Anda di halaman 1dari 39

L .

L(T) = A
A . X = b
A = L U
U = L (transpose)
A = L. L (transpose
L . y = b
L(T) . x = y
CHOLESKY
L11 . Y1 = b1
Y1= b1/L11
L21 . Y1 + L22 . Y2 = b2
Y2= (b2- L21Y1)/L22
YN= (bN- LN1Y1-LN2Y2)/LNN
L11 0 0 0 0 Y1 b1
L21 L22 0 0 0 Y2 b2
L31 L32 L33 0 0 Y3 = b3
: : : : Y4 b4
LN1 LN2 LN3 LN4 LNN YN BN
Dekomposisi LU
[A] = [L][U]
Metoda Dekomposisi
Doolittle
Metoda Dekomposisi
Crout
Notasi Matriks LU berdasarkan Metode Doolittle
Matriks [A] dari Sistem Persamaan Aljabar Linier didekomposisi
(difaktorisasi) menjadi
matriks-matriks segitiga bawah (L) dan segitiga atas (U)
[A] = [L][U]
Notasi [A] = [L].[U] dengan Metode doolittle
A x = b
L U x = b
U . x = y (misal)
L . y = b (y dicari)
J adi : U . x =y (x dicari)

Notasi Matriks LU sebagai dekomposan matriks A dapat
dituliskan dalam suatu Sistem Persamaan Aljabar Linier
Metode Doolittle dalam operasi perkalian matriks
Algoritma Metode Dekomposisi Doolittle
Input : n, aij, i, j = 1, 2, ., n
Output : Lnxn, Unxn
Step :
1. Untuk j = 1, 2, , n
2. Untuk I = 2, 3, , n
untuk j = 1, 2, , i-1





untuk k = i, i+1, , n





Dekomposisi LU Crout

A = L . U

L adalah matrik segitiga bawah (lower triangular matrix)
U adalah matrik segitiga atas (upper triangular matrix)

Crout uij = 1








L U A
a
11
= l
11,
a
12
= l
11
u
11
u
11
= a
12
/l
11
, a
13
= l
11
u
13
u
13
= a
13
/l
11

u
1n
= a
1n
/l
11

l
11
a
11

Algoritma














a
21
= l
21
, a
31
= l
31
, l
n1
= a
n1

a
22
= l
21
u
12
+ l
22
l
22
= a
22
l
21
u
12

a
13
= l
21
u
13
+ l
22
u
23
u
23
= (a
23
l
21
u
13
)/a
22

u
2n
= (a
2n
l
21
u
1n
)/l
22
Algoritma



a
23
= l
31
u
12
+ l
32
l
32
= a
32
l
31
u
12

a
42
= l
41
u
12
+ l
42
l
42
= a
42
l
41
u
12

a
n2
= l
n1
u
12
+ l
n2
l
n2
= a
n2
l
n1
u
12

Algoritma


a
33
= l
31
u
13
+ l
32
u
23
+ l
33
. 1 l
33
= a
33
(l
31
u
13
+ l
32
u
23
)
a
34
= l
31
u
13
+ l
32
u
23
+ l
33
. 1 + 0 u
34
= [a
34
(l
31
u
14
+ l
32
u
24
)]/l
33

a
35
= l
31
u
15
+ l
32
u
25
+ l
33
u
35
+ 0 u
35
= [a
35
(l
31
u
15
+ l
32
u
25
)]/l
33

u
3n
= [a
3n
(l
31
u
1n
+ l
32
u
2n
)]/l
33


Algoritma

Matriks Tridiagonal
Matriks tridiagonal adalah matrik bujursangkar yang
seluruh elemen bukan 0 (nol) berada disekitar elemen
diagonal, sementara elemen lainnya bernilai 0 (nol).
Matriks tridiagonal seringkali dijumpai pada
problem-problem yang berbentuk PDP (persamaan
diferensial parsial) yang dominan secara diagonal (definit
positif ).


Bentuk Umum Matriks Tridiagonal
Jika matriks bujur-sangkar [A] di atas merupakan
matriks yang dominan secara diagonal (atau definit
:positif ) dan membentuk matriks tridiagonal, maka [A]
memiliki suatu mentuk faktorisasi LU, dalam hal ini baik
L maupun U hanya memiliki dua-diagonal:
L adalah matriks segitiga bawah dengan struktur
diagonal utama (dituliskan dalam lambang [dl]) dan
diagonal bawah (dituliskan dalam lambang [al]);
sedangkan matriks U adalah matriks segitiga atas yang
berisi diagonal utama [du] dan diagonal atas [cu].

Solusi yang digunakan adalah analogi dengan metode
ELIMINASI GAUSS. Disusun ulang menjadi:

Penyelesaian
(a) Jika d1 0, maka x1 dapat dieliminasi dari persamaan
kedua dengan menghitung faktor pengali berikut:


dan dihasilkan persamaan baru sebagai berikut:

dengan,

(b) Dengan cara yang sama, jika d2 0 , x2 dapat
dieliminasi dari persamaan ketiga sehingga dihasilkan
persamaan ketiga yang baru, sebagai berikut:


dengan


dan
(c) Teruskan cara perhitungan di atas, sehingga dapat
disimpulkan pada tahap-i, xi dapat dieliminasi dari
persamaan i+1 (dengan asumsi di' 0 ) dan
memberikan persamaan baru berikut:


dengan


dan

(d) Dalam butir (c) di atas sebenarnya merupakan sesuatu
yang beraturan, yaitu keberulangan dari = 1, 2, , n-1,
sehingga sistem awalnya tertransformasi menjadi matriks
segitiga atas

(e). Sebagai solusi akhirnya, yaitu substitusi balik yang juga
mirip dengan metode eliminasi Gauss, yaitu dengan
'menganggap bahwa d n 0 , akan diperoleh:



dan kemudian, untuk i = n-1, n-2,, 1, dapat digunakan:


metode Iterasi Jacobi merupakan salah satu
bidang analisis numerik yang digunakan untuk
menyelesaikan permasalahan persamaan linear dan
sering dijumpai dalam berbagai disiplin ilmu
persamaan awal
Ax=b
X= vektor yang dicari
B= vektor yang diketahui
Matriks A dapat didekomposisi menjadi :
A=L+D+U

Dengan L menyatakan matriks lower-triangular
dengan nilai nol pada diagonal,D merupakan matriks
diagonal dengan elemen diagonal yang tidak nol, dan
U adalah matriks upper-triangular dengan nilai nol
pada elemen diagonalnya







Dekomposisi LU

(
(
(

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

(
(
(

(
(
(

3
2
1
3
2
1
23
13 12
33 32 31
22 21
11
*
1 0 0
1 0
1
* 0
0 0
b
b
b
x
x
x
u
u u
l l l
l l
l
A * x = b
L * U * x = b
U * x = z
L * z = b
Cara Menyelesaikan Sistem Pers. Linier dengan merubah Matrik sistem A
menjadi Matrik Segitiga Bawah L dan Matrik Segitiga Atas U
Proses Dekomposisi
Untuk memperoleh U dan
L
Proses Subs. Maju
Untuk memperoleh z
Proses Subs. Mundur
Untuk memperoleh x
A * x = b
L * U * x = b
Dekomposisi LU : Naif

(
(
(

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

=
' '
33
'
23
'
22
13 12 11
0 0
0
a
a a
a a a
U
Diturunkan dari proses Eliminasi Gauss, dimana
L : Elemen Pengali m
ij
dalam proses eliminasi
U : Matrik Segitiga Atas hasil dari proses eliminasi
A * x = b
(
(
(

=
1
0 1
0 0 1
32 31
21
m m
m L
Proses Eliminasi Gauss
Iterasi Jacobi
Mirip dengan Gauss-Seidel, hanya semua nilai-nilai yang diperoleh di
iterasi ke i, baru akan digunakan lagi pada iterasi ke i+1
- Iterasi Pertama dimulai dengan terkaan awal X2,..,Xn = 0, dihitung nilai X1
Berikutnya dihitung X2, dengan X1,X3,..,Xn = 0
Begitu seterusnya sampai dihitung Xn, dengan X1,,Xn-1 = 0.

- Iterasi berikutnya dihitung berdasarkan nilai-nilai X yang diperoleh pada
iterasi sebelumnya.

- Proses iterasi diteruskan sampai diperoleh nilai-nilai X yang konvergen.
Contoh diketahui sistem persamaan linear:
10x1 - x2 + 2x3 = 6;
-x1 + 11x2 - x3 + 3x4 = 25;
2x1 - x2 + 10x3 - x4 = -11;
3x2 - x3 + 8x4 = 15:
Sistem persamaan tersebut diubah susunannya menjadi
Secara umum, sistem persamaan tersebut dapat dituliskan menjadi
seperti :
Dimisalkan bahwa nilai-nilai awal x(0) = 0. Pada langkah k = 1, diperoleh nilai-nilai
untuk x(1):
Setelah nilai-nilai x(1) diperoleh, penghitungan diulangi kembali dengan nilai k = 2
untuk memperoleh nilai-nilai x(2):
Proses diulang lagi untuk nilai-nilai k berikutnya.
Iterasi Gauss-Seidel
Cara Menyelesaikan Sistem Pers. Linier yang dilakukan secara iteratif.
Biasanya digukanan untuk sistem yang besar (n =ratusan), dimana metode
eliminasi tak mampu lagi karena terlalu banyak pembulatan yang
dilakukan.
n n nn n n
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
= + + +
= + + +
= + + +
.....
...
.....
.....
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
nn
n n n n n n
n
n n
n n
a
x a x a x a b
x
a
x a x a x a b
x
a
x a x a x a b
x
1 1 , 2 2 1 1
22
2 3 23 1 21 2
2
11
1 3 13 2 12 1
1
.....
...
.....
.....


=

=

=
- Iterasi Pertama dimulai dengan terkaan awal X2,..,Xn = 0, dihitung nilai X1
Berikutnya dihitung X2, dengan X1 adalah hasil sebelumnya, dan X3,..,Xn = 0
Begitu seterusnya sampai dihitung Xn, dengan X1,,Xn-1 adalah nilai-nilai
hasil perhitungan sebelumnya.
- Proses iterasi diteruskan sampai diperoleh nilai-nilai X yang konvergen.
Bentuk umum :
Untuk keperluan komputasi, bentuk umum dapat
dinyatakan secara khusus untuk i = 1 dan
i = n berturut-turut:
Contoh diketahui sistem persamaan linear:
10x1 - x2 + 2x3 = 6;
-x1 + 11x2 - x3 + 3x4 = 25;
2x1 - x2 + 10x3 - x4 = -11;
3x2 - x3 + 8x4 = 15:
Sistem persamaan tersebut diubah susunannya menjadi
Secara umum, sistem persamaan tersebut dapat dituliskan menjadi
seperti :
Pada langkah k = 1, diperoleh nilai-nilai untuk x
(1)
:
Setelah nilai-nilai x
(1)
diperoleh, penghitungan diulangi kembali dengan
nilai k = 2 untuk memperoleh nilai-nilai x
(2)
;
Proses diulang lagi untuk nilai-nilai k berikutnya.

Metode Gauss-Seidel digunakan untuk menyelesaikan sistem persamaan
linear berukuran besar dan proporsi koefisien nolnya besar, seperti sistem-
sistem yang banyak ditemukan dalam sistem persamaan diferensial. Metode
iterasi Gauss-Seidel dikembangkan dari gagasan metode iterasi pada solusi
persamaan tak linier. Dengan metode iterasi Gauss-Seidel sesatan
pembulatan dapat diperkecil karena dapat meneruskan iterasi sampai
solusinya seteliti mungkin sesuai dengan batas sesatan yang diperbolehkan.
Iterasi Gauss-Seidel hampir sama dengan metode iterasi Jacobi.
Perbedaanya hanya terletak pada penggunaan nilai elemen vektor xbaru
yang langsung digunakan pada persamaan dibawahnya. Dalam upaya
pemrograman metode ini hampir sama dengan iterasi Jacobi,
perbedaanya adalah terletak pada bagian nilai update, dimana elemen
xbaru hasil perhitungan dilibatkan langsung untuk menghitung elemen
xbaru selanjutnya. Metode ini juga meiliki laju konversi relatif yang lebih
cepat bila dibandingkan dengan metode iterasi jacobi.