IMPLEMENTASI METODE ITERASI JACOBI UNTUK PENYELESAIAN SPL

DENGAN PERSENTASE ELEMEN NOL PADA MATRIKS KOEFISIEN

BESAR MENGGUNAKAN PEMROGRAMAN MATLAB
Jarwo
Jurusan Teknik Informatika
STT POMOSDA Nganjuk
jarwo2008@gmail.com

ABSTRAK
Teknik iteratif jarang digunakan untuk menyelesaikan Sistem Persamaan Linear
(SPL) yang berukuran kecil karena metode-metode langsung seperti metode
Eliminasi Gauss lebih efisien daripada metode iteratif. Akan tetapi untuk SPL
berukuran besar dengan persentase elemen nol pada matriks koefisien besar, teknik
iteratif lebih efisien daripada metode langsung dalam hal penggunaan memori
komputer maupun waktu komputasi.
Pada prinsipnya metode iterasi Jacobi mirip metode substitusi berurutan (successive
substitution), merupakan metode iteratif yang melakukan perbaharuan nilai x yang
diperoleh tiap iterasi, dimana proses iterasi dilakukan sampai dicapai suatu nilai yang
konvergen dengan toleransi yang diberikan. Dari hasil pengujian dapat diketahui
bahwa metode Iterasi Jacobi memiliki hasil ketelitian yang lebih baik dan waktu
komputasi yang lebih cepat dari metode Eliminasi Gauss dan metode Dekomposisi
LU. Paper ini membahas komputasi numerik teknik metode Iterasi-Jacobi untuk
penyelesaian SPL dengan persentase elemen nol pada matriks koefisien besar yang
dituangkan dalam gramatikal sintaks pemrograman Matlab.
Kata Kunci: Komputasi Numerik, SPL, Matriks Koefisien Besar, Iterasi-Jacobi,
sintaks Matlab 7.

1. PENDAHULUAN
1.1 Latar Belakang
Persoalan yang melibatkan pemodelan solusi matematika banyak muncul dalam
berbagai disiplin ilmu pengetahuan, seperti dalam bidang fisika, kimia, ekonomi, atau
pada persoalan rekayasa (teknik). Seringkali model matematika tersebut muncul
dalam bentuk yang rumit yang terkadang tidak dapat diselesaikan dengan pendekatan
aljabar yang sudah baku.
Solusi Sistem Persamaan Linear (SPL) secara numeris umumnya selalu harus lebih
efisien dan cepat dibandingkan dengan metode-metode analitis, seperti metode
Cramer. Namun demikian, solusi numerik ini secara teknis adakalanya juga
berkendala. Hal itu disebabkan oleh dua alasan. Pertama, ada beberapa persamaan
yang mendekati kombinasi linier, akibat adanya “round off error” dari mesin
penghitung. Kedua, pada suatu tahap perhitungan terdapat akumulasi “round off
error” pada proses komputasi sehingga berakibat domain bilangan nyata (fixed point)
dalam perhitungan akan terlampaui (overflow), biasanya akibat dari jumlah persamaan
yang terlalu besar.

1
1.2 Rumusan Masalah
- Apakah urutan persamaan di dalam suatu SPL berpengaruh terhadap penampilan
metode iterasi Jacobi?
- Apakah program MATLAB 7 dapat digunakan sebagai solusi pemrograman dalam
metode numerik khususnya metode iterasi Jacobi?
1.3 Batasan Masalah
Dalam paper ini akan membahas tentang penggunaan metode iterasi Jacobi dalam
penyelesaian Sistem Persamaan Linear (SPL) berukuran besar dengan persentase
elemen nol pada matriks koefisien besar dengan pemrograman MATLAB.
1.4 Tujuan
- Memberikan solusi dalam memperoleh urutan persamaan di dalam suatu SPL
dengan menggunakan metode iterasi Jacobi.
- Penggunaan MATLAB 7 untuk membantu menyelesaikan pemrograman dalam
penyelesaian Sistem Persamaan Linear (SPL) dengan metode iterasi Jacobi.
1.5 Manfaat
- Dapat digunakan sebagai solusi dalam memperoleh urutan persamaan di dalam
suatu SPL berukuran besar dengan menggunakan metode iterasi Jacobi.
- Memberi kemudahan dalam menyelesaikan Sistem Persamaan Linear (SPL)
berukuran besar dengan metode iterasi Jacobi dengan pemrograman MATLAB.

