Anda di halaman 1dari 52

BAB II

PERSAMAAN LINEAR SIMULTAN


Persamaan linear simultanadalah persamaan dengan jumlah variabel yang
dicari sama dengan jumlah persamaan yang dilibatkan. Untuk menyelesaikan
persamaan linear simultan lazimnya digunakan tiga cara yaitu:
1) Metode Eliminasi
2) Metode Cramer
3) Metode Iterasi
2.1 Metode Eliminasi
Bentuk persamaan linear simultan secara umum :
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ ....+a
1n
x
n
= b
1
a
21
x
2
+ a
22
x
2
+ a
23
x
3
+ ....+a
2n
x
n
= b
2
a
31
x
1
+ a
32
x
2
+ a
33
x
3
+ ....+a
3n
x
n
= b
3
a
n1
x
1
+ a
n2
x
2
+ a
n3
x
3
+ ....+a
nn
x
n
= b
n
Dalam notasi matriks dituliskan :
1
1
1
1
]
1

1
1
1
1
]
1

1
1
1
1
]
1

n n nn n n n
n
n
n
b
b
b
b
x
x
x
x
a a a a
a a a a
a a a a
a a a a
3
2
1
3
2
1
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11
....
....
....
....
2.1.1 Eliminasi Gauss
Cara ini adalah membentuk persamaan menjadi satu persamaan dengan
satu besaran yang disebut persamaan PIVOTAL atau persamaan POROS. Jika
salah satu variabel sudah diketahui maka variabel lain dapat diketahui dengan
proses subtitusi.
Dalam penyelesaian numerik cara Gauss selalu ditentukan terlebih dahulu
persamaan PIVOTAL bagi variabel yaitu persamaan yang mempunyai Koefisien
Terbesar dari besaran yang akan di eliminasi.
Contoh persamaan linear dengan 4 besaran yang telah diketahui dari 4 persamaan
yaitu :
1. 2,63 x
1
+ 5,21 x
2
1,694 x
3
+ 0,923 x
4
4,230 = 0
2. 3,16 x
1
2,95 x
2
+ 0,813 x
3
4,210 x
4
+ 0,716 = 0
3. 5,36 x
1
+ 1,88x
2
2,150 x
3
4,950 x
4
1,280 = 0
4. 1,34 x
1
+ 2,98 x
2
0,432x
3
1,768 x
4
0,419 = 0
dari keempat persamaaan diatas persamaan (30 merupakan persamaan pivotal
pertama, maka :
36 , 5
28 , 1
36 , 5
95 , 4
36 , 5
15 , 2
36 , 5
88 , 1
4 3 2 1
+ + + x x x X
5. x
1
= - 0,3507 x
2
+ 0,401119 x
3
+ 0,923506 x
4
+ 0,238806
masukkan x
1
ke (1), (2), dan (4), diperoleh:
6. 4,287538 x
2
0,63906 x
3
+ 3,36682 x
4
3,601940 = 0
7. 4,058360 x
2
+ 2,08054 x
3
1,29172 x
4
+ 1,470627 = 0
8. 2,51000 x
2
+ 0,10550 x
3
0,53050 x
4
0,099000 = 0
koefisien x
2
terbesar adalah persamaan (6) jadi merupakan persamaan pivotal
kedua, maka x
2
adalah :
9. x
2
= 0,149051 x
3
0,785258 x
4
+ 0,840096
masukkan (9) ke (7) dan (8) diperoleh:
10. 1,475640 x
3
+ 1,89544 x
4
1,93879 = 0
11. 0,479618 x
3
2,50150 x
4
+ 2,00964 = 0
persamaan (10) adalah persamaan pivotal ketiga
12. x
3
= -1,28428 x
4
+ 1,31386
masukkan (12) ke (11) diperoleh
13. 3,117463 x
4
+ 2,63979 = 0
117463 , 3
63974 , 2
4
x
x
4
= 0,846775
gunakan persamaan (12) x
3
(9) x
2
(10) x
1
masukkan x
4
ke (12), diperoleh:
x
3
= 0,22636
masukkan x
4
dan x
3
ke (9) diperoleh :
x
2
= 0,208898
masukkan x
4
, x
3
,x
2
ke (5) diperoleh :
x
1
= 1,038335
Dalam bentuk matriks persamaan pivotal sistem triangulasi adalah :
1
1
1
1
]
1

1
1
1
1
]
1

1
1
1
1
]
1


63479 . 2
93897 . 1
60194 . 3
28000 . 1
117463 . 3 0 0 0
89514 . 1 47564 . 1 0 0
36602 . 3 63906 . 0 207538 . 4 0
95 . 4 15 . 2 88 . 1 36 . 5
4
3
2
1
x
x
x
x
Secara umum matriks trianguler :
1
1
1
1
]
1

1
1
1
1
]
1

1
1
1
1
]
1

n n nn
n
n
n
B
B
B
B
x
x
x
x
A
A A
A A A
A A A A
3
2
1
3
2
1
3 33
2 23 22
1 13 12 11
...... 0 0 0
... 0 0
... 0
...
( jahiding : 2010).
Eliminasi gauss merupakan eliminasi bilangan unknown dengan
menggabungkan persamaan persamaan. Strateginya adalah dengan mengalikan
persamaan dengan konstatnta agar salah satu bilangan unknown akan tereliminasi
bilamana dua peramaan digabungkan. Dalam eliminasi gauss kebutuhan atau
keterampilan yang perlu adalah pemahaman terhadap operasi matriks. Tehnik
untuk memperbaiki penyelesaian eliminasi gauss :
1. Pivoting, yang mana sebelum tiap baris dinormalkan maka dilakukam
penentuan koefisien terbesar yang tersedia.
2. Scaling yaitu peminimalan galat.
( Agus Choiron : 2009).
Algoritma Program
Algoritma Program penyelesaian persamaan linear cara eliminasi Gauss :
1) Input nilai-nilai matriks [A] dan [b] yang membentuk persamaan simultan
linear
14. Bentuk matriks gabungan [G] yang merupakan gabungan [A] dan {b}
3) Lakukan eliminasi untuk menolkan bagian segitiga bawah matriks
4) Lakukan subtitusi mundur untuk mendapatkan hasil perhitungan
5) Tulis keluaran dari akhiri program
Flowchart Eliminasi Gauss
Program Eliminasi Gauss
{ Program Eliminasi Gauss
Daftar variabel
A [ ], b[ ] : Matriks pembentuk persamaan simultan linear
G [ ] : Matriks Gabungan
X : Matriks hasil perhitungan}
Type
Mat 55 = Array [ 0..5, 0..5 ] of real;
Mat 56 = Array [ 0..5, 0..6] of real;
Var
A : Mat 55
G : Mat 56
b,x : Array [ 0..5 ] of real;
factor, dummy : real;
i, j, k, n : integer;
Procedure Inisialisasi ;
Begin
A [0] [0] := 4;
A [0] [1] := 1;
A [0] [2] := 2;
A [1] [0] := 1;
A [1] [1] := 3;
A [1] [2] := 1;
A [2] [0] := 1;
A [2] [1] := 2;
A [2] [2] := 5;
b [0] := 16;
b [1] := 10;
b [2] := 12;
n := 3;
End
Begin
Inisialisasi;
{ bentuk matriks gabungan }
for i := 0 to n-1 do for j:= 0 to n-1 do G [i] [j] := A[i] [j];
for j := 0 to n-1 do G [j] [n] := b [j];
writeln (matriks penggabungan );
for i := 0 to n-1 do
Begin
for j := 0 to n do write (G[i] [j] : 11 : 7);
writeln;
End
{ Proses Eliminasi }
for i:= 0 to n-2 do
Begin
Factor := G [j] [i] / G [i] [i]
For k := i to n do G [j] [k] := G [j] [k] - factor*G[j] [k] ;
End;
End;
Writeln (matriks setelah eliminasi);
For i := 0 to n-1 do
Begin
For j:= 0 to n do write (G[i] [j] : 11 : 7);
Writeln;
End;
{substitusi mundur}
x [n-1] := G[n-1] [n] / G [n-1] [n-1];
for k := 0 to n-2 do
Begin
i := n 2 - k;
dummy := G[i] [n];
for j := i+1 to n-1 do
dummy := dummy G [i] [j]*x[j];
x[i] := dummy / G [i] [j];
End;
Writeln (Hasil akhir);
For i:= 0 to n-1 do writeln (x[,i : 2,] = ,x[i] : 10 : 7);
End.
Eksekusi
4 1 2 16
1 3 1 10
1 2 5 12
4 1 2 16 x[0] = 3
0 2,75 0,5 6 x[1] = 2
0 0 4,182 4,182 x[2] = 1
2.1.2 Eliminasi Gauss - Jordan
Pada eliminasi gauss jordan juga dilakukan proses menolkan pada bagian
atas segitiga matriks. Maka bentuk akhir matriks gabungan adalah :

