Professional Documents
Culture Documents
KOMPUTASI NUMERIK
SLIDE #2
Akar Persamaan
Pencarian akar 1-D
Diberikan sebuah fungsi, tentukan lokasi dimana f(x)=0
Dibutuhkan:
Posisi awal x0, diharapkan dekat dengan solusi
Idealnya, titik-titik tersebut akan mengurung akar
Well-behaved function
f(x+) > 0
f(x) < 0
Apa yang salah?
2
3
4
1
Metode Scant
Diberikan sebuah kurva, sebuah garis secant atau secant adalah sebuah
garis yang yang memotong kurva tersebut pada dua titik.
Metode secant adalah sebuh teknik untuk mencari akar dari fungsi
bernilai skalar f(x) dari variabel tunggal x dan tidak informasi mengenai
turunannya. Metode ini mirip dengan false position tetapi dapat
mengatasi kemungkinan tidak konvergen dengan konvergensi yang
cepat.
Secant Method
Lebih cepat daripada bisection:
|n+1| = const. |n|1.6
Lebih cepat dari linier: jumlah bit benar dikalikan 1,6
Kekurangannya: rumus diatas hanya benar jika sangat dekat dengan
akar dari fungsi yang sangat halus.
Tidak menjamin akar akan dapat dikurung
Metode False Position
Mirip dengan secant, tetapi menjamin pengurungan
2
3
4
1
2
3 Slope = derivative at 1
f ( xn )
xn 1 xn
4 f ( xn )
Newton-Raphson
Begin with Taylor series
f ( xn ) want
f ( xn ) f ( xn ) f ( xn ) 2
... 0
Divide by derivative (cant be zero!) 2
f ( xn ) 2 f ( xn )
0
f ( xn ) 2 f ( xn )
2 f ( xn )
Newton 0
2 f ( xn )
f ( xn ) 2
Newton n 1 ~ n
2
2 f ( xn )
Newton-Raphson
Method fragile: can easily get confused
xn a
x
2
xn 1 xn 1
2 n a
xn
Divide and average method 2 xn
Reciprocal via Newton
Division is slowest of basic operations
On some computers, hardware divide not available (!): simulate in
software
a
b a * b1
f ( x) 1x b 0
f ( x) x12
Need only subtract and multiply
b
1
xn 1 xn 1 xn 2 bxn
x
x2
Rootfinding in >1D
Behavior can be complex: e.g. in 2D
want
f ( x, y ) 0
want
g ( x, y ) 0
Rootfinding in >1D
Cant bracket and bisect
f ( x, y )
f ( x n )
g ( x, y )
Newton in Higher Dimensions
Expand in terms of Taylor series
want
f ( x n ) f ( x n ) f ( x n ) ... 0
f is a Jacobian
f ( x n ) J f
x
f
y
Newton in Higher Dimensions
Solve for
J 1 ( x n ) f ( x n )
Requires matrix inversion (well see this later)
Often fragile, must be careful
Keep track of whether error decreases
If not, try a smaller step in direction