2. KAJIAN PUSTAKA
2.1 Matlab

Matlab adalah sebuah lingkungan komputasi numerikal dan bahasa pemrograman

komputer generasi keempat. Dikembangkan oleh The MathWorks, MATLAB
memungkinkan manipulasi matriks, pem-plot-an fungsi dan data, implementasi
algoritma, pembuatan antarmuka pengguna, dan peng-antarmuka-an dengan
program dalam bahasa lainnya. Meskipun hanya bernuansa numerik, sebuah kotak
kakas (toolbox) yang menggunakan mesin simbolik MuPAD, memungkinkan
akses terhadap kemampuan aljabar komputer. Sebuah paket tambahan, Simulink,
menambahkan simulasi grafis multiranah dan Desain Berdasar-Model untuk
sistem terlekat dan dinamik. Pada tahun 2004, MathWorks mengklaim bahwa
MATLAB telah dimanfaatkan oleh lebih dari satu juta pengguna di dunia
pendidikan dan industry.

MATLAB (yang berarti "matrix laboratory") diciptakan pada akhir tahun 1970-an
oleh Cleve Moler, yang kemudian menjadi Ketua Departemen Ilmu Komputer di
Universitas New Mexico. Ia merancangnya untuk memberikan akses bagi
mahasiswa dalam memakai LINPACK dan EISPACK tanpa harus mempelajari
Fortran. Karyanya itu segera menyebar ke universitas-universitas lain dan
memperoleh sambutan hangat di kalangan komunitas matematika terapan. Jack
Little, seorang insinyur, dipertemukan dengan karyanya tersebut selama
kunjungan Moler ke Universitas Stanford pada tahun 1983. Menyadari potensi
komersialnya, ia bergabung dengan Moler dan Steve Bangert. Mereka menulis
ulang MATLAB dalam bahasa pemrograman C, kemudian mendirikan The
MathWorks pada tahun 1984 untuk melanjutkan pengembangannya. Pustaka yang

2
 ditulis ulang tadi kini dikenal dengan nama JACKPAC. Pada tahun 2000,
MATLAB ditulis ulang dengan pemakaian sekumpulan pustaka baru untuk
manipulasi matriks.

MATLAB pertama kali diadopsi oleh insinyur rancangan kontrol (yang juga
spesialisasi Little), tapi lalu menyebar secara cepat ke berbagai bidang lain. Kini
juga digunakan di bidang pendidikan, khususnya dalam pengajaran aljabar linear
dan analisis numerik, serta populer di kalangan ilmuwan yang menekuni bidang
pengolahan citra.

