Pemecah Sistem Persamaan Nonlinear

Tentang Pemecah Sistem Persamaan Nonlinear

Pemecah Sistem Persamaan Nonlinear menemukan semua solusi untuk sistem dua atau lebih persamaan nonlinear menggunakan metode Newton-Raphson. Masukkan persamaan Anda, dan pemecah secara otomatis mencari setiap solusi dengan iterasi langkah demi langkah yang mendetail, analisis matriks Jacobian, visualisasi konvergensi, dan grafik kontur interaktif untuk sistem 2 variabel.

Cara Menggunakan Pemecah Sistem Persamaan Nonlinear

1. Masukkan persamaan Anda: Ketik setiap persamaan menggunakan variabel x, y (dan z untuk sistem 3 variabel). Anda dapat menulis persamaan sebagai x^2 + y^2 - 25 (dianggap = 0) atau x^2 + y^2 = 25. Gunakan ^ untuk pangkat, * untuk perkalian, dan fungsi standar seperti sin, cos, exp, log, sqrt.
2. Pilih jumlah persamaan: Pilih 2 atau 3 dari dropdown. Jumlah persamaan harus sama dengan jumlah variabel untuk sistem yang ditentukan dengan baik.
3. Atur tebakan awal (opsional): Masukkan nilai awal untuk x₀, y₀ (dan z₀). Pemecah menggunakan nilai ini sebagai titik awal untuk iterasi Newton-Raphson. Jika dibiarkan kosong, defaultnya adalah 1.
4. Klik "Selesaikan Sistem": Pemecah menjalankan Newton-Raphson dari tebakan awal Anda dan juga melakukan pencarian multi-start di seluruh rentang [-5, 5] untuk menemukan semua solusi.
5. Tinjau hasil: Periksa semua solusi yang ditemukan, tabel iterasi yang menunjukkan konvergensi, matriks Jacobian pada titik solusi, dan grafik kontur interaktif (untuk sistem 2 variabel).

Apa Itu Sistem Persamaan Nonlinear?

Sebuah sistem persamaan nonlinear terdiri dari dua atau lebih persamaan di mana setidaknya satu persamaan mengandung suku nonlinear — seperti \(x^2\), \(\sin(x)\), \(e^x\), atau \(xy\). Dalam bentuk umum:

$$\begin{cases} f_1(x_1, x_2, \ldots, x_n) = 0 \\ f_2(x_1, x_2, \ldots, x_n) = 0 \\ \vdots \\ f_n(x_1, x_2, \ldots, x_n) = 0 \end{cases}$$

Berbeda dengan sistem linear (yang memiliki paling banyak satu solusi), sistem nonlinear dapat memiliki nol, satu, atau banyak solusi, menjadikannya jauh lebih sulit untuk diselesaikan.

Metode Newton-Raphson untuk Sistem

Metode Newton-Raphson (juga disebut metode Newton) memperluas algoritma pencarian akar variabel tunggal yang terkenal ke sistem persamaan. Rumus iterasinya adalah:

$$\mathbf{x}_{k+1} = \mathbf{x}_k - J(\mathbf{x}_k)^{-1} \mathbf{F}(\mathbf{x}_k)$$

di mana \(\mathbf{F}\) adalah vektor persamaan dan \(J\) adalah matriks Jacobian. Dalam praktiknya, kita menyelesaikan sistem linear \(J \cdot \Delta\mathbf{x} = -\mathbf{F}\) pada setiap langkah daripada menghitung inversnya.

Matriks Jacobian

Matriks Jacobian menggeneralisasi turunan ke fungsi vektor multivariabel. Untuk sistem \(n\) persamaan dalam \(n\) variabel yang tidak diketahui:

$$J = \begin{pmatrix} \frac{\partial f_1}{\partial x_1} & \frac{\partial f_1}{\partial x_2} & \cdots & \frac{\partial f_1}{\partial x_n} \\ \frac{\partial f_2}{\partial x_1} & \frac{\partial f_2}{\partial x_2} & \cdots & \frac{\partial f_2}{\partial x_n} \\ \vdots & \vdots & \ddots & \vdots \\ \frac{\partial f_n}{\partial x_1} & \frac{\partial f_n}{\partial x_2} & \cdots & \frac{\partial f_n}{\partial x_n} \end{pmatrix}$$

Pemecah ini menghitung Jacobian secara numerik menggunakan perbedaan pusat, yang memberikan akurasi yang baik tanpa memerlukan diferensiasi simbolik.

