Analisis Numerik

📚 Ringkasan Konten

Buku teks komprehensif tentang teori dan aplikasi teknik aproksimasi numerik. Meliputi prasyarat matematis, analisis kesalahan, penyelesaian persamaan, interpolasi, dan solusi numerik untuk persamaan diferensial.

Menguasai seni dan ilmu dari teknik aproksimasi numerik modern.

Penulis: Richard L. Burden, J. Douglas Faires

Ucapan Terima Kasih: Didukung oleh Youngstown State University dan berbagai kontributor termasuk John Carroll (Dublin City University) serta berbagai asisten mahasiswa seperti Mario Sracic.

🎯 Tujuan Pembelajaran

1. Menerapkan Teorema Nilai Antara dan Teorema Rolle untuk membuktikan eksistensi dan keunikan solusi.
2. Membangun polinomial Taylor dan menggunakan istilah sisa mereka untuk menetapkan batas kesalahan yang ketat dalam aproksimasi numerik.
3. Membedakan antara aritmetika pembulatan dan pemotongan, serta menghitung kesalahan absolut dan relatif dalam sistem titik kambang.
4. Menerapkan metode Biseksi, Titik Tetap, Newton, Secant, dan Posisi Palsu untuk mengaproksimasi akar-akar.
5. Menganalisis orde konvergensi dan batas kesalahan untuk berbagai metode iteratif.
6. Menggunakan metode Aitken’s \Delta^2 dan Steffensen untuk mempercepat konvergensi barisan linear.
7. Menyatakan dan menjelaskan Teorema Aproksimasi Weierstrass serta implikasinya terhadap aproksimasi fungsi.
8. Membangun Polinomial Interpolasi Lagrange, Newton Divided-Difference, dan Hermite untuk himpunan data tertentu.
9. Menerapkan Metode Neville untuk secara iteratif menghasilkan aproksimasi polinomial.
10. Turunan dan penerapan rumus diferensiasi numerik (Tiga-Poin) serta estimasi kesalahan.

🔹 Pelajaran 1: Prasyarat Matematis dan Analisis Kesalahan

Gambaran Umum: Pelajaran ini membangun jembatan dasar antara kalkulus teoretis dan perhitungan numerik praktis. Melihat kembali teorema kalkulus penting yang digunakan untuk estimasi kesalahan—seperti Teorema Taylor dan Teorema Nilai Rata-Rata—sebelum beralih ke keterbatasan aritmetika komputer. Siswa akan belajar mengukur kesalahan, mengidentifikasi penyebab hilangnya presisi (seperti pembatalan angka signifikan), dan mengevaluasi efisiensi algoritma menggunakan notasi Big Oh.

Hasil Pembelajaran:

• Menerapkan Teorema Nilai Antara dan Teorema Rolle untuk membuktikan eksistensi dan keunikan solusi.
• Membangun polinomial Taylor dan gunakan istilah sisanya untuk menetapkan batas kesalahan yang ketat dalam aproksimasi numerik.
• Membedakan antara aritmetika pembulatan dan pemotongan, serta menghitung kesalahan absolut dan relatif dalam sistem titik kambang.

🔹 Pelajaran 2: Penyelesaian Persamaan dalam Satu Variabel

Gambaran Umum: Pelajaran ini mengeksplorasi teknik numerik untuk mencari nol fungsi f(x) = 0, masalah dasar dalam komputasi ilmiah. Meliputi serangkaian metode mulai dari metode Biseksi yang kuat tetapi lambat hingga metode Newton yang cepat konvergen dan variasinya (Secant, Posisi Palsu). Selain itu, pelajaran ini membahas topik lanjutan seperti analisis kesalahan untuk konvergensi iteratif, teknik penanganan akar ganda, dan algoritma khusus untuk polinomial seperti metode Müller dan Horner.

