Matematika Teknik Sistem Persamaan Linear

http://istiarto.staff.ugm.ac.
id
SISTEM PERSAMAAN LINEAR

Systems of Linear Algebraic Equations
Sistem Persamaan Linear
2 http://istiarto.staff.ugm.ac.id
q Acuan
q Chapra, S.C., Canale R.P., 1990, Numerical Methods for Engineers,
2nd Ed., McGraw-Hill Book Co., New York.
n Chapter 7, 8, dan 9, hlm. 201-290.
Sistem Persamaan Linear
q Serangkaian n persamaan linear:

a11x1 + a12 x2 + ... + a1n xn = c1
a21x1 + a22 x2 + ... + a2n xn = c2 Sejumlah n persamaan linear
. ini harus diselesaikan secara
simultan untuk mendapatkan
. x1, x2,, xn yang memenuhi
. setiap persamaan tsb.
a1n x1 + a2n x2 + ... + a nn xn = c n
Metode Penyelesaian
Jml. pers. sedikit, n Jml. pers. banyak, n

q Penyelesaian q Penyelesaian langsung
q Grafis q Eliminasi Gauss
q Cramer q Gauss-Jordan
q Eliminasi q Iteratif
q Jacobi
q Gauss-Seidel
q Successive Over Relaxation
Metode Grafis
x2
x2 =
x1
x1 =
Metode Grafis
x2 hampir sejajar x2 berimpit x2 sejajar
x1 x1 x1
ill-conditioned system singular system singular system
Metode Cramer
q Variabel tak diketahui, xi, merupakan perbandingan dua determinan

matriks
q Penyebut : determinan, D, matriks koefisien sistem persamaan
q Pembilang : determinan matriks koefisien sistem persamaan seperti penyebut,
namun koefisien kolom ke i diganti dengan koefisien ci
q Contoh
q 3 persamaan linear a11x1 + a12 x2 + a13 x3 = c1
a21x1 + a22 x2 + a23 x3 = c2
a31x1 + a32 x2 + a33 x3 = c3
Metode Cramer
a11 a12 a13 a11 a12 a13

[A] = A = a21 a22 a23 D = det A = a21 a22 a23
a31 a32 a33 a31 a32 a33
c1 a12 a13 a11 c1 a13 a11 a12 c1

c2 a22 a23 a21 c2 a23 a21 a22 c2
c3 a23 a33 a31 c3 a33 a31 a23 a3
x1 = x2 = x3 =
D D D
Determinan Matriks
q Matriks bujur sangkar: n n

q Mencari determinan matriks
q Hitungan manual
q MSExcel, dengan fungsi =MDETERM()
q Contoh hitungan determinan matriks 2 2 dan 3 3
a11 a12 a13
a a
[A] = A = 11 12 [B] = B = a21 a22 a23
a21 a22 a31 a32 a33
Determinan Matriks
a11 a12
D = det A = = a11a22 a12 a21
a21 a22
a11 a12 a13

a a23 a21 a23 a21 a22
D = det B = a21 a22 a23 = a11 22 a12 + a13
a32 a33 a31 a33 a31 a32
a31 a32 a33
= a11(a22 a33 a23 a32 ) a12 (a21a33 a23 a31 ) + a13 (a21a32 a22 a31 )
Metode Cramer
q Contoh: 3 persamaan linear AX = C

3x1 0.1x2 0.2x3 = 7.85 3 0.1 0.2 x1 7.85
0.1 7 0. 3 x = 19.3
0.1x1 + 7 x2 0.3x3 = 19.3 2
0.3x1 0.2x2 + 10x3 = 71.4 0.3 0.2 10 x3 71.4
det A = (3)[(7 )(10) ( 0.3)( 0.2)] ( 0.1)[(0.1)(10) ( 0.3)(0.3)] +

( 0.2)[(0.1)( 0.2) (7 )(0.3)]
= 210.353
Metode Cramer
7.85 0.1 0.2 3 7.85 0.2 3 0.1 7.85

