8. Penyelesain dengan menggunakan Matlab!

4.4 Metode Gauss-Jordan

Bila pada eliminasi Gauss persamaan dasar diubah menjadi matriks triangulasi atas
dengan me-nol-kan unsur matriks segitiga bawah [A], maka cara eliminasi Gauss-Jordan
dilakukan pula pada bagian segitiga atas matriks. Pada akhir eliminasi, y tinggal hanyalah
suku-suku pada diagonal matriks saja.
Bentuk akhir matriks gabungan setelah eliminasi dinyatakan sebagai berikut:

[ ] [] []
A 11 0 0 K x1 B1
0 x2 B2
0 A 22 0 K 0
0 0 A33 K x3 = B3
0
M M M MA M M
0 0 0 K nn xn Bn

[ ] [] [ ]
1 0 0 K 0 x1 B 1 / A 11
0 1 0 K 0 x2 B 2 / A 22
0 0 1 K 0 x3 = B3 / A33
M M M M
M M 0 K 1
0 0 xn Bn / A nn
4.4.1 Algoritma Metode Gauss-Jordan
1. Tulis sistem persamaan dalam bentuk Matriks augmentasi [system] [A | B]
2. Ubah matriks [A | B] ke dalam bentuk: [A | B] [I | C ] di mana I adalah matriks
identitas.
 3. Ketika langkah ke-dua sudah selesai, tulis matriks [I | C ] sebagai hasil persamaan.

4.4.2 Program Metode Gauss Jordan

Output A

Output B
4.5 Metode Invers Matriks
Matriks Identitas berikut merupakan matriks diagonal di mana semua elemen pada
diagonal utama adalah 1 (satu), sedangkan elemen lainnya adalan 0 (nol). Untuk sembarang
matriks bujursangkar [A] diperoleh: [A] [I] = [I] [A] = [A]

[ ]
1 0 0 K 0
0 1 0 K 0
In = 0 0 1 K 0
M M M K M
0 0 0 K 1
Jika perkalian sutu matriks [A] dan [B] maka [A] [B] = [B] [A] = [I]. Dengan demikan
matriks B adalah matriks invers dari A.
Contoh:
A= ( )
2 3
2 2
dan B =( 1 1)
2 3/ 2
maka: AB = BA = (10 01) = I2.
Dalam operasi perkalian:
([A] . [B]) 1 = [B]-1 [A]-1 = [I]
 [ ] [] []
a11 a12 a13 K a1 n x1 B1
a 21 a22 a23 K a2 n x2 B2
In = a 31 a32 a33 K a3 n x3 = B3
M M MMM M M
an 1 an 2 an 3 K a nn xn Bn
([A] . [B]) = [B] dengan menambahkan unsur invers [A]-1 maka:
[A]-1 . ([A] . [B]) = [A]-1 . [B]
[I] . [X] = [A]-1 . [B]

4.5.1 Algoritma Invers Matriks dengan Eliminasi Gauss-Jordan melalui Proses Pivoting

1. masukkan nilai matriks [A]

2. bentuk matriks gabungan [G] yang merupakan gabungan gabungan matriks [A] dan [I], [I]
adalah matriks identitas.

3. lakukan eliminasi untuk me-nol-kan bagian segitiga bawah dan segitiga atas matriks.
Untuk setiap langkah eliminasi lakukan lebih dahulu proses pivoting untuk mencari
persamaan pivot.

4. lakukan normalisasi sehingga semua elemen diagonal matriks sama dengan 1 (satu).

4.5.2 program matlab

Output Program:
 4.6 Determinan
Misalkan A adalah matriks bujur sangkar. Fungsi determinan dinyatakan oleh Det(A), dan
didefinisikan sebagai jumlah semua hasil kali elementer bertanda dari A. Jumlah det(A)
disebut sebagai determinan A, det(A) atau |A|
4.7 Aturan Sarus
Aturan sarus hanya berlaku untuk matriks berukuran 3x3 saja.
Teorema 1 : Jika A adalah sembarang matriks bujur sangkar yang mengandung sebaris
bilangan nol, maka |A| = 0
Teorema 2 : jika A adalah matriks segitiga, baik matriks segitiga atas maupun bawah
berukuran nxn, maka determinannya adalah hasil kali semua elemen diagonalnya.
Teorema 3 :

| | | |
Ka11 a12 Ka13 a11 a12 Ka 13
1. a21 a22 a23 = K a 21 a22 a23
a31 a32 a33 a 31 a32 a33

| | | |
a 21 a22 Ka23 a11 a12 Ka 13
2. a11 a12 a13 =K a 21 a22 a23
a 31 a32 a33 a 31 a32 a33

| | | | | |
a21 a22 a 23 a11 a12 a13 a11 a12 a13
3. a11 + Ka11 a 12 +Ka12 a13 + Ka13 = a 21 a22 a23 +K a 21 a22 a23 =
a31 a32 a 33 a 31 a32 a33 a 31 a32 a33

