KATA PENGANTAR Segala puji syukur kehadirat Allah SWT yang telah melimpahkan nikmatNya, sehingga penulisan buku ajar yang berjudul ”Pengantar Metode Numerik” dapat diselesaikan dengan baik. Buku ajar ini disusun untuk memenuhi kebutuhan mahasiswa di dalam mengikuti mata kuliah Metode Numerik, yang isinya disusun secara sistematis dan dilengkapi dengan contoh-contoh soal beserta penyelesainnya yang bertujuan untuk mempermudah mahasiswa dalam mempelajari materi-materi kuliah yang telah diberikan. Pada setiap akhir bagian atau sub-sub diberikan latihan-latian soal yang dimaksudkan untuk memperdalam dan memperluas pemahaman mahasiswa, sehingga hasil yang dicapai menjadi optimal. Mudah-mudahan dengan adanya buku ajar ini dapat memberikan manfaat kepada pembaca, khususnya mahasiswa yang mengambil mata kuliah Metode Numerik, dan sekaligus dapat memberikan kontribusi terhadap pengembangan kurikulum Jurusan Matematika, Fakultas Sains dan Teknologi UIN SUSKA Riau. Penulis menyadari bahwa dalam penulisan buku ajar ini masih terdapat kekurangan. Untuk itu, penulis berharap adanya masukan, saran dan kritik yang membangun dalam rangka penyempurnaan penulisan buku selanjutnya. Terakhir, ucapan terima kasih kepada pihak-pihak yang telah memberikan masukan, kritikan dan sarannya, semoga menjadi amal kebaikan di sisi Allah SWT. Pekanbaru, September 2008 Penulis i ii DAFTAR ISI KATA PENGANTAR i DAFTAR ISI iii DAFTAR GAMBAR vii DAFTAR TABEL ix 1 KONSEP DASAR 1 1.1 Pengantar Kalkulus Dasar . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Evaluasi Polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.3 Representasi Bilangan Komputer . . . . . . . . . . . . . . . . . . . . . . 14 2 ANALISIS GALAT 1 19 2.1 Definisi dan Pengertian . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.2 Sumber Galat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.3 Sumber Galat Numerik . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.4 Orde Hampiran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 2.5 Perambatan Galat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 3 PENYELESAIAN SISTEM LINEAR 39 3.1 konsep Dasar Sistem Persamaan Linear . . . . . . . . . . . . . . . . . . 39 3.2 Elemninasi Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 3.3 Faktorisasi Matriks LU . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 3.4 Metode Iterasi untuk Sistem Linear . . . . . . . . . . . . . . . . . . . . . 53 4 AKAR-AKAR PERSAMAAN NONLINEAR iii 59 4.1 Metode Bagidua . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 4.2 Metode Newton-Raphson . . . . . . . . . . . . . . . . . . . . . . . . . . 67 4.3 Metode Secant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 5 INTERPOLASI 83 5.1 Pengantar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 5.2 Interpolasi Polinom Lagrange . . . . . . . . . . . . . . . . . . . . . . . . 86 5.2.1 Interpolasi Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 5.2.2 Interpolasi Kuadratik . . . . . . . . . . . . . . . . . . . . . . . . 91 5.2.3 Interpolasi Derajat Tinggi . . . . . . . . . . . . . . . . . . . . . . 94 5.3 Selisih Terbagi Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 5.4 Galat Interpolasi Polinom . . . . . . . . . . . . . . . . . . . . . . . . . . 107 5.5 Polinom Newton-Gregory . . . . . . . . . . . . . . . . . . . . . . . . . . 108 5.5.1 5.6 Polinom Newton-Gregory Maju . . . . . . . . . . . . . . . . . . . 108 Interpolasi Splin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 6 INTEGRASI NUMERIK 123 6.1 Pengertian dan Konsep Dasar . . . . . . . . . . . . . . . . . . . . . . . . 123 6.2 Metode Pias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 6.3 6.4 6.2.1 Kaidah Titik Tengah (Midpoint Rule) . . . . . . . . . . . . . . . 125 6.2.2 Kaidah Trapesium(Trapesium Rule) . . . . . . . . . . . . . . . . 126 Metode Newton-Cotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 6.3.1 Kaidah Trapesium . . . . . . . . . . . . . . . . . . . . . . . . . . 132 6.3.2 Kaedah Simpson 1/3 . . . . . . . . . . . . . . . . . . . . . . . . . 133 6.3.3 Kaedah Simpson 3/8 . . . . . . . . . . . . . . . . . . . . . . . . . 137 6.3.4 Kaedah Boole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139 Penggunaan Ekstrapolasi . . . . . . . . . . . . . . . . . . . . . . . . . . 142 6.4.1 Ekstrapolasi Richardson . . . . . . . . . . . . . . . . . . . . . . . 142 6.4.2 Ekstrapolasi Aitken . . . . . . . . . . . . . . . . . . . . . . . . . 145 6.5 Integrasi Numerik Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . 146 6.6 Integral Tak Wajar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153 7 PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA SECARA iv NUMERIK 7.1 7.2 161 Persamaan Diferensial Orde Satu . . . . . . . . . . . . . . . . . . . . . . 161 7.1.1 Persamaan Dengan Variabel Terpisah . . . . . . . . . . . . . . . 161 7.1.2 Persamaan Homogen . . . . . . . . . . . . . . . . . . . . . . . . . 163 Metode Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165 7.2.1 Tafsiran Metode Euler . . . . . . . . . . . . . . . . . . . . . . . . 165 7.2.2 Analisis Galat Metode Euler . . . . . . . . . . . . . . . . . . . . 166 7.3 Metode Heun (Perbaikan Metode Euler) . . . . . . . . . . . . . . . . . . 173 7.4 Metode Taylor Orde Tinggi . . . . . . . . . . . . . . . . . . . . . . . . . 178 7.5 Metode Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183 7.6 Metode Banyak Langkah . . . . . . . . . . . . . . . . . . . . . . . . . . . 188 7.6.1 Metode Adam-Bashford . . . . . . . . . . . . . . . . . . . . . . . 189 7.6.2 Metode Adam-Moulton . . . . . . . . . . . . . . . . . . . . . . . 190 DAFTAR PUSTAKA 195 v vi DAFTAR GAMBAR 1.1 Pendekatan polinomial Taylor orde ke-1, 3 dan 5 terhadap fungsi f (x) = ex disekitar x0 = 0. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Pendekatan polinomial Taylor orde ke-1, 3 dan 5 terhadap fungsi f (x) = ex disekitar x0 = 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3 8 Pendekatan polinomial Taylor orde ke-3 dan 5 terhadap fungsi f (x) = ln(x + 1). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1 6 Pendekatan polinomial Taylor orde ke-1, 2 dan 3 terhadap fungsi f (x) = ln(x) di sekitar x0 = 0. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4 5 9 Skematik metode Bagidua pada kurva y = f (x) yang memotong sumbu x di α. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 4.2 Kurva y = f (x) yang mempunyai akar berjumlah ganjil. . . . . . . . . . 64 4.3 Polinom yang mempunyai akar ganda . . . . . . . . . . . . . . . . . . . 65 4.4 Interval [a, b] yang memuat titik singular kurva y = f (x) . . . . . . . . . 65 4.5 Skematik metode Newton-Raphson pada kurva y = f (x) yang memotong sumbu x di α. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 4.6 Konvergensi yang terjadi pada metode Newton . . . . . . . . . . . . . . 71 4.7 Skematik metode Secant pada kurva y = f (x) yang memotong sumbu x di α. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1 79 Interpolasi (garis tebal) dan ekstrapolasi (garis tipis) terhadap titik-titik yang diberikan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 5.2 Interpolasi linear y = P1 (x) . . . . . . . . . . . . . . . . . . . . . . . . . 87 5.3 Interpolasi kuadratik y = P2 (x) . . . . . . . . . . . . . . . . . . . . . . 91 5.4 Interpolasi polinomial kuadratik y = P2 (x) terhadap fungsi f = 1/x . . 95 vii 5.5 Interpolasi kubik y = P3 (x) . . . . . . . . . . . . . . . . . . . . . . . . . 5.6 y = l(x), interpolasi linear sesepenggal . . . . . . . . . . . . . . . . . . . 116 5.7 y = P6 (x), interpolasi linear derajat enam . . . . . . . . . . . . . . . . . 117 5.8 y = q(x), interpolasi kuadratik sesepenggal . . . . . . . . . . . . . . . . 117 6.1 Luasan daerah yang dibatas oleh kurva y = f (x) di dalam interval [a, b]. 123 6.2 Luasan daerah yang dibatas oleh kurva y = f (x) di dalam interval [a, b] dengan kaidah Titik Tengah dengan satu sub-interval 6.3 97 . . . . . . . . . . 125 Luasan daerah yang dibatas oleh kurva y = f (x) di [a, b] dengan kaidah Titik Tengah . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 6.4 Luasan daerah yang dibatas oleh kurva y = f (x) pada interval [a, b] dengan kaidah Trapesium. . . . . . . . . . . . . . . . . . . . . . . . . . . 127 6.5 Luasan daerah yang dibatas oleh kurva y = f (x) pada interval [a, b] dengan n sub-interval. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 6.6 Pendekatan Polinom P1 (x) terhadap Luasan daerah yang dibatas oleh kurva y = f (x) di dalam interval [0, h] dengan Kaidah Trapesium . . . . 132 6.7 Pendekatan Polinom P2 (x) terhadap Luasan daerah yang dibatas oleh kurva y = f (x) di dalam interval [0, h] dengan kaedah Simpson 1/3 . . . 135 6.8 Integral f (x) pada interval [−1, 1] yang didekati dengan kuadratur Gauss 147 6.9 Kurva y = f (x) singular pada sisi kiri x = a. . . . . . . . . . . . . . . . 153 6.10 Tranformasi bentuk fungsi y = f (x) . . . . . . . . . . . . . . . . . . . . 156 7.1 Kurva persamaan x2 9 + y2 4 = C dengan C = 1 dan C = 2. . . . . . . . . 162 viii DAFTAR TABEL 2.1 Nilai-nilai persamaan (2.2) menggunakan enam angka . . . . . . . . . . 24 2.2 Nilai-nilai persamaan (2.5) menggunakan enam angka . . . . . . . . . . 25 2.3 Nilai-nilai persamaan (2.6) menggunakan tiga digit aritmetik . . . . . . 31 3.1 Konvergensi Iterasi jacobi untuk sistem linear (5.4) . . . . . . . . . . . . 55 3.2 Konvergensi Iterasi Gauss-Seidel untuk sistem linear (3.28) . . . . . . . 57 4.1 Hasil hampiran metode bagidua untuk f (x) = ex − 5x2 dengan toleransi ε = 0, 001 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Hasil hampiran metode bagidua untuk f (x) = x6 63 − x − 1 = 0 dengan toleransi ε = 0, 001 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 4.3 Perhitungan akar persamaan f (x) = x6 − x − 1 dengan nilai awal x0 = 1, 5 72 4.4 Perhitungan akar persamaan f (x) = ex − 5x2 dengan nilai awal x0 = 1 . 4.5 Perbadingan kecepatan konvergensi Newton-Raphson baku dan modifikasi pada kasus f (x) = x3 − 5x2 + 7x − 3 dengan nilai awal x0 = 0 . . 4.6 81 Hasil perhitungan enam suku pertama polinomial Taylor terhadap fungsi f (x) = ex disekitar x = 0 . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 77 Perbadingan kecepatan konvergensi Newton-Raphson baku dan modifikasi pada kasus f (x) = x3 − 5x2 + 7x − 3 dengan nilai awal x0 = 0 . . 5.1 76 Perbadingan kecepatan konvergensi Newton-Raphson baku dan modifikasi pada kasus f (x) = x3 + 4x2 − 10 dengan nilai awal x0 = 1, 5 . . . 4.7 73 84 Hasil perhitungan enam suku pertama polinomial Taylor terhadap fungsi f (x) = 1/x disekitar x0 = 1 . . . . . . . . . . . . . . . . . . . . . . . . . ex 85 5.3 Perkiraann nilai-nilai dari fungsi . . . . . . . . . . . . . . . . . . . . . 90 5.4 Nilai-nilai dari f (x) = ex . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 ix 5.5 Selisih terbagi Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 5.6 Nilai-nilai f (x) = ex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 5.7 Tabel Selisih Terbagi Newton orde 4 . . . . . . . . . . . . . . . . . . . . 106 5.8 Tabel Selisih Terbagi Newton orde 4 . . . . . . . . . . . . . . . . . . . . 111 5.9 Selisih Terbagi Pusat Newton . . . . . . . . . . . . . . . . . . . . . . . . 112 5.10 Tabel Selisih Terbagi Newton orde 4 . . . . . . . . . . . . . . . . . . . . 113 5.11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 6.1 Nilai-nilai f (xi ) untuk f (x) = ex dengan lebar sub-interval 0, 2 . . . . . 130 6.2 Nilai-nilai dari kaedah Trapesium . . . . . . . . . . . . . . . . . . . . . . 144 6.3 Hasil pendekatan kuadratur Gauss-Legendre untuk n = 2, 3, 4, 5 dan n = 6150 6.4 Nilai hampiran G(x) dengan h = 0, 25 . . . . . . . . . . . . . . . . . . . 155 7.1 Metode Euler dengan h = 0, 1 . . . . . . . . . . . . . . . . . . . . . . . . 169 7.2 Metode Euler dengan h = 0, 05 . . . . . . . . . . . . . . . . . . . . . . . 169 7.3 Metode Euler dengan h = 0, 1 . . . . . . . . . . . . . . . . . . . . . . . . 170 7.4 Metode Euler dengan h = 0, 05 . . . . . . . . . . . . . . . . . . . . . . . 171 7.5 Metode Heun dengan h = 0, 1 untuk solusi y = 2xy . . . . . . . . . . . 176 7.6 Metode Heun dengan h = 0, 05 untuk solusi y = 2xy . . . . . . . . . . . 177 7.7 Metode Heun dengan h = 0, 1 untuk solusi y = (x + y − 1)2 . . . . . . . 177 7.8 Metode Heun dengan h = 0, 05 untuk solusi y = (x + y − 1)2 . . . . . . 178 7.9 Metode Runge-Kutta dengan h = 0, 1 untuk solusi y = 2xy . . . . . . . 186 7.10 Perbandingan metode Euler, Heun dan Runge-Kutta untuk solusi y = 2xy dengan h = 0, 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187 7.11 Perbandingan metode Adam-Bashfor 4 langkah dan Adam-Moulton 3 langkah untuk solusi y = y − t2 + 1 dengan h = 0, 2 . . . . . . . . . . . 192 x BAB 1 KONSEP DASAR 1.1 Pengantar Kalkulus Dasar Pengembangan metode numerik tidak terlepas dari peran serta beberapa definisi dan teorema dalam kalkulus yang berkenaan dengan fungsi-fungsi polinomial f (x). Oleh karena itu, beberapa defenisi dan teorema akan dibahas kembali sebagai berikut. Teorema 1.1 Nilai Tengah Jika f (x) adalah fungsi kontinu pada interval [a, b] dan didefenisikan m = inf f (x) a≤x≤b dan M = sup f (x) maka sebarang ξ pada interval [m, M ], sehingga paling sedikit a≤x≤b satu titik ζ di dalam interval [a, b] akan dipenuhi f (ξ) = ζ. Teorema 1.2 Nilai Rata-rata Jika f (x) adalah fungsi kontinu pada interval [a, b] dan terdeferensialkan pada interval (a.b), maka paling sedikit ada satu titik ξ dalam (a, b) yang memenuhi f (b) − f (a) = f (ξ)(b − a). Teorema 1.3 Integral Nilai Rata-rata Jika w(x) adalah fungsi tak negatif dan terintegralkan pada interval [a, b] dan misalkan f (x) kontinu pada [a, b], maka b b w(x)f (x)dx = f (ξ) a untuk semua ξ ∈ [a, b] w(x)dx a . 2 Bab 1 Konsep Dasar Pada persolaan matematika, terdapat beberapa fungsi f (x) yang bentuknya komplek sehingga tidak dapat ditentukan nilai eksaknya dengan cara yang lebih sederhana. Misalnya f (x) = ex , dan kita akan mengalami kesulitan untuk menghitung nilai f (x) tanpa bantuan komputer atau kalkulator. Untuk itu, fungsi f (x) akan didekati dengan polinom hampiran, karena polinom adalah fungsi yang paling mudah dipahami kelakuannya. Misalkan f kontinu dan terdeferensiabel untuk f , f , f (3) , · · · pada selang [a, b]. Jika diberikan x0 ∈ [a, b], maka untuk nilai-nilai x di sekitar x0 , maka f (x) dapat diperluas, (x − x0 ) (x − x0 ) (x − x0 ) f (x0 ) + f (x0 ) + f (x0 ) + · · · 1! 2! 3! (x − x0 ) (n) f (x0 ) + · · · (1.1) + n! f (x) = f (x0 ) + Oleh karena deret Taylor tak terhingga banyaknya, maka untuk hampiran orde ke-n, disebut deret Taylor terpotong yang ditulis, (x − x0 ) (x − x0 ) (x − x0 ) f (x0 ) + f (x0 ) + f (x0 ) + · · · 1! 2! 3! (x − x0 ) n (1.2) f (x0 ) + R(n) (x) + n! f (x) = f (x0 ) + dengan Rn (x) = (x − x0 )n+1 (n+1) f (ξ(x)), x0 < ξ < x (n + 1)! disebut galat atau sisa orde ke-n. Dengan demikian deret Taylor yang dipotong sampai suku orde ke-n dapat ditulis kembali dalam bentuk, f (x) = Pn (x) + Rn (x) dengan, Pn (x) = n (x − x0 )k (k) f (x0 ) k=1 k! Dalam hal ini, Pn (x) disebut Polinomial Taylor ke-n untuk f di sekitar x0 dan Rn (x) disebut suku sisa (galat pemotongan) yang berhubugan dengan Pn (x). Deret tak hingga Taylor diperoleh dengan mengambil limit Pn (x) untuk n → ∞ yang disebut deret Taylor untuk f di sekitar x0 . Untuk kasus khusus, jika fungsi f (x) diperluas di 1.1 Pengantar Kalkulus Dasar 3 sekitar x0 = 0, maka deretnya disebut deret MacLaurin, sehingga persamaan (1.2) menjadi, x x x x f (0) + f (0) + f (0) + · · · + f (n) (0) 1! 2! 3! n! +Rn (x) f (x) = f (0) + (1.3) Teorema 1.4 Teorema Taylor Jika f (x) mempunyai n + 1 turunan kontinu pada interval [a, b] untuk beberapa n ≥ 0 dan bila x, x0 ∈ [a, b], maka f (x) ≈ Pn (x) + Rn+1 (x) (1.4) dengan Pn (x) = f (x0 ) + (x − x0 )f (x0 ) + (x − x0 )2 (x − x0 )n (n) f (x0 ) + · · · + f (x0 ) 2! n! (1.5) dan Rn+1 (x) = = 1 x (x − t)n f (n+1) (t)dt n x0 (x − x0 )n+1 (n+1) f (ξ(x)) (n + 1)! (1.6) Deret Taylor tersebut menjadi konsep dasar metode numerik. Beberapa pendekatan numerik dihasilkan dari pemenggalan deret Taylor. Contoh 1.1 Dekati fungsi f (x) = ex dengan polinomial orde ke-1, 3 dan 5 disekitar x0 = 0. Penyelesaian: f (x) = ex , f (x) = ex , f (x) = ex , · · · , f (5) (x) = ex . Berdasarkan persamaan (1.2), 4 Bab 1 Konsep Dasar pendekatan deret Taylor orde ke-1, (x − 0) (x − 0)2 ζ + e 1! 2! 1 2 ξ x e = 1 + x + 2 ex = e0 + P1 R1 dan pendekatan polinomial Taylornya adalah, ex ≈ 1 + x Pendekatan deret Taylor orde ke-3, (x − 0) 0 (x − 0)2 0 (x − 0)3 0 (x − 0)4 ζ e + e + e + e 1! 2! 3! 4! 1 1 x4 = 1 + x + x2 + x3 + eζ 2 6 24 ex = e0 + P3 R3 dan pendekatan polinomial Taylornya adalah, 1 ex ≈ 1 + x + x2 2 Pendekatan polinomial Taylor orde ke-5, (x − 0) 0 (x − 0)2 0 (x − 0)3 0 (x − 0)4 0 e + e + e + e 1! 2! 3! 4! (x − 0)5 0 (x − 0)6 ζ e + e + 5! 6! 1 1 1 1 5 x5 ζ x + e = 1 + x + x2 + x3 + x4 + 2 6 24 120 720 ex = e0 + P5 R5 dan pendekatan polinomialnya adalah, 1 1 1 1 5 x ex ≈ 1 + x + x2 + x3 + x4 + 2 6 24 120 Gambar 1.1 menunjukkan secara geometri daripada pendekatan polinomial Taylor orde ke-1, 3, dan 5 terhadap fungsi f (x) = ex . 1.1 Pengantar Kalkulus Dasar 5 Y f (x) = ex 12 9 P5 x 6 P3 x P1 x 3 X -2 -1 0 1 2 Gambar 1.1 Pendekatan polinomial Taylor orde ke-1, 3 dan 5 terhadap fungsi f (x) = ex disekitar x0 = 0. Contoh 1.2 Dekati fungsi f (x) = ex dengan polinomial orde ke-1, 2 dan 5 disekitar x0 = 1. Penyelesaian: f (x) = ex , f (x) = ex , f (x) = ex , · · · , f (4) (x) = ex . Berdasarkan persamaan (1.2), pendekatan polinomial Taylor orde ke-1 disekitar x0 = 1 (x − 1) f (x0 ) 1! = e1 + (x − 1)e1 P1 (x) = f (x0 ) + = xe Pendekatan polinomial Taylor orde ke-2 (x − 1) (x − 1)2 f (x0 ) + f (x0 ) 1! 2! = e + (x − 1)e + (x − 1)2 e P2 (x) = f (x0 ) + = e(1 + x − 1 + x2 − 2x − 1) = e(−1 − x + x2 ) Pendekatan polinomial Taylor orde ke-5, P5 (x) = f (x0 ) + (x − x0 ) (x − x0 )2 (x − x0 )5 (5) f (x0 ) + f (x0 ) + · · · + f (x0 ) 1! 2! 5! 6 Bab 1 Konsep Dasar (x − 1) 1 (x − 1)2 1 (x − 1)3 1 (x − 1)4 1 (x − 1)5 1 e + e + e + e + e 1! 2! 3! 4! 5! 1 1 = e 1 + (x − 1) + (x2 − 2x + 1) + (x3 − 3x2 + 3x − 1) 2 6 = e1 + 1 1 (x5 − 5x4 + 10x3 − 10x2 + 5x1 ) + (x4 + 4x3 + 6x2 + 4x + 1) + 24 120 17 1 5 1 5 4 + x + x2 + x3 + x = e 30 24 6 12 120 Gambar 1.2 menunjukkan secara geometri daripada pendekatan polinomial Taylor orde ke1, 3, dan 5 terhadap fungsi f (x) = ex di sekitar x0 = 1. P5 x Y f (x) = ex 12 P2 x 9 P1 x 6 3 X -2 -1 0 1 2 Gambar 1.2 Pendekatan polinomial Taylor orde ke-1, 3 dan 5 terhadap fungsi f (x) = ex disekitar x0 = 1. Contoh 1.3 Diketahui fungsi f (x) = ln(x), tentukan polinomial Taylor orde ke-1 dan 2 untuk mendekati fungsi tersebut pada titik x0 = 1 dan kemudian hitung pada x = 2. Penyelesaian: Dari soal diketahui f (x) = ln(x), maka f (x) = x−1 , f (x) = −x−2 dan f (x) = 2x−3 . Ole karena itu, polinomial Taylor orde ke-1, ln(x) ≈ P1 (x) = ln(1) + (x − 1)(1) = 0 + (x − 1) 1.1 Pengantar Kalkulus Dasar 7 = x−1 dan polinomial Taylor orde ke-3, adalah (x − 1)2 (x − 1)2 (−1) + (2) 2! 3! 1 1 = (x − 1) − (x − 1)2 + (x − 1)3 2 3 1 3 3 2 11 = x − x + 3x − 3 2 6 ln(x) ≈ P3 (x) = ln(1) + (x − 1)(1) + Dari uraian di atas, maka nilai ln(2) dapat ditentukan dengan menggunakan pendekatan polinomial Taylor untuk orde ke-1 di atas, ln(2) ≈ P1 (2) = (2 − 1) = 1 dan 1 1 ln(2) ≈ P3 (2) = (2 − 1) − (2 − 1)2 + (2 − 1)3 2 3 1 1 = 1 − (1) + (1) 2 3 2 = 3 Gambar 1.3 menunjukkan secara geometri daripada pendekatan polinomial Taylor orde ke-1, 2, dan 3 terhadap fungsi f (x) = ln(x) di sekitar x0 = 0. Contoh 1.4 Dekati fungsi f (x) = ln(x + 1) dengan polinomial orde-3 dan 5 di sekitar x0 = 0. Penyelesaian: Dari soal, f (x) = ln(x + 1), maka, f (x) = (x + 1)−1 , f (x) = −(x + 1)−2 , f (x) = 2(x + 1)−3 , · · · , f (5) (x) = 24(x + 1)−5 . 8 Bab 1 Konsep Dasar Y 8 P3 (x) 6 -1 4 P1 (x) 2 f (x) = ln(x + 1) 0 X 0 1 2 3 4 5 -2 -4 P2 (x) Gambar 1.3 Pendekatan polinomial Taylor orde ke-1, 2 dan 3 terhadap fungsi f (x) = ln(x) di sekitar x0 = 0. Dengan menggunakan rumusan polinomial Taylor, diperoleh, (x − 0) (x − 0)2 (0 + 1) + (−(0 + 1)−2 ) 1! 2! (x − 0)3 (x − 0)3 + (2(0 + 1)−3 ) + (24(ξ + 1)−6 ) 3! 3! 1 1 1 = 1 + x(1) + x(−1) + x3 (2) + x4 (6(ξ + 1)−4 ) 2 6 24 1 2 1 3 1 4 = 1 + x − x + x − x (ξ + 1)−4 2 3 4 ln(x + 1) = ln 0 + 1 + P3 R3 sehingga pendekatan P3 (x) terhadap f (x) diberikan oleh, 1 1 ln(x + 1) ≈ P3 (x) = 1 + x − x2 + x3 2 3 Deret Taylor orde ke-5 untuk x0 = 0 adalah (x − 0) (x − 0)2 (0 + 1) + (−(0 + 1)−2 ) + · · · 1! 2! (x − 0)5 (x − 0)6 + (24(0 + 1)−5 ) + (−120(ξ + 1)−6 ) 5! 6! x2 x3 x4 x5 x6 + − + = 1+x− − (ξ + 1)−6 2 3 4 5 6 ln(x + 1) = ln 0 + 1 + P5 R5 sehingga pendekatan P5 (x) terhadap f (x) diberikan oleh, n(x + 1) ≈ P5 (x) = 1 + x − x2 x3 x4 x5 + − + 2 3 4 5 1.1 Pengantar Kalkulus Dasar 9 Gambar 1.4 menunjukkan secara geometri daripada pendekatan polinomial Taylor orde ke1, 3, dan 5 terhadap fungsi f (x) = ex . Galat Deret Taylor Y P5 (x) 8 4 P3 (x) f (x) = ln(x + 1) -1 0 X 0 1 2 -4 Gambar 1.4 Pendekatan polinomial Taylor orde ke-3 dan 5 terhadap fungsi f (x) = ln(x + 1). Teorema 1.5 (Teorema Taylor) Asumsikan bahwa f (x) mempunyai n + 1 derivatif pada interval [a, b]. Misalkan terdapat x0 ∈ [a, b], untuk polinomial Taylor Pn (x) pada persamaan (1.2), maka Rn (x) = f (x) − Pn (x) yang melambangkan sisa pendekatan polinomial Pn (x) terhadap f (x), ditulis Rn (x) = (x − x0 )n+1 (n+1) f (ξ) (n + 1)! dengan ξ adalah titik tak diketahui diantara x0 dan x Misalkan f (x) = ex dan x0 = 0, maka polinomial Taylornya adalah Pn (x) = 1 + x + n 1 2 1 1 j x + · · · + xn = x 2! n! j! j=0 (1.7) 10 Bab 1 Konsep Dasar dan dari teorema di atas, galat pendekatan yang diberikan adalah ex − Pn (x) = xn+1 ξ e , (n + 1)! n≥0 (1.8) dengan ζ di antara 0 dan x. Pada kasus tertentu, ambil x = 1, maka dari persamaan (5.17), e ≈ Pn (1) = 1 + 1 + 1 1 1 + + ··· + 2! 3! n! dan dari persamaan (1.8) diperoleh, e − Pn (1) = Rn (1) = eξ , (n + 1)! 0<ζ<1 Dari defenisi yang diberikan pada kalkulus, maka dengan mudah diperoleh batas, e < 3. Hal ini mengakibatkan batas Rn (1) adalah 3 e 1 ≤ Rn (1) ≤ < (n + 1)! (n + 1)! (n + 1)! Dengan menggunakan ketaksamaan diperoleh e0 ≤ eζ < e1 . Jika dimisalkan galat yang ditimbulkan oleh pendekatan Pn (1) terhadap fungsi e adalah Rn (1) ≤ 10−9 , maka batas orde minimalnya agar tingkat kesalahan memenuhi persamaan di atas, maka 3 ≤ 10−9 (n + 1)! 3 ≤ 10−9 1 · 2 · 3 · · · (n − 2)(n − 1)(n)(n + 1) n ≥ 12 Jadi P12 (1) adalah cukup akurat untuk pedekatan terhadap e dengan galat 10−9 . 1.1 Pengantar Kalkulus Dasar 11 Latihan 1.1 1. Dengan menggunakan deret Maclaurin, bandingkan nilai-nilai log(x) untuk orde2, 3, dan 4 pada interval 2 3 3, 2 2. Dekati fungsi-fungsi berikut dengan menggunakan deret Taylor linear dan kuadratik. √ a f (x) = x, a = 1 b f (x) = sin x, a = π/4 c f (x) = ecos (x) , a = 0 3. Gunakan deret Taylor orde-n di x0 = 0 untuk mendekati fungsi-fungsi berikut. a. f (x) = 1/(1 − x) b. f (x) = sin(x) √ c. f (x) = 1 + x 4. Gunakan deret Taylor orde 3 dan 4 untuk mendekati f (x) = (1/x)(log(1 + x) 5. Gunakan polinomial Taylor untuk menghampiri cos 42◦ di sekitar x0 = π/4 dengan akurasi 10−6 6. Tentukan polinomial Taylor kedua P2 (x) untuk fungsi ex cos(x) yang diekspan di sekitar x0 = 0. a. Gunakan P2 (0, 5) untuk mendekati f (0, 5), dan tentuka batas atas galat |f (0, 5) − P2 (0, 5)| dengan menggunakan rumus galat polinomial Taylor dan bandingkan hasilnya dengan nilai sebernarnya. 1 b. Dekati 0 P2 (x)dx 7. Misalkan f (x) = (1 − x)−1 dan x0 = 0. Tentukan polinomial Pn (x) = f (x) yang diekspand disekitar x0 . Tentukan nilai n untuk Pn (x) mendekati f (x) dengan galat maksimum 10−6 pada interval [0; 0, 5] 12 Bab 1 Konsep Dasar 8. Misalkan f (x) = ex dan x0 = 0. Tentukan polinomial Pn (x) = f (x) yang diekspad disekitar x0 . Tentukan nilai n untuk Pn (x) mendekati f (x) dengan galat maksimum 10−6 pada interval [0; 0, 5] 2 9. Tentukan polinomial Taylor ke-empat untuk mendekati fungsi f (x) = xex yang diekspad disekitar x0 = 0. a. Tentukan batas maksimum |f (x) − P4 (x)| pada interval [0; 0, 4] 0,4 b. Dekati 0 0,4 f (x)dx dengan menggunakan 0 P4 (x)dx 10. Polinomial P2 (x) = 1 − 12 x2 digunakan untuk mendekati f (x) = cos(x) pada 1 1 interval − , . Tentukan batas galat maksimum tersebut. 2 2 11. Misalkan f (x) = 2x cos(2x) − (x − 2)2 dan x0 = 0. a. Tentukan polinomial Taylor ke-2, P2 (x), untu menghampiri f (0, 4) b. Dengan menggunakan P2 (x), tentukan batas atas untuk galat |f (0, 4)−P2 (x)| c. Tentukan polinomial Taylor ke-5, untuk menghampiri f (0, 4) d. Gunakan polinomial Taylor P5 (x) untuk menentukan batas atas galat |f (0, 4)− P5 (x)| 1.2 Evaluasi Polinomial Mengevaluasi polinomial kadang-kadang muncul pada kasus-kasus tertentu. Sekarang pertimbangkanm suatu polinomial berikut. p(x) = 3 − 4x + 5x2 − 6x3 + 7x4 − 8x5 Dari perspektif seorang programer, cara yang paling sederhana adalah dengan mengevaluasi setiap suku secara terpisah. Mengevaluasi dengan cara seperti ini akan banyak membutuhkan perhitungan. Misalkan suku axk membutuhkan k perkalian, maka jumlah perkalian yang akan dilakukan pada kasus di atas adalah 1 + 2 + 3 + 4 + 5 = 15 perkalian 1.2 Evaluasi Polinomial 13 dalam mengvaluasi polinomial p(x). Cara kedua yang dapat dilakukan adalah dengan menyederhanakan bentuk pangkat. Cara ini lebih efesien dibandingkan dengan cara pertama. Jadi bentuk x3 = x(x2 ), x4 = x(x3 ), x5 = x(x4 ) Jadi setiap suku axk membutuhkan dua perkalian untuk k > 1, sehingga evaluasi p(x) menggunakan 1 + 2 + 2 + 2 + 2 = 9 perkalian Cara ketiga biasa disebut perkalian bersarang. Bentuk polinom di atas dapat ditulis kembali dalam bentuk, p(x) = 3 + x(−4 + x(5 + x(−6 + x(7 − 8x)))) Jumlah perkalian yang dibutuhkan hanya 5, dan ini membuktikan bahwa cara ketiga lebih menghemat dibandingkan cara kedua. Perkalian bersarang ini dapat dikembangkan terhadap polinom dengan orde yang lebih tinggi. Pertimbangkan polinom berorde-n, p(x) = a0 + a1 x + a2 x2 + a3 x3 + · · · + an xn , a0 = 0 (1.9) Jika kita menggunakan cara kedua, maka kita akan membutuhkan 2n − 1 perkalian, sedangkan jika menggunakan perkalian bersarang, maka kita tulis kembali dalam bentuk, p(x) = a0 + x(a1 + x(a2 + · · · + x(xn−1 + an x) . . .) (1.10) Dengan cara ini, kita hanya menggunakan n perkalian dan ini menghemat sampai 50% lebih dibandingkan dengan metode kedua. Contoh 1.5 Evaluasi polinomial Taylor p5 (x) untuk log(x) disekitar x0 = 1 Penyelesaian: Secara umum, bentuk polinomial Taylor orde ke-5 dari log(x) adalah, 1 1 1 1 log(x) = p5 (x) = (x − 1) − (x − 1)2 + (x − 1)3 − (x − 1)4 + (x − 1)5 2 3 4 5 (1.11) 14 Bab 1 Konsep Dasar Misalkan z = (x − 1), maka 1 1 1 1 p5 (x) = z − z 2 + z 3 − z 4 + z 5 2 3 4 5 1 1 1 1 +z − = z = z 1+z − +z 2 3 4 5 1.3 Representasi Bilangan Komputer Perhitungan yang dilakukan oleh kalkulator atau komputer akan sangat berbeda dengan perhitungan yang dilakukan oleh kita pada materi kalkulus atau aljabar. Kita √ akan mudah menghitung 2 + 2 = 4, 42 = 16 dan ( 3)2 = 3. Hal ini akan berbeda √ jika dihitung dengan menggunakan perhitungan komputer. Untuk menghitung ( 3)2 , √ komputer akan menghitung terlebih dahulu bentuk 3 selanjutnya mengkuadratkan√ nya. Pada perhitungan komputer, 3 menghasilkan nilai desimal yang tidak terhingga, sehingga nilai tersebut merupakan nilai pendekatan. Hal ini dapat dipahami karena √ 3 = 1, 7320508 . . .. Oleh karena keterbatasan desimal pada komputer, maka dalam memberikan nilai pendekatan ini, komputer melakukan pemotongan (chopping) atau pembulatan (Rounding) sehingga memunculkan kesalahan yang secara umum dikenal dengan nama kesalahan pemotongan (chopping error) dan kesalahan pemotongan (rounding error). Untuk mempresentasikan bilangan real, komputer menggunakan sistem bilangan titik kambang (floating point number) dengan basis bilangan 2 (biner), basis bilangan 8 (octal) dan basis bilangan 16 (heksadecimal), dengan format x = σ · (d1 d2 · · · dt )β · β e (1.12) dengan a1 = 0 dan 0 ≤ ai ≤ β, a1 disebut titik radik σ adalah tanda dengan nilai σ = +1 atau σ = −1 dan β adalah basis e adalah bilangan bulat dengan L ≤ e‘U dimana L, U masing-masing nilai terkecil dan terbesar. (d1 d2 · · · dt )β adalah mantisa Penggunaan bilangan dengan basis-basis 2, 8 dan 16 cukup sulit, oleh karena itu bilan- 1.3 Representasi Bilangan Komputer 15 gan mesin dinormalkan ke dalam bentuk bilangan titik kambang desimal yang ditulis x = ±.d1 d2 · · · dk × 10n , 1 ≤ d1 ≤ 9, 0 ≤ di ≤ 9, (1.13) untuk setiap i = 2, 3, . . . , k Untuk sembarang bilangan real positif y dapat dinormalisasi ke dalam bentuk, y = 0, d1 d2 . . . dk dk+1 dk+2 . . . × 10n Jika kita akan melakukan pemotongan terhadap y dengan pemotongan dk+1 dk+2 . . ., maka diperoleh, A = 0, d1 d2 . . . dk . . . × 10n Cara ini disebut pemotongan bilangan. Pada metode ini, jika nilai dk+1 ≥ 5, kita dapat menambahkan nilai satu pada dk , dan jika dk+1 ≤ 5 kita menghilangkannya kecuali k bilangan pertama. Cara ini disebut pembulatan bilangan. Definisi 1.1 Galat Mutlak dan Relatif Jika p∗ adalah aproksimasi terhadap p, galat mutlak |p − p∗ | dan galat relatif dengan p = 0 |p − p∗ | |p| Contoh 1.6 Persamaan kuadratik menyatakan bahwa akar-akar persamaan ax2 + bx + c = 0, a = 0 adalah x1 = −b + √ b2 − 4ac 2a dan x2 = −b − √ b2 − 4ac 2a Selanjutnya, hitunglah x2 + 62, 10x + 1 = 0. Penyelesaian: Persamaan di atas mempunyai akar-akar persamaan sejati, x1 = −0, 01610723 dan x2 = −62, 08390 Pada persamaan ini, nilai b2 sangat besar dibandingkan dengan 4ac, oleh karena itu pembilang pada perhitungan untuk x1 melibatkan operasi penjumlahan dari dua bilangan 16 Bab 1 Konsep Dasar yang hampir sama nilainya. Misalkan kita akan menghitung x1 dengan menggunakan empat digit pemotongan,terlebih dahulu kita hitung, b2 − 4ac = (62, 10)2 − 4, 000 = 3856 − 4, 000 = √ 3852 = 62, 06 dan √ b2 − 4ac 2a −62, 10 + 62, 06 = 2, 000 −0, 04000 = −0, 02000 = = 2, 000 A(x1 ) = −b + Jika nilai x1 sejati adalah x1 = −0, 01611, maka galat relatifnya cukup besar, | − 0, 01611 + 0, 02000| ≈ 2, 4 × 10−1 | − 0, 01611| Selanjutnya, untuk menentukan x2 , kita akan melibatkan pengurangan dua bilangan √ yang hampir sama, yaitu −b dan − b2 − 4ac, √ −b + b2 − 4ac A(x2 ) = 2a −62, 10 − 62, 06 = 2, 000 −124, 2 = −62, 10 = 2, 000 Jika nilai sejati x2 = −62, 08, maka galat relatif adalah | − 62, 08 + 62, 10| ≈ 3, 2 × 10−4 | − 62, 08| Untuk memperoleh akurasi pendekatan lebih dari empat digit untuk x1 , maka kita akan mengubah bentuk rumusan akar kuadratik dengan merasionalkan pembilang (bukan dalam bentuk akar), yaitu: x1 = = = −b + √ b2 − 4ac 2a √ −b − b2 − 4ac √ −b − b2 − 4ac b2 − (b2 − 4ac) √ 2a(−b − b2 − 4ac) −2c √ b + b2 − 4ac (1.14) 1.3 Representasi Bilangan Komputer 17 Dengan menggunakan (1.14), maka A(x1 ) = −2, 000 −2, 000 = = −0, 01610 62, 10 + 62, 06 124, 2 dengan galat relatif, | − 0, 01611 − (−0, 01610)| ≈ 6, 2 × 10−4 | − 0, 01611| Teknik merasionalkan pembilang juga diterapkan untuk menentukan x2 , yaitu x2 = −2c √ b − b2 − 4ac (1.15) Tetapi, bentuk (1.15) memunculkan galat relatif yang besar. Hal ini disebabkan karena pada penyebut terdapat operasi pengurangan (karena b bernilai positif), sehingga nilai penyebut menjadi kecil, A(x2 ) = degan galat relatif −2, 000 −2, 000 = = −50, 000 62, 10 − 62, 06 0, 04000 | − 62, 08 − 50, 000| ≈ 1, 9 × 10−1 | − 62, 08| 18 Bab 1 Konsep Dasar BAB 2 ANALISIS GALAT Sebagian besar numerik digunakan untuk menyelesaian persoalan-persoalan yang berkaitan dengan perhitungan komputer. Oleh karena pada sub-bab sebelumnya telah dijelaskan bahwa perhitungan dengan menggunakan komputer memberikan atau memunculkan galat yang disebut galat pemotongan dan galat pembulatan. Selain itu, galat juga muncul yang disebabkan oleh suatu metode atau kaedah yang memang memberikan sumber kesalahan. 