[A1] = 19.3 7 0.3 [A2 ] = 0.1 19.3 0.3
[A3 ] = 0.1 7 19.3
71.4 0.2 10 0.3 71.4 10 0.3 0.2 71.4
det A1 = A1 = 631.059 det A2 = A2 = 525.883 det A3 = A3 = 1472.471
det A1 631.059 det A2 525.883 det A 3 1472.471

x1 = = =3 x2 = = = 2.5 x3 = = =7
det A 210.353 det A 210.353 det A 210.353
Metode Eliminasi
q Contoh: 2 persamaan linear

a11x1 + a12 x2 = c1 a21 [a11x1 + a12 x2 = c1] a11a21x1 + a12 a21x2 = c1a21
a21x1 + a22 x2 = c1 a11 [a21x1 + a22 x2 = c2 ] a21a11x1 + a22 a11x2 = c2a11
a22a11x2 a12a21x2 = c2a11 c1a21

c2a11 c1a21
x2 =
a22 a11 a12 a21
c2a22 c1a12
x1 =
a22 a11 a12 a21
Eliminasi Gauss
q Strategi
q Forward elimination
q Back substitution
q Contoh
q 3 persamaan linear a11x1 + a12 x2 + a13 x3 = c1 (1)
a21x1 + a22 x2 + a23 x3 = c2 (2)
a31x1 + a32 x2 + a33 x3 = c3 (3)

Eliminasi Gauss
q Forward elimination #1
q Hilangkan x1 dari pers. kedua dan ketiga dengan operasi perkalian koefisien dan
pengurangan dengan pers. pertama.
pivot equation
pivot coefficient
a11x1 + a12 x2 + a13 x3 = c1
a a a a11x1 + a12 x2 + a13 x3 = c1 (1)
a22 21 a12 x2 + a23 21 a13 x3 = c2 21 c1
a11 a11 a11 a22
x2 + a23
x3 = c2 (2')
a a a a32
x2 + a33
x3 = c3 (3')
a32 31 a12 x2 + a33 31 a13 x3 = c3 31 c1
a11 a11 a11
Eliminasi Gauss
q Forward elimination #2
q Hilangkan x2 dari pers. ketiga dengan operasi perkalian koefisien dan
pengurangan dengan pers. kedua.
pivot coefficient
pivot equation
a11x1 + a12 x2 + a13 x3 = c1
a11x1 + a12 x2 + a13 x3 = c1 (1)
a22
x2 + a23
x3 = c2
a22
x2 + a23
x3 = c2 (2')
a a
32 a23
a33 x3 = c3 32 c2 a33
x3 = c3 (3'')
a22
a22

Eliminasi Gauss
q Back substitution
q Hitung x3 dari pers. (3''), hitung x2 dari pers. (2), dan x1 dari pers. (1)
c3 c2 a23 x3 c1 a12 x2 a13 x3

x3 = x2 = x1 =
a33
a22
a11
Eliminasi Gauss
q Forward elimination q Back substitution

a11x1 + a12 x2 + a13 x3 + ... + a1n xn = c1 c nn 1
x n = n 1
a22
x2 + a23
x3 + ... + a2 n xn = c2 a nn
a23
x3 + ... + a2n xn = c2
c ii 1 a i 1
ij x j
. j = i +1
xi = i 1
, i = n 1, n 2,...,1
. a ii
.
a nnn 1xn = c nn 1
Eliminasi Gauss

(1) 3x1 0.1x2 0.2x3 = 7.85
(2) 0.1x1 + 7 x2 0.3x3 = 19.3
(3) 0.3x1 0.2x2 + 10x3 = 71.4
Eliminasi Gauss
q Forward elimination
q Eliminasi x2 dari Pers. 2 dan 3, Pers. 1 sebagai pivot
(1) 3x1 0.1x2 0.2x3 = 7.85
(2) 0x1 + 7.0033x2 0.2933x3 = 19.5617
(3) 0x1 0.19x2 + 10.02x3 = 70.615
q Eliminasi x3 dari Pers. 3, Pers. 2 sebagai pivot
(1) 3x1 0.1x2 0.2x3 = 7.85
(2) 0x1 + 7.0033x2 0.2933x3 = 19.5617
(3) 0x1 + 0x2 + 10.0120x3 = 70.0843
Eliminasi Gauss
q Back substitution
q Menghitung x3 dari Pers. 3''
70.0843
x3 = =7
10.0120
q Substitusi x3 ke Pers. 2' untuk menghitung x2

