MA3072 METODE NUMERIK LAPORAN II

Nama Sesi Dosen Nama Asisten : Andy Hidayatullah Rosman :2 : Novriana Sumarti, Ph.D : Muizzuddin Shidqi William Suhartono Tanggal Penyerahan : Kamis, 7 Maret 2013 12210008 12210068 12211032

PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI BANDUNG 2013

I.

Teori Singkat

Salah satu kegunaan dari metode numeric adalah untuk menyelesaikan Sistem Persamaan Linear (SPL) dengan variable yang sangat banyak. Dalam menyelesaikan SPL dengan menggunakan metode numeric SPL diubah kedalam bentuk matriks. Lalu dari bentuk matriks itu terdapat beberapa macam metode untuk menyelesaikan SPL tersebut. Metode Eliminasi Gauss Eliminasi Gauss adalah suatu metode untuk mengoperasikan nilai-nilai di dalam matriks sehingga menjadi matriks yang lebih sederhana lagi. Dengan melakukan operasi baris sehingga matriks tersebut menjadi matriks yang baris. Ini dapat digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan matriks. Caranya dengan mengubah persamaan linear tersebut ke dalam matriks teraugmentasi dan mengoperasikannya. Setelah menjadi matriks baris, lakukan substitusi balik untuk mendapatkan nilai dari variabel-variabel tersebut. Metode Faktorisasi / Dekomposisi Segitiga

Pada metode ini matriks A difaktorkan menjadi factor segitiga bawah (L) dan segitiga atas (U). Salah satu kegunaan dari faktorisasi segitiga ini adalah untuk menyelesaikan suatu SPL yang matriks koefisiennya sama tetapi nilai SPL-nya (ruas kanan SPL) berbedabeda. Misalkan kita mempunyai SPL : dan matriks A telah difaktorkan menjadi A=LU. Langkah untuk mencari penyelesaiannya adalah

Dengan Ux=b. Langkah pertaa selesaikan SPL segitiga bawah Ly=b dengan substitusi maju. Setelah y diperoleh selanjutnya x dapat dicari dari persamaan Ux=y memakai substitusi mundur. Untuk memudahkan faktorisasi dikenal beberapa faktorisasi yaitu : 1. Dekomposisi Doolitle, dimana elemen diagonal dari matriks L bernilai 1 2. Dekomposisi Crout, dimana elemen diagonal dari matriks U bernilai 1 3. Dekomposisi Cholesky, Bila matriks A bersifat simetri, matriks U dibuat sama dengan Lt. Metode Jacobi Metode Jacobi adalah salah satu metode iterasi yang dapat digunakan untuk menyelesaikan sistem persamaan linier Ax = b dengan syarat matriks A yang bersifat dominan diagonal secara tepat. Dalam penelitian ini metode Jacobi dikembangkan menjadi metode Jacobi Diperumum, yaitu dengan memperumum matriks-matriks yang terlibat dalam persamaan metode Jacobi menurut suatu parameter. Berdasarkan

alur analisis konvergensi metode Jacobi, dapat dibuktikan bahwa metode Jacobi Diperumum juga selalu konvergen ke solusi sejati sistem persamaan linier Ax = b. Metode Gauss Seidel Metode interasi Gauss-Seidel adalah metode yang menggunakan proses iterasi hingga diperoleh nilai-nilai yang berubah-ubah. Metode iterasi Gauss-Seidel dikembangkan dari gagasan metode iterasi pada solusi persamaan tak linier .

II.

Algoritma Penyelesaian Masalah

Metode Eliminasi Gauss : Masukkan :

Keluaran : Langkah-Langkah : // Tahap Eliminasi 1. Untuk k=1,2,3,, n-1 Jika |a[k,k]| < eps maka Proses Gagal,stop Untuk i = k+1,k+2,,n P = a[i,k]/a[k][k] Untuk j =k+1,k+2,,n+1 a[i,j] = a[i,j] P*a[k,j] a[i,k] = 0 // Tahap Substitusi Mundur 2. Jika |a[k,k]| < eps maka Proses Gagal,stop x[n] = a[n,n+1]/a[n,n] Untuk k = n-1,n-2,,1 S=0 Untuk i = k+1,k+2,,n S = S + a[k][i]*X[i] x[k] = (a[k][n+1] S)/a[k][k] Stop.

n a[i,j] x[i]

Ukuran SPL i =1,2,3,,n j = 1,2,3,,n+1 i = 1,2,3,,n Solusi SPL

Metode Faktorisasi / Dekomposisi Segitiga:

Masukkan Keluaran Langkah-Langkah

: : :

n a[i,j] x[i]