2.2 Metode Numerik

Metode-metode solusi numerik yang banyak dipakai, dapat diklasifikasikan sebagai:
a. Metode Langsung
- Metode Langsung Eliminasi Gauss (EG), pada prinsipnya merupakan operasi
eliminasi dan substitusi variabel-variabel sedemikian rupa sehingga dapat
terbentuk matriks segitiga atas, dan akhirnya solusinya diselesaikan
menggunakan teknik substitusi balik (backsubstitution).
- Eliminasi Gauss-Jordan (EGJ), pada prinsipnya mirip sekali dengan metode
EG, namun dalam metode ini jumlah operasi numerik yang dilakukan jauh
lebih besar, karena matriks A mengalami inversi terlebih dahulu untuk
mendapatkan matriks identitas (I). Karena kendala tersebut, maka metode ini
sangat jarang dipakai, namun sangat bermanfaat untuk menginversikan
matriks.
- Dekomposisi LU (DECOLU), metode ini melakukan dekomposisi matriks A
terlebih dahulu sehingga dapat terbentuk matriks-matrik segitiga atas dan
bawah, kemudian secara mudah dapat melakukan substitusi balik
(backsubstitution) untuk berbagai vektor VRK (vektor ruas kanan).
- Solusi Sistem TRIDIAGONAL (S3DIAG), pada prinsipnya merupakan solusi
SPL dengan bentuk matrik pita (satu diagonal bawah, satu diagonal utama, dan
satu diagonal atas) pada matriks A.
b. Metode Tak-Langsung (Metode Iteratif).
- Metode Jacobi, merupakan metode iteratif yang melakukan perbaharuan nilai
x yang diperoleh tiap iterasi (mirip metode substitusi berurutan, successive
substitution).
- Metode Gauss-Seidel, pada prinsipnya mirip metode Jacobi, namun
melibatkan perhitungan implisit.
- Metode Successive Over Relaxation (SOR), merupakan perbaikan secara
langsung dari Metode Gauss- Seidel dengan cara menggunakan faktor
relaksasi (faktor pembobot) pada setiap tahap/proses iterasi.
Metode-metode tak-langsung seperti di atas pada umunya sangat tidak efisien dan
‘time consuming’ (memerlukan CPU- time) yang jauh lebih besar dari metode
langsung. Metode Eliminasi Gauss, metode Dekomposisi LU dan Metode Iterasi
Jacobi merupakan metode yang dapat dijadikan sebagai alternatif untuk
menyelesaikan model matematika. Metode Eliminasi Gauss mereduksi matriks
koefisien A ke dalam bentuk matriks segitiga, dan nilai-nilai variabel diperoleh dengan

3
teknik substitusi. Pada metode Dekomposisi LU, matriks A difaktorkan menjadi
matriks L dan matriks U, dimana dimensi atau ukuran matriks L dan U harus sama
dengan dimensi matriks A.
Pada metode iterasi Jacobi, penyelesaian dilakukan secara iterasi, dimana proses
iterasi dilakukan sampai dicapai suatu nilai yang konvergen dengan toleransi yang
diberikan. Dari hasil pengujian dapat diketahui bahwa metode Iterasi Jacobi memiliki
hasil ketelitian yang lebih baik dan waktu komputasi yang lebih cepat dari metode
Eliminasi Gauss dan metode Dekomposisi LU.
Penggunaan pendekatan dengan pemrograman MATLAB, salah satu software
komputer yang dapat digunakan untuk memberikan solusi komputasi numerik. Karena
metode-metode numerik dengan bahasa pemrograman yang sederhana, namun dapat
menyelesaikan permasalahan yang dihadapi oleh mereka yang bergerak dalam bidang
matematika maupun aplikasi matematika.

3. PEMBAHASAN
3.1 Iterasi Jacobi
Metode ini merupakan suatu teknik penyelesaian SPL berukuran n x n, AX = b, secara
iteratif. Proses penyelesaian dimulai dengan suatu hampiran awal terhadap
penyelesaian, X0, kemudian membentuk suatu serangkaian vektor X1, X2, … yang
konvergen ke X.
Teknik iteratif jarang digunakan untuk menyelesaikan SPL berukuran kecil karena
metode-metode langsung seperti metode eliminasi Gauss lebih efisien dari pada
metode iteratif. Akan tetapi, untuk SPL berukuran besar dengan persentase elemen nol
pada matriks koefisien besar, teknik iteratif lebih efisien daripada metode langsung
dalam hal penggunaan memori komputer maupun waktu komputasi. Metode iterasi
Jacobi, prinsipnya: merupakan metode iteratif yang melakuakn perbaharuan nilai x
yang diperoleh tiap iterasi (mirip metode substitusi berurutan, successive
substitution).
3.2 Algoritma Iterasi Jacobi
Untuk menyelesaikan system persamaan linier AX = b dengan A adalah matriks
koefisien n x n, b vector konstan n x 1, dan X vektor n x 1 yang perlu dicari.
INPUT : n, A, b, dan Himpunan awal Y = (y1 y2 y3…yn)T, batas toleransi T, dan
maksimum iterasi N.
OUTPUT: X = (x1 x2 x3 ..xn)T, atau pesan “ gagal “.
LANGKAH – LANGKAH :
1. set penghitung iterasi ke =1
2. WHILE k ≤ n DO
bi   j i aij y j
(a) FOR i = 1, 2, 3, ..., n, hitung xi 
aii
(b) Set X = (x1 x2 x3...xn)T
(c) IF X Y < T THEN STOP

