Catatan Kuliah Metode Numerik

BAB 4
Sistem Persamaan Linear
1. Tinjauan Ulang Matrik
2. Sistem Linear Segitiga Atas
3. Eliminasi Gauss dan Pivoting
4. Invers Matriks
5. Dekomposisi Segitiga
6. Metode Iterasi Jacobi dan Gauss-Seidel
7. Sistem Linear Tridiagonal

1
Catatan Kuliah Metode Numerik

1. Tinjauan Ulang Matrik

Matrik adalah deretan bilangan berbentuk siku empat yang disusun secara
bersistem dalam baris-baris dan kolom-kolom.
Matrik yang mempunyai M baris dan N kolom disebut matrik M x N.
Huruf kapital A menyatakan suatu matrik dan huruf kecil berindeks aij
menyatakan satu dari bilangan-bilangan yang membentuk matrik, ditulis
A = (aij ) M x N untuk 1 ≤ i ≤ M dan 1 ≤ j ≤ N
dengan aij adalah bilangan yang ada dilokasi (i, j), yaitu elemen yang berada
pada baris ke-i dan kolom ke-j dalam deretan tersebut. Dalam bentuk rinci
ditulis,  a11 a12 ... a1 j ... a1N 
 
 21
a a 22 ... a 2j ... a 2N 
 ... ... ... ... ... ... 
A= 
 ai1 ai 2 ... aij ... aiN  Baris ke-i
 ... ... ... ... ... ... 
 
a 
 M 1 aM 2 ... aMj ... aMN 
Kolom ke-j
2
Catatan Kuliah Metode Numerik

Beberapa matriks khusus:

Matriks Bujur sangkar
Matriks bujur sangkar adalah matriks yang
banyaknya baris sama dengan banyaknya kolom.
A berukuran N x N.
 a11 0 ... 0 
 
Matriks Diagonal  0 a 22 ... 0 
Matriks diagonal adalah matrik bujursangkar D =  ... 
... ... ...
dengan semua elemen bukan diagonal bernilai nol.  
 0 0 ... a NN 
 

Matriks Satuan 1 0 ... 0 

 
Matriks satuan adalah matrik diagonal yang semua I =  0 1 ... 0 
 ... ... ... ... 
elemennya bernilai satu.  
0 0 ... 1 
 
Matriks Segitiga atas  a11 a12 ... a1 N 
Matrik segitiga atas adalah matriks bujur sangkar  
 0 a 22 ... a 2 N 
dengan semua elemen di bawah diagonal bernilai U =  
... ... ... ...
nol. aij = 0 untuk i > j.  
 0 0 ... a NN 
 
3
Catatan Kuliah Metode Numerik

Matriks Segitiga bawah  a11 0 ... 0 

 
Matriks segitiga bawah adalah matriks bujur  a 21 a 22 ... 0 
sangkar dengan semua elemen di atas diagonal L= 
... ... ... ...
bernilai nol. aij = 0 untuk i < j.  
a aN 2 ... a NN 
 N1 

Matriks Tridiagonal a a12 ... 0 

 11 
Matriks tridiagonal adalah matrik bujursangkar a a 22 ... 0 
T =  21 
yang memenuhi aij = 0 untuk |i – j | ≥ 2 
... ... ... ...

 0 0 ... a NN 
 
Sistem Persamaan Linear
Sistem M persamaan linear atau himpunan M persamaan linear simultan
dalam N bilangan x1, x2, …, xn yang tidak diketahui adalah suatu
himpunan persamaan berbentuk
a11 x1 + a12 x 2 + ... + a1 N x N = c1 Koefisien-koefisien aij dan ci
adalah bilangan-bilangan
a 21 x1 + a 22 x 2 + ... + a 2 N x N = c 2 yang diberikan
.......... .......... .......... .......... .......... .. Sistem disebut homogen bila
semua ci nol, jika tidak sistem
a M 1 x1 + a M 2 x 2 + ... + a MN x N = c M disebut tak homogen.
4
Catatan Kuliah Metode Numerik