19.5617 + 0.2933 (7 )
x2 = = 2.5
7.0033
q Substitusi x3 dan x2 ke Pers. 1 untuk menghitung x1
7.85 + 0.2 (7 ) + 0.1( 2.5)
x1 = =3
3
Metode Eliminasi
q Strategi
q Eliminasi variabel tak diketahui, xi, dengan penggabungan dua persamaan.
q Hasil eliminasi adalah satu persamaan yang dapat diselesaikan untuk
mendapatkan satu variabel xi.
Kelemahan Metode Eliminasi
q Pembagian dengan nol

q Pivot coefficient sama dengan nol ataupun sangat kecil.
q Pembagian dengan nol dapat terjadi selama proses eliminasi ataupun substitusi.
q Round-off errors
q Selama proses eliminasi maupun substitusi, setiap langkah hitungan bergantung pada
langkah hitungan sebelumnya dan setiap kali terjadi kesalahan; kesalahan dapat
berakumulasi, terutama apabila jumlah persamaan sangat banyak.
q Ill-conditioned systems
q Ill-condition adalah situasi dimana perubahan kecil pada satu atau beberapa
koefisien berakibat perubahan yang besar pada hasil hitungan.
Perbaikan
q Pemilihan pivot (pivoting)

q Urutan persamaan dipilih sedemikian hingga yang menjadi pivot equation
adalah persamaan yang memberikan pivot coefficient terbesar.
Metode Penyelesaian
q Matriks Inversi
q Gauss-Jordan
q Metode Iteratif
q Jacobi
q Gauss-Seidel
Metode Gauss-Jordan
q Mirip dengan metode eliminasi Gauss, tetapi tidak diperlukan back

substitution.
q Contoh
q 3 persamaan linear 3x1 0.1x2 0.2x3 = 7.85
0.1x1 + 7 x2 0.3x3 = 19.3
0.3x1 0.2x2 + 10x3 = 71.4
Metode Gauss-Jordan
3 0.1 0.2 7.85 1 0.0333 0.0667 2.6167

0.1 7 0.3 19.3 0.1 7 0.3 19.3
0.3 0.1 10 71.4 0.3 0.1 10 71.4
3 3 0.1 3 0.2 3 7.85 3 1 0.0333 0.0667 2.6167

0.1 7 0.3 19.3 0 7.0033 0.2933 19.5617
0.3 0.1 10 71.4 0 0.1900 10.0200 70.6150
Metode Gauss-Jordan
1 0.0333 0.0667 2.6167

0 7.0033 0.2933 19.5617
0 0.1900 10.0200 70.6150
1 0.0333 0.0667 2.6167

0 / 7.0033 7.0033 / 7.0033 0.2933 / 7.0033 19.5617 / 7.0033
0 0.1900 10.0200 70.6150
1 0.0333 0.0667 2.6167 1 0 0.0681 2.5236

0 1 0.0419 2.7931 0 1 0.0419 2.7931
0 0.1900 10.0200 70.6150 0 0 10.0120 70.0843
Metode Gauss-Jordan
1 0 0.0681 2.5236

0 1 0 .0419 2.7931
0 / 10.0120 0 / 10.0120 10.0120 / 10.0120 70.0843 / 10.0120
1 0 0.0681 2.5236 1 0 0 3 x1 3

0 1 0.0419 2.7931 0 1 0 2.5 x2 = 2.5
0 0 1 7 0 0 1 7 x 7
3
Gauss-Jordan vs Eliminasi Gauss
q Metode Gauss-Jordan
q Jumlah operasi lebih banyak (50%)
q Memiliki kelemahan yang sama dengan eliminasi Gauss
n Pembagian dengan nol
n Round-off error
Matriks Inversi
[A] {X} = {C} {X} = [A] {C}

1
1 1 1
a11 a12 a13 1 0 0 1 0 0 a11 a12 a13
1 1 1
a
21 22a a 23 0 1 0 0 1 0 a 21 a 22 a 23
1 1 1
a31 a31 a33 0 0 1 0 0 1 a31 a32 a33

Matriks Inversi

(1) 3x1 0.1x2 0.2x3 = 7.85
(2) 0.1x1 + 7 x2 0.3x3 = 19.3
(3) 0.3x1 0.2x2 + 10x3 = 71.4
Matriks Inversi
3 0.1 0.2 1 0 0 1 0.0333 0.0667 0.3333 0 0