4
 (d)Tambahan penghitung iterasi, k = k + 1
(e) FOR i = 1,2,3,...,n, Set yi = xi
(f) set Y = (y1 y2 y3 ..yn)T
3. STOP

3.3 Flow Chart Iterasi Jacobi

Berikut ini merupakan Flowchart metode iterasi Jacobi:

START

AX = b

Input A, b, X0, T, N

[X, g, H]=
jacobi(A,b,X0,T,N)

bi   j  i aij y j
xi 
a ii

xi = ( x1 x2 x3 …xn)

STOP
Gambar 1. Flowchart metode iterasi Jacobi

3.4 Iterasi Jacobi dengan Menggunaan Matlab 7

Jika x(k)menyatakan hampiran ke k penyelesaian SPL , AX = b, dengan x(0)adalah
hampiran awal, maka metode iterasi Jacobi dapat dinyatakan sebagai berikut :
1  
xi
(k )
  bi   aij x j ( k 1)  , i = 1, 2, 3, ..., n ; k = 1, 2, 3, ..
a ii  
 j i 
Dalam bentuk matriks, rumus iterasi dapat dinyatakan sebagai
X(k) = D-1(b-(L+U)X(k-1)),

5
 Dengan A = L + D + U ( L matriks segitiga bawah, D matriks diagonal, U Matriks
segitiga atas).
Berikut adalah gambaran bagaimana penggunaan metode iterasi Jacobi dengan
sebuah contoh. Misalkan kita ingin menyelesaikan SPL.
10x1 – x2 + x3 = 6
-x1 + 11x2 – x3 + 3x4 = 25
2x1 – x2 + 10x3 – x4 = - 11
3x2 – x3 + 8x4 = 15
Mula – mulakita nyatakan setiap variabel dalam ketiga variabel yang lainnya
1. Nyatakan x1 dari persamaan (P1) dalam x2, x3, dan x4,
2. Nyatakan x2 dari persamaan (P2) dalam x1, x3, dan x4,
3. Nyatakan x3 dari persamaan (P3) dalam x1, x3, dan x4,
4. Nyatakan x4 dari persamaan (P4) dalam x1, x2, dan x3.

Hasilnya adalah SPL

x 2 x3 3
x1   
10 5 5
x1 x3 3 x 4 25
x2    
11 11 11 11
 x1 x 2 x 4 11
x3    
5 10 10 10
 3 x 2 x3 15
x4   
8 8 8
Misalkan kita pilih hapiran penyelesaian awal (0 0 0 0) T, maka hampiran pertama
terhadap penyelesaian SPL tersebut adalah
3
x1   0.6 = 1
5
25
x2   2.2727 = 2
11
11
x3   1.1 = -1
10
15
x4   1.8750 = 2
8
Sekarang dengan menggunakan nilai – nilai ini pada ruas kanan persamaan (P5) –
(P8), kita dapat menghitung hampiran kedua. Proses ini dapat diulang-ulang sampai
keakuratan hampiran yang diinginkan tercapai. Berikut adalah hasil proses iterasi
dengan menggunakan komputer.

6
 No x1 x2 x3 x4
1 0.6 2.27273 -1.1 1.875
2 1.04727 1.71591 -0.805227 0.885227
3 0.932636 2.05331 -1.04934 1.13088
4 1.0152 1.9537 -0.968109 0.973843
5 0.988991 2.01141 -1.01029 1.02135
6 1.0032 1.99224 -0.994522 0.994434
7 0.998128 2.00231 -1.00197 1.00359
8 1.00063 1.99867 -0.999036 0.998888
Setelah iterasi ke-8 diperoleh hampiran penyelesaian
x = (1.00063 1.99867 -0.999036 0.998888)T
bandingkan dengan penyelesaian eksaknya, yakni x = (1 2 -1 1)T.
Menyelesaikan contoh SPL berikut ini dengan menggunakan metode iterasi
Jacobi.
2x1 – x2 + 10x3 = -11
3x2 – x3 + 8x4 = -11
10x1 – x2 + 2x3 =6
-x1 + 11x2 – x3+ 3x4 = 25