Sistem persamaan linear tersebut dapat juga dituliskan sebagai suatu

persamaan vektor,
AX = C
dengan matriks koefisien A = [aij] adalah matriks M x N,
 a11 a12 ... a1 N   x1   c1 
     
a a 22 ... a 2 N  Sedangkan X =  2  dan C =  c2  adalah vektor-
x
A =  21   ...   ...  vektor kolom
... ... ... ...    
  x  c 
a aM 2 ... a MN     M
 M1  N

Solusi dari sistem persamaan linear adalah himpunan bilangan x1, x2, …,
xN yang memenuhi semua M persamaan tersebut.
Vektor solusi dari sistem persamaan linear adalah vektor X yang
komponen-komponennya merupakan solusi dari sistem persamaan tersebut.

5
Catatan Kuliah Metode Numerik

2. Sistem Linear Segitiga Atas

Sistem persamaan linear AX = C, dengan matrik koefisien A berupa matrik
segitiga atas, dapat ditulis dalam bentuk, Dengan asumsi elemen-elemen
a11 x1 + a12 x2 + ... + a1 N x N = c1 diagonal tak nol, akk ≠ 0, untuk
a 22 x 2 + ... + a 2 N x N = c 2 k = 1, 2, 3, …, N maka terdapat
suatu solusi tunggal dari sistem
.......... .......... .......... .......... .......... .. linear tersebut.
a N −1, N −1 x N −1 + a N −1, N x N = c N −1 Jika asumsi ini tidak terpenuhi,
maka akan tidak terdapat solusi
a NN x N = c N atau tak hingga banyaknya solusi
Solusinya dapat dicari dengan melakukan penyulihan mundur, yaitu dengan
menyelesaikan persamaan terakhir pertama kali, diperoleh nilai xN, seterusnya
nilai xN-1 dan yang terakhir diperolah dari persamaan pertama adalah nilai x1.
cN
Persamaan terakhir bila diselesaikan akan menghasilkan xN dengan x N =
a NN
Nilai xN yang diketahui dapat digunakan dalam persamaan c N −1 − a N −1, N x N
sebelum persamaan terakhir, diperoleh xN-1 dengan x N −1 =
a N −1, N −1

6
Catatan Kuliah Metode Numerik

Selanjutnya nilai xN dan xN-1 dipakai untuk mencari nilai xN-2.

c N − 2 − a N − 2, N −1 x N −1 − a N − 2, N x N
xN −2 =
a N − 2, N − 2
Setelah nilai-nilai xN, XN-1, xN-2, …, xk+1 diketahui, diperoleh nilai xk sebagai,
N
ck − ∑a
j = k +1
kj xj
xk = , k = N − 1, N − 2, ..., 1
akk
Algoritma Penyulihan Mundur untuk sistem linear Segitiga atas
Masukan : n; aij , i, j = 1, 2, 3, …, n; ci , i = 1, 2, 3, …, n
Langkah-langkah:
cN
x N :=
a NN
Untuk k := n-1, n-2, …, 1 lakukan
Jumlah := 0
Untuk j := k+1, k+2, …, n lakukan
Jumlah := jumlah + akj . xj
ck − jumlah
xk =
akk

7
Catatan Kuliah Metode Numerik

Determinan matrik Segitiga Atas

Jika A matrik segitiga, maka det(A), determinan A, diberikan oleh hasilkali
elemen-elemen diagonal, det(A) = a11.a22 . … aNN
Contoh 4.1
Gunakan penyulihan mundur untuk menyelesaikan sistem persamaan linear
4 x1 − x2 + 2 x3 + 3 x4 = 20
− 2 x 2 + 7 x3 − 4 x 4 = − 7
6 x3 + 5 x 4 = 4
3 x4 = 6
Jawab
Dari persamaan terakhir diperoleh x4 = 6/3 = 2.
Dengan memakai x4 untuk mendapatkan x3 dari persamaan ketiga, diperoleh
4 − 5(2)
x3 = = −1
6
Dengan memakai x4 dan x3 untuk mendapatkan x2 dari persamaan kedua,
diperoleh − 7 − 7(−1) − 4(2)
x2 = = −4
−2
20 − 1(−4) − 2(−1) − 3(2)
Akhirnya x1 diperoleh dari persamaan pertama, x1 = =3
4
8
Catatan Kuliah Metode Numerik