2.1 Definisi dan Pengertian Galat dalam pengertian umum disefinisikan, galat = nilai sejati - nilai pendekatan sedangkan galat relatif adalah ukuran galat yang berhubungan dengan size nilai sejati yang ditulis, galat relatif = galat nilai sejati Misalkan x̂ pendekatan dari nilai sejati x, maka galat ditulis, ε = x − x̂ Bentuk ungkapan di atas sering juga disebut galat mutlak. Ukuran galat ε yang diperoleh tidak menunjukkan seberapa besar galat jika dibandingan dengan nilai sejati x. Sebagai contoh, jika seorang memperoleh galat sebesar 1 cm terhadap pengkuruan meja dan pensil yang masing-masing panjangnya 100 cm dan 10 cm. Galat sebesar 1 cm yang diperoleh dari pengukuran pensil lebih berarti daripada galat yang diperoleh dari pengukuran meja. Untuk mengatasi intepretasi ini, maka galat dinormalkan terhadap nilai 20 Bab 2 Analisis Galat sejatinya. Galat yang diperoleh dengan cara seperti ini disebut galat relatif, ditulis εr = x − x̂ x Jika galat ε dinormalkan terhadap nilai hampiran x̂, maka galat ini disebut galat relatif hampiran, ditulis, εrh = x − x̂ x̂ Sebagai ilustrasi, perhatikan contoh berikut. Contoh 2.1 Misalkan x = 10/3, dan x̂ = 3, 3333 Penyelesaian: Galat (ε), 10 − 3, 3333 3 1 10.0000 99999 − = = 30000 30000 30000 = 0, 00003333 · · · ε = x − x̂ = Galat relatif (εr ), x − x̂ ε = x x 3 1/30000 = = 10/3 300000 = 0, 00001 εr = Galat relatif hampiran (εrh ), εrh = = = ε x − x̂ = x̂ x̂ 1/300000 1/30000 = 0, 3333 3333/10000 1 99999 2.1 Definisi dan Pengertian 21 Contoh 2.2 Tentukan galat, galat relatif, dan galat relatif hampiran jika diberikan y = 1.000.000 dan ŷ = 999.996. Penyelesaian: Galat, ε = y − ŷ = 1.000.000 − 999.996 = 4 dan galat relatif, ε y − ŷ = y y 4 = 1.000.000 = 0, 000004 εr = galat relatif hampiran, εrh = = = ε y − ŷ = ŷ ŷ 4 999.996 1 24999 Latihan 2.1 1. Hitung galat mutlak dan galat relatif dari hampiran p terhadap p∗ : a. p = π, p∗ = 22/7 b. p = e, p∗ = 2, 718 c. p = e10 , p∗ = 22000 d. p = 8!, p∗ = 39900 e. p = π, p∗ = 3, 1416 √ f. p = 2, p∗ = 1, 414 g. p = 10π , p∗ = 1400 √ h. p = 9!, p∗ = 18π(9/e)9 2. Tentukan perhitungan secara (i) eksak, (ii) menggunakan tiga digit aritmetika pemotongan, (iii) tiga digit aritmetik pembulatan, dan (iv) galat relatif dari (ii) dan (iii). 22 Bab 2 Analisis Galat 4 1 + 5 3 3 3 1 − + c. 3 11 20 a. 4 1 · 5 3 3 3 1 d. − − 3 11 20 b. 3. Gunakan tiga digit aritmetik pembulatan, pada perhitungan berikut. Dengan menentukan nilai sejati (minimal lima digit), hitunglah galat relatif dan galat absolutnya. 2.2 a. 133 + 0, 921 b. 133 − 0, 499 c. (121 − 0, 327) − 119 13/14 − 6/7 e. 2e− 5,4 2 9 g. 9 7 d. (121 − 119) − 0, 327 f. −10π + 6e − h. 3 62 π − 22/7 1/17 Sumber Galat Misalkan kita akan menyelesaikan sebuah persoalan matematika yang melibatkan proses komputerisasi, maka galat biasanya akan muncul pada proses ini, bahkan kadangkadang beberapa jenis galat muncul. Berikut ini beberapa sumber galat yang mungkin muncul pada penyelesain persoalan matematika. 1. Persamaan matematika digunakan untuk merepresentasikan suatu penomena fisika, dan proses mengubah dari bentuk penomena fisika ke bentuk rumusan matematika disebut pemodelan matematika. Pemodelan seperti ini memunculkan galat terhadap persoalan yang akan diselesaikan. Pertimbangkan persamaan pertumbuhan populasi berikut, N (t) = N0 ekt (2.1) dengan N (t) adalah populasi pada waktu t, N0 adalah populasi awal, dan k adalah suatu konstanta positif. Untuk beberapa kasus, selama t masih terbatas, maka model tersebut masih dapat digunakan, namun untuk kasus t → ∞ atau t yang sangat besar sekali, maka model menjadi overestimate. 2. Pada pengukuran data-data penomena fisika, maka data-data tersebut mengandung galat. Sebagai contoh adalah kecepatan cahaya pada keadaan ruang hampa, 2.2 Sumber Galat 23 yaitu c = (2, 997925 + ) · 1010 cm/sec, || ≤ 0, 000003 Oleh karena data yang digunakan mengadung galat, maka perhitungan-perhitungan yang melibatkan data-data fisika juga akan memunculkan galat. Numerik tidak dapat menghilang galat dari data tersebut, bahkan akibat adanya galat pada data tersebut, dapat menimbulkan pengulangan/akumulasi galat pada proses perhitungan. Numerik hanya dapat meminimalkan galat yang ditimbulkan. 3. Galat yang ditimbulkan oleh mesin itu sendiri akibat keterbatasan digit yang tersedia. Ini biasanya akan berkaitan dengan galat pemotongan dan galat pembulatan. 4. Galat yang ditimbulkan oleh hampiran oleh suatu bentuk formulasi atau rumusan matematika. Bentuk-bentuk ungkapan matematika yang cukup sulit atau kompleks biasanya digunakan suatu pendekatan dengan polinomial atau metode tertentu. Akibatnya, galat aka muncul. Pertimbangkan evaluasi integral dari fungsi berikut, 1 I= 2 ex dx 0 Fungsi ini tidak mempunyai derivatif, jadi secara eksplisit fungsi ini tidak dapat diintegralkan. Oleh karena itu, langkah yang dapat diambil adalah denga melakukan pendekatan, sala satunya adalah pendekatan dengan menggunakan deret Taylor, 2 ex ≈ 1 + x2 + sehingga 1 2! 3! 4! + 6+ 8 4 x x x 2! 3! 4! + 6+ 8 4 x x x 0 dan bentuk di atas dapat dengan meudah dievaluasi. Galat pada persamaan diI≈ 1 + x2 + atas disebut galat pendekatan matematika. Kehilangan Angka Penting Galat Untuk memahami pengertian kehilangan bilangan galat, perhatikan persoalan berikut. Diberikan suatu fungsi, √ √ f (x) = x x + 1 − x (2.2) 24 Bab 2 Analisis Galat untuk sembarang bilangan x. Jika kita ambil beberapa nilai x yang terus membesar dan menggunakan enam (6) angka penting, maka hasil dari perhitungan komputer diperlihatkan pada Tabel Dari tabel diperoleh bahwa, galat semakin besar seiring membe- Tabel 2.1 Nilai-nilai persamaan (2.2) menggunakan enam angka x f (x) komputasi 1 10 100 1000 10000 100000 0,414210 1,54340 4,99000 15,8000 50,0000 100,000 f (x) sejati 0,414114 1,54347 4,98756 15,8074 49,9988 158,113 sarnya nilai x. Hal ini terjadi karena terjadi kehilangan angka penting pada perhitungan persamaan tersebut. Misalkan kita ambil x = 100, maka √ x+1− √ x= √ 101 − √ 100 = 0, 0499000 (2.3) Perhitungan pada persamaan (2.3) kehilangan angka penting galat. Tiga angka akurasi √ √ √ dari x + 1 = 101 hilang karena adanya operasi pengurangan oleh sqrtx = 100. Kehilangan akurasi ini disebabkan oleh bentuk fungsi f (x) dan keterbatasan aritmetik pada komputer/kalkulator. Untuk itu, langkah yang paling umum dilakukan adalah dengan mengubah ben√ tuk f (x). Misalkan f (x), di mana penyebut dan pembilang dikalikan dengan x + 1 + √ x, dan kita peroleh, √ √ √ √ x+1+ x x+1+ x ·√ f (x) = x √ 1 x+1+ x 1 = x√ √ x+1+ x x = √ √ x+1+ x (2.4) 2.2 Sumber Galat 25 Bentuk f (x) terakhir tidak kehilangan angka penting galat jika dievaluasi. Jika kita ambil x = 100, maka 100 100 √ = 20, 0499 100 + 100 = 4, 98756 f (100) = √ Untuk menghindari kehilangan angka penting pada galat, maka ungkapan-ungkapan matematik di ubah sedemikan rupa sehingga tidak ada operasi pengurangan diantara dua bilangan yang hampir sama nilainya. Untuk lebih jelasnya, perhatikan kembali contoh berikut ini. Contoh 2.3 Diberikan sebuah fungsi berikut. f (x) = 1 − cos(x) x2 (2.5) untuk nilai x mendekati 0. Penyelesaian: Fungsi f (x) pada persamaan di atas akan kehilangan angka penting apabila nilai x menjadi kecil. Perbandingan nilai eksak dan hasil perhitungan komputer (karena keterbatasan digit) diperlihatkan pada Tabel (2.5). Pada saat kita mengevaluasi fungsi Tabel 2.2 Nilai-nilai persamaan (2.5) menggunakan enam angka x f (x) komputasi 0.1 0.01 0.001 0.0001 0.00001 0,4995834800 0,4999950000 0,5001000000 0,5100000000 0,0000000000 f (x) sejati 0,4995834722 0,4999958333 0,4999999583 0,4999999996 0,5000000000 f (0, 01), makak komputer akan menghitung, cos(0, 01) = 0, 9999500005 26 Bab 2 Analisis Galat dengan sembilan angka penting akurasinya, selanjutnya 1 − cos(0, 01) = 1, 0000000000 − 0, 9999500005 = = 0, 0000499995 Hasil operasi pengurangan kedua bilangan hanya menghasilkan lima (5) angka penting, dan kehilangan empat (4) angka penting. Pembagian dengan x2 = 0, 0001 diberikan pada tabel 2.2). Untuk menghindari kehilangan angka penting, dapat dilakukan dengan mengubah f (x) ke dalam betuk rumusan yang lain, dengan tujuan menghindari pengurangan dua buah bilangan yang hampir sama nilainya. Salah satu alternatif yang dapat digunakan adalah deret Taylor. Jika kita ambil pendekatan deret Taylor sampai orde ke-6 untuk cos(x), cos(x) = 1 − x2 x4 x6 + − + R6 (x) 2! 4! 6! dan R6 (x) = x8 cos(ζ) 8! dengan ζ adalah bilangan tak diketahui terletak diantara 0 dan x. Oleh karena itu, f (x) = = x2 x4 x6 1 + − + R6 (x) 1 − 1 − x2 2! 4! 6! x2 x4 x6 1 − + − cos(ζ) 2! 4! 6! 8! Selanjutnya akan kita evaluasi fungsi f (x), untuk x = 0, maka f (0) = untuk |x| ≤ 0, 1, maka f (x) ≈ dengan keakurasian 1 2 x2 x4 1 − + 2! 4! 6! x6 10−6 cos(ζ) ≤ = 2, 5 × 10−11 8! 8! Ini adalah cara yang cukup baik untuk mengevaluasi fungsi pada persamaan (2.5). 2.2 Sumber Galat 27 Contoh 2.4 Tentukan rumusan yang tepat agar tidak kehilangan angka penting untuk fungsi berikut untuk tiga angka penting. x2 + 80x + 1 = 0 Penyelesaian: Dengan menggunakan rumus kuadratik diperoleh, √ −b ± b2 − 4ac x1 , x2 = 2a −0, 800 × 102 ± 0, 640 × 104 − 0, 400 × 101 = 0, 200 × 101 −0, 800 × 102 ± 0, 640 × 104 − 0, 00 × 104 = 0, 200 × 101 √ 2 −0, 800 × 10 ± 102 0, 640 = 0, 200 × 101 −0, 800 × 102 ± 102 × 0, 800 = 0, 200 × 101 Dari perhitungan di atas diperoleh, x1 = −0, 800 × 102 − 102 × 0, 800 = −0, 800 × 102 0, 200 × 101 x2 = −0, 800 × 102 + 102 × 0, 800 = 0, 000 × 10−9 0, 200 × 101 dan Dari hasil yang diperoleh, terlihat bahwa x2 sangat besar, sehingga kita perlu mencari formulasi untuk menentukan akar-akar persamaan kuadratik tersebut. untuk x1 , kita gunakan rumusan x1 = −b − √ b2 − 4ac , 2a dan untuk x2 kita gunakan rumusan x2 = c ax1 Dengan menggunakan bentuk ungkapan yang terakhir diperoleh, x2 = c ax1 28 Bab 2 Analisis Galat 1 −0, 800 × 102 = −0, 125 × 10−1 = Untuk membuktikan bahwa x1 dan x2 yang diperoleh adalah akar-akar persamaan kuadratik, akan kita uji, (x − x1 )(x − x2 ) = (x − (−0, 800 × 102 ))(x − (−0, 125 × 10−1 )) = x2 + 80x + 1 Dari contoh soal di peroleh bahwa nilai b = 80 dan 4ac = 4 sehingga selisih b2 √ dengan b2 − 4ac memberikan nilai digit signifikan (tidak ada kehilangan digit). Contoh 2.5 Diberikan suatu fungsi berikut, f (x) = (x + )2/3 − x2/3 dengan ≤ 0, 001. Ubah sedemikian rupa fungsi f (x) sehingga tidak terjadi operasi pengurang dengan dua angka yang hampir sama! Penyelesaian: Untuk menghindari terjadinya pengurangan di antara dua bilangan yang nilainya hampir sama adalah dengan mengalikan penyebut dan pembilang dengan (x + )2/3 + x2/3 , sehingga f (x) = (x + )2/3 − x2/3 × (x + )2/3 − x2/3 = 2.3 (x + )2/3 2 (x + )2/3 + x2/3 (x + )2/3 + x2/3 − (x2/3 )2 (x + )2/3 + x2/3 Sumber Galat Numerik a. Galat Pemotongan (Truncation Error) Galat pemotongan biasanya mengacu kepada penggunaan hampiran sebagai pengganti 2.3 Sumber Galat Numerik 29 formula eksak. Maksudnya, ungkapan matematika yang lebih kompleks ”diganti” dengan formula yang lebih sederhana. Untuk penyederhanaan permasalahan biasanya perhatian hanya ditujukkan pada beberapaa suku dari deret taylor, sedangkan suku lainnya diabaikan. Pengabaian ini menyebabkan terjadinya galat, yang biasa disebut galat pemotongan. Tipe galat pemotongan ini bergantung kepada metode komputasi yang digunakan untuk penghampiran. Misalkan, diberikan fungsi, f (x) = cos(x) yang dihampiri dengan deret Taylor untuk x0 = 0 sampai orde ke-6, x2 x4 x6 x8 x10 + − − + ··· cos(x) = 1 − + 2! 4! 6! 8! 10! nilai hampiran galat pemotongan x2 x4 x6 + − + R6 (x) = 1− 2! 4! 6! Jumlah suku-suku pada galat pemotongan tidak dapat dihitung secara pasti, tetapi dapat dihampiri dengan rumus suku sisa pada persamaan (1.1), sehingga galat pemotongan orde ke-6 untuk cos(x) adalah R6 (x) = x3 cos(ξ), 0 < ξ < x 7! Nilai R6 yang tepat tidak pernah kita peroleh, karena kita tidak mengetahui nilai ξ yang sebenarnya. Untuk itu, yang dapat dilakukan adalah menentukan nilai maksimum dari galat pemotongan. Contoh 2.6 Gunakan deret Taylor orde 4 disekitar x0 = 1 untuk menghampiri ln(0, 9) dan berikan taksiran untuk galat pemotongan maksimum yang dibuat. Penyelesaian: Jika f (x) = ln(x), maka turunannya adalah, f (x) = ln(x) → f (1) = 0, f (x) = 1/x → f (1) = 1, 30 Bab 2 Analisis Galat .. . f (4) (x) = −6/x4 → f (4) (1) = −6, f (5) (x) = 24/x5 → f (5) (ξ) = 24/ξ 5 Deret Taylor untuk fungsi f (x) = ln(x) orde 4, ln(x) = (x − 1) − (x − 1)2 (x − 1)3 (x − 1)4 + − + R4 (x) 2 3 4 dan untuk ln(0, 9), deret Taylornya adalah, (−0, 1)2 (−0, 1)3 (−0, 1)4 + − + R4 (x) 2 3 4 = −0, 1053583 + R4 (x) ln(0, 9) = −0, 1 − dan galat pemotongan R4 (x) diberikan oleh, 24 (−0,˙ 1)5 |R4 (0, 9) < max 5 ξ 5! dan nilai max|24/ξ 5 | di dalam selang 0, 9 < ξ < 1 terletak pada ξ = 0, 9, maka 24 (−0,˙ 1)5 0, 95 5! |R4 (0, 9) < max b. Galat Pembulatan Perhitungan di dalam permasalahan numerik hampir sebagaian besar menggunakan bilangan ril. Oleh karena keterbatasan komputer di dalam menyediakan bilangan ril, sehingga tidak semua bilangan ril dapat disajikan. Akibatnya, muncul galat yang diakibatkan oleh pemotongan digit bilangan. Galat yang demikian disebut galat pembulatan. Sebagai contoh, hasil bagi 2/3 menghasilkan nilai 0, 6666666666 . . .. Di dalam mesin komputer, bilangan real seperti ini tidak dapat disajikan secara tepat. Komputer hanya mampu menyajikan sejumlah digit (bit). Bilangan real yang panjangnya melebihi jumlah digit yang dapat direpresentasikan oleh komputer akan dibulatkan ke bilangan terdekat. Misalnya, komputer hanya dapat merepresenatasikan bilangan real 0, 6666666666 . . . ke dalam 6 digit berarti, maka representasi bilangan 1/6 = 0, 6666666666 . . . di komputer 6-digit adalah0, 666667. 2.3 Sumber Galat Numerik 31 c. Galat Total Galat akhir dari suatu perhitungan secara numerik merupakan jumlah galat pemotongan dan galat pembulatan. Misalkan deret Taylor menghampiri cos(x) di x0 = 0 sampai orde 4, x2 x4 x6 x8 x10 + − + − + ··· 2! 4! 6! 8! 10! x2 x4 = 1− + − +R4 (x) 2! 4! cos(x) = 1 − Untuk cos(0, 2) diperoleh, cos(0, 2) ≈ 1− (1) 0, 22 0, 24 + = 0, 9800666666666 . . . ≈ 0, 98006667 (8 digit penting) 2 24 (2) Galat pada (1) adalah galat pemotongan karena cos(0, 2) dihampiri sampai orde 4, dan galat pada (2) adalah galat pembulatan (hasil hampiran dibulatkan sampai 8 digit penting). Contoh 2.7 Evaluasi fungsi f (x) = x3 − 6x2 + 3x − 0, 149 (2.6) pada x = 4, 71 dengan menggunakan tiga digit aritmetik Penyelesaian: Dari perhitungan diperoleh nilai-nilai f (4, 71) yang ditunjukkan pada Tabel Dari Tabel Tabel 2.3 Nilai-nilai persamaan (2.6) menggunakan tiga digit aritmetik Nilai x x2 x3 6x2 3x Ecxact tiga digit(chooping) tiga digit(rounding) 4,71 4,71 4,71 22,1841 22,1 22,2 104,487111 104 105 133,1046 132 133 14,13 14,1 14,1 32 Bab 2 Analisis Galat di atas dapat diperoleh nilai-nilai, nilai sejati : f (4, 71) = 104, 487111 − 133, 1046 + 14, 13 − 0, 149 = −14, 636489 Tiga digit (galat pemotongan/chooping error): f (4, 71) = 104 − 132 + 14, 1 − 0, 149 = −14, 0 Tiga digit (galat pembulatan/rounding error): f (4, 71) = 105 − 133 + 14, 1 − 0, 149 = −14, 0 Jadi galat relatif tiga digit dari kedua sumber galat adalah −14, 63648 + 14, 0 ≈ 0, 04 −14, 636489 Galat relatif yang dihasilkan dari evaluasi fungsi secara langsung bernilai cukup besar. Untuk itu, dapat diambil alternatif cara untuk memperkecil galat relatif tersebut. Salah satunya adalah menggunakan perkalian bersarang, sehingga persamaan (2.6) dibentuk menjadi, f (x) = x63 − 6x2 + 3x − 0, 149 = ((x − 6)x + 3)x − 0, 149 Dengan mengevaluasi fungsi dengan perkalian bersarang, galat relatif diberikan oleh, −14, 636489 + 14, 5 ≈ 0, 0093 −14, 636489 tiga digit (chopping): −14, 636489 + 14, 6 ≈ 0, 0025 tiga digit (rounding) : −14, 636489 Perkalian bersarang dapat mereduksi galat relatif untuk pendekatan chopping, sedangkan untuk pendekatan rounding lebih baik lagi dan dapat mereduksi galat relatif sampai 90 2.4 Orde Hampiran Di dalam metode numerik, fungsi f (x) yang rumit sering digantikan dengan fungsi hampiran yang lebih sederhana. Misalkan f (h) dihampiri dengan fungsi p(h). Jika |f (h)−p(h)| ≤ M |hn | dengan M adalah konstanta real dan M > 0, maka dikatakan p(h) menghampiri f (h) dengan orde penghampiran O(hn ) dan ditulis, f (h) = p(h) + O(hn ) 2.4 Orde Hampiran 33 dan O(hn ) dapat diartikan sebagai orde galat hampiran fungsi. Karena h umumnya cukup kecil, sehingga semakin tinggi nilai n maka galat akan semakin kecil, yang berarti semakin teliti penghampiran fungsinya. Metode yang berorde O(h2 ) lebih teliti hasilnya daripada metode yang berorde O(h). Ketelitian juga bergantung kepada nilai h. Misalnya, Pada metode orde O(h3 ), jika ukuran h baru dijadikan setengah kali h semula, maka galat baru menjadi seperdelapan kali galat semula. Andaikan suatu fungsi dihampiri oleh deret Taylor, xi+1 = xi + h, i = 0, 1, 2, . . . adalah titi-titik selebar h, maka hampiran f (xi+1 ) disekitar xi adalah (xi+1 − xi ) (xi+1 − xi )2 f (xi ) + f ”(xi ) + · · · 1! 2! (xi+1 − xi )n (n) f (xi ) + Rn (xi+1 ) + n! h h2 hn (n) = f (xi ) + f (xi ) + f ”(x2 ) + · · · + f (xi ) + Rn (xi+1 ) 1! 2! n! f (xi+1 ) = f (xi ) + (2.7) dengan hn+1 (n+1) f (t) (n + 1)! = O(hn+1 ), xi < t < xn+1 Rn (xi+1 ) = Jadi, kita dapat menuliskan kembali persamaan (2.7) dalam bentuk, f (xi+1 ) = n hk k=0 k! f (k) (xi ) + O(hn+1 ) Sebagai contoh. eh = 1 + h + h2 2! ln(x + 1) = x − sin(h) = h − h3 3! + x2 2 + h3 3! + h5 5! + x3 3 + h4 4! + O(h5 ) x4 x5 6 4 + 5 + O(h ) O(h7 ), (bukan O(h6 ), − karena suku orde ke 6 adalah 0) Contoh 2.8 Pertimbangkan ekspansi deret Taylor berikut. eh = 1 + h + h2 h3 + + O(h4 ) 2! 3! (2.8) 34 Bab 2 Analisis Galat dan cos(h) = 1 − h2 h4 + + O(h6 ) 2! 4! Hitunglah orde hampiran dari jumlah dan perkalian keduanya. Penyelesaian: Untuk penjumlahan, eh + cos(h) = h2 h3 h2 h4 + + O(h4 ) + 1 − + + O(h6 ) 1+h+ 2! 3! 2! 4! = 2+h+ Oleh karena O(h4 ) + h3 h4 + O(h4 ) + + O(h6 ) 3! 4! h4 = O(h4 ) 4! dan O(h4 ) + O(h6 ) = O(h4 ) maka eh + cos(h) = 1 + h + h2 h3 + 2! 3! dan orde hampirannya adalah O(h4 ). Sedangkan perkaliannya, h (e )(cos(h)) = h2 h3 + + O(h4 ) 1+h+ 2! 3! = h2 h3 + 1+h+ 2! 3! h2 h4 + + 1− 2! 4! = 1+h− h2 h4 + + O(h6 ) 1− 2! 4! h2 h4 h2 h3 + + + 1+h+ + 1− 2! 4! 2! 3! h7 h3 5h4 h5 h6 − − + + + O(h4 ) + O(h6 ) + O(h4 )O(h6 ) 3 24 24 48 144 O(h4 )O(h6 ) = O(h10 ) − O(h6 ) O(h4 ) + O(h4 )O(h6 ) Oleh karena dan h7 5h4 h5 h6 − + + + O(h4 ) + O(h6 ) + O(h4 )O(h6 ) = O(h4 ) 24 24 48 144 maka eh cos(h) = 1 + h − h3 + O(h4 ) 3 2.5 Perambatan Galat 2.5 35 Perambatan Galat Bilangan titik kambang adalah bilangan yang disajikan dalam bentuk sejumlah digit berarti yang sudah tetap, yaitu ±d1 d2 d3 d4 d5 . . . dn × B p dengan: d1 d2 d3 d4 d5 . . . dn adalah digit atau bit mantisa yang nilainya 0 sampai B − 1, n adalah panjang digit (bit) mantisa B adalah basis sistem bilangan yang dipakai p adalah pangkat (berupa bilangan bulat) Misalnya, bilagan real 245,7654 dinyatakan dalam bentuk 0, 2457654 × 103 Galat yang dikandung dalam bilangan titik kambang merambat pada hasil komputasi. Misalkan terdapat dua bilangan a dan b dengan nilai hampiran masing-masing â dan b̂. Jika galt dari a dan b masing-masing a dan b , maka dapat ditulis, a = â + a dan b = b̂ + b Jika diberikan operasi penjumlah pada dua bilangan tersebut, a + b = (â + a ) + (b̂ + b ) = (â + b̂) + (a + b ) Jika operasi aritmetika dilakukan secara terus-menerus dalam perhitungan komputasi, maka galat akan merambat dan terjadi penumpukan galat yang besar kemungkinan mengakibatkan penyimpangan hasil terhadap nilai sebernarnya. 36 Bab 2 Analisis Galat Latihan 2.2 1. Kadang-kadang kehilangan signifikasi galat dapat dihindari dengan menyusun kembali suku-suku dari suatu fungsi atau menggunakan identitas dari trigonometri atau aljabar. Tentukan rumusan yang sesuai untuk fungsi-fungsi berikut untuk menghindari kehilangan angka penting. a. ln(x + 1) − ln(x) untuk x yang cukup besar √ b. x2 + 1 − x untuk x yang cukup besar c. cos2 (x) − sin2 (x) untuk x ≈ d. 1+cos(x) 2 π 4 untuk x ≈ π 2. Jika diberikan p = p̂ + p , q = q̂ + q , r = r̂ + r , bagaimana pendapat anda untuk kasus berikut ini. a. Jumlah tiga bilangan p + q + r b. Perkalian tiga bilangan pqr 3. Diberikan ekspansi deret Taylor, 1 = 1 + h − h2 + h3 + O(h4 ) 1−h dan cos(h) = 1 − h2 h4 + + O(h6 ) 2! 4! Hitunglah orde hampiran untuk penjumlahan dan perkalian 4. Diberikan ekspansi deret Taylor, eh = 1 + h + h2 h3 h2 + + + O(h5 ) 2! 3! 2! dan sin(h) = h − h3 + O(h5 ) 3! Hitunglah orde hampiran untuk penjumlahan dan perkalian 2.5 Perambatan Galat 37 5. Asumsikan bahwa a = 0 dan b2 − 4ac > 0 dan pertimbagkan persamaan kuadratik ax2 + bx + c = 0 yang mana akar-akarnya dihitung dengan menggunakan rumus, √ −b + b2 − 4ac x1 = 2a dan √ b2 − 4ac 2a Tunjukkan bahwa akar-akar persamaan tersebut juga dapat dihitung dengan mengx2 = −b − gunakan rumus, x1 = −2c √ b + b2 − 4ac dan x2 = −2c √ b − b2 − 4ac 6. Dengan menggunakan rumus pada soal di atas, hitunglah nilai x1 dan x2 untuk persamaan kuadratik berikut. a. x2 − 1.000.001x + 1 = 0 b. x2 − 10.000.001x + 1 = 0 c. x2 − 100.000.001x + 1 = 0 d. x2 − 1000.000.001x + 1 = 0 7. Dengan menggunakan tiga digit aritmetika, hitunglah a. x2 + 100x − 4 = 0 b. x2 − 60x + 2 = 0 c. 1 2 3x − 123 4 x + 1 6 d. 1 2 3x + 123 4 x − 1 6 e. 1, 002x2 − 11, 01x + 0, 01265 f. 1, 002x2 + 11, 01x + 0, 01265 8. Turunkan rumusan berikut ini, Ax2 + 2Bx + C = 0 dan temukan rumusan yang dapat dilakukan agar akar-akar fungsi tersebut mempunyai galat yang cukup kecil 38 Bab 2 Analisis Galat 9. evaluasi fungsi-fungsi berikut jika mendekati 0 1 1 − x+1 x b. cos(x + ) − cos(x) √ c. (x + 1)1/3 − x1/3 a. 1 1 d. √ − √ x x+1 e. tan(x + ) − tan(x) 2 1 1 − + f. x+1 x x−1 BAB 3 PENYELESAIAN SISTEM LINEAR Sistem dari persamaan linear sering kita jumpai dibeberapa bidang terapan, misalnya pada persoalan matematika, statistik, fisika, biologi, rekayasa, sains sosial dan bisnis. Pada bab ini dibahas bagaimana menyelesaikan persoalan-persoalan sistem persamaan linear serentak yang berasal dari dunia nyata. 3.1 konsep Dasar Sistem Persamaan Linear Salah satu topik yang dipelajari pada aljabar linear elementer adalah menyele- saikan dua buah persamaan linear berikut, ax + by = c dx + ey = f (3.1) Koefisien-koefisien a, b, . . . f adalah konstanta yang diberikan, tugas kita adalah menentukan nilai x dan y. Dengan menggunakan metode substitusi atau metode eleminasi, maka persamaan (4.2) dapat diselesaikan. Persoalan muncul ketika persamaan linear yang dilibatkan sangat banyak, maka metode substitusi atau metode elemeninasi akan mengalami kesulitan. Jika terdapat n buah persamaan linear, dengan x1 , x2 , . . . xn , dapat dibentuk sebuah sistem persamaan linear sebagai berikut. a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1 a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn = b2 .. .. .. .. .. . . . . . an1 x1 + an2 x2 + an3 x3 + · · · + ann xn = bn (3.2) 40 Bab 3 Penyelesaian Sistem Linear Untuk mempermudah penyelesaian persamaan linear yang melibatkan n buah persamaan, maka dengan menggunakan matriks, maka persamaan (3.3) dapat dibentuk menjadi, Ax = b di mana ⎛ ⎜ ⎜ A=⎜ ⎜ ⎝ a11 a21 .. . · · · a1n · · · a2n .. . a12 a22 .. . an1 an2 · · · ann ⎞ ⎟ ⎟ ⎟, ⎟ ⎠ (3.3) ⎛ ⎜ ⎜ x=⎜ ⎜ ⎝ x1 x2 .. . ⎞ ⎟ ⎟ ⎟, ⎟ ⎠ ⎛ ⎜ ⎜ b=⎜ ⎜ ⎝ xn b1 b2 .. . ⎞ ⎟ ⎟ ⎟ ⎟ ⎠ bn Andaikan bahwa n = 1, maka persamaan (??) menjadi, a11 x1 = b1 (3.4) Jika a11 = 0, maka persamaan (3.4) mempunyai solusi unik, yaitu x1 = b1 /a11 , tetapi jika a11 = 0, maka persamaan (3.4) tidak mempunyai penyelesaian untuk b1 = 0, dan untuk kasus b1 = 0 maka x1 adalah penyelesaian untuk setiap nilai x1 . Dari persamaan (3.3), diketahui bahwa matriks x merupkan penyelesaian dari sistem persamaan linear (3.3). Jika matriks A adalah matriks non-singular (mempunyai invers), maka penyelesaian persamaan (3.3) dapat ditulis dalam bentuk, x = A−1 b (3.5) Untuk kasus n = 1, maka A−1 = 1/a11 sehingga penyelesaian dari (3.3) adalah x1 = 1 b1 a11 Contoh 3.1 Selesaikan sistem persamaan linear berikut. 2x1 + 3x2 = 8 5x1 + 4x2 = 12 Penyelesaian: Sistem persamaan linear di atas dapat diubah ke dalam bentuk matriks, 2 3 5 4 x1 x2 = 8 13 3.1 Konsep Dasar Sistem Persamaan Linear 41 dimana A= 2 3 5 4 , x= x1 x2 , b= 8 13 Oleh karena matriks koefisien merupakan mariks non-singular (det(A) = 0 ), maka sistem persamaan linear di atas mempunyai penyelesaian unik, yaitu x = A−1 b dan diperoleh x1 = 1, x2 = 2 atau x= 1 2 Contoh 3.2 selesaikan sistem persamaan linear berikut. 