[A] = 0.1 7 0.3 0 1 0 [A] = 0.1 7 0.3 0 1 0
0.3 0.2 10 0 0 1 0.3 0.2 10 0 0 1
1 0.0333 0.0667 0.3333 0 0

[A] = 0 7.0033 0.2933 0.0333 1 0
0 0.1900 10.0200 0.0999 0 1
Matriks Inversi
1 0.0333 0.0667 0.3333 0 0

[A] = 0 1 0.0417 0.0047 0.1422 0
0 0.1900 10.0200 0.0999 0 1
1 0 0.0681 0.3318 0.0047 0

[A] = 0 1 0.0417 0.0047 0.1422 0
0 0 10.0121 0.1009 0.0270 1
Matriks Inversi
1 0 0.0681 0.3318 0.0047 0

[A] = 0 1 0.0417 0.0047 0.1422 0
0 0 1 0.0101 0.0027 0.0999
1 0 0 0.3325 0.0049 0.0068

[A] = 0 1 0 0.0052 0.1423 0.0042
0 0 1 0.0101 0.0027 0.0999
[A]1
Matriks Inversi
{X} = [A]1 {C}
x1 0.3325 0.0049 0.0068 7.85

0.0052 0.1423 0.0042 19.3
x2 =
x 0.0101 0.0027 0.0999 71.4
3
x1 3.0004

x =
2 2. 4881
x 7.0002
3
Metode Iteratif: Jacobi
a11x1 + a12 x2 + a13 x3 = c1 x10 = 0 nilai awal,

a21x1 + a22 x2 + a23 x3 = c2 x20 = 0 biasanya xi0 = 0 iterasi diteruskan
sampai konvergen
a31x1 + a32 x2 + a33 x3 = c3 x30 = 0 xin+1 xin, xi
c a x a13 x3 c1 a12 x20 a13 x30 c1 a12 x2n a13 x3n

x1 = 1 12 2 1
x =
1
n +1
x
1 =
a11 a11 a11
c a21x1 a23 x3 c2 a21x10 a23 x30 c2 a21x1n a23 x3n
x2 = 2 1
x = x n +1
=
a22 2
a22
2
a22
c3 a31x1 a32 x2 c3 a31x10 a32 x20 c3 a31x1n a32 x2n
x3 = 1
x = x n +1
=
a33 3
a33
3
a33
Metode Iteratif: Jacobi

(1) 3x1 0.1x2 0.2x3 = 7.85
(2) 0.1x1 + 7 x2 0.3x3 = 19.3
(3) 0.3x1 0.2x2 + 10x3 = 71.4
Metode Iteratif: Gauss-Seidel
1 c1 a12 x20 a13 x30 n +1 c1 a12 x2n a13 x3n

x =
1 x1 =
a11 a11
1 0 n +1 n
iterasi diteruskan
c2 a x a x c2 a x a x sampai konvergen
x12 = 21 1 23 3
x2n +1 = 21 1 23 3
a22 a22 xin+1 xin, xi
1 c3 a31x11 a32 x12 n +1 c3 a31x1n +1 a32 x2n +1
x =
3 x 3 =
a33 a33
Metode Iteratif: Gauss-Seidel

(1) 3x1 0.1x2 0.2x3 = 7.85
(2) 0.1x1 + 7 x2 0.3x3 = 19.3
(3) 0.3x1 0.2x2 + 10x3 = 71.4
Jacobi vs Gauss-Seidel
Jacobi Gauss-Seidel
(
x11 = c1 a12 x20 a13 x30 a11 ) (
x11 = c1 a12 x20 a13 x30 a11 )
x12 = (c 2 a21x10 a23 x )a
0
3 22 x12 = (c 2 a21x11 a23 x )a
0
3 22
x13 = (c 3 a31x10 a32 x )a

0
2 33 x13 = (c 3 a31x11 a32 x )a
1
2 33
(
x12 = c1 a12 x12 a13 x13 a11 ) (
x12 = c1 a12 x12 a13 x13 a11 )
x22 = (c 2 a21x11 a23 x )a
1
3 22 x22 = (c 2 a21x12 a23 x )a
1
3 22
x32 = (c 3 a31x11 a32 x )a

