Persamaan Non Linear
Nilai x yang memenuhi syarat disebut akar fungsi (square root); akar-akar ini adalah solusi dari
persamaan f(x) = 0.
0 )
(x f
(a) No Roots
(b) One Root
Contoh Akar dari Beberapa Fungsi
Two Roots
Three Roots
Direct-Search Method
• Ini adalah pendekatan trial-and-error
• Tidak didapatkan nilai pasti untuk root; hanya diperoleh perkiraan dari akar (hingga dalam tingkat presisi tertentu).
• Step 1:
Tentukan rentang atau interval untuk x sebagai akar yang diasumsikan terjadi. Interval awal yang lebih kecil akan membutuhkan lebih sedikit perhitungan untuk mendapatkan nilai akar sampai ke akurasi yang diinginkan
• Step 2:
Bagilah interval menjadi sub-interval yang lebih kecil dan berjarak sama. Ukuran sub-interval ini akan ditentukan oleh ketepatan yang diperlukan untuk estimasi nilai akar
Step 3: Cari melalui semua subinterval hingga subinterval yang berisi root ditemukan
Jika root tidak terletak di dalam subinterval [A, B], maka f (A) dan f (B) memiliki tanda yang sama.
(a) no roots in the interval [A, B]
(b) Tidak ada akar pada interval [A, B]
(c) Satu akar pada interval [A, B]
(d) Satu akar pada interval [A, B]
• Metode pencarian langsung akan menemukan akar dari fungsi apa pun selama semua akar adalah nyata dan dalam interval yang ditentukan.
• Beberapa akar mungkin terlewatkan seluruhnya jika subinterval terlalu besar sehingga lebih dari satu akar terjadi dalam satu subinterval.
• Metode pencarian langsung mengasumsikan bahwa hanya ada satu dan satu root dalam setiap subinterval.
• Jika ada jumlah akar genap dalam interval pencarian, maka f (A) dan f (B) akan memiliki tanda yang sama, dan proses pencarian akan kehilangan akar dalam interval tersebut.
• Contoh: Finding Eigenvalues
0 504188
. 0 3146
. 2 3 2
3
f() f() f() 0.0 -0.504 0.1 -0.302 0.2 -0.153 0.3 -0.053 0.4 0.006 0.5 0.199 0.6 0.021 0.7 -0.011 0.8 -0.061 0.9 -0.122 1.0 -0.190 1.1 -0.257 1.2 -0.319 1.3 -0.368 1.4 -0.400 1.5 -0.407 1.6 -0.385 1.7 -0.326 1.8 -0.226 1.9 -0.077 2.0 0.125 Roots: 0.3 0.4, 0.6 0.7, 1.9 2.0
Kita bisa mendapatkan perkiraan yang lebih baik dengan interpolasi linier.
4- 9
Metode Bisection
Step 1:
Untuk interval x, tentukan titik awal xs, dan titik akhir xe, tentukan titik tengah xm di tengah interval.Step 2: Tentukan nilai dari
f(xs), f(xm), and f(xe).Step 3: Tentukan nilai f(xs)f(xm) dan f(xm)f(xe).
Jika f(xs)f(xm) <0, maka xs < root < xm.
Jikaf(xm)f(xe) <0, maka xm < root <xe.
Step 4:
• Jika belum menemukan air, lanjutkan kembali ke Langkah 1.
• Metode bisection akan selalu bertemu pada akar, asalkan hanya satu akar yang terletak di dalam interval awal untuk x.
Example: Bisection Method
0 8
10 )
(x x3 x2 x f
• Selesaikan persamaan di atas. Tent root (akar) persamaan di atas
• Perkiraan akhir dari root adalah 3.994.
