Professional Documents
Culture Documents
Buku Kumpulan Tugas Wolfram Mathematics
Buku Kumpulan Tugas Wolfram Mathematics
MATEMATIKA
TEKNIK
21539144004
S1-TEKNIK MANUFAKTUR-E2
1.0
0.5
Out[ ]=
1 2 3 4 5 6
-0.5
-1.0
1.0
0.5
Out[ ]=
2 4 6 8 10 12
-0.5
-1.0
2 Sultan Hulio Andrian_Tugas 1 Wolfram.nb
1.0
0.5
Out[ ]=
1 2 3 4 5 6
-0.5
-1.0
1.0
0.5
Out[ ]=
2 4 6 8 10 12
-0.5
-1.0
Out[ ]=
1 2 3 4 5 6
-2
-4
-6
Sultan Hulio Andrian_Tugas 1 Wolfram.nb 3
Out[ ]=
2 4 6 8 10 12
-2
-4
-6
NAMA : SULTAN HULIO ANDRIAN
NIM : 21 539 144 004
PRODI : S1 - TEKNIK MANUFAKTUR_E2
In[ ]:= Plot[y = 3 x + 6, {x, 0, 9}, AxesLabel → {"sumbu x", "sumbu y"},
Frame → True, GridLines → Automatic]
30
25
20
Out[ ]=
15
10
5
0 2 4 6 8
In[ ]:= Plot[y = 4 x + 5, {x, 0, 7}, AxesLabel → {"sumbu x", "sumbu y"},
Frame → True, GridLines → Automatic]
30
25
20
Out[ ]=
15
10
5
0 1 2 3 4 5 6 7
2 Sultan Hulio Andrian_Tugas 2 Wolfram.nb
20
10
Out[ ]=
0 sumbu x
-10
-20
-6 -4 -2 0 2 4
80
60
40
Out[ ]=
20
0 sumbu x
-20
-5 0 5 10
200
150
Out[ ]=
100
50
0 2 4 6 8 10 12 14
Sultan Hulio Andrian_Tugas 2 Wolfram.nb 3
250
200
150
Out[ ]=
100
50
-5 0 5 10 15
140
120
100
80
Out[ ]=
60
40
20
-5 0 5 10
150
Out[ ]= 100
50
-10 -5 0 5 10
4 Sultan Hulio Andrian_Tugas 2 Wolfram.nb
100
80
60
Out[ ]=
40
20
-10 -5 0 5
150
100
Out[ ]=
50
0
-5 0 5 10
1500
1000
Out[ ]=
500
0 sumbu x
-5 0 5 10
Sultan Hulio Andrian_Tugas 2 Wolfram.nb 5
500
0 sumbu x
-500
Out[ ]= -1000
-1500
-2000
-2500
-10 -5 0 5
-100
-200
Out[ ]=
-300
-400
-8 -7 -6 -5 -4 -3 -2
50
0 sumbu x
Out[ ]= -50
-100
-150
-6 -4 -2 0 2 4
6 Sultan Hulio Andrian_Tugas 2 Wolfram.nb
1000
500
Out[ ]=
0 sumbu x
-500
-5 0 5 10
1500
1000
500
Out[ ]=
0 sumbu x
-500
-1000
-4 -2 0 2 4
300 000
200 000
100 000
Out[ ]= 0 sumbu x
-100 000
-200 000
-300 000
-8 -6 -4 -2 0 2 4 6
Sultan Hulio Andrian_Tugas 2 Wolfram.nb 7
10 000
8000
Out[ ]= 6000
4000
2000
0
-5 0 5 10
5 × 106
4 × 106
3 × 106
Out[ ]=
2 × 106
1 × 106
0
-15 -10 -5 0 5 10
4 × 109
3 × 109
Out[ ]=
2 × 109
1 × 109
0
-15 -10 -5 0 5 10 15 20
8 Sultan Hulio Andrian_Tugas 2 Wolfram.nb
-3.5
-4.0
-4.5
Out[ ]=
-5.0
-5.5
-6.0
-6.5
-15 -10 -5 0 5 10 15
-9.5
-10.0
-10.5
Out[ ]= -11.0
-11.5
-12.0
-12.5
-13.0
-10 -5 0 5 10 15
-6.0
-6.5
-7.0
Out[ ]=
-7.5
-8.0
-8.5
-9.0
-10 -5 0 5 10 15
Sultan Hulio Andrian_Tugas 2 Wolfram.nb 9
-9.5
-10.0
-10.5
Out[ ]=
-11.0
-11.5
-12.0
-12.5
-10 -5 0 5 10 15 20
-0.5
-1.0
-1.5
-2.0
Out[ ]=
-2.5
-3.0
-3.5
-4.0
-5 0 5 10
10 Sultan Hulio Andrian_Tugas 2 Wolfram.nb
Out[ ]= 0 sumbu x
-2
-4
Out[ ]=
0 sumbu x
-2
-4
-5 -4 -3 -2 -1 0 1 2
Out[ ]=
0 sumbu x
-2
-4
-6
-6 -4 -2 0 2 4 6 8
Sultan Hulio Andrian_Tugas 2 Wolfram.nb 11
10
Out[ ]=
0 sumbu x
-5
-10
-5 0 5 10 15
10
Out[ ]=
0 sumbu x
-5
-10
-10 -5 0 5 10 15 20
15
10
Out[ ]=
0 sumbu x
-5
-10
-15
-10 -5 0 5 10 15 20
12 Sultan Hulio Andrian_Tugas 2 Wolfram.nb
Out[ ]=
0 sumbu x
-2
-4
-6
-20 -10 0 10 20
Out[ ]=
0 sumbu x
-2
-4
-6
-10 -5 0 5 10 15
10
Out[ ]=
0 sumbu x
-5
-10
In[ ]:= Plot[y = 2 ^ x, {x, 2, 12}, AxesLabel → {"sumbu x", "sumbu y"},
Frame → True, GridLines → Automatic]
2500
2000
1500
Out[ ]=
1000
500
0
2 4 6 8 10 12
50
0 sumbu x
Out[ ]=
-50
-100
-10 -5 0 5 10
-500
-1000
Out[ ]=
-1500
-2000
-8 -6 -4 -2 0
14 Sultan Hulio Andrian_Tugas 2 Wolfram.nb
300
295
290
Out[ ]=
285
280
275
11.0 11.2 11.4 11.6 11.8 12.0
30 000
20 000
10 000
Out[ ]=
0 sumbu x
-10 000
-20 000
-30 000
-4 -2 0 2 4
Out[ ]=
1
0 sumbu x
0 2 4 6 8 10 12 14
Sultan Hulio Andrian_Tugas 2 Wolfram.nb 15
2.2
2.1
2.0
Out[ ]=
1.9
1.8
2
Out[ ]=
0 sumbu x
-4 -2 0 2 4 6
3
Out[ ]=
-5 0 5 10