3. Eliminasi Gauss dan Pivoting

Akan dikembangkan sebuah skema yang lebih efisien untuk menyelesaikan
sistem persamaan linear umum AX = C, dengan N persamaan dan N bilangan
yang tidak diketahui. Caranya adalah sistem persamaan linear umum tersebut
dirubah menjadi sebuah sistem persamaan segitiga atas UX = Y yang setara
dan kemudian dapat diselesaikan menggunakan metode penyulihan mundur.

Dua sistem persamaan linear berukuran N x N dikatakan setara jika himpunan-

himpunan solusinya sama. Teorema-teorema dari aljabar linear memperlihatkan
bahwa bilamana transformasi tertentu diterapkan pada suatu sistem yang
diketahui, maka himpunan solusinya tidak berubah.
Operasi-operasi berikut bila diterapkan pada sistem linear akan menghasilkan
sistem yang setara.
1. Pertukaran : urutan dari dua persamaan dapat ditukar.
2. Penskalaan : perkalian sebuah persamaan dengan konstanta tak nol.
3. Penggantian : sebuah persamaan dapat digantikan oleh jumlah
persamaan itu dengan suatu kelipatan sebarang persamaan
lainnya.

9
Catatan Kuliah Metode Numerik

Contoh 4.2
Carilah persamaan parabola y = A + Bx + Cx2 yang melalui titik-titik (1,1),
(2,-1) dan (3,1).
Jawab
Untuk masing-masing titik diperoleh persamaan yang mengaitkan nilai x
terhadap nilai y. Hasilnya berupa sistem
A+ B + C =1
A + 2 B + 4C = − 1
A + 3 B + 9C = 1
Peubah A dieliminasi dari persamaan kedua dan ketiga dengan cara masing-
masing mengurangkan persamaan pertama dari kedua dan ketiga, diperoleh
A+ B + C =1
B + 3C = −2
2 B + 8C = 0
Peubah B dieliminasi dari persamaan ketiga dengan cara mengurangkannya
dengan dua kali persamaan kedua, diperoleh persamaan yang setara
A+ B + C =1
B + 3C = −2
2C = 4
Dengan penyulihan mundur diperoleh C = 2, B = -8 dan A = 7 sehingga
persamaan parabola adalah y = 7 - 8x + 2x2.
10
Catatan Kuliah Metode Numerik

Cara yang paling efisien menyelesaikan sistem linear AX = C adalah

menyimpan semua koefisiennya dalam array berukuran N x (N+1). Koefisien-
koefisien C disimpan dalam kolom N+1 dari array, yaitu ai,N+1 = ci. Tiap baris
memuat semua koefisien yang diperlukan untuk menyatakan satu persamaan
dalam sistem linear. Matrik yang dilengkapi, disingkat matrik lengkap
dinyatakan oleh [A,C] sehingga sistem linear dinyatakan sebagai,
 a11 a12 ... a1 N c1 
 
 a 21 a 22 ... a 2 N c2 
[ A, C ] =  
... ... ... ...
 
a c N 
 N 1 a N 2 ... a NN
Sistem linear AX = C dengan matrik lengkap yang diberikan dapat diselesaikan
dengan melakukan operasi baris elementer (OBE) pada matrik lengkap
[A,C]. Peubah-peubah xk adalah pemegang posisi untuk koefisien-koefisien dan
dapat dihilangkan sampai akhir perhitungan.
Operasi-operasi baris berikut bila diterapkan pada matrik lengkap akan
menghasilkan sistem yang setara.
1. Pertukaran : urutan dari dua baris dapat ditukar.
2. Penskalaan : perkalian sebuah baris dengan konstanta tak nol.
3. Penggantian : sebuah baris dapat digantikan oleh jumlah baris itu
dengan suatu kelipatan sebarang baris lainnya.
11
Catatan Kuliah Metode Numerik