'

'

n n nn
B
B
B
B
x
x
x
x
A
A
A
A
3
2
1
3
2
1
33
22
11
0 0 0
0 0 0
0 0 0
0 0 0
pengali
pivotal bawah
a
a
m
kk
ik
ik

pivotal atas
a
a
m
kk
lk
lk

i = 2, 3, ..... n l = k 1, k 2, ...., 1
dan
A
ij
= a
ij baru
= a
ij
m
ik
a
kj
, untuk j = 1, 2, ... n
Bi = b
i

baru
= b
i
m
ik
b
k,
untuk i = k+1, k+2,...n
Aik = a
ik baru
= a
ik
m
ik
a
ik
untuk k = 1, 2, ... n-1
Matriks gabungan hasil normalisasi :

'

'

'

nn
n
n
A
B
A
B
A
B
A
B
x
x
x
x
33
3
22
2
11
1
3
2
1
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
contoh :
419 , 0 77 , 1 43 , 0 98 , 2 34 , 1
716 , 0 21 , 4 81 , 0 95 , 2 16 , 3
230 , 4 94 , 0 69 , 1 21 , 5 63 , 2
280 , 1 95 , 4 15 , 2 88 , 1 36 , 5
4
3
2
1




x
x
x
x
bawah diagonal
467 , 0
36 , 5
63 , 2
11
21
21

a
a
m
a
a
m
kk
ik
ik
561 . 0
63 , 5
16 , 3
63 , 3 28 , 1 467 , 0 23 , 4
25 , 3
69 , 0
33 . 4
0 36 . 5 467 , 0 63 , 2
11
31
31
1 21 2 2
14 21 24 24
13 21 23 23
12 21 22 22
11 21 21 21






a
a
m
x b m b lama b
a m a baru a
a m a baru a
a m a baru a
x a m a baru a
43 . 1 28 . 1 561 . 0 716 . 0
43 . 1
02 . 2
00 . 4
0 63 . 5 561 , 0 16 , 3
1 31 3 3
14 31 34 34
13 31 33 33
12 31 32 32
11 31 31 31





x b m b baru b
a m a lama a
a m a baru a
a m a baru a
x a m a baru a
0 36 . 5 33 . 0 88 . 1
33 . 0
22 , 5
88 , 1
12 12 12
22
12
12


x
a m a baru a
a
a
m
a
a
m
lk
kk
lk
lk
( jahiding : 2010).
Algoritma Program Eliminasi Gauss Jordan
a. Input nilai nilai matriks [A] dan {b} yang membentuk persamaan simultan
b. Bentuk matriks gabungan [G] yang merupakan matriks
[A] dan {b}
c.Lakukan eliminasi untuk menolkan bagian segitiga bawah dan atas matriks
d. Lakukan normalisasi sehingga semua elemen diagonal
matriks sama dengan 1
e.Tuliskan hasil
Algoritma selesai
Flowchart:
2. 1.3. Metode
Matriks Invers
Eliminasi Gauss Jordan dapat digunakan untuk mencari invers suatu
matriks. Apabila persamaan linearnya simultan.
sangkar bujur matriks
b x A
b
b
b
b
x
x
x
x
a a a a
a a a a
a a a a
a a a a
n n nn n n n
n
n
n
} { } { ] [
3
2
1
3
2
1
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11

'

'

unsur unsur diagonal harus sudah merupakan nilai poros (pivotal)


bila dilakukan perkalian
[G] [A] {x} = [G] {b}
dengan [G] = [A]
-1
yaitu invers matriks [A], maka [G] [A] = [A]
-1
[A] = [I]
merupakan matriks identitas maka :
{x} = [A]
-1
{b}
setelah normalisasi menunjukkan bahwa :
[G] [I] = [A]
-1
menentukan matriks [A]
-1
: [A] direndengkan dengan [I]
1 ... 0 0 0
0 ... 1 0 0
0 ... 0 1 0
0 ... 0 0 1
...
...
...
...
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11
nn n n n
n
n
n
a a a a
a a a a
a a a a
a a a a

Gunakan prosedur eliminasi Gauss-Jordan untuk merubah unsur matriks menjadi :
1 1
3
1
2
1
1
1
3
1
33
1
32
1
31
1
2
1
23
1
22
1
21
1
1
1
13
1
12
1
11
...
...
...
...
1 ... 0 0 0
0 ... 1 0 0
0 ... 0 1 0
0 ... 0 0 1




nn n n n
n
n
n
a a a a
a a a a
a a a a
a a a a
Unsur elemen matriksnya adalah ;
1 1
3
1
2
1
1
1
3
1
33
1
32
1
31
1
2
1
23
1
22
1
21
1
1
1
13
1
12
1
11
...
...
...
...




nn n n n
n
n
n
a a a a
a a a a
a a a a
a a a a
unsur invers matriks [A]
-1
Contoh

'

'



3
2
1
3
2
1
5 , 7 5 , 4 25 , 3
3 , 3 5 , 11 5 , 2
1 2 5
b
b
b
x
x
x
[A] {x} = {b}
Bentuk larik [A] dan [I]
1 0 0
0 1 0
0 0 1
5 , 7 5 , 4 25 , 3
3 , 3 5 , 11 5 , 2
1 2 5



Menolkan unsur dibawah diagonal :
Baris kedua dikurangi dengan baris pertama yang telah dikalikan dengan(-2,5/5)
dan baris ketiga dikurangi dengan baris pertama yang telah dikalikan dengan
(2/11,5) menghasilkan :
1 0 65 , 0
0 1 50 , 0
0 0 1
15 , 8 20 , 3 0
80 , 2 5 , 12 0
1 2 5


Baris ketiga dikurangi baris kedua yang telah dikalikan dengan (3,2/12,5)
menghasilkan :
1 26 , 0 78 , 0
0 1 5 , 0
0 0 1
4 , 7 0 0
8 , 2 5 , 2 0
1 2 5


Baris pertama dikurangi dengan baris kedua yang telah dikalikan dengan (2/12,5)
menghasilkan :
1 26 , 0 78 , 0
0 1 5 , 0
0 16 , 0 92 , 0
43 , 7 0 0
8 , 2 5 , 12 0
45 , 1 0 5

Baris kedua dikurangi dengan baris ketiga yang telah dikalikan dengan
(+2,8/7,43) baris pertama dikurangi dengan baris ketiga yang telah dikalikan
dengan (-1,48/7,43) menghasilkan :
1 26 , 0 78 , 0
0 1 5 , 0
0 16 , 0 92 , 0
43 , 7 0 0
8 , 2 25 , 1 0
48 , 1 0 5

Baris kedua baris ketiga yang telah dikalikan

,
_


43 , 7
8 , 2
, baris pertama dikurangi
dengan baris ketiga yang telah dikalikan dengan

,
_


43 , 7
48 , 1
menghasilkan:
0 26 , 0 78 , 0
37 , 0 09 , 1 79 , 0
19 , 0 21 , 0 77 , 0
43 , 7 0 0
0 5 , 12 0
0 0 5

Unsur diagonal dijadikan satu satuan


13 , 0 03 , 0 11 , 0
03 , 0 04 , 0 06 , 0
036 , 0 04 , 0 15 , 0
1 0 0
0 1 0
0 0 1

: [A]
-1
[A] [A]
-1
= [I]

'

'

3
2
1
1
3
2
1
] [
b
b
b
A
x
x
x
Algoritma Program:
a. Input nilai matriks [A]
b. Bentuk matriks gabungan [G] dan {A] dan [I]
c. Lakukan eliminasi untuk menolkan segitiga atas dan bawah diagonal
d. Lakukan normalisasi supaya semua elemen diagonal sama dengan 1
e. Tulis hasil
2.2 Metode Cramer
Gabriel Cramer (1750) menggunakan metode determinan.
Tinjau sistem persamaan linear simultan :
) 1 . 2 (
3
2
1
3
2
1
33 32 31
23 22 21
13 13 11
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

b
b
b
x
x
x
a a a
a a a
a a a
Nyatakan determinan dengan unsur unsur elemen matriks sebagai
) 2 . 2 (
) (
) (
) (
33
23
13
32
22
12
3 33 2 32 1 31
3 33 2 22 1 21
3 13 2 12 1 11
a
a
a
a
a
a
x a x a x a
x a x a x a
x a x a x a
+ +
+ +
+ +
maka (2.1) nenjadi
) 3 . 2 (
) (
) (
) (
33 32 3
23 21 2
13 2 1
33
23
13
32
22
12
3 33 2 32 1 31
3 33 2 22 1 21
3 13 2 12 1 11
a a b
a a b
a a b
a
a
a
a
a
a
x a x a x a
x a x a x a
x a x a x a
q

+ +
+ +
+ +
Gunakan dalil penjumlahan determinan (2.3) kiri menjadi :
) 4 . 2 (
33 32 3 33
23 22 3 23
13 13 3 13
33 32 2 32
23 22 2 22
13 12 2 12
33 32 1 31
23 22 1 21
13 12 1 11
1
1
1
]
1

+
1
1
1
]
1

+
1
1
1
]
1

a a x a
a a x a
a a x a
a a x a
a a x a
a a x a
a a x a
a a x a
a a x a
Keluarkan xi dari determinan (2.4) menjadi
33 32 3
23 21 2
13 2 1
3
33 32 33
23 22 23
13 13 13
2
33 32 32
23 22 22
13 12 12
1
33 32 31
23 22 21
13 12 11
a a b
a a b
a a b
x
a a a
a a a
a a a
x
a a a
a a a
a a a
x
a a a
a a a
a a a
q

1
1
1
]
1

+
1
1
1
]
1

+
1
1
1
]
1

33 32 3
23 21 2
13 12 1
1
33 32 31
23 22 21
13 12 11
a a b
a a b
a a b
x
a a a
a a a
a a a

1
1
1
]
1

maka diperoleh :
33 32 31
23 21 21
13 12 11
33 32 3
23 21 2
13 12 1
1
a a a
a a a
a a a
a a b
a a b
a a b
x
dengan cara yang sama diperoleh :
33 32 3
23 21 2
13 12 1
3 32 31
2 21 21
1 12 11
3
33 32 31
23 21 21
13 12 11
33 3 31
23 2 21
13 1 11
2
a a b
a a b
a a b
b a a
b a a
b a a
x dan
a a a
a a a
a a a
a b a
a b a
a b a
x
secara umum
[ ]
[ ] A
A
x
i
i

ALGORITMA PROGRAM
1. input nilai nilai matriks [A] dan {b}
2. Hitung determinan matriks [A]
3. Untuk i = 1 sampai n (jumlah persamaan) lakukan perhitungan sebagai berikut :
a. Bentuk Matriks [A
i
], yaitu matriks [A] yang kolom ke i digantikan
dengan matriks [b].
b. Hitung determinan matriks [A
i
]
c. Hitung x
i
= [A
i
] / [A]
4. Tulis Hasil
FLOWCHART
{ Program Cramer
Daftar Variable
A[ ], b[ ] : Matriks pembentuk Presamaan Linear Simultan
ADJ [ ] : Matriks Penyimpan simultan untuk Perhitungan
determinan
L [ ], U[ ] : Matriks Dekomposisi
x Matriks Hasil Perhitungan }
Type
Mat55 = Array [0 ..5, 0..5] of real;
Var
A,ADJ : Mat55;
b,x : Array [0 ..5] of real;
Det_A : real;
I, j, k, n ; integer;
Prosedur Inisialisasi;
Begin
A [0] [0] : = 4;
A [0] [1] : = 1;
A [0] [2] : = 2;
A [1] [0] : = 1;
A [1] [1] : = 3;
A [1] [2] : = 1;
A [2] [0] : = 1;
A [2] [1] : = 2;
A [2] [2] : = 5;
b [0] : = 16;
b [1] : = 10;
b [2] : = 12;
n : = 3:
End;
Function Determinan (U : Mat55) : real:
Var
L : Mat55;
Dummy : Real;
I,j,k : integer;
Begin
{ Dekomposisi Matriks}
For i : = 0 to n-1 do L [i] [j]: = 1.0;
For k : = 0 to n-2 do
For j : = k+1 to n-1 do
Begin
L [ j] [k] : = U [j] [k] / U [k] [k];
For i : = k to n-1 do U [j] [i] : = U [j] [i] L [j] [k]*U [k]
[i];
End;
Dummy : = 1;
For i : = to n-1 do dummy : = dummy*U [i] [i];
Determinan : = dummy;
End;
Begin
Inisialisasi;
{ pindahkan matriks A ke ADJ}
for i : = 0 to n-1 do
for j : = 0 to n-1 do ADJ [i] [j] : = A [i] [j] ;
det_A : = determinan (ADJ);
for i : = 0 to n-1 do
begin
{bentuk matriks Ajoin A}
for j : = 0 to n-1 do
begin
if (i=j) then for k : = 0 to n-1 do ADJ [k] [j] : = b [k]
else for k : = 0 to n-1 do ADJ [k] [j] : = A [k] [j];
end;
x [i] : = determinan (ADJ) / Det_A;
end;
writeln (Hasil akhir);
for i : = 0 to n-1 do writeln (x [,i: 2 ,) = , x [i] : 10 : 6);
end.
{Program Gauss Seidal
daftar variabel
A [], b [] : matriks pembentuk persamaan linear simultan
x : matriks hasil perhitungan
Eps : toleransi }
Type
Mat55 = array [0..5,0..5] of real ;
Mat56 = array [ 0..5,0..6] of real;
Var
A : mat55;
b,x : array [0..5] of real;
factor,xb,Eps : real;
i,j,n,true, iter : integer;
procedure inisialisasi;
begin
A[0] [0] : = 4 ; A[1] [0] : = 1 ; A[2] [0] : = 1 ;
A[0] [1] : =1 ; A[1] [1] : = 3 ; A[2] [1] : = 2 ;
A[0] [2] : = 2 ; A[1] [2] : = 1 ; A[2] [2] : = 5 ;
b [0] : = 16; b [1] : = 10 ; b [2] : = 12;
n : = 3;
Eps : = 0.0000001;
Begin
Inisialisasi ;
True : = 0;
Iter : = 0;
{inisialisasi }
for i : = 0 to n -1 do x [i] : = 0;
{lakukan iterasi sampai konvergen}
while (TRUE = 0) do
begin
iter : = iter + 1
TRUE : = 1; { asumsi sudah konvergen}
Write (iterasi ke ,iter : 2, :);
For i : = 0 to n-1 do
Begin
xb : = b [i];
for j : = 0 to n-1 do
if (i<>j) than xb : = xb A[i] [j] * x[j];
xb : = xb / A [i] [j];
if (abs (xb x [i]) > eps) then TRUE : = 0 ; {belum
konvergen}
x [i] : = xb;
write (xb : 11 : 7);
end;
writeln;
end;
writeln (hasil akhir);
for i : = 0 to n-1 do writeln (x[,i:2,) = ,x [i] : 11 : 7);
end.
2.3 Metode Iterasi
Apabila koefisien dari variable antara satu baris dengan yang lainnya
hamper sama, maka proses eliminasi tidak akan efektif / cermat.
2.3.1 Iterasi Jacobi
Iterasi jacobi menggunakan rumusan rekursif untuk menghitung nilai
pendekatan dari solusi persamaan iterasi dilakukan sampai dicapai nilai yang
konvergen dengan toleransi s yang diberikan.
Tinjau persamaan berikut :
3 3 33 2 32 1 31
2 3 23 2 22 1 21
3 13 2 12 1 11
1
b x a x a x a
b x a x a x a
b x a x a x a
+ +
+ +
+ +
Nyatakan dalam bentuk :
) , , ( )) ( (
1
3 2 1 1 3 13 2 12 1
11
1
x x x F x a x a b
a
x +
) , , ( )) ( (
1
3 2 1 1 3 23 1 21 2
22
2
x x x F x a x a b
a
x +
) , ( )) ( (
1
3 2 1 1 2 32 1 31 3
33
3
x x x F x a x a b
a
x +
dengan nilai awal a
11
, a
22
, a
33
c
Tetapkan nilai awal x
1
0
= x
1
; x
2
0
= x
2
; x
3
0
= x
3
Kemudian lakukan pendekatan :
( ) ( ) ( ) ( ) ( ) ( )
) , , ( )) ( (
1
0
3
0
2
0
1 1
0
3 13
0
2 12 1
11
1
1
x x x F x a x a b
a
x +
( ) ( ) ( ) ( ) ( ) ( )
) , , ( )) ( (
1
0
3
0
2
0
1 2
0
3 23
0
1 21 2
22
1
2
x x x F x a x a b
a
x +
( ) ( ) ( ) ( ) ( ) ( )
) , , ( )) ( (
1
0
3
0
2
0
1 3
0
2 32
0
1 31 3
33
1
3
x x x F x a x a b
a
x +
Selanjutnya nyatakan pendekatan kedua :
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
) , , ( )) ( (
1
; ;
3
3
2
2
1
1 1
1
3 13
1
2 12 1
11
2
1
1
3 3
1
2 2
1
1 1
x x x F x a x a b
a
x
didapatkan x x x x x x
+

( ) ( ) ( ) ( ) ( ) ( )
) , , ( )) ( (
1
3
3
2
2
1
1 1
1
3 23
1
1 21 2
22
2
2
x x x F x a x a b
a
x +
( ) ( ) ( ) ( ) ( ) ( )
) , , ( )) ( (
1
3
3
2
2
1
1 1
1
2 32
1
1 31 3
33
2
3
x x x F x a x a b
a
x +
Proses ini dilanjutkan untuk mencapai konvergensi.
Secara umum :
( ) ( ) ( ) ( )
) ..... (
1
1 3 13 2 12 1
11
1
1
k
n n
k k k
x a x a x a b
a
x
+
( ) ( ) ( ) ( )
) ..... (
1
2 3 23 1 21 2
22
1
2
k
n n
k k k
x a x a x a b
a
x
+
( ) ( ) ( ) ( )
) ..... (
1
1 2 2 1 1
1 k
n nn
k
n
k
n n
nn
k
n
x a x a x a b
a
x

+

Syarat terjadinya konvergensi :
) .... 2 , 1 .... , 2 , 1 ( 1 )
1
( n j n i a
a
x mak
i j
ij
ii
<

