144

Sebagai catatan terakhir, mari kita lihat apakah konvergensi dimungkinkan untuk iterasi titik tetap
sederhana. Versi termudah dan paling mudah melibatkan penyelesaian untuk sirip pertama

Persamaan. (8.21),
0,25

(108 ( 3,75 +1 2,51 Isi Ulang

(8.23)

Tampilan dua kurva dari fungsi ini yang digambarkan menunjukkan hasil yang mengejutkan (Gbr.
8.6). Ingatlah bahwa iterasi titik tetap konvergen ketika kurva y memiliki kemiringan yang relatif
datar

Keluar dari fzero: membatalkan pencarian interval yang berisi perubahan tanda karena nilai fungsi
kompleks ditemui

Selama pencarian. (Nilai fungsi pada -0,0028 adalah -4,92028-

20.24231.)

Periksa fungsi atau coba lagi dengan nilai awal yang berbeda.

Ans = NaN

Jika iterasi ditampilkan menggunakan optimset (ingat Sec, 7.7.2), terungkap bahwa nilai negatif
muncul selama fase pencarian sebelum perubahan tanda terdeteksi dan rutinitas dibatalkan.
Namun, untuk satu tebakan awal di atas sekitar 0,016, rutinitas tersebut bekerja dengan baik.
Misalnya, untuk tebakan 0,08 yang menimbulkan masalah bagi Newton-Raphson, fzero
melakukannya

Baik baik saja.

>> fnol(8,0.08)

Tahun =
0,02896781017144

Sebagai catatan terakhir, mari kita lihat apakah konvergensi dimungkinkan untuk iterasi titik tetap
sederhana. Versi termudah dan paling mudah melibatkan penyelesaian untuk Persamaan sirip
pertama. (8.21),

0,25

(8.23)

2.51

3.7D Re

Tampilan dua kurva dari fungsi ini yang digambarkan menunjukkan hasil yang mengejutkan (Gbr.
8.6). Ingatlah bahwa iterasi titik tetap konvergen ketika kurva y memiliki kemiringan yang relatif
datar

MASALAH

213

0,05

0,04

0,03

[Sedikit [

0,02

0,01
0,02

0,04

0,06

0,08

GAMBAR 8.6

(i...g’() < 1). Seperti yang ditunjukkan oleh Gambar 8.6, fakta bahwa kurva y cukup datar dalam
rentang dari /= 0,008 hingga 0,08 berarti bahwa iterasi titik tetap tidak hanya konvergen, tetapi
juga konvergen cukup cepat! Faktanya, untuk tebakan awal antara 0,008 dan 0,08, iterasi titik
tetap menghasilkan prediksi dengan persen kesalahan relatif kurang dari 0,008% dalam enam atau
lebih sedikit iterasi. Dengan demikian, pendekatan sederhana yang hanya membutuhkan satu
tebakan dan tidak ada perkiraan turunan ini bekerja dengan sangat baik untuk kasus khusus ini.

Pesan yang dapat dibawa pulang dari studi kasus ini adalah bahwa bahkan hebat, dikembangkan
secara profesional

Perangkat lunak seperti MATLAB tidak selalu mudah. Selanjutnya, biasanya tidak ada metode
tunggal

Yang bekerja paling baik untuk semua masalah. Pengguna yang canggih memahami kekuatan dan
kelemahan

Teknik numerik yang tersedia. Selain itu, mereka cukup memahami yang mendasarinya

Teori sehingga mereka dapat secara efektif menangani situasi di mana metode rusak.

MASALAH

Rekayasa Kimia/Bio
Aliran produk sehingga kembali ke pintu masuk untuk lintasan tambahan melalui reaktor (Gbr.
P8.3). Tingkat daur ulang didefinisikan sebagai

8.1 Lakukan perhitungan yang sama seperti di Sec. 8,1, tetapi untuk aseton (14,09 dan 60,0994)
pada suhu 400 K dan puf 25 lengan. Bandingkan hasil Anda dengan hukum gas ideal. Gunakan
salah satu dari

Volume cairan kembali ke volume masuk meninggalkan sistem

Metode numerik yang dibahas dalam Bab. 5 dan 6 untuk melakukan perhitungan. Membenarkan
pilihan teknik Anda. 8. Dalam teknik kimia, reaktor aliran sumbat (yaitu, di mana fluida mengalir
dari satu ujung ke ujung lainnya dengan pencampuran minimal sepanjang sumbu longitudinal)
sering digunakan untuk mengubah reaktan menjadi produk. Telah ditentukan bahwa efisiensi
konversi kadang-kadang dapat ditingkatkan dengan mendaur ulang sebagian dari kebutuhan yang
harus dipenuhi

Misalkan kita memproses bahan kimia A menjadi gen Untuk kasus di mana A membentuk B
menurut au (yaitu, di mana salah satu produk bertindak sebagai c untuk reaksi), dapat ditunjukkan
bahwa op

Diskusi tentang metode ini serta teknik lain untuk menemukan akar polinomial. Seperti yang
dibahas dalam teks, metode Jenkins-Traub dan Laguerre digunakan secara luas. Singkatnya, hal
tersebut di atas dimaksudkan untuk memberi Anda jalan untuk eksplorasi subjek yang lebih
dalam. Selain itu, semua referensi di atas memberikan gambaran tentang teknik dasar yang
tercakup dalam Bagian Dua. Kami mendorong Anda untuk berkonsultasi dengan sumber-sumber
alternatif ini untuk memperluas pemahaman Anda tentang metode numerik untuk lokasi akar.

Buku hanya direferensikan oleh penulis hoy, bibliografi lengkap akan ditemukan di bagian
belakang teks ini