Hasil Pembelajaran:

• Menerapkan metode Biseksi, Titik Tetap, Newton, Secant, dan Posisi Palsu untuk mengaproksimasi akar.
• Menganalisis orde konvergensi dan batas kesalahan untuk berbagai metode iteratif.
• Menggunakan metode Aitken’s \Delta^2 dan Steffensen untuk mempercepat konvergensi barisan linear.

🔹 Pelajaran 3: Interpolasi dan Aproksimasi Polinomial

Gambaran Umum: Pelajaran ini mengeksplorasi metode-metode mendekati fungsi kontinu menggunakan polinomial aljabar. Dimulai dengan dasar teoretis Teorema Aproksimasi Weierstrass, isi pelajaran berkembang melalui bentuk Lagrange dan Newton dari interpolasi, metode iteratif Neville, serta polinomial Hermite. Pelajaran diakhiri dengan interpolasi spline kubik dan kurva parametrik, menunjukkan bagaimana polinomial bagian-bagian menghindari bahaya osilasi dari polinomial global derajat tinggi dalam aplikasi praktis seperti penyesuaian kurva.

Hasil Pembelajaran:

• Menyatakan dan menjelaskan Teorema Aproksimasi Weierstrass serta implikasinya terhadap aproksimasi fungsi.
• Membangun Polinomial Interpolasi Lagrange, Newton Divided-Difference, dan Hermite untuk himpunan data tertentu.
• Menerapkan Metode Neville untuk secara iteratif menghasilkan aproksimasi polinomial.

🔹 Pelajaran 4: Diferensiasi dan Integrasi Numerik

Gambaran Umum: Pelajaran ini membahas aproksimasi numerik turunan dan integral, penting untuk menyelesaikan masalah matematis di mana solusi analitik sulit atau tidak mungkin diperoleh. Siswa akan menjelajahi diferensiasi akurat melalui rumus Tiga-Poin dan Ekstrapolasi Richardson, beralih ke teknik integrasi Newton-Cotes (aturan Trapesium dan Simpson), dan menguasai metode kuadratur lanjutan termasuk Romberg, Adaptif, dan Kuadratur Gauss. Ruang lingkup ini diakhiri dengan penanganan numerik integral ganda dan integral tak wajar.

Hasil Pembelajaran:

• Turunan dan penerapan rumus diferensiasi numerik (Tiga-Poin) serta estimasi kesalahan.
• Implementasi Ekstrapolasi Richardson untuk meningkatkan orde akurasi aproksimasi numerik.
• Penerapan aturan integrasi numerik komposit dan kuadratur adaptif untuk menangani variasi fungsi kompleks.

🔹 Pelajaran 5: Masalah Nilai Awal untuk Persamaan Diferensial Biasa

Gambaran Umum: Pelajaran ini membahas aproksimasi numerik solusi dari masalah nilai awal (IVP). Dimulai dari dasar teoretis keberlakuan baik dan kondisi Lipschitz, lalu berkembang ke metode dasar seperti Euler hingga teknik canggih termasuk Runge-Kutta, metode multistep, ekstrapolasi, dan analisis stabilitas. Akhirnya, dibahas skenario khusus melibatkan sistem persamaan diferensial dan tantangan unik yang ditimbulkan oleh persamaan keras (stiff equations).

Hasil Pembelajaran:

• Menentukan apakah suatu IVP berlaku baik menggunakan kondisi Lipschitz dan teorema eksistensi-keunikan.
• Melaksanakan dan menganalisis kesalahan dari metode satu-langkah (Euler, Taylor, Runge-Kutta) dan metode multistep (Adams-Bashforth, Adams-Moulton).
• Menerapkan teknik adaptif (Runge-Kutta-Fehlberg, Langkah Variabel) dan ekstrapolasi untuk menyelesaikan ODE dalam batas toleransi kesalahan tertentu.