2x1 + 3x2 = 4 4x1 + 6x2 = 7 Sistem persamaan linear di atas dapat diubah ke dalam bentuk matriks, 2 3 4 6 x1 x2 = 4 7 dimana A= 2 3 4 6 , x= x1 x2 , b= 4 7 Det(A) = 0, maka matriks A adalah matriks singular, dan oleh karena b= 4 7 maka sistem persamaan linear di atas tidak mempunyai penyelesaian untuk x1 dan x2 Seandaikan jika, b= 4 8 maka dua persamaan pada sistem persamaan linear adalah sama, karena 2x1 + 3x2 = 4 dan (2)2x1 + (2)3x2 = (2)4 42 Bab 3 Penyelesaian Sistem Linear sehingga penyelesaian diperoleh hanya melibatkan satu persamaan yaitu, 2x1 + 3x2 = 4 dengan penyelesaian x1 = 4 − 3c , 2 x2 = c untuk semua bilangan real c, sehingga penyelesaian dari sistem persamaan linear tidak berhingga. 3.2 Elemninasi Gauss Metode yang paling sering digunakan untuk menyelesaian sistem non-singular dari suatu sistem persamaan linear adalah eleminasi Gauss. Metode ini cukup sederhana dan efektif. Ide pokok pada metode ini adalah bagaimana mengeleminasi variabelvariabel x1 , x2 , . . . , xn untuk memanipulasi persamaan (3.3) sehingga diperoleh bentuk yang sederhana, selanjutnya akan mudah untuk diselesaikan. Beberapa operasi matematika yang biasa digunakan pada metode tersebut adalah perkalian dengan konstanta bukan nol, pengurangan suatu persamaan dengan persamaan lainnya, dan mengubah baris. Pandang kembali sistem persamaan linear (??) dalam bentuk, (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1 a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn = b2 .. .. .. .. .. . . . . . (1) an1 x1 + an2 x2 + an3 x3 + · · · + a(1) nn xn = bn (1) Misalkan a11 = 0, maka kita dapat mengeleminasi x1 dari setiap persamaan den(1) (1) gan mengalikan ai1 /a11 terhadap persamaan pertama. Hasil dari elemeninasi dilambangkan dengan superskrip 2. Pada setiap persamaan bentuk, (1) mi1 = ai1 (1) a11 dan (2) (1) (1) aij = aij − mij a1j , j = 1, 2, . . . , n 3.2 Eleminasi Gauss 43 serta (2) bi (1) (1) = bi − mi1 b1 (2) Perkalian persamaan pertama ditentukan untuk membuat ai1 = 0 (elemninasi x1 dari persamaan ke-i, untuk i = 2, 3, . . . , n. Selanjutnya susun kembali matriks hasil eleminasi x1 , yaitu (1) (1) (1) (1) (1) (2) (2) (2) (2) (2) (2) (2) (2) (2) (2) a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1 a22 x2 + a23 x3 + · · · + a2n xn = b2 a32 x2 + a33 x3 + · · · + a3n xn = b3 .. .. .. .. . . . . (2) an2 x2 + an3 x3 + · · · + a(2) nn xn = bn Selanjutnya eleminasi x2 dari persamaan ke-i untuk i = 3, 4, . . . , n. Misalkan (2) a22 = 0, maka untuk i = 3, 4, . . . , n kita ambil, mi2 = ai2 (2) , ai2 dan kemudian (3) (2) (2) aij = aij − mi2 a2j , j = 2, 3, . . . , n dan (3) bi (2) (2) = bi − mi2 b2 memberikan hasil, (1) (1) (1) (1) (1) (2) (2) (2) (2) (2) (2) (2) a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1 a22 x2 + a23 x3 + · · · + a2n xn = b2 a33 x3 + · · · + a3n xn = b3 .. .. .. . . . (2) (2) an3 x3 + · · · + a(2) nn xn = bn (3) Eleminasi x3 dari persamaan i = 4, 5, . . . , n dengan memisalkan a33 = 0. (1) (2) (3) (n) Elemen-elemen (a11 , a22 , a33 , . . . , ann disebut elemen pivot. Jika eleminasi dilakukan 44 Bab 3 Penyelesaian Sistem Linear terhadap persamaan-persamaan linear sampai elemen-elelmen pivot hilang, maka akan menghasilkan bentuk sistem persamaan linear (1) (1) (1) (1) (1) (2) (2) (2) (2) (3) (3) (3) a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1 a22 x2 + a23 x3 + · · · + a2n xn = b2 a33 x3 + · · · + a3n xn = b3 .. .. . . (3.6) (n) a(n) nn xn = bn Proses reduksi terhadap persamaan (3.3) menjadi (3.6) disebut eleminasi, dan koefisien matriks pada persamaan (3.6) disebut matriks segitiga atas, yang ditulis U = (uij ) yang mana uij = 0 , jika i > j atau ditulis ⎛ ⎜ ⎜ ⎜ ⎜ U=⎜ ⎜ ⎜ ⎜ ⎝ (1) (1) (1) (1) (1) + · · · + a1(n−1) + a1n ⎞ a11 + a12 + a13 0 + a22 + a23 (2) (2) + · · · + a2(n−1) + a2n ⎟ ⎟ 0 .. . 0 + + a33 .. . 0 + · · · + a3(n−1) + a3n .. .. . . (3) ··· 0 a3n (2) 0 .. . 0 (2) (3) (3) (3) ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ Penyelesaian untuk x1 , x2 , . . . , xn dilakukan dengan mensubstitusikan kembali. Jika (n) ann = 0, maka penyelesaian untuk xn adalah (n) bn xnn = (n) ann selanjutnya nilai xn digunakan untuk menyelesaian xn−1 , (n−1) (n−1) (n−1) (n−1) a(n−1)(n−1) xn−1 + a(n−1)n x(n−1)n = bn−1 atau (n−1) (n−1) (n−1) (n−1) a(n−1)(n−1) xn−1 + a(n−1)n x(n−1)n = bn−1 atau (n−1) (n−1) a(n−1)(n−1) xn−1 + a(n−1)n (n) bn (n) ann (n−1) = bn−1 x(n−1)(n−1) = 1 a(n−1)(n−1) bn−1 − (n) (n−1) bn a(n−1)n (n) ann 3.2 Eleminasi Gauss 45 Jika langkah tersebut secara menerus dilakukan, maka dapat ditulis secara umum, ⎛ ⎞ n 1 (k) (k) akj xj ⎠ xk = (k) ⎝ak − akk j=k+1 (3.7) Contoh 3.3 selesaikan sistem persamaan linear berikut. 1 x1 + x2 + x3 = x1 + 2x2 + 4x3 = −1 x1 + 3x2 + 9x3 = 1 (3.8) Elemenasi x1 pada persamaan kedua dan ketiga dengan mengurangkan persamaan pertama terhadap kedua persamaan, diperoleh, x1 + x2 + x3 = 1 x2 + 3x3 = −2 2x2 + 8x3 = 0 (3.9) Eleminasi x2 pada persamaan ketiga dengan mengurankan 2 kali persamaan kedua terhadap persamaan ketiga, diperoleh 1 x1 + x2 + x3 = x2 + 3x3 = −2 2x3 = 4 (3.10) Dengan menggunakan algoritma substitusi-ulang diperoleh, 4 =2 2 = −3(2) − 2 = −8 x3 = x2 x1 = 6 + 1 = 7 Contoh 3.4 Selesaikan sistem berikut 1, 133x1 + 5, 281x2 = 6, 414 24, 14x1 − 1, 210x2 = 22, 93 (3.11) Kalikan m21 = 24, 14/1, 133 = 21, 31 terhadap baris pertama dan kurangkan terhadap baris kedua, dan dengan menggunakan empat digit perhitungan diperoleh koefisien 46 Bab 3 Penyelesaian Sistem Linear baru, (2) a22 = −1, 210 − 21, 31(5, 281) = −1, 210 − 112, 5 = −113, 7 (2) a23 = 22, 93 − 21, 31(6, 414) = 22, 93 − 136, 7 = −113, 8 dan diperoleh sistem segitiga atas, 1, 133x1 + 5, 281x2 = 6, 414 − 113, 7x2 = −113, 8 (3.12) Dengan menggunakan algoritma substitusi-ulang, diperoleh −113, 8 = 1, 001 −113, 7 6, 414 − 5, 286 6, 414 − 5, 281(1, 001) = = 1, 133 1, 133 = 0, 9956 x2 = x1 Penyelesaian dari sistem persamaan linear di atas adalah x1 = 1, 000 dan x2 = 1, 000. Untuk dapat menentukan solusi yang sebenarnya, maka dilakukan dengan mengubah baris, sehingga sistem yang baru adalah sebagai berikut. 24, 14x1 − 1, 210x2 = 22, 93 1, 133x1 + 5, 281x2 = 6, 414 (3.13) Kalikan m21 = 1, 133/24, 14 = 0, 04693 terhadap baris pertama dan hasilnya kurangkan terhadap baris kedua, dan diperoleh koefisien baru, (2) a22 = 5, 281 − 0, 04693(−1, 210) = 5, 281 + 0, 05679 = 5, 338 (2) a23 = 6, 414 − 0, 04693(22, 93) = 6, 414 − 1, 076 = 5, 338 sehingga diperoleh sistem segitiga atas, yaitu 24, 14x1 − 1, 210x2 = 22, 93 5, 338x2 = 5, 338 (3.14) 3.2 Eleminasi Gauss 47 Dengan menggunakan algoritma substitusi-ulang diperoleh, x2 = 5, 338/5, 338 x1 = 1, 000 22, 93 + 1, 210(1, 000) = 24, 14 = 1, 000 Latihan 3.1 Tunjukkan bahwa Ax = b adalah ekivalen terhadap bentuk sistem segitiga atas atas Ux = y dan tentukan penyelesaian. 2x1 + 4x2 − 6x3 = −4 1. x1 + 5x2 + 3x3 = 10 x1 + 3x2 + 2x3 = 5 2x1 + 4x2 − 6x3 = −4 3x2 + 6x3 = 12 3x3 = 3 x1 + x2 − 6x3 = 7 2. −x1 + 2x2 + 9x3 = 2 x1 − 2x2 + 3x3 = 10 x1 + 3. 2x1 − 2x2 + 5x3 = 6 2x1 + 3x2 + x3 = 13 −x1 + 4x2 − 4x3 = 3 4. −5x1 + 2x2 − x3 = −1 x1 + 0x2 + 3x3 = 5 3x1 + x2 + 6x3 = 17 x2 − 6x3 = 7 3x2 + 15x3 = 9 12x3 = 12 2x1 − 2x2 + 5x2 − −5x1 + 5x3 = 6 4x3 = 7 0, 9x3 = 1, 8 2x2 − x3 = −1 0, 4x2 + 2, 8x3 = 4, 8 − 10x3 = −10 5. Tentukan parabola y = A + Bx − Cx2 yang melalui (1, 4), (2, 7) dan (3, 14) 6. Tentukan parabola y = A + Bx + Cx2 yang melalui (1, 6), (2, 5) dan (3, 2) 7. Tentukan parabola y = A + Bx + Cx2 yang melalui (1, 2), (2, 2) dan (4, 8). 8. Tentukan penyelesaian dari sistem linear berikut. x1 2x1 5x1 −3x1 + x2 − x2 + 2x2 + 0x2 + 0x3 + 5x3 + x3 + 2x3 + + + + 4x4 0x4 2x4 6x4 = 3 = 2 = 5 = −2 48 Bab 3 Penyelesaian Sistem Linear 9. Tentukan solusi dari sistem linear berikut. x1 − x2 2x1 − 3x2 − x3 2x2 + 2x3 + 3x4 2x3 − 4x4 = 7 = 9 = 10 = 12 10. Tentukan penyelesaian sistem linear berikut. x1 + 2x1 − 3.3 x2 x2 + 5x3 3x2 − 4x3 + 2x4 2x3 + 6x4 = 5 = −9 = 19 = 2 Faktorisasi Matriks LU Pada sub-bab sebelumnya, kita telah mempelajari bagaimana menyelesaikan sis- tem persamaan linear dengan menggunakan metode eleminasi Gauss yang menghasilkan segitiga atas. Pada pembahasan kali ini, kita akan memperkenalkan konsep faktorisasi dari matriks koefisien A yang diberikan menjadi perkalian matriks segitiga-atas U dengan elemen-elemen diagonal tidak nol dan mariks segitiga bawah L yang mempunyai elemen-elemen diagonal 1. Untuk mengilustrsikan, berikut diberikan contoh faktorisasi matriks berukuran 4 × 4. Definisi 3.1 Sebuah matriks non-singular A mempunyai faktorisasi triangular jika matriks tersebut dapat dibentuk sebagai suatu perkalian matrik segigita bawah L dan matriks segitiga atas U, A = LU (3.15) atau ditulis dalam bentuk matriks ⎛ ⎜ ⎜ ⎜ ⎝ a11 a21 a31 a41 a12 a22 a32 a42 a13 a23 a33 a43 a14 a24 a34 a44 ⎞ ⎛ ⎟ ⎜ ⎟ ⎜ ⎟=⎜ ⎠ ⎝ 1 0 0 m21 1 0 m31 m32 1 m41 m42 m43 0 0 0 1 ⎞⎛ ⎟⎜ ⎟⎜ ⎟⎜ ⎠⎝ u11 u12 u13 0 u22 u23 0 0 u33 0 0 0 u14 u24 u34 u44 ⎞ ⎟ ⎟ ⎟ (3.16) ⎠ Oleh karena matrisk A adalah non-singular, menyebabkan ukk = 0 untuk semua k dan elemen-elemen dari matriks L dan U masing-masing adalah mij dan uij . 3.3 Faktorisasi Matriks LU 49 Penyelesaian Sistem Linear Misalkan matriks koefisien A untuk sistem linear Ax = b yang mempunyai faktorisasi triangular (3.15), dan selanjutnya selesaikan bentuk, LUX = B (3.17) yang diperoleh dengan mendefinsikan Y = U X dan selesaikan dua buah sistem, yaitu: penyelesaiann untuk Y, LY = B (3.18) UX = Y (3.19) dan penyelesaian untuk X, Jika matriks Y didefinisikan, ⎛ ⎜ ⎜ ⎝ Y=⎜ y1 y2 y3 y4 ⎞ ⎟ ⎟ ⎟ ⎠ maka bentuk sistem LY = B ditulis, y1 m21 y1 m31 y1 m41 y1 + + y2 + m32 y2 + y3 + m42 y2 + m43 y3 + y4 = = = = b1 b2 b3 b4 (3.20) Selesaikan (3.20) untuk menentukan y1 , y2 , y3 dan y4 dan gunakan untuk menyelesaikan sistem, u11 x1 + u12 x2 + u13 x3 + u14 x4 u22 x2 + u23 x3 + u24 x4 u33 x3 + u34 x4 u44 x4 Contoh 3.5 Selesaikan sistem berikut. 4x1 + 3x2 − x3 = −2 −2x1 − 4x2 + 5x3 = 20 7 x1 + 2x2 + 6x3 = = = = = y1 y2 y3 y4 (3.21) 50 Bab 3 Penyelesaian Sistem Linear Penyelesaian: Dari soal di atas, diperoleh matriks koefisiennya adalah ⎛ ⎞ 4 3 −1 ⎜ ⎟ A = ⎝ −2 −4 5 ⎠ 1 2 6 Selanjutnya, kita akan mengkontruksi matriks koefisien A menjadi faktorisasi matriks segitiga LU. Matriks L akan dikontruksi dari matriks identitas yang diletakan sebelah kiri matriks A, ⎛ ⎞⎛ ⎞ 1 0 0 4 3 −1 ⎜ ⎟⎜ ⎟ A = ⎝ 0 1 0 ⎠ ⎝ −2 −4 5 ⎠ 0 0 1 1 2 6 Baris 1 digunakan untuk mengeleminasi elemen-elemen A pada kolom 1 di bawah a11 . Kalikan m21 = 0, 5 dan m31 = 0, 25 pada baris 1 yang kemudian kurangkan terhadap baris 2 dan 3, diperoleh, ⎛ ⎞⎛ ⎞ 1 0 0 4 3 −1 ⎜ ⎟⎜ ⎟ A = ⎝ −0, 5 1 0 ⎠ ⎝ 0 −2, 5 4, 5 ⎠ 0, 25 0 1 0 1, 25 6, 25 Baris 2 digunakan untuk mengeleminasi elemen-elemen A pada kolom 2 dibawah a22 . Kalikan m32 = 0, 5 pada baris 2 yang kemudian kurangkan terhadap baris 3. Pengalinya di masukan dalam matriks sebelah kiri, dan diperoleh matriks faktorisasi A, yaitu, ⎛ ⎞⎛ ⎞ 1 0 0 4 3 −1 ⎜ ⎟⎜ ⎟ 1 0 ⎠ ⎝ 0 −2, 5 4, 5 ⎠ A = ⎝ −0, 5 0, 25 −0, 5 1 0 0 8, 5 Dari hasil faktorisasi matriks A, ini berarti ⎛ ⎞ 1 0 0 ⎜ ⎟ 1 0 ⎠ L = ⎝ −0, 5 0, 25 −0, 5 1 ⎛ Tentukan y1 , y2 dan y3 dengan menyelesaikan bentuk B ⎞ ⎛ LY ⎞ = ⎛ ⎞ 1 0 0 y1 −2 ⎜ ⎟⎜ ⎟ ⎜ ⎟ 1 0 ⎠ ⎝ y2 ⎠ = ⎝ 20 ⎠ ⎝ −0, 5 y3 0, 25 −0, 5 1 7 ⎛ ⎞ 4 3 −1 ⎜ ⎟ dan U = ⎝ 0 −2, 5 4, 5 ⎠ 0 0 8, 5 3.3 Faktorisasi Matriks LU 51 atau y1 = −2 −0, 5y1 + y2 = 20 7 0, 25y1 − 0, 5y2 + y3 = Dengan menggunakan substitusi maju, diperoleh nilai-nilai y1 , y2 dan y3 , yaitu: y1 = −2 y2 = 20 + 0, 5(−2) = 19 y3 = 7 − 0, 25(−2) + 0, 5(19) = 17 Selanjutnya tulis sistem, UX Y ⎞ = ⎛ ⎞ 4 3 −1 x1 −2 ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎝ 0 −2, 5 4, 5 ⎠ ⎝ x2 ⎠ = ⎝ 19 ⎠ x3 0 0 8, 5 17 ⎛ ⎞⎛ atau 4x1 + 3x2 − x3 = −2 −2, 5x2 + 4, 5x3 = 19 8, 5x3 = 17 Gunakan substitusi mundur dan diperoleh, x3 = x2 = x1 = 17 =2 8, 5 1 (19 − 4, 5(2)) = −4 −2, 5 1 (−2 − 3(−4)) = 3 4 Latihan 3.2 1. Selesaikan LY = B, UX = Y dan verifikasi bahwa B = AX untuk (a) BT = (−4, 10, 5) dan (b) BT = (20, 49, 32), di mana A = LU adalah ⎛ ⎞ ⎛ 2 4 −6 1 ⎜ ⎟ ⎜ 1 3 ⎠=⎝ 2 ⎝ 1 5 1 1 3 2 2 ⎞⎛ ⎞ 0 0 2 4 −6 ⎟⎜ ⎟ 6 ⎠ 1 0 ⎠⎝ 0 3 1 0 0 3 3 1 52 Bab 3 Penyelesaian Sistem Linear 2. Selesaikan LY = B, UX = Y dan verifikasi bahwa B = AX untuk (a) BT = (7, 2, 10) dan (b) BT = (25, 35, 7), di mana A = LU adalah ⎛ ⎞ ⎛ ⎞⎛ ⎞ 1 1 6 1 0 0 1 1 6 ⎜ ⎟ ⎜ ⎟⎜ ⎟ 2 9 ⎠ = ⎝ −1 1 0 ⎠ ⎝ 0 3 15 ⎠ ⎝ −1 1 −2 3 1 −1 1 0 0 12 3. Selesaikan LY = B, UX = Y dan verifikasi bahwa B = AX untuk (a) BT = (6, 13, 3) dan (b) BT = (3; 1, 5; −1, 5), di mana A = LU adalah ⎛ ⎞ ⎛ ⎞⎛ ⎞ 2 −2 5 1 0 0 2 −2 5 ⎜ ⎟ ⎜ ⎟⎜ ⎟ 3 1 ⎠=⎝ 1 1 0 ⎠⎝ 0 5 −4 ⎠ ⎝ 2 −1 4 −4 −0, 5 0, 6 1 0 0 0, 9 4. Tentukan ⎛ faktorisasi −5 2 −1 ⎜ 3 (a) ⎝ 1 0 3 1 6 matriks segitiga A = LU dari berikut ini. ⎞ ⎛ matriks-matriks ⎞ 5. Tentukan ⎛ faktorisasi 4 2 1 ⎜ 5 −2 (a) ⎝ 2 1 −2 7 matriks segitiga A = LU dari berikut ini. ⎞ ⎛ matriks-matriks ⎞ ⎟ ⎠ (b) ⎟ ⎠ (b) 1 0 3 ⎟ 3 1 6 ⎠ −5 2 −1 ⎜ ⎝ 1 −2 7 ⎟ 2 1 ⎠ 2 5 −2 ⎜ ⎝ 4 6. Selesaikan LY = B, UX = Y dan verifikasi bahwa B = AX untuk (a) BT = (8, −4, 10, −4) dan (b) BT = (28, 13, 23, 4), di mana A = LU adalah ⎛ ⎜ ⎜ ⎜ ⎝ 4 1 2 1 ⎞ ⎛ 8 4 0 1 ⎜ 1 5 4 −3 ⎟ ⎟ ⎜ 2 ⎟=⎜ 3 1 3 ⎠ ⎝ 14 1 4 −2 2 4 0 1 2 3 1 3 ⎞⎛ 0 0 4 ⎜ 0 0 0 ⎟ ⎟⎜ ⎟⎜ 1 0 ⎠⎝ 0 − 12 1 0 8 3 0 0 ⎞ 4 0 3 −3 ⎟ ⎟ ⎟ 4 4 ⎠ 0 1 7. Tentukan faktorisasi matriks segitiga A = LU untuk matriks berikut ini. ⎛ ⎜ ⎜ ⎜ ⎝ 1 1 0 4 2 −1 5 0 5 2 1 2 −3 0 2 6 ⎞ ⎟ ⎟ ⎟ ⎠ 8. Hukum Kirchhoff mengatakan bahwa jumlah arus yang masuk dan keluar adalah sama, yang diberikan pada sistem persamaan linear berikut. R3 I2 + R4 I3 = E1 (R1 + R3 + R4 )I1 + R3 I1 + (R2 + R3 + R5 )I2 − R5 I3 = E2 R4 I1 − R5 I2 + (R4 − R5 + R6 )I3 = 0 3.4 Metode Iterasi untuk Sistem Linear 53 Selesaikan sistem di atas untuk I1 , I2 dan I3 jika: (a) R1 = 1, R2 = 1, R3 = 2, R4 = 1, R5 = 2, R6 = 4 dan E1 = 23, E2 = 29 (b) R1 = 1, R2 = 0, 75, R3 = 1, R4 = 2, R5 = 1, R6 = 4 dan E1 = 12, E2 = 21, 5 (c) R1 = 1, R2 = 2, R3 = 4, R4 = 3, R5 = 1, R6 = 5 dan E1 = 41, E2 = 38 3.4 Metode Iterasi untuk Sistem Linear Pada sub-bab ini akan dikembangkan metode penyelesaian sistem persamaan linear dengan menggunakan iterasi titik tetap, yaitu Iterasi Jacobi dan Iterasi Gauss Seidel. a. Iterasi Jacobi Pada metode iterasi Jacobi, sistem persamaan linear dibentuk menjadi persamaa-persamaan eksplisit, yang selajutnya dijadikan sebagai model iterasi. Nilai awal akan diberikan untuk menghitung nilai konstanta-konstanta tak diketahui pada iterasi pertama, begitu seterusnya. Pertimbangkan sistem persamaan linear berikut ini. a1 x + b1 y + c1 z = d1 a2 x + b2 y + c2 z = d2 a3 x + b3 y + c3 z = d3 (3.22) Persamaan (3.22) dapat ditulis dalam bentuk, x = y = z = 1 (d1 − b1 y − c1 z) a1 1 (b2 − a2 x − c2 z) b2 1 (b1 − a3 x − b3 y) c3 (3.23) Secara persamaan-persamaan di atas dapat diubah ke dalam Iterasi Jacobi, xi+1 = yi+1 = zi+1 = Contoh 3.6 1 (d1 − b1 yi − c1 zi ) a1 1 (d2 − a2 xi − c2 zi ) b2 1 (d3 − a3 xi − b3 yi ) c3 (3.24) 54 Bab 3 Penyelesaian Sistem Linear Selesaikan sistem persamaan berikut. 4x − y + z = 7 4x − 8y + z = −21 −21x + y + 5z = 15 (3.25) dengan nilai awal (x0 , y0 , z0 ) = (1, 2, 2). Penyelesaian: Tulis persamaan di atas dalam bentuk, x = y = z = 1 (7 + y − z) 4 1 (21 + 4x + z) 8 1 (15 + 2x − y) 5 Dan jika ditulis dalam bentuk iterasi Jacobi, xi+1 = yi+1 = zi+1 = 1 (7 + yi − zi ) 4 1 (21 + 4xi + zi ) 8 1 (15 + 2xi − yi ) 5 Selanjutnya, substitusikan x0 = 1, y0 = 2, z0 = 2 ke dalam persamaan iterasi Jacobi, x1 = y1 = z1 = 1 (7 + 2 − 2) = 1, 75 4 1 (21 + 4+) = 3, 375 8 1 (15 + 2 − 2) = 3, 00 5 Jika kita lakukan langkah-langkah yang sama secara menerus, maka iterasi kelihatannya konvergen sebagaimana yang ditunjukkan pada Tabel (3.1). b. Iterasi Gauss-Seidel Metode iterasi Gauss-Seidel yang digunakan untuk menentukan penyelesaian sistem persamaan linear mempunyai prinsip kerja yang sama dengan metode iterasi jacobi, tetapi iterasi yang dilakukan dengan menggunakan metode Gauss-Seidel lebih cepat pada kasus-kasus penyelesaian yang konvergen. Pada iterasi Gauss-Seidel, xi+1 digunakan untuk menggantikan xi pada perhitungan yi+1 , dan nilai-nilai xi+1 , yi+1 juga digunakan untuk menggantikan xi dan yi pada perhitungan zi+1 . 3.4 Metode Iterasi untuk Sistem Linear 55 Tabel 3.1 Konvergensi Iterasi jacobi untuk sistem linear (5.4) i xi yi zi 0 1 2 3 4 .. . 1,0 1,75 1,84375 1,9625 1,99062500 .. . 2,0 3,375 3,875 3,925 3,97656250 .. . 2,0 3,0 3,025 2,9625 3,00000000 .. . 15 .. . 1,99999993 .. . 2,00000000 3,99999985 .. . 4,00000000 3,00093750 .. . 3,00000000 19 Sekarang, pandang kembali persamaan a1 x + b1 y + c1 z = d1 a2 x + b2 y + c2 z = d2 a3 x + b3 y + c3 z = d3 (3.26) Persamaan pada sistem (3.26) dapat diubah menjadi bentuk iterasi Gauss-Seidel, yaitu, xi+1 = yi+1 = zi+1 = 1 (d1 − b1 yi − c1 zi ) a1 1 (d2 − a2 xi+1 − c2 zi ) b2 1 (d3 − a3 xi+1 − b3 yi+1 ) c3 (3.27) Contoh 3.7 Pertimbangkan kembali persamaan pada contoh soal (5.4), 4x − y + z = 7 4x − 8y + z = −21 −21x + y + 5z = 15 dengan P0 = (x0 , y0 , z0 ) = (1, 2, 2). Penyelesaian: (3.28) 56 Bab 3 Penyelesaian Sistem Linear Proses iterasi Gauss-Seidel yang diberikan adalah, xi+1 = yi+1 = zi+1 = 1 (7 + yi − zi ) 4 1 (21 + 4xi+1 + zi ) 8 1 (15 + 2xi+1 − yi+1 ) 5 Dengan mensubstitusikan y0 = 2 dan z0 = 2 diperoleh nilai x1 , x1 = 7+2−2 = 1, 75 4 dan substitusikan x1 = 1, 75 dan z0 = 2 kedalam persamaan kedua, dan diperoleh, 1 y1 = [15 + 2(1, 75) − 3, 75] = 3, 75 8 Selanjutnya, substitusikann x1 = 1, 75 dan y1 = 3, 75 ke dalam persamaan ketiga dan diperoleh, 1 z1 = (15 + 291, 75) − 3, 75) = 2, 95 5 Dari iterasi pertama diperoleh P1 = (x1 , y1 , z1 ) = (1, 75; 3, 75; 2, 95) Dari hasil perhitungan terlihat bahwa P1 lebih dekat ke nilai sebenarnya (2, 4, 3) dibandingkan dengan P0 dan lebih baik dibandingan dengan iterasi jacobi. Jika barisan terus-menerus dilakukan iterasi, terlihat hasil yang konvergen ke (2, 4, 3) sebagaimana terlihat pada Tabel (3.2). Latihan 3.3 1. Gunakan iterasi Jacobi dan Iterasi Gauss-Seidel untuk menentukan Pi (i = 1, 2, 3) dengan P0 = (x0 , y0 , z0 ) = (0, 0, 0) untuk sistem linear berikut. Apakah jacobi dan Gauss-seidel konvergensi ke penyelesaian yang dimaksud? (a) 4x − y = 15 x + 5y = 9 (b) 8x − 3y = 10 −x + 4y = 6 (c) −x + 3y = 1 6x − 2y = 2 (d) 2x + 3y = 1 7x − 2y = 1 3.4 Metode Iterasi untuk Sistem Linear 57 Tabel 3.2 Konvergensi Iterasi Gauss-Seidel untuk sistem linear (3.28) i xi yi zi 0 1 2 3 .. . 1,0 1,75 1,95 1,995625 .. . 2,0 3,375 3,96875 3,996099375 .. . 2,0 2,950 2,98625 2,99903125 .. . 1,99999983 1,99999998 2,00000000 3,99999988 3,99999999 4,00000000 2,99999996 3,00000000 3,00000000 8 9 10 2. Gunakan iterasi Jacobi dan Iterasi Gauss-Seidel untuk menentukan Pi (i = 1, 2, 3) dengan P0 = (x0 , y0 , z0 ) = (0, 0, 0) untuk sistem linear berikut. Apakah jacobi dan Gauss-seidel konvergensi ke penyelesaian yang dimaksud? 5x − y + z = 10 2x + 8y − z = 11 −x + y + 4z = 3 (b) 2x + 8y − z = 11 5x − y + z = 10 −x + y + 4z = 3 x − 5y − z = −8 (c) 4x + y − z = 13 2x − y − 6z = −2 (d) 4x + y − z = 13 x − 5y − z = −8 2x − y − 6z = −2 (a) 3. Pertimbangkan sistem linear berikut. 5x + 3y = 6 4x − 2y = 8 Dapatkanh, baik metode iterasi jacobi maupun Gauss-Seidel dapat menentukan penyelesaian dari persamaan linear di atas? 4. Dapatkah iterasi Jacobi digunakan untuk menyelesaian sistem persamaan linear berikut. 2x + y − 5z = 9 x − 5y − z = 14 7x − y − 3z = 26 58 Bab 3 Penyelesaian Sistem Linear 5. Pertimbangkan sistem linear triagonal berikut ini dan asumsikan bahwa matriks koefisien adalah matriks diagonal. d1 x1 + c1 x2 a1 x1 + d2 x2 a2 x2 + + .. . c2 x3 d3 x3 an−2 xn−2 + c3 x4 .. . + dn−1 xn−1 an−1 xn−1 = = = .. b1 b2 b3 .. . . + cn−1 xn = bn−1 + dn xn = bn Tulislah algoritma yang dapat digunakan untuk menyelesaikan persoalan tersebut. BAB 4 AKAR-AKAR PERSAMAAN NONLINEAR Pada persoalan matematika, kita sering ditemukan masalah di dalam menentukan akar dari suatu persamaan yang berbentuk f (x) = 0 (4.1) Penyelesaian suatu persamaan pada dasarnya adalah nilai-nilai variabel bebas yang membuat nilai fungsi menjadi nol. Jika α adalah suatu akar persamaan dari fungsi f (x), maka f (α) = 0. Pada kasus ini, fungsi f (x) adalah tak linear yang dapat berbentuk: 1. Persamaan aljabar Persamaan aljabar biasanya berbentuk polinom, an xn + an−1 xn−1 + · · · + a2 x2 + aa x + a0 = 0 dengan an = 0, n ≥ 2 2. Persamaan Transenden Persamaan transenden adalah persamaan yang melibatkan fungsi-fungsi trigonometri, eksponen dan logaritma, misalnya e2x−3 − 4 sin(3x2 + 2) = 0 ln(x + 2) − 3 = 0 log(3x − 2) + cos(x + 1) = 0 3. Persamaan campuran Persamaan yang melibatkan persamaan aljabar dan persamaan transenden x2 cos(x + 1) − 3x6 = 0 60 Bab 4 Akar-Akar Persamaan Nonlinear x3 e + ex (x−3 ) = 0 e2x 2 −1 x4 − tan(x − 4) = 0 Untuk menentukan penyelesaian suatu persamaan, banyak cara dilakukan. Beberapa teknik telah digunakan, misalnya dengan menggunakan grafik atau memebuat tabulasi atau kedua-duanya digunakan secara bersama-sama. Pada kenyataanya, banyak persamaan non linear yang cukup sulit untuk menentukan solusinya. Hal ini terjadi ketika tidak terdapat rumusan untuk menentukan solusi secara analisis. Untuk itu, kita gunakan metode pendekatan dengan melibatkan iterasi (yang secara umum pendekatan terbaik akan digunakan) untuk menentukan solusi persamaan non linear. Misalkan diberikan suatu fungsi f (x) = 0 (4.2) dan s dikatakan solusi dari persamaan (4.2) jika f (s) = 0 (4.3) atau secara geomteri dapat ditentukan nilai s sebagai solusi dari f (x), dengan menentukan absis perpotongan sumbu-X dengan kurva f (x). Pada sub-bab ini, akan diberikan suatu pendekatan untuk menentukan solusi persamaan nolinear. 4.1 Metode Bagidua Misalkan f adalah fungsi kontinu terdefinisi pada interval [a, b] dengan f (a) dan f (b) saling berlawanan tanda sebagaimana ditunjukkan pada Gambar 4.1. Dengan menggunakan teorema Kalkulus lanjut, terdapat α di dalam (a, b) dengan f (α) = 0. Misalkan kita ambil interval [a, b] dan α terletak di dalamnya sehingga f (a)f (b) < 0. Pada setiap kali iterasi, interval [a, b] dibagi dua di x = c dengan c = (a + b)/2 sehingga terdapat dua sub-interval, yaitu [a, c] dan [c, b]. Selang yang diambil untuk iterasi adalah selang yang memuat akar α yang memenuhi f (a)f (c) < 0 atau f (b)f (c) < 0. Selang yang baru lagi dibagi dua dengan cara yang sama. Begitu seterusnya sampai ukuran selang baru menjadi sangat kecil. Iterasi akan dihentikan jika memenuhi 4.1 Metode Bagidua 61 Y f (x) a c • α b X Gambar 4.1 Skematik metode Bagidua pada kurva y = f (x) yang memotong sumbu x di α. kondisi sebagai berikut. 1. Lebar interval baru lebih kecil dari nilai toleransi lebar interval yang diberikan, |a − b| < ε. 2. Nilai fungsi hampiran di f (c) = 0 3. Galat relatif hampiran akar |(cn+1 − cn )/cn+1 | < δ, yang mana δ adalah galat relatif yang diinginkan dan n = 0, 1, 2, · · · Metode Bagidua secara konsep sudah cukup jelas, tetapi konvergensi sangat lamban (membutuhkan banyak iterasi N untuk menghasilkan galat, |p − pn |, yang cukup kecil). Algoritma untuk menentukan akar persamaan diberikan sebagai berikut. INPUT titik ujung a,b; toleransi TOL, jumlah iterasi N OUTPUT akar pendekatan Algoritma 1. set i=1 2. while i<=N do 3-6 3. def alpha := (a+b)/2 4. if f(alpha) = 0 atau |b-a| < TOL , maka c adalah akar persamaan dan berhenti. 5. set i = i + 1 6. jika f(b)f(c) < 0 , maka a:=c , selain itu, 7. b:=c , kembali ke 2 62 Bab 4 Akar-Akar Persamaan Nonlinear Teorema 4.1 Jika f ∈ [a, b] dan andaikan f (a) · f (b) < 0, metode Bagidua dapat digeneralisasi terhadap barisan {pn } yang menghampiri p dengan kriteria-kriteria berikut, |pn − p| ≤ b−a , 2n n≥1 Contoh 4.1 Tentukan akar persamaan (x) = ex − 5x2 di dalam interval [0, 1] dan ε = 0, 001. Penyelesaian: Dengan menggunakan menggunakan algoritma metode Bagidua, diperoleh nilai-nilai yang ditunjukkan pada tabel berikut. Contoh 4.2 Tentukan akar-akar pendekatan dari f (x) = x6 − x − 1 = 0 pada interval [1, 2]. Penyelesaian: Dengan menggunakan algoritma Bagidua, diperoleh tabel sebagai berikut. Contoh 4.3 Hitunglah banyaknya iterasi yang dibutuhkan untuk menyelesaikan f (x) = x3 + 4x − 10 = 0 dengan akurasi = 10−3 , gunakan a1 = 1 dan b1 = 2 Penyelesaian: 4.1 Metode Bagidua 63 Tabel 4.1 Hasil hampiran metode bagidua untuk f (x) = ex − 5x2 dengan toleransi ε = 0, 001 i a c b f (a) f (c) f (b) selang lebar 0 1 2 3 4 5 6 7 8 9 10 0,0000 0,5000 0,5000 0,5000 0,5625 0,5938 0,5938 0,6016 0,6016 0,6016 0,6045 0,5000 0,7500 0,6250 0,5625 0,5937 0,6094 0,6016 0,6055 0,6035 0,6045 0,6050 1,0000 1,0000 0,7500 0,6250 0,6250 0,6250 0,6094 0,6094 0,6055 0,6055 0,6055 1,0000 0,3987 0,3987 0,3987 0,1730 0,4081 0,4081 0,0156 0,0156 0,0074 0,0033 0,3987 -0,6955 -0,6955 0,1730 0,0481 0,0175 0,0156 -0,0009 0,0074 0,0033 0,0012 -2,2817 -2,2817 -0,6955 -0,0849 -0,0849 -0,0849 -0,0174 -0,0174 -0,0009 -0,0009 -0,0009 [c,b] [a,c] [a,c] [c,b] [c,b] [a,c] [c,b] [a,c] [c,b] [c,b] [c,b] 0,5000 0,2500 0,1250 0,0625 0,0313 0,0156 0,0078 0,0039 0,0020 0,0010 0,0005 Tabel 4.2 Hasil hampiran metode bagidua untuk f (x) = x6 −x−1 = 0 dengan toleransi ε = 0, 001 i 1 2 3 4 5 6 7 8 9 10 a b c 1,0000 1,0000 1,0000 1,1250 1,1250 1,1250 1,1250 1,1328 1,1328 1,1328 2,0000 1,5000 1,2500 1,2500 1,1875 1,1562 1,1406 1,1406 1,1367 1,1348 1,5000 1,2500 1,1250 1,1875 1,1562 1,1406 1,1328 1,1367 1,1348 1,1338 b−c 0,5000 0,2500 0,1250 0,0625 0,0312 0,0156 0,0078 0,0039 0,0020 0,00098 f (α) 8,8906 1,5647 -0,0977 0,6167 0,2333 0,0616 -0.0196 0,0206 0,0004 -0,0096 Metode Bagidua akan menghasilkan akar-akar persamaan jika |p − pn | ≤ . Dari soal 64 Bab 4 Akar-Akar Persamaan Nonlinear ditentukan bahwa = 10−3 . Oleh karena itu, |pn − p| ≤ b1 − a1 (2 − 1) = < 10−3 n 2 2n dengan menggunakan logaritma, log(2−n ) < log(10−3 ) −n log(2) < −3 3 n> ≈ 9, 96 log(2) Kasus yang Mungkin Terjadi 1. Jumlah akar lebih dari satu Bila dalam selang [a, b] terdapat lebih dari satu akar (banyaknya akar ganjil) sebagaimana ditunjukkan pada Gambar 4.2. Y 6 a b- X Gambar 4.2 Kurva y = f (x) yang mempunyai akar berjumlah ganjil. 2. Akar ganda Untuk beberapa fungsi yang mempunyai akar kembar atau imajiner, metode bagi dua tidak dapat menemukan aka-akar polinom.Hal ini disebabkan karena tidak terdapat perbedaan tanda pada ujung-ujung selang yang baru, sebagaimana ditunjukkan pada Gambar 4.3(a) dan Gambar 4.3(b). 3. Singularitas Pada suatu fungsi f (x), kadang kala terdapat nilai yang tidak terdefinisi pada x 4.1 Metode Bagidua 65 Y 6 Y 6 a b -X a (a) Polinom yang tidak mempunyai akar b -X (b) Polinom yang mempunyai akar kembar Gambar 4.3 Polinom yang mempunyai akar ganda tertentu. Jika selang [a, b] memuat titik singular, maka iterasi metode bagidua tidak pernah berhenti. Hal ini disebabkan karena metode bagidua menganggap titik singular sebagai akar polinom. Y 6 a b X - Gambar 4.4 Interval [a, b] yang memuat titik singular kurva y = f (x) Batas galat yang diperoleh dari metode biseksi (bagi dua) adalah sebagai berikut. Misalkan an , bn dan cn masing-masing melambangkan nilai-nilai ke-n yang dihitung dari a, b dan c. Untuk itu, diperoleh 1 bn+1 − an+1 = (bn − an ), 2 n≥1 dan bn − an = 1 2n−1 (b − a), n≥1 (4.4) 66 Bab 4 Akar-Akar Persamaan Nonlinear dimana b − a menujukkan panjang interval awal kita mulai. Oleh karena itu, akar-akar persamaan berada pada interval [an , cn ] atau [cn , bn ], maka 1 |α − cn | ≤ cn − an = bn − cn = (bn − an ) 2 (4.5) Batas galat untuk cn diperoleh dari kombinasi persamaan 4.4, |α − cn | ≤ 1 (b − a) 2n (4.6) Persamaan 4.6 menunjukkan iterasi cn yang konvergen menuju α apabila n → ∞ Untuk membatasi banyaknya iterasi (n) yang akan dilakukan dalam perhitungan, maka kita butuhkan suatu nilai ε sebagai batas dari galat, |α − cn | ≤ ε sehingga 1 (b − a) ≤ ε 2n atau b−a ε 2n ≥ Dengan menggunakan logaritma pada kedua sisi diperoleh, n≥ ln b−a ε (4.7) ln 2 Latihan 4.1 1. Gunakan metode Bagidua untuk menentukan penyelesaian fungsi f (x) = x3 − 7x2 + 14x − 6 = 0 dengan akurasi 10−2 pada interval: a. [0, 1] b. [1; 3, 2] c.[3, 2; 4] 2. Gunakan metode Bagidua untuk menentukan penyelesaian fungsi f (x) = x4 − 2x3 − 4x2 + 4x + 4 = 0 dengan akurasi 10−2 pada interval: a. [−2, −1] b.[0, 2] c.[2, 3] d. [−1, 0] 3. Gunakakan metode Bagidua untuk menentukan penyelesaian f (x) = tan(x) − x = 0 dengan akurasi 10−3 pada interval [4; 4, 5] 4.2 Metode Newton-Raphson 67 4. Gunakakan metode Bagidua untuk menentukan penyelesaian f (x) = 2 + cos(ex − 2) − ex = 0 dengan akurasi 10−3 pada interval [0, 5; 1, 5] 5. Gunakakan metode Bagidua untuk menentukan penyelesaian fungsi-fungsi berikut dengan akurasi 10−3 . a. x − 2−x = 0, 0 ≤ x ≤ 1, b. ex − x2 + 3x − 2 = 0, 0≤x≤1 c. 2x cos(2x) − (x + 1)2 = 0 − 3 ≤ x ≤ −2, d. x cos(x) − 2x2 + 3x − 1 = 0 6. Tentukan hampiran terhadap √ 3 0, 2 ≤ x ≤ 0, 3 −1 ≤ x ≤ 0 1, 2 ≤ x ≤ 1, 3 25 dengan keakurasian 10−4 dengan menggunakan metode Bagidua. (petunjuk: pertimbangkan f (x) = x3 − 25). 