gunginblog

Kalkulus Diferensial

Posted on: December 30, 2010

Kalkulus diferensial adalah salah satu cabang kalkulus dalam matematika yang mempelajari bagaimana nilai suatu fungsi berubah menurut perubahan input nilainya. Topik utama dalam pembelajaran kalkulus diferensial adalah turunan. Turunan dari suatu fungsi pada titik tertentu menjelaskan sifat-sifat fungsi yang mendekati nilai input. Untuk fungsi yang bernilai real dengan variabel real tunggal, turunan pada sebuah titik sama dengan kemiringan dari garis singgung grafik fungsi pada titik tersebut. Secara umum, turunan suatu fungsi pada sebuah titik menentukan pendekatan linear terbaik fungsi pada titik tersebut.

 

Grafik dari sebuah fungsi (garis hitam) dan sebuah garis singgung terhadap fungsi (garis merah). Kemiringan garis singgung sama dengan turunan dari fungsi pada titik singgung.

Turunan sering digunakan untuk mencari titik ekstremum dari sebuah fungsi. Persamaan-persamaan yang melibatkan turunan disebut persamaan diferensial dan sangat penting dalam mendeskripsikan fenomena alam. Turunan dan perampatannya (generalization) sering muncul dalam berbagai bidang matematika, seperti analisis kompleks, analisis fungsional, geometri diferensial, dan bahkan aljabar abstrak.

Turunan

Misalkan x dan y adalah bilangan real di mana y adalah fungsi dari x, yaitu y = f(x). Salah satu dari jenis fungsi yang paling sederhana adalah fungsi linear. Ini adalah grafik fungsi dari garis lurus. Dalam kasus ini, y = f(x) = m x + c, di mana m dan c adalah bilangan real yang tergantung pada garis mana grafik tersebut ditentukan. m disebut sebagai kemiringan dengan rumus:

 

m={\mbox{perubahan } y \over \mbox{perubahan } x} = {\Delta y \over{\Delta x}},

di mana simbol Δ (delta) memiliki arti “perubahan nilai”. Rumus ini benar adanya karena

y + Δy = f(x + Δx) = m (x + Δx) + c = m x + c + m Δx = y + mΔx.

Diikuti pula Δy = m Δx.

Namun, hal-hal di atas hanya berlaku kepada fungsi linear. Fungsi nonlinear tidak memiliki nilai kemiringan yang pasti. Turunan dari f pada titik x adalah pendekatan yang paling baik terhadap gagasan kemiringan f pada titik x, biasanya ditandai dengan f’(x) atau dy/dx. Bersama dengan nilai f di x, turunan dari f menentukan pendekatan linear paling dekat, atau disebut linearisasi, dari f di dekat titik x. Sifat-sifat ini biasanya diambil sebagai definisi dari turunan.

Sebuah istilah yang saling berhubungan dekat dengan turunan adalah diferensial fungsi.

Garis singgung pada (x, f(x))

Bilamana x dan y adalah variabel real, turunan dari f pada x adalah kemiringan dari garis singgung grafik f’ di titik x. Karena sumber dan target dari f berdimensi satu, turunan dari f adalah bilangan real. Jika x dan y adalah vektor, maka pendekatan linear yang paling mendekati grafik f tergantung pada bagaimana f berubah di beberapa arah secara bersamaan. Dengan mengambil pendekatan linear yang paling dekat di satu arah menentukan sebuah turunan parsial, biasanya ditandai dengan ∂y/∂x. Linearisasi dari f ke semua arah secara bersamaan disebut sebagai turunan total. Turunan total ini adalah transformasi linear, dan ia menentukan hiperbidang yang paling mendekati grafik dari f. Hiperbidang ini disebut sebagai hiperbidang oskulasi; ini secara konsep sama dengan mengambil garis singgung ke semua arah secara bersamaan.