• The true root=4
Iteration
i xs xm xe f(xs) f(xm) f(xe)
Subinterval Containing
Root Error
d f(xs) f(xm) f(xm) f(xe)
1 3.750 4.375 5.000 -6.830 12.850 42.000 - + —
2 3.750 4.062 4.375 -6.830 1.903 12.850 - + 0.313
3 3.750 3.906 4.062 -6.830 -2.724 1.903 + - 0.156
4 3.906 3.984 4.062 -2.724 -0.477 1.903 + - 0.078
5 3.984 4.023 4.062 -0.477 0.696 1.903 - + 0.039
6 3.984 4.004 4.023 -0.477 0.120 0.696 - + 0.019
7 3.984 3.994 4.004 -0.477 -0.180 0.120 + - 0.010
Table 4-2 Example Polynomial Solved Using the Bisection Method
Newton-Raphson Iteration
• Metode iterasi Newton-Rahpson adalah metode yang lebih cepat untuk menemukan kondisi
konvergen pada satu akar fungsi.
• Ini menggunakan bagian linier dari deret Taylor:
dx x x df
f x
f ( 1) ( 0) ) (
) (
0 0 x1 x0
dx x df
f
) (
) (
1
i i i
i f x
x x f
x
) (
) (
0 0 0
1 f x
x x f
x
dx df
x x f
x ( 0)
0
1
General formula untuk metodeNewton- Raphson method:
Newton-Raphson Method
1 1
) ( 0
) ) (
(
i i
i i
i i
i x x
x f x
x x x f
f ( )
) (
1
i i i
i f x
x x f
x
Derivation
f(x)
f(xi)
xi+1 xi
X B
C A
) (
) (
1
i i i
i f x
x x f
x
1
) ) (
( '
i i
i i
x x
x x f
f
AC
AB
tan(
Derivation of the Newton-Raphson method.
8 10
)
(x x3 x2 x f
Turunan :
10 2
3 )
( 2
x x x
f
Assume an initial estimate of the root x0=6.0.
6977 .
4 3023
. 1 10 6
) 6 ( 2 )
6 ( 3
8 ) 6 ( 10 )
6 ( )
6
6 ( 2
2 3
1
x
Contoh: Newton-Raphson Method
1289 .
4 5688
. 0 6977
. 4
10 )
6977 .
4 ( 2 )
6977 .
4 ( 3
8 ) 6977 .
4 ( 10 )
6977 .
4 ( )
6977 .
4 6977 (
.
4 2
2 3
2
x
Iteration i xi xi - xi-1 xi – xt
0 6.0000 ─ 2.0000
1 4.6977 1.3023 0.6977
2 4.1289 0.5688 0.1289
3 4.0057 0.1232 0.0057
4 4.0000 0.0057 0.0000
Error Analysis (xt: true root)
Iterasi Titik Tetap
adalah suatu metode pencarian akar sebuah fungsi f(x) secara sederhana dengan menggunakan satu titik awal.
Metode Iterasi Titik Tetap kadang-kadang dinamakan metode iterasi sederhana atau metode langsung atau metode substitusi beruntun.
Perlu diketahui bahwa fungsi f(x) yang ingin dicari hampiran akarnya harus
konvergen. Misal x adalah Fixed Point (Titik Tetap); fungsi f(x) bila g(x) = x dan f(x) = 0.
Prosedur Metode Titik Tetap
1. Memisalkan f(x) adalah fungsi yang konvergen dengan f(x) = 0 2. Mengubah ke dalam bentuk x = g(x).
3. Mentukan nilai titik awal, misal x1.
4. Mensubstitusikan titik awalnya ke persamaan g(x) sehingga g(x1) = x2, setelah itu titik x2 yang diperoleh substitusikan lagi ke g(x) sehingga menghasilkan g(x2) =
x3.
Jika dituliskan, dapat dilihat sebagai berikut:
x1 (penentuan titik awal) x2= g(x1) (iterasi pertama) x3= g(x2) (iterasi kedua)
hingga xn= g(xn-1) (iterasi ke-n)
Iterasi ini akan berhenti jika x = g(x) dan f(x) = 0 atau sudah mencapai nilai error yang cukup kecil (|xn– xn-1| < ε).