🔹 Pelajaran 6: Metode Langsung untuk Menyelesaikan Sistem Linear

Gambaran Umum: Pelajaran ini membahas pendekatan algoritmik sistematis untuk menyelesaikan sistem persamaan linear, beralih dari eliminasi Gaussian dasar ke teknik faktorisasi matriks canggih. Siswa akan mengeksplorasi strategi untuk menjaga stabilitas numerik melalui pivot, menganalisis sifat aljabar matriks (inversi, determinan), dan menerapkan faktorisasi khusus (LU, LDL^t, Cholesky, dan Crout) untuk komputasi efisien dalam konteks teknik dan ilmiah.

Hasil Pembelajaran:

• Melakukan eliminasi Gaussian dengan substitusi mundur dan mengevaluasi kompleksitas operasionalnya.
• Menerapkan strategi Pivot Parsial dan Pivot Parsial Berskala untuk meminimalkan kesalahan pembulatan.
• Menghitung invers matriks dan determinan menggunakan operasi baris dan ko-faktor.

🔹 Pelajaran 7: Teknik Iteratif dalam Aljabar Matriks

Gambaran Umum: Pelajaran ini membahas transisi dari metode langsung ke metode iteratif untuk menyelesaikan sistem besar persamaan linear. Fokus pada pengukuran besar vektor dan matriks melalui norma, menentukan kriteria konvergensi melalui radius spektral, dan menerapkan algoritma iteratif dasar termasuk Jacobi, Gauss-Seidel, dan Successive Over-Relaxation (SOR). Selain itu, membahas stabilitas numerik melalui refines iteratif, batas kesalahan, dan metode Konjugat Gradien yang sangat efisien ditingkatkan dengan preconditioning.

Hasil Pembelajaran:

• Menghitung norma vektor dan matriks (l_2 dan l_\infty) serta menentukan radius spektral matriks untuk menilai konvergensi.
• Menerapkan dan membandingkan teknik iteratif Jacobi, Gauss-Seidel, dan SOR untuk menyelesaikan A\mathbf{x} = \mathbf{b}.
• Mengestimasi batas kesalahan menggunakan angka kondisi dan menerapkan refines iteratif untuk meningkatkan akurasi solusi perkiraan.

🔹 Pelajaran 8: Teori Aproksimasi

Gambaran Umum: Pelajaran ini mengeksplorasi metode mendekati fungsi dan himpunan data ketika representasi eksak tidak tersedia atau tidak praktis secara komputasi. Kami fokus pada minimisasi kesalahan melalui Least Squares Diskret, memanfaatkan efisiensi Polinomial Ortogonal dan Chebyshev, serta memperluas teknik-teknik ini ke Aproksimasi Rasional dan Trigonometri, berakhir dengan algoritma performa tinggi Fast Fourier Transform (FFT).

Hasil Pembelajaran:

• Membangun dan menyelesaikan persamaan normal untuk aproksimasi least squares linier dan polinomial diskret.
• Menghasilkan basis polinomial ortogonal menggunakan proses Gram-Schmidt untuk menghindari sistem yang tidak stabil.
• Menerapkan polinomial Chebyshev untuk meminimalkan kesalahan interpolasi maksimum dan melakukan ekonomisasi polinomial.

🔹 Pelajaran 9: Aproksimasi Nilai Eigen

Gambaran Umum: Pelajaran ini berfokus pada teknik numerik untuk mengaproksimasi nilai eigen, melampaui akar simbolik dari polinomial karakteristik yang sering kali mahal secara komputasi atau tidak mungkin ditemukan untuk matriks besar. Siswa akan belajar menempatkan nilai eigen menggunakan Teorema Lingkaran Geršgorin, menerapkan teknik iteratif seperti Metode Power dan Inverse Power untuk nilai eigen dominan dan tertentu, serta menggunakan transformasi struktural (Householder dan Algoritma QR) dan Dekomposisi Nilai Singular (SVD) untuk analisis matriks menyeluruh.