Ukuran SPL i =1,2,3,,n j = 1,2,3,,n+1 i = 1,2,3,,n Solusi SPL

 Metode Jacobi
Masukkan : n A[i][j] B[i] X[i] eps maxiter x[i] Ukuran SPl i = 1,2,3,,n i = 1,2,3,,n i = 1,2,3,,n j=1,2,3,,n

Keluaran : i=1,2,3,,n Langkah-Langkah : 1. Iter = 0 2. Galat = 0 3. Untuk i=1,2,3,,n S=0 Untuk j=1,2,3,,n Jika j <> i maka s = s + a[i,j]*x[j] Xbaru[i] = (b[i] s)/ a[i][i] S = abs((xbaru[i] x[i] )/xbaru[i]) Jika s > galat maka galat = s 4. Untuk i=1,2,3,n X[i] = xbaru[i] 5. Jika galat < eps maka Selesai, Stop 6. Iter = iter + 1 7. Jika iter > maxiter maka Proses Belum Konvergen, Stop 8. Kembali ke langkah 2.

Metode Gauss Seidel

Masukkan : n A[i][j] B[i] X[i] eps maxiter x[i] Ukuran SPl i = 1,2,3,,n i = 1,2,3,,n i = 1,2,3,,n

j=1,2,3,,n

Keluaran : Langkah-Langkah : 1. Iter = 0 2. Galat = 0

i=1,2,3,,n

3. Untuk i=1,2,3,,n S=0 Untuk j=1,2,3,,n Jika j <> i maka s = s + a[i,j]*x[j] Xbaru = (b[i] s)/ a[i][i] S = abs((xbaru x[i] )/xbaru) Jika s > galat maka galat = s X[i]=xbaru 4. Jika galat < eps maka Selesai, Stop 5. Iter = iter + 1 6. Jika iter > maxiter maka Proses Belum Konvergen, Stop 7. Kembali ke langkah 2.

III.

Source Program C
Metode Eliminasi Gauss

#include<stdio.h> #define n 5 void isimatrix(float A[10][10]) { A[1][1]=1;A[1][2]=-2;A[1][3]=1;A[1][4]=-1;A[1][5]=1;A[1][6]=5; A[2][1]=-4;A[2][2]=3;A[2][3]=2;A[2][4]=1;A[2][5]=1;A[2][6]=-10; A[3][1]=4;A[3][2]=-5;A[3][3]=1;A[3][4]=5;A[3][5]=-1;A[3][6]=-7; A[4][1]=-2;A[4][2]=1;A[4][3]=-4;A[4][4]=4;A[4][5]=3;A[4][6]=0; A[5][1]=1;A[5][2]=1;A[5][3]=3;A[5][4]=-1;A[5][5]=3;A[5][6]=12; } void printmatrix(float A[10][10]) { printf("\n"); int i,j; for(i=1;i<=n;i++) { for(j=1;j<=n+1;j++) { if(j==n+1) printf("|%f ",A[i][j]); else printf("%f ",A[i][j]); } printf("\n"); } }

void eliminasi(float A[10][10]) { printf("\n"); printf(" Matriks Persamaan: "); printf("\n\n"); printmatrix(A); int i,j,k; float c; for(i=1;i<=n;i++) { for(j=i+1;j<=n;j++) { c=A[j][i]/A[i][i]; for(k=i;k<=n+1;k++) { A[j][k]=A[j][k]-c*A[i][k]; } } } printf("\n"); printf(" Matriks Segitiga Atas: "); printf("\n\n"); printmatrix(A); } void SubstitusiMundur(float A[10][10]) { int i,j; float s; A[n][n+2]=A[n][n+1]/A[n][n]; for(i=n-1;i>=1;i--) { s=0; for(j=n;j>i;j--) s=s+A[i][j]*A[j][n+2]; A[i][n+2]=(A[i][n+1]-s)/A[i][i]; } } void Solusi(float A[10][10]) { int i; printf("\nMaka Solusi Dari SPL tersebut adalah:\n"); for(i=1;i<=5;i++) { printf("\nx%i = %f",i,A[i][n+2]);

} } int main() { float A[10][10]; printf("\n"); printf("Metode Eliminasi Gauss "); printf("\n"); printf("\n"); printf("\nDiketahui SPL :\n\n"); printf("x1 - x2 + x3 - x4 + x5 = 5 \n-4x1 + 3x2 + 2x3 + x4 + x5 = -10 \n4x1 - 5x2 + x3 + 5x4 - x5 = -7 \n-2x1 + x2 - 4x3 + 4x4 + 3x5 = 0 \nx1 + x2 + 3x3 - x4 + 3x5 = 12 \n"); isimatrix(A); eliminasi(A); SubstitusiMundur(A); Solusi(A); getch(); }

Hasil Kompilasi Metode Eliminasi Gauss :