Nilai ε telah ditetapkan sebelumnya.
Contoh 1
Selesaikan persamaan x – e-x = 0 dengan menggunakan Fixed Point dengan 10 iterasi atau sampai dua angka dibelakang koma tidak berubah.
Penyelesaian:
f(x) = x – e-x
ubah terlebih dahulu ke dalam bentuk x = g(x), sehingga diperoleh x = e-X misal kita ambil titik awalnya x1 = 0.5, maka iterasinya adalah xn+1 = e-Xn akan diperoleh:
x1 = 0.5 (penetuan titik awal) f(x1) = 0.5 – e-0.5 = -0.1065
x2= g(x1) = e-0.5 = 0.6065 (iterasi pertama) f(x1) = 0.6065 – e-0.6065= 0.0612
Contoh 1 (Lanjutan)
x3= g(x2) = e-0.6065= 0.5452 (iterasi ke-2) f(x1) = 0.5452 – e-0.5452= -0.0345
x4= g(x3) = e-0.5452 = 0.5797 (iterasi ke-3) f(x1) = 0.5797 – e-0.5797= 0.0196
dan seterusnya hingga,
x9= g(x8) e-0.5664= 0.5675 (iterasi ke-9) f(x1) = 0.5 – e-0.5 = -0.1065
x10= g(x9) e-0.5675 = 0.5669 (iterasi ke-10) f(x1) = 0.5 – e-0.5 = -0.1065
sehingga apabila ditulis dalam bentuk tabel akan diperoleh:
Jadi, hampiran akar yang diperoleh menggunakan Metode Titik Tetap adalah 0.5675.
n xn g(xn-1) f(xn)
1 2 3 4 5 6 7 8 9 10
0.5 0.6065 0.5452 0.5797 0.5600 0.5712 0.5648 0.5684 0.5664 0.5675
0.6065 0.5452 0.5797 0.5600 0.5712 0.5648 0.5684 0.5664 0.5675 0.5669
-0.1065 0.0612 -0.0345
0.0196 -0.0112
0.0006 -0.0003 0.00019 -0.00011
0.00005
Contoh 2
Hitunglah hampiran akar dari persamaan
x2 – 2x – 3 = 0 pada interval [1, 4] menggunakan Fixed Point.
Penyelesaian:
Misal persamaan x2 – 2x – 3 = 0 diubah menjadi x(x – 2) – 3 = 0, sehingga diperoleh: x = 3/X-2 dan iterasinya menjadi xn+1 = 3/Xn-2.
ambil titik awal x1 = 4.
Sehingga apabila ditulis dalam tabel diperoleh:
Jadi, akar dari f(x) = x2 – 2x – 3 = 0 adalah -1 .
n xn g(xn-1) f(xn)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
4 1.5
-6 -0.375 -1.2631 -0.9193 -1.0276 -0.9908 -1.003 -0.999 -1.00033
-0.9989 -1.00036 -0.99988 -1.00004 -0.99998 -1.00001 -0.99999 -1.00000
1.5 -6 -0.375 -1.2631 -0.9193 -1.0276 -0.9908 -1.003 -0.999 -1.00033
-0.9989 -1.00036 -0.99988 -1.00004 -0.99998 -1.00001 -0.99999 -1.00000 -1.00000
5 -3.75
45 -2.1093
1.1216 -0.3162 0.1111 -0.0367 0.012 -0.00039
0.00013 -0.00043
0.00014 -0.00004 0.000016 -0.000008
0.00004 -0.000004
0
Secant Method
• Metode Secant sama dengan Metode Raphson, dengan perbedaan turunan pada Metode Secant f’(x) dihitung secara numerik, bukan secara
analitik
• Metode secant membutuhkan dua perkiraan awal dari sebuah root.
Example: Metode Secant
Ada estimasi initial : x0 = 4 and x1 = 5.5.