Tumpuan
Bilangan akk pada posisi (k, k) yang dipakai untuk mengeliminasi xk dalam
baris-baris k+1, k+2, …, N dinamakan elemen tumpuan ke-k, dan k disebut
baris tumpuan.
Contoh 4.3
Nyatakan sistem berikut dalam bentuk matrik lengkap dan cari suatu sistem
segitiga atas yang setara serta solusinya.
x1 + 2 x2 + x3 + 4 x4 = 13
2 x1 + 4 x3 + 3 x 4 = 28
4 x1 + 2 x2 + 2 x3 + x 4 = 20
− 3 x1 + x 2 + 3 x3 + 2 x 4 = 6
Jawab
Matrik lengkapnya adalah:
Tumpuan  1 2 1 4 13  Baris pertama sebagai baris tumpuan yang dipakai
  untuk mengeliminasi kolom pertama dibawah
p21= 2  2 0 4 3 28  diagonal dan a sebagai elemen tumpuan.
11
p31= 4  4 2 2 
1 20 Nilai p adalah pengali baris pertama yang
  i1
p41= -3 − 3 1 3 
2 6  harus dikurangi dari baris i untuk i = 2, 3, 4.

Diperoleh hasil,
12
Catatan Kuliah Metode Numerik

1 2 1 4 13  Baris kedua sebagai baris tumpuan yang dipa-

  kai untuk mengeliminasi kolom kedua dibawah
Tumpuan  0 − 4 2 − 5 2  diagonal dan a22 sebagai elemen tumpuan.
 
p32= 1.5  0 − 6 − 2 − 15 − 32  Nilai pi2 adalah pengali baris kedua yang
 45 
p42= -1.75  0 7 6 14 harus dikurangi dari baris i untuk i = 3, 4.
Diperoleh hasil,

1 2 1 4 13  Baris ketiga sebagai baris tumpuan yang dipa-

  kai untuk mengeliminasi kolom ketiga dibawah
 0 − 4 2 − 5 2  diagonal dan a sebagai elemen tumpuan.
Tumpuan  0 0 − 5 − 7.5 − 35 
33

  Nilai p43 adalah pengali baris ketiga yang

p43= -1.9  0 0 9.5 5.25 48.5 

harus dikurangi dari baris ke 4.
Diperoleh hasil,

1 2 1 4 13  Berupa matriks segitiga atas.

  Menggunakan algoritma penyulihan
 0 − 4 2 − 5 2 
 0 0 − 5 − 7.5 − 35  mundur diperoleh x4= 2, x3 = 4, x2 = -1
  dan x1 = 3.
0 0 0 − 9 − 18 


Proses yang dilakukan di atas disebut dengan proses eliminasi Gauss.

13
Catatan Kuliah Metode Numerik
Proses eliminasi Gauss harus dimodifikasi sehingga dapat dipakai dalam
keadaan apapun.
Pivoting
Jika akk = 0 maka baris ke-k tidak dapat dipakai sebagai elemen tumpuan.
Karena itu perlu mencari baris r, dengan ark ≠ 0 dan r > k dan kemudian
mempertukarkan baris k dan baris r sehingga diperoleh elemen tumpuan tak
nol. Proses ini disebut pivoting, dan kriteria penentuan baris mana yang
dipilih disebut strategi pivoting. Jadi strategi pivoting yang paling sederhana
adalah jika akk ≠ 0 maka langsung dilanjutkan melakukan eliminasi sedangkan
jika akk = 0 maka dilakukan pivoting.
Algoritma Eliminasi Gauss
Diberikan matrik lengkap A = [aij], n x (n+1); terdiri dari [A,C].
Untuk k = 1, 2, 3, …, n-1 lakukan
Cari i > k yang terkecil sehingga aik ≠ 0
Jika i demikian tak ada maka beri tanda bahwa A singulir dan berhenti
Jika tidak, tukarkan isi baris I dan k dari A dan lanjutkan
Untuk i = k+1, k+2, …, n lakukan
p := aik / bkk
Untuk j = k+1, k+2, …, n+1 lakukan
aij := aij – p.akj
Jika ann = 0 maka beri tanda bahwa A singulir dan berhenti.
Lanjutkan dengan algoritma penyulihan mundur.
14
Catatan Kuliah Metode Numerik