16 Sultan Hulio Andrian_Tugas 2 Wolfram.nb
4.6
4.4
4.2
Out[ ]=
4.0
3.8
3.6
6 8 10 12 14
NAMA : SULTAN HULIO ANDRIAN
NIM : 21 539 144 004
PRODI : S1 - TEKNIK MANUFAKTUR_E2
1. Selesaikan integral pada buku K.A. STROUD halaman 361 REVIEW EXERCISE 14
a. Nomor 1. a dan 1. b
1. a
3 2
In[ ]:= 2 x - 5 x + 6 x - 9 ⅆ x
5 x3 x4
Out[ ]= - 9 x + 3 x2 - +
3 2
100
0 sumbu x
Out[ ]=
-100
-200
-300
-400
-4 -2 0 2 4
1. b
3 2
In[ ]:= 9 x + 11 x - x - 3 ⅆ x
x2 11 x3 9 x4
Out[ ]= -3 x - + +
2 3 4
15
10
Out[ ]=
b. Nomor 2. a sampai 2. j
2. a
2
In[ ]:= 1 - 4 x ⅆ x
16 x3
Out[ ]= x - 4 x2 +
3
In[ ]:= Plot1 - 4 x2 , {x, 0, 5}, AxesLabel → {"sumbu x", "sumbu y"},
Frame → True, GridLines → Automatic
300
200
Out[ ]=
100
0
0 1 2 3 4 5
2. b
5 x-2
In[ ]:= 4ⅇ ⅆx
4
Out[ ]= ⅇ-2+5 x
5
In[ ]:= Plot4 ⅇ5 x-2 , {x, 5, 15}, AxesLabel → {"sumbu x", "sumbu y"},
Frame → True, GridLines → Automatic
8 × 1028
6 × 1028
4 × 1028
Out[ ]=
2 × 1028
0
6 8 10 12 14
2. c
Sultan Hulio Andrian_Tugas 3 Wolfram.nb 3
3
Out[ ]= - Cos[1 + 2 x]
2
Out[ ]=
0 sumbu x
-1
-2
-3
-4 -2 0 2 4 6 8 10
2. d
-5
In[ ]:= 3 - 2 x ⅆ x
1
Out[ ]=
8 3 - 2 x4
0.0000
-0.0002
-0.0004
-0.0006
Out[ ]=
-0.0008
-0.0010
-0.0012
-0.0014
2 4 6 8 10 12
2. e
7
In[ ]:= ⅆx
2x-5
7
Out[ ]= Log[- 5 + 2 x]
2
4 Sultan Hulio Andrian_Tugas 3 Wolfram.nb
7
In[ ]:= Plot , {x, 0, 10}, AxesLabel → {"sumbu x", "sumbu y"},
2x-5
Frame → True, GridLines → Automatic
Out[ ]= 0 sumbu x
-5
0 2 4 6 8 10
2. f
1 1
Out[ ]= - Cos[3 x] Sin[1] + Cos[1] Sin[3 x]
3 3
1.0
0.5
-0.5
-1.0
0 2 4 6 8 10 12 14
3 x-1
In[ ]:= 2 ⅆx
2-1+3 x
Out[ ]=
Log[8]
Sultan Hulio Andrian_Tugas 3 Wolfram.nb 5
In[ ]:= Plot23 x-1 , {x, 0, 10}, AxesLabel → {"sumbu x", "sumbu y"},
Frame → True, GridLines → Automatic
3.0 × 107
2.5 × 107
2.0 × 107
Out[ ]=
1.5 × 107
1.0 × 107
5.0 × 106
0
0 2 4 6 8 10
2. h
2
In[ ]:= 6 Sec 2 + 3 x ⅆ x
3 x2
Out[ ]= 6 Sec2 2 x +
2
1.0
0.5
-0.5
-1.0
0 1 2 3 4 5
2. i
In[ ]:= 3 - 4 x ⅆx
1
Out[ ]= - 3 - 4 x3/2
6
6 Sultan Hulio Andrian_Tugas 3 Wolfram.nb
1.5
1.0
Out[ ]=
0.5
0.0
0 2 4 6 8 10 12 14
2. j
1-3 x
In[ ]:= 5ⅇ ⅆx
5
Out[ ]= - ⅇ1-3 x
3
In[ ]:= Plot5 ⅇ1-3 x , {x, 0, 15}, AxesLabel → {"sumbu x", "sumbu y"},
Frame → True, GridLines → Automatic
0.012
0.010
0.008
Out[ ]=
0.006
0.004
0.002
0.000
0 2 4 6 8 10 12 14
2. a
4004
In[ ]:= 1 - 4 x ⅆx
1 - 4 x4005
Out[ ]= -
16 020
Sultan Hulio Andrian_Tugas 3 Wolfram.nb 7
2. × 10-180
1.5 × 10-180
Out[ ]=
1. × 10-180
5. × 10-181
0
0 2 4 6 8 10
2. Selesaikan integral pada buku K.A. STROUD halaman 369 REVIEW EXERCISE 31
a. Soal 1 Soal 2 Soal 3
Soal 1
4
2
In[ ]:= 5 + 4 x - x ⅆ x
1
Out[ ]= 24
Soal 2
5
2
In[ ]:= 2 x + 4 x + 3 ⅆ x
2
Out[ ]= 129
Soal 3
3
2
In[ ]:= x - 2 x + 3 ⅆ x
-1
40
Out[ ]=
3
Soal 1
-5.0 × 106
Out[ ]=
-1.0 × 107
-1.5 × 107
Soal 1
Out[ ]= 7
5
1.0 1.5 2.0 2.5 3.0 3.5 4.0
Soal 2
Sultan Hulio Andrian_Tugas 3 Wolfram.nb 9
70
60
50
Out[ ]=
40
30
20
Soal 3
Out[ ]=
4
2
-1 0 1 2 3
Rumus Dasar Integral
Keterangan:
• a, b : batas atas dan batas bawah integral
• f(x) : persamaan kurva
• F(x) : luasan di bawah kurva f(x)
Contoh Soal :
Sifat Integral
Integral Tak Tentu
Seperti yang telah dijelaskan pada bagian sebelumnya, integral tak tentu merupakan suatu
kebalikan dari turunan. Kalian dapat menyebutnya sebagai anti turunan atau antiderivative.
Integral tak tentu dari suatu fungsi menghasilkan fungsi baru yang belum memiliki nilai yang
tentu karena masih terdapat variabel dalam fungsi baru tersebut.
Integral Tentu
Integral tentu didefinisikan sebagai jumlahan suatu daerah yang dibatasi kurva atau persamaan
tertentu.