| |
a11 a12 Ka 13
a 21 a22 a23
a 31 a32 a33

Teorema 4 : jika adalah matriks bujur sangkar, maka A dapat diinverskan jika dan hanya jika
det(A) = 0. Sifat-sifat fungsi determinan:
1. det (A) = det (At)
2. det (k A) = k det (A)
3. det (A+B) = det (A) + det (B)
4. det (AB) = ded (A) det (B)
4.8 Metode Cramer
Definisi:
Jika Ax = b adalah sistem yang terdiri dari n persamaan linear dengan n bilangan tak
diketahui sehingga det (A) = 0, maka sistem tersebut mempunyai pemecahan yang tunggal.
Pemecahan ini adalah:
DET ( A 1) DET ( A 2) DET ( A n)
X1 = , X2 = , Xn = , di mana Aj adalah matriks yang
DET (A ) DET (A ) DET ( A)
didapatkan dengan menggantikan elemen-elemen dari kolom ke-j dari A dengan elemen-
elemen dari vektor b, yaitu
 []
b1
b2
b=
M
bn
4.8.1 Algoritma Aturan Cramer
1. Masukkan nilai matriks [A] dan {b}
2. Hitung determinan matriks [A].
3. Untuk i=1 sampai n (jumlah persamaan) lakukan perhitungan sebagai berikut. Bentuk
matriks [Aj], yaitu matriks [A] yang kolom ke-i, gantikan dengan matriks {b}.
4. Hitung determinan matriks [Aj].
5. Hitung Xi = |Aj| / |A|

4.9 Metode Iterasi

4.9.1 Iterasi Jacobi
Iterasi Jacobi menggunakan rumus rekursif untuk menghitung nilai pendekatan solusi
persamaan. Proses iterasi dilakukan sampai dicapai suatu nilai yang konvergen dengan
toleransi yang diberikan.
4.9.1.1 Algoritma Iterasi Jacobi
1. Masukkan nilai matriks [A] dan (b) yang membentuk persamaan simultan linear, serta
toleransi perhitungan.
2. Inisialisasi nilai x(0).
3. hitung harga x(1) dengan rumusan iterasi jacobi
4. periksa hasil perhitungan; jika telah memenuhi toleransi yang diberikan cetak, nilai x(1)
sebagai hasil akhir perhitungan dan hentikan program. Jika tidak, lanjutkan ke langkah
berikutnya.
5. gantikan nilai x(0) dengan x(1), dan ulangi langkah 3.
4.9.1.2 Contoh Soal dan Penyelesaiannya
Selesaikan sistem persamaan berikut dengan metode iterasi Jacobi.
3x+y-z = 5
4x+7y-3z = 20
2x-2y+5z = 10
4.10 Matriks Dekomposisi
4.10.1 metode dekomposisi LU
jika suatu matriks [A] bukan singular (determinan bukan nol), maka matriks tersebut dapat
diuraikan menjadi: matriks triangular [L] dan [U].
Di mana [L] merupakan matriks tringular bawah, dan [U] matriks tringular atas. Sehingga
[A]= [L].[U]

4.10.1.1 Algoritma Proses Dekomposisi LU

a) Langkah 1 : ln = an, untuk i = 1,2,...,n
aij
b) Langkah 2 : Uij = l untuk j = 2,3,....n
11
j1

c) Langkah 3 : lnn = aij - lik U kj untuk i = j, j+1,...,n

k=1
 j1
aij l ji U ik
d) Langkah 4 : Ujk = i1 untuk k = j + 1, j+2,...,n
ljj
n1

e) Langkah 5 : lnn = ann - lnk U kn

k=1
4.10.1.2 Contoh soal dan Penyelesaiannya
Sebagai contoh, tinjau proses dekomposisi LU untuk menyelesaikan persamaan:
5X1 2X2 + 3X3 = 5
X1 + 4X2 2X3 = 9
3X1 + 2X2 5X3 = 8
4.10.2 Metode Thomas
Algoritma Thomas sangat cocok untuk menyelesaikan persamaan linear simultan yang dapat
dibentuk menjadi matriks tridiagonal. Persamaan semacam ini banyak dijumpai dalam
perhitungan numerik persamaan diferensial parsial dengan metode beda berhingga ataupun
elemen berhingga.
4.10.2.1 Algoritma Proses Dekomposisi Thomas
a) Menyelesaikan persamaan matriks [L] dan [U]
b) Menyelesaikan [L] {Y} = {b}
c) Menyelesaikan [U] {x} = {z}
 4.10.3 Metode Cholesky
Dalam ilmu rekayasa, persamaan linear simultan yang diperoleh dari rumusan
matematika berdasarkan teori elastis umumnya mempunyai unsur koefisien yang simetris.
Matriks [A] disebut matriks simetri apabila di luar unsur diagonal, unsur matriks baris sama
dengan unsur matriks kolom pada indeks baris dan kolom yang sama.
Matriks simetri dapat dinyatakan dalam produk matriks triangulasi bawah dengan matriks
triangulasi atas, dengan kedua matriks satu sama lain adalah matriks transpose. Faktorisasi
matriks [A] = [U]T [U].