Pivoting untuk memperkecil galat

Jika terdapat beberapa elemen tak nol pada kolom k yang terletak pada
atau di bawah diagonal, maka terdapat pilihan untuk menentukan baris
mana yang yang ditukar.
Pivoting parsial paling umum digunakan. Karena komputer menggunakan
hitungan presisi tetap, maka dimungkinkan bahwa suatu galat kecil akan
terjadi setiap kali operasi hitungan dilaksanakan.
Untuk memperkecil perambatan galat, maka periksa besarnya semua
elemen di kolom ke k yang terletak pada atau di bawah diagonal, dan
melokasikan baris r yang mempunyai elemen dengan nilai mutlak terbesar,
yaitu
| a rk | = maks {| a kk |, | a k +1, k |, ..., | a N −1, k |, | a Nk | }
Kemudian menukarkan baris r dan baris k untuk r > k.
Biasanya makin besar elemen tumpuannya, akan menghasilkan perambatan
galat yang makin kecil

15
Catatan Kuliah Metode Numerik

Algoritma Eliminasi Gauss dengan Pivoting Parsial

Masukan : n ; aij, i = 1, 2, …, n ; j = 1, 2, …, n+1
Langkah-langkah:
Untuk k = 1, 2, 3, …, n-1 lakukan
l := k
Untuk i = k+1, k+2, …, n lakukakan
Jika |aik| > |alk| maka l := i
Jika alk = 0 maka matrik singulir dan hentikan proses
Jika l ≠ k maka
Untuk j = k, k+1, …, n+1 lakukan
t := akj; akj := alj; alj := t
Untuk i = k+1, k+2, …, n lakukan
p := aik / akk Latihan :
Untuk j = k, k+1, …, n+1 lakukan Aplikasikan algoritma
aij := aij – p.akj Eliminasi Gauss dengan
xn := an,n+1 / ann Pivoting Parsial untuk
Untuk k := n-1, n-2, …, 1 lakukan menyelesaikan masalah
jumlah := 0 pada Contoh 4.3.
Untuk j := k+1, k+2, …, n lakukan
jumlah := jumlah + akj.xj
xk := (ak,n+1 - jumlah)/akk
16
Catatan Kuliah Metode Numerik

4. Invers Matriks
Variasi lain dari eliminasi Gauss adalah eliminasi Gauss-Jordan. Dalam hal
ini penyulihan mundur dalam eliminasi Gauss dihindari dengan melakukan
perhitungan tambahan yang mereduksi matriks ke bentuk diagonal sebagai
pengganti bentuk segitiga.
Metode ini mempunyai keuntungan dalam menyelesaikan sistem persamaan
pada komputer.
Invers (balikan) suatu matriks bujur sangkar A yang tak singulir pada
prinsipnya dapat ditentukan dari penyelesaian n sistem,
AX = cj, j = 1, 2, …, n
dengan cj adalah kolom ke-j dari matrik satuan nxn.
Cara lain yang lebih disukai untuk menghasilkan invers dari matrik A, yaitu A-1,
adalah menggunakan eliminasi Gauss-Jordan untuk mengoperasikan matriks
A dan matrik satuan I sehingga masing-masing direduksi menjadi matrik I dan
matriks A-1.
Penyelesaian sistem persamaan linear n x n dapat dilakukan dengan mencari
invers dari matriks A. Solusi untuk AX = C diberikan oleh X = A-1C . Namun
secara numerik cara ini tidak efisien.