Berbeda dari integral tak tentu, integral tentu memiliki nilai tertentu karena batas yang
ditentukan sudah jelas.
Secara umum, integral tentu didefinisikan sebagai
Contoh soal integral tentu :
Integral Pecahan
Fungsi pecahan dapat didefinisikan sebagai f(x)/g(x). Penyelesaian integral fungsi
pecahan dapat dilakukan dengan memecah fungsi yang kompleks menjadi beberapa fungsi
yang lebih sederhana. Perhatikan contoh berikut.
Integral Eksponensial
Fungsi Eksponensial biasanya dilambangkan dengan ex. Berikut ini rumusnya :
Contoh soal :
Integral Substitusi
Beberapa permasalahan atau integral suatu fungsi dapat diselesaikan dengan integral substitusi
jika terdapat perkalian fungsi dengan salah satu fungsi merupakan turunan fungsi yang lain.
Integral Parsial
Integral parsial bisa kita gunakan untuk menyelesaikan soal perkalian antar integral. Secara
umum rumusnya seperti dibawah ini.
Tabel Integral
Gunakan tabel dibawah ini untuk mempermudah dalam mengerjakan soal-soal integral ya.
Rumus Dasar Diferensial
xn = nxn-1
ax = ax lim a
a
log x = 1
x lim a
1. Perkalian
F (x) = u.v
f ' (x) = u'v + uv'
Keterangan :
• u' menyatakan turunan fungsi u
• v' menyatakan turunan fungsi v
Contoh Soal =
2. Pembagian
f(x) = u
v
3. Logaritmik
y= uv > ln y = ln uv – ln w
w
ln y = ln u + ln v – ln w
1 dy = 1 dy + 1 dv – 1 dw
y dx y dx v dx w dx
Contoh soal :
4. Aturan Rantai
dy = dy . du . dv . dw
dx du dv dw dx
5. Trigonometri
Contoh Soal :
y’ = −sin u . u’
y’ = −sin x2 . 2x
y’ = −2x sin x2
y’ = sec u tan u . u’
y’ = sec 1/2x tan 1/2x . 1/2
y’ = 1/2sec 1/2x tan 1/2x
y’ = sec2u . u’
y’ = sec2(2x+1) . 2
y’ = 2sec2(2x+1)
y’ = n [u(x)]n-1 . u'(x)
y’ = 7 [sin (4x−3)]7-1 . 4 cos (4x−3)
y’ = 28 sin 6 (4x−3) cos (4x−3)
RANGKUMAN APLIKASI INTEGRAL
No. Gambar Rumus Contoh
𝑏 𝜋
1. Luas Daerah
𝐿 = ∫ 𝑦 𝑑𝑥 𝐿 = ∫ sin[11𝑥] 𝑑𝑥
𝑎 0
cos(11𝑥 ) 𝜋
= [− ]
11 0
cos 11𝜋 cos(0)
= [− ] − [− ]
11 11
(−1) 1
= [− ] − [− ]
11 11
2
=
11
𝑏 3
2. Volume Benda Putar 496𝜋
Terhadap Sumbu X 𝑉 = ∫ 𝜋(𝑦) 𝑑𝑥2 𝑉 = ∫ 𝜋(𝑥 2 − 1)2 𝑑𝑥 =
𝑎 1 15
3
Persamaan Parametrik
𝜃2 = 𝜋 ∫ 𝑥 4 − 2𝑥 2 + 1𝑑𝑥
𝑑𝑥
𝑉 = ∫ 𝜋𝑦 2 . . 𝑑𝜃 1
𝜃1 𝑑𝜃
𝑥 5 2𝑥 3 3
= 𝜋[ − + 𝑥]
5 3 1
35 2(3)3
= 𝜋 [( − + 3)
5 3
15 2(1)3
−( − + 1)]
5 3
168 8
= 𝜋 [( ) − ( )]
5 15
496𝜋
=
15
Persamaan Parametrik
𝑡2
𝐷𝑖𝑘𝑒𝑡 ∶ 𝑥 = , 𝑦 = 𝑡2 − 1
2
3
𝑉 = ∫ 𝜋(𝑡 2 − 1)2 . 𝑡. 𝑑𝑡
1
3
= 𝜋 ∫ 𝑡 5 − 2𝑡 3 + 𝑡 𝑑𝑥
1
𝑡6 𝑡4 𝑡2 3
= 𝜋[ − + ]
6 2 2 1
6 4
3 3 32
= 𝜋 [( − + )
6 2 2
16 14 12
− ( − + )]
6 2 2
171 1
= 𝜋 [( 2 ) − (6)]
256𝜋
=
3
4. Titik Berat 𝑏 5
∫𝑎 𝑥𝑦 𝑑𝑥 ∫0 𝑥(2𝑥 2 ) 𝑑𝑥
•𝑥 = 𝑏 •𝑥 = 5
∫𝑎 𝑦 𝑑𝑥 ∫0 (2𝑥 2 ) 𝑑𝑥
𝑏1
∫𝑎 2 𝑦 2 𝑑𝑥 5
•𝑦 = 𝑏 ∫0 (2𝑥 3 )𝑑𝑥
∫𝑎 𝑦 𝑑𝑥 = 5
∫0 (2𝑥 2 ) 𝑑𝑥
PAGE 1
𝑥4 5
[ ]
2 0
= 3
2𝑥 5
[ ]
3 0
54 04
[ ]−[ ]
2 2
= 2(5)3 2(0)3
[ ]−[ ]
3 0
625
[ ]−[0]
2
= 250
[ ]−[0]
3
15
=4
5. Pusat gravitasi 𝑏 5
∫𝑎 𝑥𝑦 2 𝑑𝑥 ∫0 𝑥(5 − 𝑥 2 )2 𝑑𝑥
•𝑥 = 𝑏 •𝑥 = 5
∫𝑎 𝑦 2 𝑑𝑥 ∫0 (5 − 𝑥 2 )2 𝑑𝑥
5
•𝑦 =0 ∫ 𝑥 5 −10𝑥 3 +25𝑥 𝑑𝑥
= 05
∫0 𝑥 4 −10𝑥 2 +25𝑥 𝑑𝑥
𝑥6 5𝑥4 25𝑥2 5
[ − + ]
6 2 2 0
= 𝑥5 10𝑥 3 5
[ − +25𝑥]
5 3 0
8125
[ ]−[0]
6
= 1000
[ ]−[0]
3
65
= 16
•𝑦=0
6. Panjang Kurva 2𝑥√𝑥
𝑏
𝑑𝑦 2 Diket : y = 3
𝑉 = ∫ √1 + ( ) 𝑑𝑥
𝑑𝑥 8
𝑎 =∫0 √1 + (√𝑥 )2 𝑑𝑥
Persamaan Parametrik 1
8
=∫0 (1 + 𝑥)2 𝑑𝑥
PAGE 2
2√(1+𝑥 3 8
𝜃2
𝑑𝑥 2 𝑑𝑦 2 =[ 3 0
]
𝑉=∫ √ ( ) + ( ) . 𝑑𝜃
𝜃1 𝑑𝜃 𝑑𝜃 2√(1+8)3 2√1+0)3
=[ 3 ] − [ 3 ]
2
= [18] − [ ]
3
52
=
3
Persamaan Parametrik
2𝑡√𝑡
𝑑𝑖𝑘𝑒𝑡 ∶ 𝑥 = 2𝑡, 𝑦 =
3
8
𝑠 = ∫ √(√𝑡)2 + (2)2 . 𝑑𝑡
0
8 1
= ∫ (𝑡 + 4)2 . 𝑑𝑡
0
2√(𝑡 + 4)3 8
=[ ]
3 0
Persamaan Parametrik
Diket : x = 2t2, y = t2
PAGE 3
4
𝐴 = ∫ 2𝜋(𝑡 2 )√(4𝑡)2 + (2𝑡)2 . 𝑑𝑡
0
4
=∫0 𝜋𝑡 2 √20𝑥 2 . 𝑑𝑡
4
=𝜋 ∫0 2√5 𝑡 3 . 𝑑𝑡
√5𝑡 4 4
=𝜋 [ ]
2 0
√5 (4)4 √5 (0)4
=𝜋 [( 2 ) − ( )]
2
=32√5𝜋
PAGE 4
Matriks – Definisi
Matriks adalah himpunan bilangan real atau kompleks (atau elemen) yang disusun dalam baris
dan kolom untuk membentuk array persegi panjang. Suatu matriks yang memiliki m baris dan
n kolom disebut matriks m n (yaitu 'm kali n') dan disebut memiliki orde m n. Sebuah matriks
ditunjukkan dengan menulis array dalam tanda kurung.
