SISTEM PERSAMAAN ALJABAR LINIER (SPL) SIMULTAN
METODE NUMERIK
SISTEM PERSAMAAN ALJABAR LINIER (SPL) SIMULTAN http://maulana.lecture.ub.ac.id/lecture/metode-numerik/
Sistem Persamaan Linier
3 2 1 3 2 1 3 32 31 2 22 21 1 12 11 n n m n m m m n n n n C x a x a x a x a
3 3 2 2 1 1 2 2 3 23 2 22 1 21 1 1 3 13 2 12 1 11
C x a x a x a x a C x a x a x a x a
Misal terdapat SPL dengan n buah variabel bebas
Matriks:
C C C C x x x x a a a a a a a a a a a a
n n n
Penyelesaian Sistem Persamaan Linier (SPL)
Algoritma Gauss Naif
Algoritma Gauss Jordan
Algoritma Gauss Seidel
Algoritma Gauss Naif 1.
Membagi persamaan pertama dengan koefisien a . Langkah tersebut disebut
11 normalisasi. Tujuan normalisasi ini adalah
agar koefisien dari x berubah menjadi 1.
1
2.Kalikan persamaan yang telah dinormalisasi (dalam hal ini persamaan pertama) dengan
koefisien pertama dari persamaan kedua
(yaitu a ).21 3.
Mengurangkan baris kedua dan ketiga dengan baris pertama.
Algoritma Gauss Naif 4.
Kalikan persamaan pertama yang sudah dinormalisasi dengan koefisien tertentu sehingga a = a .
11
31 5.
Kurangkan persamaan ketiga dengan hasil dari yang didapat dari langkah 4.
22 Langkah ini disebut NORMALISASI untuk persamaan kedua. Tujuannya adalah agar koefisien x berubah menjadi 1.
2
Algoritma Gauss Naif 7.
Kalikan persamaan kedua yang sudah
dinormalisasi pada langkah ke-6 dengan
suatu koefisien tertentu sehingga a = a .22
32 8.
Kurangkan persamaan ketiga dengan persamaan kedua hasil dari langkah ke-7.
Algoritma Gauss Naif (Ex.)
Diketahui SPL: 2x + 2x + x = 4
1
2
3 3x - x + x = 1
1
2
3 x + 4x - x = 2
1
2
3
Bagaimana penyelesaiannya?
Algoritma Gauss Naif (Ex.)
1
3 2 1 x x x
2
2
1
3
1
1
1
4
Matriks yang terbentuk:
1
2
4
Langkah: 1
3
2 2 1 1 x x x b
1
2
1
1
1
2
1
1
1
4
1
2
1
2
Algoritma Gauss Naif (Ex.)
1
1
x
1 2
1 2. dan 3.
2
b b
1 x 2 3 1 4 2
5
2
x
1 4
1 3
2
1
1 x
1 4. dan 5.
2 1
2
1 b b x
3 1 4 2
5 2 x
3 3
3
2
Algoritma Gauss Naif (Ex.) 6.
5
4
15
4
2
3
2
1
2 x x x b8
15
8
1
1
2
1
1
1
1
7. dan 8.
2
4
5
2
4
3
3
8
1
1
2
1
1
1
3 3 2 1 2 3 x x x b b
Algoritma Gauss Naif (Ex.)
Hasil:
15
2 3 2 x x x
4
1 3 2 1 x x x x
1
2
2
2
1
1
2
2
1
8
8
2
4
5
4
1
8
2
1
3 3 x x
15
5
Algoritma Gauss Jordan
A
C x C x C x 2 2 1 1
n n
1
1
1
1
3 2 1 3 2 1 1
Dengan metode Gauss Jordan matriks A diubah sedemikian rupa sampai terbentuk identitas dengan cara :
diubah menjadi
C* merupakan matriks C yang sudah mengalami beberapa kali transformasi, sehingga: C
I 1 |
X A
C
X I A |
n C C C C x x x x
Algoritma Gauss Jordan (Ex.)
Diketahui SPL: 2x + 2x + x = 4
1
2
3 3x - x + x = 1
1
2
3 x + 4x - x = 2
1
2
3
Bagaimana penyelesaiannya?
Algoritma Gauss Jordan (Ex.)
1
2
1
2
1
1
2
1
1
2
1
4
1
1
1
3
1
2
1
3 2 1 1 x x x b
Langkah: 1.
2.
1
2
1
4
1
1
1
1
1
4
1
2
1
3
2
3 2 1
x
x
x
Algoritma Gauss Jordan (Ex.)
1
1 3.
x
1
1 1 2
2
2 b b
3 2 1
1
3
x 4 1 2
5 b b
2
2
3 1
x
3
3
1 3
1
2
2
1
1 4. x
1
1 2 1
2
2
1
1
3
1
5 b x
1 2 2
8
8
4
4 4 x
3
3
1 3
1
2
2
Algoritma Gauss Jordan (Ex.) 5
4
15
6
15
8
15
3
5
4
4
2
13
1
8
3 2 1 3 x x x b
8
15
1
1
3
1
8
8
1
1
8
1
4
3
6. 2 3 2 1 3b b b b
15
4
1
3
4
5
4
4
8
3
13
3 2 1 x x x
15
1
1
3
8
1
8
8
4
1
8
1
4
3
8
1
Algoritma Gauss Jordan (Ex.) 7.
5
13
15
1
5
1
15
4
1
6
5
2
5
21
1
1
1
15
15
Jadi: x
1 = 0, x
2 = 1, x
3
= 2
3 2 3 18
1
8
3 b b b b
8
2
1
15
3 2 1 x x x
Algoritma Gauss Seidel
Sering dipakai untuk menyelesaikan persamaan yang berjumlah besar.