Example 1
Sebuah Bola apung memiliki berat jenis 0,6 dan memiliki radius 5,5 cm. Anda diminta untuk menemukan kedalaman
tempat bola terendam saat mengapung di air. (Gunakan metode newton rapshon)
Figure 3 Floating ball problem.
27
Example 1 Cont.
Persamaan yang memberikan kedalaman x dalam meter di mana bola terendam air diberikan oleh
x x3-0.165x2+3.993 10-4f
Gunakan metode Newton untuk mencari akar persamaan untuk mencari kedalaman 'x' dimana bola terendam di bawah air.
a) Lakukan tiga iterasi untuk memperkirakan akar persamaan di atas.
b) Perkiraan kesalahan relatif absolut di akhir setiap iterasi, dan
28
Figure 3 Floating ball problem.
Example 1 Cont.
x x3-0.165x2+3.993 10-4f
Untuk membantu
pemahaman tentang cara kerja metode ini untuk mencari akar persamaan, grafik f (x) ditampilkan di sebelah kanan,
dimana Solution
Figure 4 Graph of the function f(x)
Example 1 Cont.
x x - xf
. + x .
- x x
f -
33 . 0 3
'
10 993
3 165
0
2
4 2
3
Let us assume the initial guess of the root of is . This is a reasonable guess (discuss why
and are not good choices) as the extreme values of the depth x would be 0 and the diameter (0.11 m) of the ball.
x 0f m
05 .
0 0 x
0
x x 0.11m
Solve for f '
xExample 1 Cont.
06242 .
0
01242 .
0 0.05
10 9
10 118
. 0.05 1
05 . 0 33 . 0 05
. 0 3
10 .993
3 05
. 0 165 .
0 05
. 05 0
. 0
'
3 4
2
2 4 3
0 0 0
1
x f
x x f
x
Iteration 1
The estimate of the root is
Example 1 Cont.
Figure 5 Estimate of the root for the first iteration.
Example 1 Cont.
% 90 . 19
06242 100 .
0
05 . 0 06242
. 0
100
1 0 1
x
x x
a
33
The absolute relative approximate error at the end of Iteration 1
is a
The number of significant digits at least correct is 0, as you need an absolute relative approximate error of 5% or less for at least one significant digits to be correct in your result.
Example 1 Cont.
06238 .
0
10 4646
. 4 06242
. 0
10 90973
. 8
10 97781
. 06242 3
. 0
06242 .
0 33 . 0 06242
. 0 3
10 .993
3 06242
. 0 165 .
0 06242
. 06242 0
. 0
'
5 3 7
2
2 4 3
1 1 1
2
x f
x x f
x
Iteration 2
The estimate of the root is
Example 1 Cont.
Figure 6 Estimate of the root for the Iteration 2.
Example 1 Cont.
% 0716 .
0
06238 100 .
0
06242 .
0 06238
. 0
100
2 1 2
x
x x
a
The absolute relative approximate error at the end of Iteration 2
is a
The maximum value of m for which is 2.844.
Hence, the number of significant digits at least correct in the answer is 2.
m a
0.5 102
Example 1 Cont.
06238 .
0
10 9822
. 4 06238
. 0
10 91171
. 8
10 44
. 06238 4
. 0
06238 .
0 33 . 0 06238
. 0 3
10 .993
3 06238
. 0 165 .
0 06238
. 06238 0
. 0
'
9 3 11
2
2 4 3
2 2 2
3
x f
x x f
x
Iteration 3
The estimate of the root is
Example 1 Cont.
Figure 7 Estimate of the root for the Iteration 3.
Example 1 Cont.
% 0
06238 100 .
0
06238 .
0 06238
. 0
100
2 1 2
x
x x
a
The absolute relative approximate error at the end of Iteration 3
is a
The number of significant digits at least correct is 4, as only 4 significant digits are carried through all the calculations.
END
4- 40