7. Tentukan hampiran √ 3 dengan akurasi 10−4 dengan menggunakan metode Bagidua. 8. Dengan menggunakan teorema, tentukan batas iterasi yang dibutuhkan untuk menghampiri penyelesaian x3 − x − 1 = 0 denagn ketelitian 10−4 pada interval [1, 4]. 9. Dengan menggunakan teorema, tentukan batas iterasi yang dibutuhkan untuk menghampiri penyelesaian x3 + x − 4 = 0 denagn ketelitian 10−4 pada interval [1, 2]. 10. Misalkan {pn } adalah suatu barisan yang didefinisikan pn = bahwa lim (pn − pn−1 ) = 0, tetapi {pn } divergen. n 1 k=1 k . Tunjukkan n→∞ 4.2 Metode Newton-Raphson Metode Newton-Raphson 1 adalah metode yang paling terkenal dan paling banyak digunakan dalam bidang sains dan rekayasa. Hal ini karena metode NewtonRaphson konvergensinya paling cepat. 1 Beberapa buku menyebutnya metode Newton. Joseph Raphson (1648-1715) adalah matematikawan Inggris yang mempublikasikan metode Newton 68 Bab 4 Akar-Akar Persamaan Nonlinear Y (x0 , f (x0 )) f (x) (x1 , f (x1 )) O α• X x2 x0 x1 Gambar 4.5 Skematik metode Newton-Raphson pada kurva y = f (x) yang memotong sumbu x di α. Pertimbangkan fungsi y = f (x) yang memotong sumbu-x di α dan sebuah garis lurus memotong sumbu-x di x1 dan menyinggung y = f (x) titik (x0 , f (x0 )), maka kemiringan garis tersebut dapat dihitung, m= f (x0 ) − 0 x0 − x1 Titik singgung kurva y = f (x) pada x = x0 adalah kemiringan m, sehingga dapat ditulis, f (x) = f (x0 ) − 0 x0 − x1 atau x1 = x0 − f (x0 ) f (x0 ) (4.8) Oleh karena x1 terletak di antara x0 dan α (akar-akar persamaan), artinya x1 lebih dekat ke akar persamaan, maka selanjutnya kita tentukan derivatif y = f (x) di x = x1 . Kemiringan garis yang menyinggung y = f (x), juga memotong sumbu-x di x2 , maka derivatif untuk y = f (x) di x = x1 , ditulis, f (x) = f (x1 − 0 x1 − x2 atau x2 = x1 − f (x1 ) f (x1 ) (4.9) 4.2 Metode Newton-Raphson 69 dan f (x2 ) f (x2 ) x3 = x2 − (4.10) Pengulangan proses ini akan memperoleh barisan x1 , x2 , x3 , . . ., yang akan menghampiri akar persamaan α. Oleh karena itu, secara umum rumus penghampiran metode NewtonRaphson ditulis, xn+1 = xn − f (xn ) , f (xn ) n = 0, 1, 2, . . . (4.11) Pengulangan proses hampiran tersebut akan berhenti jika memenuhi kondisi sebagai berikut. 1. |xn+1 − xn | < ε, yang mana ε adalah nilai toleransi yang diberikan x n+1 − xn 2. < δ dengan δ adalah galat relatif yang diinginkan xn+1 Selain dengan menggunakan tafsiran geomteri, penurunan rumusan Newton juga dapat dilakukan dengan menggunakan interpolasi polinomial Taylor. Pertimbangkan sebuah deret Taylor orde satu untuk f (x) yang diekspan disekitar x0 sebagai berikut. f (x) = f (x0 ) + (x − x0 )f (x0 ) + 1 (x − x0 )2 f (ξ(x)) 2! (4.12) di mana ξ(x) terletak di antara x dan x0 . Oleh karena α adalah akar-akar persamaan f (x) yang akan ditentukan maka f (α) = 0, sehingga x = α. Selanjutnya gantikan x dengan α pada polinomial Taylor akan memberikan f (α) = f (x0 ) + (α − x0 )f (x0 ) + 1 (α − x0 )2 f (ξ(α)) 2! (4.13) Pada metode Newton di asumsikan bahwa galat mutlak |α − x0 | sangat kecil, sehingga bentuk (α − x0 )2 diabaikan (karena nilainya yang sangat kecil) dan dengan memotong deret Taylor sampai orde satu akan diperoleh, f (α) ≈ f (x0 ) + (α − x0 )f (x0 ) 0 ≈ f (x0 ) + (α − x0 )f (x0 ) dan penyelesaian untuk α diberikan oleh α ≈ x0 − f (x0 ) f (x0 ) (4.14) 70 Bab 4 Akar-Akar Persamaan Nonlinear Jika kita generalisai dengan mengasumsikan bahwa penyelesaian tersebut merupakan suatu deret xn dengan x0 sebagai nilai pendekatan awal, maka bentuk ungkapan pada persamaan (4.14) dapat ditulis secara umum, f (xn ) , n = 0, 1, 2, . . . f (xn ) Teorema 4.2 Algoritma Newton-Raphson xn+1 = xn − (4.15) Untuk menentukan akar f (x) = 0, diberikan dua nilai x0 dan dengan menggunakan iterasi xn+1 = xn − f (xn ) f (xn ) Algoritma metode Newton adalah sebagai berikut. INPUT nilai awal x0, toleransi tol OUTPUT akar persamaan Algoritma 1. repeat x_lama <--x x:=x-f(x)/f_aksen(x) kembali ke 2 2. | x-x_lama| < tol 3. tulis akar x Secara umum, metode Newton-Raphson kekonverenannya sangat cepat, seperti ditunjukkan pada Gambar 4.5. Namun, karena metode Newton-Raphson termasuk pada kelompok metode terbuka, maka dalam beberapa kasus, iterasinya justru menjadi divergen. Hal ini biasa terjadi jika tidak tepat dalam menentukan titik awal (x0 ), seperti yang ditunjukkan pada Gambar 4.6. Untuk kasus di atas, menentukan titik awal harus tepat. Salah dalam menentukan titik awal akan mengakibatkan iterasi menjadi divergen. Pemilihan titik awal sebaiknya dekat dengan akar-akar persamaan. Untuk itu, membuat sketsa grafik akan sangat membantuk sekali dalam menentukan titik awal. Pada kasus persamaan nonlinear yang tidak mempunyai akar, iterasi yang terjadi akan divergen berisolasi. Analisis Galat 4.2 Metode Newton-Raphson Y 6 71 TT T T T T T T T X T x0 x2 x3T x1 Gambar 4.6 Konvergensi yang terjadi pada metode Newton Asumsikan bahwa f (x) mempunyai turunan kedua untuk semua nilai x pada interval yang memuat akar-akar persamaan α. Berdasarkan teorema Taylor, dapat kita tuliskan 1 f (α) = f (xn ) + (α − xn )f (xn ) + (α − xn )2 f (ξn ) 2 dengan ξn adalah titik sebarang diantara α dan xn . Dengan mengasumsikan bahwa f (α) = 0 dan membaginya dengan f (xn ) kita peroleh, 0= f (xn ) 2 f (ξn ) + (α − x ) + (α − x ) n n f (xn ) 2f (xn ) (4.16) Dari persamaan 4.11, suku pertama pada ruas kanan adalah xn − xn+1 , dan kita punyai 0 = xn − xn+1 + (α − xn ) + (α − xn )2 f (ξn ) 2f (xn ) (4.17) dan penyelesaian untuk α − xn+1 adalah α − x+1 = −f (ξn ) (α − xn )2 2f (xn ) (4.18) Rumusan pada persamaan di atas menyebutkan bahwa galat pada iterasi xn+1 adalah sebanding dengan kuadrat galat pada xn . Ketika galat awal cukup kecil, maka hal ini menunjukkan galat akan terus menurun secara cepat. Persamaan 4.18 juga dapat digunakan untuk memberikan pembuktikan matematis secara formal dari konvergensi metode Newton. 72 Bab 4 Akar-Akar Persamaan Nonlinear Contoh 4.4 Tentukan nilai akar persamaan f (x) = x6 − x − 1 Penyelesaian: f (x) = x6 − x − 1, maka turunannya adalah f (x) = 6xx − 1 dan iterasinya adalah, xn+1 = xn − x6n − xn − 1 6x5n − 1 Andaikan digunakan nilai tebakan awal, x0 = 1, 5, dan toleransi ε = 0, 000001, maka akan diperoleh nilai-nilai xn untuk n = 0, 1, . . . , 6 yang diberikan pada tabel berikut. Tabel 4.3 Perhitungan akar persamaan f (x) = x6 − x − 1 dengan nilai awal x0 = 1, 5 n xn f (xn ) 0 1 2 3 4 5 6 1,5 1,30049088 1,18148042 1,13945559 1,13477763 1,13472415 1,13472414 8,89E+1 2, 54E + 1 5, 38E − 1 4, 92E − 2 5, 50E − 4 6, 80E − 8 −4, 00E − 9 xn − xn−1 −2, 00E − 1 −1, 19E − 1 −4, 20E − 2 −4, 68E − 3 −5, 35E − 5 −1, 00E − 8 Contoh 4.5 Tentukan nilai akar persamaan f (x) = ex − 5x2 Penyelesaian: f (x) = ex − 5x2 , maka turunannya adalah f (x) = ex − 10x dan iterasinya adalah, xn+1 = xn − exn − 5xn exn − 10xn Andaikan digunakan nilai tebakan awal, x0 = 1, 5, dan toleransi ε = 0, 001, maka akan diperoleh nilai-nilai xn untuk n = 0, 1, . . . , 3 yang diberikan pada tabel berikut. Contoh di atas memperlihatkan bahwa metode Newton-Raphson memerlukan hanya sedikit iterasi dibandingkan dengan metode bagidua. 4.2 Metode Newton-Raphson 73 Tabel 4.4 Perhitungan akar persamaan f (x) = ex − 5x2 dengan nilai awal x0 = 1 |xn − xn−1 | n xn 0 1 2 3 0,500000 0,618976 0,605444 0,605267 – 0,118976 0,013532 0,000177 Contoh 4.6 Buatlah rumusan iterasi Newton untuk menghitung akar kuadrat x dari bilangan positif c dan gunakan untuk c = 2 Penyelesaian: Dari soal kita punya x = √ c, maka f (x) = x2 − c = 0 dan f (x) = 2x. Dengan menggunakan rumusan metode Newton diperoleh, x2n − c 2xn 2 1 xn + c 2 xn 1 c xn + 2 xn xn+1 = xn − = = (4.19) Jika kita masukan nilai c = 2 ke dalam persamaan (4.19), maka akan diperoleh nilainilai, x= 1, 500000 x2 = 1, 416667 x3 = 1, 414216 Contoh 4.7 Gunakan metode Newton pada persamaan f (x) = x3 + x − 1 = 0 x4 = 1, 414214 74 Bab 4 Akar-Akar Persamaan Nonlinear dengan nilai awal x0 = 1 Penyelesaian: Jika f (x) = x3 + x − 1 = 0, maka f (x) = 3x2 + 1, sehingga dengan menggunakan rumusan Newton diperoleh, x3n + xn − 1 3x2n + 1 2 xn (3xn + 1) x3n + xn − 1 − 3x2n + 1 3x2n + 1 2x3n + 1 , n = 0, 1, 2, . . . 3x2n + 1 xn+1 = xn − = = (4.20) Untuk nilai awal x0 = 1, maka akan memberikan, x1 = 0, 750000, x2 = 0, 686047, x3 = 0, 682340, x4 = 0, 682328 Modifikasi Metode Newton-Raphson Pada pembahasan terdahulu telah diberikan bahwa untuk kasus akar ganda, metode bagidua dan metode tertutup lainnya tidak berhasil menemukan karena f (a)f (b) bernilai positif. Metode terbuka, seperti metode Newton-Raphson dapat diterapkan pada kasus seperti ini. Dalam menentukan hasil pada polinom akar-akar ganda, kecepatan konvergensi metode Newton-Raphson tidak lagi kuadratis, tetapi berjalan secara linear. Untuk itu, diberikan alternatif dengan memisalkan u(x) = f (x) f (x) dan u (x) = = = f (x) f (x) f (x)f (x) − f (x)f (x) [f (x)]2 2 [f (x)] − f (x)f (x) [f (x)]2 Oleh karena xi+1 = xi − u(xi ) u (xi ) (4.21) 4.2 Metode Newton-Raphson 75 maka, x1+i = xi − f (xi )/f (xi ) ([f (xi )]2 − f (xi )f (xr ))/([f (xi )]2 ) atau xi+1 = xi − f (xi )f (xi ) [f (xi )]2 − f (xi )f (xi ) (4.22) Contoh 4.8 Hitunglah akar dari f (x) = x3 − 5x2 + 7x − 3 dengan menggunakan metode Newton-Raphson baku dan Newton-Rapshon modifikasi, dengan tebakan awal x0 = 0. Penyelesaian: Jika f (x) = x3 − 5x2 + 7x − 3, maka f (x) = 3x2 − 10x + 7 dan f (x) = 6x − 10. Dengan menggunakan rumus Newton-Raphson diperoleh, xi+1 = xi − x3i − 5x2i + 7xi − 3 3x2 − 10xi + 7 dan untuk metode Newton-Raphson dimodifikasi diperoleh, xi+1 = xi − 3 xi − 5x2i + 7xi − 3 3x2 − 10xi + 7 (3x2 − 10xi + 7)2 − (6xi − 10)(x3i − 5x2i + 7xi − 3) Hasil perhitungan dari metode Newton-Rapshon baku dan Newton-Raphson modifikasi diberikan pada Tabel 4.5. Dari Kedua metode, ternyata konvergensi iterasi menuju ke x = 1. Namun terlihat perbedaan pada jumlah iterasi yang dilakukan, yang mana metode Newton-Raphson modifikasi dua lebih cepat konvergensinya dibandingkan dengan metode Newton-Raphson baku. Namun tidak semua persoalan menunjukkan bahwa metode Newton-Raphson yang dimodifikasi lebih cepat konvergensinya di bandingkan dengan metode NewtonRaphson. Contoh berikut akan memberikan pemahaman tentang hal tersebut lebih mendalam. 76 Bab 4 Akar-Akar Persamaan Nonlinear Tabel 4.5 Perbadingan kecepatan konvergensi Newton-Raphson baku dan modifikasi pada kasus f (x) = x3 − 5x2 + 7x − 3 dengan nilai awal x0 = 0 n 0 1 2 3 4 5 6 xn (baku) 0,000000000 0,428571429 0,685714286 0,832865400 0,913328983 0,955783293 0,977655101 xn (modifikasi) 000000000 1,105263158 1,003081664 1,000002382 Contoh 4.9 Selesaikan fungsi berikut ini f (x) = x3 + 4x2 − 10 = 0 dan selanjutnya bandingkan hasil akar-akarnya dengan menggunakan metode NewtonRaphson dan metode Newton-Raphson yang dimodifikasi, jika salah satu akarnya adalah x = 1, 36523001. Penyelesaian: Dari soal, f (x) = x3 + 4x2 − 10, maka f (x) = 3x2 + 8x dan f (x) = 6x + 8, sehingga rumusan untuk metode Newton-Rapson adalah (i) xn = xn−1 − x3n−1 + 4x2n−1 − 10 , 3x2n−1 + 8xn−1 dan rumusan untuk metode Newton-Raphson dimodifikasi, (ii) xn = xn−1 − (x3n−1 + 4x2n−1 − 10)(3x2n−1 + 8xn−1 ) (3x2n−1 + 8xn−1 )2 − (x3n−1 + 4x2n−1 − 10)(6xn−1 + 8) 4.2 Metode Newton-Raphson 77 Untuk nilai awal x0 = 1, 5, tiga iterasi pertama menunjukkan konvergensi yang cukup cepat sebagaimana ditunjukkan pada Tabel 4.6. Tabel 4.6 Perbadingan kecepatan konvergensi Newton-Raphson baku dan modifikasi pada kasus f (x) = x3 + 4x2 − 10 dengan nilai awal x0 = 1, 5 xi 1 2 3 xn−1 1,37333333 1,36526201 1,36523001 xn 1,35689898 1,36519585 1,36523001 Latihan 4.2 1. Tentukan akar-akar persamaan berikut. a. x + cos x = 0 b. e−x + sin x − 2 = 0 c. 1 − x − e−2x = 0 d. 2x + tan x = 0 e. 2x2 − e−x = 0 2. Carilah akar-akar persamaan x5 = x + 0, 2 dengan metransformasikan persamaan tersebut ke bentuk xn+1 = g(xn ) dengan mengambil nilai awal x0 = 0 3. Pada persoalan no. 2, jika bentuk persamaan tersebut ditulis dalam bentuk x = √ 5 x + 0, 2 dan melakukan iterasi dengan mengambil nilai tebakan awal x = 1, tentukan akas-akar persamaan. 4. Apa yang terjadi, jika pada soal no.2 transformasi yang dibuat adalah x = x5 −0, 2 dengan nilai awal x0 = 1 5. Gunakan metode Newton dari fungsi-fungsi berikut dengan akurasi 6 (enam) digit a. sin x = cot x, x0 = 1 78 Bab 4 Akar-Akar Persamaan Nonlinear b. x = cos x, x0 = 1 c. x3 − 5x + 3 = 0, d. x + ln x = 2, x0 = 2 x0 = 2 6. Buatlah iterasi Newton untuk akar pangkat tiga dan kemudian hitung √ 3 7 dengan mengambil nilai awal x0 = 2 dan keakurasian enam digit. √ 7. Buatlah rumusan iterasi Newton untuk k c, (c > 0) dan gunakan rumusan terse√ √ √ √ but untuk menghitung 2, 3 2, 4 2, 5 2 dengan mengambil nila awal x0 = 1 dan keakurasian enam digit. 8. Gunakan Metode Newton dengan keakurasisn 10−4 untuk menyelesaikan persoalanpersoalan berikut. a. x3 − 2x2 − 5 = 0, [1, 4] b. x3 + 3x2 − 1 = 0, [−3, −2] c. x − cos x = 0, [0, π/2] d. x − 0, 8 − 0, 2 sin x = 0, [0, π/2] 9. Gunakan metode Newton pada persamaan-persamaan berikut dengan nilai awal x0 yang telah diberikan dan lakukan 3 langkah. a. x3 − 5x + 3 = 0, b. x4 − x3 x0 = 2 − 2x − 34 = 0, x0 = 3 c. x3 − 3, 9x2 + 4, 79x − 1, 881 = 0, d. sin x = cot x, x0 = 1 e. e−x x0 = 1 = tan x, x0 = 1 10. Tunjukkan bahwa soal no. 9(a) dapat diubah dalam bentu x = (x3 + 3)/5. Selesaikan dengan menggunakan iterasi sebanyak 4 langkah dan nilai awal x0 = 1. 11. Gunakan metode Newton dengan akurasi 10−5 untuk menyelesaikan masalahmasalah berikut. a. ex + 2−x + 2 cos x − 6 = 0, 1≤x≤2 b. ln(x − 1) + cos(x − 1) = 0, 1, 2 ≤ x ≤ 2 c. x2 − 2xe−x + e−2x = 0, 0 ≤ x ≤ 1 √ √ d. cos(x + 2) + x(x/2 + 2) = 0, −2 ≤ x ≤ −1 e. x3 − 3x2 (2−x ) = 3x(4−x ) − 8−x = 0, 0≤x≤1 4.3 Metode Secant 79 f. e6x + 3(ln 2)2 e2x − e4x ln 8 − (ln 2)3 = 0, g. (x − 2)2 − ln x = 0, h. ex − 3x2 = 0, i. sin x − e−x 0≤x≤1 1 ≤ x ≤ 2, 3 ≤ x ≤ 4 0 ≤ x ≤ 13 ≤ x ≤ 5 0 ≤ x ≤ 1, 3 ≤ x ≤ 4, 6 ≤ x ≤ 7 = 0, 12. Gunakan metode Newton dengan akurasi 10−5 untuk menyelesaikan persoalan berikut. 1 1 2 1 + x − x sin x − cos 2x, 2 4 2 0= x0 = π 2 Jelaskan apa yang terjadi pada hasil iterasi tersebut, dan cobakan untuk x0 = 5π dan x0 = 10π 13. Persamaan x2 −10 cos x = 0 mempunyai dua penyelesaian 1, 3793646 dan −1, 3793646. Gunakan metode Newton untuk mendekati penyelesaian tersebut pada akurasi 10−5 dengan nilai awal: 4.3 a. x0 = 100 b. x0 = 50 c. x0 = −25 d. x0 = 25 e. x0 = 50 f. x0 = −100 Metode Secant Misalkan fungsi y = f (x) memotong sumbu-x di α dan sebuah garis memotong kurva y = f (x) di x1 dan x0 seperti yang ditunjukkan pada Gambar 4.7. Y f (x) x1 x2 x3 • α x0 X Gambar 4.7 Skematik metode Secant pada kurva y = f (x) yang memotong sumbu x di α. 80 Bab 4 Akar-Akar Persamaan Nonlinear Nilai x2 ditentukan dengan menghitung kemiringan garis {(x1 , f (x1 )), (x2 , 0)} dan kemiringan garis {(x2 , 0), (x0 , f (x0 ))} dan ini memberikan f (x1 ) − f (x0 ) 0 − f (x1 ) = . x1 − x0 x2 − x1 Penyelesain persamaan diatas untuk x2 diberikan oleh, x2 = x1 − f (x1 ) x1 − x0 f (x1 ) − f (x0 ) (4.23) Jika proses perhitungan berulang dilakukan dengan cara yang sama, maka dengan menggunakan x0 , x1 akan diperoleh barisan x2 , x3 , . . . yang akan menghampiri akar persamaan α dan persamaan (4.23) menjadi, xn+1 = xn − f (xn ) xn − xn−1 f (xn ) − f (xn−1 ) (4.24) Iterasi metode Secant akan dihentikan jika memenuhi kondisi sebagai berikut. 1. |xn+1 − xn | < , di mana adalah toleransi x n+1 − xn 2. < δ di mana δ adalah galat hampiran. xn+1 Teorema 4.3 Algoritma Metode Secant Untuk menentukan akar f (x) = 0, diberikan dua nilai x0 dan x1 dan dengan menggunakan iterasi xn+1 = xn − f (xn ) − xn−1 f (xn ) − f (xn−1 ) . Algoritma metode Secant adalah sebagai berikut. Contoh 4.10 Tentukan penyelesaian positif dari f (x) = x − 2 sin x = 0 dengan menggunakan metode Secant, dengan mengambil titik awal x0 = 2 dan x1 = 1, 9 Penyelesaian: Dari formula Secant diperoleh, xi+1 = xi − (xi − 2 sin xi )(xi − xi−1 ) xi − xi−1 + 2(sin xi−1 − sin xi ) 4.3 Metode Secant 81 INPUT tebakan awal x0,x1, toleransi tol OUPUT akar persamaan Algoritma 1. repeat x_lama <--x1 x:=x-(f(x1)*(x1-x0)/(f(x1)-f(x0)) x0<--x1 x1<--x kembali ke 1 2. | x-xlama| < e 3. tulis akar x atau xi+1 = xi − Ni Di dengan Ni = (xi − 2 sin xi )(xi − xi−1 ) dan Di = xi − xi−1 + 2(sin xi−1 − sin xi ) Hasil perhitungan secara numerik diperlihatkan pada Tabel 4.7 Tabel 4.7 Perbadingan kecepatan konvergensi Newton-Raphson baku dan modifikasi pada kasus f (x) = x3 − 5x2 + 7x − 3 dengan nilai awal x0 = 0 n xn−1 xn Nn Dn xn+1 − xn 1 2 3 2,000000 1,900000 1,895747 1,900000 1,895747 1,895494 -0,000740 -0,000002 0 -0,174005 -0,006986 -0,004253 -0,000252 0 Latihan 4.3 1. Gunakan metode Newton-Raphson untuk menyelesaikan persoalan-persoalan berikut. a. sin x = cot x, b. x = cos x, x0 = 1 x0 = 1 82 Bab 4 Akar-Akar Persamaan Nonlinear c. x3 − 5x + 3 = 0, d. x + ln x = 2, x0 = 2 x0 = 2 e. ex + 2−x + 2 cos x − 6 = 0, untuk [1, 2] f. ln(x − 1) + cos(x − 1) = 0, untuk [1, 3; 2] g. 2x cos 2x − (x − 2)2 = 0, untuk [2, 3] 2. Gunakan metode Secant untuk menyelesaikan persoalan-persoalan berikut. a. x3 − 5x + 3 = 0, x0 = 0.5, x1 = 2, 0 b. e−x − tan x = 0, x0 = 1, x1 = 0, 7 c. sin x = cot x, d. x = cos x, x0 = 1, x1 = 0, 5 x0 = 0, 5, x1 = 1 e. cos x = x = 0, x0 = 0.5, x1 = 1 f. x + ln(x) = 2, x0 = 1, x1 = 2 BAB 5 INTERPOLASI 5.1 Pengantar Polinomial Taylor sering digunakan sebagai pendekatan dalam menginterpolasi suatu fungsi, dan oleh karena pada pendekatan Taylor hanya menggunakan satu titik, maka pendekatan ini masih mempunyai kelemahan. Pendekatan dengan menggunakan polinomial Taylor hanya akurat hanya disekitar titik tersebut. Oleh karena itu, perlu suatu pendekatan dengan melibatkan banyak titik, yang biasa disebut Polinomial Lagrange. Pada polinomial Taylor yang diberikan pada bab sebelumnya, yang menggambarkan sala satu asas untuk membangun bagian analisis numerik. Polinomial Taylor cukup baik untuk digunakan terhadap suatu fungsi yang diberika pada titik tertentu, yang memfokuskan keakuratannya hanya disekitar titik tersebut. Polinomial yang baik membutuhkan banyak titik untuk memberikan pendekatan yang cukup akurat pada interval tertentu. Sebagai contoh, misalkan kita akan menghitung enam suku pertama terhadap fungsi ex disekitar x0 = 0 dengan menggunakan polinomial Taylor, yang diberikan oleh, P0 (x) = 1, P1 (x) = 1 + x, x2 , 2 x2 P3 (x) = 1 + x + + 2 x2 P4 (x) = 1 + x + + 2 x2 P5 (x) = 1 + x + + 2 P2 (x) = 1 + x + x3 , 6 x3 + 6 x3 + 6 x4 , 24 x4 x5 + 24 120 84 Bab 5 Interpolasi Nilai-nilai dari hasil pendekatan polinomial Taylor diberikan pada Tabel 5.1 untuk beberapa nilai x. Tabel 5.1 Hasil perhitungan enam suku pertama polinomial Taylor terhadap fungsi f (x) = ex disekitar x = 0 x P0 (x) P1 (x) P2 (x) P3 (x) P4 (x) P5 (x) ex -2,0 -1,5 0 1,0 2,0 1,00000 1,00000 1,00000 1,00000 1,00000 -1,00000 -0,50000 1,00000 2,00000 3,00000 1,00000 0,62500 1,00000 2,50000 5,00000 -0,33333 0,06250 1,00000 2,66667 6,33333 0,33333 0,27344 1,00000 2,70833 7,00000 0,06667 0,21016 1,00000 2,71667 7,26667 0,13534 0,22313 1,00000 2,71828 7,38906 Dari tabel tersebut dapat kita lihat bahwa semakin tinggi orde pendekatan, maka galat yang dihasilkan akan semakin kecil. Namun hal ini tidak terjadi pada semua kasus. Pertimbangkan contoh yang cukup ekstrim untuk menunjukkan bahwa orde pada polinomial Taylor tidak berlaku untuk beberapa kasus. Gunakan polinomial Taylor untuk mengiterpolasi fungsi f (x) = 1/x disekitar titik x = 1. P0 (x) = 1, P1 (x) = 1 + −(x − 1), P2 (x) = 1 + −(x − 1) + (x − 1)2 , P3 (x) = 1 + −(x − 1) + (x − 1)2 − (x − 1)3 , P4 (x) = 1 + −(x − 1) + (x − 1)2 − (x − 1)3 + (x − 1)4 , P5 (x) = 1 + −(x − 1) + (x − 1)2 − (x − 1)3 + (x − 1)4 − (x − 1)5 .. . Secara umum, bentuk polinomial diatas dapat ditulis, Pn (x) = f (1) + = n f (1) f (1) f n (1) + (x − 1)2 + · · · + (x − 1)n k! 2! n! (−1)k (x − 1)k k=0 Nilai-nilai dari pendekatan Taylor diberikan pada Tabel 5.2. 5.1 Pengantar 85 Tabel 5.2 Hasil perhitungan enam suku pertama polinomial Taylor terhadap fungsi f (x) = 1/x disekitar x0 = 1 x P0 (x) P1 (x) P2 (x) P3 (x) P4 (x) P5 (x) P6 (x) P7 (x) f (x) = 1/x 3 1 -1 3 -5 11 -21 43 -85 3,33333 Dari tabel 5.2, jelas terlihat bahwa nilai-nilai meningkat secara drastis, namun jauh dari nilai yang diinginkan. Dari beberapa kasus yang terjadi pada pendekatan polinomial Taylor, maka dikenalkan Polinomial yang menggunakan beberapa titik sebagai informasi untuk menentukan pendakatan. Polinomial ini mengembangkan interpolasi terhadap suatu fungsi dibeberapa titik terhubung, sehingga interpolasinya berdasarkan titik yang telah ditentukan terlebih dahulu. Semakin dekat jarak antar titik, maka semakin akurat hasil pendekatannya. Interpolasi adalah proses penentuan dan evaluasi fungsi yang mana grafik atau kurvanya di peroleh dari sekumpulan titik. Titik-titik tersebut mungkin muncul atau diperoleh dari persoalan-persoalan fisika, atau dari fungsi yang tidak diketahui. Interpolasi fungsi biasanya dipilih dari fungsi terbatas yang digunakan untuk menyelesaikan persoalan dari sebagian besar teori hampiran. Nilai-nilai yang diperoleh biasanya berupa pasangan terurut yang ditulis, (x0 , f0 ), (x1 , f1 ), (x2 , f2 ), · · · (xn , fn ) Masalah yang muncul dari sekumpulan data-data atau titik-titik yang diberikan adalah menentukan nilai diantara data-data tersebut. Salah satu solusi yang dapat dilakukan adalah mencari fungsi dengan mencocokan (fit) titik-titik data di dalam tabel tersebut. Pendekatan seperti ini disebut pencocokan kurva (curve fitting). Fungsi yang diperoleh dengan cara seperti ini adalah kurva hampiran. Pencocokan kurva tidak hanya untuk menentukan suatu fungsi, tetapi juga digunakan untuk mempermudah perhitungan numerik yang lainnya, seperti menghitung nilai turunan dan integral. Pencocokan kurva merupakan metode yang mencocokan sekumpulan titik data 86 Bab 5 Interpolasi dengan kurva (curve fitting) fungsi, yang dilakukan dengan dua cara: 1. Regresi Misalnya, terdapat titik-titik hasil pengukuran yang mengandung derau (noise) atau galat yang cukup berarti. Strategi yang digunakan adalah menentukan kurva yang mewakili kecenderungan (trend) titik data, sehingga selisih antara titik data dengan titik hampirannya dikurva sekecil mungkin. Metode ini disebut regresi kuadrat terkecil. 2. Interpolasi Bila data diketahui mempunyai ketelitian tinggi, maka kurva cocokannya dibuat melalui setipa titik, dan dikatakan bahwa kita menginterpolasi titik-titik dengan sebuah fungsi.Bila fungsi cocokan yang digunakan berbenuk polinom, maka polinom tersebut dinamakan polinom interpolasi 5.2 Interpolasi Polinom Lagrange Jika pada suatu data terdapat n+1 buah titik yang berbeda, yaitu (x0 , y0 ), (x1 , y1 ), (x2 , y2 ), (x3 , y3 ), · · · , (xn , yn ), maka polinom Pn (x) yang menginterpolasi semua titiktitik dapat ditentukan, sehingga yi = Pn (xi ), untuk i = 1, 2, 3, · · · , n Nilai yi dapat berasal dari fungsi matematika f (x), seperti ln x, sin x, fungsi Bessel, fungsi Gamma, dan sebagainya, sehingga yi = f (xi ), sedangkan Pn (x) adalah fungsi hampiran terhadap f (x). Perhatikan Gambar 5.1. Setelah interpolasi Pn (x) ditemukan, maka Pn (x) dapat digunakan untuk menghitung perkiraan nilai-nilai yang terletak diantara x0 dan xn , biasa disebut mengiterpolasi, atau memperkirakan nilai-nilai yang terletak di luar x0 , biasa disebut ekstrapolasi. 5.2.1 Interpolasi Linear Sebagian besar orang menggunakan interpolasi di dalam aljabar elementer yang mana menggunakan tabel fungsi logaritma atau trigonometri untuk menentukan nilai lain yang tidak diberikan pada tabel. Bentuk interpolasi yang digunakan tersebut adalah 5.2 Interpolasi Polinom Lagrange 87 Y 6 (xn−1 , yn−1 ) s (x1 , y1 ) s s(x2 , y2 ) s(xn , yn ) s s(x0 , y0 ) (x3 , y3 ) X - Gambar 5.1 Interpolasi (garis tebal) dan ekstrapolasi (garis tipis) terhadap titik-titik yang diberikan. interpolasi linear, yang merupakan pengantar dari sebagai besar interpolasi yang digunakan sekarang. Misalkan diberikan dua titik (x0 ), y0 ) dan (x1 , y1 ) dengan x0 = x1 , selanjutnya kita tarik garis lurus yang melewati kedua titik tersebut, sebagaimana ditunjukkan pada Gambar 5.2. Y (x1 , y1 ) • • P1 (x) f (x) (x0 , y0 ) • X x0 x x1 Gambar 5.2 Interpolasi linear y = P1 (x) Polinom yang mengiterpolasi kedua titik itu adalah persamaan garis lurus yang berbentuk, P1 (x) = a0 + a1 (x) (5.1) Koefisien a0 dan a1 dicari dengan proses menyulihan (x0 , y0 ) dan (x1 , y1 ) ke 88 Bab 5 Interpolasi dalam persamaan (5.1), diperoleh dua persamaan linear, y0 = a0 + a1 x0 y1 = a0 + a1 x1 Dan dengan mengeleminasi kedua persamaan tersebut, diperoleh, y1 − y 0 , dan x1 − x0 x1 y0 − x0 y1 a0 = x1 − x0 a1 = (5.2) (5.3) Substitusikan persamaan (5.2) dan (5.3) ke dalam persamaan (5.1), maka diperoleh, x1 y0 − x0 y1 (y1 − y0 )x + h x1 − x0 x1 − x0 x1 y0 − x0 y0 + x0 y0 − x0 y1 + y1 x − y0 x = x1 − x0 y0 (x1 − x0 ) + y1 (x − x0 ) − y0 (x − x0 ) = x1 − x0 (y1 − y0 ) = y0 + (x − x0 ) x1 − x0 P1 (x) = (5.4) Bentuk terakhir dapat diubah menjadi, (x − x0 ) (x − x0 ) + y1 (x1 − x0 ) (x1 − x0 ) (x − x0 ) y0 (x1 − x0 ) − y0 (x − x0 ) + y1 = (x1 − x0 ) (x1 − x0 ) (x − x1 ) (x − x0 ) + y1 = y0 (x0 − x1 ) (x1 − x0 ) P1 (x) = y0 − y0 (5.5) atau P1 (x) = y0 L0 (x) + y1 L1 (x) dengan L0 (x) = (x − x1 ) (x0 − x1 ) L1 (x) = (5.6) (x − x0 ) (x1 − x0 ) Persamaan (5.6) disebut polinomial Lagrange Linear. Oleh karena grafik polinomial linear yang berbentuk garis lurus tersebut dihitung dengan (x0 , y0 ) dan (x1 , y1 ), sehingga dapat kita katakan interpolasi untuk yn pada titik xn , n = 0, 1 5.2 Interpolasi Polinom Lagrange 89 Contoh 5.1 Misalkan diberikan titik-titik (1, 1) dan (4, 2), tentukan interpolasi linearnya. Penyelesaian: Garis yang melalui titik (1, 1) dan (4, 2), maka interpolasi linearnya adalah P1 (x) = = (4 − x)(1) + (x − 1)(2) 4−1 x+2 3 Contoh 5.2 Diketahui data jumlah penduduk Amerika Serikat sebagai berikut. Tahun Jumlah penduduk (juta) 1960 179,3 1970 203,2 Tentukan jumlah penduduk pada tahun 1968. Penyelesaian: 179, 3 + 203, 2 − 179, 3(x − 1960) 1970 − 1960 382, 5 − 179, 3(x − 1960) = 10 = 38, 25 − 17, 93(x − 1960) P1 (x) = P1 (1968) = 38, 25 − 17, 93(1968 − 1960) = 198, 4 Jadi, perkiraan jumlah penduduk Amerika Serikat pada tahun 1968 adalah 198,4 juta jiwa. Contoh 5.3 Tentukan nilai e0,826 dari perkiraan nilai-nilai yang diberikan pada Tabel 5.3. Penyelesaian: 90 Bab 5 Interpolasi Tabel 5.3 Perkiraann nilai-nilai dari fungsi ex x ex 0,80 0,81 0,82 0,83 0,84 2,225541 2,247908 2,270500 2,293319 2,316367 Untuk menentukan nilai e0,826 , maka terlebih dahulu ditentukan polinom linear yang diambil dari titik x = 0, 82 dan x = 0, 83, (0, 83 − x)(2, 270500) + (x − 82)(2, 293319) 0, 83 − 0, 82 0, 00399342 + 0, 022819x = 0, 01 = 0, 399342 + 2, 2819x P1 (x) = dan nilai untuk x = 0, 826 adalah P1 (0, 286) = 2, 2841914 Contoh 5.4 Hitunglah nilai ln 9, 2 sampai dengan 4 desimal dari titik-titik ln 9, 0 = 2, 1972 dan ln 9, 5 = 2, 2513 dengan menggunakan pendekatan polinomial Lagrange linear. Penyelesaian: Dari soal yang diberikan dapat diperoleh informasi sebagai berikut. x0 = 9, 0 ; x1 = 9, 5 ; y0 = 2, 1972 ; y1 = 2, 2513 . Dari persamaan (5.6) diperoleh (x − x1 ) (x − 9, 5) = (x0 − x1 ) 9, 0 − 9, 5 = −2, 0(x − 9, 5) L0 (x) = L0 (9, 2) = −2, 0(9, 2 − 9, 5) = 0, 6 5.2 Interpolasi Polinom Lagrange 91 (x − 9, 0) (x − x0 ) = (x1 − x0 ) 9, 5 − 9, 0 = 2, 0(x − 9, 0) L1 (x) = L0 (9, 2) = 2, 0(9, 2 − 9, 0) = 0, 4 Jadi, ln(9, 2) ≈ P1 (9, 2) = L0 (9, 2)y0 + L1 (9, 2)y1 = (0, 6)(2, 1972) + (0, 4)(2, 2513) = 2, 2188 5.2.2 Interpolasi Kuadratik Sebelumnya kita telah mempelajari polinom linear sebagai dasar untuk pengembangan bentuk-bentuk polinom dengan pangkat yang lebih tinggi. Pada kenyataannya, pendekatan dengan polinom lienar kurang baik. Untuk pendekatan dengan polinom yang lebih tinggi akan banyak membantu menyelesaikan persoalan-persoalan yang muncul. Y (x2 , y2 ) • (x1 , y1 ) • • P2 (x) f (x) (x0 , y0 ) • X x0 x1 x x2 Gambar 5.3 Interpolasi kuadratik y = P2 (x) Misalkan diberikan tiga titik (x0 , y0 ), (x1 , y1) dan (x3 , y3 ). Kita akan membentuk polinomial kuadratik dari tiga titik tersebut, yaitu P2 (x) = a0 + a1 (x) + a2 x2 (5.7) 92 Bab 5 Interpolasi Selanjutnya subsitusikan titik-titik (x0 , y0 ), (x1 , y1) dan (x3 , y3 ) ke dalam persamaan (5.7), sehingga diperoleh tiga buah persamaan dengan tiga parameter tak diketahui, yaitu a0 , a1 dan a2 , dengan persamaan, y0 = a0 + a1 x0 + a2 x20 y1 = a0 + a1 x1 + a2 x21 y2 = a0 + a1 x2 + a2 x22 Dengan menyelesaikan sistem persamaan di atas secara serentak untuk a0 , a1 dan a3 , maka diperoleh, P2 (x) = y0 L0 (x) + y1 L1 (x) + y2 L2 (x) (5.8) dengan L0 (x) = L1 (x) = L2 (x) = (x − x1 )(x − x2 ) (x0 − x1 )(x0 − x2 ) (x − x0 )(x − x2 ) (x1 − x0 )(x1 − x2 ) (x − x0 )(x − x1 ) (x2 − x0 )(x2 − x1 ) Bentuk persamaan (5.8) adalah rumus Lagrange untuk interpolasi kuadratik dan polinomial L0 (x), L1 (x), L2 (x) adalah fungsi dasar Lagrange. Persamaan (5.8) dapat dibentuk kembali menjadi bentuk umum, 1 P2 (x) = y0 + µ(y1 − y0 ) + (µ − 1) [(y2 − y1 ) − (y1 − y0 )] 2 atau 1 P2 (x) = P1 (x) + (µ − 1) [(y2 − y1 ) − (y1 − y0 )] 2 (5.9) dengan µ = (x − x0 )/(x1 − x0 ). Contoh 5.5 Hitung interpolasi kuadratik dari nilai-nilai Tabel 5.3 untuk x = 0, 826. Penyelesaian: Untuk menghitung e0,826 , kita akan pilih tiga titik yang berdekatan dari tabel, yaitu x0 = 0, 82; x1 = 0, 83; x2 = 0, 84. 