Metode Faktorisasi / Dekomposisi Segitiga

#include<stdio.h> #include<math.h> #define n 5 void isimatrix(float A[n+1][n+1],float B[n+1]) { A[1][1]=1;A[1][2]=-2;A[1][3]=1;A[1][4]=-1;A[1][5]=1;B[1]=5; A[2][1]=-4;A[2][2]=3;A[2][3]=2;A[2][4]=1;A[2][5]=1;B[2]=-10; A[3][1]=4;A[3][2]=-5;A[3][3]=1;A[3][4]=5;A[3][5]=-1;B[3]=-7; A[4][1]=-2;A[4][2]=1;A[4][3]=-4;A[4][4]=4;A[4][5]=3;B[4]=0; A[5][1]=1;A[5][2]=1;A[5][3]=3;A[5][4]=-1;A[5][5]=3;B[5]=12; } void printmatrix(float A[n+1][n+1],float B[n+1]) { int i,j; for(i=1;i<=n;i++) { for(j=1;j<=n+1;j++) { if(j==n+1) printf("|%f\t",B[i]); else printf("%f\t",A[i][j]); } printf("\n"); } }

void DekomposisiLU(float A[n+1][n+1],float B[n+1]) { int i,j,k; float s; for(i=1;i<=n;i++) { for(j=i+1;j<=n;j++) { s=A[j][i]/A[i][i]; for(k=i;k<=n;k++) { A[j][k]=A[j][k]-s*A[i][k]; } A[j][i]=s; } } printf("\n"); printf("Matriks Segitiga Bawah (Lower)(Ly=b) "); printf("\n"); for(i=1;i<=n;i++)

{ for(j=1;j<=n+1;j++) { if(i==j) printf("1\t"); else if(j<i) printf("%f\t",A[i][j]); else{ if(j==n+1) printf("\t|%f",B[i]); else printf("\t0\t");} } printf("\n"); } for(i=1;i<=n;i++) { s=0; for(j=1;j<i;j++) { s=s+A[i][j]*B[j]; } B[i]=(B[i]-s); } printf("\nNilai Y Adalah:"); printf("\ny1=%f\ny2=%f\ny3=%f\ny4=%f\n",B[1],B[2],B[3],B[4]); printf("\n"); printf(" Matriks Segitiga Atas(Ux=y) "); printf("\n"); for(i=1;i<=n;i++) { for(j=1;j<=n+1;j++) { if(j<i) printf("0\t "); else{ if(j==n+1) printf(" |%f",B[i]); else printf("%.4f ",A[i][j]);} } printf("\n"); } B[n]=B[n]/A[n][n]; for(i=n-1;i>=1;i--) { s=0; for(j=n;j>i;j--) s=s+A[i][j]*B[j]; B[i]=(B[i]-s)/A[i][i]; } printf("\nNilai X (akar) adalah:"); printf("\nx1 = %f\nx2 = %f\nx3 = %f\nx4 = %f\nx5 = %f",B[1],B[2],B[3],B[4],B[5]); }

int main() { float A[n+1][n+1], B[n+1]; printf("\n"); printf("Metode Faktorisasi LU "); printf("\n\n"); printf("\n"); printf("\n\n"); isimatrix(A,B); printf("\n========================== Matriks Awal (Ax=b):============================\n\n"); printmatrix(A,B); printf("\n\nMisal A = LU\nMaka (LU)x = b dan L(Ux)= b\n"); printf("1. y = Ux, Selesaikan SPL segitiga bawah Ly = b, didapat vektor y\n"); printf("2. Selanjutnya vektor x dapat dicari dari persamaan Ux = y\n"); DekomposisiLU(A,B); getch(); }

Hasil Kompilasi Metode Dekomposisi / Faktorisasi LU :

Metode Jacobi dan Gauss-Sceidel

#include<stdio.h> #define n 5 #define epsilon 1e-8

void print() { printf("\nSistem Persamaan Linier:\n"); printf("x1 - x2 + x3 - x4 + x5 = 5 \n-4x1 + 3x2 + 2x3 + x4 + x5 = -10 \n4x1 - 5x2 + x3 + 5x4 - x5 = -7 \n-2x1 + x2 - 4x3 + 4x4 + 3x5 = 0 \nx1 + x2 + 3x3 - x4 + 3x5 = 12 \n"); }

void matrix(float A[n+1][n+1],float B[n+1],float P[n+1],float Q[n+1]) { A[1][1]=1;A[1][2]=-2;A[1][3]=1;A[1][4]=-1;A[1][5]=1;B[1]=5;P[1]=0;Q[1]=0; A[2][1]=-4;A[2][2]=3;A[2][3]=2;A[2][4]=1;A[2][5]=1;B[2]=-10;P[2]=0;Q[2]=0; A[3][1]=4;A[3][2]=-5;A[3][3]=1;A[3][4]=5;A[3][5]=-1;B[3]=-7;P[3]=0;Q[3]=0; A[4][1]=-2;A[4][2]=1;A[4][3]=-4;A[4][4]=4;A[4][5]=3;B[4]=0;P[4]=0;Q[4]=0; A[5][1]=1;A[5][2]=1;A[5][3]=3;A[5][4]=-1;A[5][5]=3;B[5]=12;P[5]=0;Q[5]=0; }