Penerapan turunan

Optimalisasi

Jika f adalah fungsi yang dapat diturunkan pada R (atau interval terbuka) dan x adalah maksimum lokal ataupun minimum lokal dari f, maka turunan dari f di titik x adalah nol; titik-titik di mana f ‘(x) = 0 disebut titik kritis atau titik pegun (dan nilai dari f di x disebut nilai kritis). (Definisi dari titik kritis kadang kala diperluas sampai meliputi titik-titik di mana turunan suatu fungsi tidak eksis.) Sebaliknya, titik kritis x dari f dapat dianalisa dengan menggunakan turunan ke-dua dari f di x:

  • jika turunan ke-dua bernilai positif, x adalah minimum lokal;
  • jika turunan ke-dua bernilai negatif, x adalah maksimum lokal;
  • jika turunan ke-dua bernilai nol, x mungkin maksimum lokal, minimum lokal, ataupun tidak kedua-duanya. (Sebagai contohnya, f(x)=x³ memiliki titik kritis di x=0, namun titik itu bukanlah titik maksimum ataupun titik minimum; sebaliknya f(x) = ±x4 mempunyai titik kritis di x = 0 dan titik itu adalah titik minimum maupun maksimum.)

Ini dinamakan sebagai uji turunan ke dua. Sebuah pendekatan alternatif lainnya, uji turunan pertama melibatkan nilai f ‘ di kedua sisi titik kritis.

Menurunkan fungsi dan mencari titik-titik kritis biasanya merupakan salah satu cara yang sederhana untuk mencari minima lokal dan maksima lokal, yang dapat digunakan untuk optimalisasi. Sesuai dengan teorema nilai ekstremum, suatu fungsi yang kontinu pada interval tertutup haruslah memiliki nilai-nilai minimum dan maksimum paling sedikit satu kali. Jika fungsi tersebut dapat diturunkan, minima dan maksima hanya dapat terjadi pada titik kritis atau titik akhir.

Hal ini juga mempunyai aplikasi tersendiri dalam proses sketsa grafik: jika kita mengetahui minima dan maksima lokal dari fungsi yang dapat diturunkan tersebut, sebuah grafik perkiraan dapat kita dapatkan dari pengamatan bahwa ia akan meningkat dan menurun di antara titik-titik kritis.

Di dimensi yang lebih tinggi, titik kritis dari nilai skalar fungsi adalah titik di mana gradien fungsi tersebut adalah nol. Uji turunan kedua masih dapat digunakan untuk menganalisa titik-titik kritis dengan menggunakan eigennilai matriks Hessian dari turunan parsial ke-dua fungsi di titik kritis. Jika semua eigennilai tersebut adalah positif, maka titik tersebut adalah minimum lokal; jika semuanya negatif, maka titik itu adalah maksimum lokal. Jika ada beberapa yang positif dan beberapa yang negatif, maka titik kritis tersebut adalah titik pelana, dan jika tidak ada satupun dari keadaan di atas yang terpenuhi (misalnya ada beberapa eigennilai yang nol) maka uji tersebut inkonklusif.

Kalkulus variasi

Salah satu contoh masalah optimalisai adalah mencari kurva terpendek anatar dua titik di atas sebuah permukaan dengan asumsi kurva tersebut harus berada di permukaan tersebut. Jika permukaan tersebut adalah bidang rata, maka kurva yang paling pendek berupa garis lurus. Namun jika permukaannya tidak bidang, maka kita tidak bisa mengetahui secara pasti kurva yang paling pendek. Kurva ini disebut sebagai geodesik, dan salah satu masalah paling sederhana di kalkulus variasi adalah mencari geodesik.Contoh lainnya adalah mencari luas permukaan paling kecil yang dibatasi oleh kurva tertutup di ruang tiga dimensi. Permukaan ini disebut sebagai permukaan minimum, dan ini dapat dicari dengan menggunakan kalkulus variasi.

x(t) = -16t^2 + 16t + 32 , \,\!

maka kecepatan benda tersebut adalah:

\dot x(t) = x'(t) = -32t + 16, \,\!

dan percepatan benda itu adalah:

\ddot x(t) = x''(t) = -32, \,\!

 

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

Author

Caledar

December 2010
M T W T F S S
    Jan »
 12345
6789101112
13141516171819
20212223242526
2728293031  
%d bloggers like this: