i Numerik
Diferensiasi
Numerik
Nama anggota
kelompok 6 :
Muhammad Yayang Subekti
Ikrof Bayu Heka Rahmat
Dwi Bagas Prayoga
Salsabila
Ahmad Abdul Rohib
Bekti Utomo
21.1 INTRODUCTION AND
BACKGROUND
● Kalkulus adalah matematika perubahan. Berdiri di jantung kalkulus
adalah konsep matematika diferensiasi.
● Menurut definisi kamus, membedakan berarti “menandai dengan
perbedaan; membedakan; . . . untuk merasakan perbedaan di dalam atau
di antara.” Secara matematis, turunan, yang berfungsi sebagai
kendaraan fundamental untuk diferensiasi, mewakili tingkat perubahan
variabel dependen terhadap variabel independen. Seperti yang
digambarkan pada Gambar 21.1, definisi matematis dari turunan dimulai
dengan pendekatan perbedaan:
Di mana y dan f (x) adalah perwakilan alternatif untuk variabel dependen dan x adalah variabel
independen. Jika x dibiarkan mendekati nol, seperti yang terjadi pada perpindahan dari Gambar
21.1a
Di mana dy/dx [yang juga dapat dinyatakan sebagai y atau adalah turunan pertama dari y terhadap x
yang dievaluasi pada xi . Seperti terlihat pada penggambaran visual Gambar 21.1c, turunannya adalah
kemiringan garis singgung kurva di xi.
Turunan kedua merupakan turunan dari turunan pertama,
Jadi, turunan kedua memberitahu kita seberapa cepat kemiringan berubah. Hal ini biasa disebut
sebagai kelengkungan, karena nilai turunan kedua yang tinggi berarti kelengkungan yang tinggi.
Akhirnya, turunan parsial digunakan untuk fungsi yang bergantung pada lebih dari satu variabel.
Turunan parsial dapat dianggap sebagai mengambil turunan dari fungsi pada suatu titik dengan semua
kecuali satu variabel tetap konstan. Sebagai contoh, diberikan fungsi f yang bergantung pada x dan y,
turunan parsial f terhadap x pada titik sembarang (x, y) didefinisikan sebagai :
Demikian pula, turunan parsial dari f terhadap y didefinisikan sebagai :
di x = 0,5 menggunakan perbedaan hingga dan ukuran langkah h = 0,25. Hasilnya diringkas dalam
tabel berikut. Perhatikan bahwa kesalahan didasarkan pada nilai sebenarnya dari f’(0,5) = 0,9125.
Ulangi perhitungan ini, tetapi gunakan rumus akurasi
tinggi dari Gambar 21.3 sampai Gambar 21.5 dengan
rumus selisih hingga ke depan dan ke belakang.
Ada dua cara untuk meningkatkan estimasi turunan ketika menggunakan perbedaan terbatas:
(1) kurangi ukuran langkah atau
(2) gunakan rumus tingkat tinggi yang mempekerjakan lebih banyak poin.
Pendekatan ketiga, berdasarkan ekstrapolasi Richardson, menggunakan dua perkiraan turunan
untuk menghitung perkiraan ketiga yang lebih akurat. ekstrapolasi Richardson menyediakan sarana
untuk mendapatkan peningkatan estimasi integral dengan rumus
(21.1)
di mana I(h1) dan I(h2) merupakan taksiran integral menggunakan dua ukuran langkah: h 1 dan h2.