Matriks hanyalah sebuah array angka: tidak ada hubungan aritmatika antara elemen dan
karena itu berbeda dari determinan karena elemen tidak dapat dikalikan dengan cara apapun
untuk menemukan nilai numerik dari matriks. Sebuah matriks tidak memiliki nilai numerik.
Juga, secara umum, baris dan kolom tidak dapat dipertukarkan seperti halnya dengan
determinan.
Matriks baris : Matriks baris hanya terdiri dari 1 baris.
Notasi matriks
Di mana tidak ada ambiguitas, seluruh matriks dapat dilambangkan dengan satu umum 6
elemen diapit dalam tanda kurung, atau dengan satu huruf yang dicetak dengan huruf tebal. Ini
sangat singkatan yang rapi dan menghemat banyak ruang dan penulisan. Sebagai contoh :
Demikian pula dapat dilambangkan dengan (xi) atau (x) atau hanya dengan x:
Untuk matriks (m x n), kami menggunakan huruf kapital tebal, mis. A. Untuk matriks baris
atau kolom, kami menggunakan huruf tebal huruf kecil, mis. x. (Dalam pekerjaan tulisan
tangan, kami dapat menunjukkan wajah tebal ketik dengan garis bergelombang yang
ditempatkan di bawah huruf, mis. A atau x) Jadi, jika B mewakili matriks 2 x 3, tuliskan
elemen-elemen bij dalam matriks tersebut, dengan menggunakan notasi akhiran ganda. Ini
memberi. . . . . . . . . .
Matriks yang sama
Menurut definisi, dua matriks dikatakan sama jika elemen-elemen yang bersesuaian di
seluruh adalah sama. Jadi, kedua matriks juga harus berorde sama.
Untuk penjumlahan atau pengurangan, dua buah matriks harus berorde sama. Jumlah atau
selisihnya kemudian ditentukan dengan menjumlahkan atau mengurangkan unsur-unsur yang
bersesuaian.
Perkalian Matriks
Perkalian skalar
Untuk mengalikan matriks dengan satu angka (yaitu skalar), setiap elemen individu dari
matriks dikalikan dengan faktor tersebut :
Ini juga berarti bahwa, sebaliknya, kita dapat mengambil faktor persekutuan dari setiap
elemen – bukan hanya satu baris atau satu kolom seperti pada determinan.
dapat ditulis. . . . . . . . .
Yaitu setiap elemen di baris atas A dikalikan dengan elemen yang sesuai di kolom pertama b
dan produk yang ditambahkan. Demikian pula, baris kedua dari produk ditemukan dengan
mengalikan setiap elemen pada baris kedua A dengan elemen yang sesuai di kolom pertama b.
jumlah kolom di 17 pertama
= jumlah baris dalam detik
Perhatikan bahwa, dalam perkalian matriks, A.B ≠ B.A, yaitu perkalian tidak komutatif.
Urutan faktor itu penting!
Dalam produk A:B > B dikalikan dengan A dan A dikalikan dengan B:
Transpos matriks
maka matriks baru yang terbentuk disebut transpos dari matriks asal. Jika A adalah
Matriks khusus
1 2 5
Matriks persegi (aij ) simetris jika aij = aij , e.g. ( 2 8 9 )
5 9 4
i.e . itu simetris tentang diagonal utama.
(b) Matriks diagonal adalah matriks bujur sangkar dengan semua elemen nol
kecuali yang pada
5 0 0
diagonal utama, sehingga ( 0 2 0 )
0 0 7
(c) Matriks satuan adalah matriks diagonal yang elemen-elemennya di depan
1 0 0
diagonal semuanya satu, i.e. ( 0 1 0 )
0 0 1
Matriks satuan dilambangkan dengan I.
Oleh karena itu, matriks satuan I berperilaku sangat mirip dengan faktor
satuan pada umumnya aljabar dan aritmatika.
(d) Matriks nol: Matriks nol adalah matriks yang semua elemennya nol
5 0 8
Perhatikan bahwa transpos matriks adalah ( 2 6 4 )
1 3 7
5 0 8
penentu transpos adalah [2 6 4] yang nilainya adalah
1 3 7
5 ( 42- 12) – 0 (14-4) + 8 (6-6) = 5 (30)= 150
Artinya, determinan matriks persegi memiliki nilai yang sama dengan
penentu matriks yang ditransposisikan.
Suatu matriks yang determinannya sama dengan nol disebut matriks
singular.
3 2 5
Determinan matriks ( 4 7 9 ) memiliki nilai ……
1 8 6
2 0 0
dan nilai determinan dari matriks diagonal (0 5 0 ) memiliki
0 0 4
nilai ...........
Kofaktor
Setiap elemen menimbulkan kofaktor, yaitu hanya minor dari elemen dalam
determinan bersama dengan 'tanda tempatnya', yaitu dijelaskan secara rinci
dalam program sebelumnya.