4. APLIKASI DALAM MATLAB

4.1 Penulisan routine sintaks algoritma dalam MATLAB
Berikut ini merupakan routine sintaks algoritma iterasi jacobi dalam sintaks Matlab.
function [X,g,H]= jacobi(A,b,X0,T,N)
H = X0';
n = length(b);
X1 = X0;
for k=1:N,
for i = 1:n,
S = b(i)-A(i,[1:i-1,i+1:n])*X0([1:i-1,i+1:n]);
X1(i)=S/A(i,i);
end
g = abs(X1-X0);
err = norm(g);
relerr = err/(norm(X1)+ eps);

7
 X0 = X1;
H = [H;X0'];
if (err<T)|(relerr<T),break,end
end

Gambar 2 Layar Editor MATLAB 7

4.2 Hasil Output fungsi MATLAB 7

Berikut adalah contoh pemakaian fungsi MATLAB 7 jacobi dan hasil keluaran
dari yang diperoleh:
>> A=[2 -1 10 0;0 3 -1 8;10 -1 2 0;-1 11 -1 3]
A=
2 -1 10 0
0 3 -1 8
10 -1 2 0
-1 11 -1 3
>> b=[-11;-11;6;25]
b=
-11
-11
6
25

8
>> X0=[0;0;0;0]

X0 =
0
0
0
0
>> T=.00001
T=
1.0000e-005
>> N=25
N=
25
>> [X,g,H]=jacobi(A,b,X0,T,N)
X=
1.0e+017*
-4.1950
0.5698
2.1380
0.0451
g=
1.0e+017*
3.7699
0.5442
1.2965
0.1535
H=
1.0e+017*
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000

9
 0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
0 . 0000 0 . 0000 0 . 0000 0 . 0000
-0 . 0007 0 . 0000 0 . 0013 -0 . 0002
-0 . 0066 0 . 0009 0 . 0036 0 . 0000
-0 . 0173 0 . 0011 0 . 0333 -0 . 0042
-0 . 1661 0 . 0224 0 . 0873 0 . 0013
-0 . 4251 0 . 0256 0 . 8415 -0 . 1085
-4 . 0000 0 . 5698 2 . 1380 0 . 0451
Dari hasil diatas, metode Jacobi belum konvergen setelah melakukan iterasi.
Untuk mengetahui penyelesaian SPL kita, selanjutnya gunakan metode langsung
dengan menggunakan invers matriks A. MATLAB memberikan penyelesaian sebagai
berikut.
>> X=inv(A)*b
X=
1.1039
2.9965
-1.0211
-2.6263
Apakah metode jacobi tidak dapat menghasilkan penyelesaian tersebut? Dengan
mengubah susunan SPL, yakni persamaan pertama dan kedua dipindah menjadi
persamaan ketiga dan keempat, metode Jacobi ternyata berhasil memberikan
penyelesaian tersebut, sebagaimana terlihat pada hasil keluaran MATLAB berikut.

>> A=[10 -1 2 0;-1 11 -1 3;2 -1 10 0;0 3 -1 8]

A=
10 -1 2 0

10
 -1 11 -1 3
2 -1 10 0
0 3 -1 8
>> b=[6;25;-11;-11]
b=
6
25
-11
-11
>> X0=[-2;1;3;-1]
X0 =
-2
1
3
-1
>> [X,g,H]=jacobi(A,b,X0,T,N)
X=
1.1039
2.9965
-1.0211
-2.6263
g=
0.0795
0.2004
0.0797
0.1511
H=
-2 . 0000 1 . 0000 3 . 0000 -1 . 0000
1 . 1000 2 . 6364 -1 . 6000 -2 . 3750
1 . 9836 2 . 6023 -1 . 8564 -2 . 4386
1 . 0315 2 . 9494 -1 . 0365 -2 . 4579
1 . 1022 2 . 9426 -1 . 0114 -2 . 6106
1 . 1065 2 . 9930 -1 . 0262 -2 . 6049
1 . 1045 2 . 9895 -1 . 0200 -2 . 6256
1 . 1030 2 . 9965 -1 . 0220 -2 . 6236