Algoritma program
1. Input nilai matriks [A] dan {b} dan toleransi perhitungan
2. inisialisasi nilai x
(0)
3. Hitung harga x
(0)
dengan iterasi Jacobi
4. Periksa Hasil perhitungan, jira memenuhi toleransi untuk nilai x
(1)
. jira
tidak lanjutkan kelangkah berikutnya
5. gantikan nilai x
(0)
dan x
(1)
dan ulangi langkah (3)
Flowchart
Program
{Program Iterasi Jacobi
Daftar Variable
[A], {b} : Matriks pembentuk PLS
x : Matriks hasil perhitungan
Eps : Toleransi }
Type
A, ADJ : Mat 55;
B, x, x-1 : Array [0....1] of real;
Eps : real;
I,j,h, true,iter : integer;
Procedure Inisialisasi;
Begin
A[0] [0] := 4; A[1] [2] := 1;
A[0] [1] := 1; A[2] [0] := 1;
A[0] [2] := 2; A[2] [1] := 2;
A[1] [0] := 1; A[2] [2] := 5;
A[1] [1] := 3;
b [0] := 16;
b [1] := 10;
b [2] := 12;
n : = 3;
Eps : = 0,0000001
End;
Begin
Inisialisasi ;
TRUE := 0;
Iter := 0;
{inisialisasi}
for I := 0 to n-1 do x[i] := 0;
{lakukan iterasi sampai konvergen}
while (TRUE = 0) do
Begin
Iter := iter + 1;
TRUE := 1; {asumsi sudah konvergen}
For i := 0 to n-1 do
Begin
x 1 [i] := b [i];
for j := 0 to n-1 do
if (i<>j) then x-1[i] := x-1[i] A[i] [j]*x[j];
x-1 [i] := x-1 [i] / A [i] [j];
if (abs (x-1[i] x[i])> Eps) then TRUE :=0;
{belum konvergen
End;
{Tulis hasil iterasi}
write (Iterasi ke ,iter, : );
for I := 0 to n-1 do write (x-1[i] : 10 : 7);
writeln;
for I := 0 to n-1 do x[i] := x-1 [i];
End;
Writeln (hasil akhir);
For I := 0 to n-1 do writeln (x[,i = 2,) = x [i] : 10 : 6);
End.
2.3.2 Iterasi Gauss Seidal
Pada iterasi Gauss- seidal nilai nilai hasil perhitungan pada baris awal
langsung digunakan untuk perhitungan nilai nilai selanjutnya didalam iterasi.
Bentuk Umum :
) (
1
) (
3 13
) (
2 12 1
11
) 1 (
1
.. .......... (
1
K
n n
K k K
x a x a x a b
a
x
+
) (
2
) (
3 23
) 1 (
1 21 2
22
) 1 (
2
.. .......... (
1
K
n n
K k K
x a x a x a b
a
x
+ +
) (
1
) 1 (
2 32
) 1 (
1 31 3
33
) 1 (
3
.. .......... (
1
K
n n
K k K
x a x a x a b
a
x
+ + +

) 1 (
1 1
) 1 (
2 2
) (
1 1
) 1 (
.. .......... (
1
+

+ + +

K
n nn
K
n
n k
n n
nn
K
n
x a x a x a b
a
x
prosedur perhitungan dengan syarat konvergensi iterasi sama dengan proses
iterasi jacobi.
Algoritma :
1. Input nilai [A] dan {b} dan toleransi perhitungan
2. Inisialisasi nilai x
0
dan TRUE = 1
3. Untuk setiap baris persamaan (i = 1, 2, .....,)
- Hitung harga xi

dengan rumusan iterasi Gauss seidal


- Periksa apa telah memenuhi toleransi, bila belum inisialisasi True
= 0
- Tampilkan nilai xi
0
dengan xi
4. Jika True = 0 ulangi langkah 3
5. Jika True 0 tulis nilai x
0
sebagai hasil akhir
Flowchart
{Program Gauss-Seidal}
Daftar variabel
A[],B[] : matriks PLS
x : matriks hasil perhitungan
Eps : toleransi}
Type
Mat55 = array[0..5,0..5] of real;
Mat56 = array[0..5,0..6] of real;
Var
A :Mat55;
b,x : Array [0..5] of real;
faktor,Xb,eps :real;
i,j,n,true,iter :integer;
procedure inisialisasi;
begin
A[0][0]:=4; A[1][0]:=1; A[2][0]:=1;
A[0][1]:=1; A[1][1]:=3; A[2][1]:=2;
A[0][2]:=2; A[1][2]:=1; A[2][2]:=5;
b[0] :=16;
b[1] :=10;
b[2] :=12;
n :=3;
eps :=0.0000001;
end;
Begin
Inisialisasi;
true :=0;
iter :=0;
{inisialisasi}
for i :=0 to n-1 do x[i]:=0;
{lakukan iterasi sampai konvergen}
while (true = 0) do
Begin
iter := iter+1;
true :=1;{asumsi sudah konvergen}
write('iterasi ke',iter:2,':');
for i := 0 to n-1 do
Begin
xb := b[i];
for j := 0 to n-1 do
if (i<>j) then xb := Xb-A[i][j]*x[j];
xb := xb/A[i][i];
if (abs (xb-x[i])>Eps) then true :=0;{belum konvergen}
x[i]:=xb;
write(Xb:11:3);
end;
writeln;
end;
writeln ('hasil akhir');
for i := 0 to n-1 Do Writeln ('x[',i:2,']=',x[i]:11:3);
readln;
End.
2.4 Metode Cholesky
Persamaan linear simultan yang diperoleh dari rumusan matematik
berdasarkan teori elastis umumnya mempunyai unsur koefisien variabel yang
simetris.
Apabila persamaan linear simultan dinyatakan sebagai :
1 1 3 13 2 12 1 11
. . . b x a x a x a x a
n n
+ + + +
2 2 3 23 2 22 1 21
. . . b x a x a x a x a
n n
+ + + +
3 3 3 33 2 32 1 31
. . . b x a x a x a x a
n n
+ + + +
n n nn n n n
b x a x a x a x a + + + + . . .
3 3 2 2 1 1
atau
1
1
1
1
]
1

1
1
1
1
]
1

1
1
1
1
]
1

n n nn n n n
n
n
n
b
b
b
b
x
x
x
x
a a a a
a a a a
a a a a
a a a a
3
2
1
3
2
1
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11
[A] [x] = [b]
matriks [A] disebut matriks simetrik apabila diluar unsur diagonal, unsur matriks
baris sama dengan unsur matriks kolom. Pada indeks baris dan kolom sama.
Dengan demikian unsur matriks simetri dirumuskan sebagai berikut :
n j n i j i a a
ji ii
... , 3 , 2 , 1 ; ... , 2 , 1 ; ;
Matriks simetri dapat dinyatakan dalam produk matriks triangulasi bawah dengan
matriks triangulasi atas dimana kedua matriks salah satunya dalah matriks
transpose.
Faktorisasi matriks [A] dalam kedua matriks adalah :
[A] = [U]
T
[U]
1
1
1
1
1
]
1