5.2 Interpolasi Polinom Lagrange 93 Dari tiga titik diperoleh, x − x0 x1 − x0 0, 826 − 0, 82 = 0, 83 − 0, 82 = 0, 6 µ = sedangkan untuk y1 − y0 = 0, 022819 dan y2 − y1 = 0, 023048 Interpolasi kuadratik berdasarkan rumus pada persamaan (5.9), diperoleh 1 P2 (x) = P1 (x) + (0, 6)(0, 6 − 1)90, 023048 − 0, 022819) 2 = 2, 2841914 − 0, 00002748 = 2, 2841639 Contoh 5.6 Hitunglah ln 9, 2 sampai empat desimal dari titik-titik ln 9, 0 = 2, 1972, ln 9, 5 = 2, 2513 dan ln 11, 0 = 2, 3979 dengan menggunakan pendekatan polinomial kuadratik. Penyelesaian: Dari soal yang diberikan, dan dengan menggunakan persamaan (5.9dapat kita tentukan, (x − 9, 5)(x − 11, 0) = x2 − 20, 5x + 104, 5 (9, 0 − 9, 5)(9, 0 − 11, 0) L0 (9, 2) = 0, 5400 L0 (x) = 1 (x − 9, 0)(x − 11, 0) =− (x2 − 20x + 99) (9, 5 − 9, 0)(9, 5 − 11, 0) 0, 75 L1 (9, 2) = 0, 4800 L1 (x) = 1 (x − 9, 0)(x − 9, 5) = − (x2 − 18, 5x + 85, 5) (11 − 9, 0)(11 − 9, 5) 3 L2 (9, 2) = −0, 0200 L2 (x) = jadi, ln(9, 2) ≈ P2 (9, 2) = (0, 5400)(2, 1972) + (0, 4800)(2, 2513) − (0, 0200)(2, 3979) = 2, 2192 94 Bab 5 Interpolasi Contoh 5.7 Diberikan x0 = 2, x1 = 2, 5 dan x2 = 4, tentukan interpolasi kuadratik dari f (x) = 1/x untuk x = 3. Penyelesaian: Langkah pertama yang harus dilakukan adalah menentukan koefisien polinomial L0 (x) = L1 (x) = L2 (x) = (x − 2, 5)(x − 4) = (x − 6, 5)x + 10 (2 − 2, 5)(2 − 4) (−4x + 24)x − 32 (x − 2)(x − 4) = (2, 5 − 2)(2, 5 − 4) 3 (x − 4, 5)x + 5 (x − 2)(x − 2, 5) = (4 − 2)(4 − 2, 5) 3 Oleh karena, f (x0 ) = f (2) = 0, 5, f (x1 ) = f (2, 5) = 0, 4, f (x2 ) = f (4) = 0, 25, maka P (x) = 2 yk Lk (x) k=0 = 0, 5((x − 6, 5)x + 10) + 0, 4( (−4x + 24)x − 32 (x − 4, 5)x + 5 ) + 0, 25( ) 3 3 = (0, 05x − 0, 425)x + 1, 15 Jadi, f (x) diperoleh dengan pendekatan P (x), untuk itu f (3) ≈ P (x) = 0, 325 5.2.3 Interpolasi Derajat Tinggi Sekarang kita pertimbangkan kasus secara umum. Andaikan diberikan sejumlah (n + 1) data atau titik (x0 , y0 ), (x1 , y1 ), . . . , (xn , yn ) dan semua titik-titik tersebut adalah berbeda, maka interpolasi polinomial derajat ≤ n diberikan oleh Pn (x) = y0 L0 (x) + y1 L1 (x) + · · · + yn Ln (x) yang mana setiap Li (x) adalah polinomial derajat n yang diberikan oleh, Li (x) = (x − x0 ) · · · (x − xi−1 )(x − xi+1 ) · · · (x − xn ) (xi − x0 ) · · · (xi − xi−1 )(xi − xi+1 ) · · · (xi − xn ) (5.10) 5.2 Interpolasi Polinom Lagrange 95 Y 5 3 f (x) 1 • P2 (x) O 1 2 3 X 4 5 6 7 Gambar 5.4 Interpolasi polinomial kuadratik y = P2 (x) terhadap fungsi f = 1/x untuk 0 ≤ i ≤ n. Pembagi-pembaginya sama dengan pembilangan pada x = xi, yang mana Li (x) memenuhi, Li (xj ) = δij , 0≤j≤n (5.11) untuk i = 0, 1, . . . , n. Dengan menggunakan persamaan (5.11), dengan substitusi langsung x = xj , diperoleh Pn (xj ) = yj , Teorema 5.1 j = 0, 1, . . . , n (5.12) 96 Bab 5 Interpolasi Jika x0 , x1 , . . . , xn adalah (n + 1) bilangan yang berbeda dan f adalah fungsi kontinu yang dihitung pada setiap nilai tersebut, maka terdapat polinomial P berderajat paling tinggi n yang memenuhi f (xk ) = P (xk ), untuk setiap k = 0, 1, . . . , n dan polinomial ini diberikan oleh, P (x) = f (x0 )L0 (x) + f (x1 )L1 (x) + · · · + f (xn )Ln (x) = n f (xk )Ln (x) (5.13) k=0 di mana Lk (x) = = (x − x0 )(x − x1 )(x − x2 ) · · · (x − xk−1 )(x − xk+1 ) · · · (x − xn ) (xk − x0 )(xk − x1 )(xk − x2 ) · · · (xk − xk−1 )(xk − xk+1 ) · · · (xk − xn ) n (x − xi ) (5.14) (x k − xi ) i=0 i=0 Teorema 5.2 Jika x0 , x1 , . . . , xn adalah (n + 1) bilangan yang berbeda pada interval [a, b] dan f ∈ C n+1 [a, b], maka untuk setiap x dalam [a, b] dan sebuah bilangan ξ(x) pada (a, b) terdapat, f (x) = P (x) + f n+1 (ξ(x)) (x − x0 )(x − x1 ) · · · (x − xn ), (n + 1)! (5.15) dengan P adalah interpolasi polinomial yang diberikan pada persamaan (5.13) Perlu diperhatikan bahwa, galat dari polinomial Lagrange hampir sama dengan bentuk galat polinomial Taylor. Galat polinomial Taylor pada derajat ke-n disekitar x0 , diberikan oleh f (n+1) (ξ(x)) (x − x0 )n+1 (n + 1) sedangan galat polinomial Lagrange pada derajat ke-n menggunakan semua informasi dari x1 , x2 , . . . , xn di sekitar (x − x0 )n . Jadi galat menggunakan perkalian dari (n + 1 suku (x − x0 ), (x − x1 ), (x − x2 ), . . . , (x − xn ) yang diberikan oleh f (n+1) (ξ(x)) (x − x0 )(x − x1 ), · · · , (x − xn ) (n + 1) 5.2 Interpolasi Polinom Lagrange 97 30 20 10 –1 1 2 3 4 5 x –10 –20 Gambar 5.5 Interpolasi kubik y = P3 (x) Contoh 5.8 Gunakan Tabel 5.4untuk menghitung nilai pendekatan f (1, 5) dengan menggunakan Polinomial Lagrenge dan bandingkan! Polinomial Linear Tabel 5.4 Nilai-nilai dari f (x) = ex x ex 1,0 1,3 1,6 1,9 2,2 0,7651977 0,6200860 0,4554022 0,2818186 0,1103623 Oleh karena 1,5 berada diantara 1,3 dan 1,6 , kita akan menggunakan polinomial linear, yaitu x0 = 1, 3 dan x1 = 1, 6. Nilai-nilai interpolasi polinomial pada 1,5 diberikan oleh, P1 (x) = y0 L1 (x) + y1 L1 (x) (x − x1 ) (x − x0 ) = y0 + y1 (x0 − x1 ) (x1 − x0 ) 98 Bab 5 Interpolasi P1 (1, 5) = 0, 6200860y (1, 5 − 1, 3) (1, 5 − 1, 6) + 0, 4554022 (1, 3 − 1, 6) (1, 6 − 1, 3) = 0, 5102968 Polinomial kuadratik Kita gunakan titik-titik x0 = 1, 3; x1 = 1, 6 dan x2 = 1, 9, dan (1, 5 − 1, 3)(1, 5 − 1, 9) (1, 5 − 1, 6)(1, 5 − 1, 9) + (0, 4554022) (1, 3 − 1, 6)(1, 3 − 1, 9) (1, 6 − 1, 3)(1, 6 − 1, 9) (1, 5 − 1, 3)(1, 5 − 1, 6) +(0, 2818186) (1, 9 − 1, 3)(1, 9 − 1, 6) = 0, 5112857 P2 (1, 5) = (0, 6200860) alternatif lain, kita ambil x0 = 1, 0; x1 = 1, 3 dan x2 = 1, 6, diperoleh Pˆ2 (1, 5) = 0, 5124715 Polinomial kubik Pada pendekatan polinomial pangkat tiga, terdapat dua alternatif, ambil empat titik, yaitu x0 = 1, 3; x1 = 1, 6; x2 = 1, 9 dan x3 = 2, 2, dan diperoleh P3 (1, 5) = 0, 5118302 Alternatif lain, kita ambil empat titik, yaitu x0 = 1, 0; x1 = 1, 3; x2 = 1, 6 dan x3 = 1, 9, maka diperoleh Pˆ3 (1, 5) = 0, 5118127 Untuk polinomial pangkat empat, hanya satu alternatif dan kita akan menggunakan semua titik, yaitu x0 = 1, 0; x1 = 1, 3; x2 = 1, 6; x3 = 1, 9 dan x4 = 2, 2, maka diperoleh, P4 (x) = 0, 5118200 Jika nilai sejati f (1, 5) = 0, 5118277, maka dapat kita tentukan dari beberapa pendekatan yang telah digunakan, mana pendekatan yang paling akurat, |P1 (1, 5) − f (1, 5)| ≈ 1, 53 × 10−3 , |P2 (1, 5) − f (1, 5)| ≈ 5, 42−4 , |Pˆ2 (1, 5) − f (1, 5)| ≈ 6, 44 × 10−4 , |P3 (1, 5) − f (1, 5)| ≈ 2, 5 × 10−6 , 5.2 Interpolasi Polinom Lagrange 99 |Pˆ3 (1, 5) − f (1, 5)| ≈ 1, 50 × 10−5 , |P4 (1, 5) − f (1, 5)| ≈ 7, 7 × 10−6 Latihan 5.1 1. Gunakan interpolasi Lagrange untuk mengiterpolasi polinomial berderajat satu, dua, tiga dan empat pada setiap persoalan berikut. a. f (8, 4) jika f (8) = 16, 63553, f (8, 1) = 17, 61549, f (8, 3) = 17, 56492, f (8, 6) = 18, 50515, f (8, 7) = 18, 82091 b. f (0, 25) jika f (0) = −1, f (−0, 1) = −0, 62049958, f (0, 2) = −0, 28398668, f (0, 3) = 0, 00660095, f (0, 4) = 0, 24842440 c. f (0, 9) jika f (0, 5) = −0, 3440983, f (0, 6) = −0, 17694460, f (0, 7) = 0, 01375227, f (0, 8) = 0, 22363362, f (1, 0) = 0, 65809197 d. f (1, 15) jika f (1) = 1, 684370, f (1, 1) = 1, 949477, f (1, 2) = 2, 199796, f (1, 3)2, 439189, f (1, 4) = 2, 670324 2. Gunakan hasil interpolasi data-data pada soal no 1(a),(b),(c) dan bandingkan dengan fungsi-fungsi berikut untuk menentukan batas galat a. f (x) = ln(x) b. f (x) = x3 + 4, 001x2 + 4, 002x + 1, 101 c. f (x) = x cos x − 2x2 + 3x − 1 3. Buatlah interpolasi polinomial Lagrange dari fungsi-fungsi berikut berdasarkan titik-titik yang diberikan. a. f (x) = e2x cos(3x), x0 = 1, d. f (x) = cos(x) + sin(x), 4. Misalkan f (x) = ex , untuk menghitung: x1 = 0, 3 x2 = 0, 6 x0 = 2, 0 x1 = 2, 4 x2 = 2, 6 b. f (x) = sin(ln(x)), c. f (x) = ln(x), x0 = 0, x1 = 1, 1 x2 = 1, 2 x3 = 1, 4 x0 = 0, x1 = 0, 25 x2 = 0, 5 x3 = 1, 0 0 ≤ x ≤ 2. Gunakan nilai-nilai yang diberikan berikut 100 Bab 5 Interpolasi a. Hampiran interpolasi linear f (0, 25) dengan x0 = 0 dan x1 = 0, 5 b. Hampiran interpolasi linear f (0, 75) dengan x0 = 0, 5 dan x1 = 1 c. Untuk soal (a) dan (b), gunakan hampiran interpolasi kuadratik dengan x0 = 0, x1 = 1 dan x2 = 2 d. Yang manakah hampiran yang lebih baik? x 0,0 0,5 1,0 2,0 y 1,00000 1,64872 2,71828 7,38906 5. Diberikan titik-titik (0, 2), (1, 1), tentukan: (a) Interpolasi garis lurus dari data tersebut (b) Interpolasi fungsi f (x) = a + bex , petunjuk : temukan a dan b sehingga f (0) = 2, f (1) = 1 (c) Interpolasi fungsi f (x) = a/(b + x) 6. Dengan menggunakan Tabel 5.3, tentukan interpolasi linear untuk: (a) e0,865 (b) e5/6 Bandingkan yang diperolehnya terhadap nilai sebenarnya. 7. Hitunglah fungsi P (x) = a+b cos(πx)+c sin(πx) yang diinterpolasi oleh data-data sebagai berikut. x y 0 2 1 2 5 1 4 8. Misalkan xj = j untuk j = 0, 1, 2, 3 dan diketahui bahwa P0,1 (x) = x + 1, P1,2 (x) = 3x − 1, P1,2,3 (1, 5) = 4 tentukan P0,1,2,3 (1, 5) Petunjuk : P0,1,2,3 (x) artinya interpolasi yang menggunakan titik x0 , x1 , x2 , x3 9. Misalkan xj = j untuk j = 0, 1, 2, 3 dan diketahui bahwa P0,1 (x) = 2x + 1, tentukan P0,1,2,3 (2, 5) P0,2 (x) = x + 1, P1,2,3 (2, 5) = 3 5.3 Selisih Terbagi Newton 101 10. Buatlah interpolasi polinomial kuadratik untuk data {(−2, −15), (−1, −8), (0, −3)}. Tentukan nilai nol P2 (x) untuk x = 0. Apakah P2 (x) mempunyai nilai maksimum? 11. Untuk n = 3, jelaskan mengapa L0 (x) + L1 (x) + L2 (x) + L3 (x) = 1 untuk semua nilai x 12. Sebuah permasalahan yang diperumum, tentukan polinomial kuadratik Q(x) yang mana Q(0) = −1, 5.3 Q(1) = −1, Q (1) = 4 Selisih Terbagi Newton Iterasi interpolasi digunakan untuk mengeneralkan pendekatan polinomial der- ajat yang lebih tinggi untuk titik-titik tertentu. Metode selisih terbagi akan diperkenalkan pada sub-bab ini secara ringkas. Misalkan bahwa Pn (x) adalah polinomial Lagrange ke-n yang dekat dengan fungsi f pada bilangan-bilangan berbeda x0 , x1 , x2 , . . . , xn , maka selisih terbagi f yang berkaitan dengan x0 , x1 , x2 , . . . , xn , Pn (x) = a0 + a1 (x − x0 ) + a2 (x − x0 )(x − x1 ) + · · · an (x − x0 )(x − x1 )(x − x2 ) · · · (x − xn−1 ) (5.16) untuk konstanta a0 , a1 , a2 , . . . , an . Untuk menghitung konstanta a0 , maka kita akan mengevaluasi persamaan (5.16) pada x0 dan hanya meninggalkan konstanta a0 , Pn (x0 = f (x0 ) = a0 + a1 (0) + a2 (0) + · · · + an (0) f (x0 ) = a0 (5.17) Dengan cara yang sama, kita akan mengevaluasi Pn (x) pada x = x1 , Pn (x1 ) = f (x1 ) = a0 + a1 (x1 − x0 ) + a2 (0) + a3 (0) + · · · + an (0) f (x1 ) = a0 + a1 (x1 − x0 ) (5.18) 102 Bab 5 Interpolasi dengan mensubstitusikan a0 = f (x0 ), maka persamaan di atas, maka f (x1 ) = f (x0 ) + a1 (x1 − x0 ) atau a1 = f (x1 ) − f (x0 ) (x1 − x0 ) Bentuk di atas dapat ditulis, f [x0 , x1 ] = f [x1 ] − f [x0 ] x1 − x0 (5.19) Bentuk ungkapan pada persamaan (5.19) disebut selisih terbagi orde pertama. Jika selisih terbagi ke-0 dari fungsi f yang berkaitan dengan xi adalah f [xi ], atau lebih sederhana f [xi ] = f (xi ) maka selisih terbagi pertama dari fungsi f terhadap xi dan xi+1 dilambangkan dengan f [xi , xi+1 ], dan didefinisikan f [xi , xi+1 ] = f [xi+1 ] − f [xi ] xi+1 − xi Dengan cara yang sama, polinom kuadratik dapat dinyatakan dalam bentuk, P2 (x2 ) = f (x2 ) = a0 + a1 (x2 − x0 ) + a2 (x2 − x0 )(x2 − x1 ) f (x2 ) − a0 − a1 (x2 − x0 ) a2 = (x2 − x0 )(x2 − x1 ) f (x1 ) − f (x0 ) f (x2 ) − f (x0 ) − (x2 − x0 ) (x1 − x0 ) = (x2 − x0 )(x2 − x1 ) f (x2 ) − f (x0 ) f (x1 ) − f (x0 ) − x2 − x0 x1 − x0 = x2 − x1 (5.20) Dengan melakukan manipulasi aljabar diperoleh, f (x2 ) − f (x0 ) f (x1 ) − f (x0 ) − f [x2 , x1 ] − f [x1 , x0 ] x2 − x1 x1 − x0 = a2 = x2 − x0 x2 − x0 atau f [x0 , x1 , x2 ] = f [x2 , x1 ] − f [x1 , x0 ] x2 − x0 (5.21) (5.22) 5.3 Selisih Terbagi Newton 103 Secara umum selisih terbagi kedua dari fungsi f terhadap xi , xi+1 dan xi+2 , ditulis f [xi , xi+1 , xi+2 ] = f [xi+1 , xi+2 ] − f [xi+1 , xi ] xi+2 − xi Untuk selanjutnya, terdapat n + 1 bilangan real yang berbeda, x0 , x1 , x2 , · · · , xn , maka dapat didefinsikan f [x0 , x1 , x2 , · · · , xn ] = f [x1 , x2 , · · · , xn ] − f [x0 , x1 , · · · , xn−1 ] xn − x0 (5.23) Bentuk seperti ini disebut selisih terbagi orde-n, dan kadang-kadang disebut juga selisih terbagi Newton. Hubungan beda terbadi orde tinggi dengan derivatif yang brekorespondensi dengan orde diberikan pada teorema berikut. Teorema 5.3 Misalkan n ≥ 1 dan diasumsikan f (x) adalah n kali terdiferensiabel pada interval a ≤ x ≤ b dan x0 , x1 , x2 , . . . adalah n + 1 bilangan real yang berbeda pada [a, b], maka f [x0 , x1 , . . . , xn ] = untuk titik c yang x0 , x1 , x2 , . . . , xn terbentang diantara 1 (n) f (c) n! maksimum dan minimum bilangan Setelah diperoleh nilai-nilai f [x0 ], f [x0 , x1 ], f [x0 , x1 , x2 ], . . . , f [x0 , x1 , x2 , . . . , xn ], maka polinomial pada persamaan (5.17) dapat diubah kembali menjadi, Pn (x) = f [x0 ] + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 ) + · · · + f [x0 , x1 , x2 , . . . , xn ](x − x0 )(x − x1 ) · · · (x − xn−1 ) (5.24) atau Pn (x) = f [x0 ] + n f [x0 , x1 , . . . , xk ](x − x0 )(x − x1 ) · · · (x − xk−1 ) (5.25) k=1 Bentuk persamaan terakhir biasa disebut interpolasi selisi terbagi Newton. Perhitungan selisih terbagi dapat diperoleh dari tabulasi data pada Tabel 5.5. 104 Bab 5 Interpolasi Tabel 5.5 Selisih terbagi Newton x f (x) x0 f [x0 ] x1 f [x1 ] ST1 ST2 ST3 ST4 f [x0 , x1 ] f [x0 , x1 , x2 ] f [x1 , x2 ] x2 f [x2 ] f [x0 , x1 , x2 , x3 ] f [x1 , x2 , x3 ] f [x2 , x3 ] x3 f [x3 ] x4 f [x4 ] x5 f [x5 ] f [x0 , x1 , x2 , x3 , x4 ] f [x1 , x2 , x3 , x4 ] f [x2 , x3 , x4 ] f [x3 , x4 ] f [x1 , x2 , x3 , x4 , x5 ] f [x2 , x3 , x4 , x5 ] f [x3 , x4 , x5 ] f [x4 , x5 ] Contoh 5.9 Misalkan f (x) = cos(x), x0 = 0, 2, dan x1 = 0, 3 f [x0 , x1 ] = cos(0, 3) − cos(0, 2) ≈ 0, 2473009 0, 3 − 0, 2 dengan f (c) ≈ − sin(0, 2498936) dan untuk f x0 + x1 2 = − sin(0, 25) ≈ 0, 2474040 Contoh 5.10 Misalkan f (x) = cos(x), x0 = 0, 2, x1 = 0, 3, x2 = 0, 4 Tentukan selisih terbagi orde 2. Penyelesaian: f (x2 ) − f (x1 ) x2 − x1 cos(0, 4) − cos(0, 3) = 0, 4 − 0, 3 ≈ −0, 3427550 f [x1 , x2 ] = 5.3 Selisih Terbagi Newton 105 dan f (x1 ) − f (x0 ) x1 − x0 cos(0, 3) − cos(0, 2) = 0, 3 − 0, 2 ≈ −0, 34273009 f [x0 , x1 ] = Selisih terbagi orde ke-2, f [x1 , x2 ] − f [x0 , x1 ] x2 − x0 0, 3427550 − (−0, 2473009) ≈ 0, 4 − 0, 2 = −0, 4772705 f [x0 , x1 , x2 ] = Contoh 5.11 Gunakan semua titik-titik yang diberikan pada Tabel 5.6 untuk mengiterpolasi f (1, 5) dengan menggunakan selisih terbagi Newton. Penyelesaian: Tabel 5.6 Nilai-nilai f (x) = ex x ex 1,0 1,3 1,6 1,9 2,2 0,7651977 0,6200860 0,4554022 0,2818186 0,1103623 Dengan menggunakan metode selisih terbagi Newton, diperoleh tabel sebagai berikut. Bilangan-bilangan tebal pada tabel diatas merupakan koefisien dari polinom P4 (x). Oleh karena itu, persamaan polinomnya adalah, P4 (x) = 0, 7651977 − 0, 4837057(x − 1, 0) − 0, 1087339(x − 1, 0)(x − 1, 3) +0, 0658784(x − 1, 0)(x − 1, 3)(x − 1, 6) +0, 001825(x − 1, 0)(x − 1, 3)(x − 1, 6)(x − 1, 9) 106 Bab 5 Interpolasi Tabel 5.7 Tabel Selisih Terbagi Newton orde 4 i x f [xi ] ST1 0 1,0 0,7651977 1 1,3 0,6200860 2 1,6 0,4554022 3 1,9 0,2818186 ST2 ST3 ST4 -0,4837057 -0,1087339 -0,5489460 0,0658784 -0,0494433 -0,5786120 0,0018251 0,0680685 0,0118183 -0,5715210 4 2,2 0,1103623 Untuk x = 1, 5, maka P4 (1, 5) = 0, 5118200 Latihan 5.2 1. Misalkan x0 = 0, 85, x1 = 0, 87, x2 = 0, 89 Dengan menggunakan Tabel 5.3 hitunglah a. f [x0 , x1 ], b. f [x1 , x2 ], c. f [x0 , x1 , x2 ] 2. Hampiri fungsi f (x) = cos(x) dengan polinom interpolasi derajat tiga di dalam selang[0, 0; 1, 2]. Gunakan empat titik x0 = 0, 0; x1 = 0, 4; x2 = 0, 8 dan x3 = 1, 2. Perkirakan nilai P (0, 5) dan bandingkan nilai sejatinya. 3. Diberikan data di bawah ini, tentukan f [x0 , x1 ] dan f [x0 , x1 , x2 ]. Kemudian hitung P1 (0, 15) dan P2 (0, 15) n 0 1 2 xn 0,1 0,2 0,3 f (xn ) 0,2 0,24 0,30 5.4 Galat Interpolasi Polinom 107 4. Diberikan data sebagai berikut. Tentukan f [x0 , x1 ] dan f [x0 , x1 , x2 ] dan kemudian hitunglah P2 (0, 8) dan P2 (0, 9). n 0 1 2 xn 0,5 1,0 2,0 f (xn ) 0,479 0,841 0,909 5. Hitunglah P2 (7, 4) dan P3 (6, 5) dengan menggunakan data berikut. n 0 1 2 3 5.4 xn 6,0 7,0 7,5 7,7 f (xn ) 0,1506 0,3001 0,2663 0,2346 Galat Interpolasi Polinom Polinom interpolasi Pn (x) merupakan hampiran terhadap fungsi yang asli f (x). Pn (x) dan f (x) tidak sama, walaupun di titik-titik tertentu Pn (xi ) dan f (xi ) sama untuk n = 0, 1, 2, . . . , n Oleh karena itu, muncul adanya galat diantara keduanya,yaitu E(x) = f (x) − Pn (x) (5.26) Mengingat f (xi ) = Pn (xi ) untuk i = 0, 1, 2, . . . , n, maka harus berlaku juga, E(xi ) = f (xi ) − Pn (xi ) = 0 (5.27) E(x) dapat juga ditulis dalam bentuk, E(x) = f (x) − Pn (x) = (x − x0 )(x − x1 ) · · · (x − xn )R(x) atau f (x) − Pn (x) − (x − x0 )(x − x1 ) · · · (x − xn )R(x) = 0 Dan galat dari interpolasi diberikan oleh, E(x) = (x − x0 )(x − x1 ) · · · (x − xn ) atau E(x) = Qn+1 (x) f (n+1) (c) (n + 1)! f (n+1) (c) (n + 1)! (5.28) (5.29) 108 Bab 4 Interpolasi Rumus galat ini berlaku untuk semua metode interpolasi, baik interpolasi linear, kuadratik, atau interpolasi dengan derajat lebih tinggi. Misalkan kita akan menginterpolasi dua titik dengan polinom Lagrange, maka galat interpolasinya adalah E(x) = 5.5 (x − x0 )(x − x1 ) f ”(c) 2 (5.30) Polinom Newton-Gregory Pada pembahasan terdahulu telah kita pelajari tentang selisih terbagi Newton, yang melibatkan selisih dua nila fungsi pada jarak yang sama. Polinom Newton-Gregory merupakan kasus khusus dari polinom Newton untuk titik-titik yang berjarak sama dan dilakukan pada selang waktu yang teratur. Untuk titik-titik yang berjarak yang sama, rumus polinom Newton menjadi lebih sederhana dan lebih mudah dibentuk dan tidak melibatkan pembagian pada proses pembentukanya. 5.5.1 Polinom Newton-Gregory Maju Misalkan terdapat x0 , x1 , x2 , . . . , xn yang merupakan nilai yang berjarak sama, maka interpolasi Newton dapat dibentuk kembali menjadi ungkapan yang lebih sederhana. Jika h = xi+1 − xi untuk i = 0, 1, 2, . . . , n − 1 dan x = x0 + sh, maka selisih x − xi dapat ditulis kembali −xi = (s − i)h sehingga bentuk polinomial dapat juga ditulis, P( x) = Pn (x0 + sh) = f [x0 ] + shf [x0 , x1 ] + s(s − 1)h2 f [x0 , x1 , x2 ] = + · · · + s(s − 1) · · · (s − n + 1)hn f [x0 , x1 , . . . , xn ] n = s(s − 1) · · · (s − k + 1)hk f [x0 , x1 , . . . , xk ] k=0 Dengan menggunakan simbol binomial, s k = s(s − 1) · · · (s − k + 1) k! maka persamaan (5.31) dapat ditulis kembali menjadi, Pn x = pn (x0 + sh) = n k=0 s k k!hk f [x0 , x1 , . . . , xk ] (5.31) 4.5 Polinom Newton-Gregory 109 Dengan menggunakan simbol ∆ yang dikenalkan ole metode ∆2 Aitken, f [x0 , x1 ] = f [x0 , x1 , x2 ] = f (x1 ) − f (x0 ) 1 = ∆f (x0 ) x1 − x0 h 1 ∆f (x1 ) − ∆f (x0 ) 1 = 2 ∆2 f (x0 ) 2h h 2h secara umum ditulis, f [x0 , x1 , . . . , xk ] = 1 ∆2 f (x0 ) k!h2 (5.32) Rumus Selisih maju Newton Pn (x) = n k=0 s k ∆k f (x0 ) (5.33) Jika titik-titik di atur kembali dalam urutan mundur, xn , xn−1 , . . . , x0 , dengan menggunakan rumus polinomial Taylor memberikan, Pn (x) = f [xn ] = f [xn−1 , xn ](x − xn ) + f [nn−2 , xn−1 , xn ](x − xn )(x−n−1 ) + · · · + f [x0 , x1 , . . . , xn ](x − xn )(x − xn−1 ) · · · (x − x1 ) (5.34) Dengan menggunakan jarak yang sama x = xn + sh dan x = xi + (s − n − i)h yang menghasilkan Pn (x) = Pn (xn + sh) = f [xn ] + shf [xn−1 , xn ] + s(s + 1)h2 f [xn−2 , xn−1 , xn ] + · · · +s(s + 1) · · · (s + n − 1)hn f [x0 , x1 , . . . , xn ] Bentuk ungkapan terakhir disebut rumus selisih terbagi mundur Newton. Definisi 5.1 Diberikan barisan pn ∞ n=0 , mendefinisikan selisih mundur ∇pn oleh, ∇pn ≡ pn − pn−1 , n≥1 Untuk pangkat tinggi didefinisikan secara rekursif oleh, ∇k pn = ∇(∇k−1 pn ). (5.35) 110 Bab 4 Interpolasi Dari definisi di atas mengakibatkan f [xn−1 , xn ] = f [xn−2 , xn−1 , xn ] = 1 ∇f (xn ) h 1 2 ∇ f (xn ) 2h2 dan secara umum ditulis, f [xn−k , xn−k−1 , . . . , xn−2 , xn−1 , xn ] = 1 ∇k f (xn ) k!hk Jika bentuk di atas di masukan dalam bentuk polinomial Pn (x), maka akan memberikan s(s + 1) 2 ∇ f (xn ) + · · · 2 s(s + 1)(s + 2) · · · (s + n − 1) n ∇ f (xn ) n! Pn (x) = f [xn ] + s∇f (xn ) + = (5.36) Jika kita misalkan, −s k = −s(−s − 1)(−s − 2) · · · (−s − k + 1) k! = (−1)k s(s + 1) · · · (s + k − 1) k! (5.37) dan −s 1 Pn (x) = f (xn ) + (−1)1 n +(−1) −s 2 ∇f (xn ) + (−1)2 ∇2 f (xn ) −s 2 ∇2 f (xn ) + · · · (5.38) dan diperoleh rumus baku Pn (x) n k=0 (−1)k −s k ∇k f (xn ) (5.39) Contoh 5.12 Pertimbangkan tabel data berikut. Jika kita akan menghampiri f (x) di x = 1, 1, sangat berasalan apabila kita menggunakan x0 = 1, 0; x1 = 1, 3; x2 = 1, 6; x3 = 1, 9; x4 = 2, 2, paling tidak kita akan gunakan data-data yang paling dekat dengan x = 1, 1, hal ini akan mengakibatkan 4.5 Polinom Newton-Gregory 111 Tabel 5.8 Tabel Selisih Terbagi Newton orde 4 x f [xi ] 1,0 0, 7651977 1,3 0,6200860 ST1 ST2 −0, 4837057 0,4554022 0, 0658784 0,2818186 2,2 0, 1103623 0, 0018251 -0,0494433 -0,5786120 1,9 ST4 −0, 1087339 -0,5489460 1,6 ST3 0, 0680685 0, 0118183 −0, 5715210 h = 0, 3 dan s = 13 . Oleh karena itu, rumusan yang digunakan adalah selisih terbagi Newton maju untuk data-data yang bergaris atas, 1 P4 (1, 1) = P4 1, 0) + (0, 3) 3 1 2 1 = 0, 7651997 + (0, 3)(−0, 4837057) + − (0, 3)2 (−0, 1087339) 3 3 3 2 5 1 − − (0, 3)3 (0, 0658784) + 3 3 3 2 5 8 1 − − − (0, 3)4 (0, 0018251) + 3 3 3 3 = 0, 7196480 Ketika kita akan menghampiri f (2, 0), maka kita akan menggunakan data-data yang paling dekat dengan x = 2, 0. Hal ini mengakibatkan h = 0, 3 dan s = − 23 . Oleh karena itu, rumusan yang digunakan adalah selisih terbagi Newton mundur untuk data-data yang bergaris bawah, 2 P4 (2, 0) = P4 (2, 2 − (0, 3)) 3 2 2 = 0, 1103623 − (0, 3) (−0, 5715210) − 3 3 2 1 (0, 3)3 (0, 0680685) − 3 4 4 7 2 1 (0, 3)4 (0, 0018251) − 3 3 3 3 1 (0, 3)2 (0, 0118183) 3 112 Bab 4 Interpolasi = 0, 2238754 Rumus Newton selisih terbagi, baik selisih terbagi maju maupun selisih terbagi mundur tidak memperhatikan pendekatan nilai x. Sebuah rumus selisih terbagi pusat, dengan memilih x0 yang dekat dengan titik yang dihampiri dan kemudian tentukan secara langsung titik-titik dibawah x0 sebagai x1 , x2 , x3 , . . . dan titik-titik di atas titik x − 0 sebagai x−1 , x−2 , . . .. Gunakan bentuk tersebut, maka rumus Stirling diberikan oleh, sh f [x−1 , x0 ] + f [x0 , x1 ] 2 s(s2 − 1)h3 +s2 h2 f [x−1 , x0 , x1 ] + f [x−1 , x0 , x1 , x2 ] + f [x−2 , x−1 x0 , x1 ] + · · · 2 +s2 (s2 − 1)(s2 − 4) · · · (s2 − (m − 1)2 )h2m f [x−m , x−m−1 , . . . , x0 , x1 , . . . , xm ] s(s2 − 1) · · · (s2 − m2 )h2m+1 f [x−m , x−m−1 , . . . , x0 , . . . , xm+1 ] 2 (5.40) +f [x−m−1 , . . . , x0 , . . . , xm ] Pn (x) = P2m+1 (x) = f [x0 ] + Jika n = 2m + 1 adalah ganjil, dan n = 2m adalah genap, maka hapus suku-suku terakhir yang ditunjukkan pada Tabel 5.9. Tabel 5.9 Selisih Terbagi Pusat Newton x f (x) x−2 f [x0 ] ST1 ST2 ST3 ST4 f [x0 , x1 ] x−1 f [x1 ] f [x0 , x1 , x2 ] f [x1 , x2 ] x0 f [x2 ] f [x0 , x1 , x2 , x3 ] f [x1 , x2 , x3 ] f [x2 , x3 ] x1 f [x3 ] f [x0 , x1 , x2 , x3 , x4 ] f [x1 , x2 , x3 , x4 ] f [x2 , x3 , x4 ] f [x3 , x4 ] x2 f [x4 ] Contoh 5.13 Gunakan rumusan selisih terbagi pusat orde ke-4 untuk menghampiri f (1, 5) dari datadata yang diberikan pada Tabel 5.10 berikut. 4.5 Polinom Newton-Gregory 113 Penyelesaian: Untuk menghampiri f (x) di x = 1, 5, maka akan kita gunakan data-data yang lebih Tabel 5.10 Tabel Selisih Terbagi Newton orde 4 x f [xi ] 1,0 0,7651977 1,3 0,6200860 1,6 0,4554022 1,9 0,2818186 ST1 ST2 ST3 ST4 -0,4837057 -0,1087339 -0,5489460 0,0658784 -0,0494433 -0,5786120 0,0018251 0,0680685 0,0118183 -0,5715210 2,2 0,1103623 dekat ke x = 1, 5. Dari tabel jelas terlihat bahwa x = 1, 6 lebih dekat ke x = 1, 5. Untuk itu x = 1, 6 di jadikan sebagai x0 , selanjutnya x−2 = 1, 0, x−1 = 1, 3, x1 = 1, 9 dan x2 = 2, 2. Dengan menggunakan rumusan Stirling, diperoleh h = 0, 3, x0 = 1, 6 dan s = − 13 , menjadi 1 (0, 3)) 3 1 0, 3 (−0, 5489460) − 0, 5786120) = 0, 4554022 + − 3 2 1 1 1 2 + − − − 1 (0, 3)3 (0, 0658784 + 0, 0680685) 2 3 3 f (1, 5) ≈ P4 (1, 6 + − 1 2 + − 3 = 0, 5118200 1 − 3 − 1 (0, 3)4 (0, 0018251) 114 Bab 4 Interpolasi Latihan 5.3 1. Gunakan rumusan selisi terpusat untuk mengkontruksi interpolasi polinomial berderajat satu, dua, tiga dan empat dari data-data berikut. a. f (8, 4), jika f (8) = 16, 63553, f (8, 1) = 17, 61549, f (8, 3) = 17, 56492, f (8, 6) = 18, 50515, f (8, 7) = 18, 82091 b. f (0, 9) jika f (0, 5) = −0, 34409873, f (0, 6) = −0, 17694460, f (0, 7) = 0, 01375227, f (0, 8) = 0, 22363362, f (1, 0) = 0, 65809197 2. Gunakan rumus selisih maju Newton untuk membuat interpolasi polinom derajat satu, dua, tiga, dan tiga dari data-data berikut. a. f (0, 25) jika f (0) = −1, f (0, 1) = −0, 62049958, f (0, 2) = 0, 28398668, f (0, 3) = 0, 00660095, f (0, 4) = 0, 24842440 b. f (1, 15), jika f (1) = 1, 684370, f (1, 1) = 1, 949477, f (1, 2) = 2, 199796, f (1, 3) = 2, 439189, f (1, 4) = 2, 670324 3. Gunakan rumus selisih mundur Newton untuk membuat interpolasi polinom derajat satu, dua, tiga, dan tiga dari data-data berikut. a. f (0, 25) jika f (0) = −1, f (0, 1) = −0, 62049958, f (02) = −0, 28398668, f (0, 3) = 0, 00660095, f (0, 4) = 0, 24842440 b. f (π/2) jika f (1, 1) = 1, 964760, f (1, 2) = 2, 572152, f (1, 3) = 3, 602102, f (1, 4) = 5, 797884, f (1, 5) = 14, 10142 4. Gunakan selisih terbagi Newton untuk mengiterpolasi polinom dereajat empat dari data pada tabel berikut. xn 0,0 0,1 0,3 0,6 1,0 f (xn ) -6,00000 -5,89483 -5,65014 -5,17788 -4,28172 5.5 Interpolasi Splin 115 5. Hampiri f (0, 05) dengan menggunakan selisih terbagi maju Newton untuk data yang diberikan pada tabel berikut. x f (x) 0,0 1,00000 0,2 1,22140 0,4 1,49182 0,6 1,82212 0,8 2,22554 a. Gunakan rumus selisih terbagi mundur Newton untuk f (0, 65) b. Gunakan rumus Stirling untuk menghampiri f (0, 43) 6. Polinomial derajat empat P (x) memenuhi ∆4 P (0) = 24, ∆3 P (0) = 6, dan ∆2 P (0) = 0 di mana ∆P (x) = P (x + 1) − P (x). Hitunglah ∆2 P (10). 7. Diberikan data-data untuk polinomial P sebagai berikut . x P (x) 0 2 1 -1 2 4 jika semua selisih terbagi orde tiga adalah 1, hitunglah koefisien dari x2 pada P (x) 8. Diberikan data-data untuk polinomial P sebagai berikut. x P (x) 0 4 1 9 2 15 3 18 Jika semua selisih terbagi maju orde-4 adalah 1, hitunglah koefisien x3 pada polinomial P (x). 9. Diberikan Pn (x) = f [x0 ] + f [x0 , x1 ](x − x0 ) + a2 (x − x0 )(x − x1 ) +a3 (x − x0 )(x − x1 )(x − x2 ) + · · · an (x − x0 )(x − x1 )(x − x2 ) · · · (x − xn−1 ). Gunakan Pn (x2 ) untuk menunjukkan bahwa a2 = f [x0 , x1 , x2 ]. 