11
1 . 1040 2 . 9856 -1 . 0209 -2 . 6264
1 . 1037 2 . 9966 -1 . 0212 -2 . 6260
1 . 1039 2 . 9964 -1 . 0211 -2 . 6264
1 . 1039 2 . 9965 -1 . 0211 -2 . 6263
1 . 1039 2 . 9965 -1 . 0211 -2 . 6263
1 . 1039 2 . 9965 -1 . 0211 -2 . 6263
Iterasi Jacobi konvergen (dengan menggunakan batas toleransi 0.0001) setelah
iterasi ke-13. Penyelesaian yang diberikan persis sama dengan yang dihasilkan
dengan metode langsung. Hampiran penyelesaian SPL kita adalah X = (1.1039
2.9965 -1.0211 -2.6263)T.

Gambar 3. Layar MATLAB 7 (command window)

Dari permasalahan di atas bahwa urutan persamaan di dalam suatu SPL sangat
berpengaruh terhadap penampilan metode iterasi Jacobi. Kalau kita amati lebih lanjut
permasalahan tersebut, kekonvergenan iterasi Jacobi , merupakan strategi kedua
dikarenakan kita telah mengubah susunan SPL sedemikian hingga elemen-elemen aii
merupakan elemen-elemen terbesar pada setiap baris. Dengan kata lain, apabila
matriks koefisien A merupakan matriks dominan secara diagonal, maka metode iterasi
Jacobi akan konvergen. Suatu matrik A berukuran n x n dikatakan dominan secara
diagonal apabila
| a ii || a i ,1 | ... | ai ,i 1 |  | a i ,i 1 | ... | a i ,n | untuk i = 1, 2, 3, ..., n.

12
5. KESIMPULAN
Dari pembahasan di atas kita dapat mengambil kesimpulan bahwa urutan persamaan
di dalam suatu SPL sangat berpengaruh terhadap penampilan metode iterasi Jacobi.
Dengan menggunakan pemrograman MATLAB 7 dapat membantu pemrograman
dalam dalam metode numerik khususnya metode iterasi Jacobi. Penggunaan metode
iterasi Jacobi lebih efektif untuk memecahkan masalah numerik dalam SPL berukuran
besar.

6. DAFTAR PUSTAKA
Gan Shu San. Studi tentang Konvergensi Metode Iterasi Weighted Jacobi. Dimensi,
1995
Hermawi. Implementasi Iterasi Runga-Kutta. Fasilkom UI. 2002.
Jurgen Geiser. Modified Jacobian Newton Iterative Method: Theory and Applications.
Hindawi Publishing Corporation Mathematical Problems in Engineering,
Article ID 307298.
Sanjay K. Khattri. Altered Jacobian Newton Iterative Method for Nonlinear Elliptic
Problems. International Journal of Applied Mathematics. 2008.
Van der Vorst, H. A., Iterative Krylov Methods for Large Linear Systems. Cambridge
monographs on applied and computational mathematics, Cambridge
University Press, New York, 2003.
www. ahliswiwite.files.wordpress.com/2007/11/iterasi-jacobi.doc.
www.id.wikipedia.org/wiki/Metode_Jacobi.

Varga, R. Matrix Iterative Analysis. Englewood Cliffs, NJ: Prentice-Hall, 1962.

Young, D. Iterative Solutions of Large Linear Systems. New York: Academic Press,
1971.

Hageman, L. and Young, D. Applied Iterative Methods. New York: Academic Press,
1981.
Barrett, R.; Berry, M.; Chan, T. F.; Demmel, J.; Donato, J.; Dongarra, J.; Eijkhout, V.;
Pozo, R.; Romine, C.; and van der Vorst, H. Templates for the Solution of
Linear Systems: Building Blocks for Iterative Methods, 2nd ed. Philadelphia,
PA: SIAM, 1994. http://www.netlib.org/linalg/html_templates/Templates.html.

13