Dilakukan dengan suatu iterasi yang memberikan
harga awal untuk x = x = x = ... = x = 0.1
2 3 n
Metode ini berlainan dengan metode Gauss Jordan
dan Gauss Naif karena metode ini menggunakan
iterasi dalam menentukan harga x , x , x , ..., x .1
2 3 n
Kelemahan metode eliminasi dibandingkan metode iterasi adalah metode eliminasi sulit untuk digunakan dalam menyelesaikan SPL berukuran besar.
Algoritma Gauss Seidel 1.
Beri harga awal x
1
= x
2 = x
3 = ... = x n
= 0 2. Hitung Karena x
2 = x
3 = x
4 = ... = x n
= 0, maka
11 1 4 14 3 13 2 12 1 1 a C x a x a x a x a x n n
11 1 1 a C x
Algoritma Gauss Seidel 3. x baru yang didapat dari tahap 2 digunakan untuk
1 menghitung x .
2 Baris 2 a x + a x + a x + ... + a x = C
21
1
22
2
23 3 2n n
2 C a x a x a x
2 21 1 23 3 2 n n
x 2 a 22 C a x 2 21 1 x 2 a 22
Algoritma Gauss Seidel 4.
Menghitung x
3 Baris 3 a x + a x + a x + ... + a x = C
31
1
32
2
33 3 3n n
3 a x = C – a x – a x – … – a x
33
3
3
31
1
32 2 3n n C a x a x a x a x
3 31 1 32 2 34 4 3 n n x 3 a 33 C a x a x 3 31 1 32 2 x 3 a 33
Algoritma Gauss Seidel 5.
Cara ini diteruskan sampai ditemukan x n .
1 , x
2 , x
3 , ..., x n baru
n n n n n n n n C x a x a x a x a x a C x a x a x a x a
C x a x a x a x
1 1 1 3 13 2 12 1 11 22 2 3 23 1 21 2 2 11 1 3 13 2 12 1 1
Algoritma Gauss Seidel 7.
Mencari kesalahan iterasi | | dengan cara: a x x i bar u i lam a
( ) x
100 % i a
x i bar u
x x n bar u n lam a ( ) x n a 100 % x n bar u
8.
Iterasi diteruskan sampai didapat | | < | | a s
Algoritma Gauss Seidel (Ex.)
Diketahui SPL: x
- 7x
- – 3x
- – 4x
- 9x
3 2 1 x x x
1
7
3
4
4
9
12
1
3
51
61
8
1
- – x
= 5 %
3 = 8 dan a
2
1
3 = 61 12x
2
1
3 = –51 4x
2
- 3x
Algoritma Gauss Seidel (Ex.)
4
x x x
8 2 1 3
12
3
8
51
66
3 25 ,
184 58 ,
x x
61 1 2
Iterasi ke-0 x
1 = x
61
4
51
4
66
25 ,
x
51 1
1
51
Iterasi ke-1
3 = 0
2 = x
4
Algoritma Gauss Seidel (Ex.)
3
7
51
2 1 3 3 1 2 3 2 1
51
x x x x x x x x x
1
Iterasi ke-2
8 1366 55 ,
3407 78 ,
3 1366 55 , 966 49 ,
12
8
3
12
4 184 58 , 9 966 49 ,
66
4
61
4
9
4
61 966 49 ,
1 184 58 , 3 25 ,
7
Algoritma Gauss Seidel (Ex.)
7
61 19840 19 ,
1 3407 78 , 3 1366 55 ,
7
51
1
3
51
9
2 1 3 3 1 2 3 2 1
x x x x x x x x x
4
Iterasi ke-3
Perhitungan x
3 27522 94 , 19840 19 ,
1 , x
2 , x
3 diteruskan sampai semua | a
| < | s
|
70189 11 ,
12
61
8
3
12
8 27522 94 ,
4 3407 78 , 9 19840 19 ,
4
4
Algoritma Gauss Seidel (Ex.) Iterasi ke- Nilai x
a
x 1 = 0 x 2 = 0 x 3 = 0
1 x 1 = 51 x 2 = 66,25 x 3 = 184,58
2 x 1 = 966,49 x 2 = 1366,55 x 3 = 3407,78 a = 105,28 % a = 104,85 % a = 105,42 %
3 x 1 = 19840,19 x 2 = 27522,94 a = 104,87 % a = 104,97 %
Koefisien Relaksasi ()
Tujuan: Perbaikan konvergensi dalam Gauss Seidel.
Biasanya koefisien relaksasi dipilih sendiri berdasarkan masalah yang dihadapi.
Jika SPL tidak konvergen, yang bernilai antara 0
s/d 1 disebut Under Relaksasi. antara 1 dan 2 biasanya digunakan untuk mempercepat konvergensi suatu sistem persamaan yang konvergen, disebut Over Relaksasi.
Koefisien Relaksasi ()
Rumus (nilai SPL) dengan menggunakan
baru lama x x x i i i
1 0<
<2
1
Solusi perbaikan dengan Koefisien Relaksasi () pada metode Gauss Seidel x 1 x 2 u v x 1(target) x 2 (target) x 1 x 2 u v x 1(target) x 2`(target)
Konvergen lambat Divergen
0< <1 1< <2
Over relaxation Under relaxation
Solusi:
Koefisien Relaksasi () (Ex.) Iterasi dengan Nilai x
Contoh perhitungan : ke- (1,5) x baru 1 x = 0 1
= 1,5 . 6 + (1 – 1,5) . 10 x = 0 2 = 9 + (–0,5) . 10 x = 10 1
= 4
1 x = 15 2 x = 6 x baru = 4 1 1
2 x = 7,5 x baru = 3,75 2 2 x = 4 1
3 x = 3,75 2