2 3 5
Misalnya, determinan matriks A = ( 4 1 6 ) is
1 40
2 3 5
Det A = |𝐴| = |4 1 6| yang bernilai 45.
1 4 0
1 6
Minor dari elemen 2 adalah = |4 0 | = 0 – 24 = -24
Tanda tempat adalah + . Oleh karena itu kofaktor dari elemen 2 + ( -24) i.e.
-24.
46
Demikian pula, minor dari elemen 3 adalah ( 1 0 ) = 0 – 6 = -6
Tanda tempat adalah . Oleh karena itu kofaktor dari elemen 3 adalah – (-6) =
6.
Dalam setiap kasus, minor ditemukan dengan mencoret garis dan kolom
yang berisi unsur yang bersangkutan dan membentuk determinan dari unsur-
unsur yang tersisa. NS tanda tempat yang sesuai diberikan oleh:
alternatif plus dan minus dari sudut kiri atas yang membawa +
23
Oleh karena itu, pada contoh di atas, minor dari elemen 6 adalah 1 4
2 22
Dari pengetahuan kita tentang perkalian matriks, ini dapat ditulis dalam bentuk matriks:
Jika kita mengalikan kedua ruas persamaan matriks dengan invers dari A, kita memperoleh:
Oleh karena itu, jika kita membentuk invers dari matriks koefisien dan matriks pra-perkalian
b dengan itu, kita akan menentukan matriks solusi dari x.
Contoh
Untuk menyelesaikan himpunan persamaan:
Jadi langkah selanjutnya adalah mencari invers dari A dimana A adalah matriks dari
koefisien
x. Kita telah melihat bagaimana menentukan invers suatu matriks, jadi dalam kasus ini
A^-1= . . . . . . . . . . . .
Setelah Anda menemukan kebalikannya, sisanya adalah x =A^1.b. Ini yang lain
contoh untuk menyelesaikan dengan cara yang sama:
Metode eliminasi Gauss untuk menyelesaikan satu set persamaan linear
(a) Kami kemudian menghilangkan elemen selain a11 dari kolom pertama dengan
mengurangkan a21=a11 kali baris pertama dari baris kedua dan a31=a11 kali
baris pertama dari baris ketiga, dst.
(b) Ini memberikan matriks baru dengan bentuk:
Proses ini kemudian diulang untuk menghilangkan c12 dari baris ketiga dan selanjutnya.
Perhatikan bahwa sebagai hasil dari langkah-langkah ini, matriks koefisien x telah direduksi
menjadi
matriks segitiga.
Akhirnya, kami melepaskan kolom kanan kembali ke posisi semula:
Kemudian, dengan 'substitusi kembali', mulai dari baris paling bawah kita dapatkan:
Perhatikan bahwa ketika berhadapan dengan matriks yang diperbesar, kita dapat, jika kita
menginginkan:
(a) bertukar dua baris
(b) kalikan setiap baris dengan faktor bukan nol
(c) menambah (atau mengurangi) kelipatan konstan dari satu baris ke (atau dari) baris
lainnya.
Operasi ini diperbolehkan karena kita benar-benar berurusan dengan koefisien dari
kedua sisi persamaan.
Selesaikan himpunan persamaan berikut:
Pertama tulis persamaan dalam bentuk matriks, yaitu . . . . . . . . . . . .
Kita sekarang dapat menghilangkan koefisien x1 dari baris kedua dan ketiga dengan
. . . . . . . . . . . . dan . . . . . . . . . . . .
mengurangkan 2 kali baris pertama dari baris kedua
dan 3 kali baris pertama dari baris ketiga.
Perhatikan bahwa matriks satuan diperkenalkan karena kita hanya dapat mengurangkan
matriks dari
matriks lain.
Untuk himpunan persamaan linier homogen ini (yaitu konstanta tangan kanan semua nol)
menjadi
memiliki solusi non-trivial, jA Ij harus nol (lihat Program 4, Bingkai 54).
Contoh 2
Sekarang satu untuk Anda lakukan. Tentukan nilai eigen dari matriks
Hasil ini hanya memberi tahu kita bahwa berapa pun nilai x1, nilai x2 adalah 3 kali lipatnya.
Oleh karena itu, vektor eigen adalah bentuk umum dari bilangan tak hingga
Contoh 2
Tentukan nilai eigen dan vektor eigen untuk persamaan
Berikut adalah satu untuk Anda lakukan sendiri. Caranya sama seperti sebelumnya.
substitusi sederhana dari nilai-nilai pada gilirannya dan pengetahuan tentang cara mengalikan
matriks bersama-sama memberikan hasil yang ditunjukkan.
Seperti yang telah kita lihat, pengetahuan dasar tentang matriks menyediakan cara yang rapi
dan ringkas untuk
berurusan dengan himpunan persamaan linear. Dalam praktiknya, koefisien numerik tidak
bilangan selalu sederhana, begitu pula jumlah persamaan dalam himpunan terbatas pada tiga.
Dalam masalah yang lebih luas, bantuan fasilitas komputasi sangat membantu, tetapi
metode yang mendasarinya masih sama.
Yang tersisa sekarang hanyalah memeriksa ringkasan Review dan Can You?
daftar periksa. Kemudian Anda dapat mengerjakan latihan Tes.