1
1
1
1
]
1

1
1
1
1
]
1

nn
n
n
n
nn n n n nn n n n
n
n
n
u
u u
u u u
u u u u
u u u u
u u u
u u
u
a a a a
a a a a
a a a a
a a a a
0 0 0
0 0
0
0
0 0
0 0 0
3 33
2 23 22
1 13 12 11
2 2 1
33 32 31
22 21
11
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11
dari rumusan dia atas unsur matriks [A] merupakan hasil produk unsur baris
dalam matriks [U]
T
dan unsur kolom [U]. Hubungan unsur a
ij
dengan unsur u
ij
baris pertama.
a
11
= u
11
2
; a
12
= u
11
u
12
; a
13
= u
11
u
13
; a
1n
= u
11
u
1n
Menyatakan u
ii
dalam unsur a
ii
.
11
12
11
12
12 11 11
;
a
a
u
a
u a u

11
13
11
13
13
a
a
u
a
u
; ...;
11
1
11
1
1
a
a
u
a
u
n n
n

Baris ke dua
n n n
u u u u a u u u u a u a a
2 22 1 12 2 22 23 13 12 23
2
22
2
12 22
; ; + + +
Nyatakan u
2i
dalam unsur a
2j

11
2
12
22
11
2
12
22
2
12 22 22
a
a
a
a
a
a u a u
11
2
12
22
11
13
11
13
23
22
13 12 23
23
a
a
a
a
a
a
a
a
u
u u a
u

,
_

,
_

11
2
12
22
11 11
12
2
22
1 12 2
2
a
a
a
a
an
a
a
a
u
u u a
u
n
n n
n

,
_

,
_

Baris ke tiga :
n n n n
u u u u u u a u u a a
3 33 2 23 2 13 3
2
33
2
23
2
13 33
; + + + +
Nyatakan unsut u
3i
dalam unsur a
ij
2
23
2
13 33 33
u u a u
2
11
2
12
22
11
13
11
12
23
11
2
13
33
1
1
1
1
1
]
1

,
_

,
_


a
a
a
a
a
a
a
a
a
a
a
33
2 23 1 13 3
3
u
u u u u a
u
n n n
n

secara umum menyatakan unsur matriks [A] pada posisi diagonal :


2 2
3
2
2
2
1
.......
ii i i i ii
u u u u a + + +
atau


i
k
ki ii
j i u a
1
2
) (
unsur matriks diluir posisi diagonal :
jj ii j i j i ij ii ij
u u u u u u u u a .......
3 3 2 2
+ + +
atau :

<
i
k
kj ki ij
j i u u a
1
) (
secara umum menyatakan matriks [U] hdala :

<
1
1
2
) 1 (
i
k
ki ii ii
j i u a u
( )

< <
1
1
) 1 (
1
i
k
kj ki ij
ii
ij
j i u u a
u
u
metode akar cholesky
) ( 0 j i u
ij
>
Contoh :
[ ]
1
1
1
]
1

12 10 6
10 17 3
6 3 9
A [ ]
1
1
1
]
1

33
23 22
13 12 11
0 0
0
U
U U
U U U
U
2
4
2 10
4 1 17
2
3
6
; 1
9
3
; 3 9
22
13 12 23
23
2
12 22 22
11
13
13
11
12
12 11

+


u
u u a
U
u a U
a
a
U
a
a
U U
sehingga
[ ] [ ]
1
1
1
]
1


1
1
1
]
1

2 2 2
0 4 1
0 0 3
2 0 0
2 4 0
2 1 3
T
U U
dapat dibuktikan
] [ ] [ ] [
2 10 6
10 17 3
6 3 9
2 0 0
2 4 0
2 1 3
2 2 2
0 4 1
0 0 3
] [ ] [
A U U
U U
T
T

1
1
1
]
1

1
1
1
]
1

1
1
1
]
1


apabila matriks simetri tak memenuhi nilai positif, faktorisasi dilakukan kedalam
produk :
[ ] ] [ ] [ ] [ U D U A
T

matriks [D] merupakan matriks diagonal dengan unsur unsur matriks berupa
suku kuadrat dari faktorisasi baris matriks [U]. Jira terfactor hdala U
ii
maka unsur
diagonal dalam matriks [D] adalah :
d
ii
= u
ii
2
; i = 1, 2, ....n
Nilai kuadrat U
ii
menghindarkan perhitungan dibawah tanda akar. Dengan
demikian perlu dilakukan modifikasi permukaan cholesky (modifikasi cholesky)
1
1
1
1
1
]
1
1
1
1
1
]
1

1
1
1
1
]
1

1 0 0 0
1 0 0
1 0
1
0 0 0
0 0 0
0 0 0
0 0 0
1
0 1
0 0 1
0 0 0 1
3
2 23
1 13 12
33
22
11
3 2 1
23 13
12
n
n
n
nn n n n
u
u u
u u u
d
d
d
d
u u u
u u
u
A
Unsur matriks [A] diposisi diagonal adalah a
11
= d
11

ii i i i ii
d u d u d u d a + + + + ....
2
3 33
2
2 22
2
1 11
( ) j i u d d
ki
kk
i
k
ii
< +

1
2
1
1
Unsur matriks [A] di luar diagonal
ij ii j i j i ij i ij
u d u u d u u d u u d a + + + + ....
3 3 33 2 2 22 1 11
( ) j i u u d u d
kj
ki
kk
i
k
ij ii
< < +

1
1
1
Unsur matriks [D] dan matriks [U] adalah
11 11
a d
2
12 11 22 22
u a a d
2
23 22
2
13 11 33 33
u d u d a d
n n
n n n n nn nn
u d u d u d a d 1
2
1 1
2
2 22
2
1 11
. . .


Secara umum :
( ) j i u d a d
ki
kk
i
k
ii ii
< +

1
2
1
1
Unsur matriks [ ] u adalah :
11
12
12 ; , 1
d
a
u uii

11
13
13
d
a
u

11
1
1 . . .
d
a
u
n
n
( ) 13 12
11 23
22
23
1
u u d a
d
u
;
( ) 13 12
11 24
22
24
1
u u d a
d
u
( ) n
n
n
u u d a
d
u 1 12
11 2
22
2
1

Secara umum :
( ( ) j i u u d a
d
u
kj
ki
kk
i
k
ij
ii
ij < <

1
1
1
1
) ( 0 j i uij >
Contoh :
[ ] [ ]
[ ]
1
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

1 0 0
1 0
1
0 0
0 0
0 0
12 10 6
10 17 3
6 3 9
23
13 12
33
22
11
u
u u
u
d
d
d
D A
Dengan menggunakan persamaan diatas diperoleh :
[ ] [ ]
1
1
1
1
1
1
]
1

1
1
1
]
1

1 0 0
2
1
1 0
3
2
3
1
1
4 0 0
0 16 0
0 0 9
u dan D
Dapat dubuktikan
[ ] [ ] [ ] [ ] A V D u
T

Apabila persamaan linear simultan yang akan diselesaikan dinyatakan [ ]{ } { } b x A


ganti
[ ] [ ] [ ] [ ] u D u dan A
T
Menjadi :
[ ] [ ] [ ]{ } { } b x u D u
T

ambil :
[ ]{ } { }

'

'

1
1
1
1
1
]
1


n n
n
n
n
y
y
y
y
x
x
x
x
u
u u
u u u
y x u
3
2
1
3
2
1
3
2 23
1 13 12
1 0 0 0
1 0 0
1 0
1
dan
[ ]{ } { }