1
2 33 x32 = (c 3 a31x12 a32 x )a
2
2 33
Successive Over-relaxation Method
q Dalam setiap iterasi, nilai variabel terbaru (yang baru saja dihitung), xn+1,
tidak langsung dipakai pada iterasi selanjutnya
q Pada iterasi selanjutnya, nilai tsb dimodifikasi dengan memasukkan pengaruh
nilai variabel lama (pada iterasi sebelumnya), xn
x1new = xin +1 + (1 ) xin
q faktor relaksasi dimaksudkan untuk mempercepat konvergensi hitungan (iterasi)

q under-relaxation: 0 < < 1

q over-relaxation: 1<<2
n n
c a x a x
x1n +1 = 1 12 2 13 3
a11
x n +1
=
[ ]
c2 a21 x1n +1 + (1 ) x1n a23 x3n
2
a22
x n +1
=
[ ] [
c3 a31 x1n +1 + (1 ) x1n a32 x2n +1 + (1 ) x2n ]
3
a33

(1) 3x1 0.1x2 0.2x3 = 7.85
(2) 0.1x1 + 7 x2 0.3x3 = 19.3
(3) 0.3x1 0.2x2 + 10x3 = 71.4

Matematika Teknik Sistem Persamaan Linear

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Matematika Teknik Sistem Persamaan Linear

Diunggah oleh

Hak Cipta:

Format Tersedia

http://istiarto.staff.ugm.ac.

SISTEM PERSAMAAN LINEAR

q Serangkaian n persamaan linear:

Jml. pers. sedikit, n Jml. pers. banyak, n

x2 hampir sejajar x2 berimpit x2 sejajar

q Variabel tak diketahui, xi, merupakan perbandingan dua determinan

a11 a12 a13 a11 a12 a13

c1 a12 a13 a11 c1 a13 a11 a12 c1

q Matriks bujur sangkar: n n

a11 a12 a13

q Contoh: 3 persamaan linear AX = C

det A = (3)[(7 )(10) ( 0.3)( 0.2)] ( 0.1)[(0.1)(10) ( 0.3)(0.3)] +

7.85 0.1 0.2 3 7.85 0.2 3 0.1 7.85

det A1 = A1 = 631.059 det A2 = A2 = 525.883 det A3 = A3 = 1472.471

det A1 631.059 det A2 525.883 det A 3 1472.471

q Contoh: 2 persamaan linear

a22a11x2 a12a21x2 = c2a11 c1a21

a31x1 + a32 x2 + a33 x3 = c3 (3)

c3 c2 a23 x3 c1 a12 x2 a13 x3

q Forward elimination q Back substitution

q Contoh: 3 persamaan linear

q Substitusi x3 ke Pers. 2' untuk menghitung x2

q Pembagian dengan nol

q Pemilihan pivot (pivoting)

q Mirip dengan metode eliminasi Gauss, tetapi tidak diperlukan back

3 0.1 0.2 7.85 1 0.0333 0.0667 2.6167

3 3 0.1 3 0.2 3 7.85 3 1 0.0333 0.0667 2.6167

1 0.0333 0.0667 2.6167

1 0.0333 0.0667 2.6167

1 0.0333 0.0667 2.6167 1 0 0.0681 2.5236

[A] {X} = {C} {X} = [A] {C}

q Contoh: 3 persamaan linear

3 0.1 0.2 1 0 0 1 0.0333 0.0667 0.3333 0 0

1 0.0333 0.0667 0.3333 0 0

1 0.0333 0.0667 0.3333 0 0

1 0 0.0681 0.3318 0.0047 0

1 0 0.0681 0.3318 0.0047 0

1 0 0 0.3325 0.0049 0.0068

{X} = [A]1 {C}

x1 0.3325 0.0049 0.0068 7.85

a11x1 + a12 x2 + a13 x3 = c1 x10 = 0 nilai awal,

c a x a13 x3 c1 a12 x20 a13 x30 c1 a12 x2n a13 x3n

q Contoh: 3 persamaan linear

1 c1 a12 x20 a13 x30 n +1 c1 a12 x2n a13 x3n

q Contoh: 3 persamaan linear

x13 = (c 3 a31x10 a32 x )a

x32 = (c 3 a31x11 a32 x )a

x1new = xin +1 + (1 ) xin

q faktor relaksasi dimaksudkan untuk mempercepat konvergensi hitungan (iterasi)

q Contoh: 3 persamaan linear

Anda mungkin juga menyukai