1 2 3
In[172]:= p= 4 1 5
6 0 2
Out[172]= {{1, 2, 3},{4, 1, 5},{6, 0, 2}}
In[175]:= Det[p]
Out[175]= 28
In[174]:= Eigenvectors[p]
1 1 2
Out[174]= - 7.37… , -16- 7.37… + 7.37… ,1 ,
6 2+ 3 12
1 1 2
-1.68… +0.984 … ⅈ , -16-3 -1.68… +0.984 … ⅈ + -1.68… +0.984 … ⅈ ,
6 - 12
2+
1
1 , -2+ -1.68… -0.984 … ⅈ ,
6
2
1 -1.68… -0.984 … ⅈ -1.68… -0.984 … ⅈ
-16- + ,1
3
12
In[176]:= Eigenvalues[p]
In[177]:= Inverse[p]
1 1 1 11 4 1 3 3 1
Out[177]= , , ,- , , ,-
,- 7 4 14 , 14 7 4
14 -
7 4
In[179]:= MatrixForm[p]
Out[179]//MatrixForm=
1 2 3
4 1 5
6 0 2
1 2 3
In[180]:= m= 3-4-2
5 3 5
Out[180]= {{1, 2, 3},{3,-4,-2},{5, 3, 5}}
4
In[182]:= b= 2
-1
Out[182]= {{4},{2},{-1}}
In[183]:= Inverse[m] *b
14 1 8 25 10 11 29 7 10
Out[183]= {4} - ,- , ,{2} ,- , ,{- , ,-
23 23 23 - 1} 23 23 23
23 23 23
In[184]:= x=Inverse[m] *b
14 1 8 25 10 11 29 7 10
Out[184]= {4} - ,- , ,{2} ,- , ,{- , ,-
23 23 23 - 23 23 1} 23 23 23
23
2 contoh matriks.nb
7 4 3 6
3 1 9 1
In[187]:= m=
5 5 1 5
3 4 0 1
Out[187]= {{7, 4, 3, 6},{3, 1, 9, 1},{5, 5, 1, 5},{3, 4, 0, 1}}
In[192]:= Eigenvectors[m]
2 3
-4611-1665 14.9… -148 14.9… +20 14.9…
Out[192]= ,
1797
1 2 3
1003+56 14.9… +37 14.9… -5 14.9… ,
599 6
2 3
4299+1732 14.9… +327 14.9… -28 14.9…
,
5391 1 ,
1 2 3
-4611- -3.16… +1.59 … ⅈ -148 -3.16… +1.59 … ⅈ +20 -3.16… +1.59 … ⅈ ,
1797 1665
1 2 3 1
1003+56 -3.16… +1.59 … ⅈ +37 -3.16… +1.59 … ⅈ -5 -3.16… +1.59 … ⅈ ,
599 6 5391
2 3
4299+1732 -3.16… +1.59 … ⅈ +327 -3.16… +1.59 … ⅈ -28 -3.16… +1.59 … ⅈ ,1 ,
1 2 3
-4611- -3.16… -1.59 … ⅈ -148 -3.16… -1.59 … ⅈ +20 -3.16… -1.59 … ⅈ ,
1665 1797
1 2 3 1
1003+56 -3.16… -1.59 … ⅈ +37 -3.16… -1.59 … ⅈ -5 -3.16… -1.59 … ⅈ ,
599 6 5391
2 3
4299+173 -3.16… -1.59 … ⅈ +327 -3.16… -1.59 … ⅈ -28 -3.16… -1.59 … ⅈ ,1 ,
2
2 3
-4611-1665 1.38… -148 1.38… +20 1.38…
,
1797
1 2 3
1003+56 1.38… +37 1.38… -5 1.38… ,
599 6
2 3
4299+1732 1.38… +327 1.38… -28 1.38…
, 1
5391
In[190]:= Eigenvalues[m]
In[191]:= Eigenvectors[m]
2 3
-4611-1665 14.9… -148 14.9… +20 14.9…
Out[191]= ,
1797
1 2 3
1003+56 14.9… +37 14.9… -5 14.9… ,
599 6
2 3
4299+1732 14.9… +327 14.9… -28 14.9…
,
5391 1 ,
1 2 3
-4611- -3.16… +1.59 … ⅈ -148 -3.16… +1.59 … ⅈ +20 -3.16… +1.59 … ⅈ ,
1797 1665
1 2 3 1
1003+56 -3.16… +1.59 … ⅈ +37 -3.16… +1.59 … ⅈ -5 -3.16… +1.59 … ⅈ ,
599 6 5391
2 3
4299+1732 -3.16… +1.59 … ⅈ +327 -3.16… +1.59 … ⅈ -28 -3.16… +1.59 … ⅈ ,1 ,
1 2 3
-4611- -3.16… -1.59 … ⅈ -148 -3.16… -1.59 … ⅈ +20 -3.16… -1.59 … ⅈ ,
1665 1797
1 2 3 1
1003+56 -3.16… -1.59 … ⅈ +37 -3.16… -1.59 … ⅈ -5 -3.16… -1.59 … ⅈ ,
599 6 5391
2 3
4299+173 -3.16… -1.59 … ⅈ +327 -3.16… -1.59 … ⅈ -28 -3.16… -1.59 … ⅈ ,1 ,
2
2 3
-4611-1665 1.38… -148 1.38… +20 1.38…
,
1797
1 2 3
1003+56 1.38… +37 1.38… -5 1.38… ,
599 6
2 3
4299+1732 1.38… +327 1.38… -28 1.38…
, 1
5391
3
5
In[188]:= b=
7
9
Out[188]= {{3},{5},{7},{9}}
In[189]:= x=Inverse[m] *b
22 25 57 44 15 19 33 13
Out[189]= {3} ,- ,- , ,{5} , , , ,
43 86 129 -
258 43 258 86 129
5 35
11 10 6 1 39 55
{7} , , ,- ,{9} ,- , ,-
- 43 258 86 129 - 43 258 86 129
4 contoh matriks.nb
7 4 3 6
In[194]:= A= 3 1 9 1
5 5 1 5
3 4 0 1
Out[194]= {{7, 4, 3, 6},{3, 1, 9, 1},{5, 5, 1, 5},{3, 4, 0, 1}}
3
5
In[195]:= b=
7
9
Out[195]= {{3},{5},{7},{9}}
In[196]:= x=Inverse[A] *b
22 25 57 44 15 19 33 13
Out[196]= {3} ,- ,- , ,{5} , , , ,
43 86 129 -
258 43 258 86 129
5 35
11 10 6 1 39 55
{7} , , ,- ,{9} ,- , ,-
- 43 258 86 129 - 43 258 86 129
1 2 1
In[197]:= a= 3-4-2
5 3 5
Out[197]= {{1, 2, 1},{3,-4,-2},{5, 3, 5}}
4
In[198]:= b= 2
-1
Out[198]= {{4},{2},{-1}}
contoh matriks.nb 5
In[200]:= x=Inverse[a].b
Out[200]= {{2},{3},{-4}}
2-1 3
In[201]:= a= 1 3-1
2-2 5
Out[201]= {{2,-1, 3},{1, 3,-1},{2,-2, 5}}
2
In[202]:= b= 11
3
Out[202]= {{2},{11},{3}}
In[203]:= x=Inverse[a].b
Out[203]= {{-1},{5},{3}}
In[204]:= GaussianMatrix[a]
Out[204]= GaussianMatrix[{{2,-1, 3},{1, 3,-1},{2,-2, 5}}]
In[205]:= GaussianMatrix[b]
Out[205]= GaussianMatrix[{{2},{11},{3}}]
2 3-2
In[206]:= a= 1 4-2
2 10-5
Out[206]= {{2, 3,-2},{1, 4,-2},{2, 10,-5}}
contoh matriks.nb 7
In[208]:= Eigenvalues[a]
Out[208]= {-1, 1, 1}
Matriks Nilai Eigen (Eigenvalues)
Eigenvalues adalah satu set khusus skalar yang terkait dengan sistem linear persamaan (yaitu,
persamaan matriks) yang kadang-kadang juga dikenal sebagai akar karakteristik, nilai
karakteristik (Hoffman dan Kunze 1971), nilai yang tepat, atau akar laten (Marcus dan Minc
1988, hal. 144)
Penentuan eigenvalues dan eigenvectors dari suatu sistem sangat penting dalam fisika dan
teknik, di mana itu setara dengan diagonalisasi matriks dan muncul dalam aplikasi umum
seperti analisis stabilitas, fisika benda berputar, dan osilasi kecil dari sistem bergetar, untuk
menyebutkan hanya beberapa. Setiap eigenvalue dipasangkan dengan apa yang disebut
eigenvector yang sesuai (atau, secara umum, eigenvector kanan yang sesuai dan eigenvector
kiri yang sesuai; tidak ada perbedaan analog antara kiri dan kanan untuk eigenvalues).