'

'

1
1
1
1
]
1


n n nn
z
z
z
z
y
y
y
y
d
d
d
d
z y D
3
2
1
3
2
1
33
22
11
0 0 0
0 0 0
0 0 0
0 0 0
Maka :
[ ] { } { }

'

'

1
1
1
1
]
1


n n n n n
b
b
b
b
z
z
z
z
u u u
u u
u
b z u
3
2
1
3
2
1
3 2 1
23 13
12
1
0 1
0 0 1
0 0 0 1
dengan subtitusi ke depan
z
1
= b
1
z
2
= b
2
-
1 12
z u
z
3
= b
3
-
1 13
z u -
2 23
z u
secara umum
( ) i z u b z
k ki
i
k
ii i
<

1 ;
1
1
dan
) ,.... 2 , 1 ( n i
d
z
y
ii
i
i

selanjutnya menentukan vektor {x} dengan cara :
x
n-1
= y
n
Algoritma :
1. Faktorisasi matriks simetri [A] dengan cara modifikasi Cholesky
2. Tentukan nilai vektor {z} dengan solver
3. Dapatkan nilai vektor {y} dari nilai z
i
dan d
ii
4. Tentukan vektor {x} dan substitus
5. Tulis hasil
Flowchart
{Program Cholesky}
Conts MAX = 5;
Type MM = Array [1... MAX, 1MAX] of real
M = Array [1MAX] of real;
Var
n : integar;
a : MM;
x : m;
Procedure factor;
Var
j, j
1
, i, i
1
, k : integer;
sum, temp : real;
Begin
If(a[1][1] <= 0.0) then writen (warning! Non positif stiffness d of 1);
for j := 2 to n Do
Begin
J
1
:= j -1;
If ( j
1
< > 1) then
For I := 2 to j
1
do
Begin
Sum := a [i] [j];
i
1
= i 1;
for k := 1 to i1 do sum : = sum a [k] [i]*a[k] [j];
a [i] [j] : = sum;
End;
sum : = a [j] [j];
for k : = 1 to j
1
do
Begin
temp : = a [k] [j] / a [k] [j];
sum : = sum temp*a[k] [j];
a [k] [j] : = temp;
End;
if (sum < = 0) then writeln (warning! Non positif sstiftnes dof,j);
a [j] [j] : = sum;
End;
End;
Procedure Solver;
Var
i, k1, k, i1, k
2
: integer;
sum : real;
Begin
for I : = 1 to n do
Begin
sum : = x [i];
k
1
; = i -1;
if (i< > 1) then
for k : = 1 to k
1
do sum : = sum a [k] [i] * x[k];
x[i] : = sum;
end;
for i : = 1 to n do x [i] : = x [i] / a[i] [i];
for i
1
: = 1 to do
Begin
i : = n i
1
+ 1;
sum : = x [i];
k
2
: = i + 1;
if (I < > n) then
for k : = k
2
to n do sum : = sum a [i] [k]* x [k];
x [i] : = sum;
End;
End;
Procedure init;
Begin
n : = 4;
a [1] [1] : = 76800,0;
a [2] [2] : = 336534.0;
a [2] [4] : = -200000.0;
a [3] [3] : = 270870.0;
a [4] [4] : = 373358.0;
a [4] [2] : = -200000.0;
x [2] : = - 54,0;
End;
Procedure Output;
Var i : integer
Begin
Writeln ;
For I : = 1 to n do writeln (x(,I,) = , x [i];
Writeln;
End;
Begin
Init ;
Factor;
Solver;
Output;
End;
x [1] = 0
x [2] = -0,2354*10
-3
x [3] = 0
x [4] = - 0,1261*10
-3
Penyimpanan SKYLINE Matriks Simetri.
Didalam perumusan matriks tipikal untuk penyelesaian suatu system elastis,
selain unsure matriks struktur bersifat simetri, maka koefisien non zero cenderung
terletak dekat akar diagonal.
Untuk efisiensi lokasi penyimpanan, maka koefisien matriks didalam akar
disimpan dalam bentuk matriks [s] dengan ukuran b x n, dimana b = m
k
+ 1.
bilangan bulat m
k
disebut lebar setengah akar (half band width).
Sedangkan n merupakan orde matriks awal. Dengan cara tersebut maka
penyimpanan dihemat sebesar
[n
2
(b x n)] = n (n b)
sebagai contoh, matriks A 8 x 8 mempunyai unsure elemen simetri dan nilai tidak
nol di luar diagonal berada pada lebar setengah alur m
k
= 2. Menyimpan unsur
dalam matriks [S] ukuran 3 x 8 dilakukan dengan menghubungkan indeks unsure,
yaitu :
a
ij
= S
ik
untuk k = j i + 1 dan a
ij
= 0 untuk j > m
k
+ 1.
[ ] 8 8
0
0 0
0 0 0
0 0 0 0
0 0 0 0 0
88
78 77
68 67 66
57 56 55
46 45
35
44
34 33
24 23 22
13 12 11
x
a
a a
a a a
a a a
simetri
a a
a
a
a a
a a a
a a a
A
1
1
1
1
1
1
1
1
1
1
1
]
1

Simpan unsur tidak nol dalam larik 8 x 3


[ ] S
a
a a
a a a
a a a
a a a
a a a
a a a
a a a

1
1
1
1
1
1
1
1
1
1
1
1
]
1

0
0
0
88
78 77
68 67 66
57 56 55
46 45 44
35 34 33
24 23 22
13 12 11
ukuran 8 x 3
Sebagai verifikasi, pada posisi awal matrik a
45
ditempatkan pada basis 4 kolom 5.
Berati i = 4 dan j = 5 sehingga nomor kolom pada matriks [S] adalah k = 5 4 + =
2. Penempatan a pada basis 4 kolom 2 seperti pada matriks [S] diatas.
Bentuk penyimpanan yang lebih effisien cara akar setengah alur adalah Skyline.
Penyimpanan cara Skyline memanfaatkan cara simetri dan lebar setengah akar
dengan hanya unsur bukan nol yang disimpan. Maka matriks awal, jika indeks
kolom j > m
k
+ i, maka a
ij
= 0. Nilai m
k
disebut lebar setengah alur matriks.
Mendefinisikan fariabel peubah m
i
basis ke-i dijumpainya pertama kali unsur
yang telah nol pada kolom ke-i, maka dalam contoh nilai m
i
adalah:
1
1
1
1
1
1
]
1

55
45
35
44
34 33
23 22
14 12 11
0
0
0
0
a
a
a
a simetri
a a
a a
a a a

Kolom 1

m
1
= 1
Kolom 2

m
2
= 1
Kolom 3

m
3
= 2
Kolom 4

m
4
= 1
Kolom 5

m
5
= 3
M
i
disebut Skyline dari suatu matriks perubahan (i m
i
) tinggi kolom
mendefinisikan banyaknya elemen tidak nol diatas posisi diagonal pada kolom ke-
1. Ini menjadi indikasi penentuan akar setengan alur m
k
adalah nialai maksimum
(i m
i
) yaitu 3. Apabila semua tinggi kolom sudah diketahui unsur elemen
dibawah Skyline matriks dapat disimpan sebagai larik satu dimensi. Kolom yang
aktif yaitu yang diikutsertakan pada perhitungan, termasuk elemen diagonal
disimpan secara berurutan dalam matriks larik satu.
1
1
1
1
1
1
1
1
1
1
1
]
1