int main() { printf("---------------------------PROGRAM ITERASI JACOBI DAN GAUSSSEIDEL-----------------------------\n"); float A[n+1][n+1], B[n+1], P[n+1], Q[n+1]; float sP, sQ, galatP, galatQ, Pi[n+1], Qi[n+1]; int i,j,k; print(A); matrix(A,B,P,Q);

printf("\n----------------------------METODE JACOBI-------------------------------------------------\n"); printf("I=\t x1\t\tx2\t x3\t x4\tx5\tGalat\n");

printf("-------------------------------------------------------------------\n"); for(i=1;i<=100;i++) { for(j=1;j<=n;j++) { sP=0; sQ=0; for(k=1;k<=n;k++) { if(k!=j) sP=sP+A[j][k]*P[k]; if(k!=j) sQ=sQ+A[j][k]*Q[k]; } Pi[j]=(B[j]-sP)/A[j][j]; Qi[j]=(B[j]-sQ)/A[j][j]; sP=fabs((Pi[j]-P[j])/Pi[j]); sQ=fabs((Qi[j]-Q[j])/Qi[j]); if(galatP>sP) galatP=sP; if(galatQ>sQ) galatQ=sQ; Q[j]=Qi[j]; } for(j=1;j<=n;j++) P[j]=Pi[j]; if(galatP<=epsilon) break; printf("\n%i\t %f %f %f %f %f ",i,P[1],P[2],P[3],P[4],P[5],galatP); } printf("\n");

printf("\n---------------------------METODE GAUSS-SEIDEL--------------------------------\n"); printf("I=\t x1\t\tx2\t x3\t x4\tx5\tGalat\n");

printf("-------------------------------------------------------------------\n"); for(i=1;i<=100;i++)

{ for(j=1;j<=n;j++) { sP=0; sQ=0; for(k=1;k<=n;k++) { if(k!=j) sP=sP+A[j][k]*P[k]; if(k!=j) sQ=sQ+A[j][k]*Q[k]; } Pi[j]=(B[j]-sP)/A[j][j]; Qi[j]=(B[j]-sQ)/A[j][j]; sP=fabs((Pi[j]-P[j])/Pi[j]); sQ=fabs((Qi[j]-Q[j])/Qi[j]); if(galatP>sP) galatP=sP; if(galatQ>sQ) galatQ=sQ; Q[j]=Qi[j]; } for(j=1;j<=n;j++) P[j]=Pi[j]; if(galatP<=epsilon) break; printf("\n%i\t %f %f %f %f %f ",i,Q[1],Q[2],Q[3],Q[4],Q[5],galatQ); } printf("\n"); getch(); }

Hasil Kompilasi Metode dan Gauss-Sceidel:

IV.

Analisis
Metode eliminasi Gauss digunakan dalam analisis numerik untuk meminimalkan mengisi selama eliminasi, dengan beberapa tahap. Keuntungan dari system ini adalah menentukan apakah sistem konsisten, menghilangkan kebutuhan untuk menulis ulang variabel setiap langka, lebih mudah untuk memecahkan. Kelemahan dari system ini adalah memiliki masalah akurasi saat pembulatan desimal.

Kelebihan

dari

metode

dekomposisi

LU

adalah

sangat

efektif

untuk

menyelesaikan persamaan linier serentak yang berordo tinggi, dengan hasil yang mendekati nilai eksaknya, namun memerlukan cara yangcukup kompleks.

Metode eliminasi Gauss-Seidel digunakan untuk menyelesaikan SPL yg berukuran kecil karena metode ini lebih efisien disbanding metode Jacobi. Dengan metode iterasi Gauss-Seidel sesatan pembulatan dapat diperkecil karena dapat meneruskan iterasi sampai solusinya seteliti mungkin sesuai dengan batas sesatan yang diperbolehkan. Kelemahan dari metode ini adalah masalah pivot (titik tengah) yang harus benarbenar diperhatikan, karena penyusun yang salah akan menyebabkan iterasi menjadi divergen dan tidak diperoleh hasil yang benar.

V.

Kesimpulan
Keuntungan dari metode eliminasi Gauss lebih mudah untuk memecahkan Keuntungan dari metode dekomposisi LU adalah sangat efektif untuk menyelesaikan persamaan linier serentak yang berordo tinggi Metode Gauss-Seidel lebih efisien disbanding metode Jacobi