Professional Documents
Culture Documents
Bab 4 Persamaan Differensial Biasa 2
Bab 4 Persamaan Differensial Biasa 2
Bab 4 Persamaan Differensial Biasa 2
PERSAMAAN
DIFFERENSIAL BIASA
(PDB) DAN OPTIMASI
DEFINISI PDB
KLASIFIKASI PDB
Berdasarkan Orde
Orde 1
Orde 2
Orde 3
dy
y kx
dx
d2y
dy
y
kx
2
dx
dx
d y
d y
dy
a 2 b kx
3
dx
dx
dx
CONTOH 4.1
TRANSFORMASI KANONIKAL PDB LINIER
HOMOGEN
d 4z
d 3z
d 2z
dz
6
3z 0
dt 4
dt 3
dt 2
dt
z y1
dz dy1
y2
dt dt
d 2 z dy2
y3
2
dt
dt
d 3 z dy3
y4
3
dt
dt
d 4 z dy4
4
dt
dt
dy1
dt
dy2
dt
dy3
dt
dy4
dt
y2
y3
y4
3 y1 6 y2 2 y3 5 y4
dy1
dt
dy2
dt
dy3
dt
dy4
dt
y2
y3
y4
3 y1 6 y2 2 y3 5 y4
dy1
dt
dy2
dt
dy3
dt
dy4
dt
0
0
0
0
0 0 0 1
3
6
2
atau
y' Ay
1 0
0 1
y1
y
2
y3
y4
CONTOH 4.2
TRANSFORMASI KANONIKAL PDB LINIER NON
HOMOGEN
d 4z
d 3z
d 2z
dz
t
3
z
e
dt 4
dt 3
dt 2
dt
y5 e t
dy5
e t y5
dt
dy1
dt
dy2
dt
dy3
dt
dy4
dt
dy5
dt
y2
y3
y4
3 y1 6 y2 2 y3 5 y4 y5
y5
dy1
dt
dy2
dt
dy3
dt
dy4
dt
dy5
dt
y2
y3
y4
3 y1 6 y2 2 y3 5 y4 y5
y5
0
0
A 0
3
0
1
0
0
6
0
0 0 0
1 0 0
0 1 0
2 5 1
0 0 1
CONTOH 4.3
TRANSFORMASI KANONIKAL PDB NON LINIER
3
2
d 3z
dz
2 d z
z
2z 0
3
2
dx
dx dx
z y1
dz dy1
y2
dx dx
2
d z dy2
y3
2
dx
dx
3
d z dy3
3
dx
dx
dy1
y2
dx
dy2
y3
dx
dy3
2 y1 y23 y12 y3
dx
e At
eigen.
e At Ve Dt V 1
Sehingga solusi PDB linier menjadi.
y Ve Dt V 1 y0
SISTEM
PERS. DIFERENSIAL LINIER
dy
ay
dt
nilai awal:
y 0 y0
integrasi
dy
y y 0 adt
0
y
ln
at
y0
y e at y0
2 2
3 3
A
t
A
t
e At I At
...
2!
3!
Fungsi matriks
eksponensial
Kasus 7
Berikut ini adalah PDB linier orde 2.
d 2x
dx
3 10 x 0
2
dt
dt
x(0) 3
Dengan nilai awal pada t = 0, sbb: dx
0 15
dt
Selesaikan PDB tercetak menggunakan
metode nilai-vektor eigen dalam interval 0 t
1.0 (Langkah integrasi 0.1)
d 2x
dx
3 10 x 0
2
dt
dt
x y1
dx dy1
y2
dt dt
d 2 x dy2
3 y2 y1
2
dt
dt
dy1
dt
0 1 y1
y
dy
1
3
2
2
dt
y
>> A=[0 1
Nilai awal
1 3]
A=
0
x(0) y1 (0) 3
dx
dt
y2 (0) 15
>> [V,D]=eig(A)
V=
-0.9571
0.2898
0.2898
0.9571
D=
-0.3028
0
0.9571 0.2898
V
0.2898 0.9571
3.3028
0
e0.3028 t
0
0.3028
dan D
0
3.3028
1
0.9571 0.2898
0.2898 0.9571
3
15
kasus7.m
clear
clc
A = [0 1
1 3];
% Nilai awal
yo = [3;15];
a=length(yo);
% Vektor dan Nilai eigen
[V,D]=eig(A);
% Rentang integrasi
t=[0:0.1:1]
Pemrograman MATLAB
x =zeros(length(t),a);
for i = 1 : length(t)
y = (V*diag(exp(diag(D)*t(i)))*inv(V))*yo;
x(i,:) = y;
end
x
% kurva t-x
plot(t,x(:,1))
xlabel('t')
ylabel('x')
grid on
x=
3.0000
4.7688
7.2122
10.5945
15.2839
21.7922
30.8319
43.3941
60.8578
85.1416
118.9150
15.0000
20.6902
28.6127
39.6409
54.9901
76.3512
106.0768
147.4403
204.9959
285.0806
396.5110
100
80
60
40
20
0.1
0.2
0.3
0.4
0.5
t
0.6
0.7
0.8
0.9
Rentang
integrasi
Harga awal
Kasus 8
Studi terhadap kinetika proses fermentasi berhasil
dimodelkan secara matematis sbb:
dy1
y1
k1 y1 1
dt
k2
dy2
k3 y1 k4 y2
dt
Dengan k1 = 0.03120; k2 = 47.70; k3 = 3.374 ;k4 =
0.01268 serta nilai pada t = 0, y1=5, y2=0.
Evaluasi harga y1 dan y2 dalam interval waktu 0 s.d 10
jam setiap jamnya!.
fermen.m
Pemrograman MATLAB
Pemrograman MATLAB
kasus8.m
clear
clc
tspan = [0:1:10];
yo = [5 0];
[t,y]=ode23('fermen',tspan,yo)
t=
0
1
2
3
4
5
6
7
8
9
10
y=
5.0000
5.1414
5.2863
5.4347
5.5868
5.7425
5.9020
6.0652
6.2323
6.4033
6.5783
0
17.0000
34.2657
51.8056
69.6282
87.7422
106.1564
124.8796
143.9206
163.2886
182.9924
P
O
M
I
T
I
S
A
[x,fval,exitflag] = fminsearch(fun,x0)
keterangan:
fun = Fungsi yang akan diminimumkan atau dimaksimumkan
x0 = Tebakan awal
x = Harga x yang menyebabkan fungsi minimum atau maksimum
fval = Nilai maksimum atau minimum.
exitflag = Kriteria penghentian proses iterasi. Harga x mencapai kekonvergenan jika
exitflag bernilai 1.
f=x^2-2*x-3;
m-file 1
function f=cobalagi(x)
f=x^2-2*x-3;
m-file 2
[x,fval]=fminsearch('cobalagi',0)
x=
1.0000
fval =
-4
y ( x1 3) 2 0.5( x2 4) 2 3
Jawaban
%multivaribel.m
function y = multivariabel(x);
y = (x(1)-3)^2 + 0.5*(x(2)-4)^2 + 3;
[x,fval,exitflag] = fminsearch('multivariabel',[1,16])
x =
3.0000
4.0000
fval =
3.0000
exitflag =
1
Buka problem solving soal no. 27 dan 29
Tugas