Karena
kenyamanannya ketika dinyatakan sebagai algoritma komputer, rumus ini biasanya ditulis
untuk kasus di mana h2 = h1/2, seperti pada
(21.2)
f (x) = f (x0) 2x x1 x2 (x0 x1)(x0 x2) + f (x1) 2x x0 x2 (x1 x0)(x1 x2) + f (x2) 2x x0 x1 (x2 x0)(x2 x1)
f (x) = f (x0) 2x x1 x2 (x0 x1)(x0 x2) + f (x1) 2x x0 x2 (x1 x0)(x1 x2) + f (x2) 2x x0 x1 (x2 x0)(x2 x1)
Di mana x adalah nilai di mana Anda ingin memperkirakan turunannya. Meskipun persamaan ini
adalah tentu saja lebih rumit daripada pendekatan turunan pertama dari Gambar 21.3 sampai
Gambar 21.5, memiliki beberapa keunggulan penting. Pertama, dapat memberikan perkiraan di mana
saja dalam kisaran yang ditentukan oleh tiga poin. Kedua, poin itu sendiri tidak memiliki agar berjarak
sama. Ketiga, taksiran turunan memiliki akurasi yang sama dengan yang dipusatkan perbedaan
[Persamaan. (4.25)]. Sebenarnya, untuk titik-titik yang berjarak sama, Persamaan. (21.21) dievaluasi
pada x = x1 re- mengurangi Persamaan. (4.25).
Pernyataan masalah. Seperti pada Gambar. 21.6, gradien suhu dapat diukur ke dalam tanah. Fluks panas pada
antarmuka tanah-udara dapat dihitung dengan hukum Fourier (Tabel 21.1): q(z = 0) = k dT dz z=0
f (0) = 13,5 2(0) 0,0125 0,0375 (0 0,0125)(0 0,0375) + 12 2(0) 0 0,0375 (0,0125 0)(0,0125 0,0375) +
10 2(0) 0 0,0125 (0,0375 0) (0,0375 0,0125) = 1440 + 1440 133.333 = 133,333 K /m
Amplifikasi kesalahan terjadi karena diferensiasi bersifat subtraktif. Oleh karena itu, kesalahan positif
dan negatif acak cenderung bertambah. Pendeketan utama untuk menentukan derivatif untuk data
yang tidak tepat adalah dengan menggunakan regresi kuadrat terkecil agar sesuai dengan fungsi data
yang halus dan dapat dibedakan. Jika hubungan fungsional yang benar antara variabel dependen dan
independen diketahui, hubungan ini harusnya membentuk dasar untuk kuadrat terkecil yang cocok
atau serupa.
21.6 DERIVATIF PARSIAL
Derivatif parsial sepanjang satu dimensi dihitung dengan cara
yang sama seperti derivatif biasa. Sebagai contoh, misalkan
kita ingin menentukan turunan parsial untuk fungsi dua dimensi
f (x, y). Untuk data yang sama spasinya, turunan pertama
parsial dapat be diperkirakan dengan perbedaan terpusat:
fx = gradien (f)
di mana f = vektor satu dimensi dengan panjang n, dan fx adalah vektor dengan panjang n yang
mengandung perbedaan berdasarkan f. Sama seperti fungsi diff, nilai pertama yang dikembalikan
adalah selisih antara nilai pertama dan kedua. Namun, untuk nilai-nilai antara, perbedaan terpusat
berdasarkan nilai-nilai yang berdekatan dikembalikan
Nilai terakhir kemudian dihitung sebagai perbedaan antara dua nilai terakhir. Oleh karena itu, hasilnya
mirip dengan menggunakan perbedaan terpusat untuk semua nilai antara, dengan forward
dan perbedaan ke belakang di ujungnya. Perhatikan bahwa jarak antar titik diasumsikan satu. Jika vektor
mewakili data dengan jarak yang sama, versi berikut membagi semua hasil dengan interval dan karenanya
mengembalikan nilai sebenarnya dari turunan,
fx = gradient(f, h) dimana h = jarak antar titik
[fx,fy] = gradient(f, h)
di mana fx sesuai dengan perbedaan dalam arah x (kolom), dan fy sesuai terhadap perbedaan
arah y (baris), dan h = jarak antar titik. Jika h adalah dihilangkan, jarak antara titik di kedua
dimensi dianggap satu. Berikutnya bagian, kami akan menggambarkan bagaimana gradien dapat
digunakan untuk memvisualisasikan bidang vector.
Latar belakang.
z = f (x, y)
di mana z = ketinggian, x = jarak yang diukur sepanjang sumbu timur-barat, dan y = jarak
diukur sepanjang sumbu utara-selatan.
Terima
kasih