116 5.6 Bab 5 Interpolasi Interpolasi Splin Misalkan diberikan suatu data (nilai fungsi atau titik pada bidang xy), yaitu (x0 , f0 ), (x1 , f (x1 )), . . . , (xn , f (xn )) yang dapat diinterpolasi oleh polinomial Pn (x) berderajat n atau lebih kecil sehingga kurva Pn (x) melalui n + 1 titik (xi , f (xi )). Untuk lebih memahami definisi fungsi spline, akan kita mulai dengan persoalan interpolasi dari data yang diberikan pada Tabel 5.11. Tabel 5.11 x 0 1 2 2,5 3 3,5 4 y 2,5 0,5 0,5 1,5 1,5 1,125 0 Metode interpolasi yang paling sederhana adalah menghubungkan dengan garis dari satu titik ke titik lainnya, sebagaimana ditunjukkan pada Gambar 5.6. Cara seperti ini biasanya disebut Interpolasi linear sesepenggal. Fungsi-fungsi interpolasi yang bersekutu dilambangkan dengan l(x) Y • 2 • • • 1 O • • 1 2 3 • 4 X Gambar 5.6 y = l(x), interpolasi linear sesepenggal Contoh 5.14 Pemilihan interpolasi berikutnya adalah menggunakan interpolasi polinomial. Terdapat tujuh titik dan oleh karena itu, kita akan mempertimbangkan polinomial interpolasi derajat enam, P6 (x), yang grafiknya ditunjukkan pada Gambar 5.8. Pilihan ketiga adalah menghubungkan titik-titik tersebut dengan menggunakan 5.5 Interpolasi Splin 117 Y 6 4 3 2 1 O 1 2 3 4 X - Gambar 5.7 y = P6 (x), interpolasi linear derajat enam interpolasi polinomial kuadratik. Sebut saja fungsi q(x) pada interval 0 ≤ x ≤ 4. Pada setiap sub-interval [0, 2], [2, 3] dan [3, 4], q(x) adalah interpolasi polinomial kuadratik. Y 6 r 2 r r r 1 O r r 1 2 3 X r4 Gambar 5.8 y = q(x), interpolasi kuadratik sesepenggal Untuk menyelesaikan masalah secara umum, misalkan terdapat n titik (xi , yi ), dengan asumsi x1 < x2 < · · · < xn dan misalkan a = xi , b = xn . Kita akan menentukan sebuah fungsi dalam bentuk s(x) yang terdefinisi pada [a, b] yang menginterpolasi data-data s(xi ) = yi , i = 1, 2, 3, . . . , n 118 Bab 5 Interpolasi Untuk lebih menghaluskan fungsi s(x), kita membutuhkan s (x) dan s (x) yang kontinu. Pada persoalan ini, syarat adanya solusi s(x) yang unik jika memenuhi syaratsyarat sebagai berikut. 1. s(x) adalah polinomial kubik untuk setiap sub-interval [xj−1 , xj ], untuk j = 2, 3, . . . , n 2. s (x1 ) = s (xn ) = 0 Fungsi s(x) disebut f ungsisplinekubikalami yang menginterpolasi data-data (xi , yi ). Kita akan memberikan sebuah metode untuk membangun s(x) dan kemudian menerapkannya terhadap tabel 5.11. Misalkan diberikan variabel-variabel M1 , M2 , . . . , Mn dengan Mi ≡ s (xi ), i = 1, 2, . . . , n Kita akan mengungkapkan s(x) ke dalam bentuk Mi yang tidak diketahui, dan kemudian kita akan menghasilkan sebuah sistem persamaan linear dari Mi yang akan dihitung. Oleh karena s(x) adalah kubik pada setiap interval [xj−1 , xj ], fungsi s (x) adalah linear pada interval tersebut. Sebuah fungsi linear dihitung dengan menggunakan dua titi, yaitu s (xj−1 ) = Mj−1 , dan s (x) = s (xj ) = Mj (xj − x)Mj−1 + (x − xj − 1)Mj , xj − x−1 xj−1 ≤ x ≤ xj (5.41) Selanjutnya kita akan membentuk antiderivatif orde-2 s (x) pada interval [xj−1 , xj ] dan menerapkan syarat interpolasi s(xj−1 ) = yj−1 Dengan memanipulasi, diperoleh polinomial kubik, s(x) = (xj − x)yj−1 + (x − xj−1 )yj (xj − x)3 Mj−1 + (x − xj−1 )3 Mj + 6(xj − xj−1 ) xj − xj−1 1 − (xj − xj−1 )[(xj − x)Mj−1 + (x − xj−1 )Mj ] (5.42) 6 5.5 Interpolasi Splin 119 untuk xj−1 ≤ x ≤ xj . Rumusan spline 5.42 dihitung pada interval [x1 , x2 ], . . . , [xn−1 , xn ] dan di set sedemkian rupa pada interval [xj−1 , xj ] dan [xj , xj+1 ] sehingga berhimpit pada titik x = xj yang menyebabkan interpolasi s(xj ) = yj . Kondisi seperti ini akan menyebabkan s(x) menjadi kontinu pada interval [a, b]. Dengan cara yang sama, rumusan pada 5.41 juga kontinu pada interval [a, b]. Oleh karena itu, s (x) uga kontinu pada [a, b], dan rumusan s (x) pada [xj−1 , xj ] dan [xj , xj+1 ] dibutuhkan untuk menghitung nilai-nilai pada titik x = xj untuk j = 2, 3, . . . , n − 2. Hasil terahir yang diperoleh berupa sistem persamaan linear, xj − xj−1 Mj−1 + 6 xj+1 − xj−1 xj+1 − xj Mj + Mj+1 3 6 yj+1 − yj yj − yj−1 = − , j = 2, 3, . . . , n − 1 xj+1 − xj xj − xj−1 (5.43) Pada sistem persamaan linear 5.43, terdapat n−2 persamaan yang secara serentak akan diselesaiakan dengan mengasumsikan bahwa, M 1 = Mn = 0 (5.44) Sistem persamaan linear 5.43 disebut sistem triagonal, dan terdapat sebuah metode khusus untuk menyelesaikannya. Contoh 5.15 Hitunglah interpolasi splin kubik alami berikut ini. (1, 1), 2, 1 1 1 , 3, , 4, 2 3 4 (5.45) Dari contoh soal, diperoleh jumlah titik-titiknya adalah n = 4 dan untuk semua selisih selang adalah x2 − x1 = x3 − x2 = x4 − x3 = 1. Berdasarkan sistem linear 5.43 dengan j = 2, 3 Langkah awal untuk menyelesaikan persoalan ini adalah menentukan nilai Mj . Oleh karena telah diasumsikan bahwa M1 = Mn = 0, maka M0 = M4 = 0. Selanjutnya kita akan menghitung nilai Mj untuk j = 2, 3. Untuk j = 2, x2 − x1 x3 − x1 x3 − x2 M1 + M2 + M3 = 6 3 6 2 1 1 M1 + M2 + M 3 = 6 3 6 y 3 − y2 y2 − y1 − x3 − x2 x2 − x1 1 3 (5.46) 120 Bab 5 Interpolasi dan untuk j = 3, x4 − x2 x4 − x3 x3 − x2 M2 + M3 + M4 = 6 3 6 2 1 1 M2 + M3 + M 4 = 6 3 6 y 4 − y3 y3 − y2 − x4 − x3 x2 − x2 1 12 (5.47) Oleh karena M1 = M4 = 0, maka persamaan (5.46) dan (5.47) menjadi, 2 M2 + 3 1 M2 + 6 1 M3 = 6 2 M3 = 3 1 3 1 12 (5.48) (5.49) Penyelesaian sistem persamaan liner dengan variabel tak diketahui M2 dan M3 . Dengan menggunakan metode substitusi, diperoleh, 1 M2 = , 2 M3 = 0 1 , M3 = 0 dan M4 = 0, ke dalam persamaan (5.42), 2 dan diperoleh sistem persamaan non linear, Substisutikan nilai M1 = 0, M2 = ⎧ 3 1 3 1 2 1 ⎪ ⎪ x x x + − − ⎪ ⎪ 12 4 3 2 ⎪ ⎪ ⎪ ⎪ ⎪ ⎨ s(x) = − 17 1 3 3 2 7 x = x − x+ 12 4 3 6 ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎩ − 1 x+ 7 12 12 1≤x≤2 2≤x≤3 ⎫ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎬ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ 3≤x≤4 ⎭ (5.50) 5.5 Interpolasi Splin 121 Latihan 5.4 1. Kontruksi spline kubik untuk data-data berikut. f (x) 17,56492 18,50515 a. x 8,3 8,6 c. x −0, 5 −0, 25 0 e. x 1,2 1,3 1,4 1,5 f (x) −0, 0247500 0,3349375 1,1010000 x b. 0,8 1,0 f (x) 0,22363362 0,65809197 x 3,0 d. 3,1 3,2 f (x) −4, 240058 −3, 496909 −2, 596792 x 1,0 1,1 1,2 1,3 1,4 f (x) 2,572152 3,602102 5,797884 14,10142 f (x) 1,684370 1,949477 2,199796 2,439189 2,670324 2. Gunakan data-data pada soal no.1 untuk mengkontruksi spline kubik dan hampiri f (x) dan f (x), hitung juga galat yang dihasilkan. a. f (x) = x ln(x);, hampiri f (8, 4) dan f (8, 4) b. f (x) sin(ex − 2); hampiri f (0, 9) dan f (0, 9) c. f (x) = x cos x − 2x2 + 3x − 1; hampiri f (0, 25) dan f (0, 25) d. f (x) = ln(ex − 2); hampiri f (1, 15) dan f (1, 15) 3. Diberikan data populasi penduduk (dalam ribuan) Amerika Seikat dari tahun 1940 sampai 1990. Tahun Penduduk (dalam ribuan) 1940 1950 1960 1970 1980 1990 132.165 151.326 179.232 203.302 226.542 249.633 Gunakan interpolasi spline kubik untuk menghampiri populasi penduduk Amerika Serikat pada tahun 1930, 1965, dan 2000. 122 Bab 5 Interpolasi 4. Sebuah kedaraan bergerak sepanjang jalan lurus dari suatu titik tertentu. Datadata pada tabel berikut diperoleh dari observasi di mana satuan waktu adalah detik (t), satuan jarak adalah meter (m), dan kecepatan adalah meter/detik (m/det). Waktu Jarak Kecepatan 0 0 75 3 225 77 5 383 80 8 623 74 13 993 72 BAB 6 INTEGRASI NUMERIK 6.1 Pengertian dan Konsep Dasar Di dalam kalkulus, integral merupakan salah satu cara untuk menentukan suatu luasan di di bawah kurva y = f (x) yang dibatasi oleh x = a dan x = b. Menurut teorema dasar kalkulus, jika F (x) adalah anti turunan f (x), maka integral f (x) dalam interval [a, b] ditulis, b f (x)dx = F (x) a b a = F (b) − F (a) (6.1) Fungsi-fungsi yang dapat diintegralkan adalah fungsi-fungsi kontinu sederhana seperti polinomial, eksponensial, atau trigonometri. Fungsi sederhana ini mudah dihitung integralnya secara eksak dengan menggunakan metode analitik. Metode-metode analitik untuk menghitung fungsi tersebut sudah tersedia. Y y = f (x) X O a b Gambar 6.1 Luasan daerah yang dibatas oleh kurva y = f (x) di dalam interval [a, b]. 124 Bab 6 Integrasi Numerik Contoh 6.1 Berikut adalah beberapa rumusan untuk menghitung integral suatu fungsi. axn+1 +C (n + 1) 1 eax dx = (eax ) + C a 1 dx = ln|x| + C x axn dx = cot2 xdx = − cot x − x + C Namun untuk fungsi-fungsi yang kompleks dan rumit, metode analitik kadang tidak dapat menyelesaikan persoalan, oleh karena itu penyelesaiannya diperoleh dengan menggunakan perhitungan secara numerik. contoh √ 2 2 + cos(1 + x) 0,5x e dx 0 1 + 0, 5 sin(x) Persoalan integrasi numerik adalah menghitung f (x) secara numerik integral tentu dalam interval [a, b], b I= f (x)dx (6.2) a Fungsi f (x) diberikan secara eksplisit dalam bentuk persamaan maupun secara empirik dalam bentuk tabel nilai. Terdapat tiga pendekatan dalam menurunkan rumus integrasi numerik. Pendekatan pertama adalah tafsiran geometri integral tentu. Daerah integrasi dibagi atas sejumlah pias (strip) yang berbentuk segiempat. Luas daerah dihampiri dengan luas seluruh pias. Integrasi yang diturunnkan dengan pendekatan demikian disebut metode pias. Pendekatan kedua adalah berdasarkan polinom interpolasi. Fungsi f (x) sebagai fungsi integran dihampiri dengan polinom interpolasi Pn (x). Oleh karena polinom mudah diintegralkan, maka integrasi dilakukan terhadap polinom. Rumus integrasi numerik yang diturunkan dengan pendekatan ini golongkan dalam metode NewtonCote. Pendekatan yang ketiga, sama tidak menggunakan titik-titik diskrit untuk sebagaimana kedua pendekatan sebelumnya. Nilai integral diperoleh dengan mengevalu- 6.2 Metode Pias 125 asi nilai fungsi pada sejumlah titik-titik tertentu di dalam selang [−1, 1], mengalikannya dengan suatu konstanta, kemudian menjumlahkan keseluruhan perhitungan. Pendekatan demikian dinamakan Kuadratur Gauss. 6.2 Metode Pias 6.2.1 Kaidah Titik Tengah (Midpoint Rule) Pandang sebuah pias berbentuk segi empat dengan panjang x = x0 dan x = x1 dan titik tengah absis sebesar x = x0 + (x1 − x0 )/2, maka luas segi empat yang ditunjukkan pada Gambar 6.2 adalah x1 − x0 M (f ) = f x0 + (x1 − x0 ) 2 Jika lebar selang x1 − x0 = h, maka h M (f ) = f x0 + h 2 sehingga luas daerah yang dibatas oleh fungsi f (x) pada interval [a, b] dapat diaproksimasi, x1 x0 Y f (x)dx ≈ f x0 + h h ≈ hf (x 1 ) 2 2 (6.3) 6 y = f (x) O a = x0 ξ1 b = x1 X - Gambar 6.2 Luasan daerah yang dibatas oleh kurva y = f (x) di dalam interval [a, b] dengan kaidah Titik Tengah dengan satu sub-interval Gambar 6.2 menunjukkan aproksimasi luas pias terhadap fungsi f (x) pada interval [a, b]. Pendekatan luas yang dilakukan dengan cara tersebut biasanya disebut 126 Bab 6 Integrasi Numerik aproksimasi dengan menggunakan metode pias, dan persamaan (6.3) di atas biasa disebut kaidah titik tengah. Jika selang [a, b] dibagi menjadi n buah pias, sehingga terdapat x0 , x1 , x2 , . . . , xn , maka gabungan dari n pias adalah, b f (x)dx = x1 x0 a f (x)dx + x2 x1 f (x)dx + · · · + xn f (x)dx xn−1 h 3h (2n − 1)h h + f x0 + h + · · · + f x0 + h ≈ f x0 + 2 2 2 atau dapat kita tulis kembali menjadi, b a f (x)dx ≈ f (ξ1 )h + f (ξ2 )h + · · · + f (ξn )h = h n f (ξi ) (6.4) i=0 dengan ξi = x0 + (i − 1/2)h, dan i = 1, 2, 3, . . . , n Y 6 y = f (x) O x0 ? x1 ? x2 ? x3 · · · ξ0 ξ1 ξ2 xn−1 ? xn X - ξn−1 Gambar 6.3 Luasan daerah yang dibatas oleh kurva y = f (x) di [a, b] dengan kaidah Titik Tengah 6.2.2 Kaidah Trapesium(Trapesium Rule) Pada permulaan bab ini telah dijelaskan pengertian integral secara umum, yang pada pada dasarnya merupakan integral Reimann, ditulis, b I(f ) = f (x)dx a 6.2 Metode Pias 127 Pada kaedah trapesium, metode yang dikembangkan merupakan pendekatan polinomial linear, yaitu dengan menggunakan dua titik. Pandang sebuah daerah yang dibatasi oleh fungsi f (x) dan interval [a, b] sebagaimana ditunjukkan pada Gambar 6.4. Misalkan, a = x0 dan b = x1 , maka luas daerah yang di arsir adalah luas trapesium, T (f ) = = I(f ) = x1 x0 1 [f (x0 ) + f (x1 )](b − a) 2 b−a [f (x0 ) + f (x − 1)] 2 f (x)dx ≈ (b − a) [f (x0 ) + f (x1 )] 2 (6.5) Y y = f (x) y = P1 (x) X O a = x0 b = x1 Gambar 6.4 Luasan daerah yang dibatas oleh kurva y = f (x) pada interval [a, b] dengan kaidah Trapesium. Contoh 6.2 Aproksimasi dengan menggunakan kaedah Trapesium fungsi f (x) berikut pada interval [0, 1], 1 I= 0 dx 1+x Penyelesaian: Dengan menggunakan persamaan (6.5), diperoleh ⎡ ⎤ 1 + 21 3 ⎣ ⎦ = = 0.75 T1 (f ) = (1 − 0) 2 4 128 Bab 6 Integrasi Numerik Dari perhitungan secara eksak, diperoleh nilai I = log(2) = 0.75, sehingga galat yang diperoleha adalah, I − T1 ≈ −0, 0569 Untuk meningkatkan pendekatan yang lebih baik, maka selang atau interval [a, b] dipecahpecah menjadi sub-selang yang lebih kecil. Semakin banyak sub-selang, maka semakin baik pendekatannya, sebagaimana ditunjukkan pada Gambar 6.5. Y y = f (x) O x2 · · · xn−1 b = xn a = x0 x1 X Gambar 6.5 Luasan daerah yang dibatas oleh kurva y = f (x) pada interval [a, b] dengan n sub-interval. Luas daerah dibawah kurva f (x) pada interval [a, b] merupakan luas hampiran dari seluruh luas segiempat, sehingga b a f (x)dx ≈ x1 x0 f (x)dx + x2 f (x)dx + x1 x3 x2 f (x)dx + · · · + xn−1 f (x)dx xn h h [f (x0 ) + f (x1 )] + [f (x0 ) + f (x2 )] 2 1 h + · · · + [f (xn−1 ) + f (xn )] 2 h [f (x0 ) + 2f (x1 ) + 2f (x2 ) + 2f (x3 ) + · · · + 2f (xn−1 ) + f (xn )] = 2 n−1 h = f0 + 2 fi + fn (6.6) 2 i=1 ≈ Bentuk terakhir biasa disebut kaedah trapesium. Secara umum, galat diberikan oleh 1 E(f ) = (n + 1)! b n a i=0 i=0 (x − xi )f (n+1) (ξ(x))dx (6.7) 6.2 Metode Pias 129 Oleh karena kaedah trapesium menggunakan satu sub interval (n = 1), maka galat pada interval a = x0 dan b = x1 adalah E(f ) = = 1 x1 f (ξ(x))(x − x0 )(x − x1 )dx 2 x0 x1 x1 1 (x − x0 )(x − x1 )dx = f (ξ) x2 − (x0 + x1 ) + x1 x0 dx f (ξ) 2 x0 x0 = = x1 x3 (x1 + x0 ) 2 1 f (ξ) − x + x0 x1 x 2 3 2 1 f (ξ) 2 x0 x31 (x1 + x0 ) 2 − x1 + x0 x1 x1 − 3 2 x30 (x1 + x0 ) 2 − x0 + x0 x1 x0 3 2 1 x1 (x1 + x0 ) x0 (x1 + x0 ) f (ξ) x21 − + x0 − x20 − + x1 = 2 3 2 3 2 1 h3 = = − f (ξ) 2 6 = − h3 f (ξ) 12 (6.8) Oleh karena suku galat melibatkan f , maka galat akan menjadi nol (kaedah trapesium menghasilkan nilai eksak) ketika fungsi f (x) bernilai nol pada turunan keduanya, yang berarti fungsi f (x) adalah fungsi linear atau berorde lebih kecil. Jika interval [a, b] dibagi menjadi n buah sub-interval dengan titik-titik a = x0 , x1 , x2 , . . . , xn , maka galat yang terjadi adalah Etot (f ) = 1 2 x1 x0 f (ξ(x))(x − x0 )(x − x1 )dx 1 x2 f (ξ(x))(x − x1 )(x − x2 )dx + 2 x1 .. . 1 xn f (ξ(x))(x − xn−1 )(x − xn )dx + 2 xn−1 h3 h3 f (ξ) + · · · + − f (ξ) 12 12 h3 = −n f (ξ) 12 = − (6.9) Oleh karena lebar sub-interval adalah h = (b − a)/n maka bentuk pada persamaan (6.9) dapat diubah menjadi, Etot = −n h3 f (ξ) 12 130 Bab 6 Integrasi Numerik Tabel 6.1 Nilai-nilai f (xi ) untuk f (x) = ex dengan lebar sub-interval 0, 2 r 0 1 2 3 4 5 6 7 8 xi 1,8 2,0 2,2 2,4 2,6 2,8 3,0 3,2 3,4 f (xi ) 6,050 7,389 9,025 11,023 13,464 16,445 20,086 24,533 29,964 = −n b − a h3 12 (ξ) n f h3 (b − a)f (ξ) 12 = O(h2 ) = − (6.10) Dari uraian di atas, diperoleh bahwa galat untuk n buah sub-interval dalam interval [a, b] adalah, b a n−1 h f (x)dx = f0 + 2 fi + fn O(h2 ) 2 i=1 (6.11) Galat total pada kaidah Trapesium sebanding dengan kuadrat lebar pias (h). Jadi semakin kecil ukuran lebar sub-interval h, maka akan semakin kecil pula galatnya, tetapi jumlah komputasinya semakin banyak. Contoh 6.3 3,4 Hitung integral 1,8 ex dx dengan menggunakan kaedah trapesium dengan h = 0, 2 den- gan mengambil 5 digit penting Penyelesaian: Jumlah pias n = (b − a)/h = (3, 4 − 1, 8)/0, 2 = 8 Nilai-nilai dari setiap xi ditunjukkan pada Tabel 6.1. 6.3 Metode Newton-Cotes 131 Nilai integrasinya adalah 3,4 1,8 h [(f0 + 2f1 + 2f2 + · · · + 2f6 + 2f7 + 2f8 ] 2 0, 2 [6, 050 + 2(7, 389) + 2(9, 025) + · · · + 2(24, 533) + 29, 964] ≈ 2 ≈ 23, 994 (6.12) dx ≈ sedangkan nilai integrasi sejatinya adalah 3,4 1,8 ex dx = ex x=3,4 x=1,8 = e3,4 − e1,8 = 23, 914 Galat kaidah trapesium, E=− h2 (b − a)f ”(t), 12 1, 8 < t < 3, 4 Oleh karena f (x) = ex dan f ”(x) = ex , maka E=− 0, 22 (3, 4 − 1, 8)et , 12 1, 8 < t < 3, 4 Karena fungsi f (x) = ex adalah fungsi yang menaik secara monoton di dalam selang [1, 8; 3, 4], maka batas-batas galatnya ditentukan sebagai berikut, E=− 6.3 ⎧ 1,8 ⎪ ⎨ e (min) = −0, 0323(min) 1 (0, 2)2 (3, 4 − 1, 8) ⎪ 12 ⎩ e3,4 (maks) = −0, 1598(maks) Metode Newton-Cotes Metode N ewton − Cotes adalah metode yang paling umum digunakan untuk menurunkan kaidah integrasi numerik, yang mana ide dasarnya adalah penggunaan polinom Pn (x) untuk menghampiri fungsi f (x), b I= a f (x)dx ≈ b a Pn (x)dx dengan Pn (x) = a0 + a1 (x) + a2 x2 + · · · + an−1 xn−1 + an xn (6.13) 132 Bab 6 Integrasi Numerik Polinom yang digunakan dalam pembahasan ini adalah polinom Newton-gregory maju yang ditulis dalam bentuk, ∆f0 ∆2 f0 + (x − x0 )(x − x1 ) + ··· !!h 2!h2 ∆n f0 +(x − x0 )(x − x1 ) . . . (x − xn−1 ) n!hn Pn (x) = f0 + (x − x0 ) 6.3.1 Kaidah Trapesium Jika diberikan dua buah titik (0, f (x)) dan (h, f (h). Polinom interpoalasi yang melalui dua titik adalah sebuah garis lurus. Luas daerah yang dihitung sebagai hampiran nilai integrasi adalah daerah di bawah garis lurus tersebut (Gambar ??). Y y = f (x) y = P1 (x) X O a = x0 b = x1 Gambar 6.6 Pendekatan Polinom P1 (x) terhadap Luasan daerah yang dibatas oleh kurva y = f (x) di dalam interval [0, h] dengan Kaidah Trapesium Integrasi P1 (x) pada interval [0,h]adalah I≈ 0 f (x)dx ≈ h ≈ ≈ ≈ ≈ h P1 (x)dx h ∆f0 f0 + x dx h 0 x=h x2 ∆f0 xf0 + x=0 2h h hf0 + ∆f0 2 h hf0 + (f1 − f0 ) 2 6.3 Metode Newton-Cotes 133 ≈ h (f0 + f1 ) 2 Jadi kaidah trapesium adalah, h 0 f (x)dx ≈ h (f0 + f1 ) 2 (6.14) sedangkan galatnya adalah E=− 1 3 h f ”(t) = O(h3 ), 12 0<t<h Untuk n buah pias, maka luas integrasi y = f (x) yang didekati polinom Pn (x) dalam interval [a, b] diperoleh dengan menjumlahkan setiap hasil hampiran pada setiap sub-interval [x0 , x1 ], [x1 , x2 ], . . . , [xn−1 , xn ], sehingga jumlah luas trapesium adalah b a f (x)dx ≈ ≈ ≈ ≈ 6.3.2 x1 f (x)dx + x0 x2 x1 f (x)dx + x3 x2 f (x)dx + · · · + xn f (x)dx xn−1 h h h h (f0 + f1 ) + (f1 + f2 ) + (f2 + f3 ) + · · · + (fn−1 + fn ) 2 2 2 2 h (f0 + 2f1 + 2f2 + · · · + 2fn−1 + fn ) 2 n−1 h f0 + 2 f i + fn (6.15) 2 i=1 Kaedah Simpson 1/3 Pada kaedah trapesium, polinomial yang digunakan untuk mendekati nilai sejati adalah polinomial linear, yaitu dengan menggunakan dua titik. Berdasarkan teori polinomial yang telah dibahas pada bab sebelumnya, semakin banyak titik yang digunakan untuk pedekatan, maka hasilnya akan semakin akurat. Untuk itu, berikut ini akan digunakan pendekatan polinomial kuadratik, yaitu dengan menggunakan tiga titik yang berjarak sama. Misalkan suatu fungsi f (x) kontinu pada interval [a, b]. Jika terdapat titik c yang membagi sama besar [a, b], dengan c = (a + b)/2, maka dengan menggunakan interpolasi kuadratik diperoleh, P2 (x) = (x − a)(x − b) (x − a)(x − c) (x − c)(x − b) f (a) + f (c) + f (b) (a − c)(a − b) (c − a)(c − b) (b − a)(b − c) (6.16) 134 Bab 6 Integrasi Numerik sehingga b I(f ) = a f (x) ≈ = b P2 (x)dx a b (x − c)(x (x − a)(x − b) − b) f (a) + f (c) (a − c)(a − b) (c − a)(c − b) a (x − a)(x − c) f (b) dx + (b − a)(b − c) (6.17) Selanjutnya, kita akan mengevaluasi setiap sukunya. Jika lebar selang h = (b − a)/2, maka b = a + 2h, (a − c) = −h dan (a − b) = −2h. Dengan mengambil u = x − a, maka suku pertama dapat diubah dalam bentuk, b (x − c)(x − b) a (a − c)(a − b) dx = = a+2h 1 (x − (a + h))(x − (a + 2h))dx (−h)(−2h) a a+2h 1 (u − h)(u − 2h)du (−h)(−2h) a = 1 u3 3 2 − u h + 2h2 u 2h2 3 2 = h 3 2h 0 (6.18) Untuk suku ke dua, b (x − a)(x − b) a (c − a)(c − b) dx = = a+2h 1 (x − a)(x − (a + 2h))dx (h)(−h) a a+2h 1 u(u − 2h)du −h2 a = = = 2h 1 1 3 u − u2 h −h2 3 1 −4 3 h −h2 3 4 h 3 0 (6.19) Untuk suku ketiga, b (x − a)(x − c) a (b − a)(b − c) dx = = a+2h 1 (x − a)(x − (a + h))dx (2h)(h) a a+2h 1 u(u − h)du 2h2 a = 2h 1 1 3 1 2 u − u h 2h2 3 2 0 6.3 Metode Newton-Cotes 135 = = 2 3 h 3 1 2h2 h 3 (6.20) Dari hasil evaluasi suku tersebut, maka persamaan (6.17) menjadi, b S2 (f ) = a P2 (x)dx = h f (a) + 4f 3 a+b 2 + f (b) (6.21) Hasil lengkap dari persamaan terakir ditunjukkan pada Gambar 6.7. Jika interval [a, b] Y y = P2 (x) y = f (x) X a O (a + b)/2 b Gambar 6.7 Pendekatan Polinom P2 (x) terhadap Luasan daerah yang dibatas oleh kurva y = f (x) di dalam interval [0, h] dengan kaedah Simpson 1/3 dibagi menjadi n sub interval dengan titik-titik a = x0 , x1 , x2 , . . . , xn = b, dan evaluasi setiap tiga titik diberikan oleh, x2 x2 h f (x0 ) + 4f( x1 ) + f (x2 ) 3 x0 x0 x4 x4 h f (x)dx ≈ P2 (x)dx = f (x2 ) + 4f( x3 ) + f (x4 ) 3 x2 x2 .. . xn xn h f (x)dx ≈ P2 (x)dx = f (xn−2 ) + 4f( xn−1 ) + f (xn ) 3 xn−2 xn−2 f (x)dx ≈ P2 (x)dx = b I(f ) = f (x)dx = xn a = x2 x0 f (x)dx x f (x)dx + 0 x4 x2 f (x)dx + · · · + xn xn−2 f (x)dx 136 Bab 6 Integrasi Numerik h f (x0 ) + 4f (x1 ) + 2f (x2 ) + 4f (x3 ) + 2f (x4 ) 3 + · · · + 2f (xn−2 ) + 4f (xn−1 ) + f (xn ) Sn (f ) = (6.22) Metode Simpson 1/3 diperoleh dengan mengintegralkan polinomial kuadratik, yaitu menggunakan tiga titik. Jika polinomial P2 (x) diintegralkan pada interval a = x0 dan b = x2 , dan terdapat x1 yang membagi interval menjadi dua sub-interval sama besar. Oleh karena metode simpson 1/3 menggunakan dua sub-interval (n = 2), maka galat simpson yang dihasilkan dapat diperoleh dengan menggunakan pendekatan polinomial Taylor. Misalkan f (x) diekspansi oleh polinomial Taylor orde ketiga terhadap x1 , dan untuk setiap x pada [x0 , x2 ] terdapat sebuah bilangan ζ di dalam (x0 , x) sehingga f (x) = f (x1 ) + f (x1 )(x − x1 ) + + f (x1 ) f (x1 ) (x − x1 )2 + (x − x1 )3 2 6 f (4) (ζ(x)) (x − x1 )4 24 (6.23) Bentuk integral dari persamaan diatas dapat ditulis, x2 x0 f (x)dx = f (x1 )(x2 − x0 ) + f (x1 ) (x − x1 )4 + 24 f (x1 ) f (x1 ) (x − x1 )2 + (x − x1 )3 2 6 x2 x0 1 + 24 x2 x0 f (4) (ζ(x))(x − x1 )4 dx (6.24) Oleh karena bentuk (x − x1 )4 tidak pernah negatif pada iterval [x0 , x2 ],maka menurut teorema nilai rata-rata menyebabkan integral suku terakhir, 1 24 x2 x0 f (4) 4 (ζ(x))(x − x1 ) dx = = f (4) (ζ) 24 x2 x0 (x − x1 )4 dx f (4) (ζ) (x − x1 )5 120 x2 (6.25) x0 Oleh karena h = x2 − x1 = x1 − x0 , maka (x2 − x1 )2 − (x0 − x1 )2 = (x2 − x1 )4 − (x0 − x1 )4 = 0, (x2 − x1 )3 − (x0 − x1 )3 = h3 − (−h3 ) = 2h3 , (x2 − x1 )5 − (x0 − x1 )5 = h5 − (−h5 ) = 2h5 dan 6.3 Metode Newton-Cotes 137 Akibatnya, persamaan (6.24) dapat ditulis kembali menjadi, x2 x0 Jika kita gantikan f (x1 ) f (x)dx = 2hf (x1 ) + h3 f (4) 5 f (x1 ) + h 3 60 dengan pendekatan yang diberikan sub-bab sebelumnya, maka kaedah Simspon diberikan oleh, x2 f (x)dx = x0 h h5 f (x0 ) + 4f (x1 ) + f (x2 ) − f (4) (ζ) 3 90 (6.26) Jika selang [a, b] dibagi menjadi n selang dan evaluasi kaedah Simpson 1/3 membutuhkan 2 buah selang, maka terdapat n/2 evaluasi kaedah Simspon, sehingga galat totalnya adalah jumlahd dari galat-galat pada selang [x0 , x2 ], [x2 , x4 ], . . . , [xn−2 , xn ], h5 (4) f (ζ), 90 0 h5 (4) = − f2 (ζ) 90 E0 = − E2 .. . En−2 = − h5 (4) f (ζ) 90 n−2 dan galat totalnya, Etot = E0 + E2 + E4 + · · · + En−2 h5 (4) h5 (4) h5 (4) = − f0 (ζ) − f2 (ζ) − · · · − fn−2 (ζ) 90 90 90 h5 (4) (4) (4) = − f0 (ζ) + f2 (ζ) + · · · + fn−2 (ζ) 90 h5 n−2 (4) = − f (ζ) 90 i=0,2,4... i h5 n f (4) (ζ), a < ζ < b dan n = (b − a)/h 90 2 h4 (b − a)f (4) (ζ) = − 180 = − 6.3.3 (6.27) Kaedah Simpson 3/8 Pada sub-bab terdahulu. kita telah menurunkan formulasi kaedah Simpson 1/3. Selanjutnya, kita akan menentukan formulasi kaedah Simpson 3/8 yang menggunakan empat titik, yaitu pendekatan polinomial kubik. 138 Bab 6 Integrasi Numerik Misalkan sebua fungsi f (x) yang didekati oleh polinomial kubik P3 (x) yang menggunakan empat titik berjarak sama, yaitu x0 , x1 , x2 , x3 dan polinomialnya adalah, P3 (x) = (x − x1 )(x − x2 )(x − x3 ) f (x0 ) + (x0 − x1 )(x0 − x2 )(x0 − x3 ) (x − x0 )(x − x1 )(x − x3 ) f (x2 ) + (x2 − x0 )(x2 − x1 )(x2 − x3 ) (x − x0 )(x − x2 )(x − x3 ) f (x1 ) (x1 − x0 )(x1 − x2 )(x1 − x3 ) (x − x0 )(x − x1 )(x − x2 ) f (x3 ) (x3 − x0 )(x3 − x1 )(x3 − x2 ) (6.28) Selanjutnya kita akan hitung luas daerah pada [x0 , x3 ] dengan menggunakan polinomial kubik P3 (x), x3 I(f ) = x x0 3 ≈ x0 x3 f (x)dx P3 (x)dx (x − x1 )(x − x2 )(x − x3 ) f (x0 ) (x x0 0 − x1 )(x0 − x2 )(x0 − x3 ) x3 (x − x0 )(x − x2 )(x − x3 ) f (x1 ) + x0 (x1 − x0 )(x1 − x2 )(x1 − x3 ) x3 (x − x0 )(x − x1 )(x − x3 ) f (x2 ) = (x x0 2 − x0 )(x2 − x1 )(x2 − x3 ) x3 (x − x0 )(x − x1 )(x − x2 ) f (x3 ) + x0 (x3 − x0 )(x3 − x1 )(x3 − x2 ) = (6.29) Dengan cara yang sama seperti penurunan kaedah Simpson 1/3, maka diperoleh, I(f ) = x3 x0 f (x)dx ≈ 3h f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 ) 8 (6.30) Jika interval [a, b] dibagi menjadi n sub-interval dan n adalah kelipatan 3, maka luas gabungan dengan menggunakan kaedah Simpson 3/8 adalah, b In (f ) = a f (x)dx ≈ x3 x0 f (x)dx + x6 f (x)dx + x3 x6 x3 f (x)dx + · · · + xn f (x)dx xn−3 3h f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 ) 8 3h + f (x3 ) + 3f (x4 ) + 3f (x5 ) + f (x6 ) 8 3h +··· + f (xn−3 ) + 3f (xn−2 ) + 3f (xn−1 ) + f (xn ) 8 n−1 n−3 3h = f (x0 ) + 3 fi (x) + 2 fi (x) + fn (x) (6.31) 8 i=1 i=3,6,9,... = i=3,6,9,... 6.3 Metode Newton-Cotes 139 Sedangkan galat yang dihasilkan pada setiap evaluasi interpolasi polinomial kubik P3 (x) adalah, E=− 3 5 (4) h f (ζ), 80 0 < ζ < 3h (6.32) Jika interval [a, b] di bagi menjadi n sub-interval yang merupakan kelipatan 3, maka galat gabungan adalah Etot = E1 + E2 + · · · + En/3 3 3 3 3 (4) (4) (4) (4) = − h5 f1 (ζ) − h5 f2 (ζ) − h5 f3 (ζ) − · · · − h5 fn/3 (ζ) 80 80 80 80 = n/3 n/3 3h5 (4) −3h5 (4) f (ζ) = − f (ζ) i=1 80 80 3h5 3h5 i=1 n (4) (b − a) (4) = − f (ζ) = − f (ζ) 80 3 80 h (b − a)h4 (4) = − f (ζ), a < ζ < b 80 (6.33) 6.3.4 Kaedah Boole Kaedah Boole menggunakan 4 sub-interval untuk mengevaluasi luas dibawah kurva. Untuk itu, polinom yang digunakan adalah interpolasi polinom derajat 4. Misalkan sebua fungsi f (x) yang didekati oleh polinomial kubik P4 (x) yang menggunakan empat titik berjarak sama, yaitu x0 , x1 , x2 , x3 , x4 dan polinomialnya adalah, P3 (x) = (x − x1 )(x − x2 )(x − x3 )(x − x4 ) f (x0 ) (x0 − x1 )(x0 − x2 )(x0 − x3 )(x0 − x4 ) (x − x0 )(x − x2 )(x − x3 )(x − x4 ) f (x1 ) + (x1 − x0 )(x1 − x2 )(x1 − x3 )(x1 − x4 ) .. . (x − x0 )(x − x1 )(x − x2 )(x − x4 ) f (x3 ) + (x3 − x0 )(x3 − x1 )(x3 − x2 )(x3 − x4 ) (x − x0 )(x − x1 )(x − x2 )(x − x3 ) f (x4 ) + (x4 − x0 )(x4 − x1 )(x4 − x2 )(x4 − x3 ) sehingga x4 x0 f (x)dx ≈ x4 x0 P4 (x)dx (6.34) 140 Bab 6 Integrasi Numerik x4 = x0 .. . + (x − x1 )(x − x2 )(x − x3 )(x − x4 ) f (x0 )dx (x0 − x1 )(x0 − x2 )(x0 − x3 )(x0 − x4 ) x4 x0 (x − x0 )(x − x1 )(x − x2 )(x − x3 ) f (x4 )dx (x4 − x0 )(x4 − x1 )(x4 − x2 )(x4 − x3 ) (6.35) Dengan cara yang sama diperoleh, x4 x0 f (x)dx ≈ 2h (7f (x0 ) + 32f (x1 ) + 12f (x2 ) + 32f (x3 ) + 7f (x4 )) 45 (6.36) Persamaan (6.36) disebut kaedah Boole. Jika interval [a, b] dibagi menjadi n subinterval yang mana n merupakan kelipatan 4, maka kaedah Boole gabungan dituliskan sebagai berikut. b f (x)dx = x4 a f (x)dx + x0 ≈ x8 x4 f (x)dx + · · · + xn f (x)dx xn−4 2h 7f (x0 ) + 32f (x1 ) + 12f (x2 ) + 32f (x3 ) + 7f (x4 ) 45 2h + 7f (x4 ) + 32f (x5 ) + 12f (x6 ) + 32f (x7 ) + 7f (x8 ) 45 .. . 2h 7f (xn−4 ) + 32f (xn−3 ) + 12f (xn−2 ) + 32f (xn−1 ) + 7f (xn ) 45 = n−1 n−2 2h 7f (x0 ) + 2 32 f (xi ) + 12 f (xi ) 45 i=1,3,5,... i=2,6,10,... n−4 +7 f (xi ) + 7f (xn ) (6.37) i=4,8,12,... Latihan 6.1 1. Hampiri integral berikut dengan menggunakan aturan Trapesium. 1,5 a. c. e. g. x2 ln xdx 10,35 0π/4 0 3,5 3 x2 3x e √ 1 b. 2 dx −4 d. sin 2xdx f. x dx −4 h. x2 0 x2 e−x dx π/4 01,6 x2 sin xdx 2x dx −4 2 1 π/4x 0 cos2 xdx 6.3 Metode Newton-Cotes 141 2. Hampiri integral-integral berikut dengan menggunakan kaedah trapesium, simpson, simpson 3/8 dan titik tengah. Bandingan dari kaedah-kaedah tersebut, manakah yang lebih baik. 0,1 √ a. 1 + xdx 05,5 c. 1,1 1 dx + x 10 1 x 5,5 π/2 b. dx 01 f. 0 (sin x)2 dx x1/3 dx 3. Gunakan aturan Trapesium gabungan dengan n yang diberikan untuk menghampiri integral-integral berikut. 2 a. c. e. g. 12 0 2 0 5 3 x ln xdx, x2 n=4 2 dx, +4 1 x2 −4 dx, 0 d. n=8 f. n=8 h. 2 4. Untuk mendekati b. n=6 e2x sin 3xdx, √ −2 π 0 3 x3 ex dx, x2 cos xdx, x x2 + 1 3π/8 0 n=4 4 dx, n=6 n=8 tan xdx, n=8 2 x2 e−x dx, dengan menggunakan a. aturan trapesium gabungan dengan n = 8 b. aturan simpson gabungan dengan n = 8 c. aturan titik tengah gabungan dengan n = 8 5. Hitunglah niai n dan h yang diperlukan untuk menghampiri 2 0 dengan 10−4 , e2x sin 3xdx dengan menggunakan: a. aturan trapesium gabungan c. aturan titik tengah gabungan b. aturan simpson gabungan 6. Ulangan soal di atas untuk integral π 0 x2 cos xdx 7. Hitunglah nilai n dan h yang diperlukan untuk menghampiri, 2 0 1 dx x+4 142 Bab 6 Integrasi Numerik dalam 10−5 dengan menggunakan: a. aturan trapesium komposit c. aturan titik tengah komposit b. aturan simpson komposit 8. Persamaan x 0 1 2 √ e−t /2 dt − 0, 45 2π dan 1 2 f (x) = √ e−x /2 . 