Hasil Pembelajaran:

• Menempatkan nilai eigen dalam bidang kompleks menggunakan Teorema Lingkaran Geršgorin.
• Menerapkan Metode Power dan Metode Inverse Power dengan akselerasi Aitken untuk menemukan nilai eigen dominan dan tergeser.
• Mengurangi matriks simetris menjadi bentuk tridiagonal menggunakan Metode Householder dan mencari semua nilai eigen melalui Algoritma QR.

🔹 Pelajaran 10: Solusi Numerik Sistem Persamaan Nonlinear

Gambaran Umum: Pelajaran ini membahas transisi dari pencarian akar variabel tunggal ke menyelesaikan sistem persamaan nonlinear, di mana tujuan utamanya adalah menemukan vektor \mathbf{x} sehingga \mathbf{F}(\mathbf{x}) = \mathbf{0}. Kita mengeksplorasi iterasi titik tetap untuk beberapa variabel, Metode Newton berbasis Jacobian, metode Quasi-Newton yang efisien secara komputasi (khususnya Broyden), serta teknik tangguh seperti Metode Turunan Terjal dan Homotopi/Continuation untuk menemukan pendekatan awal atau menangani sistem di mana metode standar gagal.

Hasil Pembelajaran:

• Mendefinisikan dan menerapkan iterasi titik tetap untuk fungsi beberapa variabel serta menentukan kriteria konvergensi menggunakan Teorema 10.6.
• Membangun matriks Jacobian untuk sistem nonlinear dan menerapkan metode Newton untuk mencapai konvergensi kuadratik.
• Menjalankan metode Broyden menggunakan rumus Sherman-Morrison untuk memperbarui invers Jacobian secara efisien.

🔹 Pelajaran 11: Masalah Nilai Batas untuk Persamaan Diferensial Biasa

Gambaran Umum: Pelajaran ini membahas penyelesaian numerik masalah nilai batas orde kedua (BVP) di mana syarat diberikan di titik yang berbeda, berbeda dengan masalah nilai awal. Siswa akan belajar mengubah BVP menjadi sistem yang dapat diselesaikan menggunakan Metode Shooting Linier dan Nonlinier, pendekatan diskret melalui Metode Beda Hingga, dan teknik variational melalui Metode Rayleigh-Ritz. Metode-metode ini penting untuk menyelesaikan masalah dunia nyata dalam teknik struktural (defleksi balok) dan fisika (potensial elektrostatik).

Hasil Pembelajaran:

• Menerapkan Teorema 11.1 untuk menentukan eksistensi dan keunikan solusi masalah nilai batas.
• Mengubah BVP orde kedua menjadi sepasang masalah nilai awal (IVP) menggunakan Metode Shooting Linier.
• Menerapkan Metode Newton untuk menyelesaikan iteratif masalah shooting nonlinier.

🔹 Pelajaran 12: Solusi Numerik Persamaan Diferensial Parsial

Gambaran Umum: Pelajaran ini membahas aproksimasi numerik solusi dari tiga kelas utama persamaan diferensial parsial (PDE): Elliptik, Parabolik, dan Hiperbolik. Dengan menggunakan metode beda hingga, siswa akan belajar menge-discretisasi domain kontinu menjadi kisi mesh dan mengubah operator diferensial menjadi sistem aljabar persamaan. Fokus utama meliputi stabilitas metode bergantung waktu (Bedanya Maju vs. Crank-Nicolson) dan penyelesaian iteratif sistem stasioner (Poisson dan Laplace).

Hasil Pembelajaran:

• Mendiskretisasi domain spasial dan temporal menggunakan kisi beda hingga untuk berbagai jenis PDE.
• Menerapkan metode Beda Maju, Beda Mundur, dan Crank-Nicolson untuk menyelesaikan persamaan panas parabolik sambil mengevaluasi kendala stabilitas.
• Membangun dan menyelesaikan sistem linear yang berasal dari persamaan elliptik (Poisson/Laplace) dan persamaan gelombang hiperbolik.