Dekomposisi matriks persegi A menjadi eigenvalues dan eigenvectors dikenal dalam karya ini
sebagai dekomposisi eigen, dan fakta bahwa dekomposisi ini selalu mungkin selama matriks
yang terdiri dari eigenvectors dari A adalah persegi dikenal sebagai teorema dekomposisi
eigen.
Algoritma Lanczos adalah algoritma untuk menghitung eigenvalues dan eigenvectors untuk
matriks jarang simetris besar.
Biar menjadi transformasi linear yang diwakili oleh matriks . Jika ada vektor yang
maka
(1)
untuk beberapa skalar , maka disebut eigenvalue dengan eigenvector yang sesuai
(kanan).
Biarkan menjadi sebuah matriks persegi.
(2)
(3)
(4)
Di mana matriks identitasnya. Seperti yang ditunjukkan dalam aturan Cramer, sistem
persamaan linier memiliki solusi non trivial jika determinan lenyap, sehingga solusi persamaan
(5) diberikan oleh
(6)
Persamaan ini dikenal sebagai persamaan karakteristik dari , dan sisi kiri dikenal sebagai
polinomial karakteristik.
(7)
Jika semua eigenvalues berbeda, maka mencolokkan ini kembali memberikan persamaan
independen untuk komponen masing-masing eigenvector yang sesuai, dan sistem
dikatakan tidak degenerasi. Jika eigenvalues adalah -fold merosot, maka sistem dikatakan
merosot dan eigenvectors tidak independen secara linear. Dalam kasus seperti itu, kendala
tambahan bahwa eigenvectors menjadi ortogonal,
(9)
di mana adalah delta Kronecker, dapat diterapkan untuk menghasilkan batas tambahan,
sehingga memungkinkan solusi untuk eigenvectors.
sehingga eigenvalues baru sama dengan plus lama . Mengalikan dengan konstanta
(12)
(14)
(15)
Eigenvectors adalah satu set khusus vektor yang terkait dengan sistem linear persamaan
(yaitu, persamaan matriks)yang kadang-kadang juga dikenal sebagai vektor karakteristik,
vektor yang tepat, atau vektor laten (Marcus dan Minc 1988, hal.
Penentuan eigenvectors dan eigenvalues dari suatu sistem sangat penting dalam fisika
dan teknik, di mana itu setara dengan diagonalisasi matriks dan muncul dalam aplikasi umum
seperti analisis stabilitas, fisika tubuh berputar, dan osilasi kecil dari sistem bergetar, untuk
menyebutkan hanya beberapa. Setiap eigenvector dipasangkan dengan apa yang disebut
eigenvalueyangsesuai. Secara matematis, dua jenis eigenvectors yang berbeda perlu
dibedakan: eigenvectors kiri dan eigenvectors kanan. Namun, untuk banyak masalah dalam
fisika dan teknik, cukup untuk mempertimbangkan hanya eigenvectors kanan. Istilah
"eigenvector" yang digunakan tanpa kualifikasi dalam aplikasi tersebut karena itu dapat
dipahami untuk merujuk pada eigenvector kanan.
(1)
Di mana matriks,jadi
(2)
(3)
Demikian pula, mendefinisikan eigenvector kiri sebagai vektor baris yang memuaskan.
(4)
Yang berarti
(8)
Equating equations (◇) and (11), which are both equal to 0 for arbitrary and ,
therefore requires that , i.e., left and right eigenvalues are equivalent, a statement
that is not true for eigenvectors.
(13)
kemudian
(14)
(15)
dan
(16)
(17)
jadi
(18)
Tapi persamaan ini adalah dari bentuk
(19)
di mana matriks diagonal,jadi harus benar itu juga diagonal. Secara khusus,
jika merupakan matriks simetris,maka eigenvektor kiri dan kanan hanyalah transposemasing-
masing,dan jika merupakan matriks yang berdampingan (yaitu, itu adalah Hermitian),maka
eigenvectors kiri dan kanan adalah matriks yang berdampingan.
Eigenvectors mungkin tidak sama dengan vektor nol. A nonzero scalar multiple of an
eigenvector setara dengan eigenvector asli. Oleh karena itu, tanpa kehilangan keumuman,
eigenvectors sering dinormalisasi menjadi satuan panjang.
(20)
Menerapkan matriks ,
(21)
(22)
jadi
(23)
(24)
jadi aplikasi berulang dari matriks ke vektor sewenang-wenang luar biasa menghasilkan
vektor sebanding dengan eigenvector dengan eigenvalue terbesar.