2π Untuk mengevaluasi pada pendekatan pk , kita membutuhkan rumus kuadratur untuk menghampiri, pk 0 1 2 √ e−t /2 dt 2π a. Tentukan sebuah solusi f (x) = 0 dengan akurasi 10−5 dan gunakan metode Newton untuk p0 = 0, 5 dan aturan Simpson gabungan b. Ulangan soal (a) dengan menggunakan aturan trapesium gabungan dan kemudian bandingan dengan aturan Simpson gabungan 6.4 Penggunaan Ekstrapolasi Beberapa metode telah dipelajari untuk mendekati luas suatu daerah yang menggunakan lebar sub-interval sama, h. Berdasarkan teori, luas pendekatan suatu daerah akan bernilai eksak jika h = 0. Untuk itu, agar luas yang dihasilkan lebih baik, salah satu cara yang digunakan adalah dengan memperkecil nilai h, atau ekstrapolasi h = 0. 6.4.1 Ekstrapolasi Richardson Pandang kembali kaedah trapesium, b I(f ) = a n h (b − a)f (ζ) 2 h f (x)dx = f0 + 2 fi + fn − 2 12 i=1 (6.38) atau dapat ditulis sebagai I(f ) = I(h) + ch2 (6.39) 143 6.4 Penggunaan Ekstrapolasi dengan I(f ) adalah nilai integrasi sebenarnya, I(h) adalah nilai integrasi kaedah Trape(b − a)f (ζ) 2 sium dengan lebar selang h, dan c = − h . Secara umum dapat ditulis, 12 If = Ih + chp (6.40) dengan c dan p adalah konstanta yang tidak bergantung kepada h. Nilai p dapat ditentukan langsung dari orde galat kaidah integrasi, misalnya, kaedah trapesium (O(h2 )), maka p = 2, kaedah titik tengah (O(h2 )), maka p = 2, dan kaedah Simpson 1/3 (O(h4 )), maka p = 4. Ekstrapolasi Ricahrdson dilakukan untuk menghitung nilai integrasi yang lebih baik dibandingkan dengan I. Misalkan If adalah nilai integrasi yang lebih baik daripada Ih dengan jarak h, maka If = Ih + chp (6.41) Selanjutnya ekstrapolasi h menjadi 2h,maka integrasi numeriknya adalah, If = I2h + c(2h)p (6.42) Dengan menghilang If pada persamaan (6.41) dan (6.42) diperoleh, Ih + chp = I2h + c(2h)p Ih + chp = I2h + c2p hp Ih − I2h c = (2p − 1) hp (6.43) Sulihkan persamaan (6.43) ke dalam persamaan (6.41), dan diperoleh If Ih − I2h = Ih + hp (2p − 1) hp Ih − I2h = Ih + p 2 −1 (6.44) Ih − I2h 2p − 1 disebut faktor koreksi. Adanya faktor koreksi pada ekstrapolasi Richardson mempenPersamaan (??) disebut persamaan Ekstrapolasi Richardson, dan bentuk garuhi nilai integrasi yang dihasilkan. Kaedah trapesium yang digunakan untuk menghitung Ih dan I −2h dengan orde galat p = 2, maka ekstrapolasi Richardson adalah, 1 If = Ih + [Ih − I2 h] 3 (6.45) 144 Bab 6 Integrasi Numerik sedangkan untuk kaedah Simpson dengan orde galat p = 4, maka ekstrapolasi Richardsonnya adalah, If = Ih + 1 [Ih − I2 h] 15 (6.46) Perhatikan bahwa dari kedua kaedah yang digunakan, menunjukkan bahwa faktor koreksi pada kaedah Simspon lebih baik. Fakta ini menunjukkan bahwa orde galat pada suatu kaedah memberikan pengaru terhadap faktor koreksi, dan nilai integrasi dapat ditingkatkan dengan menambahkan faktor koreksi. Contoh 6.4 Hitung kembali integral 1 0 1 dx 1+x dengan menggunakan ekstrapolasi Richardson untuk kaedah trapesium dan h = 0, 125. Penyelesaian: Oleh karena h = 0, 125, maka jumlah sub-interval n = (1 − 0)/0, 125 = 8 Tabel 6.2 Nilai-nilai dari kaedah Trapesium i xi fi 0 1 2 3 4 5 6 7 8 0 0,125 0,250 0,375 0,500 0,625 0,750 0,875 1,000 1 0,88889 0,80000 0,72727 0,66667 0,61538 0,57143 0,53333 0,50000 Dari tabel di atas dapat ditentukan nilai integrasi dengan kaedah trapesium untuk h = 0, 125, yaitu Ih = 7 h f0 + 2 fi + f8 2 i=1 145 6.4 Penggunaan Ekstrapolasi 0, 125 1 + 2(0, 88889 + 0, 80000 + · · · + 0, 53333) + 0, 50000 2 = 0, 69412 = sedangkan nilai integrasi dengan kaedah trapesium untuk 2h = 0, 250, yaitu I2h = 3 2h f0 + 2 f2i + f8 2 i=1 0, 125 1 + 2(0, 80000 + 0, 66667 + 0, 57143) + 0, 50000 2 = 0, 69702 = Selanjutnya akan ditentukan nilai integrasi dengan menggunakan ekstrapolasi Richardson. Oleh karena orde galat dari kaedah trapesium adalah 2, maka rumusan ekstrapolasi Richardson adalah If 1 = Ih + (Ih − I2h ) 3 1 = 0, 69412 + (0, 69412 − 0, 69702) 3 = 0, 69315 Sekarang kita bandingkan dengan nilai sejatinya, 1 0 1 dx = ln(1 + x) 1+x 1 0 = ln 2 − ln 1 = 0, 69314718 Jika kita ambila 5 angka dibelakang koma, maka 1 0 1 dx = 0, 69315 1+x Dari hasil pembulatan nilai sejatinya, ternyata nilai integrasi ekstrapolasi Richardson tepat sama dengan nilai sejatinya. 6.4.2 Ekstrapolasi Aitken Ekstrapolasi Aitken muncul karena terdapat persoalan yang ditemukan pada ekstrapolasi, sehingga ekstrapolasi Richardson tidak dapat digunakan. Pada ekstapolasi Richardson melibatkan orde galat dari suatu kaedah yang digunakan. Selanjutnya timbul masalah, bagaimana kalau orde galat tidak diketahui? 146 Bab 6 Integrasi Numerik Untuk itu, kita akan menghilangkan orde galat p dan kita akan menggunakan tiga buah nilai perkiraan integrasi, yaitu Ih , I2h dan I4h , sehingga nilai integrasinya adalah, → If = Ih + chp , If = I2h + c(2h)p , → If = I4h + c(4h)p , → c= If − Ih hp If − I2h c= (2h)p If − I4h c= (4h)p (6.47) (6.48) (6.49) Hilangkan c pada persamaan (6.47) dan (6.48), If − Ih hp If − Ih If − I2h = = If − I2h (2h)p hp 1 = p p p 2 h 2 (6.50) seterusnya, hilangkan c pada persamaan (6.48) dan (6.49), diperoleh, If − I2h (2h)p If − I2h If − I4h Eleminasi bentuk = = If − I4h (4h)p 2p hp 1 = p 4p hp 2 (6.51) 1 pada persamaan (6.50) dan (6.51), 2p If − Ih If − I2h = If = If − I2h If − I4h Ih I4h − (I2h )2 Ih − 2I2h + I4h (Ih − I2h )2 = Ih − Ih − 2I2h + I4h (6.52) Persamaan (6.52) disebut persamaan Ekstrapolasi Aitken. 6.5 Integrasi Numerik Gauss Metode-metode integrasi numerik yang telah kita pelajari pada bab-bab se- belumnya dihitung berdasarkan interpolasi linear, kuadratik dan kubik. Pada sub-bab ini, kita akan pelajari metode integrasi numerik berdasarkan pada integrasi eksak polinomial berderajat tinggi dan tidak ada pembagian interval menjadi sub-interval. Pendekatan integrasi yang berbeda dengan metode Newton-Cotes ini dikembangkan oleh Gauss dan dinamakan metode Kuadratur Gauss atau Gaussian Quadratur. 6.5 Integrasi Numerik Gauss 147 Metode ini tidak lagi menggunakan titik-titik yang berjarak sama, tetapi nilai integrasi cukup diperoleh dengan menghitung nilai fungsinya pada titik tertentu. Y y = f (x) X −1 x1 O x2 1 Gambar 6.8 Integral f (x) pada interval [−1, 1] yang didekati dengan kuadratur Gauss Perhatikan Gambar 6.8. Sebuah garis lurus di tarik dari kedua titik pada kurva y = f (x), yaitu x1 dan x2 . Titik-titik tersebut di atur sedemikian rupa untuk menyeimbangkan galat positif dan galat negatif. Luas daerah yang dihitung sekarang adalah luas daerah dibawah garis lurus, 1 If = −1 f (x)dx = c1 f (x1 ) + c2 f (x2 ) (6.53) dengan c1 , c2 , x1 dan x2 adalah nilai sembarang. Persamaan (??) disebut persamaan kuadratur Gauss. Pada persamaan (6.8) mempunyai 4 buah variabel yang tidak diketahui, untuk itu akan dibuat empat buah persamaan yang memuat c1 , c2 , x1 dan x2 dan dapat diselesaikan secara simultan. Selanjutnya kita akan gunakan persamaan (6.53) untuk f (x) = 1, f (x) = x, f (x) = x2 dan f (x) = x3 . Untuk f (x) = 1, maka f (x1 ) = 1 dan f (x2 ) = 1 sehingga 1 −1 x dx = c1 (1) + c2 (1) 1 −1 = c1 + c 2 2 = c1 + c2 (6.54) 148 Bab 6 Integrasi Numerik Untuk f (x) = x, maka f (x1 ) = x1 dan f (x2 ) = x2 sehingga 1 −1 xdx = c1 (x1 ) + c2 (x2 ) 1 2 x 2 1 = c1 (x1 ) + c2 (x2 ) −1 0 = c1 x1 + c2 x2 (6.55) Untuk f (x) = x2 , maka f (x1 ) = x21 dan f (x2 ) = x22 sehingga 1 −1 x2 dx = c1 (x21 ) + c2 (x22 ) 1 3 x 3 1 −1 2 3 = c1 (x21 ) + c2 (x22 ) = c1 x21 + c2 x22 (6.56) Untuk f (x) = x3 , maka f (x1 ) = x31 dan f (x2 ) = x32 sehingga 1 −1 x3 dx = c1 (x31 ) + c2 (x32 ) 1 4 x 4 1 −1 = c1 (x21 ) + c2 (x22 ) 0 = c1 x31 + c2 x32 (6.57) Dari hasil integral di atas, diperoleh empat persamaan nonlinear untuk empat variabel tak diketahui, c1 , c2 , x1 , x2 . Dengan menggunakan eleminasi diperoleh, c1 = c2 = 1 dan 1 x1 = √ , 3 Jadi hasil yang dimaksud, adalah 1 1 x1 = − √ 3 1 f (x)dx = f √ 3 −1 −1 +f √ 3 (6.58) Persamaan di atas disebut kaedah Gauss-Legendre 2 titik. Bentuk lain kuadratur gauss 1 selain −1 f (x)dx adalah ∞ 0 e−x f (x)dx, ∞ −∞ 2 e−x f (x)dx 6.5 Integrasi Numerik Gauss 149 Untuk Gauss-Legendre 3 titik, dapat ditulis sebagai berikut 1 If = −1 f (x)dx = c1 f (x1 ) + c2 f (x2 ) + c3 f (x3 ) (6.59) dengan c1 , c2 , c3 , x1 , x2 dan x3 adalah variabel-variabel tak diketahui. Untuk itu akan ditentukan variabel-variabel tersebut dengan membuat 6 persamaan yang melibatkan 6 variabel tak diketahui. Dengan mengasumsikan bahwa kuadratur Gauss bernilai tepat untuk 6 fungsi, f (x) = 1, f (x) = x, f (x) = x2 , f (x) = x3 , f (x) = x4 dan f (x) = x5 . Dengan menyelesaikan enam persamaan secara simultan, diperoleh, c1 = 5/9, dan , x1 = − c2 = 8/9, 3 , 5 c3 = 5/9 , x2 = 0, x3 = 3 5 sehingga diperoleh rumusan Kuadratur Gauss-Legendre tiga titik, , 1 5 f (x)dx = f − 9 −1 3 5 8 5 + f (0) + f 9 9 , 3 5 (6.60) Dari hasil yang diperoleh pada metode kuadratur Gauss dua titik dan tiga titik, dapat dikembangkan untuk n titik yang diberikan oleh, 1 If = −1 f (x)dx = c1 f (x1 ) + c2 f (x2 ) + c3 f (x3 ) + · · · + cn f (xn ) (6.61) Hasil integrasi dari persamaan di atas menghasilkan 2n variabel tak diketahui, x1 , x2 , . . . , xn , c1 , c2 , . . . , cn , Dengan menerapkan terhadap terhadap f (x) = 1, x, . . . , x2n−1 terdapat 2n persamaan non linear, 2 = c1 + c 2 + · · · + cn 0 = c1 x1 + c2 x2 + · · · + cn xn 2 = c1 x21 + c2 x22 + · · · + cn x2n 3 0 = c1 x31 + c2 x32 + · · · + cn x3n .. . 2 = c1 x2n−2 + c2 x2n−2 + · · · + cn x2n−2 n 1 2 2n − 1 0 = c1 x2n−1 + c2 x2n−1 + · · · + cn x2n−1 n 1 2 (6.62) 150 Bab 6 Integrasi Numerik Tabel 6.3 Hasil pendekatan kuadratur Gauss-Legendre untuk n = 2, 3, 4, 5 dan n = 6 n xi ci Galat Pemotongan 2 ±0,5773502692 1,0000000000 ≈ f (4) (ζ) 3 ±0,7745966692 0,0000000000 0,5555555556 0,8888888889 ≈ f (6) (ζ) 4 ±0,8611363116 ±0,3399810436 0,3478548451 0,6521451549 ≈ f (8) (ζ) 5 ±0,9061798459 ±0,5384693101 0,0000000000 0,2369268851 0,4786286705 0,5688888889 ≈ f (10) (ζ) 6 ±0,9324695142 ±0,6612093865 ±0,2386191861 0,1713244924 0,3607615730 0,4679139346 ≈ f (12) (ζ) Tabel 6.3 menunjukkan hasil pendekatan kuadratur gauss-legendre untuk beberapa titik. Penggunaan kaedah kudratur Gauss hanya dapat dilakukan pada interval [−1.1]. Persoalan akan muncul jika selang yang tersedia tidak demikian. Untuk itu, langkah yang dapat diambil supaya persoalan dapat diselesaian adalah dengan mentranformasi persoalan ke bentuk kuadratur Gauss. Misalnya kita akan menghitung integral berikut ini. b f (x)dx 1 Untuk mentranformasi ke bentuk a. selang [a, b] menjadi [−1.1] −1 a f (x)dx, maka harus dilakukan mengubah: b. peubah x menjadi peubah t c. diferensial dx menjadi dt Dengan membandingkan kedua interval, x−a b−a = t − (−1) 1 − (−1) 6.5 Integrasi Numerik Gauss 151 t+1 x−a = b−a 2 2x − 2a = (t + 1)(b − a) 2x = a + b + bt − at 1 x = ((a + b) + (b − a)t) 2 (6.63) dan b−a dt (6.64) 2 Dari hasil transformasi variabel di atas dapat ditulis kembali dengan menyulikan perdx = b samaan (6.63) dan (6.64) ke dalam bentuk b 1 f (x)dx = a = f (x)dx, yang ditulis a (a + b) + (b − a)t (b − a) dt f 2 2 −1 1 (a + b) + (b − a)t (b − a) f dt 2 2 −1 Contoh 6.5 Hitunglah integral berikut. 2 1 (x2 + 1)dx dengan menggunakan kaedah Gauss-Legendre 2 titik. Penyelesaian: Tentukan terlebih dahulu transformasi yang diperlukan. 1 ((a + b) + (b − a)t) 2 1 ((1 + 2) + (2 − 1)t) = 2 = 1, 5 + 0, 5t x = dan dx = 0, 5dt, sehingga bentuk transformasinya adalah 2 1 (x2 + 1)dx = 1 −1 = 0, 5 (1, 5 + 0, 5t)2 + 1 0, 5dx 1 −1 2 (1, 5 + 0, 5t) + 1 dx Dari bentuk di atas diperoleh bahwa f (x) = (1, 5 + 0, 5t)2 + 1 (6.65) 152 Bab 6 Integrasi Numerik maka 1 √ 3 f 1 f −√ 3 = 1 1, 5 + (0, 5) √ 3 = = 4, 1993587371 −1 1, 5 + (0, 5) √ 3 = 2, 4673079295 sehingga hasil integralnya adalah, 2 1 (x2 + 1)dx = 0, 5 1 (1, 5 + 0, 5t)2 + 1 dx −1 1 1 = 0, 5 f √ + f −√ 3 3 = 3, 33333333333 Jika nilai pendekatan kuadratur gauss-Legendre 2 titik di atas di bandingkan dengan nilai sejatinya, 2 1 (x2 + 1)dx = 1 3 x 3 2 1 = 3, 3333333333 maka untuk 10 desimal, hasil pendekatan bernilai sama dengan nilai sejatinya. Latihan 6.2 1. Hampiri integral-integral berikut dengan menggunakan kuadratur Gauss untuk n = 2, dan bandingan hasilnya dengan nilai sebernarnya. 1,5 a. c. e. g. 2 x ln xdx 10,35 0 π/4 0 3,5 3 1 b. 2 dx 2 x −4 d. e3x sin 2xdx f. x √ dx 2 x −4 h. 0 x2 ex dx π/4 0 1,6 x2 sin xdx 2x dx x2 − 4 1 3π/4 0 2. Kerjakan lagi soal no. 1 untuk n = 3 dan n = 4 cos2 xdx 6.6 Integral Tak Wajar 6.6 153 Integral Tak Wajar Pada umumnya perhitungan integral melibatkan interval terbatas,namun kadang kala persoalan integral tak wajar muncul pada perhitungan numerik. Salah satu penyebab munculnya integral tak wajar adalah salah satu atau kedua-dua batas integral adalah bilangan tak hingga, atau fungsi integranya tidak terdefinisi pada titik tertentu yang ditunjukkan pada Gambar 6.9. Y 6 a b X - Gambar 6.9 Kurva y = f (x) singular pada sisi kiri x = a. Perhatian integral berikut, b a dx (x − a)p akan konvergen jika dan hanya jika 0 < p < 1, dan pada kasus ini b a (b − a)1−p dx = (x − a)p 1−p Misalkan f adalah suatu fungsi yang dapat ditulis dalam bentuk f (x) = g(x) , (x − a)p dengan 0 < p < 1 dan g kontinu pada interval [a, b], maka integral tak wajar b f (x)dx a adalah ada. Selanjutnya kita akan menghampiri integral ini dengan menggunakan aturan Simpson gabungan. Jika g ∈ C 5 [a, b], kita akan membangun polinomial 154 Bab 6 Integrasi Numerik orde 4, P4 (x) untuk fungsi g disekitar a, P4 (x) = g(a) + g (a)(x − a) + dan kita tulis b f (x) = g (a) g (a) g (4) (a) (x−)2 + (x − a)3 + (x − a)4 2! 3! 4! b g(x) − P4 (x) (x − a)p dan secara eksak kita dapat menghitung, a a b P4 (x) a dx + b P4 (x) dx = (x − a)p = sedangkan untuk a 4 b (k) g (a) k=0 a 4 k! kita definsikan, G(x) = (x − a)p ⎧ ⎨ g(x) − P4 (x) , ⎩ dx (x − a)p 0, (6.66) (x − a)k−p dx g (k) (a) (b − a)k+1−p k!(k + 1 − p) k=0 b g(x) − P4 (x) a (x − a)p (6.67) dx jika a < x ≤ b, jika x = a ( Sehingga 0 < p < 1 dan P4 k)(a) sesuai dengan g (k) (a) untuk setiap k = 0, 1, 2, 3, 4 dan G ∈ C 4 [a, b]. Contoh 6.6 Hampiri integral tak wajar berikut. 2 x e 0 √ dx, x dengan menggunakan aturan Simpson gabungan dengan h = 0, 25 di sekitar a = 0 Penyelesaian: Dari soal di atas kita peroleh, bahwa g(x) = ex . Untuk itu. kita akan hampiri g(x) = ex dengan Polinomial Taylor orde 4, P4 (x) di sekitar x0 = 0, g (a) g (a) g (4) (a) (x−)2 + (x − a)3 + (x − a)4 2! 3! 4! e0 e0 e0 = e0 + e0 (x − 0) + (x − 0)2 + (x − 0)3 + (x − 0)4 2! 3! 4! x2 x3 x4 + + = 1+x+ 2! 3! 4! P4 (x) = g(a) + g (a)(x − a) + 6.6 Integral Tak Wajar 155 sehingga kita punya, 1 P4 (x) 0 √ 1 1 = x 0 1 x2 1x3 x4 √ + + 1+x+ x 2! 3! 4! 1 1 1 x−/2 + x1/2 + x3/2 + x5/2 + x7/2 2 6 24 0 2 1 1 1 9/2 x = lim 2x1/2 + x3/2 + x5/2 + x7/2 + 3 5 21 108 c→0+ 1 1 2 1 + = 2+ + + 3 5 21 108 ≈ 2, 9235450 = 1 c Dengan mengambil h = 0, 25, maka nilai-nilai hampiran dari G(x) = ⎧ ⎨ g(x) − P4 (x) , ⎩ (x − a)p 0, jika a < x ≤ b, jika x = a diberikan pada Tabel 6.4. Dengan menggunakan aturan Simpson Gabungan, Tabel 6.4 Nilai hampiran G(x) dengan h = 0, 25 i 0 1 2 3 4 1 0 x 0,00 0,25 0,50 0,75 1,00 G(x) 0 0,0000170 0,0004013 0,0026026 0,0099485 h [G(x0 ) + 4G(x0 ) + 2G(x2 ) + 4G(x3 ) + G(x4 )] 3 0, 25 [0 + 4(0, 0000170) + 2(0, 0004013) + 4(0, 0026026) + 0, 0099485 = 3 = 0, 0017691 G(x)dx ≈ Berdasarkan rumus 1 x e 0 √ dx = x 1 P4 (x) 0 √ x 1 dx + 0 G(x)dx dan diperoleh hasil, 1 x e 0 √ dx ≈ 2, 9235450 + 0, 0017691 = 2, 9253141 x 156 Bab 6 Integrasi Numerik Y 6 Y6 y = f (x) y = f (−z) X a −b b (a) Kurva y = f (x) yang singular pada sisi kanan x = b −a Z - (b) Kurva y = f (x) yang singular pada sisi kiri z = −b Gambar 6.10 Tranformasi bentuk fungsi y = f (x) Persoalan di atas terjadi pada singular di titik batas kiri.Untuk menghampiri integral tak wajar yang singular pada titik sebelah kanan, kita akan menyederhanakan teknik-teknik yang telah kita pelajari tetapi kita akan mengekspan bentuk pada titik b menggantikan titik sebelah kiri a yang ditunjukkan pada Gambar Dengan melakukan substitusi integral tak wajar dalam bentuk lain, yaitu z = −x, dz = −dx untuk mengubah integral tak wajar ke dalam bentuk b −a f (x)dx = a −b (−z)dz (6.68) yang mempunyai kesingularan pada titik sebelah kiri. Integral tak wajar yang mempunyai singular di dalam interval, misalkan di titik c dengan a < c < b, maka integral di ubah dalam bentuk jumlah integral, yaitu: b c f (x)dx = b f (x)dx + a a f (x)dx c Jenis integral tak wajar lainnya adalah bentuk integrasi yang melibatkan batas tak hingga, yang secara dasar diberikan ole bentuk integral, ∞ f (x)dx, a yang akan di ubah dalam bentuk integral dengan singularits sebelah kiri dengan memisalkan t = x−1 , dt = −x−2 dx, oleh karena itu dx = −x2 dx = −t−2 dt 6.6 Integral Tak Wajar maka 157 ∞ 0 f (x)dx = 1/a a p t (−t −2 )dt = − 0 1 1/a t2−p dt dengan menggunakan sifat-sifat integral, ∞ 1/a f (x)dx = a 0 1 dt t2−p Dengan cara yang sama, mengubah variabel t = x−1 terhadap integral tak wajar ∞ f (x)dx kedalam bentuk integral tak wajar dengan singularitas pada titik sebelah a kiri, ∞ 1/a f (x)dx = 0 a 1 −2 t dt = t f 1/a 0 1 dt t t−2 f (6.69) Contoh 6.7 Hampiri integral tak wajar berikut, ∞ I= −3/2 x 1 1 sin dx x dengan lebar h = 0, 125 Penyelesaian: Dengan mengubah variabel kebentuk t = x−1 , maka kita peroleh 1 I= 0 t−1/2 sin tdt = 1 sin t 0 √ dx t sehingga I= 1 sin t √ dx = t 0 1 P4 (t) 0 √ t + 1 sin t − P4 (t) √ 0 t Langkah pertama yang dilakukan adalah menggunakan hampiran polinomial Taylor orde 4, P4 (t) terhadap sin t disekitar a = 0, g (a) g (a) g (4) (a) (t − a)2 + (t − a)3 + (t − a)4 2! 3! 4! (− sin(0)) −(cos(0)) sin(0) (t − 0)2 + (t − 0)3 + (t − 0)4 = sin(0) + cos(0)(t − 0) + 2! 3! 4! 1 t3 = t − t3 = t+ 3! 6 P4 (t) = g(a) + g (a)(t − a) + maka 1 P4 (t) 0 1 1 t1/2 − t5/2 dt 6 0 1 1 2 3/2 t − t7/2 = 3 21 0 = 0, 61904761 √ dt = t 158 Bab 6 Integrasi Numerik sedangkan G(x) = ⎧ 1 ⎨ (sin t) − t + 6 t3 ⎩ t1/2 0, , jika 0 < t ≤ 1, jika t = 0 Oleh karena h = 0, 125 maka jumlah sub-iterval adalah n = 8, sehingga dengan menggunakan aturan Simpson Gabungan diperoleh 1 0 G(t)dt = 1 (sin t) − t + 16 t3 ≈ t1/2 0 h [G(x0 ) + 4G(x1 ) + 2G(x2 ) + 4G(x3 ) + 2G(x4 ) 3 +4G(x5 ) + 2G(x6 ) + 4G(x7 ) + G(x8 ) = 0, 0014890097 Untuk itu, hasil integral tak wajar adalah I= 1 sin t 0 1 sin t − P (t) 1 P (t) 4 √ dx = √ 4 √ + t t t 0 0 = 0, 0014890097 + 0, 61904761 = 0, 62953661 dengan akurasi 4, 0 × 10−8 6.6 Integral Tak Wajar 159 Latihan 6.3 1. Gunakan aturan Simpson Gabungan dan n yang diberikan untuk menghampiri integral tak wajar berikut, 1 a. 0 2 c. 1 −1/4 x sin xdx, n=4 b. ln x dx, (x − 1)1/5 n=8 d. 1 2x e 0 √ 5 x2 dx, 1 cos 2x x1/3 0 n=6 dx, n=6 2. Gunakan aturan Simpson Gabungan dan n yang diberikan untuk menghampiri integral tak wajar berikut, 1 a. 0 0 c. 1/2 e−x √ dx, 1−x −1 √ 3 n=6 1 dx, 3x + 1 b. 0 2 n=6 d. 0 1 dx, (2x − 1)/3 3 xex dx, (x − 1)2 n=4 n=8 3. Dengan menggunakan tranformasi t = x−1 , gunakan aturan Simpson Gabungan dan n yang diberikan untuk menghampiri integral-integral tak wajar berikut. ∞ a. c. 1 1 dx, x2 + 9 ∞ cos x 1 x3 dx, ∞ n=4 n=6 b. d. 1 1 dx, 1 + x4 ∞ −4 x 1 sin x dx, n=4 n=8 4. Tentukan polinomial Lagrange {L0 , L1 , L2 , L3 } yang diberikan oleh, L0 (x) = 1, L1 (x) = 1 − x, L2 (x) = x2 − 4x + 2, L3 (x) = −x3 + 9x2 − 18x + 6 menjadi ortoghonal pada interval (0, ∞) berkaitan dengan fungsi e−x . Polinomial ∞ polinomial tersebut dapat digunakan untuk menghampiri menyebabkan integral tak wajar ini ada. 0 e−x f (x)dx, yang 160 Bab 6 Integrasi Numerik 5. Misalkan sebuah benda massa m bergerak vertikal ke atas dengan titik awal pada permukaan bumi x = R. Jika gaya gesekan udara di abaikan, dan kecepatan benda v diberikan oleh, 2 v = 2gR ∞ 0 z −2 dz, dengan z = x R dan g adalah gaya gravitasi bumi dengan nilai g = 9, 8m/s2 dan R = 3960 mil, hampiri kecepatan benda v tersebut. BAB 7 PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA SECARA NUMERIK 7.1 Persamaan Diferensial Orde Satu 7.1.1 Persamaan Dengan Variabel Terpisah Pandang kembali persamaan difenrensial linear orde satu berikut, f (x) dy = dx g(y) Ubah persamaan di atas ubah dalam bentuk terpisah, g(y)dy = f (x)dx Persamaan di atas disebut persamaan terpisah. Dengan mengintegralkan setiap ruasnya, diperoleh, g(y)dy = f (x)dx + C G(y) = F (x) + C dengan G(y) dan F (x) masing-masing anti turunan dari g(y) dan f (x). Contoh 7.1 Selesaikan persamaan diferensial berikut. 9yy + 4x = 0. Penyelesaian: (7.1) 162 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik Dengan memisahkan variabel akan diperoleh bentuk persamaan 9ydy = −4dx Integralkan kedua ruas, diperoleh penyelesaian umum, 9 2 y = −2x2 + c, 2 x2 y 2 + = C 9 4 (7.2) dengan C = c/18 Persamaan di atas adalah keluarga dari persamaan ellips. Gambar ?? menunjukkan kurva persamaan ellips untuk beberapa nilai C. 2 y 1 –4 0 –2 2 4 x –1 –2 Gambar 7.1 Kurva persamaan x2 9 + y2 4 = C dengan C = 1 dan C = 2. Contoh 7.2 Masalah nilai awal Selesaikan masalah nilai awal berikut. y + 5x4 y 2 dx = 0, y(0) = 1 Penyelesaian: Dengan menggunakan variabel terpisah, diperoleh persamaan, dy = −54 dx y2 7.1 Persamaan Diferensial Orde Satu 163 Integralkan kedua ruas, dy y2 1 − y = − 54 dx = −x5 + c, y = x5 1 −c Oleh karena syarat awal diberikan y(0) = 1, maka y(0) = 1 = 1 0−c 1 = 1 −c c = −1 sehingga penyelesaian khusus untuk masalah nilai awal tersebut adalah y= 7.1.2 1 x5 + 1 Persamaan Homogen Secara umum, persamaan diferensial (PD) orde satu ditulis, a0 (x) + dy + a1 (x)y = g(x) dx (7.3) dengan a0 (x), a1 (x) dan g(x) adalah fungsi-fungsi x yang terdefenisi pada interval I. Jika di andaikan bahwa a0 = 0, maka pembagian dengan a0 menghasilkan y + p(x)y = f (x) (7.4) dengan p(x) = a1 (x)/a0 (x) dan f (x) = g(x)/a0 (x). Agar persamaan (7.4) lebih sederhana dan mudah diselesaikan, maka dilakukan penggantian p(x) dengan a, sehingga persamaan (7.4) menjadi y + ay = f (x) (7.5) adalah tidak eksak. Selanjutnya, kalikan dengan eax (faktor integrasi) terhadap kedua ruas persamaan (7.5), 164 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik eax (y + ay) = f (x)eax adalah eksak. Pada kalkulus dasar, diperoleh bahwa d ax dx (e y) (7.6) dy = aeax y + eax dx , maka persamaan (7.5) ditulis kembali menjadi d ax (e y) = f (x)eax dx (7.7) Dengan mengintegralkan persamaan di atas diperoleh ax e y= f (x)eax dx + c dengan c adalah konstanta tetap. Penyelesaian y dari persamaan di atas diberikan oleh, y = e−ax f (x)eax dx + ce−ax (7.8) Selanjutnya, persamaan (7.4) dapat juga di selesaikan dengan faktor integral fungsi µ(x) yang memenuhi, d µ(x)y dx µ(x)y + µ(x)p(x)y = µ (x)y + µ(x)y µ(x)[y + p(x)y] = Jika diasumsikan bahwa, y(x) = 0, maka µ (x) = µ(x)p(x) µ (x) = p(x) µ(x) dµ(x) 1 = p(x) dx µ(x) Dengan menggunakan metode integral terpisah, diperoleh penyelesaian µ(x) > 0, 1 dµ(x) = µ(x) p(x)dx p(x)dx lnµ(x) = - µ(x) = e p(x)dx (7.9) 7.2 Metode Euler 165 - Seterusnya faktor integrasi µ(x) = e p(x)dx dikalikan terhadap kedua ruas pada per- samaan (7.4) dan diperoleh, - e p(x)dx - (y + p(x)y) = f (x)e p(x)dx (7.10) Pada kalkulus dasar diperoleh bahwa d e dx p(x)dx - y(x) = e p(x)dx y (x) + y(x)p(x) maka d e dx p(x)dx - p(x)dx d e - e - y(x) = e - y(x) p(x)dx p(x)dx = e y(x) = y(x) = e− - e - f (x) p(x)dx p(x)dx p(x)dx f (x) dx f (x)dx + c - f (x)e p(x)dx + ce− - p(x)dx 7.2 Metode Euler 7.2.1 Tafsiran Metode Euler Diberikan persamaan diferensial orde satu, dy = f (x, y), dx dan y(x0 ) = y0 dan mempunyai penyelesaian φ(x). Misalkan h > 0 adalah tetap, maka dapat dibentuk selang baru yang lebarnya sama, xn = x0 + nh, n = 0, 1, 2, . . . Selanjutnya kita akan membentuk nilai yn yang mendekati penyelesaian φ(x) sebagai berikut. Pada titi (x) , y0 ), maka kemiringan dari dy dx = f (x, y) diberikan oleh dy/dx = f (x0 , y0 ). Sehingga persamaan garis terhadap kurva pada titik awal (x0 , y0 ) diberikan oleh, y = y0 + (x − x0 )f (x0 , y0 ) (7.11) 166 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik Dengan menggunakan garis tangen untuk menghampiri φ(x), kita akan menemukan titik x1 = x0 + h, φ(x1 ) ≈ y1 = y0 + hf (x0 , y0 ) (7.12) Selanjutnya, untuk titik x1, y1 , kita akan membentuk garis yang arah kemiringannya diberikan oleh medan arah pada titik x1, y1 , yang artinya sama dengan f (x1 , y1 dan akan muncul hampiran, φ(x2 ) ≈ y2 = y1 + hf (x1 , y1 ) (7.13) Jika proses inti terus dilakukan secara berulang, maka φ(x3 ) ≈ y3 = y2 + hf (x2 , y2 ) φ(x4 ) ≈ y4 = y3 + hf (x3 , y3 ) .. . φ(xi+1 ) ≈ yi+1 = yi + hf (xi , yi ) dengan i = 1, 2, 3, . . . , n 7.2.2 Analisis Galat Metode Euler Meskipun metode Eluer sederhana, tetapi ia mengandung dua macam galat, yaitu galat pemotongan (truncation error dan galat longgokan (cumulative error. Galat pemotongan dapat langsung ditentukan oleh, 1 Ep ≈ h2 y”(t) = O(h2 ) 2 (7.14) Galat pemotongan ini sebanding dengan kuadrat terkecil ukuran langkah h sehingga disebut juga galat perlangkah atau galat lokal. Semakin kecil nilai h yang berarti semakin banyak langkah perhitungannya, semakin kecil pula galat perhitungannya. Galat soulsi pada langkah ke-k adalah tumpukan galat dari galat-galat sebelumnya. Galat yang terkumpul pada akhir langkah ke-k ini disebut galat longgokan. Jika langkah dimulai dari x) = A sampai terakhir di xn = b, maka galat totalnya terkumpul di yn , yaitu, Etotal = n 1 2 h y”(t) k=1 2 7.2 Metode Euler 167 h2 y”(t) 2 (b − a) 2 h y”(t) 2h (b − a) y”(t)h 2 = n = = Contoh 7.3 Diketahui persamaan diferensial biasa, dy =x+y dx dan y(0) = 1 Gunakan metode Euler untuk menghitung y(0, 10) dengan ukuran langkah h = 0, 05 dan h = 0, 02. Jumlah angka penting adalah 5. Diketahui penyelesaian persamaan diferensial tersebut y(x) = ex − x − 1 Penyelesaian: (a) Untuk h = 0, 05 Diketahui a = x0 = 0, b = 0, 10, h = 0, 05 Dalam hal ini, f (x, y) = x + y dan penerapan metode Euler pada persamaan diferensial tersebut menjadi, yi+1 = y1 + 0, 05(xi + yi ) Langkah-langkah yang dilakukan: x0 = 0 → y0 = 1 x1 = 0, 05 → y1 = y0 + 0, 05(x0 + y0 ) = 1 + (0, 05)(0 + 1) = 1, 0050 x2 = 0, 10 → y2 = y1 + 0, 05(x1 + y1 ) = 1, 0050 + (0, 05)(0, 05 + 1, 0050) = 1, 05775 Jika nilai sejati dari y(0, 10) = e0,10 − 0, 01 − 1 = 1, 1103, maka galatnya adalah E(x) = 1, 1103 − 1, 05775 (b) Untuk h = 0, 02 Diketahui a = x0 = 0, b = 0, 10, h = 0, 02 Dalam hal ini, f (x, y) = x + y dan penerapan metode Euler pada persamaan diferensial tersebut menjadi, yi+1 = y1 + 0, 02(xi + yi ) Langkah-langkah yang dilakukan: 168 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik x0 = 0 → y0 = 1 x1 = 0, 02 → y1 = y0 + 0, 02(x0 + y0 ) = 1 + (0, 02)(0 + 1) = 1, 0200 x2 = 0, 04 → y2 = y1 + 0, 02(x1 + y1 ) = 1, 0200 + (0, 02)(0, 02 + 1, 0200) = 1, 0408 x3 = 0, 06 → y3 = 1, 0624 x4 = 0, 08 → y4 = 1, 0848 x5 = 0, 10 → y5 = 1, 1081 Jika nilai sejati dari y(0, 10) = e0,10 − 0, 01 − 1 = 1, 1103, maka galatnya adalah E(x) = 1, 1103 − 1, 1081 = 0, 0021 Contoh 7.4 Pertimbangkan masalah nilai awal berikut. y = 2xy, , y(1) = 1 Gunakan metode Euler untuk menghampiri y(1, 5) dengan h = 0, 1 dan h = 0, 05. Penyelesaian: Langkah pertama adalah mengidentifikasi bahwa f (x, y) = 2xy, oleh karena itu, yn+1 = yn + h(2xn yn ) Untuk h = 0, 1, Dari soal diperoleh x0 = 1, y0 = 1, maka dapat kita peroleh langkah ke-1, y1 = y0 + h(2x0 y0 ) = 1 + (0, 1)[2(1)(1)] = 1, 2 Nilai-nilai dari hasil iterasi ditunjukkan pada Tabel 7.1. Selanjutnya, untuk h = 0, 05,maka x0 = 1 dan y0 = 1, y1 = y0 + h(2x1 y1 ) = 1 + (0, 05)[2(1)(1)] = 1, 1 7.2 Metode Euler 169 Tabel 7.1 Metode Euler dengan h = 0, 1 xn yn Nilai sejati 1,00 1,10 1,20 1,30 1,40 1,50 1,0000 1,2000 1,4640 1,8154 2,2874 2,9278 1,0000 1,2337 1,5527 1,9937 2,6117 3,4904 Galat % Galat relatif 0,0000 0,0337 0,0887 0,1784 0,3244 0,5625 0,00 2,73 5,71 8,95 12,42 16,12 dan y2 = y1 + h(2x1 y1 ) = 1, 1 + (0, 05)[2(1, 05)(1, 1)] = 1, 12155 Nilai-nilai dari hasil iterasi ditunjukkan pada Tabel 7.2. Tabel 7.2 Metode Euler dengan h = 0, 05 xn yn Nilai sejati 1,00 1,05 1,10 1,15 1,20 1,25 1,30 1,35 1,40 1,45 1,50 1,0000 1,1000 1,2155 1,3492 1,5044 1,6849 1,8955 2,1419 2,4311 2,7714 3,1733 1,0000 1,1079 1,2337 1,3806 1,5527 1,7551 1,9937 2,2762 2,6117 3,0117 3,4904 Galat % Galat relatif 0,0000 0,0079 0,0182 0,0314 0,0483 0,0702 0,0982 0,1343 0,1806 0,2403 0,3171 0,00 0,072 1,47 2,27 3,11 4,00 4,93 5,90 6,92 7,98 9,08 Pada contoh di atas nila sejati adalah dihitung dari solusi yang diketahui y = 2 ex −1 . Begitu juga dengan galat relatif persentase, dihitung berdasarkan 170 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik |nilai sejati − hampiran| × 100 nilai sejati Contoh 7.5 Gunakan metode Eluer untuk menghampiri nilai y(0, 5) dari penyelesaian y = (x + y − 1)2 , y(0) = 2 Penyelesaian: Untuk n = 0 dan h = 0, 1, kita punya y1 = y0 + (0, 1)(x0 + y0 − 1)2 = 2 + (0, 1)(0 + 2 − 1)2 = 2, 1 Hasil perhitungan selanjutnya dapat dilihat pada Tabel 7.3 untuk h = 0, 1 dan Tabel 7.4 untuk h = 0, 05 Tabel 7.3 Metode Euler dengan h = 0, 1 xn 0,00 0,10 0,20 0,30 0,40 0,50 yn 2,0000 2,1000 2,2440 2,4525 2,7596 3,2261 Latihan 7.1 1. Gunakan metode Euler untuk menghampiri penyelesaian persamaan diferensial berserta nilai awal berikut dengan h = 0, 1 dan h = 0, 05. 