17
Catatan Kuliah Metode Numerik

Contoh 4.4  2 0 1
 
Tentukan invers dari matrik A =  3 2 5
 1 −1 0
 
Jawab
Tukar baris 1
Mulai dengan  2 0 1 1 0 0  1 0.67 1.67 0 0.33 0 
  dengan baris 2,  
matrik lengkap  3 2 5 0 1 0  kemudian bagi  2 0 1 1 0 0 
[A, I]  1 −1 0 0 0 1  baris 1 sehingga  1 −1 0 0 0 1 
  a11 = 1 
Tukar baris 2 Eliminasi
 1 0.67 1.67 0 0.33 0  1 0.67 1.67 0 0.33 0  elemen-elemen
  dengan baris 3,  
0 1 1 0 0.20 − 0.60 kemudian bagi  0 − 1.33 − 2.33 1 − 0.67 0  pada kolom 1
 di bawah
 0 −1.33 − 2.33 1 − 0.67 1  baris 2 sehingga  0
 − 1.67 − 1.67 0 − 0.33 1  diagonal
a22 = 1
Eliminasi
elemen-elemen  1 0 1 0 0.2 0.4  Bagi baris 3  1 0 1 0 0.2 0.4 
   
pada kolom 2  0 1 1 0 0.2 − 0.6 dengan -1  0 1 1 0 0.2 − 0.6
kecuali pada  0 0 −1 1 − 0.4 − 0.8 sehingga a33 = 1  0 0 1 −1 0.4 0.8 
diagonal    
Matrik Satuan muncul Eliminasi
 1 − 0.2 − 0.4   1 0 0 1 − 0.2 − 0.4 elemen-elemen
  pada bagian kiri dari  
A−1 =  1 − 0.2 − 1.4  matriks lengkap dan  0 1 0 1 − 0.2 −1.4  pada kolom 3
 − 1 0.4  0 0 1 −1 0.4 0.8  di atas diagonal
0.8 
matriks invers pada bagian
 kanan, sehingga  

18
Catatan Kuliah Metode Numerik

Algoritma Gauss-Jordan untuk Invers Matriks

Masukan : n ; aij, i = 1, 2, …, n ; j = 1, 2, …, 2n (Matrik A adalah matrik lengkap [A,I])
Langkah-langkah:
Untuk k = 1, 2, 3, …, n lakukan
l := k
Jika k = n, lanjutkan ke langkah (1)
Untuk i = k+1, k+2, …, n lakukakan
Jika |aik| > |alk| maka l := i
(1) Jika alk = 0 maka matrik singulir dan hentikan proses
Jika l ≠ k maka
Untuk j = k, k+1, …, 2n lakukan Latihan :
t := akj; akj := alj; alj := t Aplikasikan algoritma
Untuk j = k+1, k+2, …, 2n lakukan Eliminasi Gauss-Jordan
akj := akj / akk untuk invers matriks
akk := 1 untuk menyelesaikan
Untuk i = 1, 2, …, n lakukan masalah pada Contoh
jika i ≠ k maka 4.4.
p := aik / bkk
untuk j := k+1, k+2, …, 2n lakukan
aij := aij - p akj

Narwen, M.Si / Jurusan Matematika FMIPA Unand 19

Catatan Kuliah Metode Numerik

5. Dekomposisi Segitiga
Pada sub-bab terdahulu terlihat bahwa betapa mudahnya untuk menyelesaikan
sistem segitiga atas.
Karena itu, diberikan matrik A yang taksingulir, kemudian faktorkan
matrik A tersebut menjadi matrik segitiga atas U dan matrik segitiga
bawah L. Agar matrik U dan L tunggal maka elemen-elemen diagonalnya tidak
boleh sebarang.
Ada dua macam pemfaktoran.
a. Pemfaktoran Doolittle, mensyaratkan elemen diagonal L semuanya
bernilai 1 dan elemen diagonal U taknol.
Misalkan matrik A  a11 a12 a13   1 0 0   u11 u12 u13 
    