Sifat Konvergensi

Newton-Raphson menunjukkan konvergensi kuadratik di dekat solusi di mana Jacobian tidak singular. Ini berarti jumlah digit yang benar kira-kira berlipat ganda pada setiap iterasi. Namun, konvergensi tergantung pada:

• Tebakan awal yang cukup dekat dengan solusi
• Matriks Jacobian yang tidak singular (det(J) ≠ 0) di dekat solusi
• Fungsi yang halus (dapat diturunkan secara kontinu)

Ketika Jacobian bersifat singular atau hampir singular, konvergensi menurun menjadi linear atau metode mungkin gagal sepenuhnya.

Solusi Ganda dan Strategi Multi-Start

Karena Newton-Raphson konvergen ke solusi mana pun yang terdekat dengan titik awal, pemecah ini menggunakan strategi multi-start: ia mencoba banyak tebakan awal yang berbeda pada grid di seluruh rentang [-5, 5] untuk setiap variabel. Solusi yang ditemukan berkali-kali (dari titik awal yang berbeda) akan diduplikasi. Pendekatan ini menemukan sebagian besar solusi dalam rentang pencarian tetapi tidak dapat menjamin penemuan setiap solusi.

Memahami Grafik Kontur

Untuk sistem 2 variabel, pemecah menampilkan grafik kontur interaktif. Setiap persamaan \(f_i(x,y) = 0\) mendefinisikan sebuah kurva pada bidang xy (himpunan tingkat nolnya). Solusinya adalah titik potong dari kurva-kurva ini. Grafik juga menunjukkan jalur iterasi Newton-Raphson dari tebakan awal Anda, yang mengilustrasikan bagaimana algoritma tersebut konvergen.

Fungsi dan Sintaks yang Didukung

• Pangkat: x^2, y^3 (atau x**2)
• Trigonometri: sin(x), cos(y), tan(x), asin, acos, atan
• Eksponensial/Logaritmik: exp(x), log(x) (natural), log10(x), ln(x)
• Lainnya: sqrt(x), abs(x), sinh, cosh, tanh
• Konstanta: pi (π ≈ 3.14159), e (e ≈ 2.71828)
• Perkalian implisit: 2x diinterpretasikan sebagai 2*x, 3sin(x) sebagai 3*sin(x)

Aplikasi Sistem Nonlinear

• Teknik: Analisis sirkuit, keseimbangan struktural, desain reaktor kimia
• Fisika: Menemukan titik kesetimbangan, persamaan gelombang, mekanika orbit
• Ekonomi: Model keseimbangan umum, ekuilibrium Nash dalam teori permainan
• Robotika: Kinematika balik, perencanaan jalur
• Grafik komputer: Perpotongan sinar-permukaan, penyelesaian kendala
• Biologi: Dinamika populasi, kinetika enzim, pelatihan jaringan saraf

FAQ

Apa itu sistem persamaan nonlinear?

Sistem persamaan nonlinear adalah sekumpulan dua atau lebih persamaan di mana setidaknya satu mengandung suku nonlinear (seperti x kuadrat, sin(x), atau x kali y). Berbeda dengan sistem linear yang memiliki paling banyak satu solusi, sistem nonlinear dapat memiliki nol, satu, atau banyak solusi.

Bagaimana cara kerja metode Newton-Raphson untuk sistem?

Metode Newton-Raphson memperluas versi variabel tunggal dengan menggunakan matriks Jacobian. Pada setiap iterasi, ia melinearisasi sistem di sekitar titik saat ini, menyelesaikan sistem linear yang dihasilkan, dan memperbarui estimasi. Rumusnya adalah x_baru = x_lama minus invers dari Jacobian kali F(x_lama).

Apa itu matriks Jacobian?

Matriks Jacobian adalah matriks dari semua turunan parsial orde pertama dari fungsi bernilai vektor. Untuk n persamaan dalam n variabel, ini adalah matriks n-kali-n di mana elemen J(i,j) sama dengan turunan parsial dari persamaan ke-i terhadap variabel ke-j.

Mengapa Newton-Raphson terkadang gagal konvergen?

Newton-Raphson dapat gagal jika tebakan awal terlalu jauh dari solusi, jika Jacobian menjadi singular, jika fungsi memiliki diskontinuitas, atau jika iterasi berputar tanpa konvergen. Mencoba tebakan awal yang berbeda sering kali menyelesaikan masalah konvergensi.

Dapatkah pemecah ini menemukan semua solusi?

Pemecah menggunakan strategi multi-start mencoba banyak tebakan awal di rentang -5 hingga 5. Meskipun ini menemukan sebagian besar solusi dalam rentang tersebut, ia tidak dapat menjamin penemuan setiap solusi. Anda dapat memberikan tebakan awal khusus untuk mencari di dekat titik tertentu.