NAMA : SULTAN HULIO ANDRIAN
NIM : 215391440004
PRODI : S1-TEKNIK MANUFAKTUR E2
TUGAS 10
MATEMATIKA TEKNIK
RUMUS PERSAMAAN SOLUSI PERSAMAAN
NO CONTOH SOAL PERSAMAAN DIFERENSIAL
DIFERENSIAL DIFERENSIAL
1. Akar nyata dan
berbeda (m = m1 𝑑2𝑦 𝑑𝑦
dan m = m2) 𝑦= 𝐴𝑒𝑚1𝑥 + 𝐵𝑒𝑚2𝑥 𝑑𝑥 2− 7 𝑑𝑥
+ 12𝑦 = 0
𝑑2𝑦 𝑑𝑦
𝑎 +𝑏 + 𝑐𝑦 = 0 𝑚2 − 7𝑚 + 12 = 0
𝑑𝑥2 𝑑𝑥
(𝑚 − 3)(𝑚 − 4) = 0
𝑚 = 3 𝑎𝑡𝑎𝑢 𝑚 = 4
𝑦 = 𝐴𝑒3𝑥 + 𝐵𝑒4𝑥
2. Akar-akar nyata
dan sama (m = m1 𝑑2𝑦 𝑑𝑦
= m2) 𝑦= 𝑒𝑚1𝑥(𝐴 + 𝐵𝑥) 𝑑𝑥 2 + 10 𝑑𝑥
+ 25𝑦 = 0
𝑑2𝑦 𝑑𝑦 𝑚2 + 10𝑚 + 25 = 0
𝑎 +𝑏 + 𝑐𝑦 = 0
𝑑𝑥2 𝑑𝑥
(𝑚 + 5)2 = 0
𝑚 = −5
𝑦 = 𝑒−5𝑥(𝐴 + 𝐵𝑥)
3. Akar kompleks (m =
𝜶 ± 𝒋𝜷) 𝑑2𝑦 𝑑𝑦
𝑦= 𝑒𝛼𝑥(𝐴 cos 𝛽𝑥 + 𝐵 sin 𝛽𝑥) 𝑑𝑥 2+ 4 𝑑𝑥
+ 9𝑦 = 0
𝑑2𝑦 𝑑𝑦
𝑎 +𝑏 + 𝑐𝑦 = 0
𝑑𝑥2 𝑑𝑥 𝑚2 + 4𝑚 + 9 = 0
−4 ± √16 − 36
𝑚=
2
−4 ± √−20
𝑚=
2
−4 ± 2𝑗√5
𝑚=
2
𝑚 = −2 ± 𝑗√5
𝛼 = −2 𝑑𝑎𝑛 𝛽 = √5
4. Persamaan bentuk
𝑑2𝑦 𝑦 = 𝐴 cos 𝑛𝑥 + 𝐵 sin 𝑛𝑥 𝑑2𝑦
+ 𝑛2𝑦 = 0 + 16𝑦 = 0
𝑑𝑥2 𝑑𝑥2
𝑚2 = −16
𝑚 = ±𝑗4
𝑦 = 𝐴 cos 4𝑥 + 𝐵 sin 4𝑥
5. Persamaan bentuk
𝑑2𝑦 𝑦 = 𝐴 cosh 𝑛𝑥 + 𝐵 sinh 𝑛𝑥 𝑑2𝑦
− 𝑛2𝑦 = 0 − 25𝑦 = 0
𝑑𝑥2 𝑑𝑥2
𝑚2 = 25
𝑚 = ±5
𝑦 = 𝐴 cosh 5𝑥 + 𝐵 sinh 5𝑥
𝑚2 − 5𝑚 + 6 = 0
(𝑚 − 2)(𝑚 − 3) = 0
𝑚 = 2 𝑎𝑡𝑎𝑢 𝑚 = 3
𝐶𝐹 → 𝑦 = 𝐴𝑒2𝑋 + 𝐵𝑒3𝑥
𝑀𝑒𝑛𝑒𝑛𝑡𝑢𝑘𝑎𝑛 𝑃𝐼:
𝑦 = 5𝐶𝑥2 + 𝐷𝑥 + 𝐸
𝑑𝑦
= 10𝐶𝑥 + 𝐷
𝑑𝑥
𝑑2𝑦
= 10𝐶
𝑑𝑥2
10𝐶 − 5(10𝐶𝑥 + 𝐷) + 6(5𝐶𝑥2 + 𝐷𝑥 + 𝐸) = 5𝑥2
5 1 1
[𝑥2] → 30𝐶 = 5 ∴𝐶= = ∴𝐶=
30 6 6
50 50 50
[𝑥] → 6𝐷 − 50𝐶 = 0 ∴ 6𝐷 = = ∴𝐷=
6 36 36
250 10 190 190
[𝐶𝑇] → 10𝐶 − 5𝐷 + 6𝐸 = 0 ∴ 6𝐸 = − = ∴𝐸 =
36 6 36 36
𝑥2 50𝑥 190
𝑃𝐼 → 𝑦 = + +
6 36 216
𝑦 = 𝐶𝐹 + 𝑃𝐼
2
𝑥 50𝑥 190
𝑦 = 𝐴𝑒2𝑋 + 𝐵𝑒3𝑥 + + +
6 36 216
PERSAMAAN DIFERENSIAL ORDE 1
1 𝑦
∴ ( )2 = ln 𝑥 +
𝐶2 𝑥
𝑌2 = 2𝑥2(ln 𝑥 + 𝐶)
1
∴𝑃= 𝑑𝑎𝑛 𝑄 = X2
x
PERSAMAAN DIFERENSIAL ORDE 1
1
IF = e ∫ Pdx ∫ Pdx = ∫ dx = ln 𝑥
x
∴ IF = 𝑒ln 𝑥 = 𝑥
∴ IF = 𝑥
Solusinya adalah 𝑦. 𝐼𝐹 = ∫ 𝑄. 𝐼𝐹 𝑑𝑥 ,jadi
𝑥4
𝑦𝑥 = ∫ 𝑥 2 . 𝑥 𝑑𝑥 = ∫ 𝑥 3𝑑𝑥 =
+𝐶
4
𝑥4
∴ 𝑥𝑦 = + 𝐶
4
5 Persamaan Bernoulli: Bagi dengan 𝑦𝑛: lalu letakkan 𝑧 = 𝑑𝑦 1
𝑑𝑦 + 𝑦 = 𝑥𝑦2
+ 𝑃𝑦 = 𝑄𝑦 𝑛 𝑦1−𝑛 𝑑𝑥 𝑥
𝑑𝑥 Mengurangi ke tipe (d) di atas. 𝑑𝑦 1
𝑦−2 + . 𝑦−1 = 𝑥
𝑑𝑥 𝑥
𝑑𝑧 𝑑𝑦
𝑧 = 𝑦−1 ∴ = −𝑦−2
𝑑𝑥 𝑑𝑥
𝑑𝑦 1
−𝑦 −2 − . 𝑦 = −𝑥
−1
𝑑𝑥 𝑥
1
Sehingga 𝑑𝑧 − 𝑧 = −𝑥
𝑑𝑥 𝑥
𝑑𝑧 1
− 𝑧 = −𝑥
𝑑𝑥 𝑥
1
IF = 𝑒 ∫ 𝑃𝑑𝑥 ∫ 𝑃𝑑𝑥 = ∫ − 𝑑𝑥 = − ln 𝑥
𝑥
−1 1
∴ IF = 𝑒 − ln 𝑥 = 𝑒ln(𝑥 ) = 𝑥−1 =
𝑥
1 1
z. IF = ∫ Q. IF 𝑑𝑥 ∴𝑧 =
∫ −𝑥. 𝑑𝑥
𝑥 𝑥
PERSAMAAN DIFERENSIAL ORDE 1
𝑧
∴ = ∫ −1 𝑑𝑥 = −𝑥 + 𝐶
𝑥
∴ 𝑧 = 𝐶𝑥 − 𝑥2
1
Tetapi 𝑧 = 𝑦−1 ∴ = 𝐶𝑥 − 𝑥2 ∴ 𝑦 = (𝐶𝑥 − 𝑥2)−1
𝑦