7.2 Metode Euler 171 Tabel 7.4 Metode Euler dengan h = 0, 05 xn yn 0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 a. y = 2x − 3y + 1, b. y = 4x − 2y, y(0) = 2; c. y = 1 + y 2 , f. y = x + y 2 , y g. y = xy − , x h. y = y − y 2 , y(0, 5) y(0) = 1; y(0) = 0; y(0, 5) y(0, 5) y(0) = 0; 2 y(1, 5) y(0, 5) y(0) = 0; d. y = x2 + y 2 , e. y = e−y , y(1) = 5; 2,0000 2,0500 2,1105 2,1838 2,2727 2,3812 2,5142 2,6788 2,8845 3,1455 3,4823 y(0, 5) y(1) = 1; y(0, 5) y(0) = 0, 5; y(0, 5) 2. Gunakan metode Euler untuk menghampiri penyelesaian persamaan diferensial berserta nilai awal berikut. a. y = te3t − 2y, 0 ≤ y ≤ 1, b. y = 1 + (t − y)2 , c. y = 1 + y/t, y(0) = 0, h = 0, 5 2 ≤ t ≤ 3, , 1 ≤ t ≤ 2, y(2) = 1, h = 0, 5 y(1) = 2, h = 0, 25 d. y = cos 2t + sin 3t, 0 ≤ t ≤ 1, , y(0) = 1, h = 0, 25 e. y = 2x − 3y 3. Berikut diberikan penyelesaian dari persamaan-persamaan diferensial pada soal no. 1. Bandingan galat dari setiap soal! a. y(t) = 15 te3t − 1 3t 25 e + 1 −2t 25 e b. y(t) = t + 1 1−t 172 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik c. y(t) = t ln t + 2t 1 2 d. y(t) = sin 2t − 13 cos 3t + 4 3 4. Gunakan metode Euler untuk menghampiri penyelesaian setiap persamaan diferensial dan masalah nilai awal berikut. y y 2 a. y = − , 1 ≤ t ≤ 2, y(1) = 1, h = 0, 1 t t y y 2 , 1 ≤ t ≤ 3, y(1) = 0, h = 0, 2 b. y = 1 + t t c. y = −(y + 1)(y + 3), 0 ≤ t ≤ 2, y(0) = −2, h = 0, 2 d. y = −5y + 5t2 + 2t, y(0) = 13 , h = 0, 1 0 ≤ t ≤ 1, 5. Diberikan masalah nilai awal, 2 y = y + t2 et , t 1 ≤ t ≤ 2, y(1) = 0 dengan penyelesaian sejati y(t) = t2 (et − e) a. Gunakan metode Euler dengan h = 0, 1 untuk mendekati penyelesaian tersebut dan bandingkan dengan nilai sebenarnya b. Gunakan jawaban yang diperoleh dari (a) dan interpolasi linear untuk menghampiri nilai-nilai y berikut dan bandingkan dengan nilai sebernarnya. (i) y(1, 04) (ii) y(1, 55) (iii) y(1, 97) 6. Diberikan masalah nilai awal, y = 1 y − − y2, t2 t 1 ≤ t ≤ 2, y(1) = −1 dengan penyelesaian sejati y(t) = − 1 t a. Gunakan metode Euler dengan h = 0, 05 untuk mendekati penyelesaian tersebut dan bandingkan dengan nilai y sebenarnya b. Gunakan jawaban yang diperoleh dari (a) dan interpolasi linear untuk menghampiri nilai-nilai y berikut dan bandingkan dengan nilai sebernarnya. (i) y(1, 052) (ii) y(1, 555) (iii) y(1, 978) 7.3 Metode Heun(Perbaikan Metode Euler) 173 7. Pada sebuah rangkaian yang menunjukkan tegangan V , resistensi R, induksi L, dan kapasitas C pada rangkaian paralel, arus i memenuhi persamaan diferensial berikut, di d2 V 1 1 dV =C 2 + + V dt dt R dt L Misalkan C = 0, 3 faraday, R = 1, 4 ohm, L = 1, 7 henri dan tegangan diberikan oleh, V (t) = e−0,06πt sin(2t − π) Jika i(0) = 0, tentukan arus i untuk t = 0, 1j dengan j = 0, 1, 2, . . . , 100 7.3 Metode Heun (Perbaikan Metode Euler) Metode Euler mempunyai ketelitian yang rendah, karena galatnya besar seband- ing dengan h), sehingga perlunya perbaikan dengan mengurangi galatnya, dan hal ini dilakukan dengan menggunakan metode Heun (mofified Euler’s method. Pada metode Heun, penyelesaian awal dijadikan sebagai nilai perkiraan awal (prediktor) dan selanjutnya penyelesaian perkiraan awal diperbaiki dengan metode Heun (corrector). Pandang suatu persamaan diferensial orde satu sebagai berikut. dy = y = f (x, y) dx Jika diintegrasikan kedua ruas persamaan dari dalam interval [xk , xk+1 ], xk+1 f (x, y)dx = xk xk+1 y (x)dx xk = y(xk+1 ) − yxk = yk+1 − yk Nyatakan yk+1 diruas kiri dan suku-suku yang lainnya di ruas kana, yk+1 = yk + xk+1 f (x, y)dx (7.15) xk Suku pada ruas kanan, dapat diselesaikan dengan menggunakan kaidah trapesium, xk+1 xk dx ≈ h [f (xk , yk ) + f (xk+1 , yk+1 )] 2 (7.16) Substitusikan persamaan (7.16) ke dalam persamaan (7.15) dan diperoleh, yk+1 ≈ yk + h ∗ [f (xk , yk ) + f (xk+1 , yk+1 )] 2 (7.17) 174 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik dengan ∗ yk+1 = yk + hf (xk , yk ) Bentuk persamaan di atas adalah metode Heun (Metode Euler-Cauchy yang diperbaiki). Pada persamaan (7.17), suku ruas kanan mengandung yk+1 , dan ini merupakan penyelesaian awal (prediktor) yang dihitung dengan metodr Euler. Karena itu, persamaan (7.17) dpat ditulis, prediktor : y ( 0)r+1 = yr + hf (xr , yr ) (0) corrector : yr+1 = yr + h/2[f (xr , yr ) + f (xr+1 , yr+1 )] atau ditulis dalam bentuk umum, yk+1 = yk + h [f (xk , yk ) + f (xk+1 , yk ) + hf (xk , yk )] 2 (7.18) (0) Analisis Galat Suku h/2[f (xr , yr )+f (xr+1 , yr+1 )] bersesuain dengan kaidah trapesium pada integrasi numerik, sehingga galat untuk metode Heun sama dengan galat metode trapesium, yaitu h3 y”(t), 12 = O(h3 ) Ep ≈ − xk < t < xk+1 (7.19) sedangkan galat longgokannya adalah EL = n k=1 − 1 3 h y”(t) 12 (b − a) 2 h y”(t) 12 = O(h2 ) = − (7.20) Galat longgokan metode Heun sebnding dengan h2 . Hal ini berarti penyelesaian persamaan diferensial biasa dari metode Heun lebih baik dari metode Euler, tetapi jumlah komputasinya lebih banyak. Contoh 7.6 Hitunglah hampiran metode Euler yang diberbaiki terhadap penyelesaian φ(x) = ex dari y = y, y(0) = 1 7.3 Metode Heun(Perbaikan Metode Euler) 175 pada x = 1 dan lebar langkah h = 1, 10−1 , 10−2 , 10−3 , 10−4 Penyelesaian: Kita mulai dengan x0 = 0 dan y0 = 1. Karena f (x, y) = y, maka persamaan (7.17) menjadi h h2 [yn + (yn + hyn )] = yn + hyn + yn 2 2 yn+1 = yn + yaitu, yn+1 = h2 1+h+ 2 Oleh karena y0 = 1, maka diperoleh, yn = h2 1+h+ 2 yn , (7.21) n , n = 0, 1, 2, . . . Untuk memperoleh pendekatan pada x = 1, kita harus mempunyai 1 = x0 + nh = nh dan oleh karena itu n = 1/h. Disini hampiran Euler yang diperbaiki adalah e = φ(1) yaitu h2 1+h+ 2 1/h Contoh 7.7 Pertimbangkan masalah nilai awal berikut. y = 2xy, y(1) = 1 dengan menggunakan metode Euler diperbaiki untuk menghampiri pada y(1, 5) untuk h = 0, 1 dan h = 0, 05 Penyelesaian: Untuk h = 0, 1, dimulai dengan x0 = 1 maka y1∗ = y0 + hf (x0 , y0 ) = 1 + (0, 1)[2(1)(1)] = 1, 2 dan h (f (x0 , y0 ) + f (x1 , y1∗ )) 2 0, 1 ([2(1)(1)] + [2(1, 1)(1, 2)]) = 1+ 2 = 1, 232 y1 = y0 + 176 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik Tabel 7.5 Metode Heun dengan h = 0, 1 untuk solusi y = 2xy xn yn Nilai sejati 1,00 1,10 1,20 1,30 1,40 1,50 1,0000 1,2320 1,5479 1,9832 2,5908 3,4509 1,0000 1,2337 1,5527 1,9937 2,6117 3,4904 Galat % Galat relatif 0,0000 0,0017 0,0048 0,0106 0,0209 0,0394 0,00 0,14 0,31 0,53 0,80 1,13 Nilai-nilai selanjutnya dapat dilihat pada Tabel 7.5. sedangkan untuk h = 0, 05 dengan x0 = 1 maka y1∗ = y0 + hf (x0 , y0 ) = 1 + (0, 05)[2(1)(1)] = 1, 1 dan h (f (x0 , y0 ) + f (x1 , y1∗ )) 2 0, 05 ([2(1)(1)] + [2(1, 1)(1, 1)]) = 1+ 2 = 1, 1077 y1 = y0 + nilai-nilai selanjutnya dapat dilihat pada Tabel 7.6. Contoh 7.8 Pertimbangkan masalah nilai awal berikut. y = (x + y − 1)2 , y(0) = 2 dengan menggunakan metode Euler diperbaiki untuk menghampiri pada y(0, 5) untuk h = 0, 1 dan h = 0, 05 Penyelesaian: Untuk h = 0, 1, maka y1∗ = y0 + h(x0 + y0 − 1)2 = 2 + (0, 1)(0 + 2 − 1)2 = 2, 1 7.3 Metode Heun(Perbaikan Metode Euler) 177 Tabel 7.6 Metode Heun dengan h = 0, 05 untuk solusi y = 2xy xn yn Nilai sejati 1,00 1,05 1,10 1,15 1,20 1,25 1,30 1,35 1,40 1,45 1,50 1,0000 1,1077 1,2332 1,3798 1,5514 1,7531 1,9909 2,2721 2,6060 3,0038 3,4795 1,0000 1,1079 1,2337 1,3806 1,5527 1,7551 1,9937 2,2762 2,6117 3,0117 3,4904 Galat % Galat relatif 0,0000 0,0002 0,0004 0,0008 0,0013 0,0020 0,0029 0,0041 0,0057 0,0079 0,0108 0,00 0,02 0,04 0,06 0,08 0,11 0,14 0,18 0,22 0,26 0,31 dan h (f (x0 , y0 ) + f (x1 , y1∗ )) 2 h = y0 + [(x0 + y0 − 1)2 + (x1 + y1∗ − 1)2 ] 2 0, 1 [1 + 1, 44] = 2+ 2 = 2, 122 y1 = y0 + untuk nilai-nilai selanjutnya dapat dilihat pada Tabel 7.7. Tabel 7.7 Metode Heun dengan h = 0, 1 untuk solusi y = (x + y − 1)2 xn yn 0,00 0,10 0,20 0,30 0,40 0,50 2,0000 2,1220 2,3049 2,5858 2,0378 3,8254 178 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik Sedangkan untuk h = 0, 05, y1∗ = y0 + h(x0 + y0 − 1)2 = 2 + (0, 05)(0 + 2 − 1)2 = 2, 05 dan h (f (x0 , y0 ) + f (x1 , y1∗ )) 2 h = y0 + [(x0 + y0 − 1)2 + (x1 + y1∗ − 1)2 ] 2 = 2, 0553 y1 = y0 + untuk nilai-nilai selanjutnya dapat dilihat pada Tabel 7.8 Tabel 7.8 Metode Heun dengan h = 0, 05 untuk solusi y = (x + y − 1)2 7.4 xn yn 0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 2,0000 2,0553 2,1228 2,2056 2,3075 2,4342 2,5931 2,7953 3,0574 3,4057 3,8840 Metode Taylor Orde Tinggi Metode Euler pada dasarnya diturunkan berdasarkan deret Taylor orde satu, sehingga galat yang dihasilkan adalah O(h). Untuk meperbaiki penyelesaian persamaan diferensial yang melibatkan suatu metode tertentu, maka diusahakan bagaimana agar galat menjadi sekecil mungkin dengan melihat galat pemotongan lokal, yaitu O(hp ). Untuk akan dibuat sedemikian rupa agar p sebesar mungkin. Oleh karena metode Euler diturunkan dari deret Taylor orde satu, maka dari itu dapat dikembangkan suatu metode yang memenuhi sifat-sifat konvergensi dari metode selisih untuk nilai n yang lebih besar. 7.4 Metode Taylor Orde Tinggi 179 Misalkan penyelesaian y(t) dengan masalah nilai awal, y = f (t, y), a ≤ t ≤ b, y(a) = α mempunyai derivatif sebanyak (n + 1). Jika kita mengekspan penyelesaian tersebut, y(t), di dalam suku-suku ke-n dari deret Taylor disekitar ti , akan kita peroleh, y(ti+1 ) = y(ti ) + hy (ti ) + + h2 hn (n) y (ti ) + · · · + y (ti ) 2 n! hn+1 (n+1) y (ζi ) (n + 1)! (7.22) untuk ζi dalam (ti , ti+1 ). Suksesif diferensiasi penyelesaian y(t) memberikan, y (t) = f (t, y(t)) y (t) = f (t, y(t)) .. . y (k) (t) = f (k−1) (t, y(t)) Substitusikan hasil di atas ke persamaan (7.22) dan memberikan, y(ti+1 ) = y(ti ) + hf (ti , y(ti )) + + h2 hn (n−1) f (ti , y(ti )) + · · · + f (ti , y(ti )) 2 n! hn+1 (n) f (ζi , y(ζi )) (n + 1)! (7.23) Metode persamaan selisih yang berkorespondensi dengan persamaan (7.23) diperoleh dengan menghilang suku terakhir yang memuat bentuk ζ. Metode ini disebut Metode Taylor orde n: dan diperoleh, w0 = α w1 = w0 + hT (n) (t0 , w0 ) .. . wi+1 = wi + hT (n) (ti , wi ), untuk i = 0, 1, 2, . . . , N − 1 dengan T (n) (ti , wi ) = f (ti , wi ) + h hn−1 (n−1) f (ti , wi ) + · · · + f (ti , wi ) 2 n! (7.24) 180 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik Contoh 7.9 Dengan menggunakan metode Taylor orde dua dan empat terhadap masalah nilai awal, y = y − t2 + 1, 0 ≤ t ≤ 2, y(0) = 0, 5 Penyelesaian: Bentuk y = y − t2 + 1 diubah menjadi f (t, y(t)) = y(t) − t2 + 1, maka tiga turunan pertamanya adalah, d (y − t2 + 1) dt = y − 2t f (t, y(t)) = = y − t2 + 1 − 2t d (y − t2 + 1 − 2t) dt = y − 2t − 2 = y − t2 + −2t − 2 f (t, y(t)) = = y − t2 − 2t − 1 dan d (y − t2 − 2t − 1) dt = y − 2t − 2 = f (t, y(t)) = = y − t2 − 2t − 1 Oleh karena itu, untuk orde dua, h f (ti , wi ) 2 h = (wi − t2i + 1) + (wi − t2i − 2ti + 1) 2 h h = (wi − t2i + 1) + (wi − t2i + 1) + (2ti ) 2 2 h 2 1+ (wi − ti + 1) − hti = 2 T (ti , wi ) = f (ti , wi ) + 7.4 Metode Taylor Orde Tinggi 181 dan w0 = 0, 5, sehingga berdasarkan rumus deret Taylor orde 2, diperoleh wi+1 = wi + h 1+ h (wi − t2i + 1) − hti 2 sedangkan untuk orde 4, h h2 h3 f (ti , wi ) + f (ti , wi ) + f (ti , wi ) 2 6 24 h h2 = (wi − t2i + 1) + (wi − t2i − 2ti + 1) + (wi − t2i − 2ti − 1) 2 6 3 h + (wi − t2i − 2ti − 1) 24 h h2 h3 = (wi − t2i ) + (wi − t2i ) + (wi − t2i ) + (wi − t2i ) 2 6 24 2 3 h2 h3 h h h h + (−2ti ) + (−2ti ) + (−2ti ) + 1 + (1) + (−1) + (−1) 2 6 24 2 6 24 T (4) (ti , wi ) = f (ti , wi ) + = h h2 h3 + 1+ + 2 6 24 +1 + (wi − t2i ) h h2 − 1+ + 3 12 (hti ) h h2 h3 − − 2 6 24 dan w0 = 0, 5 sehingga berdasarkan rumus deret Taylor orde 4, diperoleh wi+1 = wi + h h h2 h3 + 1+ + 2 6 24 h h2 h3 +1 + − − 2 6 24 (wi − t2i ) h h2 − 1+ + 3 12 hti untuk i = 0, 1, 2, . . . , N − 1 Jika kita ambil lebar h = 0, 2, maka jumlah iterasi N = 10 dan ti = 0, 2i untuk i = 1, 2, . . . , 10. Dengan memasukan nilai-nilai pada rumus, maka hasil yang diperoleh untuk orde 2, adalah w0 = 0, 5 0, 2 (wi − 0, 04i2 + 1) − 0, 04i 2 = 1, 22wi − 0, 0088i2 − 0, 008i + 0, 22 wi+1 = wi + 0, 2 1+ dan untuk orde ke 4, adalah wi+1 = wi + 0, 2 0, 2 0, 04 0, 008 + + 1+ (wi − 0, 04i2 ) 2 6 24 182 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik 0, 2 0, 04 0, 2 0, 04 0, 008 (0, 04i) + 1 + + − − − 1+ 3 12 2 6 24 = 1, 2214wi − 0, 008856i2 − 0, 00856i + 0, 2186 dengan i = 0, 1, 2, . . . , 9. Latihan 7.2 1. Gunakan metode Taylor orde dua untuk menghampiri penyelesaian dari setiap masalah nilai 2 awal berikut. y y + , 1 ≤ t ≤ 1, 2, y(1) = 1, h = 0, 1 a. y = t t b. y = sin(t) + e−t , 0 ≤ t ≤ 1, y(0) = 0, h = 0, 5 1 c. y = (y 2 + y), 1 ≤ t ≤ 3, y(1) = −2, h = 0, 5 t 4t 0 ≤ t ≤ 1, y(0) = 1, h = 0, 25 d. y = −ty + , y 2. Ulangi no. 1 untuk metode Taylor orde 4 3. Gunakan metode Taylor orde dua dengan h = 0, 1 untuk menghampiri penyelesaian dari y = 1 + t sin(ty), 0 ≤ t ≤ 2, y(0) = 0 1 ≤ t ≤ 2, y(1) = 0 1 ≤ t ≤ 2, y(1) = −1 4. Diberikan masalah nilai awal, 2 y = y + t2 et , t 5. Diberikan masalah nilai awal berikut. y = 1 y − − y2, 2 t t dengan penyelesaian sejati y(t) = −1/t a. Gunakan metode Taylor orde dua dengan h = 0, 05 untuk menghampiri penyelesaian dan bandingkan dengan nilai y 7.5 Metode Runge-Kutta 183 b. Gunakan jawaban pada bagian (a) dan interpolasi linear untuk menghampiri nilai-nilai y berikut (i) y(1, 052) (ii) y(1, 555) (iii) y(1, 978) c. Gunakan metode Taylor orde dua dengan h = 0, 05 untuk menghampiri penyelesaian dan bandingan dengan nilai y sebenarnya. d. Gunakan jawaban pada (c) dan interpolasi sebagian-sebagian Hermit untuk menghampiri nilai y dan bandingkan dengan nilai-nilai: (i) y(1, 052) 7.5 (ii) y(1, 555) (iii) y(1, 978) Metode Runge-Kutta Penyelesaian persamaan diferensial biasa dengan menggunakan metode Taylor tidka praktis, karena metode tersbut membutuhkan perhitungan turunan f (x, y), dan juga tidak semua fungsi mudah dihitung turunannya, terutama fungsi-fungsi yang rumit. Metode Runge-Kutta merupakan alternatif lain dari metode Taylor yang tidak membutuhkan perhitungan turunan. Metode ini berusaha mendapatkan derajat ketelitian yang tinggi dan sekaligus menghindarkan keperluan mencari turunan yang lebih tinggi dengan jalan mengevaluasi fungsi f (x, y) pada titik terpilih setiap selang. Bentuk umum metode Runge-Kutta orde n ditulis sebagai berikut, yk+1 = yk + a1 y1 + a2 k2 + · · · + an yn (7.25) dengan a1 , a2 , · · · , an adalah konstanta dan k1 = hf (xr , yr ) k2 = hf (xr + p1 h, yr + q11 k1 ) k3 = hf (xr + p2 h, yr + q21 k1 + q22 k2 ) .. . kn = hf (xr + pn−1 h, yr + qn1,1 k1 + qn−1,2 k2 + · · · + qn−1,n1 kn−1 ) Nilai ai , pi , qij dipilih sedemikian rupa sehingga dapat meminumkan galat. Galat langkah metode Runge-Kutta orde-n adalah O(hn+1 ) Galat longgokan metode Runge-Kutta orde ke-n adalah O(hn ) 184 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik a. Metode Runge-Kutta Orde Satu Metode Runge-Kutta orde satu ditulis, k1 = hf (xr .yr ) yr+1 = yr + (a1 k1 ) (7.26) Galat perlangkah adalah O(h2 ) Galat longgokan adalah O(h) Yang termasuk ke dalam metode Runge-Kutta orde satu adalah metode Euler. b. Metode Runge-Kutta Orde Dua Metode Runge-Kutta orde dua ditulis, k1 = hf (xr , yr ) k2 = hf (xr + p1 h, yr + q11 k1 ) yr+1 = yr + (a1 k1 + a2 k2 ) (7.27) Galat perlangkah adalah O(h3 ) Galat longgokan adalah O(h2 ) c. Metode Runge-Kutta Orde Tiga Metode Runge-Kutta orde tiga terkenal dan banyak dipakai dalam praktek. Metode tersebut mempunyai ketelitian penyelesaiannya tingggi dibandingkan dengan dua metode sebelumnya. Metode Runge-Kutta orde tiga ditulis, k1 = hf (xr , yr ) 1 1 k2 = hf (xr + h, yr + k1 ) 2 2 k3 = hf (xr + h, yr − k1 + 2k2 ) 1 yr+1 = yr + (k1 + 4k2 + k3 ) 6 (7.28) 7.5 Metode Runge-Kutta 185 Galat perlangkah adalah O(h4 ) Galat longgokan adalah O(h3 ) d. Metode Runge-Kutta Orde Empat Metode Runge-Kutta orde empat mempunyai ketelitian lebih baik dibandingakan dengan metode Runge-Kutta orde tiga. Metode Runge-Kutta orde tiga ditulis, k1 = hf (xr , yr ) 1 1 k2 = hf (xr + h, yr + k1 ) 2 2 1 1 k3 = hf (xr + h, yr + k2 ) 2 2 k4 = hf (xr + h, yr + k3 ) 1 yr+1 = yr + (k1 + 4k2 + k3 ) 6 (7.29) Galat perlangkah adalah O(h4 ) Galat longgokan adalah O(h3 ) Contoh 7.10 Gunakan metode Runge-Kutta dengan h = 0, 1 untuk menghampiri y(1, 5) terhadap penyelesain y = 2xy, y(1) = 1 Penyelesaian: Kita mulai dengan mengambil x0 = 1 dan n = 0, maka k1 = hf (x0 , y0 ) = (0, 1)(2x0 y0 ) k2 = (0, 1)[2(1)(1)] = 0, 2 1 1 = hf x0 + h, y0 + k1 2 2 1 1 = (0, 1)2 x0 + h y0 + k1 2 2 1 1 = (0, 1)2 1 + (0, 1) 1 + (0, 2) 2 2 = 0, 231 186 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik 1 1 k3 = hf x0 + h, y0 + k2 2 2 1 1 = (0, 1)2 x0 + h y0 + k2 2 2 1 1 = (0, 1)2 1 + (0, 1) 1 + (0, 231) 2 2 = 0, 234255 k4 = hf (x0 + h, y0 + k3 ) = (0, 1)2(x0 + h)(y0 + k3) = (0, 1)(1 + 0, 1)(1 + 0, 234255) = 0, 2715361 dan oleh karena itu, 1 yn+1 = y0 + (k1 + 2k2 + 2k3 + k4 ) 6 1 = 1 + (0, 2 + 2(0, 231) + 2(0, 234155) + 0, 2715361) 6 = 1, 23367435 Jika kita ambil empat desimal dibelakang koma, maka y1 = 1, 2337 Dengan cara yang sama diperoleh nilai-nilai y2 , y3 , y4 , y5 berikut sebagaiman yang ditunjukkan pada Tabel 7.9, sedangkan perbandingan nilai-nilai dari beberapa metode yang telah digunakan terhadap penyelesaian y = 2xy dengan nilai awal y(1) = 1 dan h = 0, 1 ditunjukkan pada Tabel 7.10. Tabel 7.9 Metode Runge-Kutta dengan h = 0, 1 untuk solusi y = 2xy xn yn Nilai sejati Galat % Galat relatif 1,00 1,10 1,20 1,30 1,40 1,50 1,0000 1,2337 1,5527 1,9937 2,6116 3,4902 1,0000 1,2337 1,5527 1,9937 2,6117 3,4904 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,00 0,00 0,00 0,00 0,00 0,00 7.5 Metode Runge-Kutta 187 Tabel 7.10 Perbandingan metode Euler, Heun dan Runge-Kutta untuk solusi y = 2xy dengan h = 0, 1 Perbandingan metode Numerik dengan h = 0, 1 Runge Nilai xn Euler Heun Kutta sejati 1,00 1,10 1,20 1,30 1,40 1,50 1,0000 1,2000 1,4640 1,8154 2,2874 2,9278 1,0000 1,2320 1,5479 1,9832 2,5908 3,4509 0,0000 1,2337 1,5527 1,9937 2,6116 3,4902 1,0000 1,2337 1,5527 1,9937 2,6117 3,4904 Latihan 7.3 1. Gunakan metode Runge-Kutta untuk menyelesaikan masalah nilai awal berikut dengan h = 0, 1 untuk memperoleh hampiran empat desimal. a. y = 2x − 3y + 1, b. y = 4x − 2y, c. y =1+ y(0) = 2; y2 , y(0) = 0; d. y = x2 + y 2 , e. y = e−y , f. y =x+ y(1) = 5; y(0) = 0; h. =y− y2 , y(0, 5) y(0, 5) y(0, 5) y(0) = 0; g. y = xy 2 − y/x, y y(0, 5) y(0) = 1; y2 , y(1, 5) y(0, 5) y(1) = 1; y(0) = 0, 5; y(0, 5) y(0, 5) 2. Gunakan metode Runge-Kutta dengan h = 0, 1, h = 0, 05 dan h = 0, 01 untuk mengestimasi penyelesaian masalah nilai awal berikut di x = 1. Bandingkan hasil-hasil tersebut dengan nilai sejati. a. y 2x + 2y, y(0) = 1 c. y = ey , y(0) = 0 b. y = 1/y, d. y y(0) = 1 = y − sin x, y(0) = −1 188 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik 3. Gunakan metode Runge-Kutta dengan h = 0, 2 untuk menentukan hampiran terhadap penyelesaian masalah nilai awal berikut. t2 y − 3ty + 3y = 1, y(1) = 0, y (1) = 0 Hitunglah penyelesaian sejati dan selanjutnya bandingkan hasilnya! 4. Jika gaya gesekan udara berbanding kuadrat dengan kecepatan, dan kecepatan v dari sebuah massa m yang jatuh dari ketinggian h di tentukan oleh, m dv = mg − kv 2 , dt k>0 Jika v(0) = 0, k = 0, 125, m = 5 slugs, dan g = 9, 8 m/s2 , gunakan metode RungeKutta untuk menentukan nilai hampiran kecepatan massa jatuh setela 5 detik. (Gunakan h = 1). 5. Misalkan y(x) adalah solusi dari masalah nilai awal berikut. y = x2 + y 3 , y(1) = 1 Hitunglah rumusan Runge-Kutta yang digunakan untuk memperoleh hampiran untuk y(1, 4. (gunakan h = 0, 1). 7.6 Metode Banyak Langkah Pada pembahasan terdahulu mengenai metode penyelesaian persamaan diferen- sial orde satu biasanya disebut metode satu langkah, karena hampiran yang dilakukan untuk titik mesh t + i + 1 melibatkan informasi dari hanya satu titik sebelumnya, yaitu titik mesh ti . Semua informasi yang digunakan pada metode-metode tersebut diperoleh di luas interval yang mana penyelesaian akan di hampiri. Oleh karena itu hampiran dari penyelesaian diperoleh pada setiap titik mesh t0 , t1 , t2 , . . . ti sebelum hampiran ti+1 diperoleh, dan hal ini menyebabkan galat |yj (hampiran)− y(tj )| cenderung meningkat. Untuk itu, cukup beralasan jika dikembangkan hampiran yang menggunakan banyak titik mesh yang lebih akurat untuk menghampiri penyelesaian pada ti+1 . Metode yang menggunakan banyak titik sebelumnya untuk menghitung hampiran titik berikutnya disebut metode banyak langkah. 7.6 Metode Banyak Langkah 189 Definisi 7.1 Metode banyak langkah untuk menyelesaikan masalah nilai awal, y = f (x, y), a ≤ x ≤ b, y(a) = α, (7.30) adalah suatu persamaan selisih untuk menentukan hampiran yi+1 pada titik mesh xi+1 dapat direprensetasikan oleh persamaan berikut, di mana m adalah bilangan bulat lebih dari 1, yi+1 = am−1 yi + am−2 yi−1 + · · · + a0 wi+1−m +h[bm f (xi+1 , yi+1 ) + bm−1 f (xi , yi ) + · · · + b0 f (xi+ , yi+1−m )] (7.31) untuk i = m − 1, m, 0, 1, . . . , n − 1 dengan mengambil y(x0 ) = y0 , y(x1 ) = y1 , y(x2 ) = y2 , ..., y(xm−1 ) = ym−1 dan h = (b − a)/n Ketika bm = 0, metode disebut eksplisit atau terbuka, sehingga persamaan (7.31) memberikan yi+1 secara eksplisit pada suku-suku sebelumnya di hitung, sedangkan ketika bm = 0, metode ini disebut implisit atau tertutup, sehingga yi+1 terjadi pada kedua sisi persamaan (7.31) 7.6.1 Metode Adam-Bashford a. Metode Adam-Bashford Dua Langkah h [3f (xi , yi )] − f (xi−1 , yi−1 )], 2 y(x0 ) = y0 , y(x1 ) = y1 yi+k = yi + (7.32) dengan i = 1, 2, 3, . . . , n b. Metode Adam-Bashford Tiga Langkah h 23f (xi , yi ) − 16f (xi−1 , yi−1 ) + 5f (xi−2 , yi−2 ) , 12 y(x0 ) = y0 , y(x1 ) = y1 , y(x2 ) = y2 yi+k = yi + dengan i = 2, 3, 4, . . . , n (7.33) 190 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik c. Metode Adam-Bashford Empat Langkah h 55f (xi , yi ) − 59f (xi−1 , yi−1 ) + 37f (xi−2 , yi−2 ) 24 −9f (xi−3 , yi−3 ) yi+k = yi + y(x0 ) = y0 , y(x1 ) = y1 , y(x2 ) = y2 , (7.34) y(x3 ) = y3 dengan i = 3, 4, . . . , n d. Metode Adam-Bashford Lima Langkah h 1901f (xi , yi ) − 2774f (xi−1 , yi−1 ) + 2616f (xi−2 , yi−2 ) 720 −1274f (xi−3 , yi−3 ) + 251f (xi−4 , yi−4 ) (7.35) yi+k = yi + y(x0 ) = y0 , y(x1 ) = y1 , y(x2 ) = y2 , y(x3 ) = y3 , y(x4 ) = y4 dengan i = 4, 5, 6 . . . , n 7.6.2 Metode Adam-Moulton a. Metode Adam-Moulton Dua Langkah h [5f (xi+1 , yi+1 )] + 8f (xi , yi ) − f (xi−1 , yi−1 )], 12 y(x0 ) = y0 , y(x1 ) = y1 yi+k = yi + (7.36) dengan i = 1, 2, 3 . . . , n − 1 b. Metode Adam-Moulton Tiga Langkah h 9f (xi+1 , yi+1 )] + 19f (xi , yi ) − 5f (xi−1 , yi−1 ) 24 +f (xi−2 , yi−2 ) yi+k = yi + y(x0 ) = y0 , dengan i = 2, 3 . . . , n − 1 y(x1 ) = y1 , y(x2 ) = y2 (7.37) 7.6 Metode Banyak Langkah 191 c. Metode Adam-Moulton Empat Langkah h 251f (xi+1 , yi+1 )] + 646f (xi , yi ) − 264f (xi−1 , yi−1 ) 720 +106f (xi−2 , yi−2 ) − 19f (xi−3 , yi−3 ) yi+k = yi + y(x0 ) = y0 , y(x1 ) = y1 , y(x2 ) = y2 , (7.38) y(x3 ) = y3 dengan i = 3, 4, 5 . . . , n − 1 Contoh 7.11 Pertimbangkan masalah nilai awal berikut. y = y − t2 + 1, 0 ≤ t ≤ 2, y(0) = 0, 5 dan dekati dengan metode Adam-Bashford empat langkah dan metode Adam-Moulton tiga langkah, gunakan h = 0, 2 untuk kedua metode. Penyelesaian: Dari rumusan metode Adam-Bashford empat langkah, h 55f (xi , yi ) − 59f (xi−1 , yi−1 ) + 37f (xi−2 , yi−2 ) 24 −9f (xi−3 , yi−3 ) yi+k = yi + untuk i = 3, 4, . . . , 9. Dengan menyederhanakan dan gunakan f (t, y) = y − t2 + 1, h = 0, 2, dan ti = 0, 2i, maka persamaan selisih metode Adam-Bashford empat langkah menjadi, yi+1 = 1 35yi − 11, 8yi−1 + 7, 4yi−2 − 1, 8yi−3 − 0, 192i2 − 0, 192i + 4, 736 24 Hasil-hasil hampiran untuk metode di atas ditunjukkan pada Tabel ??. Sedangkan persamaan selisih metode Adam-Moulton tiga langkah adalah, h 9f (xi+1 , yi+1 )] + 19f (xi , yi ) − 5f (xi−1 , yi−1 ) 24 +f (xi−2 , yi−2 ) yi+k = yi + 192 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik untuk i = 2, 3, 4, . . . , 9 dan dengan mereduksi fungsi f (t, y) = y − t2 + 1, h = 0, 2, dan ti = 0, 2i, maka persamaan selisih metode Adam-Moulton tiga langkah menjadi, yi+1 = 1 1, 8yi+1 + 27, 8yi − yi−1 + 0, 2yi−2 − 0, 192i2 − 0, 192i + 4, 736 24 Oleh karena kita gunakan metode eksplisit, maka penyelesaian untuk wi+1 adalah yi+1 = 1 7, 8yi − yi−1 + 0, 2yi−2 − 0, 192i2 − 0, 192i + 4, 736 22, 2 Hasil-hasil hampiran dari metode Adam-Moulton tiga langkah ditunjukkan pada Tabel 7.11. Tabel 7.11 Perbandingan metode Adam-Bashfor 4 langkah dan AdamMoulton 3 langkah untuk solusi y = y − t2 + 1 dengan h = 0, 2 Galat xi AdamBashford yi AdamMoulton yi 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 0,5000000 0,8292986 1,2140877 1,6489406 2,1273124 2,6410810 3,1803480 3,7330601 4,2844931 4,8166575 5,3075838 0,0000000 0,0000000 0,0000000 0,0000000 0,0000828 0,0002219 0,0004065 0,0006601 0,0010093 0,0014812 0,0021119 0,0000 1,2337 1,5527 1,9937 2,6116 3,4902 0,0000 1,2337 1,5527 1,9937 2,6116 Galat 0,0000000 0,0000000 0,0000000 0,0000065 0,0000160 0,0000293 0,0000478 0,0000731 0,0001071 0,0001527 0,0002132 7.6 Metode Banyak Langkah 193 Latihan 7.4 1. Gunakan metode Adam-Bashford empat langkah untuk menhapiri penyelesaian masalah nilai awal berikut. Pada setiap soal bandingkan hasil hampiran dengan hasil sebenarnya. a. y = te3t − 2y, y(t) = 1 3t 5 te − 0 ≤ t ≤ 1, y(0) = 0, h = 0, 2 1 3t 25 e 2 b. y = 1 + (t − y) , c. y = 1 + y/t, d. y + 2 ≤ t ≤ 3, 1 ≤ t ≤ 2, 1 2 y(2) = 1, h = 0, 2; y(1) = 2, h = 0, 2; 0 ≤ t ≤ 1, = cos 2t + sin 3t, y(t) = 1 −2t 25 e sin 2t − 13 cos 3t + 1 1−t y(t) = t ln t + 2t y(t) = t + y(0) = 1, h = 0, 2 4 3 2. Gunakan metode Adam-Bashford untuk menghampiri penyelesaian masalah nilai awal berikut. Pada setiap soal gunakan nilai-nilai awal yang diperoleh dari metode Runge-Kutta orde 3mpat. Bandingkan hasil tersebut denagn hasil sebenarnya. a. y = y − t y t 2 1 ≤ t ≤ 2, y(1) = 1, h = 0, 1, , y y b. y = 1 + + t t y(t) = t tan(ln t) 2 , c. y = −(y + 1)(y + 3), 1 ≤ t ≤ 3, 0 ≤ t ≤ 2, y(t) = t 1 + ln t y(1) = 0, h = 0, 2; y(0) = −2, h = 0, 1; y(t) = −3 1+e2−2t d. y = −5y + 5t2 + 2t, 0 ≤ t ≤ 1, y(0) = 13 , h = 0, 1, y(t) = t2 + 13 e−5t 3. Gunakan hasil dari soal no. 2 dan interpolasi linear untuk menghampiri nilai y(t) dan bandingkan dengan nilai sebernarnya, a. y(1,25) dan y(1,93) b. y(2,1) dan y(2,75) c. y(1,3) dan y(1,93) d. y(0,54) dan y(0,94) 4. Ulangi soal-soal pada no. 2 dengan menggunakan metode Heun 194 Bab 7 Penyelesaian Persamaan Diferensial Biasa Secara Numerik 5. Ulangi soal-soal pada no.2 dengan menggunakan metode Titik tengah 6. Ulangi soal-soal pada no. 1 dengan menggunakan metode Runge-Kutta orde empat 7. Ulangi soal-soal pada no.2 dengan menggunakan metode Runge-Kutta orde empat 8. Metode Runge-Kutta orde empat dapat ditulis dalam bentuk, w0 = α, wi+1 = wi + h h f (ti , wi ) + f (ti + α1 h, wi + δ1 f (ti , wi )) 6 3 h + f (ti + α2 h, wi + δ2 hf (ti + γh, wi + γ3 hf (ti , wi ))) 3 h + f (ti + α3 h, wi + δ3 hf (ti + γ4 h, wi + γ5 hf (ti + γ6 h, wi + γ7 + hf (ti , wi )))) 6 Tentukan nilai-nilai dari konstanta, α1 , α2 , α3 , δ1 , δ2 , δ3 , γ2 , γ3 , γ4 , γ5 , γ6 , γ7 . DAFTAR PUSTAKA Atkinson, K. E., Elementary Numerical Analysis. ,John Willey & Sons, Inc.,1995. Chapra, Steven C., Numerical Methods for Engineers: with Programming and Software Applications, McGraw-Hill, Singapore, 1998. Hamming, Richard W., Introduction to Applied Numerical Analysis, McGraw-Hill, New York, 1971. Munif, A. & Prastyoko, A., Penguasaan dan Penggunaan Metode Numerik.,Institut Teknologi Sepuluh Nopember Press, Surabaya, 1995. Munir, R., Metode Numerik., Penerbit Informatika, Bandung, 2003. Mathews, John H., Numerical Methods for Mathematics, Science and Engineering, 2 nd.,Prentice Hall International, Inc.,1992. Kreyszig, E., Advanced Engineering Matehamatics, 8 th Ed., John Wiley & Sons., New York., 1999. Susila, I.N., Dasar-Dasar Metode Numerik, DIKNAS, Jakarta., 1993. 195