88
78 77
67 66
58 56 55
46 45
36
44
34 33
23 22
14 12 11
0
0
0 0
0 0 0
0 0 0 0
0 0 0 0
0
0 0
a
a a
a a
a a a
a a
a
a
a a
a a
a a
Disimpan bagi unsure
tidak nol ke dalam akar m
k
sebagai
[ ]
1
1
1
1
1
]
1

) 21 (
) 1 (
A
A
A
indeks lokasi awal dengan lokasi larik satu dimensi dinyatakan dengan rumusan :
0 ) , (
:
) 1 ( ,
dim
) ( ; ) , ( ) , (
) , (

> +

j i A
maka nd j i jika
j nd i j ndj j i
ana
j i j i A j i A
j i
indeks nd
j
= j +

i
kolom tinggi
2
dan nd = n +

i
kolom tinggi
2
memperhatikan posisi 45 pada matriks awal I = 4, j = 5.
I maks penyimpanan dalam larik tunggal adalah :
ndj = 5 + 1 + 1 + 3 + 1 = 11 yang berarti
ij = 11 5 + 4 = 10 sehingga a
45
disimpan di ) 10 ( A
2.5 Metode Dekomposisi LU
Jika suatu matriks [A] bukanlah singular sifatnya, maka matriks dapat
diuraikan sebagai perkalian dua matriks triangular [L] dan[U].[L] disebut matriks
triangular bawah yang elemen matriksnya mempunyai nilai 1 pada diagonal dan
nol diatas diagonal, seperti :
[ ] [ ]
1
1
1
1
]
1

1
1
1
1
]
1

nn
n
n
n n
U
U U U
U U U U
U dan
l l
l l
l
L
0
0
1
0 1
0 0 1
0 0 0 1
2 23 22
1 13 12 11
2 1
23 13
12
[U] adalah matriks triangulasi atas dengan nilai elemen di bawah diagonal
samadengan nol, maka :
[A] = [L] [U]
maka PLS dalam bentuk [A] [x] = [b] maka :
[L] [U] {x} = {b}
berarti terdapat dua system yaitu :
[L] {Z} = {b} untuk mencari {Z} dan
[U] {x} = {Z} untuk mencari {x}
Matriks [U] sama dengan matriks triangulasi yang diperoleh dari Metode Gauss.
Penyelesaian [U] {x} = {Z} dilakukan dengan cara subtitusi kebelakang setelah
diketahui nilai {Z} yang diselesaikan dari [L] {Z} = {b}.
Unsur elemen Matriks [L] merupakan pengali dalam proses Eliminasi Gauss,
sehingga menyimpan pengali ini selama proses eliminasi menjadi dasar
pembentukan matriks [L] dan [U].Metode penyelesaian ini disebut metode
dekomposisi LU.
Proses dekomposisi LU adalah :
1. Mendapatkan matriks [L] dan [U]
2. Menyelesaikan [L] {Z} = {b}
3. Menyelesaikan [U] {x} = {Z}
Cara dekomposisi mempunyai keunggulan dari cara Gauss yaitu untuk nilai {b}
yang berbeda-beda, cukup dilakukan satu kali penguraian matriks [A] ke [L] [U].
Contoh :
8 5 2 3
3 2 1
+ x x x
5 3 2 5
3 2 1
+ x x x
9 2 4
3 2 1
+ x x x
Dalam bentuk matriks
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

9
5
8
2 4 1
3 2 5
5 2 3
3
2
1
x
x
x
Proses pivotal
8
9
5
5 2 3
2 4 1
3 2 5
3
2
1

x
x
x
[ ] A

5 2 3
2 4 1
3 2 5
Hilangkan elemen di bawah a
11
menjadi nol. Secara umum pengali diperoleh dari
5
1
1
2
11
21
21

a
a
m
k
i
a
a
n
kk
ik
ik
(pengali yang ahrus disimpan sebagai unsur
elemen l
21
dari [L].
0 ) 5 (
5
1
1
5
1
11 21 21
a a a
baru
4 , 4 4 , 0 4 ) 2 (
5
1
4
5
1
12 22 22
+ a a a
baru
6 , 2 6 , 0 2 ) 3 (
5
1
2
5
1
13 23 23
a a a
baru
) (
5
3
1
3
31
11
31
31
l sebagai disimpan harus yang pengali
a
a
m
k
i

,
_

0 ) 5 (
5
3
3
5
3
11 31 31
a a a
baru
2 , 3 2 , 1 2 ) 2 (
5
3
2
5
3
12 32 32
+ a a a
baru
8 , 6
5
9
5 ) 3 (
5
3
5
5
3
13 33 33
a a a
baru
Susunan gabungan [A] adalah
8 , 6 2 , 3 0
6 , 2 4 , 4 0
3 2 5

Dari susunan unsur, tidak ada perubahan pivotal untuk meneruskan proses
triangualsi.
) (
2
3
32
22
32
32
l sebagai disimpn yang pengali
a
a
m
k
i

,
_

0 ) 4 , 4 (
11
8
2 , 3
22 32 32 32
a m a a
baru
9091 , 4 ) 6 , 2 (
11
8
8 , 6
23 32 33 33
a m a a
baru
Sehingga :
] [
9091 . 4 0 0
6 , 2 4 , 4 0
3 2 5
8 , 6 2 , 3 0
6 , 2 4 , 4 0
3 2 5
U menjadi

dan [L] adalah


] [
1 7273 , 0 6 , 0
0 1 2 , 0
0 0 1
L
Dekomposisi [A] = [L] [U]
9091 , 4 0 0
6 , 2 4 , 4 0
3 2 5
1 7273 , 0 6 , 0
0 1 2 , 0
0 0 1
5 2 3
2 4 1
3 2 5


Penyelesaiannya adalah:
a. [L] {Z} = {b}
382 , 5
4 , 7
8
8
9
5
1 7273 , 0 6 , 0
0 1 2 , 0
0 0 1
3
2
1
3
2
1


x
x
x
x
x
x
b. [U] {x} = {Z}
382 , 5
4 , 7
8
9091 , 4 0 0
6 , 2 4 , 4 0
3 2 5
3
2
1

x
x
x

Menjadi
096 , 1
99 , 0
180 , 0
3
2
1

x
x
x
Algoritma Program
1. Input nilai-nilai matriks [A] dan {b}
2. Lakukan dekomposisi matriks [A]
3. Lakukan subtitusi ke depan
4. Lakukan subtitusi ke belakang untuk mendapatkan penyelasian persamaan
5. Tulislah hasil