berukuran 3 x 3, bila A =  a21 a22 a23  =  l21 1 0 . 0 u22 u23 
difaktorkan diperoleh: a a32 a33   l31 l32 1   0 0 u33 
 31
b. Pemfaktoran Crout, mensyaratkan elemen diagonal L taknol dan semua
elemen diagonal U bernilai 1.
 a11 a12 a13   l11 0 0   1 u12 u13 
Misalkan matrik A     
A =  a21 a22 a23  =  l21 l22 0 . 0 1 u23 
berukuran 3 x 3, bila
a a32 a33   l31 l32 l33   0 0 1 
difaktorkan diperoleh:  31
20
Catatan Kuliah Metode Numerik

Jika penukaran baris tidak diperlukan pada waktu menggunakan eliminasi

Gauss, maka pengali-pengali pij adalah elemen-elemen diagonal bawah dari
matrik L dalam pemfaktoran Doolittle.
Misalkan untuk matriks A berukuran 3 x 3, maka l21 = p21, l31 = p31 dan l32 = p32.
Selain itu, elemen-elemen dari matrik L dan U dapat dihitung secara langsung,
dengan menghitung hasil kali LU kemudian memakai sifat kesamaan dua
matriks LU = A.
Penyelesaian sistem persamaan linear .
Misalkan A adalah matrik koefisien dari sistem linear AX = C yang mempunyai
pemfaktoran segitiga A = LU.
LU Solusi dari sistem linear LUX = C diperoleh
dengan cara mendefinisikan Y = UX dan kemudian menyelesaikan dua sistem
LY = C dan UX = Y.
Pertama diselesaikan Y dari persamaan LY = C memakai algoritma penyulihan
maju dan diikuti dengan menyelesaikan X dari UX = Y memakai algoritma
penyulihan mundur.

21
Catatan Kuliah Metode Numerik

Contoh 4.5
Diberikan sitem persamaan linear berikut,
4 x1 + 3 x 2 − x3 = −2
− 2 x1 − 4 x2 + 5 x3 = 20
x1 + 2 x 2 + 6 x3 = 7
a. Bila A adalah matrik koefisien dari sistem persamaan linear di atas, tentukan
matrik segitiga L dan U sebagai faktor dari matrik A.
b. Tentukan solusi dari sistem persamaan linear diatas dengan menggunakan
dekomposisi matrik A tersebut.
Jawab
a. Tulis
 4 3 − 1  1 0 0   u11 u12 u13 
    
A =  − 2 − 4 5  =  l21 1 0 . 0 u22 u23 
 1 2 6   l31 l32 1   0 0 u33 

 u11 u12 u13 
 
=  l21u11 l21u12 + u22 l21u13 + u23 
l u l u + l u 
 31 11 31 12 32 22 l31u13 + l32u23 + u33 

22
Catatan Kuliah Metode Numerik

Dari kesamaan dua matriks dan kesamaan elemen yang seletak, diperoleh
u11 = 4 u12 = 3 u13 = − 1 l 21 u11 = − 2 ⇔ l 21 = − 0 . 5
l 21 u12 + u 22 = − 4 ⇔ u 22 = − 2 . 5 l 21 u13 + u 23 = 5 ⇔ u 23 = 4 . 5
l 31 u11 = 1 ⇔ l31 = 0 . 25 l 31 u12 + l 32 u 22 = 2 ⇔ l32 = − 0 . 5
l 31 u13 + l 32 u 23 + u 33 = 6 ⇔ u 33 = 8 . 5

Sehingga matrik segitiga  1 0 0 4 3 −1 

   
bawah L dan matrik L =  − 0.5 1 0 U =  0 − 2.5 4.5 
segitiga atas U adalah    8.5 
 0.25 − 0.5 1  0 0

b. Gunakan metode Diperoleh nilai-nilai

y1 = −2
penyulihan maju untuk y1 = -2
menyelesaikan − 0 . 5 y1 + y2 = 20 y2 = 19
persamaan LY = C. 0 .25 y1 − 0 .5 y 2 + y 3 = 7 y3 = 17

Gunakan metode Diperoleh nilai-nilai

4 x1 + 3 x 2 − x3 = − 2
penyulihan mundur x3 = 2
untuk menyelesaikan − 2 . 5 x 2 + 4 . 5 x 3 = 19 x2 = -4
persamaan UX = Y. 8 . 5 x 3 = 17 x1 = 3

23
Catatan Kuliah Metode Numerik

Pemfaktoran Cholesky
Misalkan A adalah matrik bujur sangkar yang definit positif dan simetri.
Maka A dapat ditulis dalam bentuk A = LU dengan L dan U adalah matrik-
matrik segitiga bawah dan atas, dengan U = LT.

Contoh 4.6
Gunakan metode Cholesky untuk menentukan solusi dari sitem persamaan
linear , 4 x1 + 2 x2 + 14 x3 = 14
2 x1 + 17 x 2 − 5 x3 = − 101
14 x1 − 5 x 2 + 83 x3 = 155
Jawab
Tulis  4 2 14   l11 0 0   l11 l21 l31   l112 l11l12 l11l13 
      
0 . 0 l22 l32  =  l11l12 l12 + l22 l12l13 + l22l23 
2 2
A =  2 17 − 5  =  l21 l22
14 − 5 83   l  2
l33   0 0 l33  
2 2
   31 l32  l11l13 l13l12 + l 23l 22 l13 + l 23 + l33 
2
Dari kesamaan dua l11 = 4 ⇔ l11 = 2; l11 l12 = 2 ⇔ l12 = 1;
matriks dan kesamaan 2 2
l11 l13 = 14 ⇔ l13 = 7 ; l12 + l 22 = 17 ⇔ l 22 = 4
elemen yang seletak, 2 2 2
diperoleh l12 l13 + l 22 l 23 = − 5 ⇔ l 23 = − 3; l13 + l 23 + l 33 = 83 ⇔ l 33 = 5

24
Catatan Kuliah Metode Numerik

Sehingga matrik segitiga  2 0 0 2 1 7 

   
bawah L dan matrik L =  1 4 0 LT =  0 4 − 3 
segitiga atas LT adalah  7 − 3 5 0 0 5 
   

Gunakan metode 2 y1 = 14 Diperoleh nilai-nilai

penyulihan maju untuk y1 = 7
y1 + 4 y 2 = − 101 y2 = -27
menyelesaikan
persamaan LY = C. 7 y1 − 3 y 2 + 5 y 3 = 155 y3 = 5

Gunakan metode 2 x1 + x 2 − 7 x 3 = 7 Diperoleh nilai-nilai

penyulihan mundur x3 = 1
untuk menyelesaikan 4 x 2 − 3 x 3 = − 27 x2 = -6
persamaan LTX = Y. 5 x3 = 5 x1 = 3

25
Catatan Kuliah Metode Numerik

6. Metode Iterasi Jacobi dan Gauss-Seidel

Metode penyelesaian sistem persamaan linear yang telah dibahas sebelumnya
adalah metode perhitungan secara langsung.
Selanjutnya akan dibahas metode penyelesaian sistem persamaan linear
secara taklangsung atau metode iteratif.
Iterasi Jacobi
Misalkan diberikan sistem persamaan linear,
a11 x1 + a12 x2 + ... + a1 N x N = c1
a 21 x1 + a 22 x 2 + ... + a 2 N x N = c2
.......... .......... .......... .......... .......... ..
a N 1 x1 + a N 2 x2 + ... + a NN x N = c N

 a11 a12 ... a1 N 

dengan matrik Koefisien  
 a 21 a 22 ... a 2 N 
A= 
... ... ... ...
 
a aN 2 ... a NN 
 N1 
26